本说明书涉及通信。
背景技术：
1、通信系统可以是实现两个或更多个节点或设备(诸如固定或移动通信设备)之间的通信的设施。信号可以通过有线或无线载体运载。
2、蜂窝通信系统的一个示例是由第三代合作伙伴计划(3gpp)标准化的架构。本领域的最新发展通常被称为通用移动电信系统(umts)无线电接入技术的长期演进(lte)。e-utra(演进型umts地面无线电接入)是用于移动网络的3gpp的lte升级路径的空中接口。在lte中，被称为增强型节点ap(enb)的基站或接入点(ap)在覆盖区域或小区内提供无线接入。在lte中，移动设备或移动站被称为用户设备(ue)。lte已经包括了多个改进或发展。
3、例如，面对无线载波的全球带宽短缺已经激发了对未来宽带蜂窝通信网络的未充分利用的毫米波(mmwave)频谱的考虑。例如，mmwave(或极高频率)可以，包括30与300千兆赫兹(ghz)之间的频率范围。例如，该波段中的无线电波可以具有从10到1毫米的波长，因此其被称为毫米频带或毫米波。未来几年，无线数据的数量可能将显著增加。已经使用各种技术来尝试解决这一挑战，包括获得更多的频谱、具有更小的小区尺寸，以及使用能够实现更高比特/秒/赫兹的改进技术。可以用于获得更多频谱的一个要素是移动到更高的频率，例如6ghz以上。对于第五代无线系统(5g)，已经提出了用于部署采用mmwave无线电频谱的蜂窝无线电设备的接入架构。也可以使用其它示例频谱，诸如cmwave无线电频谱(例如，3-30ghz)。
技术实现思路
1、根据示例实现，一种方法包括：从网络或直接测量接收第一推断输入数据，该第一推断输入数据代表对网络内的指定无线电测量的推断操作的推断输入，该推断操作包括机器学习模型，该机器学习模型被配置为基于指定无线电测量来预测设备参数的第一值。该方法还包括：向连接到网络的服务器发送指示数据，该指示数据代表在确定设备参数的值时基于机器学习模型的推断输出的准确性的指示。该方法还包括：从服务器接收或不接收基于指示数据对机器学习模型的更新，该更新使得机器学习模型能够基于指定无线电测量来预测设备参数的第二值，第二值比第一值更准确。
2、根据示例实现，一种装置包括：至少一个处理器和包括计算机程序代码的至少一个存储器，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得该装置至少：从网络或直接测量接收第一推断输入数据，该第一推断输入数据代表对网络内的指定无线电测量的推断操作的推断输入，该推断操作包括机器学习模型，该机器学习模型被配置为基于指定无线电测量来预测设备参数的第一值。至少一个存储器和计算机程序代码还被配置为至少一个处理器一起，使得该装置至少：向连接到网络的服务器发送指示数据，该指示数据代表在确定设备参数的第一值时基于机器学习模型的推断输出的准确性的指示。至少一个存储器和计算机程序代码还被配置为至少一个处理器一起，使得该装置至少：从服务器接收或不接收基于指示数据对机器学习模型的更新，该更新使得机器学习模型能够基于指定无线电测量来预测设备参数的第二值，第二值比第一值更准确。
3、根据示例实现，一种装置包括：用于从网络或直接测量接收第一推断输入数据的部件，该第一推断输入数据代表对网络内的指定无线电测量的推断操作的推断输入，该推断操作包括机器学习模型，该机器学习模型被配置为基于指定无线电测量来预测设备参数的第一值。该装置还包括：用于向连接到网络的服务器发送指示数据的部件，该指示数据代表在确定设备参数的值时基于机器学习模型的推断输出的准确性的指示。该装置还包括：用于从服务器接收或不接收基于指示数据对机器学习模型的更新的部件，该更新使得机器学习模型能够基于指定无线电测量来预测设备参数的第二值，第二值比第一值更准确。
4、根据示例实现，一种计算机程序产品包括计算机可读存储介质并且存储可执行代码，该可执行代码在由至少一个数据处理装置执行时被配置为使得至少一个数据处理装置：从网络或直接测量接收第一推断输入数据，该第一推断输入数据代表对网络内的指定无线电测量的推断操作的推断输入，该推断操作包括机器学习模型，该机器学习模型被配置为基于指定无线电测量来预测设备参数的第一值。该可执行代码在由至少一个数据处理装置执行时还被配置为使得至少一个数据处理装置：向连接到网络的服务器发送指示数据，该指示数据代表在确定设备参数的第一值时基于机器学习模型的推断输出的准确性的指示。该可执行代码在由至少一个数据处理装置执行时还被配置为使得至少一个数据处理装置：从服务器接收或不接收基于指示数据对机器学习模型的更新，该更新使得机器学习模型能够基于指定无线电测量来预测设备参数的第二值，第二值比第一值更准确。
