Wireless initial access procedures integrated with network-side and / or user equipment (UE) -side beam prediction

Abstract

A method of wireless communication by a user equipment (UE) includes predicting channel characteristics associated with at least one wireless resource for communication between the UE and a network device during an initial access procedure. A method of wireless communication by a network device includes transmitting a message indicating support of network side predicting of channel characteristics associated with at least one wireless resource for communication between a UE and the network device during an initial access procedure. A method of wireless communication by a UE includes receiving a message indicating support of network side predicting of channel characteristics associated with at least one wireless resource for communication between the UE and a network device during an initial access procedure. The message indicating support may be a dedicated PSS / SSS sequence.

Description

WIRELESS INITIAL ACCESS PROCEDURES INTEGRATED WITH NETWORK-SIDE AND / OR USER EQUIPMENT (UE) -SIDE BEAM PREDICTION

[0001] FIELD OF THE DISCLOSURE

[0002] The present disclosure relates generally to wireless communications, and more specifically to integrating initial access procedures with network-side beam prediction and / or user equipment (UE) -side beam prediction.BACKGROUND

[0003] Wireless communications systems are widely deployed to provide various telecommunications services such as telephony, video, data, messaging, and broadcasts. Typical wireless communications systems may employ multiple-access technologies capable of supporting communications with multiple users by sharing available system resources (e.g., bandwidth, transmit power, and / or the like) . Examples of such multiple-access technologies include code division multiple access (CDMA) systems, time division multiple access (TDMA) systems, frequency-division multiple access (FDMA) systems, orthogonal frequency-division multiple access (OFDMA) systems, single-carrier frequency-division multiple access (SC-FDMA) systems, time division synchronous code division multiple access (TD-SCDMA) systems, and long term evolution (LTE) . LTE / LTE-Advanced is a set of enhancements to the universal mobile telecommunications system (UMTS) mobile standard promulgated by the Third Generation Partnership Project (3GPP) . Narrowband (NB) -Internet of things (IoT) and enhanced machine-type communications (eMTC) are a set of enhancements to LTE for machine type communications.

[0004] A wireless communications network may include a number of base stations (BSs) that can support communications for a number of user equipment (UEs) . A user equipment (UE) may communicate with a base station (BS) via the downlink and uplink. The downlink (or forward link) refers to the communications link from the BS to the UE, and the uplink (or reverse link) refers to the communications link from the UE to the BS. As will be described in more detail, a BS may be referred to as a Node B,  an evolved Node B (eNB) , a gNB, an access point (AP) , a radio head, a transmit and receive point (TRP) , a new radio (NR) BS, a 5G Node B, and / or the like.

[0005] The above multiple access technologies have been adopted in various telecommunications standards to provide a common protocol that enables different user equipment to communicate on a municipal, national, regional, and even global level. New radio (NR) , which may also be referred to as 5G, is a set of enhancements to the LTE mobile standard promulgated by the Third Generation Partnership Project (3GPP) . NR is designed to better support mobile broadband Internet access by improving spectral efficiency, lowering costs, improving services, making use of new spectrum, and better integrating with other open standards using orthogonal frequency division multiplexing (OFDM) with a cyclic prefix (CP) (CP-OFDM) on the downlink (DL) , using CP-OFDM and / or SC-FDM (e.g., also known as discrete Fourier transform spread OFDM (DFT-s-OFDM) ) on the uplink (UL) , as well as supporting beamforming, multiple-input multiple-output (MIMO) antenna technology, and carrier aggregation.

[0006] Artificial neural networks may comprise interconnected groups of artificial neurons (e.g., neuron models) . The artificial neural network may be a computational device or represented as a method to be performed by a computational device. Convolutional neural networks, such as deep convolutional neural networks, are a type of feed-forward artificial neural network. Convolutional neural networks may include layers of neurons that may be configured in a tiled receptive field. It would be desirable to apply neural network processing to wireless communications to achieve greater efficiencies.SUMMARY

[0007] In aspects of the present disclosure, a method of wireless communication by a user equipment (UE) includes predicting channel characteristics associated with at least one wireless resource for communication between the UE and a network device during an initial access procedure.

[0008] In other aspects of the present disclosure, a method of wireless communication by a network device includes transmitting a message indicating support of network side predicting of channel characteristics associated with at least one  resource for communication between a user equipment (UE) and the network device during an initial access procedure.

[0009] In other aspects of the present disclosure, a method of wireless communication by a user equipment (UE) includes receiving a message indicating support of network side predicting of channel characteristics associated with at least one wireless resource for communication between the UE and a network device during an initial access procedure. The message indicating support may be a dedicated primary synchronization signal / secondary synchronization signal (PSS / SSS) sequence.

[0010] Other aspects of the present disclosure are directed to an apparatus. The apparatus has at least one memory and at least one processor coupled to the memory. The processor is configured to predict channel characteristics associated with at least one wireless resource for communication between the UE and a network device during an initial access procedure.

[0011] Aspects generally include a method, apparatus, system, computer program product, non-transitory computer-readable medium, user equipment, base station, wireless communication device, and processing system as substantially described with reference to and as illustrated by the accompanying drawings and specification.

[0012] The foregoing has outlined rather broadly the features and technical advantages of examples according to the disclosure in order that the detailed description that follows may be better understood. Additional features and advantages will be described. The conception and specific examples disclosed may be readily utilized as a basis for modifying or designing other structures for carrying out the same purposes of the present disclosure. Such equivalent constructions do not depart from the scope of the appended claims. Characteristics of the concepts disclosed, both their organization and method of operation, together with associated advantages will be better understood from the following description when considered in connection with the accompanying figures. Each of the figures is provided for the purposes of illustration and description, and not as a definition of the limits of the claims.BRIEF DESCRIPTION OF THE DRAWINGS

[0013] So that features of the present disclosure can be understood in detail, a particular description may be had by reference to aspects, some of which are illustrated in the appended drawings. It is to be noted, however, that the appended drawings illustrate only certain aspects of this disclosure and are therefore not to be considered limiting of its scope, for the description may admit to other equally effective aspects. The same reference numbers in different drawings may identify the same or similar elements.

[0014] FIGURE 1 is a block diagram conceptually illustrating an example of a wireless communications network, in accordance with various aspects of the present disclosure.

[0015] FIGURE 2 is a block diagram conceptually illustrating an example of a base station in communication with a user equipment (UE) in a wireless communications network, in accordance with various aspects of the present disclosure.

[0016] FIGURE 3 is a block diagram illustrating an example disaggregated base station architecture, in accordance with various aspects of the present disclosure.

[0017] FIGURE 4 illustrates an example implementation of designing a neural network using a system-on-a-chip (SOC) , including a general-purpose processor, in accordance with various aspects of the present disclosure.

[0018] FIGURES 5A, 5B, and 5C are diagrams illustrating a neural network, in accordance with various aspects of the present disclosure.

[0019] FIGURE 6 is a block diagram illustrating an exemplary deep convolutional network (DCN) , in accordance with various aspects of the present disclosure.

[0020] FIGURE 7A is a call flow diagram illustrating a four-step random access procedure, in accordance with various aspects of the present disclosure.

[0021] FIGURE 7B is a call flow diagram illustrating a two-step random access procedure, in accordance with various aspects of the present disclosure.

[0022] FIGURE 8 is a timing diagram illustrating options for integrating initial access with UE-side beam prediction, in accordance with various aspects of the present disclosure.

[0023] FIGURE 9 is a block diagram illustrating examples of identifying network assistance information for UE-side beam prediction during initial access, in accordance with various aspects of the present disclosure.

[0024] FIGURE 10 is a block diagram illustrating message one (Msg1) and message A (MsgA) reporting for UE-side beam prediction during initial access, in accordance with various aspects of the present disclosure.

[0025] FIGURE 11 is a block diagram illustrating UE-side temporal prediction, in accordance with various aspects of the present disclosure.

[0026] FIGURE 12 is a timing diagram illustrating options for integrating initial access with network-side beam prediction, in accordance with various aspects of the present disclosure.

[0027] FIGURE 13 is a block diagram illustrating prioritizing of primary synchronization signal / secondary synchronization signal (PSS / SSS) sequences, in accordance with various aspects of the present disclosure.

[0028] FIGURE 14 is a timing diagram illustrating initial access messages for assisting network-side beam prediction, in accordance with various aspects of the present disclosure.

[0029] FIGURE 15 is a block diagram illustrating network-side temporal prediction, in accordance with various aspects of the present disclosure.

[0030] FIGURE 16 is a flow diagram illustrating an example process performed, for example, by a user equipment (UE) , in accordance with various aspects of the present disclosure.

[0031] FIGURE 17 is a flow diagram illustrating an example process performed, for example, by a network device, in accordance with various aspects of the present disclosure.

[0032] FIGURE 18 is a flow diagram illustrating an example process performed, for example, by a user equipment (UE) , in accordance with various aspects of the present disclosure.DETAILED DESCRIPTION

[0033] Various aspects of the disclosure are described more fully below with reference to the accompanying drawings. This disclosure may, however, be embodied in many different forms and should not be construed as limited to any specific structure or function presented throughout this disclosure. Rather, these aspects are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the disclosure to those skilled in the art. Based on the teachings, one skilled in the art should appreciate that the scope of the disclosure is intended to cover any aspect of the disclosure, whether implemented independently of or combined with any other aspect of the disclosure. For example, an apparatus may be implemented or a method may be practiced using any number of the aspects set forth. In addition, the scope of the disclosure is intended to cover such an apparatus or method, which is practiced using other structure, functionality, or structure and functionality in addition to or other than the various aspects of the disclosure set forth. It should be understood that any aspect of the disclosure disclosed may be embodied by one or more elements of a claim.

