Methods, devices, and computer readable media for adaptive user equipment device activity detection

Abstract

Methods, devices, and computer readable media for user equipment device activity detection. A method performed by a user equipment device in a wireless network may comprise encoding a pilot sequence based on channel state information of an associated uplink channel to a network device in the wireless network, and transmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence, wherein a length of the length-adaptive sequence may be determined according to a number of active user equipment devices out of a set of user equipment devices in the wireless network, and the length-adaptive sequence may comprise activity information of the user equipment device represented in terms of a value in the length-adaptive sequence received through the associated uplink channel.

Description

METHODS, DEVICES, AND COMPUTER READABLE MEDIA FOR ADAPTIVE USER EQUIPMENT DEVICE ACTIVITY DETECTIONTECHNICAL FIELD

[0001] Various embodiments relate to methods, devices, and computer readable media for adaptive user equipment (UE) device activity detection.BACKGROUND

[0002] In a machine-centric communication system which needs to support massive connectivity, a number of machine type UE devices covered by a base station (BS) may be in an order of 104 to 107 per square kilometer, and communication may be critical machine type communication (cMTC) , e.g. critical medical monitoring and factory automation, etc., which may require ultra reliable and low latency communication (URLLC) . An access reservation procedure has deficiencies for such a communication system because e.g. preambles for a physical random access channel (PRACH) are limited and the cost for maintaining connection state is high. A UE device activity detection may be useful for such a communication system, for example, once the BS detects out which UE device is active, e.g. having actual demand of data delivery, the BS may carry out a prompt response and necessary preparation for successful communication. For the UE device activity detection, each UE device may be pre-assigned a unique pilot sequence as an identifier, however, it is hard to assign orthogonal pilot sequences to all the UE devices due to a massive number of potential UE devices but limited size of coherence time-frequency block in a wireless fading channel. Moreover, for such a communication system, besides a low-traffic pattern where the active UE devices are sparse relative to other UE devices, e.g., silent UE devices, there is also possibly a high-traffic pattern where the silent UE devices are sparse relative to the active UE devices.

[0003] SUMMARY

[0004] A brief summary of exemplary embodiments is provided below to provide basic understanding of some aspects of various embodiments. It should be noted that this summary is not intended to identify key features of essential elements or define scopes of the embodiments,  and its sole purpose is to introduce some concepts in a simplified form as a preamble for a more detailed description provided below.

[0005] In a first aspect, disclosed is a method performed by a user equipment device in a wireless network. The method may include encoding a pilot sequence based on channel state information of an associated uplink channel to a network device in the wireless network, and transmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence, wherein a length of the length-adaptive sequence may be determined according to a number of active user equipment devices out of a set of user equipment devices in the wireless network, and the length-adaptive sequence may include activity information of the user equipment device represented in terms of a value in the length-adaptive sequence received through the associated uplink channel.

[0006] In some embodiments, the transmission of the length-adaptive sequence may include partitioning the length-adaptive sequence into a first segment and a second segment, and transmitting the first segment and the second segment in separate and sequential time slots.

[0007] In some embodiments, the first segment of the length-adaptive sequence may include at least a first symbol of the length-adaptive sequence and enable the network device to estimate the number of active user equipment devices out of the set of user equipment devices.

[0008] In some embodiments, the method may further include receiving, from the network device, the length of the length-adaptive sequence, and determining the second segment of the length-adaptive sequence according to the length of the length-adaptive sequence.

[0009] In some embodiments, the pilot sequence may be a complex exponential sequence.

[0010] In a second aspect, disclosed is a method performed by a network apparatus in a wireless network. The method may include assigning, to respective user equipment device of a set of user equipment devices in the wireless network, an exclusive pilot sequence out of a set of pilot sequences, receiving, from an active subset of active user equipment devices out of the set of user equipment devices, a first segment of a superimposed signal comprising a first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences, wherein the exclusive pilot sequence is encoded to be an encoded pilot sequence by a corresponding active user equipment device of the active subset, based on channel state information of an uplink channel associated with the corresponding active user equipment device, estimating a number of  the active user equipment devices based on the first segment of the superimposed signal, and determining whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active user equipment devices and a number of the user equipment devices of the set of user equipment devices.

[0011] In some embodiments, the method may further include determining a length of the length-adaptive sequence based on the estimated number of the active user equipment devices of the active subset and the determined traffic pattern, broadcasting, to the set of user equipment devices, the determined length of the length-adaptive sequence through a common downlink channel, and receiving, from the active subset of the active user equipment devices out of the set of user equipment devices, a second segment of the superimposed signal comprising the second segment of the plurality of respective length-adaptive sequences.

[0012] In some embodiments, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of the active subset in case where the determined traffic pattern is the low traffic pattern.

[0013] In some embodiments, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of a silent subset of silent user equipment devices out of the set of user equipment devices in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices.

[0014] In some embodiments, the method may further include adapting user equipment device activity detection to the determined traffic pattern based on either the superimposed signal or the first segment of the superimposed signal.

[0015] In some embodiments, the adapting user equipment device activity detection to the determined traffic pattern may include determining a first nonnegative vector containing activity information of the active subset of active user equipment devices, based on the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the low traffic pattern, and identifying the active subset of the active user equipment devices from a support of the first nonnegative vector.

[0016] In some embodiments, the first nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square.

[0017] In some embodiments, the adapting user equipment device activity detection to the determined traffic pattern may include determining a second nonnegative vector containing silence information of a silent subset of silent user equipment devices out of the set of user equipment devices, based on the set of pilot sequences and a transferred version of either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices, identifying the silent subset of silent user equipment devices from a support of the second nonnegative vector, and identifying the active subset of the active user equipment devices based on the identified silent subset.

[0018] In some embodiments, the transferred version of either the superimposed signal or the first segment of the superimposed signal may amount to a difference between a weighted sum of the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal.

[0019] In some embodiments, the second nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square.

[0020] In some embodiments, the pilot sequence may be a complex exponential sequence.

[0021] In some embodiments, the first segment of the length-adaptive sequence may include at least a first symbol of the length-adaptive sequence.

[0022] In a third aspect, disclosed is a device. The device may include at least one processor and at least one memory. The at least one memory may include computer program code, and the at least one memory and the computer program code may be configured to, with the at least one processor, cause the device as a user equipment device in a wireless network to perform encoding a pilot sequence based on channel state information of an associated uplink channel to a network device in the wireless network, and transmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence, wherein a length of the length-adaptive sequence may be determined according to a number of active user equipment devices out of a set of user equipment devices in the wireless network, and the length-adaptive sequence may include activity information of the user equipment device represented in terms of a value in the length-adaptive sequence received through the associated uplink channel.

[0023] In some embodiments, the transmission of the length-adaptive sequence may include  partitioning the length-adaptive sequence into a first segment and a second segment, and transmitting the first segment and the second segment in separate and sequential time slots.

[0024] In some embodiments, the first segment of the length-adaptive sequence may include at least a first symbol of the length-adaptive sequence and enable the network device to estimate the number of active user equipment devices out of the set of user equipment devices.

[0025] In some embodiments, the at least one memory and the computer program code may be further configured to, with the at least one processor, cause the device to further perform receiving, from the network device, the length of the length-adaptive sequence, and determining the second segment of the length-adaptive sequence according to the length of the length-adaptive sequence.

[0026] In some embodiments, the pilot sequence may be a complex exponential sequence.

[0027] In a fourth aspect, disclosed is a device. The device may include at least one processor and at least one memory. The at least one memory may include computer program code, and the at least one memory and the computer program code may be configured to, with the at least one processor, cause the device as a network device in a wireless network to perform assigning, to respective user equipment device of a set of user equipment devices in the wireless network, an exclusive pilot sequence out of a set of pilot sequences, receiving, from an active subset of active user equipment devices out of the set of user equipment devices, a first segment of a superimposed signal comprising a first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences, wherein the exclusive pilot sequence is encoded to be an encoded pilot sequence by a corresponding active user equipment device of the active subset, based on channel state information of an uplink channel associated with the corresponding active user equipment device, estimating a number of the active user equipment devices based on the first segment of the superimposed signal, and determining whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active user equipment devices and a number of the user equipment devices of the set of user equipment devices.

[0028] In some embodiments, the at least one memory and the computer program code may be further configured to, with the at least one processor, cause the device to further perform determining a length of the length-adaptive sequence based on the estimated number of the active user equipment devices of the active subset and the determined traffic pattern, broadcasting, to  the set of user equipment devices, the determined length of the length-adaptive sequence through a common downlink channel, and receiving, from the active subset of the active user equipment devices out of the set of user equipment devices, a second segment of the superimposed signal comprising the second segment of the plurality of respective length-adaptive sequences.

[0029] In some embodiments, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of the active subset in case where the determined traffic pattern is the low traffic pattern.

[0030] In some embodiments, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of a silent subset of silent user equipment devices out of the set of user equipment devices in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices.

[0031] In some embodiments, the at least one memory and the computer program code may be further configured to, with the at least one processor, cause the device to further perform adapting user equipment device activity detection to the determined traffic pattern based on either the superimposed signal or the first segment of the superimposed signal.

[0032] In some embodiments, the adapting user equipment device activity detection to the determined traffic pattern may include determining a first nonnegative vector containing activity information of the active subset of active user equipment devices, based on the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the low traffic pattern, and identifying the active subset of the active user equipment devices from a support of the first nonnegative vector.

[0033] In some embodiments, the first nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square.

[0034] In some embodiments, the adapting user equipment device activity detection to the determined traffic pattern may include determining a second nonnegative vector containing silence information of a silent subset of silent user equipment devices out of the set of user equipment devices, based on the set of pilot sequences and a transferred version of either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different  from the active user equipment devices, identifying the silent subset of silent user equipment devices from a support of the second nonnegative vector, and identifying the active subset of the active user equipment devices based on the identified silent subset.

[0035] In some embodiments, the transferred version of either the superimposed signal or the first segment of the superimposed signal may amount to a difference between a weighted sum of the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal.

[0036] In some embodiments, the second nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square.

[0037] In some embodiments, the pilot sequence may be a complex exponential sequence.

[0038] In some embodiments, the first segment of the length-adaptive sequence may include at least a first symbol of the length-adaptive sequence.

