本公开总体上涉及通信系统，并且更具体地涉及针对波束管理使用人工智能和机器学习(ai/ml)的方法和装置。
背景技术：
1、可以由ue用来报告csi的时间和频率资源由gnb控制。csi可以包含信道质量指示符(cqi)、预编码矩阵指示符(pmi)、csi-rs资源指示符(cri)、ss/pbch块资源指示符(ssbri)、层指示符(li)、秩指示符(ri)、l1-rsrp、l1-sinr。csi报告配置包含以下参数：码本配置，包括码本子集限制、时域行为、针对cqi和pmi的频率粒度、测量限制配置、以及要由ue报告的csi相关量，诸如层指示符(li)、l1-rsrp、l1-sinr、cri和ssbri(ssb资源指示符)。csi报告可以是周期性的、非周期性的或半静态的。ue可以被配置有多个csi报告配置。
2、csi资源配置包含s≥1个csi资源集的列表的配置，其中该列表由对(多个)nzpcsi-rs资源集和(多个)ss/pbch块集中的一者或两者的引用组成，或者该列表由对(多个)csi-im资源集的引用组成。每个csi-rs资源集包含一个或多个csi-rs资源。csi-rs资源的时域行为可以被设置为周期性的、非周期性的或半持久性的。一组内的csi-rs资源可以用不同发送波束来发送(例如，波束扫描)，并且ue可以标识具有最大rsrp的资源的索引。csi-rs资源也可以使用相同波束来发送，使得ue可以执行波束扫描。用于下行链路中的传输的波束可以使用tci状态参数被指示给ue。tci状态参数向ue指示所接收的信道(例如，pdcch或pdsch)使用tci状态参数中包括的参考信号的相同波束来发送。
3、现有技术可以用于波束管理。具体地，可以由ue使用现有技术来监测和测量(例如，周期性地)csi-rs资源，标识最佳波束，并且在csi报告中发出信息。然而，发送和测量csi-rs资源的开销预期会很大，并且随着发送和接收波束数目的增加而进一步增加。因此，需要提供更高效的波束管理。
4、本文呈现了改进。这些改进也可以适用于其他多址技术和采用这些技术的电信标准。
技术实现思路
1、以下呈现了本公开的一个或多个实施例的简化概述，以便提供对这样的实施例的基本理解。本概述不是对所有预期实施例的广泛概述，并且既不旨在标识所有实施例的关键或重要元件，也不旨在界定任何或所有实施例的范围。其唯一目的是以简化形式呈现本公开的一个或多个实施例的一些概念，作为稍后呈现的更详细描述的前奏。
2、本公开公开了针对波束管理使用ai/ml的方法、装置和非暂态计算机可读介质。
3、根据示例性实施例，一种由用户设备(ue)中的至少一个处理器执行的方法包括通过信道从基站接收与信道的状态相对应的多个参考信号。该方法包括测量所接收的多个参考信号的子集。该方法还包括在第一时间间隔内向基站发送信道状态报告，信道状态报告对应于所接收的多个参考信号的子集的测量和由ue在第一时间间隔之后接收的一个或多个参考信号的预测。
4、根据示例性实施例，一种用户设备(ue)包括被配置为存储计算机程序代码的至少一个存储器和被配置为访问至少一个存储器并且按照计算机程序代码的指示进行操作的至少一个处理器。该计算机程序代码包括接收代码，该代码被配置为使得至少一个处理器中的至少一个处理器通过信道从基站接收与信道的状态相对应的多个参考信号。该计算机程序代码还包括第一测量代码，该第一测量代码被配置为使得至少一个处理器中的至少一个处理器测量所接收的多个参考信号的子集。该计算机程序代码还包括发送代码，该代码被配置为使得至少一个处理器中的至少一个处理器在第一时间间隔内向基站发送信道状态报告，信道状态报告对应于所接收的多个参考信号的子集的测量和由ue在第一时间间隔之后接收的一个或多个参考信号的预测。