[0034] Several aspects of telecommunications systems will now be presented with reference to various apparatuses and techniques. These apparatuses and techniques will be described in the following detailed description and illustrated in the accompanying drawings by various blocks, modules, components, circuits, steps, processes, algorithms, and / or the like (collectively referred to as “elements” ) . These elements may be implemented using hardware, software, or combinations thereof. Whether such elements are implemented as hardware or software depends upon the particular application and design constraints imposed on the overall system.

[0035] It should be noted that while aspects may be described using terminology commonly associated with 5G and later wireless technologies, aspects of the present disclosure can be applied in other generation-based communications systems, such as and including 3G and / or 4G technologies.

[0036] In various wireless communication systems, including 5G new radio (NR) systems, a user equipment (UE) may perform a random access procedure for various reasons including, for example, initial access to a network. A random access procedure may also be referred to as a random access channel (RACH) procedure. A four-step random access procedure involves a UE transmitting a first message (Msg1) to a base station via a physical random access channel (PRACH) . Msg1 includes a physical PRACH preamble. The UE receives a second message (Msg2) via a physical downlink control channel (PDCCH) or physical downlink shared channel (PDSCH) from the base station including a random access response (RAR) that schedules a physical uplink shared channel (PUSCH) transmission. The procedure also includes the UE transmitting a third message (Msg3) including the PUSCH transmission, and receiving a fourth message (Msg4) from the base station including a contention resolution message on the PDCCH or PDSCH.

[0037] A two-step random access procedure involves a UE transmitting a first message (MsgA) including a PRACH preamble and the Msg3 content. The MsgA transmission includes two transmissions. A first transmission includes a PRACH preamble on the PRACH, and timing information for uplink transmissions that allows the base station to set timing advance parameters, for example. The MsgA transmission also includes a payload on the PUSCH that carries at least the Msg3 contents. The two-step procedure includes transmitting a second message (MsgB) carrying the equivalents of Msg2 and Msg4 of the four-step procedure.

[0038] According to aspects of the present disclosure, the initial access procedures may be enhanced with artificial intelligence / machine learning (AI / ML) techniques. Network resources, for example, resources related to beam management, may be used for beam prediction in time and / or spatial domain to reduce overhead and latency, and / or beam selection accuracy improvements. The AI / ML approaches for the selected use cases may support various specifications on the base station (gNB-UE) collaboration levels. Aspects of the present disclosure relate to designs focusing on UE-side and network-side beam prediction.

[0039] Initial access may be integrated with UE-side beam prediction. In some aspects, a UE identifies necessary network assistance information for UE-side beam prediction during initial access before transmitting Msg1 / MsgA during the initial access  procedure. A network transmits the network assistance information in primary synchronization signal / secondary synchronization signal (PSS / SSS) sequences, the physical broadcast channel / master information block (PBCH / MIB) , or remaining system information (RMSI) . In other aspects, the UE reports UE-side beam prediction results in Msg1 / MsgA, or indicates UE capabilities for UE-side beam prediction in Msg1 / MsgA. Related reporting methods and / or conditions can be based on standard definitions and / or configured via system information. In still other aspects, the UE receives additional or initial network assistance information or requests related to UE-side beam prediction in Msg2 / MsgB. Based on such requests in Msg2 / MsgB, the UE reports initial or additional beam prediction results in Msg3 or uplink messages transmitted after MsgB. In still further aspects, the UE receives TypeD-quasi-colocation (QCL) updates during initial access, before completing the radio resource control (RRC) -connection setup process. The updated TypeD-QCL source can be different from the synchronization signal block (SSB) initially chosen by the UE, and may be determined by the network based on beam prediction results.

[0040] For network-side prediction, as opposed to UE-side prediction, initial access is integrated with network-side beam prediction. In a first aspect, the standards reserve certain primary synchronization signal and / or secondary synchronization signal (PSS / SSS) sequence identifications (IDs) that should be reserved to indicate the support of network (NW) -side beam prediction. In these aspects, the UE prioritizes the search of such PSS / SSS sequence IDs. In a second aspect, the standards, system information, or a physical broadcast channel (PBCH) defines methods and conditions for the UE to transmit Msg1 / MsgA or other uplink (UL) messages during initial access to assist network-side beam prediction. The UE identifies from the standards definitions and / or necessary network-side requests and / or assistance information from a physical broadcast channel (PBCH) , a master information block (MIB) , or system information, how to transmit such Msg1 / MsgA. The UE transmits MsgA / Msg1 to indicate a willingness or capability to assist with network-side prediction or directly send such information, in accordance with the definition or conditions. In a third aspect, the UE identifies from standards definitions and / or receives further network-side requests in Msg2 / MsgB indicating how to transmit Msg3 or other uplink messages after MsgB, assisting or further assisting with network-side beam prediction. For example, the UE receives Msg2 / MsgB requesting information or additional information to assist with  network-side prediction. The UE then reports information assisting network-side prediction based on willingness or capability reported in Msg1 / MsgA, and / or based on a Msg2 / MsgB request. In a fourth aspect, the UE may receive TypeD-QCL updates during initial access before the UE completes RRC-connection setup. The updated TypeD-QCL source can be different from the synchronization signal block (SSB) initially chosen by the UE, determined based on network-side beam prediction results.

[0041] Particular aspects of the subject matter described in this disclosure can be implemented to realize one or more of the following potential advantages. In some examples, the described beam prediction techniques may reduce user equipment (UE) power consumption and latency during initial access with better beam selection. Similarly, predicting non-measured narrow beam qualities based on measurements on SSBs can reduce overhead, latency, and UE power consumed for beam refinement after initial access. Moreover, high throughput performance can be achieved more quickly with a better beam. In addition, if initial access is encountered with high-mobility or blockage scenarios, temporal beam prediction can help with preventing potential beam failures with a better beam.

[0042] FIGURE 1 is a diagram illustrating a network 100 in which aspects of the present disclosure may be practiced. The network 100 may be a 5G or NR network or some other wireless network, such as an LTE network. The wireless network 100 may include a number of BSs 110 (shown as BS 110a, BS 110b, BS 110c, and BS 110d) and other network entities. A BS is an entity that communicates with user equipment (UEs) and may also be referred to as a base station, a NR BS, a Node B, a gNB, a 5G node B, an access point, a transmit and receive point (TRP) , a network node, a network entity, and / or the like. A BS can be implemented as an aggregated base station, as a disaggregated base station, an integrated access and backhaul (IAB) node, a relay node, a sidelink node, etc. The BS can be implemented in an aggregated or monolithic base station architecture, or alternatively, in a disaggregated base station architecture, and may include one or more of a central unit (CU) , a distributed unit (DU) , a radio unit (RU) , a near-real time (near-RT) RAN intelligent controller (RIC) , or a non-real time (non-RT) RIC. Each BS may provide communications coverage for a particular geographic area. In 3GPP, the term “cell” can refer to a coverage area of a BS and / or a  BS subsystem serving this coverage area, depending on the context in which the term is used.

[0043] A BS may provide communications coverage for a macro cell, a pico cell, a femto cell, and / or another type of cell. A macro cell may cover a relatively large geographic area (e.g., several kilometers in radius) and may allow unrestricted access by UEs with service subscription. A pico cell may cover a relatively small geographic area and may allow unrestricted access by UEs with service subscription. A femto cell may cover a relatively small geographic area (e.g., a home) and may allow restricted access by UEs having association with the femto cell (e.g., UEs in a closed subscriber group (CSG) ) . A BS for a macro cell may be referred to as a macro BS. A BS for a pico cell may be referred to as a pico BS. A BS for a femto cell may be referred to as a femto BS or a home BS. In the example shown in FIGURE 1, a BS 110a may be a macro BS for a macro cell 102a, a BS 110b may be a pico BS for a pico cell 102b, and a BS 110c may be a femto BS for a femto cell 102c. A BS may support one or multiple (e.g., three) cells. The terms “eNB, ” “base station, ” “NR BS, ” “gNB, ” “AP, ” “node B, ” “5G NB, ” “TRP, ” and “cell” may be used interchangeably.

[0044] In some aspects, a cell may not necessarily be stationary, and the geographic area of the cell may move according to the location of a mobile BS. In some aspects, the BSs may be interconnected to one another and / or to one or more other BSs or network nodes (not shown) in the wireless network 100 through various types of backhaul interfaces such as a direct physical connection, a virtual network, and / or the like using any suitable transport network.

[0045] The wireless network 100 may also include relay stations. A relay station is an entity that can receive a transmission of data from an upstream station (e.g., a BS or a UE) and send a transmission of the data to a downstream station (e.g., a UE or a BS) . A relay station may also be a UE that can relay transmissions for other UEs. In the example shown in FIGURE 1, a relay station 110d may communicate with macro BS 110a and a UE 120d in order to facilitate communications between the BS 110a and UE 120d. A relay station may also be referred to as a relay BS, a relay base station, a relay, and / or the like.

[0046] The wireless network 100 may be a heterogeneous network that includes BSs of different types, e.g., macro BSs, pico BSs, femto BSs, relay BSs, and / or the like. These different types of BSs may have different transmit power levels, different coverage areas, and different impact on interference in the wireless network 100. For example, macro BSs may have a high transmit power level (e.g., 5 to 40 Watts) whereas pico BSs, femto BSs, and relay BSs may have lower transmit power levels (e.g., 0.1 to 2 Watts) .

[0047] A network controller 130 may couple to a set of BSs and may provide coordination and control for these BSs. The network controller 130 may communicate with the BSs via a backhaul. The BSs may also communicate with one another, e.g., directly or indirectly via a wireless or wireline backhaul.