[0039] In a fifth aspect, disclosed is a device. The device as a user equipment device in a wireless network may include means for encoding a pilot sequence based on channel state information of an associated uplink channel to a network device in the wireless network, and means for transmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence, wherein a length of the length-adaptive sequence may be determined according to a number of active user equipment devices out of a set of user equipment devices in the wireless network, and the length-adaptive sequence may include activity information of the user equipment device represented in terms of a value in the length-adaptive sequence received through the associated uplink channel.

[0040] In some embodiments, the means for the transmission of the length-adaptive sequence may include means for partitioning the length-adaptive sequence into a first segment and a second segment, and means for transmitting the first segment and the second segment in separate and sequential time slots.

[0041] In some embodiments, the first segment of the length-adaptive sequence may include at least a first symbol of the length-adaptive sequence and enable the network device to estimate the number of active user equipment devices out of the set of user equipment devices.

[0042] In some embodiments, the device may further include means for receiving, from the network device, the length of the length-adaptive sequence, and means for determining the  second segment of the length-adaptive sequence according to the length of the length-adaptive sequence.

[0043] In some embodiments, the pilot sequence may be a complex exponential sequence.

[0044] In a sixth aspect, disclosed is a device. The device as a network device in a wireless network may include means for assigning, to respective user equipment device of a set of user equipment devices in the wireless network, an exclusive pilot sequence out of a set of pilot sequences, means for receiving, from an active subset of active user equipment devices out of the set of user equipment devices, a first segment of a superimposed signal comprising a first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences, wherein the exclusive pilot sequence is encoded to be an encoded pilot sequence by a corresponding active user equipment device of the active subset, based on channel state information of an uplink channel associated with the corresponding active user equipment device, means for estimating a number of the active user equipment devices based on the first segment of the superimposed signal, and means for determining whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active user equipment devices and a number of the user equipment devices of the set of user equipment devices.

[0045] In some embodiments, the device may further include means for determining a length of the length-adaptive sequence based on the estimated number of the active user equipment devices of the active subset and the determined traffic pattern, means for broadcasting, to the set of user equipment devices, the determined length of the length-adaptive sequence through a common downlink channel, and means for receiving, from the active subset of the active user equipment devices out of the set of user equipment devices, a second segment of the superimposed signal comprising the second segment of the plurality of respective length-adaptive sequences.

[0046] In some embodiments, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of the active subset in case where the determined traffic pattern is the low traffic pattern.

[0047] In some embodiments, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of a silent subset of silent user equipment devices out of the set of user equipment devices in case where the determined traffic pattern is the high traffic  pattern, wherein the silent user equipment devices are different from the active user equipment devices.

[0048] In some embodiments, the device may further include means for adapting user equipment device activity detection to the determined traffic pattern based on either the superimposed signal or the first segment of the superimposed signal.

[0049] In some embodiments, the means for adapting user equipment device activity detection to the determined traffic pattern may include means for determining a first nonnegative vector containing activity information of the active subset of active user equipment devices, based on the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the low traffic pattern, and means for identifying the active subset of the active user equipment devices from a support of the first nonnegative vector.

[0050] In some embodiments, the first nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square.

[0051] In some embodiments, the means for adapting user equipment device activity detection to the determined traffic pattern may include means for determining a second nonnegative vector containing silence information of a silent subset of silent user equipment devices out of the set of user equipment devices, based on the set of pilot sequences and a transferred version of either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices, means for identifying the silent subset of silent user equipment devices from a support of the second nonnegative vector, and means for identifying the active subset of the active user equipment devices based on the identified silent subset.

[0052] In some embodiments, the transferred version of either the superimposed signal or the first segment of the superimposed signal may amount to a difference between a weighted sum of the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal.

[0053] In some embodiments, the second nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square.

[0054] In some embodiments, the pilot sequence may be a complex exponential sequence.

[0055] In some embodiments, the first segment of the length-adaptive sequence may include at least a first symbol of the length-adaptive sequence.

[0056] In a seventh aspect, a computer readable medium is disclosed. The computer readable medium may include instructions stored thereon for causing a device as a user equipment device to perform encoding a pilot sequence based on channel state information of an associated uplink channel to a network device in the wireless network, and transmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence, wherein a length of the length-adaptive sequence may be determined according to a number of active user equipment devices out of a set of user equipment devices in the wireless network, and the length-adaptive sequence may include activity information of the user equipment device represented in terms of a value in the length-adaptive sequence received through the associated uplink channel.

[0057] In some embodiments, the transmission of the length-adaptive sequence may include partitioning the length-adaptive sequence into a first segment and a second segment, and transmitting the first segment and the second segment in separate and sequential time slots.

[0058] In some embodiments, the first segment of the length-adaptive sequence may include at least a first symbol of the length-adaptive sequence and enable the network device to estimate the number of active user equipment devices out of the set of user equipment devices.

[0059] In some embodiments, the computer readable medium may further include instructions stored thereon for causing the device to further perform receiving, from the network device, the length of the length-adaptive sequence, and determining the second segment of the length-adaptive sequence according to the length of the length-adaptive sequence.

[0060] In some embodiments, the pilot sequence may be a complex exponential sequence.

[0061] In an eighth aspect, a computer readable medium is disclosed. The computer readable medium may include instructions stored thereon for causing a device as a network device to perform assigning, to respective user equipment device of a set of user equipment devices in the wireless network, an exclusive pilot sequence out of a set of pilot sequences, receiving, from an active subset of active user equipment devices out of the set of user equipment devices, a first segment of a superimposed signal comprising a first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences, wherein the exclusive pilot sequence is encoded  to be an encoded pilot sequence by a corresponding active user equipment device of the active subset, based on channel state information of an uplink channel associated with the corresponding active user equipment device, estimating a number of the active user equipment devices based on the first segment of the superimposed signal, and determining whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active user equipment devices and a number of the user equipment devices of the set of user equipment devices.

[0062] In some embodiments, the computer readable medium may further include instructions stored thereon for causing the device to further perform determining a length of the length-adaptive sequence based on the estimated number of the active user equipment devices of the active subset and the determined traffic pattern, broadcasting, to the set of user equipment devices, the determined length of the length-adaptive sequence through a common downlink channel, and receiving, from the active subset of the active user equipment devices out of the set of user equipment devices, a second segment of the superimposed signal comprising the second segment of the plurality of respective length-adaptive sequences.

[0063] In some embodiments, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of the active subset in case where the determined traffic pattern is the low traffic pattern.

[0064] In some embodiments, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of a silent subset of silent user equipment devices out of the set of user equipment devices in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices.

[0065] In some embodiments, the computer readable medium may further include instructions stored thereon for causing the device to further perform adapting user equipment device activity detection to the determined traffic pattern based on either the superimposed signal or the first segment of the superimposed signal.

[0066] In some embodiments, the adapting user equipment device activity detection to the determined traffic pattern may include determining a first nonnegative vector containing activity information of the active subset of active user equipment devices, based on the set of pilot  sequences and either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the low traffic pattern, and identifying the active subset of the active user equipment devices from a support of the first nonnegative vector.

[0067] In some embodiments, the first nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square.

[0068] In some embodiments, the adapting user equipment device activity detection to the determined traffic pattern may include determining a second nonnegative vector containing silence information of a silent subset of silent user equipment devices out of the set of user equipment devices, based on the set of pilot sequences and a transferred version of either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices, identifying the silent subset of silent user equipment devices from a support of the second nonnegative vector, and identifying the active subset of the active user equipment devices based on the identified silent subset.

[0069] In some embodiments, the transferred version of either the superimposed signal or the first segment of the superimposed signal may amount to a difference between a weighted sum of the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal.

[0070] In some embodiments, the second nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square.

[0071] In some embodiments, the pilot sequence may be a complex exponential sequence.

[0072] In some embodiments, the first segment of the length-adaptive sequence may include at least a first symbol of the length-adaptive sequence.

[0073] Other features and advantages of the example embodiments of the present disclosure will also be apparent from the following description of specific embodiments when read in conjunction with the accompanying drawings, which illustrate, by way of example, the principles of example embodiments of the present disclosure.BRIEF DESCRIPTION OF THE DRAWINGS

[0074] Some example embodiments will now be described, by way of non-limiting examples,  with reference to the accompanying drawings.

[0075] FIG. 1 shows an exemplary scenario in which the embodiments of the present disclosure may be implemented.

[0076] FIG. 2 shows an exemplary sequence diagram for UE device activity detection according to embodiments of the present disclosure.

[0077] FIG. 3 shows an exemplary resource mapping for encoded pilot sequence according to an embodiment of the present disclosure.

[0078] FIG. 4 shows a flow chart illustrating an exemplary procedure for UE device activity detection according to an embodiment of the present disclosure.

[0079] FIG. 5 shows a flow chart illustrating an exemplary procedure for UE device activity detection according to an embodiment of the present disclosure.

[0080] FIG. 6 shows UE device activity detection performance comparison between the non-adaptive and the adaptive method for different transmission probabilities.

[0081] FIG. 7 shows a flow chart illustrating an example method for UE device activity detection according to an embodiment of the present disclosure.

[0082] FIG. 8 shows a flow chart illustrating an example method for UE device activity detection according to an embodiment of the present disclosure.

[0083] FIG. 9 shows a block diagram illustrating an example device for UE device activity detection according to an embodiment of the present disclosure.

[0084] FIG. 10 shows a block diagram illustrating an example device for UE device activity detection according to an embodiment of the present disclosure.

[0085] FIG. 11 shows a block diagram illustrating an example device for UE device activity detection according to an embodiment of the present disclosure.

[0086] FIG. 12 shows a block diagram illustrating an example device for UE device activity detection according to an embodiment of the present disclosure.

[0087] Throughout the drawings, same or similar reference numbers indicate same or similar elements. A repetitive description on the same elements would be omitted.DETAILED DESCRIPTION

[0088] Herein below, some example embodiments are described in detail with reference to the  accompanying drawings. The following description includes specific details for the purpose of providing a thorough understanding of various concepts. However, it will be apparent to those skilled in the art that these concepts may be practiced without these specific details. In some instances, well known circuits, techniques and components are shown in block diagram form to avoid obscuring the described concepts and features.

[0089] An improved technique for UE device activity detection may be implemented according to embodiments of the present disclosure.

