User equipment positioning

Abstract

Systems, methods, and apparatus for wireless communication are described. An example method includes receiving, by a network data analytics function (NWDAF), a location-related data associated with a user equipment (UE) or a group of UEs. The method further includes providing, by the NWDAF, the location-related data associated with the UE or the group of UEs as an input to training a machine learning (ML) model. Another example method includes receiving, by a NWDAF, a model request for a ML model or an analytics request for a location of an objective UE or a group of objective UEs. The method further includes transmitting, by the NWDAF and in response to the model request or the analytics request, the ML model or an analytics output of the location of the objective UE or the group of objective UEs, where the analytics output is obtained based on the ML model.

Description

USER EQUIPMENT POSITIONINGTECHNICAL FIELD

[0001] This patent document is directed generally to wireless communications.BACKGROUND

[0002] Mobile telecommunication technologies are moving the world toward an increasingly connected and networked society. In comparison with the existing wireless networks, next-generation systems and wireless communication techniques will need to support a much wider range of use-case characteristics and provide a more complex and sophisticated range of access requirements and flexibilities.

[0003] Long-Term Evolution (LTE) is a standard for wireless communication for mobile devices and data terminals developed by 3rd Generation Partnership Project (3GPP) . LTE Advanced (LTE-A) is a wireless communication standard that enhances the LTE standard. The 5th generation of wireless system, known as 5G, advances the LTE and LTE-A wireless standards and is committed to supporting higher data rates, large number of connections, ultra-low latency, high reliability, and other emerging business needs.SUMMARY

[0004] This patent document discloses user equipment (UE) positioning with artificial intelligence (AI) and / or machine learning (ML) . A Network Data Analytics Function (NWDAF) trains an AI / ML model using location-related data from other NWDAFs, UEs, Radio Access Networks (RANs) , Access and Mobility Management Functions (AMFs) , Application Functions (AFs) , Operations, Administration and Maintenance (OAM) nodes, and Location Management Functions (LMFs) . After the AI / ML model training is completed, a service consumer, such as a LMF, can subscribe to the NWDAF to obtain the positions of an objective UE or a group of objective UEs. Alternatively, the service consumer can obtain the trained AI / ML model and perform the inference itself.

[0005] A first example wireless communication method includes receiving, by a network data analytics function (NWDAF) , a location-related data associated with a user equipment (UE) or a group of UEs. The method further includes providing, by the NWDAF, the location-related data associated with the UE or the group of UEs as an input to training a machine learning (ML) model.

[0006] A second example wireless communication method includes receiving, by a network data analytics function (NWDAF) , a model request for a machine learning (ML) model or an analytics request for a location of an objective user equipment (UE) or a group of objective UEs. The method further includes transmitting, by the NWDAF and in response to the model request or the analytics request, at least one of the following: the ML model trained with a location-related data associated with a UE or a group of UEs; or an analytics output of the location of the objective UE or the group of objective UEs, where the analytics output is obtained based on the ML model.

[0007] A third example wireless communication method includes receiving, by a location management function (LMF) , a request for a location-related data associated with a user equipment (UE) , a group of UEs, an objective UE, or a group of objective UEs. The method further includes receiving, by the LMF and in response to the request, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs. The method further includes transmitting, by the LMF, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs.

[0008] A fourth example wireless communication method includes transmitting, by a network data analytics function (NWDAF) , a registration request informing a network repository function (NRF) of a network function (NF) profile when a NF service consumer associated with the NF profile initially becomes operative. The method further includes receiving, by the NWDAF and in response to the registration request, a registration response.

[0009] A fifth example wireless communication method includes transmitting, by a network data analytics function (NWDAF) , an update request informing a network repository function (NRF) of an updated network function (NF) profile associated with a NF service consumer. The method further includes receiving, by the NWDAF and in response to the update request, an update response.

[0010] Note that where the patent document discloses a method of transmitting an information by a first device to a second device, it will be understood that a method of receiving the information by the second device from the first device is also disclosed.

[0011] In yet another example embodiment, a device that is configured or operable to perform the above-described methods is disclosed. The device includes at least one processor configured to implement the above-described methods.

[0012] In yet another example embodiment, the above-described methods are embodied in the form of processor-executable code and stored in a non-transitory computer-readable storage medium. The code included in the computer readable storage medium when executed by a processor, causes the processor to implement the methods described in this patent document.

[0013] The above and other aspects and their implementations are described in greater detail in the drawings, the descriptions, and the claims.BRIEF DESCRIPTION OF THE DRAWINGS

[0014] FIG. 1 illustrates an example 5th generation core (5GC) architecture.

[0015] FIG. 2 illustrates an example data collection architecture.

[0016] FIG. 3 illustrates an example network data analytics architecture.

[0017] FIG. 4 illustrates an example data collection architecture with a data collection coordination function (DCCF) .

[0018] FIG. 5 illustrates an example network data analytics architecture with a DCCF.

[0019] FIG. 6 illustrates an example network data analytics function (NWDAF) registration procedure.

[0020] FIG. 7 illustrates an example NWDAF network function (NF) profile update procedure.

[0021] FIG. 8 illustrates an example direct artificial intelligence (AI) and / or machine learning (ML) positioning procedure.

[0022] FIG. 9 and FIG. 10 illustrate example location-related data.

[0023] FIG. 11 illustrates an example service consumer subscription procedure.

[0024] FIG. 12 is an example flowchart for training an AI / ML model.

[0025] FIG. 13 is an example flowchart for responding to a service consumer request.

[0026] FIG. 14 is an example flowchart for providing location-related data.

[0027] FIG. 15 is an example flowchart for registering a NF profile.

[0028] FIG. 16 is an example flowchart for updating a NF profile.

[0029] FIG. 17 illustrates an example block diagram of a hardware platform that may be a part of a network device or a wireless device.

[0030] FIG. 18 illustrates example wireless communication including a Base Station (BS) and User Equipments (UEs) based on some implementations of the disclosed technology.DETAILED DESCRIPTION

[0031] The example headings for the various sections below are used to facilitate the understanding of the disclosed subject matter and do not limit the scope of the claimed subject matter in any way. Accordingly, one or more features of one example section can be combined with one or more features of another example section. Furthermore, 5G terminology is used for the sake of clarity of explanation, but the techniques disclosed in the present document are not limited to 5G technology only and may be used in wireless systems that implemented other protocols.