5、根据示例实现，一种方法包括：从网络中的用户设备接收指示数据，该指示数据代表在确定设备参数的值时基于机器学习模型的推断输出的准确性的指示。该方法还包括：基于指示数据，确定是否向用户设备发送对机器学习模型的更新。
6、根据示例实现，一种装置包括：至少一个处理器和包括计算机程序代码的至少一个存储器，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得该装置至少：从网络中的用户设备接收指示数据，该指示数据代表在确定设备参数的值时基于机器学习模型的推断输出的准确性的指示。至少一个存储器和计算机程序代码还被配置为：基于指示数据，确定是否向用户设备发送对机器学习模型的更新。
7、根据示例实现，一种装置包括：用于从网络中的用户设备接收指示数据的部件，该指示数据代表在确定设备参数的值时基于机器学习模型的推断输出的准确性的指示。该装置还包括：用于基于指示数据确定是否向用户设备发送对机器学习模型的更新的部件。
8、根据示例实现，一种计算机程序产品包括计算机可读存储介质并且存储可执行代码，该可执行代码在由至少一个数据处理装置执行时被配置为使得至少一个数据处理装置：从网络中的用户设备接收指示数据，该指示数据代表在确定设备参数的值时基于机器学习模型的推断输出的准确性的指示。该可执行代码在由至少一个数据处理装置执行时还被配置为使得至少一个数据处理装置：基于指示数据，确定是否向用户设备发送对机器学习模型的更新。
9、实现的一个或多个示例的细节在附图和下文的描述中阐述。从说明书和附图以及权利要求书中其他特征将是明显的。
1.一种装置，包括：
2.根据权利要求1所述的装置，其中所述设备参数是所述网络内的用户设备位置，并且所述服务器是位置服务器。
3.根据权利要求2所述的装置，其中所述指定无线电测量包括参考信号接收功率。
4.根据权利要求2所述的装置，其中所述指示数据包括所述机器学习模型的版本号。
5.根据权利要求4所述的装置，其中所述指示数据根据指定周期被周期性地发送。
6.根据权利要求5所述的装置，其中所述指定周期由所述网络指定。
7.根据权利要求4所述的装置，其中所述指示数据响应于满足的条件而被发送。
8.根据权利要求7所述的装置，其中满足的所述条件包括：所述装置在指定时间窗口内执行的推断操作的数目大于指定推断阈值。
9.根据权利要求8所述的装置，其中所述至少一个存储器和所述计算机程序代码还被配置为使得所述装置至少：
10.根据权利要求7所述的装置，其中满足的所述条件包括：所述机器学习模型最近更新的时间大于阈值时间。
11.根据权利要求7所述的装置，其中满足的所述条件包括以下中的任一项：推断的频率大于阈值、以及估计位置改变的频率大于阈值。
12.根据权利要求11所述的装置，其中所述至少一个存储器和所述计算机程序代码还被配置为使得所述装置至少：
13.根据权利要求11所述的装置，其中所述指示数据包括：用于所述服务器确定是否向所述装置发送对所述机器学习模型的更新的触发。
14.一种方法，包括：
15.一种装置，包括：
16.根据权利要求15所述的装置，其中所述设备参数是定位于所述网络内的用户设备，并且所述装置包括位置服务器。
17.根据权利要求16所述的装置，其中所述指定无线电测量包括参考信号接收功率。
18.根据权利要求16所述的装置，其中所述指示数据根据周期被周期性地发送。
19.根据权利要求18所述的装置，其中所述至少一个存储器和所述计算机程序代码还被配置为使得所述装置至少：
20.根据权利要求19所述的装置，其中所述指示数据响应于满足的条件而被发送。
21.根据权利要求20所述的装置，其中满足的所述条件包括所述机器学习模型最近更新的时间大于阈值时间。
22.根据权利要求20所述的装置，其中满足的所述条件包括以下中的任一项：推断的频率大于阈值、以及位置改变的频率大于阈值。
23.根据权利要求20所述的装置，其中所述指示数据包括所述机器学习模型的版本号。
24.一种方法，包括：
25.一种计算机程序产品，包括非暂态计算机可读存储介质并且存储可执行代码，在由至少一个数据处理装置执行时，所述可执行代码被配置为使得所述至少一个数据处理装置执行根据权利要求14所述的方法。
26.一种装置，包括用于执行根据权利要求14所述的方法的部件。