[0048] UEs 120 (e.g., 120a, 120b, 120c) may be dispersed throughout the wireless network 100, and each UE may be stationary or mobile. A UE may also be referred to as an access terminal, a terminal, a mobile station, a subscriber unit, a station, and / or the like. A UE may be a cellular phone (e.g., a smart phone) , a personal digital assistant (PDA) , a wireless modem, a wireless communications device, a handheld device, a laptop computer, a cordless phone, a wireless local loop (WLL) station, a tablet, a camera, a gaming device, a netbook, a smartbook, an ultrabook, a medical device or equipment, biometric sensors / devices, wearable devices (smart watches, smart clothing, smart glasses, smart wrist bands, smart jewelry (e.g., smart ring, smart bracelet) ) , an entertainment device (e.g., a music or video device, or a satellite radio) , a vehicular component or sensor, smart meters / sensors, industrial manufacturing equipment, a global positioning system device, or any other suitable device that is configured to communicate via a wireless or wired medium.

[0049] Some UEs may be considered machine-type communications (MTC) or evolved or enhanced machine-type communications (eMTC) UEs. MTC and eMTC UEs include, for example, robots, drones, remote devices, sensors, meters, monitors, location tags, and / or the like, that may communicate with a base station, another device (e.g., remote device) , or some other entity. A wireless node may provide, for example, connectivity for or to a network (e.g., a wide area network such as Internet or a cellular network) via a wired or wireless communications link. Some UEs may be considered Internet-of-Things (IoT) devices, and / or may be implemented as NB-IoT (narrowband  internet of things) devices. Some UEs may be considered a customer premises equipment (CPE) . UE 120 may be included inside a housing that houses components of UE 120, such as processor components, memory components, and / or the like.

[0050] In general, any number of wireless networks may be deployed in a given geographic area. Each wireless network may support a particular radio access technology (RAT) and may operate on one or more frequencies. A RAT may also be referred to as a radio technology, an air interface, and / or the like. A frequency may also be referred to as a carrier, a frequency channel, and / or the like. Each frequency may support a single RAT in a given geographic area in order to avoid interference between wireless networks of different RATs. In some cases, NR or 5G RAT networks may be deployed.

[0051] In some aspects, two or more UEs 120 (e.g., shown as UE 120a and UE 120e) may communicate directly using one or more sidelink channels (e.g., without using a base station 110 as an intermediary to communicate with one another) . For example, the UEs 120 may communicate using peer-to-peer (P2P) communications, device-to-device (D2D) communications, a vehicle-to-everything (V2X) protocol (e.g., which may include a vehicle-to-vehicle (V2V) protocol, a vehicle-to-infrastructure (V2I) protocol, and / or the like) , a mesh network, and / or the like. In this case, the UE 120 may perform scheduling operations, resource selection operations, and / or other operations described elsewhere as being performed by the base station 110. For example, the base station 110 may configure a UE 120 via downlink control information (DCI) , radio resource control (RRC) signaling, a media access control-control element (MAC-CE) or via system information (e.g., a system information block (SIB) .

[0052] The UEs 120 may include a beam prediction module 140. For brevity, only one UE 120d is shown as including the beam prediction module 140. The beam prediction module 140 may predict channel characteristics associated with at least one wireless resources for communication between the UE and a network device during an initial access procedure.

[0053] The base stations 110 may include a beam prediction module 138. For brevity, only one base station 110a is shown as including the beam prediction module 138. The beam prediction module 138 may transmit a message indicating support of  network side predicting of channel characteristics associated with at least one wireless resources for communication between a user equipment (UE) and the network device during an initial access procedure.

[0054] As indicated above, FIGURE 1 is provided merely as an example. Other examples may differ from what is described with regard to FIGURE 1.

[0055] FIGURE 2 shows a block diagram of a design 200 of the base station 110 and UE 120, which may be one of the base stations and one of the UEs in FIGURE 1. The base station 110 may be equipped with T antennas 234a through 234t, and UE 120 may be equipped with R antennas 252a through 252r, where in general T ≥ 1 and R ≥ 1.

[0056] At the base station 110, a transmit processor 220 may receive data from a data source 212 for one or more UEs, select one or more modulation and coding schemes (MCS) for each UE based at least in part on channel quality indicators (CQIs) received from the UE, process (e.g., encode and modulate) the data for each UE based at least in part on the MCS (s) selected for the UE, and provide data symbols for all UEs. Decreasing the MCS lowers throughput but increases reliability of the transmission. The transmit processor 220 may also process system information (e.g., for semi-static resource partitioning information (SRPI) and / or the like) and control information (e.g., CQI requests, grants, upper layer signaling, and / or the like) and provide overhead symbols and control symbols. The transmit processor 220 may also generate reference symbols for reference signals (e.g., the cell-specific reference signal (CRS) ) and synchronization signals (e.g., the primary synchronization signal (PSS) and secondary synchronization signal (SSS) ) . A transmit (TX) multiple-input multiple-output (MIMO) processor 230 may perform spatial processing (e.g., precoding) on the data symbols, the control symbols, the overhead symbols, and / or the reference symbols, if applicable, and may provide T output symbol streams to T modulators (MODs) 232a through 232t. Each modulator 232 may process a respective output symbol stream (e.g., for orthogonal frequency division multiplexing (OFDM) and / or the like) to obtain an output sample stream. Each modulator 232 may further process (e.g., convert to analog, amplify, filter, and upconvert) the output sample stream to obtain a downlink signal. T downlink signals from modulators 232a through 232t may be transmitted via T antennas 234a through 234t, respectively. According to various aspects described in more detail  below, the synchronization signals can be generated with location encoding to convey additional information.

[0057] At the UE 120, antennas 252a through 252r may receive the downlink signals from the base station 110 and / or other base stations and may provide received signals to demodulators (DEMODs) 254a through 254r, respectively. Each demodulator 254 may condition (e.g., filter, amplify, downconvert, and digitize) a received signal to obtain input samples. Each demodulator 254 may further process the input samples (e.g., for OFDM and / or the like) to obtain received symbols. A MIMO detector 256 may obtain received symbols from all R demodulators 254a through 254r, perform MIMO detection on the received symbols if applicable, and provide detected symbols. A receive processor 258 may process (e.g., demodulate and decode) the detected symbols, provide decoded data for the UE 120 to a data sink 260, and provide decoded control information and system information to a controller / processor 280. A channel processor may determine reference signal received power (RSRP) , received signal strength indicator (RSSI) , reference signal received quality (RSRQ) , channel quality indicator (CQI) , and / or the like. In some aspects, one or more components of the UE 120 may be included in a housing.

[0058] On the uplink, at the UE 120, a transmit processor 264 may receive and process data from a data source 262 and control information (e.g., for reports comprising RSRP, RSSI, RSRQ, CQI, and / or the like) from the controller / processor 280. Transmit processor 264 may also generate reference symbols for one or more reference signals. The symbols from the transmit processor 264 may be precoded by a TX MIMO processor 266 if applicable, further processed by modulators 254a through 254r (e.g., for discrete Fourier transform spread OFDM (DFT-s-OFDM) , CP-OFDM, and / or the like) , and transmitted to the base station 110. At the base station 110, the uplink signals from the UE 120 and other UEs may be received by the antennas 234, processed by the demodulators 254, detected by a MIMO detector 236 if applicable, and further processed by a receive processor 238 to obtain decoded data and control information sent by the UE 120. The receive processor 238 may provide the decoded data to a data sink 239 and the decoded control information to a controller / processor 240. The base station 110 may include communications unit 244 and communicate to the network controller 130 via the communications unit 244. The network controller  130 may include a communications unit 294, a controller / processor 290, and a memory 292.

[0059] The controller / processor 240 of the base station 110, the controller / processor 280 of the UE 120, and / or any other component (s) of FIGURE 2 may perform one or more techniques associated with initial access integrated with beam prediction, as described in more detail elsewhere. For example, the controller / processor 240 of the base station 110, the controller / processor 280 of the UE 120, and / or any other component (s) of FIGURE 2 may perform or direct operations of, for example, the processes of FIGURES 8-17 and / or other processes as described. Memories 242 and 282 may store data and program codes for the base station 110 and UE 120, respectively. A scheduler 246 may schedule UEs for data transmission on the downlink and / or uplink.

[0060] In some aspects, the UE 120 may include means for predicting, means for receiving, means for transmitting, means for reporting, and means for determining. In some aspects, the base station 110 may include means for transmitting, means for requesting, and means for receiving. Such means may include one or more components of the UE 120 or base station 110 described in connection with FIGURE 2.

[0061] As indicated above, FIGURE 2 is provided merely as an example. Other examples may differ from what is described with regard to FIGURE 2.

[0062] In some cases, different types of devices supporting different types of applications and / or services may coexist in a cell. Examples of different types of devices include UE handsets, customer premises equipment (CPEs) , vehicles, Internet of Things (IoT) devices, and / or the like. Examples of different types of applications include ultra-reliable low-latency communications (URLLC) applications, massive machine-type communications (mMTC) applications, enhanced mobile broadband (eMBB) applications, vehicle-to-anything (V2X) applications, and / or the like. Furthermore, in some cases, a single device may support different applications or services simultaneously.

[0063] Deployment of communication systems, such as 5G new radio (NR) systems, may be arranged in multiple manners with various components or constituent parts. In a 5G NR system, or network, a network node, a network entity, a mobility element of a  network, a radio access network (RAN) node, a core network node, a network element, or a network equipment, such as a base station (BS) , or one or more units (or one or more components) performing base station functionality, may be implemented in an aggregated or disaggregated architecture. For example, a BS (such as a Node B (NB) , an evolved NB (eNB) , an NR BS, 5G NB, an access point (AP) , a transmit and receive point (TRP) , or a cell, etc. ) may be implemented as an aggregated base station (also known as a standalone BS or a monolithic BS) or a disaggregated base station.

