在电信网络中的和与电信网络相关的改进的制作方法

1.本发明涉及电信网络中的某些功能的配置和操作的改进。它尤其涉及虚拟化网络功能的放置和配置以及无线接入网ran中功能之间的功能划分。


背景技术：

2.为了满足自从部署4g通信系统以来对日益增加的无线数据业务的需求，已努力开发改进的5g或准5g(pre
‑
5g)通信系统。因此，5g或准5g通信系统也称为“超4g网络”或“后lte系统”。5g通信系统被认为在更高的频率(mmwave)频带(例如60ghz频带)中实施以实现更高的数据速率。为了减少无线电波的传播损耗并增加传输距离，在5g通信系统中讨论了波束成形、大规模多输入多输出(mimo)、全维mimo(fd
‑
mimo)、阵列天线、模拟波束成形、大规模天线技术。此外、在5g通信系统中、基于高级小小区、云无线接入网(ran)、超密集网络、设备到设备(d2d)通信、无线回程、移动网络、协作通信、协调多点(comp)、接收端干扰消除等的改进开发正在进行中。在5g系统中、已经开发了作为高级编码调制(acm)的混合fsk和qam调制(fqam)以及滑动窗口叠加编码(swsc)、以及作为高级接入技术的滤波器组多载波(fbmc)、非正交多址(noma)和稀疏代码多址(scma)。
3.作为以人为中心的其中人们可以生成和消费信息的连接网络的互联网现在正在演进为物联网(iot)，在iot中，在无需人工干预的情况下，分布式实体(诸如物件)交换和处理信息。已经出现了作为iot技术和大数据处理技术通过与云服务器的连接进行组合的万物互联(ioe)。iot的实施需要诸如“传感技术”、“有线/无线通信和网络基础设施”、“服务接口技术”和“安全技术”的技术要素，传感器网络、机器对机器(m2m)通信、机器类型通信(mtc)等最近也被研究。这样的iot环境可以提供智能互联网技术服务，该服务通过收集和分析在连接物件之间生成的数据而为人类生活创造新的价值。通过现有信息技术(it)与各种工业应用之间的融合和组合，iot可以应用于各种领域，包括智能家居、智能建筑、智能城市、智能汽车或互联汽车、智能电网、医疗保健、智能家电和高级医疗服务。
4.与此一致，已经进行了各种尝试来将5g通信系统应用于iot网络。例如，诸如传感器网络、机器类型通信(mtc)和机器对机器(m2m)通信的技术可以通过波束成形、mimo和阵列天线来实施。作为上述大数据处理技术的云无线接入网(ran)的应用也可被视为5g技术与iot技术之间进行融合的示例。
5.垂直市场和产业正在解决第五代5g网络中的各种各样的异构服务、用例和应用。当前，通常理解是，为了网络能够满足这些需求，需要基于网络切片的灵活、适应性强且可编程的体系结构。此外，经由软件和通信网络的基于云的服务的实施的进展已成为现实，其中网络功能(nf)正在从在专用硬件平台上运行的程序转换为在计算和通信资源的共享池上运行的程序。
6.为了实现下一代移动网络(即5g)所设想的关键性能指标(key performance indicator，kpi)，最相关的标准化实体已经定义了架构的基本结构和构件。通过平衡(leverage)软件定义联网(software defined networking，sdn)、网络功能虚拟化(nfv)和
模块化的新颖概念，由相关组织(诸如第三代合作伙伴计划(3gpp)或欧洲电信标准协会(etsi))提出的新架构将为以后的商业生态系统所针对的服务多样性提供固有支持。
7.随着由诸如软件定义的联网(sdn)和网络功能虚拟化(nfv)的技术所实现的网络可编程性的提高，nf可以在基于云的环境中移动。另一方面，不同网络切片将在网络中引入的负载波动将影响这些nf在基于云的环境中如何定位。为了有效地处理这种场景下不断变化的负载(这继而转化为变化的资源消耗)，引入了资源弹性的概念。通信系统的资源弹性被定义为以自动方式自如地适应负载变化的能力，使得可用资源在每个时间点都尽可能紧密有效地与需求匹配。因此，当可用资源量发生变化时，弹性与系统响应密切相关。
