本發(fā)明實施例涉及通信領域，具體而言，涉及一種ai模型參數的交互方法和裝置。

背景技術：

1、傳統(tǒng)的人工智能/機器學習(ai/ml)技術基于集中式模型，需要在數據源和集中式服務器之間交換大量數據。最近，已經開發(fā)出聯(lián)合學習等分布式ai/ml算法，這將允許在源頭進行更多分析并減少需要交換的數據量。

2、研究表明，ai/ml算法可以通過提供更好的資源使用、更低的能耗、更高的可靠性和對不斷變化的環(huán)境的魯棒性來幫助提高無線通信網絡的性能。隨著這些算法變得更加成熟且更具成本效益，無線局域網(wireless?local?area?networks，wlan)可能會利用ai/ml來增強網絡性能和用戶體驗。

3、然而，目前還未有將ai/ml用于wlan具體實現(xiàn)方式，無法達到通過ai/ml來增強網絡性能和用戶體驗的效果。

技術實現(xiàn)思路

1、本發(fā)明實施例提供了一種ai模型參數的交互方法及裝置，以至少解決相關技術還未有將ai/ml用于wlan具體實現(xiàn)方式，無法達到通過ai/ml來增強網絡性能和用戶體驗的效果的問題。

2、根據本發(fā)明的一個實施例，提供了一種ai模型參數的交互方法，應用于wifi發(fā)送端，其中，所述wifi發(fā)送端包括wifi發(fā)送端的自編碼器，所述方法包括：

3、在所述wifi發(fā)送端的自編碼器被置入ai模型參數之后，通過所述wifi發(fā)送端的自編碼器向wifi接收端發(fā)送帶有特殊序列的數據幀，以使所述wifi接收端根據所述特殊序列對所述數據幀進行識別，并在識別成功的情況下，通過所述wifi接收端的自編碼器對所述數據幀進行譯碼。

4、在一個示例性實施例中，在通過所述wifi發(fā)送端的自編碼器向wifi接收端發(fā)送帶有特殊序列的數據幀之后，還包括：

5、對所述wifi接收端的反饋消息進行監(jiān)聽；

6、若在預設時間內未監(jiān)聽到所述wifi接收端發(fā)送的反饋消息，則確定需要更新所述wifi發(fā)送端的自編碼器的ai模型參數。

7、在一個示例性實施例中，還包括：

8、在所述wifi發(fā)送端的自編碼器需要更新所述ai模型參數的情況下，在一個幀間間隔內向所述wifi接收端發(fā)送帶有特殊序列的觸發(fā)幀，以觸發(fā)所述wifi接收端的自編碼器反饋新的ai模型參數。

9、在一個示例性實施例中，還包括：

10、接收所述wifi接收端的自編碼器反饋的新的ai模型參數，并向所述wifi接收端發(fā)送確認消息。

11、在一個示例性實施例中，所述帶有特殊序列的數據幀中攜帶反饋的信道狀態(tài)信息csi內容。

12、根據本發(fā)明的另一個實施例，提供了另一種ai模型參數的交互方法，應用于wifi接收端，其中，所述wifi接收端包括wifi接收端的自編碼器和分類器，所述方法包括：

13、在wifi發(fā)送端的自編碼器被置入ai模型參數之后，通過所述分類器接收所述wifi發(fā)送端的自編碼器發(fā)送的帶有特殊序列的數據幀，并根據所述特殊序列對所述數據幀進行識別；

14、在識別成功的情況下，通過所述wifi接收端的自編碼器對所述數據幀進行譯碼。

15、在一個示例性實施例中，在通過所述wifi接收端的自編碼器對所述數據幀進行譯碼之后，還包括：

16、在所述wifi發(fā)送端的自編碼器需要更新所述ai模型參數的情況下，接收所述wifi發(fā)送端發(fā)送的帶有特殊序列的觸發(fā)幀；

17、通過所述分類器根據所述特殊序列對所述觸發(fā)幀進行識別；

18、在識別成功的情況下，對所述wifi接收端的自編碼器進行訓練，得到新的ai模型參數；

19、將所述新的ai模型參數反饋至所述wifi發(fā)送端的自編碼器。

20、在一個示例性實施例中，所述通過所述分類器根據所述特殊序列對所述觸發(fā)幀進行識別，包括：

21、將所述觸發(fā)幀的特殊序列與本地存儲的特殊序列進行匹配；

22、在匹配成功的情況下，確定識別成功。

23、根據本發(fā)明的又一個實施例，提供了一種ai模型參數的交互裝置，應用于wifi發(fā)送端，所述wifi發(fā)送端包括wifi發(fā)送端的自編碼器，所述裝置包括：

24、第一發(fā)送模塊，用于在所述wifi發(fā)送端的自編碼器被置入ai模型參數之后，通過所述wifi發(fā)送端的自編碼器向wifi接收端發(fā)送帶有特殊序列的數據幀，以使所述wifi接收端根據所述特殊序列對所述數據幀進行識別，并在識別成功的情況下，通過所述wifi接收端的自編碼器對所述數據幀進行譯碼。