[0064] An aggregated base station may be configured to utilize a radio protocol stack that is physically or logically integrated within a single RAN node. A disaggregated base station may be configured to utilize a protocol stack that is physically or logically distributed among two or more units (such as one or more central or centralized units (CUs) , one or more distributed units (DUs) , or one or more radio units (RUs) ) . In some aspects, a CU may be implemented within a RAN node, and one or more DUs may be co-located with the CU, or alternatively, may be geographically or virtually distributed throughout one or multiple other RAN nodes. The DUs may be implemented to communicate with one or more RUs. Each of the CU, DU, and RU also can be implemented as virtual units (e.g., a virtual central unit (VCU) , a virtual distributed unit (VDU) , or a virtual radio unit (VRU) ) .

[0065] Base station-type operation or network design may consider aggregation characteristics of base station functionality. For example, disaggregated base stations may be utilized in an integrated access backhaul (IAB) network, an open radio access network (O-RAN (such as the network configuration sponsored by the O-RAN Alliance) ) , or a virtualized radio access network (vRAN, also known as a cloud radio access network (C-RAN) ) . Disaggregation may include distributing functionality across two or more units at various physical locations, as well as distributing functionality for at least one unit virtually, which can enable flexibility in network design. The various units of the disaggregated base station, or disaggregated RAN architecture, can be configured for wired or wireless communication with at least one other unit.

[0066] FIGURE 3 shows a diagram illustrating an example disaggregated base station 300 architecture. The disaggregated base station 300 architecture may include one or more central units (CUs) 310 that can communicate directly with a core network 320 via a backhaul link, or indirectly with the core network 320 through one or more  disaggregated base station units (such as a near-real time (near-RT) RAN intelligent controller (RIC) 325 via an E2 link, or a non-real time (non-RT) RIC 315 associated with a service management and orchestration (SMO) framework 305, or both) . A CU 310 may communicate with one or more distributed units (DUs) 330 via respective midhaul links, such as an F1 interface. The DUs 330 may communicate with one or more radio units (RUs) 340 via respective fronthaul links. The RUs 340 may communicate with respective UEs 120 via one or more radio frequency (RF) access links. In some implementations, the UE 120 may be simultaneously served by multiple RUs 340.

[0067] Each of the units (e.g., the CUs 310, the DUs 330, the RUs 340, as well as the near-RT RICs 325, the non-RT RICs 315, and the SMO framework 305) may include one or more interfaces or be coupled to one or more interfaces configured to receive or transmit signals, data, or information (collectively, signals) via a wired or wireless transmission medium. Each of the units, or an associated processor or controller providing instructions to the communication interfaces of the units, can be configured to communicate with one or more of the other units via the transmission medium. For example, the units can include a wired interface configured to receive or transmit signals over a wired transmission medium to one or more of the other units. Additionally, the units can include a wireless interface, which may include a receiver, a transmitter or transceiver (such as a radio frequency (RF) transceiver) , configured to receive or transmit signals, or both, over a wireless transmission medium to one or more of the other units.

[0068] In some aspects, the CU 310 may host one or more higher layer control functions. Such control functions can include radio resource control (RRC) , packet data convergence protocol (PDCP) , service data adaptation protocol (SDAP) , or the like. Each control function can be implemented with an interface configured to communicate signals with other control functions hosted by the CU 310. The CU 310 may be configured to handle user plane functionality (e.g., central unit –user plane (CU-UP) ) , control plane functionality (e.g., central unit –control plane (CU-CP) ) , or a combination thereof. In some implementations, the CU 310 can be logically split into one or more CU-UP units and one or more CU-CP units. The CU-UP unit can communicate bi-directionally with the CU-CP unit via an interface, such as the E1 interface when  implemented in an O-RAN configuration. The CU 310 can be implemented to communicate with the DU 330, as necessary, for network control and signaling.

[0069] The DU 330 may correspond to a logical unit that includes one or more base station functions to control the operation of one or more RUs 340. In some aspects, the DU 330 may host one or more of a radio link control (RLC) layer, a medium access control (MAC) layer, and one or more high physical (PHY) layers (such as modules for forward error correction (FEC) encoding and decoding, scrambling, modulation and demodulation, or the like) depending, at least in part, on a functional split, such as those defined by the Third Generation Partnership Project (3GPP) . In some aspects, the DU 330 may further host one or more low PHY layers. Each layer (or module) can be implemented with an interface configured to communicate signals with other layers (and modules) hosted by the DU 330, or with the control functions hosted by the CU 310.

[0070] Lower-layer functionality can be implemented by one or more RUs 340. In some deployments, an RU 340, controlled by a DU 330, may correspond to a logical node that hosts RF processing functions, or low-PHY layer functions (such as performing fast Fourier transform (FFT) , inverse FFT (iFFT) , digital beamforming, physical random access channel (PRACH) extraction and filtering, or the like) , or both, based at least in part on the functional split, such as a lower layer functional split. In such an architecture, the RU (s) 340 can be implemented to handle over the air (OTA) communication with one or more UEs 120. In some implementations, real-time and non-real-time aspects of control and user plane communication with the RU (s) 340 can be controlled by the corresponding DU 330. In some scenarios, this configuration can enable the DU (s) 330 and the CU 310 to be implemented in a cloud-based RAN architecture, such as a vRAN architecture.

[0071] The SMO Framework 305 may be configured to support RAN deployment and provisioning of non-virtualized and virtualized network elements. For non-virtualized network elements, the SMO Framework 305 may be configured to support the deployment of dedicated physical resources for RAN coverage requirements, which may be managed via an operations and maintenance interface (such as an O1 interface) . For virtualized network elements, the SMO Framework 305 may be configured to interact with a cloud computing platform (such as an open cloud (O-cloud) 390) to  perform network element life cycle management (such as to instantiate virtualized network elements) via a cloud computing platform interface (such as an O2 interface) . Such virtualized network elements can include, but are not limited to, CUs 310, DUs 330, RUs 340, and near-RT RICs 325. In some implementations, the SMO Framework 305 can communicate with a hardware aspect of a 4G RAN, such as an open eNB (O-eNB) 311, via an O1 interface. Additionally, in some implementations, the SMO Framework 305 can communicate directly with one or more RUs 340 via an O1 interface. The SMO Framework 305 also may include a non-RT RIC 315 configured to support functionality of the SMO Framework 305.

[0072] The non-RT RIC 315 may be configured to include a logical function that enables non-real-time control and optimization of RAN elements and resources, Artificial Intelligence / Machine Learning (AI / ML) workflows including model training and updates, or policy-based guidance of applications / features in the near-RT RIC 325. The non-RT RIC 315 may be coupled to or communicate with (such as via an A1 interface) the near-RT RIC 325. The near-RT RIC 325 may be configured to include a logical function that enables near-real-time control and optimization of RAN elements and resources via data collection and actions over an interface (such as via an E2 interface) connecting one or more CUs 310, one or more DUs 330, or both, as well as the O-eNB 311, with the near-RT RIC 325.

[0073] In some implementations, to generate AI / ML models to be deployed in the near-RT RIC 325, the non-RT RIC 315 may receive parameters or external enrichment information from external servers. Such information may be utilized by the near-RT RIC 325 and may be received at the SMO Framework 305 or the non-RT RIC 315 from non-network data sources or from network functions. In some examples, the non-RT RIC 315 or the near-RT RIC 325 may be configured to tune RAN behavior or performance. For example, the non-RT RIC 315 may monitor long-term trends and patterns for performance and employ AI / ML models to perform corrective actions through the SMO Framework 305 (such as reconfiguration via O1) or via creation of RAN management policies (such as A1 policies) .

[0074] FIGURE 4 illustrates an example implementation of a system-on-a-chip (SOC) 400, which may include a central processing unit (CPU) 402 or a multi-core CPU configured for generating beam predictions for initial access, in accordance with  certain aspects of the present disclosure. The SOC 400 may be included in the base station 110 or UE 120. Variables (e.g., neural signals and synaptic weights) , system parameters associated with a computational device (e.g., neural network with weights) , delays, frequency bin information, and task information may be stored in a memory block associated with a neural processing unit (NPU) 408, in a memory block associated with a CPU 402, in a memory block associated with a graphics processing unit (GPU) 404, in a memory block associated with a digital signal processor (DSP) 406, in a memory block 418, or may be distributed across multiple blocks. Instructions executed at the CPU 402 may be loaded from a program memory associated with the CPU 402 or may be loaded from a memory block 418.

[0075] The SOC 400 may also include additional processing blocks tailored to specific functions, such as a GPU 404, a DSP 406, a connectivity block 410, which may include fifth generation (5G) connectivity, fourth generation long term evolution (4G LTE) connectivity, Wi-Fi connectivity, USB connectivity, Bluetooth connectivity, and the like, and a multimedia processor 412 that may, for example, detect and recognize gestures. In one implementation, the NPU is implemented in the CPU, DSP, and / or GPU. The SOC 400 may also include a sensor processor 414, image signal processors (ISPs) 416, and / or navigation module 420, which may include a global positioning system.

[0076] The SOC 400 may be based on an ARM, RISC-V (RISC-five) , or any reduced instruction set computing (RISC) architecture. In an aspect of the present disclosure, the instructions loaded into the general-purpose processor 402 may comprise code to predict channel characteristics associated with at least one wireless resource for communication between the UE and a network device during an initial access procedure. In other aspects of the present disclosure, the instructions loaded into the general-purpose processor 402 may comprise code to transmit a message indicating support of network side predicting of channel characteristics associated with at least one wireless resource for communication between a user equipment (UE) and the network device during an initial access procedure. In other aspects of the present disclosure, the instructions loaded into the general-purpose processor 402 may comprise code to receive a message indicating support of network side predicting of channel characteristics associated with at least one wireless resource for communication  between the UE and a network device during an initial access procedure. The message indicating support may be a dedicated PSS / SSS sequence.