[0090] FIG. 1 shows an exemplary scenario in which the embodiments of the present disclosure may be implemented. Referring to FIG. 1, a UE device 121, a UE device 122, a UE device 123, a UE device 124, and a UE device 125 as well as a base station (BS) 110 are associated with a cell 130. For simplicity, it may be assumed that each of the UE devices in the cell 130 has a single transmission antenna and the BS 110 has a single reception antenna. It may be appreciated that in the exemplary scenario shown in the FIG. 1, there may be more or less UE devices in the cell 130, and the five UE devices 121 to 125 are examples.

[0091] A fraction of the UE devices in the cell 130 will request to transmit a data packet to the BS 110 in a transmission cycle. For example, as is shown in the FIG. 1, among the five UE devices 121 to 125, the UE device 121, the UE device 122, and the UE device 125 will not request to transmit the data packet to the BS 110 in the transmission cycle and thus may be silent UE devices for the transmission cycle, whereas the UE device 123, the UE device 124 will request to transmit the data packet to the BS 110 in the transmission cycle and thus may be active UE devices for the transmission cycle. For another transmission cycle, a silent UE device may change to be active, and an active UE device may change to be silent.

[0092] The total number of the UE devices in the cell 130 may be N, and the UE devices may be labelled by number n, n= 1, 2, …, N, as UEn. For example, the UE devices 121 to 125 may be labelled as UE1, UE2, UE3, UE4, and UE5, respectively.

[0093] In each transmission cycle in a coherent duration, the activity of UEn can be characterized by defining a UE activity indicator function xn as

[0094]

[0095] Generally each UE device decides in a transmission cycle whether to access the BS with  probability Pn in an independent manner, and thus this situation may be assumed. Then, xn can be modeled as a Bernoulli random variable such that Pr (xn=1) =Pn and Pr (xn=0) =1-Pn, wherein the Pn is the probability that the UEn is active in a transmission cycle. As a result, on average, in each transmission cycle, the number of active UE devices may be The Pn may represent activity level of the UEn, and may depend on specific applications of data traffic. This model is sufficiently general so that it can capture a variety of applications, e.g., a sensor fusion network in which sampling rates at different sensors may even be different.

[0096] FIG. 2 shows an exemplary sequence diagram for UE device activity detection according to embodiments of the present disclosure. Referring to the FIG. 2, a UE device 210 may be an active UE device in a transmission cycle, e.g. the UE device 123 or the UE device 124, and a network device 220 may be a device of network side e.g. functioning as the BS 110 in radio access network (RAN) . The UE device 210 and the network device 220 are in a wireless network. For example, the UE device 210 is in the cell 130 which the network device 220 is associated with.

[0097] All the UE devices of the cell 130 may be a set of UE devices, and the total number of UE devices in the set of UE devices is N. For example, the network device 220 may assign, to respective UE device of the set of UE devices in the wireless network, the exclusive pilot sequence out of a set of pilot sequences, e.g., the N pilot sequences. N pilot sequences exclusive for N corresponding UE devices may be preconfigured at the N corresponding UE devices, respectively. For example, a pilot sequence 230 may be the pilot sequence exclusive for the UE device 210 and be assigned to the UE device 210.

[0098] The assignment can be fulfilled, for example, during a registering procedure by the network device 220 in the BS 110. For example, the network device 220 may assign each UE device with a unique parameter of frequency corresponding to the pilot sequence exclusive for the UE device, so that each UE device may determine its corresponding pilot sequence. For example, the network device 220 may assign the UE device 210 with the unique parameter of frequency corresponding to the exclusive pilot sequence 230, so that the UE device 210 may determine the exclusive pilot sequence 230 by the unique parameter of frequency.

[0099] Assuming that a length of each pilot sequence is M and the UE device 210 is labelled  as the UE device n or the UEn, the corresponding exclusive pilot sequence 230 may be expressed as a vector wherein the vector sn may has normalized power with ‖sn‖2=1, and the pilot sequence 230 may be a complex exponential sequence, e.g.,  for m=1, 2, …, M, where the parameter fn satisfy the following conditions, respectively

[0100] 0≤fn<1, and fn≠fk for n≠k.

[0101] In general, sequences sn and sk are not orthogonal mutually for n≠k.

[0102] The parameter fn can be treated as a digital frequency of a sequence and thus be the unique parameter of frequency. For example, different UE devices can be discriminated by assigning distinct fn. The parameter may be e.g.

[0103] fn= (n-1)  / N, or

[0104] fn=sinθn for 0≤θn<π / 2.

[0105] In an operation 235, the UE device 210 may derive channel state information (CSI) of an associated uplink (UL) channel from an estimate of an associated downlink (DL) channel. For example, in time division duplex (TDD) system, the network device 220 may broadcast a DL sequence for the set of UE devices at a beginning of a transmission cycle. The DL sequence may serve as a beacon signal to invite UL transmissions from the active UE devices and for synchronization of the active UE devices, and thus the active UE n can estimate its DL channel based on the received DL sequence broadcast by the network device 220.

[0106] The DL channel estimation by the UE device 210 can be accomplished at ignorable overhead. Based on a reciprocity between the DL channel and the UL channel, the UE device 210 may derive e.g. the CSI of the associated UL channel from the estimate of the associated DL channel. The UL channel from the UE device n to the network device 220 may be denoted by hn, hn∈C, where C represents the set of complex numbers. The estimated CSI of the associated UL channel of the UE device 210 labeled as UEn may be denoted by

[0107] Alternatively, in frequency division duplex (FDD) network without the reciprocity between the DL channel and the UL channel, the network device 220 may estimate the UL CSI  and feedback it to the UE device 210 in advance.

[0108] In an operation 240, the UE device 210 may encode the pilot sequence 230 based on the  CSI of the associated UL channel to the network device 220.

[0109] In an embodiment, the pilot sequence 230 expressed as sn may be encoded to be an encoded pilot sequence, which may be expressed as through pre-equalization precoding. For example, the may be computed as

[0110]

[0111] where and represent the conjugate and modulus of the respectively, and α is a positive constant to tune a transmission power. The exclusive pilot sequence may be encoded to be the encoded pilot sequence by a corresponding active UE device of an active subset of the set of UE devices, based on the CSI of the UL channel associated with the corresponding active UE device, e.g., the UE device 210. The UE device 210 may represent any active UE device of the active subset in the transmission cycle. For example, the exclusive pilot sequence 230 may be encoded to be the encoded pilot sequence by the corresponding active UE device 210 based on the CSI of the associated UL channel.

[0112] FIG. 3 shows an exemplary resource mapping for encoded pilot sequence according to an embodiment of the present disclosure. Referring to the FIG. 3, time-frequency resource elements (REs) such as a RE 301, a RE 302, etc. may be used for the transmission of the encoded pilot sequence expressed as e.g., one RE carries one symbol of The length of encoded pilot sequence is M, and thus the encoded pilot sequence may comprise M complex symbols that can be transmitted over M REs, respectively, in a coherent block, as shown in Fig. 3.

[0113] In a transmission cycle, no coordination is needed among the set of N UE devices. Each UE device behaves independently according to its own service demands, and the silent UE devices refrain from operations except for keeping silence. Moreover, the set of N UEs may share the same M REs for the sake of saving spectrum resource.

[0114] In an embodiment, a length-adaptive sequence 250 of the encoded pilot sequence may be transmitted from the UE device 210 to the network device 220. The length-adaptive sequence 250 may be a part of the encoded pilot sequence or the whole encoded pilot sequence. The length of the length-adaptive sequence 250 may be determined according to the number of active UE devices out of the set of UE devices, which will be described later. The length of the length- adaptive sequence 250 may be denoted as M′, M′≤M, and thus among the M REs, the REs other than the M′ REs for the length-adaptive sequence may be unused for realistic sequence transmission.

[0115] Symbols of the length-adaptive sequence 250 may be transmitted in a time slot, e.g., in the coherent block shown in Fig. 3 or may be transmitted separately, e.g., in different time slots. For example, one time slot may comprise a duration of single or multiple orthogonal frequency division multiplexing (OFDM) symbol. In a case where the length-adaptive sequence 250 is transmitted in different time slots in a transmission cycle, for example, a segment of the length-adaptive sequence 250 may be transmitted in a time slot, and another segment of the length-adaptive sequence 250 may be transmitted in another time slot, so it may be appreciated that in this case the REs shown in the FIG. 3 may be mapped to different time slots, for example, the RE 301 may be mapped to in a time slot, and the RE 302 may be mapped to another time slot.

[0116] The length-adaptive sequence 250 may comprise activity information of the UE device 210 represented in terms of a value in the length-adaptive sequence 250 received through the associated UL channel. For example, the active subset of active UE devices of the set of UE devices transmit respective length-adaptive sequences to the network device 220, and thus the network device 220 may receive a superimposed signal which can be written as a M′-dimensional vector z as below

[0117] z=M′x′+n        (3)

[0118] where M′= [s1′ … sN′] is an M′×N measurement matrix that is a part of the set of pilot sequences M= [s1 … sN] which is an M×N measurement matrix assigned for the set of UE devices and the network device 220 has the knowledge of the set of pilot sequences, and the components of sn′ corresponds to the components of the length-adaptive sequence 250; n is an M′×1 vector accounting for total effect of background noise and errors, for example, due to imperfect channel estimation and UL / DL reciprocity; and  is an N×1 vector containing the activity information of the active subset of UE devices, wherein x= [x1 … xN] T is an N×1 indicator vector for activities of the set of UE devices, in which zero value represents the corresponding UE device is silent while value of one represents the corresponding UE device is active,  stands for a component-wise multiplication, and h is an N×1 vector of effective coefficients of respective UL channels  modeling entire effect of channel experience and the used precoding strategy for sequence transmission. In case of the use of pre-equalization precoding, vector h reduces and approximates to an all-one vector, that is

[0119]

[0120] In an embodiment, the transmission of the length-adaptive sequence 250 performed by the UE device 210 may comprise partitioning a first segment 245 from the length-adaptive sequence 250. In an embodiment, the first segment 245 of the length-adaptive sequence 250 may comprise at least a first symbol of the length-adaptive sequence 250. The first symbol of the length-adaptive sequence 250 may also be the first symbol of the encoded pilot sequence i.e.

[0121] Referring back to the FIG. 2, the UE device 210 may transmit the first segment 245 of the length-adaptive sequence 250 to the network device 220. In this case, at the network side, the network device 220 may receive, from an active subset of active UE devices out of the set of UE devices, a first segment of a superimposed signal comprising the first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences.