[0032] I. Introduction

[0033] The present patent document discloses direct user equipment (UE) positioning using artificial intelligence (AI) and / or machine learning (ML) . The disclosed methods improve, among other benefits, the positioning accuracy.

[0034] The accuracy of legacy positioning methods to locate user equipment (UE) in a 5th generation (5G) system (5GS) is not enough. The artificial intelligence (AI) positioning method introduced in the present document achieves accuracy enhancement, among other benefits.

[0035] This patent document focuses on Location Management Function (LMF) -side model training and inference procedures, which include Network Data Analytics Function (NWDAF) collecting training data from  UE and radio access network (RAN) as well as ground truth label from application function (AF) , Operations, Administration and Maintenance (OAM) or LMF. The output of the machine learning (ML) model is the UE location.

[0036] After the ML model training process is completed by the NWDAF, the LMF can subscribe to the NWDAF to obtain the position of UE / a group of UEs or it can obtain the trained ML model and perform the inference itself.

[0037] FIG. 1 shows the architecture of a 5G core (5GC) system. In this architecture, there are the following functions:

[0038] 1) UE, User Equipment.

[0039] 2) RAN, Radio Access Network. The RAN manages the radio resource and delivers the user data received over the N3 interface to UE and delivers the user data from UE over the N3 interface. The RAN performs mapping between DRBs (Dedicated Radio Bearers) and the quality of service (QoS) flows in the Packet Data Unit (PDU) session.

[0040] 3) AMF, Access and Mobility Management function. This function includes the following functionalities: Registration management, Connection management, Reachability management and Mobility Management. This function also performs access authentication and access authorization. The AMF is the non-access stratum (NAS) security termination and relays the Session Management (SM) NAS between UE and Session Management Function (SMF) , etc.

[0041] 4) SMF, Session Management Function. This function includes the following functionalities: session establishment, modification and release, UE internet protocol (IP) address allocation &management (including optional authorization functions) , selection and control of user plane (UP) function (UPF) , downlink data notification, etc. The SMF controls the UPF via N4 interface association. The SMF provides PDR (Packet Detection Rule) to UPF to instruct how to detect user data traffic, FAR (Forwarding Action Rule) , QER (QoS Enforcement Rule) and URR (Usage Reporting Rule) to instruct the UPF how to perform the user data traffic forwarding, QoS handling and usage reporting for the user data traffic detected by using the PDR.

[0042] 5) UPF, User plane function. This function includes the following functionalities: serving as an anchor point for intra- / inter-radio access technology (RAT) mobility, packet routing &forwarding, traffic usage reporting, QoS handling for the user plane, downlink packet buffering and downlink data notification triggering, etc. General Packet Radio Services (GPRS) tunneling protocol user plane (GTP-U) tunnel is used over N3 interface between the RAN and UPF. The GTP-U tunnel is per PDU session. For downlink traffic the UPF binds the downlink traffic to QoS flows within the GTP-U tunnel of the PDU session by using the FARs received from SMF. For uplink traffic, the RAN transfer the user plane traffic to QoS flows identified by the UE.

[0043] 6) PCF, Policy Control Function. The PCF provides QoS policy rules to control plane functions (CPFs) to enforce the rules. The PCF (s) transform (s) the AF requests into Policy and Charging Control (PCC) rules that apply to PDU Sessions.

[0044] 7) UDM, Unified Data Management. The UDM performs the generation of the 3rd Generation Partnership Project (3GPP) Authentication and Key Agreement (AKA) Authentication Credential, access authorization based on subscription data, UE's Serving network function (NF) Registration Management (e.g. storing serving AMF for UE, storing serving SMF for UE's PDU Session) and Subscription management, etc. The UDM accesses the Unified Data Repository (UDR) to retrieve UE subscription data and store the UE context in the UDR. UDM and UDR may be deployed together.

[0045] NWDAF (Network Data Analytics Function) is a 5GC NF located on the control plane and performs statistical data analysis (i.e. the distribution information of the datasets) and machine learning-related tasks in 5GS. The NWDAF may interact with different entities for different purposes:

[0046] - Data collection based on subscription to events provided by AMF, SMF, UPF, PCF, UDM, Network Slice Admission Control Function (NSACF) , AF (directly or via Network Exposure Function (NEF) ) and OAM.

[0047] - Analytics and Data collection using the DCCF (Data Collection Coordination Function) .

[0048] - Retrieval of information from data repositories (e.g. UDR via UDM for subscriber-related information or via NEF Packet Flow Detection function (PFDF) for Packet Flow Detection (PFD) information) .

[0049] - Data collection of location information from the Location Services (LCS) system.

[0050] - Storage and retrieval of information from ADRF (Analytics Data Repository Function) .

[0051] - Analytics and Data collection from MFAF (Messaging Framework Adaptor Function) .

[0052] - Retrieval of information about NFs (e.g., from Network Repository Function (NRF) for NF-related information) .

[0053] - On-demand provision of analytics to consumers.

[0054] - Provision of bulked data related to Analytics identifiers ID (s) .

[0055] - Provision of Accuracy information about Analytics ID (s) .

[0056] - Provision of ML model accuracy information or ML model accuracy degradation about an ML Model.

[0057] A single instance or multiple instances of NWDAF may be deployed in a Public Land Mobile Network (PLMN) . An NWDAF may contain the following logical functions:

[0058] - Analytics logical function (AnLF) : A logical function in NWDAF, which performs inference, derives analytics information (i.e., derives statistics and / or predictions based on Analytics Consumer request) and exposes analytics service i.e., Nnwdaf_AnalyticsSubscription or Nnwdaf_AnalyticsInfo.

[0059] - Model Training logical function (MTLF) : A logical function in NWDAF, which trains Machine Learning (ML) models and exposes new training services (e.g., providing trained ML model) .

[0060] A NWDAF can contain an MTLF or an AnLF or both logical functions.

[0061] Data Collection and Coordination Function (DCCF) is also an NF on the control plane of 5GC. The DCCF coordinates the collection and distribution of data requested by NF consumers. It prevents data sources from having to handle multiple subscriptions for the same data and sends multiple notifications containing the same information due to uncoordinated requests from data consumers.

[0062] The DCCF is applicable to:

[0063] - NWDAFs that request data from a Data Source (e.g., for use in computing analytics) .