8.通常，针对nf的弹性的概念并不直接适用于传统的物理nf(pnf)，传统的物理nf是指提供明确定义的nf的为特定目的设立的硬件盒。尤其对于分布式nf的情况而言，功能由物理单元提供，这是彻底的联合硬件/软件设计的结果。因此，传统上设计这些时对可用的执行资源没有任何重要限制，因为在给定例如所允许的用户设备的最大数量的一些限制的情况下，预期它们总是可以通过设计获得。
9.另外，在具有虚拟化nf的网络中，不再可能进行联合的硬件/软件设计：vnf是在具有标准接口的异构云平台上的虚拟容器上运行的软件项目。因此，在这种新的但已经被广泛采用的场景中，期望所有所需的资源通过设计始终可用不是合理的提议。此外，当前的vnf，尤其是ran中的vnf，已经在以下的假设下被设计：所需的计算资源始终可用，并且可能不针对缺少计算资源而准备它们。确实，当发生这种资源中断时(例如，缺乏cpu可用性)，当前的虚拟化ran实施(例如开放式空中接口(oai))只会丢弃正在被处理的帧，结果，它们的性能将严重降低。


技术实现要素：

10.技术问题
11.因此，需要根据负载对执行vnf所需的计算资源来执行自如的缩放是虚拟化网络中的挑战。通过基于可用资源引入对计算弹性进行缩放和协调的能力及其复杂度，该计算弹性在vnf级别上发挥作用：在资源中断的情况下，vnf可操作用于调整其操作以减少其计算资源的消耗，同时将对网络性能的影响最小化。
12.技术方案
13.本发明实施例旨在解决现有技术中的问题和不足，无论是否在此明确指出。
14.根据本发明，提供了如所附权利要求中提出的装置和方法。根据从属权利要求以及随后描述，本发明的其它特征将是清楚的。
15.根据本发明第一方面，提供一种在电信网络中配置基站gnb的方法，基站包括中央单元cu和分布式单元du，其中cu被布置为执行虚拟化网络功能vnf，其中，cu包括可操作用于从计算度量学习以及用于调整各种vnf的配置的人工智能ai引擎，以及其中f1接口用于在cu和du之间交换计算度量。
16.优选地，调整各种vnf的配置的步骤包括以下中的一项或多项：
17.i)垂直缩放分配给vnf的处理器cpu的能力或存储器的量；
18.ii)确定由于单个服务器中资源的物理限制而需要水平扩展vnf；和
19.iii)确定最优迁移时间点以及目标服务器。
20.优选地，在各个vnf与ai引擎之间的通信直接进行或者经由f1接口进行。
21.优选地，最优计算资源分配的确定基于计算度量的历史观察。
22.优选地，在cu中容纳(host)的vnf与在du中容纳的vnf之间的功能划分点由ai引擎确定。
23.优选地，改变功能划分点包括将一个或多个vnf从cu移动到du，或与之相反。
24.根据本发明第二方面，提供了一种基站，其包括通过f1接口连接的cu和du，其中cu被布置为执行虚拟化网络功能vnf，并且cu包括可操作用于从计算度量学习以及调整各种vnf的配置的人工智能ai引擎，其中f1接口用于在cu和du之间交换计算度量。
25.优选地，基站被布置为执行根据第一方面的方法。
26.此外，根据本发明的方法包括使用f1接口从中央单元cu和分布式单元du收集数据；基于所收集的数据确定是否调整针对cu或du的重配置；在确定针对cu的重配置的情况下，调整针对cu的至少一个虚拟化网络功能vnf的重配置，以及在确定针对du的重配置的情况下，调整针对du的至少一个vnf的重配置，其中，基站包括中央单元cu和分布式单元du，其中cu被布置为执行虚拟化网络功能vnf，其中cu包括可操作用于从计算度量学习以及用于调整各种vnf的配置的人工智能ai引擎，以及其中f1接口用于在cu和du之间交换计算度量。
27.此外，根据本发明的基站包括：中央单元cu，其包括可操作用于从计算度量学习以及调整各种vnf的配置的人工智能ai引擎；分布式单元du，其使用f1接口与cu连接，其中，cu被配置为执行虚拟化网络功能vnf，以及其中，f1接口用于在cu和du之间交换计算度量，其中cu可操作用于从计算度量学习以及用于调整各种vnf的配置的人工智能ai引擎，以及其中f1接口用于在cu和du之间交换计算度量。
28.有益技术效果
29.根据本发明，ng
‑
ran功能的性能可以在软件化(或基于软件的)网络和具有cu
‑
du功能划分的gnb的新5g架构的框架下得到优化。