[0122] The first segment 245 may enable the network device 220 to estimate the number of active UE devices out of the set of UE devices. In an operation 255, the network device 220 may estimate the number of the active UE devices based on the first segment of the superimposed signal.

[0123] For example, in the time slot of the transmission cycle, the network device 220 may receive the first segment of the superimposed signal, e.g., the superimposed first symbols, from the active UE devices. The superimposed first symbols may be expressed as

[0124]

[0125] that contains the information of the number of active UEs, denoted by Non.

[0126] From the formula (5) , the network device 220 may derive an estimate of For instance,  can be figured out by

[0127]

[0128] In an operation 260, the network device 220 may determine whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active UE devices and the number of the UE devices of the set of UE devices. For example, the network device 220 may determine the traffic pattern is the high traffic pattern if Otherwise, the network device 220 may determine the traffic pattern is the low traffic pattern. It may be appreciated that the threshold for determining the high traffic pattern or the low traffic pattern may be a proportion other than N / 2.

[0129] In an operation 265, the network device 220 may determine a length 270 of the length-adaptive sequence 250 based on the estimated number of the active UE devices of the active subset and the determined traffic pattern. For example, by means of the knowledge on the network device 220 can determine a minimum value of sequence length required for current transmission cycle, which may be, for example,  Thus, the length 270 may be an adaptive value to different traffic patterns.

[0130] For example, the length 270 of the length-adaptive sequence 250 may be equal to or longer than one plus a cardinality of the active subset in case where the determined traffic pattern is the low traffic pattern. The cardinality refers to the number of elements of a set or a subset. For example, for the low traffic pattern when

[0131] For example, the length 270 of the length-adaptive sequence 250 may be equal to or longer than one plus a cardinality of a silent subset of silent UE devices out of the set of UE devices in case where the determined traffic pattern is the high traffic pattern, wherein the silent UE devices are different from the active UE devices. The silent subset may be complementary to the active subset. For example, for the high traffic pattern when

[0132] In practice, the value can be increased by an appropriate positive increment Δ ≥1 for combating the noisy effect. The larger Δ may lead to a better detection performance. In this case, the length 270 of the length-adaptive sequence 250 may be determined as  The required sequence length can be less than the number of active  UEs and thus a spectrum resource may be saved.

[0133] Then, the network device 220 may broadcast, to the set of UE devices, the determined length 270 of the length-adaptive sequence 250 through a common downlink channel. The common downlink channel may be, for example, a downlink control channel. Thus, the UE device 210 may receive, from the network device 220, the length 270 of the length-adaptive sequence 250.

[0134] Alternative or additionally, the length 270 of the length-adaptive sequence 250 may be determined by other device, for example, the UE device 210. In this case, the network device 220 does not need to perform the operation 265 to determine the length 270 of the length-adaptive sequence 250 and does not need to broadcast the same.

[0135] According to the length 270 of the length-adaptive sequence 250, the UE device may determine a second segment 247 of the length-adaptive sequence 250. The length 270 may be denoted by M′, and The second segment 247 for the active UE device 210 may be the M′-F symbols of encoded pilot sequence following the first segment 245, where F is the symbol number of the first segment 245. In a case where the first segment 245 is the first symbol, the second segment 247 for the active UE device 210 may be the M′-1 symbols of encoded pilot sequence following the first symbol. In this way, the UE device 210 may realize the partitioning of the length-adaptive sequence 250 into the first segment 245 and the second segment 247. Each UE device of the set may form the length-adaptive sequence 250, the first segment 245 and the second segment 247 are the corresponding components of the respective encoded pilot sequence, respectively.

[0136] Then, the UE device 210 may transmit the second segment 247 of the length-adaptive sequence 250 to the network device 220. In an embodiment, the UE device 210 may transmit the second segment 247 in a time slot subsequent to the time slot in which the UE device 210 transmits the first segment 245. Thus, the UE device 210 may transmit the first segment 245 and the second segment 247 in separate and sequential time slots.

[0137] The active UE devices, such as the UE device 210, of the active set determine and transmit to the network device 220 the second segment. The network device 220 may receive, from the active subset of the active UE devices out of the set of UE devices, the second segment  of the superimposed signal comprising the second segment of the plurality of respective length-adaptive sequences. Thus, the network device 220 may receive a complete superimposed signal  as shown in the formula (3) .

[0138] Alternatively, the UE device 210 may transmit, to the network device 220 in the wireless network, the whole length-adaptive sequence 250 instead of transmitting the first segment 245 and the second segment 247 separately. In this case, the network device 220 may refrain from performing the operation 265 to determine the length 270 of the length-adaptive sequence 250 and broadcasting the same to the set of UE devices.

[0139] In a case where that the encoded pilot sequence with a fixed-length is used for the UE device activity detection, the length is determined based on a priori knowledge of the number of active UE devices, and in order to be adequate for a possible maximum number of active UE users, the length may be determined unnecessarily longer, so the inflexibility of the encoded pilot sequence length would cause a waste of spectrum resource. Compared to this case, the length-adaptive sequence 250 may avoid the waste of spectrum resource. Such a cost saving can be further realized in conjunction with a sparsity-adaptive UE device activity detection applied in the network device 220, which will be described later.

[0140] In an operation 280, the network device 220 may adapt the user equipment device activity detection to the determined traffic pattern based on either the superimposed signal or the first segment of the superimposed signal. For example, the following operations for the sparsity-adaptive UE device activity detection are different according to the different traffic patterns. Moreover, the sparsity-adaptive UE device activity detection may be performed based on the superimposed signal or the first segment of the superimposed signal. In a case where the sparsity-adaptive UE device activity detection is performed based on the first segment of the superimposed signal, the operation 265 for determining the length 270 of the length-adaptive sequence 250 and the transmissions of the length 270 and the second segment 247 may be omitted.

[0141] In a case where the sparsity-adaptive UE device activity detection is performed based on the superimposed signal, in order to determine the vector x′, the network device 220 is to restore x′ from z=M′x′+n. The indices of nonzero components in x′ corresponds to those of the active subset of UE devices. Restricted by the limited coherence time in a practical massive  internet of things (IoT) connectivity scenario, the length 270 of the length-adaptive sequence 250 is much smaller than the number of UE devices in the set of UE devices, i.e., M′＜＜N. Hence, z=M′x′+n characterizes an underdetermined linear system with more unknown variables than equations.

[0142] The measurement matrix M′ may be used to capture entire information about x′ with a minimal cost of sequence length. Such a holistic solution of length-adaptive sequence transmission and sparsity-adaptive detection allows for a fast and accurate detection and enable the network device 220 to recover x′ from the noisy observation z even if M′＜＜N. The vector x′ possesses silent UE device and active UE device sparsity for high and low traffic patterns, respectively, an adaptive UE activity detection switching between low and high traffic patterns may be performed by the network device 220.

[0143] In a case where the sparsity-adaptive UE device activity detection is performed based on the first segment of the superimposed signal, the formula (3) is transformed to be

[0144] z″=M″x′+n″         (7)

[0145] where M″= [s1″ … sN″] is an M″×N measurement matrix that is a part of the set of pilot sequences M= [s1 … sN] which is an M×N measurement matrix assigned for the set of UE devices and the network device 220 has the knowledge of the set of pilot sequences, z″ denotes the first segment of the superimposed signal which is the noisy observation, M″ is the length of the first segment 245, and the components of sn″ corresponds to the components of the first segment 245 of the length-adaptive sequence 250. Similarly, the components of n″ corresponds to the first M″ components of n.

[0146] In order to determine the vector x′, the network device 220 is to restore x′ from z″=M″x′+n. The indices of nonzero components in x′ are corresponding to those of the active subset of UE devices. Restricted by the limited coherence time in a practical massive IoT connectivity scenario, the length of the first segment 245 is much smaller than the number of UE devices in the set of UE devices, i.e., M″＜＜N. Hence, z″=M″x′+n characterizes an underdetermined linear system with more unknown variables than equations.

[0147] The measurement matrix M″ may be used to capture entire information about x′with a minimal cost of sequence length. Such a holistic solution of length-adaptive sequence transmission and sparsity-adaptive detection allows for a fast and accurate detection and enable  the network device 220 to recover x′from the noisy observation z″ even if M″＜＜N. The vector x′ possesses silent UE device and active UE device sparsity for high and low traffic patterns, respectively, an adaptive UE activity detection switching between low and high traffic patterns may be performed by the network device 220.

[0148] More specifically, in the case of low traffic patterns when the network device 220 directly solves nonnegative vector x′, whose nonzero components correspond to active UE devices, from the original observation of either z or z″ by exploiting the active UE device sparsity. In the case of high traffic patterns when the network device 220 first solves nonnegative vector 1-x′, whose nonzero components correspond to silent UE devices, from a transferred version of either z or z″ by exploiting the silent UE device sparsity. The transferred version of either the superimposed signal or the first segment of the superimposed signal amounts to a difference between a weighted sum of the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal. For example, in a case where the sparsity-adaptive UE device activity detection is performed based on the superimposed signal, the transferred version of the superimposed signal z may be, for example,  In a case where the sparsity-adaptive UE device activity detection is performed based on the first segment of the superimposed signal, the transferred version of the superimposed signal z may be, e.g.,

[0149] In an embodiment, the operation 280 may include an operation 282, in which the network device 220 may determine a nonnegative vector for the UE device activity detection. In an embodiment, the network device 220 may determine a first nonnegative vector containing activity information of the active subset of active UE devices, e.g. vector x′, based on the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the low traffic pattern.

[0150] In an embodiment, in the case of the low traffic pattern, the first nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square. For example, in a case where the sparsity-adaptive UE device activity detection is performed based on the superimposed signal, the network device 220 may determine a nonnegative sparse estimate for the first nonnegative vector, which is the estimate of x′, by solving the following nonnegative  least square (NLS)

[0151]

[0152] where the q is an optimization variable over all N-dimensional nonnegative vectors. The NLS can be solved by an active-set algorithm with finite steps, yielding a fast implementation without convergence concern.