[0064] - network function (NF) consumers that request analytics from an NWDAF Data Source.

[0065] - NF consumers that request data from an ADRF Data Source.

[0066] - ADRFs that receive data from an NF Data Source.

[0067] FIG. 2 shows a data collection architecture of NWDAF from any 5GC NF. FIG. 3 shows a network data analytics exposure architecture. FIG. 4 shows a data collection architecture with DCCF. FIG. 5 shows a network data analytics exposure architecture with DCCF. FIG. 2 and FIG. 4 illustrate two data collection architectures by NWDAF to enable data analysis and model training. FIG. 3 and FIG. 5 show two possible network data analytics exposure architectures for any NF consumer who subscribes or requests the analytics.

[0068] The definition of AI / ML positioning is given by TR 38.843.

[0069] Direct AI / ML positioning:

[0070] - AI / ML model output: UE location.

[0071] - e.g., fingerprinting based on channel observation as the input of AI / ML model.

[0072] AI / ML assisted positioning:

[0073] - AI / ML model output: new measurement and / or enhancement of existing measurement.

[0074] - e.g., line-of-sight (LOS) and non-line-of-sight (NLOS) LOS / NLOS identification, timing and / or angle of measurement, likelihood of measurement.

[0075] PRU (Position Reference Unit) is a special type of UE for testing purposes.

[0076] II. Embodiment 1

[0077] Embodiment 1 illustrates a NWDAF registration procedure.

[0078] FIG. 6 shows a NWDAF registration procedure.

[0079] 1. NWDAF sends Nnrf_NFManagement_NFRegister Request message to NRF to inform the NRF of its NF profile when the NF service consumer becomes operative for the first time.

[0080] For the NF profile that the NWDAF reports to NRF during registration, it may include an indication  that it supports direct AI / ML positioning, which means it has an inference and training capability of a ML model that outputs UE location. The indication may be an analytic ID related to AI / ML positioning.

[0081] 2. The NRF stores the NF profile of NWDAF and marks the NWDAF as available.

[0082] 3. The NRF acknowledges NWDAF Registration is accepted via Nnrf_NFManagement_NFRegister response.

[0083] III. Embodiment 2

[0084] Embodiment 2 illustrates a NWDAF NF profile update procedure.

[0085] FIG. 7 shows a NWDAF update NF profile procedure.

[0086] 1. NWDAF sends Nnrf_NFManagement_NFUpdate Request message (the updated NF profile of NF service consumer) to NRF to inform the NRF of its updated NF profile (e.g., with updated capacity) when e.g., triggered after a scaling operation.

[0087] For the NF profile that the NWDAF reports to NRF during update, it may remove or add an indication that it supports direct AI / ML positioning, which means it has inference and training capability with a ML model that outputs UE location. The indication may be an analytic ID related to AI / ML positioning.

[0088] 2. The NRF updates the NF profile of NWDAF.

[0089] 3. The NRF acknowledges NWDAF Update is accepted via Nnrf_NFManagement_NFUpdate response.

[0090] IV. Embodiment 3

[0091] Embodiment 3 illustrates an analytic / model provision procedure.

[0092] FIG. 8 shows training of LMF side model (AI / ML direct positioning) .

[0093] 0. The NWDAF consumer discovers an NWDAF that supports AI / ML direct positioning analytic through NRF.

[0094] 1. The NWDAF consumer (e.g. 5GC NF / OAM, LMF) sends an analytic subscription / request to NWDAF, to obtain the AI / ML analytic result (e.g. UE location) or the ML model for direct positioning. In the request or subscription, it may include an objective UE ID or an objective group of UE IDs. The request may aim to obtain objective UE location or the ML model that outputs objective UE location.

[0095] 2. The NWDAF may collect data for model training from 5GC NFs / OAM, as described in FIG. 9.

[0096] 3. The NWDAF conducts further data collection procedure and collects timestamped Global Navigation Satellite System (GNSS) information with accuracy information of the GNSS information of the UE from AF or GPS information from OAM with an accuracy indicator. In the data collection request of step 3, it may include UE ID or a group of UE IDs.

[0097] 4. The NWDAF sends a data collection request to GMLC (Gateway Mobile Location Center) , which includes UE or a group of UE IDs and optionally the type of measurements data and corresponding positioning methods (See green highlights in step below) it requests to collect. It may also request to collect PRU (Position Reference Unit) information with / without a quality indicator of the objective UE or group of UE. It may request to collect other data as listed in FIG. 10.

[0098] Note: NWDAF touches with GMLC at first, and GMLC is part of the LCS.

[0099] The GNSS information and the PRU information can be used as the ground truth data / label for model training in NWDAF.

[0100] 5. The GMLC interacts with UDM (Unified Data Management) and AMF, and the AMF selects a LMF through NRF (Network Repository Function) that serves the objective UE or group of objective UE. The GMLC may forward the ID of NWDAF to AMF during interaction.

[0101] 6. After identifying the LMF that serves objective UE or group of objective UE, the AMF forwards the request with the information sent by NWDAF in step 4 to the LMF. The forward request may include the ID of NWDAF.

[0102] 7. The LMF collects data of the objective UE / a objective group of UE from the objective UE through long-term evolution (LTE) Positioning Protocol (LPP) channel.

[0103] The data collection from UE falls in 3 categories:

[0104] The measurement data may include data related to the objective UE or a group of UE: measurements directly from channel impulse response, such as, CIR / PDP / DP provided by UE measurements (CIR: channel impulse response, PDP: power delay profile, DP: delay profile) . Or measurements other than directly from channel impulse response, such as, the DL-RSTD (downlink (DL) reference signal time difference) , UE receive-transmit (Rx –Tx) time difference, DL positioning reference signal (PRS) Reference Signal Received Power (RSRP)  / RSRPP (DL PRS reference signal received path power)  / Reference Signal Received Quality (RSRQ) , Received Signal Strength Indicator (RSSI) , Signal Interference and Noise Ratio (SINR) , DL-AOD (Angle-of-Departure) , DL RSCP (DL reference signal carrier phase) .

[0105] The corresponding positioning methods related to the objective UE or a group of UE: Method 1: Enhanced Cell ID (ECID) with input of RSRP / RSRQ; method 2: time difference of arrival (TDOA) with input of reference signal time difference (RSTD)  / RSRP / RSRPP etc. ; Method 3: Angle estimation with input of AOD / RSRP; Method 4: Multi-round-trip time (RTT) with input of UE Rx –Tx time difference; Method 5: CPP (Carrier Phase Positioning) with input of RSCP; Method 6: AI model training and inference with input of at least any one of all the above possible measurements.

