[发明专利]信道数据处理或反处理方法与装置、终端和网络设备

说明书

本申请公开了信道数据处理或反处理方法与装置、终端和网络设备；该方法包括：获取第一信道数据；对第一信道数据进行处理，得到第二信道数据；对应的，获取第二信道数据；对第二信道数据进行反处理，得到第一信道数据。在通过AI模型直接反馈(或上报)信道数据到CSI反馈架构的过程中，为了适配用于图像处理的AI模型，避免因输入AI模型的信道数据内的元素存在超出范围的数而导致AI模型无法处理该信道数据或者导致AI模型处理效率低，终端需要对获取的第一信道数据进行处理，使得第二信道数据满足适配于图像处理的AI模型的要求，从而有利于保证AI模型能够对输入的第二信道数据进行成功处理或者实现较高的处理效率。

技术领域

本申请涉及通信技术领域，尤其涉及一种信道数据处理或反处理方法与装置、终端和网络设备。

背景技术

在无线通信系统演进中，人们一直在探索使用人工智能(artificialintelligence，AI)与物理层的融合。其中，AI可以包括机器学习(machine learning，ML)、深度学习(deep learning，DL)等。在物理层算法中引入AI可以解决一些用传统建模方式难以解决的问题，例如一些非线性问题、参数过于复杂等问题。AI算法可以绕过传统建模方式，通过大量数据的训练来建立一些问题的解决模式。随着AI算法的成熟和适合AI算法的硬件的成熟，在物理层算法中引入AI越来越引起人们的关注。

作为一个典型的应用，信道状态信息(Channel State Information，CSI)反馈中可以引入AI。在CSI反馈中引入AI的场景中，终端可以通过AI神经网络(可以简称为AI模型)直接反馈(或上报)预编码矩阵或信道数据，即终端直接反馈预编码矩阵或信道矩阵到CSI反馈框架(包括CQI、PMI、RI、CRI(或SSBRI)等的整体反馈机制)。AI模型可以包括卷积神经网络(convolutional neural network，CNN)、深度神经网络(deep neural network，DNN)等。

某些场景下，直接反馈预编码矩阵或信道数据具有比基于码本的反馈更多的信息量，比如幅度信息(特征向量没有幅度信息)，更适合多用户多输入多输出(multi-usermulti-input multi-output，MU-MIMO)等。

由于大部分的AI模型是用于图像(image)处理的，而图像中的像素是一个或一组灰度值，因此输入AI模型的图像是大于或等于零的实数。然而，当终端通过参考信号估计出的预编码矩阵或信道矩阵时，该预编码矩阵或信道矩阵中的每一个元素可能都是复数值，即便该预编码矩阵或信道矩阵分成实部数据和虚部数据，该实部数据或虚部数据内的元素仍然可能有正或有负。因此，在通过AI模型直接反馈该预编码矩阵或信道矩阵到CSI反馈架构的过程中，为了适配用于图像处理的AI模型，需要对待反馈(或上报)的信道数据进行处理。

发明内容

第一方面，为本申请的一种信道数据处理方法，包括：

获取第一信道数据；

对所述第一信道数据进行处理，得到第二信道数据。

可见，在通过AI模型直接反馈(或上报)信道数据到CSI反馈架构的过程中，为了适配用于图像处理的AI模型，避免因输入AI模型的信道数据内的元素存在超出范围的数而导致AI模型无法处理该信道数据或者导致AI模型处理效率低，本申请实施例的终端需要对待反馈(或上报)的信道数据(即第一信道数据)进行处理，使得处理后的信道数据(即第二信道数据)满足适配于图像处理的AI模型的要求，从而有利于保证AI模型能够对输入的该处理后的信道数据进行成功处理或者实现较高的处理效率。

第二方面，为本申请的一种信道数据反处理方法，包括：

获取第二信道数据；

对所述第二信道数据进行反处理，得到第一信道数据。