[0153] In a case where the sparsity-adaptive UE device activity detection is performed based on the first segment of the superimposed signal, the network device 220 may determine a nonnegative sparse estimate for the first nonnegative vector, which is the estimate of x′, by solving the following NLS

[0154]

[0155] Alternatively, the network device 220 may determine a second nonnegative vector containing silence information of a silent subset of silent UE devices out of the set of UE devices, e.g. vector 1-x′, based on the set of pilot sequences and a transferred version of either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the high traffic pattern, wherein the silent UE devices are different from the active UE devices.

[0156] In an embodiment, in the case of the high traffic pattern, the second nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square. For example, in a case where the sparsity-adaptive UE device activity detection is performed based on the superimposed signal, the network device 220 may determine a nonnegative sparse estimate for the second nonnegative vector, which is the estimate of 1-x′, by solving the following NLS

[0157]

[0158] where the q is an optimization variable over all N-dimensional nonnegative vectors. The NLS can be solved by an active-set algorithm with finite steps, yielding a fast implementation without convergence concern.

[0159] In a case where the sparsity-adaptive UE device activity detection is performed based on the first segment of the superimposed signal, the network device 220 may determine a nonnegative sparse estimate for the second nonnegative vector, which is the estimate of 1- x′, by solving the following NLS

[0160]

[0161] The operation 280 may further include an operation 284, in which the network device 220 may identify the active subset of the active UE devices. In an embodiment, the network device 220 may identify the active subset of the active UE devices from a support of the first nonnegative vector in the case of the low traffic pattern. The support of the vector is a set of indices corresponding to nonzero components of the vector. For example, the components with value 1 of the vector may correspond to the active UE devices, and in this case the network device 220 may search the first smallest components of the vector of which are corresponding to the active UE devices. Specifically, the indices of the first smallest components are identical to those of active UE devices.

[0162] Alternatively, the network device 220 may identify the silent subset of silent UE devices from a support of the second nonnegative vector in the case of the high traffic pattern. For example, the components with value 1 of the vector may correspond to the silent UE devices, and in this case the network device 220 may search the first smallest components of the vector of which are corresponding to the silent UE devices. Specifically, the indices of the first smallest components are identical to those of silent UE devices. Then, the network device 220 may identify the active subset of the active UE devices based on the identified silent subset, which may be performed because the silent subset may be complementary to the active subset.

[0163] Then, the network device 220 may transmit a mapping list 285 through a common DL channel which can be accessed by all UE devices of the set of UE devices. The mapping list 285 may comprise identifiers (IDs) of the detected active UE devices, and for each detected active UE device, the mapping list 285 may further contain respective information of sequence for UL channel estimation, UL control channel, and / or respective scheduling grant for the detected active UE device. The network device 220 may assign resources only for the detected active UE devices out of the set of UE devices.

[0164] In an operation 290, the UE device 210 may check the common DL channel to determine whether the UE device 210 is detected by the network device 220. In a case where the UE device  210 is detected, for example, the UE device 210 finds that its identifier is listed in the mapping list 270, the UE device 210 may transmit a data packet 295 to the network device 220.

[0165] In a case where the UE device 210 is miss-detected, for example, the UE device 210 does not find its identifier in the mapping list 285, the UE device 210 may transmit the length-adaptive sequence 250 or the first segment 245 of the length-adaptive sequence 250 in a next transmission cycle.

[0166] FIG. 4 shows a flow chart illustrating an exemplary procedure for UE device activity detection according to an embodiment of the present disclosure. Referring to the FIG. 4, the UE device and the network device in the UE device activity detection procedure may be the UE device 210 and the network device 220, respectively. The features in the FIG. 4 similar or identical to those in the FIG. 2 operate similarly or identically to those in the FIG. 2.

[0167] At a beginning of a transmission cycle, in an operation 410, the network device 220 may broadcast the DL sequence to the set of UE devices. The UE device 210 may represent any active UE device of the set.

[0168] In an operation 415, after receiving the DL sequence, the UE device 210 may estimate the associated DL channel and derive the CSI of the associated UL channel, details of which have been described in the above descriptions with respect to at least the operation 235, and repetitive descriptions thereof are omitted here.

[0169] Then, the UE device 210 may generate the encoded pilot sequence and transmit the first segment 245 to the network device 220, details of which have been described in the above descriptions with respect to at least the operation 240 and the first segment 245, and repetitive descriptions thereof are omitted here.

[0170] In an operation 420, after the network device 220 receives the first segment of the superimposed signal, which is the superimposed first segments of respective active UE devices of the set, the network device 220 may estimate the number of the active UE devices based on the first segment of the superimposed signal, details of which have been described in the above descriptions with respect to at least the operation 255, and repetitive descriptions thereof are omitted here.

[0171] Then, the network device 220 may determine whether the traffic pattern is the low traffic pattern or the high traffic pattern based on the number of the active UE devices and the number  of the UE devices of the set, details of which have been described in the above descriptions with respect to at least the operation 260, and repetitive descriptions thereof are omitted here.

[0172] In an operation 425, the network device 220 may determine the length 270 of the length-adaptive sequence 250 based on the estimated number of the active UE devices and the determined traffic pattern, details of which have been described in the above descriptions with respect to at least the operation 265, and repetitive descriptions thereof are omitted here.

[0173] Then, the network device 220 may broadcast the determined length 270 of the length-adaptive sequence 250 to the set of UE devices, through, e.g., a common downlink channel.

[0174] In an operation 430, the active UE device 210 may determine the second segment 247 of the length-adaptive sequence 250 according to the length 270 and transmit the second segment 247 to the network device 220, details of which have been described in the above descriptions with respect to at least the second segment 247, and repetitive descriptions thereof are omitted here. Thus, the transmission of the length-adaptive sequence 250 may be performed.

[0175] In case of the high traffic pattern, in an operation 435, the network device 220 may determine the second nonnegative containing the silence information of the silent subset of silent UE devices, details of which have been described in the above descriptions with respect to at least the operation 282, and repetitive descriptions thereof are omitted here.

[0176] Then, in an operation 440, the network device 220 may identify the silent subset of silent UE devices from a support of the second nonnegative vector and accordingly identify the active subset of the active UE devices, details of which have been described in the above descriptions with respect to at least the operation 284, and repetitive descriptions thereof are omitted here.

[0177] In case of the low traffic pattern, in an operation 445, the network device 220 may determine the first nonnegative vector containing activity information of the active subset of active UE devices, details of which have been described in the above descriptions with respect to at least the operation 282, and repetitive descriptions thereof are omitted here.

[0178] Then, in an operation 450, the network device 220 may identify the active subset of the active UE devices, details of which have been described in the above descriptions with respect to at least the operation 284, and repetitive descriptions thereof are omitted here.

[0179] Thus, the sparsity-adaptive UE device activity detection may be performed.

[0180] FIG. 5 shows a flow chart illustrating an exemplary procedure for UE device activity detection according to an embodiment of the present disclosure. Referring to the FIG. 5, the UE device and the network device in the UE device activity detection procedure may be the UE device 210 and the network device 220, respectively. The features in the FIG. 5 similar or identical to those in the FIG. 2 and / or the FIG. 4 operate similarly or identically to those in the FIG. 2 and / or the FIG. 4.

[0181] At a beginning of a transmission cycle, in an operation 510, the network device 220 may broadcast the DL sequence to the set of UE devices. The UE device 210 may represent any active UE device of the set.

[0182] In an operation 515, after receiving the DL sequence, the UE device 210 may estimates the associated DL channel and derive the CSI of the associated UL channel, details of which have been described in the above descriptions with respect to at least the operation 235, and repetitive descriptions thereof are omitted here.

[0183] Then, the UE device 210 may generate the encoded pilot sequence and transmit a length-adaptive sequence 520 of the encoded pilot sequence to the network device 220. Here, the length-adaptive sequence may be the length-adaptive sequence 250, or the first segment 245, or the encoded pilot sequence. Details have been described in the above descriptions with respect to at least the operation 240 and the first segment 245, and repetitive descriptions thereof are omitted here.

[0184] In an operation 525, after the network device 220 receives the superimposed signal, which is the superimposed length-adaptive sequences, including the length-adaptive sequence 520, of respective active UE devices of the set, the network device 220 may estimate the number of the active UE devices based on the superimposed signal, for example, based on the superimposed symbols, details of which have been described in the above descriptions with respect to at least the operation 255, and repetitive descriptions thereof are omitted here.

[0185] Then, the network device 220 may determine whether the traffic pattern is the low traffic pattern or the high traffic pattern based on the number of the active UE devices and the number of the UE devices of the set, details of which have been described in the above descriptions with respect to at least the operation 260, and repetitive descriptions thereof are omitted here.

[0186] The network device 220 may refrain from determining and broadcasting the length 270.  And the UE device 210 may refrain from determine and transmit the second segment 247.

[0187] In case of the high traffic pattern, in an operation 530, the network device 220 may determine the second nonnegative containing the silence information of the silent subset of silent UE devices, details of which have been described in the above descriptions with respect to at least the operation 282, and repetitive descriptions thereof are omitted here.

[0188] Then, in an operation 535, the network device 220 may identify the silent subset of silent UE devices from a support of the second nonnegative vector and accordingly identify the active subset of the active UE devices, details of which have been described in the above descriptions with respect to at least the operation 284, and repetitive descriptions thereof are omitted here.

[0189] In case of the low traffic pattern, in an operation 540, the network device 220 may determine the first nonnegative vector containing activity information of the active subset of active UE devices, details of which have been described in the above descriptions with respect to at least the operation 282, and repetitive descriptions thereof are omitted here.

[0190] Then, in an operation 545, the network device 220 may identify the active subset of the active UE devices, details of which have been described in the above descriptions with respect to at least the operation 284, and repetitive descriptions thereof are omitted here.

[0191] Thus, the sparsity-adaptive UE device activity detection may be performed separately from the length-adaptive sequence transmission.

[0192] The sparsity-adaptive UE device activity detection according to embodiments of the present disclosure exploits the active UE device and silent UE device sparsity simultaneously and upgrades the detection performance for both the low traffic pattern and high traffic pattern. In particular, the adaptive method can yield double-side acceptable operation ranges for low and high traffic cases, respectively, without additional extension in sequence length.

[0193] FIG. 6 shows UE device activity detection performance comparison between the non-adaptive and the adaptive method for different transmission (Tx) probabilities. A simulation is performed based on the simulation setup shown in Table 1 as below.