[0106] Other positioning related information related to the objective UE or a group of UE: Timing stamp for the measurement. The time stamp is intended for at least a timing alignment between the measurement and the ground truth label.

[0107] 8. The LMF collects data of the objective UE / a objective group of UE from RAN via new radio  (NR) Positioning Protocol A (NRPPA) channel.

[0108] The data collection from RAN fall in 3 categories:

[0109] The measurement data related to the objective UE or a group of UE may include: measurements directly from channel impulse response, such as, CIR / PDP / DP provided by RAN (base station, transmission and reception point (TRP) ) measurements (CIR: channel impulse response, PDP: power delay profile, DP: delay profile) . Or measurements other than directly from channel impulse response, such as, the UL-RTOA (UL Relative Time of Arrival) , Timing advance, Base station Rx-Tx Time Difference, UL Sounding Reference Signal (SRS) RSRP / RSRPP (UL SRS reference signal received path power) , UL-AOA (Angle of Arrival) , UL RSCP (UL reference signal carrier phase) .

[0110] The corresponding positioning methods related to the objective UE or a group of UE: Method 1: TDOA with input of RTOA / RSRP / RSRPP / Timing advance etc. ; Method 2: Angle estimation with input of AOA / RSRP; Method 3: Multi-RTT with input of Base station Rx-Tx Time Difference; Method 4: CPP (Carrier Phase Positioning) with input of RSCP; Method 5: AI model training and inference with input of at least any one of all the above possible measurements.

[0111] Other positioning related information related to the objective UE or a group of UE: Timing stamp for the measurement. The time stamp is intended for at least a timing alignment between the measurement and the ground truth label. LOS / NLOS indication.

[0112] 9a. LMF returns the requested data to NWDAF (Only if the GMLC sent the NWDAF ID to AMF in step 5 and AMF forwarded the NWDAF ID to LMF in step 6) .

[0113] 9b. Another returning option would be the LMF send the requested data to AMF which identified the LMF. The AMF then forward the data to NWDAF via GMLC.

[0114] 10. The NWDAF performs model training based on the collected training data. The selection of ground truth label for model training is its internal logic.

[0115] TWO model inference options (one at NWDAF, one at analytic consumer NF) :

[0116] Option A:

[0117] 11. NWDAF performs model inference itself. In this case, it may collect real-time data related to the UE and feed into the model. The model outputs a UE location.

[0118] 12. NWDAF sends the location (s) of the objective UE or a group of UEs to the analytic consumer.

[0119] Option B:

[0120] 11. The NWDAF delivers the trained model to the analytic consumer, with the inference input data information (i.e., input feature / data of the model in order to infer the objective UE or a group of UEs’ location) . In order to deliver the trained model to the analytic consumer, the NWDAF may send a ML Model identifier with ML model file address (e.g. Uniform Resource Locator (URL) or Fully Qualified Domain Name (FQDN) )  with other ML model interoperability information (e.g., requested model file format, model execution environment) and ML Model Filter Information (e.g., Single –Network Slice Selection Assistance Information (S-NSSAI) , Area of Interest) .

[0121] 12. The NWDAF consumer collects the input feature / data for the objective UE or group of UEs and computes the location (s) through the received model in step 8.

[0122] V. Embodiment 4

[0123] Embodiment 4 illustrates a special case of an analytic / model provision procedure if the NWDAF consumer is a LMF.

[0124] FIG. 11 shows training of LMF side model if LMF is the consumer.

[0125] 0. The LMF discovers an NWDAF that supports AI / ML direct positioning analytic through NRF.

[0126] 1. The LMF sends an analytic subscription / request to NWDAF, to obtain the AI / ML analytic result (e.g., UE location) or the ML model for direct positioning. In the request or subscription, it may include an objective UE ID or an objective group of UE IDs. The request may aim to obtain objective UE location or the ML model that outputs objective UE location.

[0127] The LMF may provide training data to NWDAF which include green highlights part in embodiment 3 the PRU information with / without quality indicator and the information listed in FIG. 10.

[0128] 2. The NWDAF may decide to collect data from other NF. The procedures and content of data collection are written in embodiment 3 step 2 / 3.

[0129] 3. The NWDAF performs model training based on the collected training data. The selection of ground truth label for model training is its internal logic.

[0130] 4 / 5. See embodiment 3 step 11 / 12, with two options (Option A and B) .

[0131] A NWDAF can perform one or more of the following functions:

[0132] - Receive analytic request from consumer for UE location / a group of UE location.

[0133] Collect location related data from LMF.

[0134] - Train a model for accurate UE location determination.

[0135] - Send the analytic result (UE / group of UE location) to the analytic consumer or send the trained model to consumer.

[0136] GMLC can perform one or more of the following functions:

[0137] - LMF identification with the objective UE ID or group of UE ID provided.

[0138] - Forward the request of data collection to LMF.

[0139] - Forward the data from LMF to NWDAF.

[0140] LMF can perform one or more of the following functions:

[0141] - Receive the data collection request from NWDAF.

[0142] - Collect data from RAN and UE.

[0143] - Send back the collected data and its own data to NWDAF.

[0144] Service consumer (e.g., 5GC NF (LMF) or OAM) can perform one or more of the following functions:

[0145] - Send analytic request to NWDAF, the request may be to collect a UE model or the analytic result (UE location) .

[0146] - Receive the UE location or the trained model and perform inference itself.

[0147] UE / RAN can perform one or more of the following functions:

[0148] - Provide measurement data to LMF via LPP or NRPPA channel.

[0149] It will be appreciated by one of skill in the art that the disclosed methods are a feasible solution for AI / ML positioning and could improve the accuracy of positioning.

[0150] FIG. 12 is an example flowchart for training an AI / ML model. Operation 1202 includes receiving, by a network data analytics function (NWDAF) , a location-related data associated with a user equipment (UE) or a group of UEs. Operation 1204 includes providing, by the NWDAF, the location-related data associated with the UE or the group of UEs as an input to training a machine learning (ML) model. In some embodiments, the method can be implemented according to Embodiments 3 and 4. In some embodiments, performing further steps of the method can be based on a better system performance than a legacy protocol.