[0077] Deep learning architectures may perform an inference task by learning to represent inputs at successively higher levels of abstraction in each layer, thereby building up a useful feature representation of the input data. In this way, deep learning addresses a major bottleneck of traditional machine learning. Prior to the advent of deep learning, a machine learning approach to an inference problem may have relied heavily on human engineered features, perhaps in combination with a shallow classifier. A shallow classifier may be a two-class linear classifier, for example, in which a weighted sum of the feature vector components may be compared with a threshold to predict to which class the input belongs. Human engineered features may be templates or kernels tailored to a specific problem domain by engineers with domain expertise. Deep learning architectures, in contrast, may learn to represent features that are similar to what a human engineer might design, but through training. Furthermore, a deep network may learn to represent and recognize new types of features that a human might not have considered.

[0078] A deep learning architecture may learn a hierarchy of features. If presented with visual data, for example, the first layer may learn to recognize relatively simple features, such as edges, in the input stream. In another example, if presented with auditory data, the first layer may learn to recognize spectral power in specific frequencies. The second layer, taking the output of the first layer as input, may learn to recognize combinations of features, such as simple shapes for visual data or combinations of sounds for auditory data. For instance, higher layers may learn to represent complex shapes in visual data or words in auditory data. Still higher layers may learn to recognize common visual objects or spoken phrases.

[0079] Deep learning architectures may perform especially well when applied to problems that have a natural hierarchical structure. For example, the classification of motorized vehicles may benefit from first learning to recognize wheels, windshields, and other features. These features may be combined at higher layers in different ways to recognize cars, trucks, and airplanes.

[0080] Neural networks may be designed with a variety of connectivity patterns. In feed-forward networks, information is passed from lower to higher layers, with each neuron in a given layer communicating to neurons in higher layers. A hierarchical representation may be built up in successive layers of a feed-forward network, as described above. Neural networks may also have recurrent or feedback (also called top-down) connections. In a recurrent connection, the output from a neuron in a given layer may be communicated to another neuron in the same layer. A recurrent architecture may be helpful in recognizing patterns that span more than one of the input data chunks that are delivered to the neural network in a sequence. A connection from a neuron in a given layer to a neuron in a lower layer is called a feedback (or top-down) connection. A network with many feedback connections may be helpful when the recognition of a high-level concept may aid in discriminating the particular low-level features of an input.

[0081] The connections between layers of a neural network may be fully connected or locally connected. FIGURE 5A illustrates an example of a fully connected neural network 502. In a fully connected neural network 502, a neuron in a first layer may communicate its output to every neuron in a second layer, so that each neuron in the second layer will receive input from every neuron in the first layer. FIGURE 5B illustrates an example of a locally connected neural network 504. In a locally connected neural network 504, a neuron in a first layer may be connected to a limited number of neurons in the second layer. More generally, a locally connected layer of the locally connected neural network 504 may be configured so that each neuron in a layer will have the same or a similar connectivity pattern, but with connections strengths that may have different values (e.g., 510, 512, 514, and 516) . The locally connected connectivity pattern may give rise to spatially distinct receptive fields in a higher layer because the higher layer neurons in a given region may receive inputs that are tuned through training to the properties of a restricted portion of the total input to the network.

[0082] One example of a locally connected neural network is a convolutional neural network. FIGURE 5C illustrates an example of a convolutional neural network 506. The convolutional neural network 506 may be configured such that the connection strengths associated with the inputs for each neuron in the second layer are shared (e.g.,  508) . Convolutional neural networks may be well suited to problems in which the spatial location of inputs is meaningful.

[0083] Deep belief networks (DBNs) are probabilistic models comprising multiple layers of hidden nodes. DBNs may be used to extract a hierarchical representation of training data sets. A DBN may be obtained by stacking up layers of Restricted Boltzmann Machines (RBMs) . An RBM is a type of artificial neural network that can learn a probability distribution over a set of inputs. Because RBMs can learn a probability distribution in the absence of information about the class to which each input should be categorized, RBMs are often used in unsupervised learning. Using a hybrid unsupervised and supervised paradigm, the bottom RBMs of a DBN may be trained in an unsupervised manner and may serve as feature extractors, and the top RBM may be trained in a supervised manner (on a joint distribution of inputs from the previous layer and target classes) and may serve as a classifier.

[0084] DCNs are networks of convolutional networks, configured with additional pooling and normalization layers. DCNs have achieved state-of-the-art performance on many tasks. DCNs can be trained using supervised learning in which both the input and output targets are known for many exemplars and are used to modify the weights of the network by use of gradient descent methods.

[0085] DCNs may be feed-forward networks. In addition, as described above, the connections from a neuron in a first layer of a DCN to a group of neurons in the next higher layer are shared across the neurons in the first layer. The feed-forward and shared connections of DCNs may be exploited for fast processing. The computational burden of a DCN may be much less, for example, than that of a similarly sized neural network that comprises recurrent or feedback connections.

[0086] The processing of each layer of a convolutional network may be considered a spatially invariant template or basis projection. If the input is first decomposed into multiple channels, such as the red, green, and blue channels of a color image, then the convolutional network trained on that input may be considered three-dimensional, with two spatial dimensions along the axes of the image and a third dimension capturing color information. The outputs of the convolutional connections may be considered to form a feature map in the subsequent layer, with each element of the feature map (e.g.,  520) receiving input from a range of neurons in the previous layer (e.g., feature maps 518) and from each of the multiple channels. The values in the feature map may be further processed with a non-linearity, such as a rectification, max (0, x) . Values from adjacent neurons may be further pooled, which corresponds to down sampling, and may provide additional local invariance and dimensionality reduction. Normalization, which corresponds to whitening, may also be applied through lateral inhibition between neurons in the feature map.

[0087] The performance of deep learning architectures may increase as more labeled data points become available or as computational power increases. Modern deep neural networks are routinely trained with computing resources that are thousands of times greater than what was available to a typical researcher just fifteen years ago. New architectures and training paradigms may further boost the performance of deep learning. Rectified linear units may reduce a training issue known as vanishing gradients. New training techniques may reduce over-fitting and thus enable larger models to achieve better generalization. Encapsulation techniques may abstract data in a given receptive field and further boost overall performance.

[0088] FIGURE 6 is a block diagram illustrating a deep convolutional network 650. The deep convolutional network 650 may include multiple different types of layers based on connectivity and weight sharing. As shown in FIGURE 6, the deep convolutional network 650 includes the convolution blocks 654A, 654B. Each of the convolution blocks 654A, 654B may be configured with a convolution layer (CONV) 656, a normalization layer (LNorm) 658, and a max pooling layer (MAX POOL) 660. Although only two of the convolution blocks 654A, 654B are shown, the present disclosure is not so limiting, and instead, any number of the convolution blocks 654A, 654B may be included in the deep convolutional network 650 according to design preference.

[0089] The convolution layers 656 may include one or more convolutional filters, which may be applied to the input data to generate a feature map. The normalization layer 658 may normalize the output of the convolution filters. For example, the normalization layer 658 may provide whitening or lateral inhibition. The max pooling layer 660 may provide down sampling aggregation over space for local invariance and dimensionality reduction.

[0090] The parallel filter banks, for example, of a deep convolutional network may be loaded on a CPU 402 or GPU 404 of an SOC 400 (e.g., FIGURE 4) to achieve high performance and low power consumption. In alternative embodiments, the parallel filter banks may be loaded on the DSP 406 or an ISP 416 of an SOC 400. In addition, the deep convolutional network 650 may access other processing blocks that may be present on the SOC 400, such as sensor processor 414 and navigation module 420, dedicated, respectively, to sensors and navigation.

[0091] The deep convolutional network 650 may also include one or more fully connected layers 662 (FC1 and FC2) . The deep convolutional network 650 may further include a logistic regression (LR) layer 664. Between each layer 656, 658, 660, 662, 664 of the deep convolutional network 650 are weights (not shown) that are to be updated. The output of each of the layers (e.g., 656, 658, 660, 662, 664) may serve as an input of a succeeding one of the layers (e.g., 656, 658, 660, 662, 664) in the deep convolutional network 650 to learn hierarchical feature representations from input data 652 (e.g., images, audio, video, sensor data and / or other input data) supplied at the first of the convolution blocks 654A. The output of the deep convolutional network 650 is a classification score 666 for the input data 652. The classification score 666 may be a set of probabilities, where each probability is the probability of the input data, including a feature from a set of features.

[0092] As indicated above, FIGURES 1-6 are provided as examples. Other examples may differ from what is described with respect to FIGURES 1-6.

[0093] In various wireless communication systems, including 5G new radio (NR) systems and beyond (e.g., 6G, 7G, etc. ) , a user equipment (UE) may perform a random access procedure for various reasons including, for example, initial access to a network. A four-step random access procedure involves a UE transmitting a first message (Msg1) to a base station via a physical random access channel (PRACH) . Msg1 includes a PRACH preamble. The UE receives a second message (Msg2) via a physical downlink control channel (PDCCH) or physical downlink shared channel (PDSCH) from the base station including a random access response (RAR) that includes scheduling for a PUSCH transmission. The procedure also includes the UE transmitting a third message (Msg3) including the PUSCH transmission, and receiving a fourth message (Msg4)  from the base station including a contention resolution message on the PDCCH or PDSCH.

[0094] A two-step random access procedure involves a UE transmitting a first message (MsgA) including a PRACH preamble and the Msg3 content. The MsgA transmission includes two transmissions. A first transmission includes a PRACH preamble on the PRACH, with timing information for uplink transmissions that allow the base station to set timing advance parameters, for example. The MsgA transmission also includes a payload on the PUSCH that carries at least the Msg3 contents. The two-step procedure also includes transmitting a second message (MsgB) carrying the equivalents of Msg2 and Msg4 of the four-step procedure.

