本公开涉及一种无线通信系统，并且更具体地，涉及一种移动通信系统中用于管理联邦机器学习性能的方法和设备。
背景技术：
1、5g移动通信技术定义宽频带，使得高传输速率和新服务是可能的，并且不仅可以在诸如3.5ghz的“6ghz以下”频带中实现，而且可以在包括28ghz和39ghz的被称为mmwave的“6ghz以上”频带中实现。此外，已经考虑在太赫兹(thz)频带(例如，95ghz至3thz频带)中实现被称为超5g系统的6g移动通信技术，以便实现比5g移动通信技术快五十倍的传输速率和5g移动通信技术的十分之一的超低延迟。
2、在5g移动通信技术的开发开始时，为了支持服务并满足与增强型移动宽带(embb)、超可靠低延迟通信(urllc)和大规模机器类型通信(mmtc)相关的性能要求，已经存在关于波束成形和大规模多输入多输出(mimo)的持续标准化，用于减轻无线电波路径损耗并增加mmwave中的无线电波传输距离，支持用于有效利用mmwave资源和时隙格式的动态操作的参数集(例如，操作多个子载波间隔)，用于支持多波束传输和宽带的初始接入技术，带宽部分(bwp)的定义和操作。新的信道编码方法，诸如用于大量数据传输的低密度奇偶校验(ldpc)码和用于控制信息的高度可靠传输的极化码、l2预处理、以及用于提供专用于特定服务的专用网络的网络切片。
3、目前，鉴于5g移动通信技术要支持的服务，存在关于初始5g移动通信技术的改进和性能增强的持续讨论，并且已经存在关于技术的物理层标准化，诸如用于基于关于由车辆发送的车辆的位置和状态的信息辅助自主车辆进行驾驶确定并用于增强用户便利性的车辆到一切(v2x)、旨在符合未许可频带中的各种法规相关要求的系统操作的新无线电未许可(nr-u)、nr ue功率节省、作为用于在与地面网络的通信不可用的区域中提供覆盖的ue-卫星直接通信的非地面网络(ntn)以及定位。
4、此外，关于诸如用于通过与其他行业的互通和融合来支持新服务的工业物联网(iiot)、用于通过以集成方式支持无线回程链路和接入链路来提供用于网络服务区域扩展的节点的集成接入和回程(iab)、包括条件切换和双活动协议栈(daps)切换的移动性增强、以及用于简化随机接入过程的两步随机接入(nr的两步rach)之类的技术的空中接口架构/协议方面已经存在持续的标准化。还存在关于5g基线架构(例如，基于服务的架构或基于服务的接口)的系统架构/服务的持续标准化，用于组合网络功能虚拟化(nfv)和软件定义联网(sdn)技术，以及用于基于ue位置接收服务的移动边缘计算(mec)。
5、随着5g移动通信系统商业化，已经呈指数增长的连接装置将连接到通信网络，并且相应地期望5g移动通信系统的增强功能和性能以及连接装置的集成操作将是必要的。为此，安排了与扩展现实(xr)相关的新研究，用于有效地支持增强现实(ar)、虚拟现实(vr)、混合现实(mr)等，通过利用人工智能(ai)和机器学习(ml)、ai服务支持、元宇宙服务支持和无人机通信来提高5g性能和降低复杂性。
6、此外，5g移动通信系统的这种开发将作为基础，不仅开发用于提供6g移动通信技术的太赫兹频带覆盖的新波形、诸如全维mimo(fd-mimo)的多天线传输技术、阵列天线和大规模天线、用于改善太赫兹频带信号覆盖的基于超材料的透镜和天线、使用轨道角动量(oam)的高维空间复用技术和可重构智能表面(ris)技术，而且开发用于提高6g移动通信技术的频率效率和改善系统网络的全双工技术。用于通过从设计阶段利用卫星和人工智能(ai)实现系统优化并内部化端到端ai支持功能的基于ai的通信技术，以及用于通过利用超高性能通信和计算资源以超过ue操作能力限制的复杂程度实现服务的下一代分布式计算技术。
技术实现思路
1、技术问题
2、当网络数据分析功能(nwdaf)服务消费者请求移动网络中的分析服务时，分析服务可以提供所需的时间。在不支持联邦学习的nwdaf学习构成中，在单个实体内执行训练过程，并且可以在给定时间内执行关于是否提供服务和时间管理的判断。在支持联邦学习的nwdaf学习构成中，在多个本地nwdaf内执行训练，并且将它们收集到中央nwdaf中的操作可以重复发生。在这种情况下，必须执行各个本地nwdaf的训练和收集操作中的时间管理，使得可以完成训练并且可以在nwdaf服务消费者请求的时间内提供分析服务结果。