附图说明
30.图1a示出了根据本公开实施例的下一代移动通信系统的结构。
31.图1b示出了根据现有技术的包括详细的gnb图解的5g ran架构的表示；
32.图2a和2b示出了表示cu和du之间的不同功能划分的本发明的两个实施例；和
33.图3示出了描绘根据本发明的实施例的方法的流程图。
34.图4是根据本公开一实施例的gnb
‑
du的框图。
35.图5是根据本公开一实施例的gnb
‑
cu的框图。
具体实施方式
36.提供以下参考附图的描述以帮助全面理解由权利要求及其等同物所限定的本公开的各种实施例。它包括各种具体细节以帮助理解，但是这些具体细节仅被认为是示例性的。因此，本领域普通技术人员将认识到，在不脱离本公开的范围和主旨的情况下，可以对本文所描述的各种实施例进行各种改变和修改。另外，为了清楚和简洁，可以省略对公知功能和结构的描述。
37.在以下的描述和权利要求中使用的术语和词语不限于书面含义，而是仅由发明人
使用以使得能够对本公开进行清楚和一致的理解。因此，对本领域技术人员而言显然的是，提供本公开各种实施例的以下描述仅是出于说明的目的，而不是为了限制由所附的权利要求及其等同物所限定的本公开的目的。
38.应当理解，单数形式的“一”、“一个”和“该”包括复数指代，除非上下文另外明确指出。因此，例如，对“部件表面”的引用包括对一个或多个这样的表面的引用。
39.在描述本公开的各种实施例时，将省略与本公开所属领域中公知的并且与本公开不直接相关的技术内容有关的描述。对不必要描述的这种省略旨在防止使本公开的主要构思变得模糊，并且更清楚地传递主要构思。
40.出于相同原因，在附图中，一些元素可以被放大、省略或概略性地示出。此外，每个元素的大小并不完全反映其实际大小。在附图中，相同或对应的元素具有相同的参考标号。
41.根据本公开一方面，提供一种通过终端将sp srs指示为参考信号的方法。该方法包括：从基站接收对于探测参考信号(srs)配置的信息；从基站接收用于激活半持久(sp)srs的媒体访问控制(mac)控制元素(ce)；基于对于srs配置的信息和用于激活sp srs的mac ce，在第一小区上向基站发送srs，其中，用于激活sp srs的mac ce包括用于指示是否存在与空间关系相关联的参考信号的带宽部分(bwp)信息和服务小区信息的指示符。
42.通过参考以下结合附图描述的实施例，本公开的优点和特征以及实现它们的方式将变得清楚。然而，本公开不限于以下阐述的实施例，而是可以以各种不同的形式来实施。提供以下实施例只是为了完全公开本公开并将本公开的范围告知本领域技术人员，并且本公开仅由所附权利要求的范围来限定。在整个说明书中，相同或相似的附图标记表示相同或相似的元素。
43.这里，将理解的是，流程图图示的每个框、以及流程图图示中的框的组合可以通过计算机程序指令来实施。可以将这些计算机程序指令提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实施一个或多个流程图的框中指定的功能的装置。这些计算机程序指令也可以存储在计算机可用或计算机可读的存储器中，其可以引导计算机或其他可编程数据处理装置以特定方式起作用，使得存储在计算机可用或计算机可读的存储器中的指令产生包括实施一个或多个流程图的框中指定的功能的指令装置的制品。计算机程序指令还可以被加载到计算机或其它可编程数据处理装置上以使得在计算机或其他可编程装置上执行一系列操作以产生计算机实施的过程，使得在计算机或其它可编程装置上执行的指令提供用于实施在一个或多个流程图的框中指定的功能的操作。
44.并且，流程图图示的每个方框可以代表模块、代码段或代码部分，其包括用于实施(一个或多个)所指定的逻辑功能的一个或多个可执行指令。还应当注意，在一些替代的实施方式中，方框中提及的功能可以不按顺序发生。例如，取决于所涉及的功能，连续示出的两个框事实上可以大体同时执行，或者这些框有时可以以相反的顺序执行。