[0095] FIGURE 7A is a call flow diagram illustrating a four-step random access procedure 700, in accordance with various aspects of the present disclosure. As seen in FIGURE 7A, the four-step random access procedure has four transmissions. First, the UE 120 transmits Msg1 on the physical random access channel (PRACH) at time t1. The Msg1 transmission is a first transmission that may include a PRACH preamble, including timing information for uplink transmissions that allow the base station 110 to set timing advance parameters, for example.

[0096] Although not shown in FIGURE 7A, the UE 120 decodes a previously sent physical downlink control channel (PDCCH) to obtain downlink control information (DCI) containing scheduling information for the UE 120 to receive the physical downlink shared channel (PDSCH) carrying Msg2. DCI can have different predefined formats in the PDCCH for different purposes. The formats define how data is packed within the DCI. In this particular example, the DCI is in format 1_0. On the resources indicated in the DCI, the base station 110 transmits a Msg2 transmission on the PDCCH or PDSCH at time t2. The Msg2 transmission may also be referred to as a random access response (RAR) message, and the contents may include timing advance parameters or information, an uplink grant for the UE’s Msg3 transmission on the uplink, a temporary cell radio network temporary identifier (TC-RNTI) , and the like. In some instances, the base station 110 may transmit the TC-RNTI to the UE 120 to indicate the scrambling sequence used for Msg4 transmission. The scrambling sequence enables a base station to simultaneously communicate with multiple UEs.  Each UE has its own scrambling sequence. The base station can separate the signals from the different UEs based on the scrambling sequences.

[0097] After receiving Msg2 or the RAR, the UE 120 transmits Msg3 on the PUSCH, at time t3, using resources scheduled by the uplink grant of Msg2. In some instances, the contents of Msg3 may include a radio resource control (RRC) connection request, a scheduling request, a buffer status of the UE 420, or the like. The base station 110 first transmits a DCI message, at t4, then the base station 110 transmits a contention resolution message referred to as Msg4 on the PDCCH or PDSCH, at time t5. The base station 110 transmits Msg4 on the time and frequency resources indicated in the DCI, as described with respect to Msg2.

[0098] The random access procedure depicted in FIGURE 7A may be performed in various use cases, including for initial access to a network or cell, when a UE 120 transitions from an RRC idle / inactive state to an RRC connected state (for example, after receiving a paging message) . Due to poor channel conditions or other factors, some transmissions may specify retransmission if the initial transmission was not received or decoded by the receiver. With respect to Msg3 PUSCH transmissions, an uplink grant in the RAR may schedule the initial transmission. As seen at time t4, a DCI message having format 0_0, with the DCI cyclic redundancy check (CRC) scrambled by the TC-RNTI provided in the corresponding RAR may schedule retransmissions.

[0099] FIGURE 7B is a call flow diagram illustrating a two-step random access procedure 750, in accordance with various aspects of the present disclosure. As seen in FIGURE 7B, a two-step random access procedure has two transmissions. Prior to starting the two-step random access procedure, the base station 110 transmits a DCI message in format 1_0 at time t1, including a synchronization signal block (SSB) , a system information block (SIB) , reference signals (RSs) , and RRC signaling to enable the random access procedure. At time t2, the UE 120 performs downlink synchronization, system information (SI) decoding, and reference signal measurement to prepare for the random access procedure.

[0100] At time t3, the UE 120 transmits MsgA on the PRACH. The MsgA transmission includes two transmissions. A first transmission includes a PRACH  preamble with timing information for uplink transmissions that allows the base station 110 to set timing advance parameters, for example. The MsgA transmission also includes a payload on the PUSCH that carries at least the Msg3 contents.

[0101] In response to receiving MsgA, at time t4, the base station 110 processes the preamble and the payload. Then, at time t5, the base station 110 transmits a MsgB, which also includes two transmissions. The first transmission is on the PDCCH and the second transmission is on the PDSCH. The MsgB transmission may also be referred to as an RAR message, and the contents may include the information equivalent to Msg2 and Msg4 from the four-step procedure. Upon successfully receiving MsgB, the UE 120 transmits a HARQ acknowledgment (ACK) on a physical uplink control channel (PUCCH) , at time t6.

[0102] According to aspects of the present disclosure, the initial access procedures may be enhanced with artificial intelligence / machine learning (AI / ML) techniques. Beam management, for example, beam prediction in time and / or spatial domain for overhead and latency reduction, and / or beam selection accuracy improvement may be employed. The AI / ML approaches for the selected use cases may support various requirements on the base station (gNB-UE) collaboration levels.

[0103] For AI / ML-based beam management, spatial domain downlink beam prediction and temporal downlink beam prediction are supported for characterization and baseline performance evaluations. Spatial-domain downlink (DL) beam prediction is for Set A of beams based on measurement results of Set B of beams. That is, beams are measured, and then non-measured beams are predicted. Temporal DL beam prediction for Set A of beams is based on the historic measurement results of Set B of beams. For spatial domain and temporal beam prediction, beams in Set A and Set B can be in the same frequency range. In some aspects, Set B is a subset of Set A. In other aspects, Set A and Set B are different, for example, Set A consists of narrow beams and Set B consists of wide beams. Set A may be for DL beam prediction and Set B may be for DL beam measurement.

[0104] Beam prediction during initial access has not been a main focus in 5G-NR, because specification impacts may be significant, considering existing 5G-NR frameworks and procedures on synchronization signal block (SSB) occupations, system  information, and random access channel (RACH) procedures. However, beam prediction can help for initial access related beam management. For example, predicting a large number of SSB layer one (L1) reference signal received powers (RSRPs) based on measurements of a limited number of SSBs can reduce user equipment (UE) power consumption and latency during initial access. Similarly, predicting non-measured narrow beam qualities based on measurements on SSBs can reduce overhead, latency, and UE power consumed for beam refinement after initial access. Moreover, high throughput performance can be provided faster than with current procedures. It is noted that the terms SSBs and beams may be used interchangeably unless such word swap is inconsistent with the semantics of the sentence. In addition, if initial access is encountered with high-mobility or blockage scenarios, temporal beam prediction can help with preventing potential beam failures. This is true because in 5G new radio (NR) systems, TypeD-QCL is based on the SSB identified in Msg1 / MsgA before RRC-connection is successfully setup. TypeD-QCL supports beamforming by indicating spatial receiver parameters.

[0105] Another example of the benefits of beam prediction for initial access arises if a UE can measure frequency range one / frequency range three (FR1 / FR3) SSBs instead of frequency range two (FR2) SSBs, wherein FR2 and FR3 antennas may be collocated. In this scenario, the UE can predict its preferred FR2 SSB via FR3 SSB measurements, such that latency and UE power consumption can both be reduced compared with current techniques.

[0106] Aspects of the present disclosure integrate beam prediction into initial access procedures. Beam prediction techniques for radio resource control (RRC) connected modes can be redesigned for initial access procedures by tightly integrating beam prediction methodologies. Such designs consider whether beam prediction is carried out by the UE or by the network, as well as the type of prediction, for example, spatial / temporal / frequency domain beam prediction; DL-transmit (Tx)  / DL-reception (Rx)  / UL-Rx / UL-Tx beam prediction. Aspects of the present disclosure relate to designs focusing on UE-side and network-side beam prediction. UE-side beam prediction will be discussed first.

[0107] Initial access may be integrated with UE-side beam prediction. A brief initial description will be presented for four types of integration, with additional details provided later in the specification.

[0108] FIGURE 8 is a timing diagram illustrating options for integrating initial access with UE-side beam prediction, in accordance with various aspects of the present disclosure. In some aspects, the UE 120 identifies necessary network assistance information for UE-side beam prediction during initial access before transmitting Msg1 / MsgA during the initial access procedure. The network (NW) 110 transmits the network assistance information in primary synchronization signal / secondary synchronization signal (PSS / SSS) sequences, the physical broadcast channel / master information block (PBCH / MIB) , or remaining system information (RMSI) , as seen in FIGURE 8 at time 802.

[0109] In other aspects, the UE 120 reports UE-side beam prediction results in Msg1 / MsgA, or indicates UE capabilities for UE-side beam prediction in Msg1 / MsgA, as seen at time 804. Related reporting methods and / or conditions can be based on standard definitions and / or configured via system information.

[0110] In still other aspects, the UE 120 receives additional or initial network assistance information or requests related to UE-side beam prediction in Msg2 / MsgB, as seen at time 806. Based on such requests in Msg2 / MsgB, the UE 120 reports initial or additional beam prediction results in Msg3 or uplink messages transmitted after MsgB.

[0111] In still further aspects, the UE 120 receives TypeD-QCL updates during initial access, before completing the RRC-connection setup process, as seen at time 808. The updated TypeD-QCL source can be different from the synchronization signal block (SSB) initially chosen by the UE, and may be determined by the network based on beam prediction results. In FIGURE 8, the radio resource control (RRC) connection setup completes at time 810.

[0112] More details are now provided for network assistance information transmitted in the SSB / PBCH / MIB or system information. For spatial domain prediction for SSBs, beam pointing direction information or beam-width information associated with the various SSBs may be signaled. For example, apart from indicating which SSBs have been actually transmitted, the network can further signal relative or  absolute pointing direction relationships and / or relative or absolute beam-widths of the transmitted SSBs.

[0113] A priori probabilities / layer one reference signal receive powers (L1-RSRPs) and / or ordering for the SSBs may be signaled separately for different hypothetical UE locations. For example, the network may gather L1-RSRPs reported by various UEs together with the location information, and calculate such a priori information. A priori information refers to Bayesian calculations. For example, the information may indicate which SSBs will change given a UE location. In one example, the network may indicate that there is a 70%chance of SSB#1 changing and a 20%chance of SSB#3 changing. In another example, the network may indicate that there is a 70%chance SSB#1, SSB#2, and SSB#3 will have the strongest signals, in that order, and a 30%chance that SSB#2, SSB#3, and SSB#1 will have the strongest signals, in that order.