3、此外，当nwdaf通过联邦学习提供分析服务时，由于多个nwdaf参与学习，因此必须监听可能在各个nwdaf中发生的异常事件。联邦学习的准确性和完成时间可以根据参与联邦学习的各个本地nwdaf中发生的事件而改变。为了在nwdaf之间执行稳定的联邦学习，需要一种用于监听和响应异常事件的方法。
4、技术解决方案
5、根据本公开的一种中央网络数据分析功能(nwdaf)的操作方法包括：从网络功能接收分析请求消息；基于分析请求消息，确定被包括在联邦学习(fl)组中的本地nwdaf；向本地nwdaf发送fl本地行为指令；响应于fl本地行为指令，从本地nwdaf接收响应消息；基于fl本地行为指令，从本地nwdaf接收借助于本地nwdaf生成的本地模型；基于本地模型来生成全局模型；以及向nwdaf发送全局模型。
6、根据本公开的一种中央nwdaf包括：网络接口；以及处理器，连接到网络接口。该处理器从网络功能接收分析请求消息，基于分析请求消息来确定被包括在联邦学习(fl)组中的本地nwdaf，向本地nwdaf发送fl本地行为指令，响应于fl本地行为指令而从本地nwdaf接收响应消息，基于fl本地行为指令来从本地nwdaf接收借助于本地nwdaf生成的本地模型，基于本地模型来生成全局模型，并且向nwdaf发送全局模型。
7、有益效果
8、当通过联邦学习提供分析服务时，nwdaf可以在给定时间内完成学习并提供分析服务结果。此外，当在执行联邦学习的操作期间发生异常事件时，nwdaf可以响应异常事件并最终稳定地提供分析服务结果。
1.一种中央网络数据分析功能(nwdaf)的操作方法，包括：
2.根据权利要求1所述的操作方法，其中，所述fl本地行为指令包括延迟情况发生事件通知请求信息、生成所述全局模型所需的参数、以及纪元时间要求信息。
3.根据权利要求2所述的操作方法，其中，所述纪元时间要求信息包括期望纪元时间、期望的本地机器学习(ml)模型训练和传输时间、以及本地ml模型训练时间要求。
4.根据权利要求3所述的操作方法，其中，所述响应消息包括指示是否能够满足所述期望纪元时间或者所述期望的本地ml模型训练和传输时间或者所述本地ml模型训练时间要求的指示符。
5.根据权利要求4所述的操作方法，其中，在不能满足所述期望纪元时间或者所述期望的本地ml模型训练和传输时间或者所述本地ml模型训练时间要求的情况下，所述响应消息包括新的期望纪元时间、新的期望的本地ml模型训练和传输时间、或者新的本地ml模型训练时间要求。
6.根据权利要求5所述的操作方法，还包括，响应于所述响应消息，向所述本地nwdaf发送基于所述响应消息而更新的纪元时间要求信息。
7.根据权利要求1所述的操作方法，还包括，响应于所接收的本地模型，向所述本地nwdaf发送确认消息。
8.根据权利要求7所述的操作方法，还包括，响应于所述确认消息，接收延迟情况发生事件报告消息。
9.根据权利要求8所述的操作方法，其中，所述全局模型是基于所述延迟情况发生事件报告消息和所述本地模型生成的。
10.根据权利要求8所述的操作方法，还包括基于所述延迟情况发生事件报告消息来接收后期从所述本地nwdaf发送的本地模型。
11.一种中央nwdaf，包括：
12.根据权利要求11所述的中央nwdaf，其中，所述fl本地行为指令包括延迟情况发生事件通知请求信息、生成所述全局模型所需的参数、以及纪元时间要求信息。
13.根据权利要求12所述的中央nwdaf，其中，所述纪元时间要求信息包括期望纪元时间、期望的本地机器学习(ml)模型训练和传输时间、以及本地ml模型训练时间要求。
14.根据权利要求13所述的中央nwdaf，其中，所述响应消息包括指示是否能够满足所述期望纪元时间或者所述期望的本地ml模型训练和传输时间或者所述本地ml模型训练时间要求的指示符。
15.根据权利要求14所述的中央nwdaf，其中，在不能满足所述期望纪元时间或者所述期望的本地ml模型训练和传输时间或者所述本地ml模型训练时间要求的情况下，所述响应消息包括新的期望纪元时间、新的期望的本地ml模型训练和传输时间、或者新的本地ml模型训练时间要求。