[0194] Table 1: Simulation setup

[0195]

[0196]

[0197] The simulation exhibits performance comparison between the sparsity-adaptive UE device activity detection method and the non-adaptive UE device activity detection method in terms of the probabilities of miss detection and false alarm. The simulation results are derived by averaging over 10000 independent experiments. From the FIG. 6, it may be observed that the adaptive method exhibits a mirrored performance and outperforms the non-adaptive one in high traffic case. For the adaptive method, the performance curve of miss detection in high traffic case is a mirror of that of false alarm in low traffic case, and the performance curve of false alarm in high traffic case is a mirror of that of miss detection in low traffic case. In conclusion, the adaptive method can support double-side acceptable operation ranges for low and high traffic cases, respectively, without additional extension in sequence length. In the Fig. 6, the double-side acceptable operation ranges are mirrored in Tx probability ranges of 0～12.5%and 87.5%～100%.

[0198] The embodiments above are described with respect to TDD massive access, and it may be appreciated that the embodiments may apply in other scenarios, e.g. FDD massive access.

[0199] FIG. 7 shows a flow chart illustrating an example method 700 for UE device activity detection according to an embodiment of the present disclosure. The example method 700 may be performed for example at a UE device such as the UE device 210 in a wireless network.

[0200] Referring to the FIG. 7, the example method 700 may include an operation 710 of  encoding a pilot sequence based on CSI of an associated UL channel to a network deice in the wireless network, and an operation 720 of transmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence, wherein a length of the length-adaptive sequence may be determined according to a number of active UE devices out of a set of UE devices in the wireless network, and the length-adaptive sequence may comprise activity information of the UE device represented in terms of a value in the length-adaptive sequence received through the associated UL channel.

[0201] Details of the operation 710 have been described in the above descriptions with respect to at least the pilot sequence 230, the operation 235, and the operation 240, and repetitive descriptions thereof are omitted here.

[0202] Details of the operation 720 have been described in the above descriptions with respect to at least the length-adaptive sequence 250, the length 270, and repetitive descriptions thereof are omitted here.

[0203] In an embodiment, the transmission of the length-adaptive sequence may comprise an operation of partitioning the length-adaptive sequence into a first segment and a second segment, and an operation of transmitting the first segment and the second segment in separate and sequential time slots. The more details have been described in the above descriptions with respect to at least the first segment 245 and the second segment 247, and repetitive descriptions thereof are omitted here.

[0204] In an embodiment, the first segment of the length-adaptive sequence may comprise at least a first symbol of the length-adaptive sequence and enable the network device to estimate the number of active UE devices out of the set of UE devices. The more details have been described in the above descriptions with respect to at least the first segment 245 and the operation 255, and repetitive descriptions thereof are omitted here.

[0205] In an embodiment, the example method 700 may further include an operation of receiving, from the network device, the length of the length-adaptive sequence, and an operation of determining the second segment of the length-adaptive sequence according to the length of the length-adaptive sequence. The more details have been described in the above descriptions with respect to at least the second segment 247 and the length 270, and repetitive descriptions thereof are omitted here.

[0206] In an embodiment, the pilot sequence may be a complex exponential sequence. The more details have been described in the above descriptions with respect to at least the pilot sequence 230, and repetitive descriptions thereof are omitted here.

[0207] FIG. 8 shows a flow chart illustrating an example method 800 for UE device activity detection according to an embodiment of the present disclosure. The example method 800 may be performed for example at a network device in a wireless network such as the network device 220 at the BS 110.

[0208] Referring to the FIG. 8, the example method 800 may include an operation 810 of assigning, to respective UE device of a set of UE devices in the wireless network, an exclusive pilot sequence out of a set of pilot sequences, an operation 820 of receiving, from an active subset of active UE devices out of the set of UE devices, a first segment of a superimposed signal comprising a first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences, wherein the exclusive pilot sequence is encoded to be an encoded pilot sequence by a corresponding active UE device of the active subset, based on CSI of an UL channel associated with the corresponding active UE device, an operation 830 of estimating a number of the active UE devices based on the first segment of the superimposed signal, and an operation 840 of determining whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active UE devices and a number of the UE devices of the set of UE devices.

[0209] Details of the operation 810 have been described in the above descriptions with respect to at least the pilot sequence 230, and repetitive descriptions thereof are omitted here.

[0210] Details of the operation 820 have been described in the above descriptions with respect to at least the pilot sequence 230, the operation 235, the operation 240, the first segment 245, and the length-adaptive sequence 250, and repetitive descriptions thereof are omitted here.

[0211] Details of the operation 830 have been described in the above descriptions with respect to at least the operation 255, and repetitive descriptions thereof are omitted here.

[0212] Details of the operation 840 have been described in the above descriptions with respect to at least the operation 260, and repetitive descriptions thereof are omitted here.

[0213] In an embodiment, the example method 800 may further include an operation of determining a length of the length-adaptive sequence based on the estimated number of the active  UE devices of the active subset and the determined traffic pattern, details of which have been described in the above descriptions with respect to at least the operation 265, and repetitive descriptions thereof are omitted here, an operation of broadcasting, to the set of UE devices, the determined length of the length-adaptive sequence through a common downlink channel, details of which have been described in the above descriptions with respect to at least the length 270, and repetitive descriptions thereof are omitted here, and an operation of receiving, from the active subset of the active UE devices out of the set of UE devices, a second segment of the superimposed signal comprising the second segment of the plurality of respective length-adaptive sequences, details of which have been described in the above descriptions with respect to at least the second segment 247, and repetitive descriptions thereof are omitted here.

[0214] In an embodiment, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of the active subset in case where the determined traffic pattern is the low traffic pattern. The more details have been described in the above descriptions with respect to at least the operation 265, and repetitive descriptions thereof are omitted here.

[0215] In an embodiment, the length of the length-adaptive sequence may be equal to or longer than one plus a cardinality of a silent subset of silent UE devices out of the set of UE devices in case where the determined traffic pattern is the high traffic pattern, wherein the silent UE devices are different from the active UE devices. The more details have been described in the above descriptions with respect to at least the operation 265, and repetitive descriptions thereof are omitted here.

[0216] In an embodiment, the example method 800 may further include an operation of adapting UE device activity detection to the determined traffic pattern based on either the superimposed signal or the first segment of the superimposed signal. The more details have been described in the above descriptions with respect to at least the operation 280, and repetitive descriptions thereof are omitted here.

[0217] In an embodiment, the operation of adapting UE device activity detection to the determined traffic pattern may include an operation of determining a first nonnegative vector containing activity information of the active subset of active UE devices, based on the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the low traffic pattern, details of which have been  described in the above descriptions with respect to at least the operation 282, the operation 445, and the operation 540, and repetitive descriptions thereof are omitted here, and an operation of identifying the active subset of the active UE devices from a support of the first nonnegative vector, details of which have been described in the above descriptions with respect to at least the operation 284, the operation 450, and the operation 545, and repetitive descriptions thereof are omitted here.

[0218] In an embodiment, the first nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square. The more details have been described in the above descriptions with respect to at least the operation 282, and repetitive descriptions thereof are omitted here.

[0219] In an embodiment, the operation of adapting UE device activity detection to the determined traffic pattern may include an operation of determining a second nonnegative vector containing silence information of a silent subset of silent UE devices out of the set of UE devices, based on the set of pilot sequences and a transferred version of either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the high traffic pattern, wherein the silent UE devices are different from the active UE devices, details of which have been described in the above descriptions with respect to at least the operation 282, the operation 435, and the operation 530, and repetitive descriptions thereof are omitted here, an operation of identifying the silent subset of silent UE devices from a support of the second nonnegative vector and an operation of identifying the active subset of the active user equipment devices based on the identified silent subset, details of which have been described in the above descriptions with respect to at least the operation 284, the operation 440, and the operation 535, and repetitive descriptions thereof are omitted here.

[0220] In an embodiment, the transferred version of either the superimposed signal or the first segment of the superimposed signal may amount to a difference between a weighted sum of the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal. The more details have been described in the above descriptions with respect to at least the operation 280, and repetitive descriptions thereof are omitted here.

[0221] In an embodiment, the second nonnegative vector may be determined by searching an optimal nonnegative vector in a sense of least square. The more details have been described in  the above descriptions with respect to at least the operation 282, and repetitive descriptions thereof are omitted here.

[0222] In an embodiment, the pilot sequence may be a complex exponential sequence. The more details have been described in the above descriptions with respect to at least the pilot sequence 230, and repetitive descriptions thereof are omitted here.

[0223] In an embodiment, the first segment of the length-adaptive sequence may comprise at least a first symbol of the length-adaptive sequence. The more details have been described in the above descriptions with respect to at least the first segment 245, and repetitive descriptions thereof are omitted here.

[0224] FIG. 9 shows a block diagram illustrating an example device 900 for UE device activity detection according to an embodiment of the present disclosure. The device, for example, may be at least part of the UE device 210 in the above examples.

[0225] As shown in the FIG. 9, the example device 900 may include at least one processor 910 and at least one memory 920 that may include computer program code 930. The at least one memory 920 and the computer program code 930 may be configured to, with the at least one processor 910, cause the device 900 at least to perform at least one of the example method 700 described above.

[0226] In various example embodiments, the at least one processor 910 in the example device 900 may include, but not limited to, at least one hardware processor, including at least one microprocessor such as a central processing unit (CPU) , a portion of at least one hardware processor, and any other suitable dedicated processor such as those developed based on for example Field Programmable Gate Array (FPGA) and Application Specific Integrated Circuit (ASIC) . Further, the at least one processor 910 may also include at least one other circuitry or element not shown in the FIG. 9.

[0227] In various example embodiments, the at least one memory 920 in the example device 900 may include at least one storage medium in various forms, such as a volatile memory and / or a non-volatile memory. The volatile memory may include, but not limited to, for example, a random-access memory (RAM) , a cache, and so on. The non-volatile memory may include, but not limited to, for example, a read only memory (ROM) , a hard disk, a flash memory, and so on. Further, the at least memory 920 may include, but are not limited to, an electric, a magnetic, an  optical, an electromagnetic, an infrared, or a semiconductor system, device, or device or any combination of the above.

[0228] Further, in various example embodiments, the example device 900 may also include at least one other circuitry, element, and interface, for example at least one I / O interface, at least one antenna element, and the like.