[0114] The UE may be capable of obtaining its location from a global navigation satellite system (GNSS) upon decoding such assistance information. It is noted that the UE may successfully decode system information from a suboptimal SSB, while carrying out initial access procedures with more optimal SSB (s) , resulting in more robustness or lower initial access latency. The spatial domain assistance information can help the UE with identifying or predicting an optimal SSB based on measuring only a limited number of the SSBs.

[0115] For frequency domain prediction, the network may indicate whether the associated SSBs are transmitted from the same location or a different location from where another set of SSBs in a different frequency range or component carrier (CC) are also transmitted. If the SSBs are from a different location, more detailed information about the other set of SSBs may be provided. For example, frequency and / or time occupations may be indicated. Location, pointing direction, and / or beam-width associations between the two groups of SSBs may also be indicated. For example, the UE may first detect FR1 / FR3 SSBs that are transmitted from the same locations as FR2 SSBs. The UE can predict characteristics of the FR2 SSBs based on measurements of the FR1 / FR3 SSBs. In another example, the UE may first decode system information from FR2 SSBs (e.g., a suboptimal SSB) . Another set of SSBs may be transmitted via FR1 / FR3, so the UE may predict a better FR2 SSB than a current FR2 SSB based on measurements of the FR1 / FR3 SSBs, without much additional measurement effort.

[0116] In some aspects of the present disclosure, artificial intelligence / machine learning (AI / ML) functionality and / or an AI / ML model ID may be indicated via SSB / PBCH / MIB or system information. That is, the network may signal the AI / ML functionality / model ID that the UE should consider for UE-side beam prediction, through a PSS / SSS sequence ID, PBCH / MIB, or system information. Such indication may be signaled depending on different UE hypothetical locations, a specific SSB index where the system information is identified from, and / or a cell ID (or sequence ID for the associated SSB’s PSS / SSS) that can be identified from system information. The standards may predefine certain PSS / SSS sequence IDs that should be reserved to indicate AI / ML functionality and / or model IDs. The standards may also define PBCH / MIB or system information that comprises functionality and / or model IDs. The UE prioritizes the search for such PSS / SSS sequence IDs. The AI / ML functionalities and / or models may be defined in the standards with necessary input / output definitions.

[0117] FIGURE 9 is a block diagram illustrating examples of identifying network assistance information for UE-side beam prediction during initial access, in accordance with various aspects of the present disclosure. In the example of FIGURE 9, a UE measures a small number of SSBs, in this example SSB#5 at 902. For a spatial domain prediction for SSBs, at block 904, the UE receives remaining system information (RMSI) with a priori probabilities / L1-RSRPs or ordering with respect to different SSBs at different UE locations. The UE, using AI / ML, predicts a better SSB. In this example, the better SSB is SSB#8, as seen at 906. The UE predicts the better SSB without excessively measuring all SSBs. For example, the UE identifies posterior probabilities / L1-RSRP or ordering of the SSBs based on the a priori information in the RMSI.

[0118] For cross-frequency range beam prediction, at block 908, the UE receives RMSI indicating FR1 and FR3 SSBs are collocated with FR2 SSBs. The RMSI provides the information for all of the SSBs. The UE, using AI / ML, predicts a better SSB. In this example, the better SSB is SSB#8 as seen at 906. The UE predicts with the help of the FR1 and / or FR3 SSBs, in addition to any already measured FR2 SSBs. The prediction is enabled without excessively measuring all FR2 SSBs.

[0119] For AI / ML functionality and / or model identification, at block 910, the network indicates model#3 should be used for FR2 initial access predictions. Thus, the  UE uses model#3 to predict a better SSB. Candidate models may have been previously downloaded where input / output was defined for the models when downloading the models. In the example of FIGURE 9, model#3 receives as input the L1-RSRPs of SSB#2, SSB#5, and SSB#8. The model also receives as input the SSB indices for SSB#2, SSB#5, and SSB#8. The model predicts the L1-RSRPs of all SSBs based on the received input and selects SSB#8 for Msg1 / MsgA transmission at 906.

[0120] Transmitting beam prediction results or a beam prediction capability / preference in Msg1 / MsgA is now discussed in more detail. For spatial domain prediction (e.g., with respect to other narrow beams) , system information can signal information for virtual beams that are not actually transmitted. The virtual beams are potentially narrower than beams associated with the SSBs. For example, associations between the SSBs and the virtual beams, in terms of pointing directions, beam widths, QCL, parent-child relationships, etc., may be signaled.

[0121] The UE may also identify methods and / or conditions to report prediction results and / or a capability and / or preference for reporting prediction results for the virtual beams, through Msg1 / MsgA. For example, the UE may indicate whether the UE can only report its capabilities / preferences or the UE can also report specific prediction results. The indication may be further dependent on whether the UE uses Msg1 or MsgA. The UE may also indicate what prediction results are expected to be reported. For example, the UE may expect L1-RSRPs or strongest-beam (s) with regards to L1-RSRP, ordering of the reported beams in terms of L1-RSRP strength, number of virtual beams to be addressed in the report, and / or whether confidence levels should also be reported. The expectations may be separately signaled depending on whether the UE reports via Msg1 or MsgA. In some aspects, the UE indicates whether the UE can only report in Msg1 or only in MsgA or in both messages.

[0122] For temporal domain prediction, system information can indicate a temporal interval between the latest SSB measurement occasion and a predicted future occasion. The temporal interval may also be between the slot carrying the results and the predicted future occasion. The system information may further carry prediction target details for the future occasion. These details may include, for example, strongest SSB IDs, L1-RSRPs, ordering of the SSBs, etc.

[0123] When reporting in Msg1 (via the four-step RACH process) , certain random access channel (RACH) occasions (ROs) and / or preambles may be predefined in the standards and / or network configured (e.g., via system information) to indicate a UE capability preference on reporting prediction results or prediction results themselves. The UE capability / preference on reporting prediction results may be for the virtual beams and / or future occasions. The UE capability / preference may be, for example, with respect to L1-RSRP or strongest-beam (s) with respect to L1-RSRP. The direct reporting of prediction results for the virtual beams and / or future occasions may be, for example, the strongest-beam (s) with respect to L1-RSRP.

[0124] When reporting in MsgA (via the two-step RACH process) , the methods introduced for reporting in Msg1 (via the four-step RACH process) can be reused. Moreover, PUSCH occasions (POs) may be additionally considered for similar purposes. In addition, the UE may directly report prediction results regarding the virtual beams and / or future occasions, or report a capability / preference on reporting prediction results for the virtual beams and / or future occasions, through MsgA-PUSCH. It is noted that MsgA-PUSCH refers to the PUSCH payload of MsgA, rather than the preamble payload. The prediction results may include, for example, the predicted L1-RSRP (s) or strongest beam (s) with regards to L1-RSRP.

[0125] If the UE only reports a capability / preference on sending beam prediction results in Msg1 / MsgA, the UE may expect to be scheduled with an appropriate Msg3 or an uplink Msg after MsgB, for sending the associated beam prediction results.

[0126] FIGURE 10 is a block diagram illustrating Msg1 and MsgA reporting for UE-side beam prediction during initial access, in accordance with various aspects of the present disclosure. In the example of FIGURE 10, a UE receives SSBs 1002. The UE performs SSB measurements and decodes the system information at 1004. At 1006, the UE decodes RMSI including information with respect to temporal prediction. For example, the temporal information may indicate the strongest SSBs to be received 20 ms, 40 ms, and / or 80 ms after the slot carrying the Msg1 or MsgA. Based on the temporal information, at 1008, the UE reports capabilities and / or preferences via Msg1 / MsgA. The capabilities / preferences are for reporting prediction results. At 1010, the UE waits to be scheduled with a Msg3 or uplink message after MsgB for reporting  the prediction results. Alternatively, the UE may directly report the prediction results via Msg1 or MsgA-PUSCH, at 1012.

[0127] At 1014, the UE receives RMSI including information with respect to virtual beams, which may be narrow beams. The system information may also indicate what types of prediction results should be reported. SSBs for wider beams 1016 may be transmitted. Virtual beams 1018 are beams that have not been transmitted. In the example of FIGURE 10, the virtual beams 1018 are narrower than the SSBs for wider beams 1016 that have been transmitted.

[0128] UE receipt of a beam prediction request or information in Msg2 or MsgB is now described in more detail. For spatial domain prediction (e.g., for other narrow beams) or temporal prediction, Msg2 or MsgB may signal certain information. For example, if the UE only reported its capability / preference for reporting prediction results in Msg1 / MsgA, the UE may identify a dedicated radio network temporary identifier (RNTI) or random access response (RAR) window associated with such capability / preference to monitor for Msg2 / MsgB. The capability / preference may be predefined in a standard and / or signaled in system information. In Msg2 / MsgB, the UE may receive further network-side assistance information or requests related to beam prediction. For example, the UE may receive further detailed information related to narrow beams that are not fully signaled via system information. The UE may receive additional information requesting the UE to report the prediction results via Msg3 or an uplink message after MsgB. The UE may receive details on what should be reported as prediction results, for example, how many narrow beams should be addressed, should L1-RSRP be addressed, or should only the beam IDs should be addressed, etc. Such requests may be based on a single bit indication in the RAR uplink grant. That is, the bit may indicate whether the bit is requesting additional information or not requesting additional information.

[0129] If a UE has already reported prediction results via Msg1 / MsgA but only addressed coarse prediction results, the UE may identify a dedicated RNTI or RAR window associated with such types of prediction results to monitor for Msg2 / MsgB. Examples of coarse prediction results include, for example, reporting only the beam ID (s) without predicted L1-RSRP (s) or without confidence levels. The prediction results may be based on a predefined standard and / or signaled in system information.