45.如本文所使用的，“单元”是指执行预定功能的软件元件或硬件元件，诸如现场可编程门阵列(fpga)或专用集成电路(asic)。然而，“单元”并不总是具有限于软件或硬件的含义。“单元”可以被构造为存储在可寻址存储介质中或执行一个或多个处理器。因此，“单元”包括：例如，软件元件、面向对象的软件元件、类元件或任务元件、进程、函数、属性、过程、子例程、程序代码段、驱动程序、固件、微代码、电路、数据、数据库、数据结构、表、数组和
参数。通过“单元”提供的元件和功能可以组合成较少数量的元件“单元”，也可以划分为更多数量的元件“单元”。此外，这些元件和“单元”可以被实施以在设备或安全多媒体卡内再现一个或多个中央处理单元(cpu)。
46.通过人工智能(ai)和机器学习(ml)技术来管理和协调网络及对应的vnf是处理由5g网络引入的额外复杂性的有前景的方式。特别地，本发明的实施例利用在下一代ran(ng
‑
ran)架构上执行的ran功能的ai/分析辅助的弹性管理和协调，即，假设在gnb中存在功能划分，其中中央单元(cu)和分布式单元(du)部署在不同位置。
47.在软件化(或基于软件的)网络和具有cu
‑
du功能划分的gnb的新5g架构的框架中，本发明的实施例通过以下方式来优化ng
‑
ran功能的性能：
48.i)从gnb
‑
cu收集与vnf的性能相关的计算相关数据；
49.ii)平衡f1接口从gnb
‑
du获取数据；和
50.iii)引入ai/数据分析的引擎，该引擎优化了计算和通信资源的弹性利用。
51.本发明的实施例提供了与现有技术相比的各种优点。这些优点包括：
52.通过利用f1接口在gnb
‑
cu和gnb
‑
du之间交换计算度量的方式，采用ng
‑
ran功能中的计算弹性特征，即，在其执行中考虑计算方面和度量；
53.在gnb
‑
cu处由分布式ai/分析引擎辅助的ran功能部署方法：
54.基于对计算度量(例如，cpu利用率、存储器使用、处理时间等)的历史观察，确定最优计算资源分配。适用于同时在gnb
‑
cu(即启用了云)上以及在du(通过使用f1的报告能力)中运行的nf；
55.基于对在gnb
‑
cu和gnb
‑
du处的nf性能的历史观察，确定最优通信相关的nf参数(例如，频谱、调制和编码参数、分段等)；和
56.在cu
‑
du接口上的最优功能划分点的ai辅助确定基于计算度量，因此触发ran nf的重新协调，这可能涉及将nf从gnb
‑
du移至gnb
‑
cu，或与之相反。尽管当前3gpp标准化当前假定固定的划分点，但是通过允许多个划分点，可以实现更大的灵活性。
57.尽管已经示出和描述了本发明的一些优选实施例，但是本领域技术人员将理解，如所附权利要求定义的，在不脱离本发明的范围的情况下可以进行各种改变和修改。
58.为了更好地理解本发明，并示出如何实施本发明的实施例，现在仅通过示例方式对附加的图解性附图进行参考，在附图中:
59.图1a示出了根据本公开实施例的下一代移动通信系统的结构。
60.图1b示出了根据现有技术的包括详细的gnb概略图的5g ran架构的表述；
61.图2a和2b示出了本发明的代表cu和du之间的不同功能性划分的两个实施例；和
62.图3示出了根据本发明的实施例的描述方法的流程图。
63.本发明的实施例涉及在虚拟化的5g网络中5g ran(也称为ng
‑
ran)功能的性能优化的新设计和部署范例。传统的ran功能(例如，小区间/小区内无线资源管理(rrm)、调度、调制和编码选择(mcs)、编码和解码、加密和解密等)在其设计中没有考虑在其执行中涉及的计算工作。此外，他们没有考虑在gnb
‑
cu和gnb
‑
du之间底层的基于云的ran(c
‑
ran)功能性划分，这可能意味着这些功能的执行可以在两个单元中的任何一个中执行。
64.本发明实施例提供了一种5g ran的设计，其中在利用增强的f1接口的gnb cu
‑
du划分部署上监视计算度量并将其反馈给人工智能(ai)实体。
65.由本发明实施例解决的一个问题是ran功能合并数据分析和ai辅助算法的能力，该ai辅助算法在其设计中考虑了诸如cpu、存储器或存储消耗之类的功能的计算方面，使得它们的输出可以针对网络性能进行优化。
66.此外，由3gpp定义的现有技术的5g ran体系结构在gnb
‑
cu和gnb