[0151] In some embodiments, receiving the location-related data associated with the UE or the group of UEs includes receiving the location-related data associated with the UE or the group of UEs from a location management function (LMF) or another NWDAF.

[0152] In some embodiments, the LMF transmits the location-related data associated with the UE or the group of UEs if a gateway mobile location center (GMLC) sends a NWDAF identifier (ID) associated with the NWDAF to an access and mobility management function (AMF) and the AMF forwards the NWDAF ID to the LMF.

[0153] In some embodiments, the LMF sends the location-related data associated with the UE or the group of UEs to an access and mobility management function (AMF) that selects the LMF, and the AMF forwards the location-related data associated with the UE or the group of UEs to the NWDAF via a gateway mobile location center (GMLC) .

[0154] FIG. 13 is an example flowchart for responding to a service consumer request. Operation 1302  includes receiving, by a network data analytics function (NWDAF) , a model request for a machine learning (ML) model or an analytics request for a location of an objective user equipment (UE) or a group of objective UEs. Operation 1304 includes transmitting, by the NWDAF and in response to the model request or the analytics request, at least one of the following: the ML model trained with a location-related data associated with a UE or a group of UEs; or an analytics output of the location of the objective UE or the group of objective UEs, where the analytics output is obtained based on the ML model. In some embodiments, the method can be implemented according to Embodiments 3 and 4. In some embodiments, performing further steps of the method can be based on a better system performance than a legacy protocol.

[0155] In some embodiments, the NWDAF further transmits, along with the ML model, at least one of the following: an inference input data information; a ML model identifier; a ML model file address; a ML model interoperability information; or a ML model filter information.

[0156] In some embodiments, the model request or the analytics request is received from and the analytics output or the ML model is transmitted to a service consumer, where the service consumer includes at least one of a 5th generation core (5GC) network function (NF) , a location management function (LMF) , or an operations, administration, and maintenance (OAM) node, and where if the service consumer receives the ML model, the service consumer performs a location inference itself using the ML model to obtain the location of the objective UE or the group of objective UEs.

[0157] In some embodiments, the service consumer discovers the NWDAF that supports an artificial intelligence (AI) or ML direct positioning analytics through a network repository function (NRF) , where the AI or ML direct positioning analytics outputs the ML model that performs a UE location prediction or provides a UE location analytics output.

[0158] In some embodiments, the analytics request includes an identifier (ID) of the objective UE or IDs of the group of objective UEs.

[0159] FIG. 14 is an example flowchart for providing location-related data. Operation 1402 includes receiving, by a location management function (LMF) , a request for a location-related data associated with a user equipment (UE) , a group of UEs, an objective UE, or a group of objective UEs. Operation 1404 includes receiving, by the LMF and in response to the request, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs. Operation 1406 includes transmitting, by the LMF, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs. In some embodiments, the method can be implemented according to Embodiments 3 and 4. In some embodiments, performing further steps of the method can be based on a better system performance than a legacy protocol.

[0160] In some embodiments, the request is relayed by a gateway mobile location center (GMLC) , where the request includes at least one of the following: a UE identifier (ID) ; a fine granularity location; a time stamp; a location service (LCS) quality of service (QoS) ; a location estimate; a velocity estimate; an indoor or outdoor indication; an age of location; a measurement data type; a positioning method; or a position reference unit (PRU) information with or without a quality indicator.

[0161] In some embodiments, the GMLC interacts with an access and mobility management function (AMF) and / or a unified data management (UDM) node, where the AMF selects a LMF that serves an objective UE or a group of objective UEs through a network repository function (NRF) .

[0162] In some embodiments, a location-related data associated with a UE, a group of UEs, an objective UE, or a group of objective UEs includes at least one of the following: a UE identifier (ID) ; a UE location; a UE location trend; a UE location estimate; a time stamp; a UE speed; a UE velocity estimate; a UE orientation; a position reference unit (PRU) information with or without a quality indicator; a timestamped global navigation satellite system (GNSS) information with an accuracy information of the GNSS information; a global positioning system (GPS) information with an accuracy indicator; a location service (LCS) quality of service (QoS) ; an indoor or outdoor indication; an age of location; or an analytics output of another NWDAF with an analytics ID, where the analytics output of the other NWDAF with the analytics ID includes at least one of a relative proximity, a movement behavior analytics, or a location accuracy analytics.

[0163] In some embodiments, a location-related data associated with a UE, a group of UEs, an objective UE, or a group of objective UEs is provided by at least one of an access and mobility management function (AMF) , an application function (AF) , a location management function (LMF) , a network data analytics function (NWDAF) , or an operations, administration, and maintenance (OAM) node.

[0164] In some embodiments, a location-related data associated with a UE, a group of UEs, an objective UE, or a group of objective UEs is provided by the UE, the group of UEs, the objective UE, or the group of objective UEs via a long-term evolution (LTE) positioning protocol (LPP) channel.

[0165] In some embodiments, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs includes a measurement data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, where the measurement data includes at least one of the following: a UE measurement directly from a channel impulse response including a channel impulse response (CIR) , a power delay profile (PDP) , or a delay profile (DP) ; or a measurement other than directly from a channel impulse response including a downlink (DL) reference signal time difference (RSTD) , a UE receive-transmit (Rx-Tx) time difference, a DL positioning reference signal (PRS) , a DL reference signal received power (RSRP) , a DL reference signal received path power (RSRPP) , a DL reference signal received quality (RSRQ) , a DL received signal strength indicator (RSSI) , a DL signal interference and noise ratio (SINR) , a DL angle-of-departure (AOD) , or a DL reference signal carrier phase (RSCP) .

[0166] In some embodiments, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs includes a positioning method associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, where the positioning method includes at least one of the following: an enhanced cell identifier (ECID) with an input of a reference signal received power (RSRP) or a reference signal received quality (RSRQ) ; a time difference of arrival (TDOA) with an input of a reference signal time difference (RSTD) , a RSRP, or a reference signal received path power (RSRPP) ; an angle estimation with an input of an angle-of-departure (AOD) or a RSRP; a multi-round-trip time (RTT) with an input of a UE receive-transmit (Rx-Tx) time difference; or a carrier phase positioning (CPP) with an input of a reference signal carrier  phase (RSCP) .