25、根據本發(fā)明的又一個實施例，提供了另一種ai模型參數的交互裝置，應用于wifi接收端，所述wifi接收端包括wifi接收端的自解碼器和分類器，所述裝置包括：

26、第一接收模塊，用于在wifi發(fā)送端的自編碼器被置入ai模型參數之后，通過所述分類器接收所述wifi發(fā)送端編碼器發(fā)送的帶有特殊序列的數據幀，并根據所述特殊序列對所述數據幀進行識別；

27、譯碼模塊，用于在識別成功的情況下，通過所述wifi接收端的自編碼器對所述數據幀進行譯碼。

28、根據本發(fā)明的又一個實施例，還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執(zhí)行上述任一項方法實施例中的步驟。

29、根據本發(fā)明的又一個實施例，還提供了一種電子裝置，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執(zhí)行上述任一項方法實施例中的步驟。

30、本發(fā)明實施例在wifi發(fā)送端和wifi接收端分別設置自編碼器，在wifi發(fā)送端的自編碼器被置入ai模型參數之后，通過wifi發(fā)送端的自編碼器向wifi接收端發(fā)送帶有特殊序列的數據幀，wifi接收端根據特殊序列對數據幀進行識別，并在識別成功的情況下，通過wifi接收端的自編碼器對數據幀進行譯碼。通過自編碼器提高了傳統(tǒng)wifi發(fā)射機、傳統(tǒng)wifi接收機系統(tǒng)的編碼效率和譯碼準確度，從而增強了wifi網絡性能和用戶體驗，解決了相關技術未有將ai/ml用于wlan具體實現(xiàn)方式，無法達到通過ai/ml來增強網絡性能和用戶體驗的效果的問題。

技術特征：

1.一種ai模型參數的交互方法，其特征在于，應用于wifi發(fā)送端，其中，所述wifi發(fā)送端包括wifi發(fā)送端的自編碼器，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，在通過所述wifi發(fā)送端的自編碼器向wifi接收端發(fā)送帶有特殊序列的數據幀之后，還包括：

3.根據權利要求2所述的方法，其特征在于，還包括：

4.根據權利要求3所述的方法，其特征在于，還包括：

5.根據權利要求1所述的方法，其特征在于，所述帶有特殊序列的數據幀中攜帶反饋的信道狀態(tài)信息csi內容。

6.一種ai模型參數的交互方法，其特征在于，應用于wifi接收端，其中，所述wifi接收端包括wifi接收端的自編碼器和分類器，所述方法包括：

7.根據權利要求6所述的方法，其特征在于，在通過所述wifi接收端的自編碼器對所述數據幀進行譯碼之后，還包括：

8.根據權利要求7所述的方法，其特征在于，所述通過所述分類器根據所述特殊序列對所述觸發(fā)幀進行識別，包括：

9.一種ai模型參數的交互裝置，其特征在于，應用于wifi發(fā)送端，所述wifi發(fā)送端包括wifi發(fā)送端的自編碼器，所述裝置包括：

10.一種ai模型參數的交互裝置，其特征在于，應用于wifi接收端，所述wifi接收端包括wifi接收端的自解碼器和分類器，所述裝置包括：

11.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質中存儲有計算機程序，其中，所述計算機程序被處理器執(zhí)行時實現(xiàn)所述權利要求1至5任一項中所述的方法的步驟，或者實現(xiàn)權利要求6至8任一項中所述的方法的步驟。

12.一種電子裝置，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)所述權利要求1至5任一項中所述的方法的步驟，或者實現(xiàn)權利要求6至8任一項中所述的方法的步驟。

技術總結
本發(fā)明實施例提供了一種AI模型參數的交互方法和裝置，該方法應用于WIFI發(fā)送端，該方法包括：在WIFI發(fā)送端的自編碼器被置入AI模型參數后，通過WIFI發(fā)送端的自編碼器向WIFI接收端發(fā)送帶有特殊序列的數據幀，以使WIFI接收端根據所述特殊序列對所述數據幀進行識別，并在識別成功的情況下，通過WIFI接收端的自編碼器對數據幀進行譯碼。自編碼器提高了傳統(tǒng)WIFI發(fā)射機、傳統(tǒng)WIFI接收機系統(tǒng)的編碼效率和譯碼準確度，從而增強了WIFI網絡性能和用戶體驗，解決了相關技術未有將AI/ML用于WLAN具體實現(xiàn)方式，無法達到通過AI/ML來增強網絡性能和用戶體驗的效果的問題。

技術研發(fā)人員：黃啟圣,王羿,張耀東,王子晟
受保護的技術使用者：中興通訊股份有限公司
技術研發(fā)日：
技術公布日：2025/1/2