5、根据示例性实施例，一种其中存储有指令的非暂态计算机可读介质，该指令在由用户设备(ue)中的处理器执行时使得ue执行方法，该方法包括通过信道从基站接收与信道的状态相对应的多个参考信号。该方法还包括测量所接收的多个参考信号的子集。该方法还包括在第一时间间隔内向基站发送信道状态报告，信道状态报告对应于所接收的多个参考信号的子集的测量和由ue在第一时间间隔之后接收的一个或多个参考信号的预测。
6、附加实施例将在下面的描述中阐述，并且部分地将从描述中是显而易见的，和/或可以通过实践本公开的所呈现的实施例来学习。
1.一种由用户设备(ue)中的至少一个处理器执行的方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述一个或多个参考信号的所述预测由所述基站使用人工智能模型学习引擎来执行，其中所述一个或多个参考信号的所述预测基于所接收的所述多个参考信号的所述子集的所述测量。
3.根据权利要求1所述的方法，其中所述一个或多个参考信号的所述预测由所述ue使用人工智能模型学习引擎来执行，其中所述一个或多个参考信号的所述预测基于所接收的所述多个参考信号的所测量的所述子集，并且其中所述信道状态报告包括所述一个或多个参考信号的所述预测。
4.根据权利要求1所述的方法，其中所预测的所述一个或多个参考信号包括：未被包括在所述接收的多个参考信号的、所测量的所述子集中的至少一个参考信号。
5.根据权利要求1所述的方法，其中所述多个参考信号包括参考资源信号，所述参考资源信号指定所测量的所述多个参考信号的所述子集。
6.根据权利要求5所述的方法，其中所述参考资源信号将在所述参考资源信号之前接收的最后k个参考信号指定为所测量的所述多个参考信号的所述子集，其中k是大于零的整数。
7.根据权利要求5所述的方法，其中所述参考资源信号在时隙k处被接收，其中k是大于零的整数，并且其中所述参考资源信号将关于时隙k在一个或多个间隔处的一个或多个参考信号指定为所测量的所述多个参考信号的所述子集。
8.根据权利要求7所述的方法，其中所述一个或多个间隔中的每个间隔包括至少两个参考信号。
9.根据权利要求1所述的方法，还包括：
10.一种用户设备(ue)，包括：
11.根据权利要求10所述的ue，其中所述一个或多个参考信号的所述预测由所述基站使用人工智能模型学习引擎来执行，其中所述一个或多个参考信号的所述预测基于所述接收的多个参考信号的所述子集的所述测量。
12.根据权利要求10所述的ue，其中所述一个或多个参考信号的所述预测由所述ue使用人工智能模型学习引擎来执行，其中所述一个或多个参考信号的所述预测基于所接收的所述多个参考信号的所测量的所述子集，并且其中所述信道状态报告包括所述一个或多个参考信号的所述预测。
13.根据权利要求10所述的ue，其中所预测的所述一个或多个参考信号包括：未被包括在所接收的所述多个参考信号的、所测量的所述子集中的至少一个参考信号。
14.根据权利要求10所述的ue，其中所述多个参考信号包括参考资源信号，所述参考资源信号指定所测量的所述多个参考信号的所述子集。
15.根据权利要求14所述的ue，其中所述参考资源信号将在所述参考资源信号之前接收的最后k个参考信号指定为所测量的所述多个参考信号的所述子集，其中k是大于零的整数。
16.根据权利要求14所述的ue，其中所述参考资源信号在时隙k处被接收，其中k是大于零的整数，并且其中所述参考资源信号将关于时隙k在一个或多个间隔处的一个或多个参考信号指定为所测量的所述多个参考信号的所述子集。
17.根据权利要求16所述的ue，其中所述一个或多个间隔中的每个间隔包括至少两个参考信号。
18.根据权利要求10所述的ue，其中所述计算机程序代码还包括：
19.一种其中存储有指令的非暂态计算机可读介质，所述指令在由用户设备(ue)中的处理器执行时使得所述ue执行方法，所述方法包括：
20.根据权利要求19所述的非暂态计算机可读介质，其中所述一个或多个参考信号的所述预测由所述基站使用人工智能模型学习引擎来执行，其中所述一个或多个参考信号的所述预测基于所接收的所述多个参考信号的所述子集的所述测量。