[0167] In some embodiments, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs includes a positioning-related information associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, where the positioning-related information includes a time stamp for a measurement.

[0168] In some embodiments, a location-related data associated with a UE, a group of UEs, an objective UE, or a group of objective UEs is provided by a radio access network (RAN) via a new radio (NR) positioning protocol A (NRPPA) channel.

[0169] In some embodiments, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs includes a measurement data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, where the measurement data includes at least one of the following: a RAN, base station (BS) , or transmission and reception point (TRP) measurement directly from a channel impulse response including a channel impulse response (CIR) , a power delay profile (PDP) , or a delay profile (DP) ; or a measurement other than directly from a channel impulse response including an uplink (UL) relative time of arrival (RTOA) , a timing advance, a BS receive-transmit (Rx-Tx) time difference, an UL sounding reference signal (SRS) reference signal received power (RSRP) , an UL SRS reference signal received path power (RSRPP) , an UL angle-of-arrival (AOA) , or an UL reference signal carrier phase (RSCP) .

[0170] In some embodiments, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs includes a positioning method associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, where the positioning method includes at least one of the following: a time difference of arrival (TDOA) with an input of a relative time of arrival (RTOA) , a reference signal received power (RSRP) , a reference signal received path power (RSRPP) , or a timing advance; an angle estimation with an input of an angle-of-arrival (AOA) or a RSRP; a multi-round-trip time (RTT) with an input of a base station (BS) receive-transmit (Rx-Tx) time difference; or a carrier phase positioning (CPP) with an input of a reference signal carrier phase (RSCP) .

[0171] In some embodiments, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs includes a positioning-related information associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, where the positioning-related information includes a time stamp for a measurement.

[0172] FIG. 15 is an example flowchart for registering a NF profile. Operation 1502 includes transmitting, by a network data analytics function (NWDAF) , a registration request informing a network repository function (NRF) of a network function (NF) profile when a NF service consumer associated with the NF profile initially becomes operative. Operation 1504 includes receiving, by the NWDAF and in response to the registration request, a registration response. In some embodiments, the method can be implemented according to Embodiment 1. In some embodiments, performing further steps of the method can be based on a better system performance than a legacy protocol.

[0173] In some embodiments, the NRF stores the NF profile and marks the NWDAF as available to the NF service consumer associated with the NF profile.

[0174] In some embodiments, the NF profile includes an indication that the NF service consumer associated with the NF profile supports a direct artificial intelligence (AI) or machine learning (ML) positioning, where the indication includes an analytics identifier (ID) related to the direct AI or ML positioning.

[0175] In some embodiments, a method of wireless communication includes receiving, by a network repository function (NRF) , a registration request informing the NRF of a network function (NF) profile when a NF service consumer associated with the NF profile initially becomes operative. The method further includes transmitting, by the NRF and in response to the registration request, a registration response. In some embodiments, the method can be implemented according to Embodiment 1. In some embodiments, performing further steps of the method can be based on a better system performance than a legacy protocol.

[0176] FIG. 16 is an example flowchart for updating a NF profile. Operation 1602 includes transmitting, by a network data analytics function (NWDAF) , an update request informing a network repository function (NRF) of an updated network function (NF) profile associated with a NF service consumer. Operation 1604 includes receiving, by the NWDAF and in response to the update request, an update response. In some embodiments, the method can be implemented according to Embodiment 2. In some embodiments, performing further steps of the method can be based on a better system performance than a legacy protocol.

[0177] In some embodiments, the NRF replaces an existing NF profile associated with the NF service consumer with the updated NF profile.

[0178] In some embodiments, an indication that the NF service consumer supports a direct artificial intelligence (AI) or machine learning (ML) positioning is removed or added in the updated NF profile, where the indication includes an analytics identifier (ID) related to the direct AI or ML positioning.

[0179] In some embodiments, a method of wireless communication includes receiving, by a network repository function (NRF) , an update request informing the NRF of an updated network function (NF) profile associated with a NF service consumer. The method further includes transmitting, by the NRF and in response to the update request, an update response. In some embodiments, the method can be implemented according to Embodiment 2. In some embodiments, performing further steps of the method can be based on a better system performance than a legacy protocol.

[0180] FIG. 17 shows an example block diagram of a hardware platform 1700 that may be a part of a network device (e.g., an access and mobility management function (AMF) , an application function (AF) , a location management function (LMF) , a network data analytics function (NWDAF) , an operations, administration, and maintenance (OAM) node, a gateway mobile location center (GMLC) , a 5th generation core (5GC) network function (NF) , a network repository function (NRF) , a unified data management (UDM) node, a location service (LCS) , a radio access network (RAN) , a base station (BS) , or a transmission and reception point (TRP) ) or a wireless device (e.g., a user equipment (UE) ) . The hardware platform 1700 includes at least one processor 1710 and a memory 1705 having instructions stored thereupon. The instructions upon execution by  the processor 1710 configure the hardware platform 1700 to perform the operations described in FIGS. 1-16 and in the various embodiments described in this patent document. The transmitter 1715 transmits or sends information or data to another device. For example, a network device transmitter can send a message to a user equipment. The receiver 1720 receives information or data transmitted or sent by another device. For example, a user equipment can receive a message from a network device. For example, a UE, a wireless device, or a network device, as described in the present document, may be implemented using the hardware platform 1700.

[0181] The implementations as discussed above will apply to a wireless communication. FIG. 18 shows an example of a wireless communication system (e.g., a 5G or NR cellular network) that includes a base station 1820 and one or more user equipment (UE) 1811, 1812, and 1813. In some embodiments, the UEs access the BS (e.g., the network) using a communication link to the network (sometimes called uplink direction, as depicted by dashed arrows 1831, 1832, 1833) , which then enables subsequent communication (e.g., shown in the direction from the network to the UEs, sometimes called downlink direction, shown by arrows 1841, 1842, 1843) from the BS to the UEs. In some embodiments, the BS sends information to the UEs (sometimes called downlink direction, as depicted by arrows 1841, 1842, 1843) , which then enables subsequent communication (e.g., shown in the direction from the UEs to the BS, sometimes called uplink direction, shown by dashed arrows 1831, 1832, 1833) from the UEs to the BS. The UE may be, for example, a smartphone, a tablet, a mobile computer, a machine to machine (M2M) device, an Internet of Things (IoT) device, and so on. The UEs described in the present document may be communicatively coupled to the base station 1820 depicted in FIG. 18.