‑
du之间合并了f1接口以支持功能划分。根据本发明实施例，利用计算度量对该接口进行增强，使得能够做出关于对合格ran功能进行布置的最优决策，并且因此能够对功能划分点本身做出最优决策。图1a和图1b示出了5g ran架构，下面对其进行更详细的描述。
67.参照图1a，下一代移动通信系统的无线接入网络(ran)可包括下一代演进节点b(enb)(nr gnb)或新无线节点b(nr nb)1a
‑
10和nr核心网(nr cn)节点1a
‑
05。终端或新无线用户设备(以下称为nr ue，ue或终端)1a
‑
15可经由nr nb 1a
‑
10和nr cn节点1a
‑
05接入外部网络1a
‑
35。
68.在图1a中，nr gnb 1a
‑
10与常规lte系统的演进节点b(enb)对应。nr gnb 1a
‑
10可通过无线信道连接到nr ue 1a
‑
15，并且可提供比常规节点b好的服务。由于在下一代移动通信系统中，所有用户业务通过共享信道来提供，因此需要用于收集和调度缓冲区状态、可用传输功率状态、ue的信道状态的状态信息的设备，并且该设备对应于nr gnb 1a
‑
10。一个nr gnb 1a
‑
10通常控制多个小区。与常规lte相比，nr nb可具有比常规最大带宽宽的带宽以便实现超高速数据传输，并且可以通过无线接入技术来应用正交频分复用(ofdm)，并且可进一步应用波束成形技术。此外，取决于ue的信道状态，应用确定调制方案和信道编码率的amc(自适应调制和编码)方案。nr cn1a
‑
05执行支持移动性，建立承载以及配置qos的功能。nr cn 1a
‑
05用于执行管理ue的移动性的功能并执行各种控制功能，并且连接到多个enb。此外，下一代移动通信系统可链接到传统lte系统，并且nr cn 1a
‑
05通过网络接口连接到mme 1a
‑
25。mme 1a
‑
25连接到作为常规enb的enb 1a
‑
30。
69.图1b示出了由3gpp定义的标准化ng
‑
ran体系结构的另一方面，其包括连接到ng
‑
ran 20的核心网络5gc 10。ng
‑
ran包括多个gnb 30(尽管为简便起见，仅示出2个)。每个gnb包括cu 32，在这种情况下包括多个du 34、36。cu 32和du 34、36的每一个通过f1接口连接。
70.如图1b中所示，假设在gnb
‑
cu 32和gnb
‑
du 34、36之间存在功能划分点。多个gnb 30可以通过xn接口互连，如图所示，一个gnb可以由一个gnb
‑
cu和一个或多个gnb
‑
du(注意，图1b中示出了2个du)组成。
71.此外，利用3gpp中当前协商的功能划分，gnb
‑
cu用户平面(up)容纳服务数据适配协议(sdap)和分组数据会聚协议(pdcp)，控制平面(cp)容纳无线资源控制(rrc)和pdcp，并且较低层的无线电协议被容纳在du中。gnb
‑
cu和gnb
‑
du经由f1接口连接。一个gnb
‑
du原则上仅连接到一个gnb
‑
cu(尽管出于弹性目的，可通过适当的实施连接到多个gnb
‑
cu)。gnb
‑
cu 32和连接的gnb
‑
du 34、36仅作为单个gnb对其它gnb和5gc 10可见。
72.图2a和2b示出了两种不同的功能划分的形式的根据本发明实施例提出的ng
‑
ran架构：图2a处于pdcp层，而图2b处于mac层。启用云的gnb
‑
cu被描述为运行属于虚拟机(vm)或容器中的每个协议层的nf。每层可具有若干在不同的vm/容器上运行的nf，但是为简单起见，这里每层仅示出一个nf。每个nf(以及容纳它的对应虚拟实例)与ai/分析引擎46通信，该ai/分析引擎46收集在ran处使能计算弹性所需的所有相关数据。
73.此外，f1接口还向ai/分析引擎46馈送相关的度量，特别是，如在一个实施例中，在
f1接口可以利用帮助在gnb
‑
cu 42、52处决定最优计算资源分配的与计算相关的度量来扩展。ai/分析引擎的接口都示出为具有双箭头的双向接口。因为不仅收集了数据，而且智能实体46做出的决策被传播到系统中。如在本发明的实施例中，如果该接口被增强以支持这样的功能，则基于ai引擎输出的gnb