[0229] In various example embodiments, the circuitries, parts, elements, and interfaces in the example device 900, including the at least one processor 910 and the at least one memory 920, may be coupled together via any suitable connections including, but not limited to, buses, crossbars, wiring and / or wireless lines, in any suitable ways, for example electrically, magnetically, optically, electromagnetically, and the like.

[0230] It is appreciated that the structure of the device on the side of the UE device 210 is not limited to the above example device 900.

[0231] FIG. 10 shows a block diagram illustrating an example device 1000 for UE device activity detection according to an embodiment of the present disclosure. The device, for example, may be at least part of the network device 220 in the above examples.

[0232] As shown in the FIG. 10, the example device 1000 may include at least one processor 1010 and at least one memory 1020 that may include computer program code 1030. The at least one memory 1020 and the computer program code 1030 may be configured to, with the at least one processor 1010, cause the device 1000 at least to perform the example method 800 described above.

[0233] In various example embodiments, the at least one processor 1010 in the example device 1000 may include, but not limited to, at least one hardware processor, including at least one microprocessor such as a central processing unit (CPU) , a portion of at least one hardware processor, and any other suitable dedicated processor such as those developed based on for example Field Programmable Gate Array (FPGA) and Application Specific Integrated Circuit (ASIC) . Further, the at least one processor 1010 may also include at least one other circuitry or element not shown in the FIG. 10.

[0234] In various example embodiments, the at least one memory 1020 in the example device 1000 may include at least one storage medium in various forms, such as a volatile memory and / or a non-volatile memory. The volatile memory may include, but not limited to, for example, a  random-access memory (RAM) , a cache, and so on. The non-volatile memory may include, but not limited to, for example, a read only memory (ROM) , a hard disk, a flash memory, and so on. Further, the at least memory 1020 may include, but are not limited to, an electric, a magnetic, an optical, an electromagnetic, an infrared, or a semiconductor system, device, or device or any combination of the above.

[0235] Further, in various example embodiments, the example device 1000 may also include at least one other circuitry, element, and interface, for example at least one I / O interface, at least one antenna element, and the like.

[0236] In various example embodiments, the circuitries, parts, elements, and interfaces in the example device 1000, including the at least one processor 1010 and the at least one memory 1020, may be coupled together via any suitable connections including, but not limited to, buses, crossbars, wiring and / or wireless lines, in any suitable ways, for example electrically, magnetically, optically, electromagnetically, and the like.

[0237] It is appreciated that the structure of the device on the side of the UE 210 is not limited to the above example device 1000.

[0238] FIG. 11 shows a block diagram illustrating an example device 1100 for user equipment device activity detection according to an embodiment of the present disclosure. The device, for example, may be at least part of the UE device 210 in the above examples.

[0239] As shown in the FIG. 11, the example device 1100 may include means 1110 for performing the operation 710 of the example method 700, and means 1120 for performing the operation 720 of the example method 700. In one or more another example embodiments, at least one I / O interface, at least one antenna element, and the like may also be included in the example device 1100.

[0240] In some example embodiments, examples of means in the example device 1100 may include circuitries. For example, an example of means 1110 may include a circuitry configured to perform the operation 710 of the example method 700, and an example of means 1120 may include a circuitry configured to perform the operation 720 of the example method 700. In some example embodiments, examples of means may also include software modules and any other suitable function entities.

[0241] FIG. 12 shows a block diagram illustrating an example device 1200 for user equipment  device activity detection according to an embodiment of the present disclosure. The device, for example, may be at least part of the network device 220 in the above examples.

[0242] As shown in the FIG. 12, the example device 1200 may include means 1210 for performing the operation 810 of the example method 800, means 1220 for performing the operation 820 of the example method 800, means 1230 for performing the operation 830 of the example method 800, and means 1240 for performing the operation 840 of the example method 800. In one or more another example embodiments, at least one I / O interface, at least one antenna element, and the like may also be included in the example device 1200.

[0243] In some example embodiments, examples of means in the example device 1200 may include circuitries. For example, an example of means 1210 may include a circuitry configured to perform the operation 810 of the example method 800, an example of means 1220 may include a circuitry configured to perform the operation 820 of the example method 800, an example of means 1230 may include a circuitry configured to perform the operation 830 of the example method 800, and an example of means 1240 may include a circuitry configured to perform the operation 840 of the example method 800. In some example embodiments, examples of means may also include software modules and any other suitable function entities.

[0244] The term “circuitry” throughout this disclosure may refer to one or more or all of the following: (a) hardware-only circuit implementations (such as implementations in only analog and / or digital circuitry) ; (b) combinations of hardware circuits and software, such as (as applicable) (i) a combination of analog and / or digital hardware circuit (s) with software / firmware and (ii) any portions of hardware processor (s) with software (including digital signal processor (s) ) , software, and memory (ies) that work together to cause a device, such as a mobile phone or server, to perform various functions) ; and (c) hardware circuit (s) and or processor (s) , such as a microprocessor (s) or a portion of a microprocessor (s) , that requires software (e.g., firmware) for operation, but the software may not be present when it is not needed for operation. This definition of circuitry applies to one or all uses of this term in this disclosure, including in any claims. As a further example, as used in this disclosure, the term circuitry also covers an implementation of merely a hardware circuit or processor (or multiple processors) or portion of a hardware circuit or processor and its (or their) accompanying software and / or firmware. The term circuitry also covers, for example and if applicable to the claim element, a baseband  integrated circuit or processor integrated circuit for a mobile device or a similar integrated circuit in server, a cellular network device, or other computing or network device.

[0245] Another example embodiment may relate to computer program codes or instructions which may cause a device to perform at least respective methods described above. Another example embodiment may be related to a computer readable medium having such computer program codes or instructions stored thereon. In some embodiments, such a computer readable medium may include at least one storage medium in various forms such as a volatile memory and / or a non-volatile memory. The volatile memory may include, but not limited to, for example, a RAM, a cache, and so on. The non-volatile memory may include, but not limited to, a ROM, a hard disk, a flash memory, and so on. The non-volatile memory may also include, but are not limited to, an electric, a magnetic, an optical, an electromagnetic, an infrared, or a semiconductor system, device, or device or any combination of the above.

[0246] Unless the context clearly requires otherwise, throughout the description and the claims, the words “comprise, ” “comprising, ” and the like are to be construed in an inclusive sense, as opposed to an exclusive or exhaustive sense; that is to say, in the sense of “including, but not limited to. ” The word “coupled” , as generally used herein, refers to two or more elements that may be either directly connected, or connected by way of one or more intermediate elements. Likewise, the word “connected” , as generally used herein, refers to two or more elements that may be either directly connected, or connected by way of one or more intermediate elements. Additionally, the words “herein, ” “above, ” “below, ” and words of similar import, when used in this application, shall refer to this application as a whole and not to any particular portions of this application. Where the context permits, words in the description using the singular or plural number may also include the plural or singular number respectively. The word “or” in reference to a list of two or more items, that word covers all of the following interpretations of the word: any of the items in the list, all of the items in the list, and any combination of the items in the list.

[0247] Moreover, conditional language used herein, such as, among others, “can, ” “could, ” “might, ” “may, ” “e.g., ” “for example, ” “such as” and the like, unless specifically stated otherwise, or otherwise understood within the context as used, is generally intended to convey that certain embodiments include, while other embodiments do not include, certain features, elements and / or states. Thus, such conditional language is not generally intended to imply that features, elements  and / or states are in any way required for one or more embodiments or that one or more embodiments necessarily include logic for deciding, with or without author input or prompting, whether these features, elements and / or states are included or are to be performed in any particular embodiment.

[0248] As used herein, the term "determine / determining" (and grammatical variants thereof) can include, not least: calculating, computing, processing, deriving, measuring, investigating, looking up (for example, looking up in a table, a database or another data structure) , ascertaining and the like. Also, "determining" can include receiving (for example, receiving information) , accessing (for example, accessing data in a memory) , obtaining and the like. Also, "determine / determining" can include resolving, selecting, choosing, establishing, and the like.

[0249] While some embodiments have been described, these embodiments have been presented by way of example, and are not intended to limit the scope of the disclosure. Indeed, the device, methods, and systems described herein may be embodied in a variety of other forms; furthermore, various omissions, substitutions and changes in the form of the methods and systems described herein may be made without departing from the spirit of the disclosure. For example, while blocks are presented in a given arrangement, alternative embodiments may perform similar functionalities with different components and / or circuit topologies, and some blocks may be deleted, moved, added, subdivided, combined, and / or modified. At least one of these blocks may be implemented in a variety of different ways. The order of these blocks may also be changed. Any suitable combination of the elements and acts of the some embodiments described above can be combined to provide further embodiments. The accompanying claims and their equivalents are intended to cover such forms or modifications as would fall within the scope and spirit of the disclosure.

[0250] Abbreviations used in the description and / or in the figures are defined as follows:

[0251] BS          base station

[0252] cMTC        critical machine type communication

[0253] CSI         channel state information

[0254] DL          downlink

[0255] FDD         frequency division duplex

[0256] ID          identifier

[0257] IoT          internet of things

[0258] NLS          nonnegative least square

[0259] OFDM         orthogonal frequency division multiplexing

[0260] PRACH        physical random access channel

[0261] RAN          radio access network

[0262] RE           resource element

[0263] Rx           reception

[0264] SNR          signal-to-noise ratio

[0265] TDD          time division duplex

[0266] Tx           transmission

[0267] UE           user equipment

[0268] UL           uplink

[0269] URLLC        ultra reliable and low latency communication

Claims

1.A method performed by a user equipment device in a wireless network, comprising:encoding a pilot sequence based on channel state information of an associated uplink channel to a network device in the wireless network; andtransmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence,wherein a length of the length-adaptive sequence is determined according to a number of active user equipment devices out of a set of user equipment devices in the wireless network, and the length-adaptive sequence comprises activity information of the user equipment device represented in terms of a value in the length-adaptive sequence received through the associated uplink channel.2.The method of claim 1, wherein the transmission of the length-adaptive sequence comprises:partitioning the length-adaptive sequence into a first segment and a second segment; andtransmitting the first segment and the second segment in separate and sequential time slots.3.The method of claim 2, wherein the first segment of the length-adaptive sequence comprises at least a first symbol of the length-adaptive sequence and enables the network device to estimate the number of active user equipment devices out of the set of user equipment devices.4.The method of claim 2, further comprising:receiving, from the network device, the length of the length-adaptive sequence; anddetermining the second segment of the length-adaptive sequence according to the length of the length-adaptive sequence.5.The method of any of claims 1 to 4, wherein the pilot sequence is a complex exponential sequence.6.A method performed by a network device in a wireless network, comprising:assigning, to respective user equipment device of a set of user equipment devices in the wireless network, an exclusive pilot sequence out of a set of pilot sequences;receiving, from an active subset of active user equipment devices out of the set of user equipment devices, a first segment of a superimposed signal comprising a first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences, wherein the exclusive pilot sequence is encoded to be an encoded pilot sequence by a corresponding active user equipment device of the active subset, based on channel state information of an uplink channel associated with the corresponding active user equipment device;estimating a number of the active user equipment devices based on the first segment of the superimposed signal; anddetermining whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active user equipment devices and a number of the user equipment devices of the set of user equipment devices.7.The method of claim 6, further comprising:determining a length of the length-adaptive sequence based on the estimated number of the active user equipment devices of the active subset and the determined traffic pattern;broadcasting, to the set of user equipment devices, the determined length of the length-adaptive sequence through a common downlink channel; andreceiving, from the active subset of the active user equipment devices out of the set of user equipment devices, a second segment of the superimposed signal comprising the second segment of the plurality of respective length-adaptive sequences.8.The method of claim 7, wherein the length of the length-adaptive sequence is equal to or longer than one plus a cardinality of the active subset in case where the determined traffic pattern is the low traffic pattern.9.The method of claim 7, wherein the length of the length-adaptive sequence is equal to or longer than one plus a cardinality of a silent subset of silent user equipment devices out of the  set of user equipment devices in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices.10.The method of any claims 6 to 9, further comprising:adapting user equipment device activity detection to the determined traffic pattern based on either the superimposed signal or the first segment of the superimposed signal.11.The method of claim 10, wherein the adapting user equipment device activity detection to the determined traffic pattern comprises:determining a first nonnegative vector containing activity information of the active subset of active user equipment devices, based on the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the low traffic pattern; andidentifying the active subset of the active user equipment devices from a support of the first nonnegative vector.12.The method of claim 11, wherein the first nonnegative vector is determined by searching an optimal nonnegative vector in a sense of least square.13.The method of claim 10, wherein the adapting user equipment device activity detection to the determined traffic pattern comprises:determining a second nonnegative vector containing silence information of a silent subset of silent user equipment devices out of the set of user equipment devices, based on the set of pilot sequences and a transferred version of either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices;identifying the silent subset of silent user equipment devices from a support of the second nonnegative vector; andidentifying the active subset of the active user equipment devices based on the identified  silent subset.14.The method of claim 13, wherein the transferred version of either the superimposed signal or the first segment of the superimposed signal amounts to a difference between a weighted sum of the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal.15.The method of claim 13 or 14, wherein the second nonnegative vector is determined by searching an optimal nonnegative vector in a sense of least square.16.The method of any of claims 6 to 15, wherein the pilot sequence is a complex exponential sequence.17.The method of any of claims 6 to 16, wherein the first segment of the length-adaptive sequence comprises at least a first symbol of the length-adaptive sequence.18.A device comprising:at least one processor; andat least one memory comprising computer program code, the at least one memory and the computer program code being configured to, with the at least one processor, cause the device as a user equipment device in a wireless network to perform:encoding a pilot sequence based on channel state information of an associated uplink channel to a network device in the wireless network; andtransmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence,wherein a length of the length-adaptive sequence is determined according to a number of active user equipment devices out of a set of user equipment devices in the wireless network, and the length-adaptive sequence comprises activity information of the user equipment device represented in terms of a value in the length-adaptive sequence received through the associated uplink channel.19.The device of claim 18, wherein the transmission of the length-adaptive sequence comprises:partitioning the length-adaptive sequence into a first segment and a second segment; andtransmitting the first segment and the second segment in separate and sequential time slots.20.The device of claim 19, wherein the first segment of the length-adaptive sequence comprises at least a first symbol of the length-adaptive sequence and enables the network device to estimate the number of active user equipment devices out of the set of user equipment devices.21.The device of claim 19, wherein the at least one memory and the computer program code are further configured to, with the at least one processor, cause the device to further perform:receiving, from the network device, the length of the length-adaptive sequence; anddetermining the second segment of the length-adaptive sequence according to the length of the length-adaptive sequence.22.The device of any of claims 18 to 21, wherein the pilot sequence is a complex exponential sequence.23.A device comprising:at least one processor; andat least one memory comprising computer program code, the at least one memory and the computer program code being configured to, with the at least one processor, cause the device as a network device in a wireless network to perform:assigning, to respective user equipment device of a set of user equipment devices in the wireless network, an exclusive pilot sequence out of a set of pilot sequences;receiving, from an active subset of active user equipment devices out of the set of user equipment devices, a first segment of a superimposed signal comprising a first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences, wherein the exclusive pilot sequence is encoded to be an encoded pilot sequence by a corresponding active  user equipment device of the active subset, based on channel state information of an uplink channel associated with the corresponding active user equipment device;estimating a number of the active user equipment devices based on the first segment of the superimposed signal; anddetermining whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active user equipment devices and a number of the user equipment devices of the set of user equipment devices.24.The device of claim 23, wherein the at least one memory and the computer program code are further configured to, with the at least one processor, cause the device to further perform:determining a length of the length-adaptive sequence based on the estimated number of the active user equipment devices of the active subset and the determined traffic pattern;broadcasting, to the set of user equipment devices, the determined length of the length-adaptive sequence through a common downlink channel; andreceiving, from the active subset of the active user equipment devices out of the set of user equipment devices, a second segment of the superimposed signal comprising the second segment of the plurality of respective length-adaptive sequences.25.The device of claim 24, wherein the length of the length-adaptive sequence is equal to or longer than one plus a cardinality of the active subset in case where the determined traffic pattern is the low traffic pattern.26.The device of claim 24, wherein the length of the length-adaptive sequence is equal to or longer than one plus a cardinality of a silent subset of silent user equipment devices out of the set of user equipment devices in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices.27.The device of any claims 23 to 26, wherein the at least one memory and the computer program code are further configured to, with the at least one processor, cause the device to further  perform:adapting user equipment device activity detection to the determined traffic pattern based on either the superimposed signal or the first segment of the superimposed signal.28.The device of claim 27, wherein the adapting user equipment device activity detection to the determined traffic pattern comprises:determining a first nonnegative vector containing activity information of the active subset of active user equipment devices, based on the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the low traffic pattern; andidentifying the active subset of the active user equipment devices from a support of the first nonnegative vector.29.The device of claim 28, wherein the first nonnegative vector is determined by searching an optimal nonnegative vector in a sense of least square.30.The device of claim 27, wherein the adapting user equipment device activity detection to the determined traffic pattern comprises:determining a second nonnegative vector containing silence information of a silent subset of silent user equipment devices out of the set of user equipment devices, based on the set of pilot sequences and a transferred version of either the superimposed signal or the first segment of the superimposed signal in case where the determined traffic pattern is the high traffic pattern, wherein the silent user equipment devices are different from the active user equipment devices;identifying the silent subset of silent user equipment devices from a support of the second nonnegative vector; andidentifying the active subset of the active user equipment devices based on the identified silent subset.31.The device of claim 30, wherein the transferred version of either the superimposed signal or the first segment of the superimposed signal amounts to a difference between a  weighted sum of the set of pilot sequences and either the superimposed signal or the first segment of the superimposed signal.32.The device of claim 30 or 31, wherein the second nonnegative vector is determined by searching an optimal nonnegative vector in a sense of least square.33.The device of any of claims 23 to 32, wherein the pilot sequence is a complex exponential sequence.34.The device of any of claims 23 to 33, wherein the first segment of the length-adaptive sequence comprises at least a first symbol of the length-adaptive sequence.35.A device as a user equipment device in a wireless network comprising:means for encoding a pilot sequence based on channel state information of an associated uplink channel to a network device in the wireless network; andmeans for transmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence,wherein a length of the length-adaptive sequence is determined according to a number of active user equipment devices out of a set of user equipment devices in the wireless network, and the length-adaptive sequence comprises activity information of the user equipment device represented in terms of a value in the length-adaptive sequence received through the associated uplink channel.36.A device as a network device in a wireless network comprising:means for assigning, to respective user equipment device of a set of user equipment devices in the wireless network, an exclusive pilot sequence out of a set of pilot sequences;means for receiving, from an active subset of active user equipment devices out of the set of user equipment devices, a first segment of a superimposed signal comprising a first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences, wherein the exclusive pilot sequence is encoded to be an encoded pilot sequence by a corresponding active  user equipment device of the active subset, based on channel state information of an uplink channel associated with the corresponding active user equipment device;means for estimating a number of the active user equipment devices based on the first segment of the superimposed signal; andmeans for determining whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active user equipment devices and a number of the user equipment devices of the set of user equipment devices.37.A computer readable medium comprising program instructions for causing a device as a user equipment device in a wireless network to perform:encoding a pilot sequence based on channel state information of an associated uplink channel to a network device in the wireless network; andtransmitting, to the network device, a length-adaptive sequence of the encoded pilot sequence,wherein a length of the length-adaptive sequence is determined according to a number of active user equipment devices out of a set of user equipment devices in the wireless network, and the length-adaptive sequence comprises activity information of the user equipment device represented in terms of a value in the length-adaptive sequence received through the associated uplink channel.38.A computer readable medium comprising program instructions for causing a device as a network device to perform:assigning, to respective user equipment device of a set of user equipment devices in the wireless network, an exclusive pilot sequence out of a set of pilot sequences;receiving, from an active subset of active user equipment devices out of the set of user equipment devices, a first segment of a superimposed signal comprising a first segment of a plurality of respective length-adaptive sequences of encoded pilot sequences, wherein the exclusive pilot sequence is encoded to be an encoded pilot sequence by a corresponding active user equipment device of the active subset, based on channel state information of an uplink channel associated with the corresponding active user equipment device;estimating a number of the active user equipment devices based on the first segment of the superimposed signal; anddetermining whether a traffic pattern is a low traffic pattern or a high traffic pattern, based on the estimated number of the active user equipment devices and a number of the user equipment devices of the set of user equipment devices.

Images