[0182] It will be appreciated by one of skill in the art that the present patent document discloses UE positioning with AI / ML. The methods disclosed in the patent document, among other benefits, improve UE positioning accuracy.

[0183] Some of the embodiments described herein are described in the general context of methods or processes, which may be implemented in one embodiment by a computer program product, embodied in a computer-readable medium, including computer-executable instructions, such as program code, executed by computers in networked environments. A computer-readable medium may include removable and non-removable storage devices including, but not limited to, Read Only Memory (ROM) , Random Access Memory (RAM) , compact discs (CDs) , digital versatile discs (DVD) , etc. Therefore, the computer-readable media can include a non-transitory storage media. Generally, program modules may include routines, programs, objects, components, data structures, etc. that perform particular tasks or implement particular abstract data types. Computer-or processor-executable instructions, associated data structures, and program modules represent examples of program code for executing steps of the methods disclosed herein. The particular sequence of such executable instructions or associated data structures represents examples of corresponding acts for implementing the functions described in such steps or processes.

[0184] Some of the disclosed embodiments can be implemented as devices or modules using hardware circuits, software, or combinations thereof. For example, a hardware circuit implementation can include discrete analog and / or digital components that are, for example, integrated as part of a printed circuit board. Alternatively, or additionally, the disclosed components or modules can be implemented as an Application Specific Integrated Circuit (ASIC) and / or as a Field Programmable Gate Array (FPGA) device. Some implementations may  additionally or alternatively include a digital signal processor (DSP) that is a specialized microprocessor with an architecture optimized for the operational needs of digital signal processing associated with the disclosed functionalities of this application. Similarly, the various components or sub-components within each module may be implemented in software, hardware, or firmware. The connectivity between the modules and / or components within the modules may be provided using any one of the connectivity methods and media that is known in the art, including, but not limited to, communications over the Internet, wired, or wireless networks using the appropriate protocols.

[0185] While this document contains many specifics, these should not be construed as limitations on the scope of an invention that is claimed or of what may be claimed, but rather as descriptions of features specific to particular embodiments. Certain features that are described in this document in the context of separate embodiments can also be implemented in combination in a single embodiment. Conversely, various features that are described in the context of a single embodiment can also be implemented in multiple embodiments separately or in any suitable sub-combination. Moreover, although features may be described above as acting in certain combinations and even initially claimed as such, one or more features from a claimed combination can in some cases be excised from the combination, and the claimed combination may be directed to a sub-combination or a variation of a sub-combination. Similarly, while operations are depicted in the drawings in a particular order, this should not be understood as requiring that such operations be performed in the particular order shown or in sequential order, or that all illustrated operations be performed, to achieve desirable results.

[0186] Only a few implementations and examples are described, and other implementations, enhancements and variations can be made based on what is described and illustrated in this patent document.