‑
du 44、54处的重配置决策也可以经由f1接口实施。
74.在gnb
‑
cu 42、52处引入ai引擎46使得边缘云的计算资源更加智能地协调。由于边缘云处的资源稀缺，这一点尤其重要，与中心云不同的是，不能假定它总是可用的。特别地，对容纳相关的虚拟化ran网络功能的vm/容器进行缩放和协调这一重要任务的性能可得到提高。该特定任务对于ran功能的有效操作非常重要，因为ran功能中涉及的时间尺度通常非常紧凑，并且边缘计算资源通常有限(与中央云相对)，因此需要对资源的优化利用。
75.以下是平衡ai的与vnf协调相关的决策的示例：
76.i)分配给vm/容器的cpu或存储器的垂直缩放；
77.ii)确定由于单个服务器中资源的物理限制而需要水平缩放vm/容器；和
78.iii)确定最优迁移时刻以及目的地服务器。
79.由于可以将每个服务作为独立实体来管理，因此这使得机器学习(ml)模型可以正确地用于自动缩放建议。强化学习解决方案特别适合于这些任务，因为它们具有学习和持续更新基于在线决策的优化协调策略的能力，该在线决策可以使用策略的回报进行评估。然而，策略更新的频率可以根据需要进行调整(例如，按周、按天、按小时、持续调整等)，但系统的学习不需要中断。
80.此外，可以以另外两种方式来进一步利用系统的智能：
81.1)由于边缘节点过载或由于用户的移动性而在gnb
‑
cu之间迁移vnf(因此要求提供所服务的负载驻留的地理区域被附接到所涉及的gnb
‑
cu的重叠的gnb
‑
du覆盖，或者将相关的gnb
‑
du同时连接到两个gnb
‑
cu)，这可以使用ai算法的预测能力来预期。
82.2)为了引入关于功能划分点的设置的灵活性，其中提供关于不同nf性能的信息的数据分析将作为输入提供给ai引擎，以用于对划分选项进行决策。在3gpp中倾向于开放所有已识别的划分选项，甚至进一步开放其变体。
83.如上所述，gnb
‑
cu 42、52处的分布式ai/分析引擎46从本地运行的vnf收集数据(包括计算相关度量，诸如cpu或存储消耗)s10以及从配备f1接口以进行携载的gnb
‑
du 44、54收集数据。这是持续的过程，其持续直到分析算法产生提高性能的新的决策。取决于架构限制(即数据收集功能，哪些类型的决策可在边缘节点云内部执行，以及哪些决策可经由f1接口传播到(一个或多个)gnb
‑
du 44、54)，这样的决策可重新协调gnb
‑
cu 42、52处的vnf和资源、和/或对(一个或多个)gnb
‑
du 44、54进行重配置。重新协调的决策可以暗示gnb
‑
cu上的vnf/资源的缩放或迁移到另一边缘节点。
84.图3示出了表示本发明的实施例的基本操作的流程图，具体如下。ai/分析引擎经由f1接口从gnb
‑
cu和gnb
‑
du收集数据(s10)。这样的数据被存储(s20)并在需要时进行处理，使得gnb操作的数据历史变得随时可用。重复数据收集(s10)和存储/处理操作(s20)，直到ai引擎检测到执行重配置决策的需求(s30)，决策应当考虑架构约束来做出(s40)。这样的约束可以包括可用于协调的vnf、存在或缺少修改划分点的可能性，所允许的划分点，等等。
85.当做出重新协调的决策时，如果它影响gnb
‑
cu vnf(s50)，则系统检查该决策是否
仅涉及与gnb
‑
cu vnf相关联的资源的本地缩放(s80)。如果是这种情况，则执行这样的vnf缩放(s90)。如果否，则触发(一个或多个)相关的vnf的迁移(s100)到相同的边缘云数据中心的另一服务器或另一边缘云节点。在此阶段，系统检查是否应当停止数据分析收集过程(s110)。如果不是这种情况，则流程返回到s10，否则流程结束。
86.如果决策s30涉及(一个或多个)gnb
‑
du的重配置(s60)，则增强的f1接口用于携载在gnb
‑
du(s70)处执行该决策的命令。再次，在此阶段，系统检查数据分析收集过程是否应当停止(s110)。如果不是这种情况，则流程返回到s10，否则流程结束。
87.这可以通过控制环和全局协调能力(诸如协调自适应管理器(oam))以及gnb
