[发明专利]NR-U的特定于波束的RSSI和CO在审
申请号: | 202180081715.2 | 申请日: | 2021-12-16 |
公开(公告)号: | CN116584051A | 公开(公告)日: | 2023-08-11 |
发明(设计)人: | 张晓霞;O·厄兹蒂尔克;J·孙 | 申请(专利权)人: | 高通股份有限公司 |
主分类号: | H04B7/08 | 分类号: | H04B7/08 |
代理公司: | 永新专利商标代理有限公司 72002 | 代理人: | 贾丽萍 |
地址: | 美国加*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | nr 定于 波束 rssi co | ||
讨论了用于在NR‑U无线通信中利用特定于波束的RSSI和CO的无线通信技术。UE可以从基站接收与第一接收波束相关联的一个或多个RSSI测量配置参数的第一集合以及与第二接收波束相关联的一个或多个RSSI测量配置参数的第二集合。第二接收波束可以不同于第一接收波束。UE可以发送包括以下各项中的至少一项的报告:对至少部分地基于一个或多个RSSI测量配置参数的第一集合来使用第一接收波束执行的一个或多个RSSI测量的第一指示、对至少部分地基于一个或多个RSSI测量配置参数的第二集合来使用第二接收波束执行的一个或多个其它RSSI测量的第二指示。
相关申请的交叉引用
本申请要求享受2020年12月16提交的、标题为“BEAM-SPECIFIC RSSI AND CO FORNR-U”的美国专利申请No.17/124,108的权益,故以引用方式将其全部内容明确地并入本文。
技术领域
概括地说,本公开内容的各方面涉及无线通信系统,具体地说,本公开内容的各方面涉及NR-U无线通信中利用特定于波束的接收信号强度指示符(RSSI)和信道占用(CO)的技术。
背景技术
已广泛地部署无线通信网络,以便提供各种通信服务,例如语音、视频、分组数据、消息、广播等等。这些无线网络可以是能通过共享可用的网络资源,来支持多个用户的多址网络。这些网络可以是通过共享可用的网络资源,来支持多个用户的通信的多址接入网络。
无线通信网络可以包括一些组件。这些组件可以包括诸如基站(或节点B)的无线通信设备,其能够支持多个用户设备(UE)的通信。UE可以经由下行链路和上行链路与基站进行通信。下行链路(或前向链路)是指从基站到UE的通信链路,上行链路(或反向链路)是指从UE到基站的通信链路。
基站可以在下行链路上向UE发送数据和控制信息,或者在上行链路上从UE接收数据和控制信息。在下行链路上,来自基站的传输可能遭遇由于来自邻居基站的传输或者来自其它无线射频(RF)发射器的传输所造成的干扰。在上行链路上,来自UE的传输可能遭遇来自与邻居基站进行通信的其它UE或者其它无线RF发射器的上行链路传输的干扰。这种干扰可以使下行链路和上行链路上的性能下降。
随着对移动宽带接入的需求不断增加,随着更多的UE接入远程无线通信网络、以及社区中部署更多短距离无线系统,网络发生干扰和拥塞的可能性也在增加。继续研究和开发推进无线技术,不仅满足日益增长的移动宽带接入需求,而且提高和增强移动通信的用户体验。
发明内容
为了对所讨论的技术有一个基本的理解,下面概括了本公开内容的一些方面。该概括部分不是对本公开内容的所有预期特征的详尽概述,也不是旨在标识本公开内容的所有方面的关键或重要元素,或者描述本公开内容的任意或全部方面的范围。其唯一目的是用概括的形式呈现本公开内容的一个或多个方面的一些概念,以此作为后面的详细说明的前奏。
在本公开内容的一个方面,提供了一种由UE执行的无线通信的方法。例如,方法可以包括:接收与第一接收波束相关联的一个或多个接收信号强度指示符(RSSI)测量配置参数的第一集合。该方法还可以包括:接收与第二接收波束相关联的一个或多个RSSI测量配置参数的第二集合,其中,所述第二接收波束不同于所述第一接收波束。该方法还可以包括:发送包括以下各项中的至少一项的报告:对至少部分地基于所述一个或多个RSSI测量配置参数的第一集合来使用所述第一接收波束执行的一个或多个RSSI测量的第一指示、或者对至少部分地基于所述一个或多个RSSI测量配置参数的第二集合来使用所述第二接收波束执行的一个或多个其它RSSI测量的第二指示。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于高通股份有限公司,未经高通股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202180081715.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:保护元件
- 下一篇:利用图神经网络根据时空跟踪数据的动作-行动者检测