Claims

1.A method of wireless communication, comprising:receiving, by a network data analytics function (NWDAF) , a location-related data associated with a user equipment (UE) or a group of UEs; andproviding, by the NWDAF, the location-related data associated with the UE or the group of UEs as an input to training a machine learning (ML) model.2.The method of claim 1, wherein receiving the location-related data associated with the UE or the group of UEs comprises receiving the location-related data associated with the UE or the group of UEs from a location management function (LMF) or another NWDAF.3.The method of claim 2, wherein the LMF transmits the location-related data associated with the UE or the group of UEs if a gateway mobile location center (GMLC) sends a NWDAF identifier (ID) associated with the NWDAF to an access and mobility management function (AMF) and the AMF forwards the NWDAF ID to the LMF.4.The method of claim 2, wherein the LMF sends the location-related data associated with the UE or the group of UEs to an access and mobility management function (AMF) that selects the LMF, and wherein the AMF forwards the location-related data associated with the UE or the group of UEs to the NWDAF via a gateway mobile location center (GMLC) .5.A method of wireless communication, comprising:receiving, by a network data analytics function (NWDAF) , a model request for a machine learning (ML) model or an analytics request for a location of an objective user equipment (UE) or a group of objective UEs; andtransmitting, by the NWDAF and in response to the model request or the analytics request, at least one of the following:the ML model trained with a location-related data associated with a UE or a group of UEs; oran analytics output of the location of the objective UE or the group of objective UEs, wherein the analytics output is obtained based on the ML model.6.The method of claim 5, wherein the NWDAF further transmits, along with the ML model, at least one of the following:an inference input data information;a ML model identifier;a ML model file address;a ML model interoperability information; ora ML model filter information.7.The method of claim 5 or 6, wherein the model request or the analytics request is received from and the  analytics output or the ML model is transmitted to a service consumer, wherein the service consumer comprises at least one of a 5th generation core (5GC) network function (NF) , a location management function (LMF) , or an operations, administration, and maintenance (OAM) node, and wherein if the service consumer receives the ML model, the service consumer performs a location inference itself using the ML model to obtain the location of the objective UE or the group of objective UEs.8.The method of claim 7, wherein the service consumer discovers the NWDAF that supports an artificial intelligence (AI) or ML direct positioning analytics through a network repository function (NRF) , and wherein the AI or ML direct positioning analytics outputs the ML model that performs a UE location prediction or provides a UE location analytics output.9.The method of any of claims 5-8, wherein the analytics request comprises an identifier (ID) of the objective UE or IDs of the group of objective UEs.10.A method of wireless communication, comprising:receiving, by a location management function (LMF) , a request for a location-related data associated with a user equipment (UE) , a group of UEs, an objective UE, or a group of objective UEs;receiving, by the LMF and in response to the request, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs; andtransmitting, by the LMF, the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs.11.The method of claim 10, wherein the request is relayed by a gateway mobile location center (GMLC) , and wherein the request comprises at least one of the following:a UE identifier (ID) ;a fine granularity location;a time stamp;a location service (LCS) quality of service (QoS) ;a location estimate;a velocity estimate;an indoor or outdoor indication;an age of location;a measurement data type;a positioning method; ora position reference unit (PRU) information with or without a quality indicator.12.The method of claim 11, wherein the GMLC interacts with an access and mobility management function (AMF) and / or a unified data management (UDM) node, and wherein the AMF selects a LMF that serves an objective UE or a group of objective UEs through a network repository function (NRF) .13.The method of any of claims 1-12, wherein a location-related data associated with a UE, a group of UEs, an objective UE, or a group of objective UEs comprises at least one of the following:a UE identifier (ID) ;a UE location;a UE location trend;a UE location estimate;a time stamp;a UE speed;a UE velocity estimate;a UE orientation;a position reference unit (PRU) information with or without a quality indicator;a timestamped global navigation satellite system (GNSS) information with an accuracy information of the GNSS information;a global positioning system (GPS) information with an accuracy indicator;a location service (LCS) quality of service (QoS) ;an indoor or outdoor indication;an age of location; oran analytics output of another NWDAF with an analytics ID, wherein the analytics output of the other NWDAF with the analytics ID comprises at least one of a relative proximity, a movement behavior analytics, or a location accuracy analytics.14.The method of any of claims 1-13, wherein a location-related data associated with a UE, a group of UEs, an objective UE, or a group of objective UEs is provided by at least one of an access and mobility management function (AMF) , an application function (AF) , a location management function (LMF) , a network data analytics function (NWDAF) , or an operations, administration, and maintenance (OAM) node.15.The method of any of claims 1-14, wherein a location-related data associated with a UE, a group of UEs, an objective UE, or a group of objective UEs is provided by the UE, the group of UEs, the objective UE, or the group of objective UEs via a long-term evolution (LTE) positioning protocol (LPP) channel.16.The method of claim 15, wherein the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs comprises a measurement data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, and wherein the measurement data comprises at least one of the following:a UE measurement directly from a channel impulse response comprising a channel impulse response (CIR) , a power delay profile (PDP) , or a delay profile (DP) ; ora measurement other than directly from a channel impulse response comprising a downlink (DL) reference signal time difference (RSTD) , a UE receive-transmit (Rx-Tx) time difference, a DL positioning reference signal (PRS) , a DL reference signal received power (RSRP) , a DL reference signal received path power (RSRPP) , a DL reference signal received quality (RSRQ) , a DL received signal strength indicator (RSSI) , a DL signal interference and noise ratio (SINR) , a DL angle-of-departure (AOD) , or a DL reference signal carrier phase (RSCP) .17.The method of claim 15 or 16, wherein the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs comprises a positioning method associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, and wherein the positioning method comprises at least one of the following:an enhanced cell identifier (ECID) with an input of a reference signal received power (RSRP) or a reference signal received quality (RSRQ) ;a time difference of arrival (TDOA) with an input of a reference signal time difference (RSTD) , a RSRP, or a reference signal received path power (RSRPP) ;an angle estimation with an input of an angle-of-departure (AOD) or a RSRP;a multi-round-trip time (RTT) with an input of a UE receive-transmit (Rx-Tx) time difference; ora carrier phase positioning (CPP) with an input of a reference signal carrier phase (RSCP) .18.The method of any of claims 15-17, wherein the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs comprises a positioning-related information associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, and wherein the positioning-related information comprises a time stamp for a measurement.19.The method of any of claims 1-14, wherein a location-related data associated with a UE, a group of UEs, an objective UE, or a group of objective UEs is provided by a radio access network (RAN) via a new radio (NR) positioning protocol A (NRPPA) channel.20.The method of claim 19, wherein the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs comprises a measurement data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, and wherein the measurement data comprises at least one of the following:a RAN, base station (BS) , or transmission and reception point (TRP) measurement directly from a channel impulse response comprising a channel impulse response (CIR) , a power delay profile (PDP) , or a delay profile (DP) ; ora measurement other than directly from a channel impulse response comprising an uplink (UL) relative time of arrival (RTOA) , a timing advance, a BS receive-transmit (Rx-Tx) time difference, an UL sounding reference signal (SRS) reference signal received power (RSRP) , an UL SRS reference signal received path power (RSRPP) , an UL angle-of-arrival (AOA) , or an UL reference signal carrier phase (RSCP) .21.The method of claim 19 or 20, wherein the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs comprises a positioning method associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, and wherein the positioning method comprises at least one of the following:a time difference of arrival (TDOA) with an input of a relative time of arrival (RTOA) , a reference signal received power (RSRP) , a reference signal received path power (RSRPP) , or a timing advance;an angle estimation with an input of an angle-of-arrival (AOA) or a RSRP;a multi-round-trip time (RTT) with an input of a base station (BS) receive-transmit (Rx-Tx) time difference; ora carrier phase positioning (CPP) with an input of a reference signal carrier phase (RSCP) .22.The method of any of claims 19-21, wherein the location-related data associated with the UE, the group of UEs, the objective UE, or the group of objective UEs comprises a positioning-related information associated with the UE, the group of UEs, the objective UE, or the group of objective UEs, and wherein the positioning-related information comprises a time stamp for a measurement.23.A method of wireless communication, comprising:transmitting, by a network data analytics function (NWDAF) , a registration request informing a network repository function (NRF) of a network function (NF) profile when a NF service consumer associated with the NF profile initially becomes operative; andreceiving, by the NWDAF and in response to the registration request, a registration response.24.The method of claim 23, wherein the NRF stores the NF profile and marks the NWDAF as available to the NF service consumer associated with the NF profile.25.The method of claim 23 or 24, wherein the NF profile comprises an indication that the NF service consumer associated with the NF profile supports a direct artificial intelligence (AI) or machine learning (ML) positioning, and wherein the indication comprises an analytics identifier (ID) related to the direct AI or ML positioning.26.A method of wireless communication, comprising:transmitting, by a network data analytics function (NWDAF) , an update request informing a network repository function (NRF) of an updated network function (NF) profile associated with a NF service consumer; andreceiving, by the NWDAF and in response to the update request, an update response.27.The method of claim 26, wherein the NRF replaces an existing NF profile associated with the NF service consumer with the updated NF profile.28.The method of claim 26 or 27, wherein an indication that the NF service consumer supports a direct artificial intelligence (AI) or machine learning (ML) positioning is removed or added in the updated NF profile, and wherein the indication comprises an analytics identifier (ID) related to the direct AI or ML positioning.29.An apparatus for wireless communication, comprising a processor, wherein the processor is configured to implement a method recited in any one or more of claims 1 to 28.30.A computer readable program storage medium having code stored thereon, the code, when executed by a processor, causing the processor to implement a method recited in any one or more of claims 1 to 28.

Images