‑
du处的附加管理系统(诸如接触点自适应管理器(tam))来实施，二者都是面向服务的基础设施的一部分。如所提及的，这也将要求利用监视和管理服务、以及由oam和tam使用的控制环管理服务来扩展f1接口。
88.图4是根据本公开一实施例的gnb
‑
du的框图。
89.参考图4，实施例的gnb
‑
du 400包括收发器402、存储单元404和处理器406。
90.收发器402能够向ue和/或cu发送信号或从ue和/或cu接收信号。
91.存储单元404能够存储以下中的至少之一：与gnb
‑
du 400相关的信息和经由收发器402发送/接收的信息。在一实施例中，存储单元404能够存储关于ue的上下文信息并缓冲传输数据。
92.处理器406能够控制gnb
‑
du 400的操作。处理器406能够控制gnb
‑
du以执行如实施例中所述的与gnb
‑
du相关的操作。
93.图5是根据本公开一实施例的gnb
‑
cu的框图。
94.参考图5，实施例的gnb
‑
cu 500包括收发器502、存储单元504和处理器506。
95.收发器502能够向ue和/或du发送信号或从ue和/或du接收信号。
96.存储单元504能够存储以下中的至少之一：与gnb
‑
cu 500相关的信息和经由收发器502发送/接收的信息。
97.处理器506能够控制gnb
‑
cu 500的操作。处理器506能够控制gnb
‑
cu以执行如实施例中所述的与gnb
‑
cu相关的操作。具体地，处理器506被配置为执行以上实施例所述的ai/分析引擎的至少一项功能。ai/分析引擎被配置为使用f1接口从cu和du收集数据。此外，ai/分析引擎被配置为基于所收集的数据来确定是否调整针对cu或du的重配置。此外，ai/分析引擎被配置为在确定针对cu的重配置的情况下，调整针对cu的至少一个虚拟化网络功能vnf的重配置。此外，在确定了针对du的重配置的情况下，ai/分析引擎被配置为调整针对du的至少一个vnf的重配置。
98.可以使用指定的专用硬件来部分或全部地构造本文描述的示例实施例中的至少一些。本文使用的诸如“组件”，“模块”或“单元”的术语可以包括但不限于硬件设备，诸如以离散或集成组件形式的电路、现场可编程门阵列(fpga)或专用集成电路(asic)，其执行某些任务或提供相关功能。在一些实施例中，所描述的元素可以被配置为驻留在有形的、持久的、可寻址的存储介质上，并且可以被配置为在一个或多个处理器上执行。在一些实施例中，这些功能元素可以包括例如组件，诸如软件组件、面向对象的软件组件、类组件和任务组件、进程、函数、属性、过程、子例程、程序代码段、驱动程序、固件、微代码、电路、数据、数据库、数据结构、表、阵列和变量。尽管示例实施例已参照本文讨论的组件、模块和单元来进
行描述，但这些功能元素可以组合成更少的元素或分离成另外的元素。本文已经描述了可选特征的各种组合，并且将理解的是，所描述的特征可以以任何合适的组合来组合。特别地，任何一个示例实施例的特征可以与任何其它实施例的特征进行适当地组合，除非这样的组合是互斥的。在整个说明书中，术语“包括”或“包含”意思是包括所指定的(一个或多个)组件，但不排除其它组件的存在。
99.注意与本申请有关的本说明书同时提交或在本说明书之前提交的、与本说明书同时公开供公众查阅的所有论文和文件，所有这些论文和文件的内容均提供参考的方式合并于此。
100.本说明书(包括任何所附的权利要求、摘要和附图)中公开的每个特征和/或所公开的任何方法或过程的所有步骤，可以以任何组合进行组合，除非组合中至少有一些这样的特征和/或步骤互斥。
101.除非另有明确说明，否则本说明书(包括任何所附权利要求，摘要和附图)中公开的每个特征可以由用作相同、等同或相似目的的替代特征来替换。因此，除非另有明确说明，否则所公开的每个特征仅是一通用系列等同或相似特征的示例。
102.本发明不限于前述的(一个或多个)实施例的细节。本发明扩展到本说明书中(包括任何所附的权利要求、摘要和附图)公开的特征的任何新颖的一个或任何新颖的组合，或扩展到所公开的任何方法或过程的步骤的任何新颖的一个或任何新颖的组合。