[0130] In Msg2 / MsgB, the UE may receive further network-side requests on reporting details of remaining prediction results. For example, the requests may indicate how to provide predicted L1-RSRPs or confidence levels, if applicable. Such requests may be based on a single-bit indication in the RAR uplink grant (e.g., requesting or not requesting the information) . The detailed definition of the request may be based on predefined standards and / or network signaling in system information.

[0131] Instead of being signaled via PBCH / MIB or system information, the AI / ML functionality / model ID, which the UE should be referred to for UE-side beam prediction, may be signaled via Msg2 / MsgB. Based on the network-side requests from Msg2 / MsgB described above, the UE reports the beam prediction results or remaining prediction results via Msg3 or an uplink message transmitted after MsgB.

[0132] TypeD-QCL updates during RACH procedures are now described in more detail. A UE may receive updated TypeD-QCL information for receiving PDSCH or PDCCH during initial access before RRC-connection setup, through Msg2, Msg4, or MsgB. For example, a payload in Msg2 / Msg4 / MsgB can directly indicate an SSB-index, such that the UE may determine the receive spatial filter for subsequent PDSCH and PDCCH transmissions and the transmit spatial filter for subsequent PUSCH transmissions, based on the indicated SSB-index. If the UE has reported beam prediction results for a virtual (e.g., narrow) beam, the virtual beam may be a child beam associated with an SSB. Thus, the SSB index allows the UE to identify an appropriate beam.

[0133] In other aspects, the indication may refer to a virtual (e.g., narrow) beam ID directly, such that the UE determines the receive spatial filter for subsequent PDSCH and PDCCH transmissions and the transmit spatial filter for subsequent PUSCH transmissions, based on the indicated virtual beam-ID. The filter determination may be further based on the fact that the virtual beam’s TypeD-QCL corresponds to one of the SSBs that has been signaled, as previously described. Thus, indicating the virtual beam ID may also allow the UE to identify an appropriate receive and / or transmit beam.

[0134] FIGURE 11 is a block diagram illustrating UE-side temporal prediction, in accordance with various aspects of the present disclosure. At time 1102, the UE measures SSBs and decodes system information to determine SSB#5 is the strongest  beam, prior to transmitting MsgA. At time 1104, the UE receives system information requesting a prediction for a strongest SSB ID 20 ms after the slot carrying MsgA. At time 1106, the UE transmits MsgA indicating the temporal prediction requested by the network at time 1104. In the example of FIGURE 11, the UE predicts SSB#8 will be a better SSB 20 ms later (time 1108) . During the 20 ms interim period 1108, the UE applies TypeD-QCL parameters based on SSB#5 or MsgA, MsgB, Msg1, Msg2, Msg3, Msg4, and PDCCH transmissions.

[0135] At time 1110, the network transmits MsgB instructing the UE to use SSB#8 as new TypeD QCL for subsequent messages. The MsgB may include an index of SSB#8. At time 1112, the UE applies TypeD QCL parameters based on SSB#8 for all transmissions after MsgB.

[0136] In still further aspects, the UE may receive the signaling as a dynamic transmission control indicator (TCI) -state indication from the DCI scheduling Msg2 / Msg4 / MsgB-PDSCH. In these aspects, the UE may determine the receive spatial filter for receiving the PDSCH scheduled by the DCI based on the SSB index or virtual beam ID indicated by the DCI. The determining may be further based on whether the UE has indicated such capabilities or preferences in one of the uplink messages preceding the DCI, or has reported beam prediction results for virtual (e.g., narrow) beams in one of the uplink messages preceding the DCI. The signaling may or may not change the default TCI state for later messages. A reserved code-point in the DCI may indicate that TypeD-QCL is still based on the initial SSB.

[0137] In still other aspects, if the UE has reported at least one virtual (e.g., narrow) beam ID through one of the uplink messages, the UE determines TypeD-QCL for the remaining downlink and uplink messages based on the reported virtual beam ID. Again, the determination may be further based on whether the virtual beam TypeD-QCL corresponds to one of the SSBs that has been signaled as described previously. Thus, identifying the virtual beam ID may also allow the UE to identify an appropriate receive and / or transmit beam.

[0138] Network-side prediction, as opposed to UE-side prediction will now be discussed. In these aspects, initial access is integrated with network-side (NW-side)  beam prediction. A brief initial description will be presented for four types of integration, with additional details provided later in the specification.

[0139] FIGURE 12 is a timing diagram illustrating options for integrating initial access with network-side beam prediction, in accordance with various aspects of the present disclosure. In the example of FIGURE 12, a network (NW) 110 communicates with a UE 120.

[0140] In a first aspect, the standards reserve certain primary synchronization signal and / or secondary synchronization signal (PSS / SSS) sequence IDs that should be reserved to indicate the support of NW-side beam prediction. In these aspects, the UE 120 prioritizes the search of such PSS / SSS sequence IDs, at time 1202.

[0141] In a second aspect, the standards, system information, or a physical broadcast channel (PBCH) defines methods and conditions for the UE to transmit Msg1 / MsgA or other uplink (UL) messages during initial access to assist network-side beam prediction. The UE 120 identifies from the standards definitions and / or necessary network-side requests and / or assistance information from a physical broadcast channel (PBCH) , a master information block (MIB) or system information, how to transmit such Msg1 / MsgA. The UE 120 transmits MsgA / Msg1 at time 1204 to indicate a willingness or capability to assist with network-side prediction or directly send such information, in accordance with the definition or conditions.

[0142] In a third aspect, the UE 120 identifies from standards definitions and / or receives further network-side requests in Msg2 / MsgB indicating how to transmit Msg3 or other uplink messages after MsgB, assisting or further assisting with network-side beam prediction. In the example of FIGURE 12, at time 1206, the UE 120 receives Msg2 / MsgB requesting information or additional information to assist with network-side prediction. The UE 120 reports information assisting network-side prediction based on willingness or capability reported in Msg1 / MsgA, and / or based on a Msg2 / MsgB request.

[0143] In a fourth aspect, the UE 120 may receive TypeD-QCL updates during initial access before the UE 120 completes RRC-connection setup. The updated TypeD-QCL source can be different from the synchronization signal block (SSB) initially chosen by the UE 120 based on network-side beam prediction results. In the  example of FIGURE 12, at time 1208, the UE 120 receives TypeD-QCL updates during initial access before the UE 120 completes RRC-connection setup, at time 1210, based on network-side beam prediction results.

[0144] More detail is now provided about the first aspect of using PSS / SSS sequences to indicate support of network-side beam prediction during initial access. In this aspect, certain PSS / SSS sequences may be reserved in the standards to represent support of network-side beam prediction during initial access. The UE expects network-side beam prediction during initial access if cells associated with such sequences can be accessed. Cells associated with remaining PSS / SSS sequences, may or may not support network-side beam prediction during initial access. The standards may further categorize the reserved PSS / SSS sequences into different types of network-side beam prediction. For example, the sequences may be categorized as only predicting SSB beams versus also / alternatively predicting beams narrower than the SSBs.

[0145] UEs that favor network-side beam prediction for performance improvement or UE-side power / latency reduction prioritize the searching of such PSS / SSS sequences during initial access. Also, UEs capable of or preferring to report information assisting network-side beam prediction prioritize the searching of such PSS / SSS sequences during initial access.

[0146] FIGURE 13 is a block diagram illustrating prioritizing of primary synchronization signal / secondary synchronization signal (PSS / SSS) sequences, in accordance with various aspects of the present disclosure. In the example of FIGURE 13, UEs that favor network-side beam prediction for performance improvement or UE-side power / latency reduction and UEs capable of or preferring to report information assisting network-side beam prediction, prioritize the searching of standardized PSS / SSS sequences 1302 …1304 during initial access. The standards reserved PSS / SSS sequences 1302 …1304 are initially searched by the UE. If the UE can access cells associated with one of the standardized sequences 1302 …1304, the UE expects network-side beam prediction during initial access. Other PSS / SSS sequences 1306, 1308 …1310, 1312 may or may not indicate cells associated with such sequences 1306, 1308 …1310, 1312 support network-side beam prediction. These other sequences 1306, 1308 …1310, 1312 may be searched after searching for standardized  sequences 1302 …1304. The number and types of sequences shown in FIGURE 13 are merely an example for ease of illustration and understanding, and are not limiting. Any quantity of each type of sequence may be present.

[0147] More details of standards definition of methods and conditions for uplink messages will now be provided. For example, Msg1 / MsgA may be standardized for information assisting network-side beam prediction.

[0148] In these aspects, the UE may identify information based on standards definitions or from PBCH / MIB or system information, as the network requests transmitting of information in Msg1 assisting network-side beam prediction. Such information may include RACH occasions (ROs) or preambles reserved in the standards and / or PBCH / MIB / system information indications. These indications may indicate a UE’s willingness / capability for reporting such information assisting network-side beam prediction. The indications may also indicate reserved ROs or preambles for directly reporting such information assisting network-side beam prediction.

[0149] Details of such information helping with network-side beam prediction may include multiple SSB indices, L1-RSRPs or L1-RSRP ordering, and / or a specific number of the above types of SSBs. The information, for example, may help with predicting (or early predicting) of beams that are narrower than the SSBs at the network, or identifying a better SSB based on a smaller number of SSB measurements. The multiple SSB indices may include indices of SSBs with measured L1-RSRPs that are the strongest among all SSBs. The multiple SSB indices may optionally include L1-RSRPs measured for such SSBs. The L1-RSRPs or L1-RSRP ordering may indicate a certain subset of the overall SSBs. The subset may be defined in the standards based on a fixed SSB index selection rule, or network selected and indicated through PBCH / MIB or system information. In other aspects, the subset may be network indicated with multiple subset options, and the UE reports the selected subset ID.

[0150] If the UE reports a willingness / capability in Msg1, the UE directly reports the associated information in Msg3, without further network instruction. Such UEs may identify a dedicated radio network temporary identifier (RNTI) and / or random access response (RAR) window to monitor for Msg2 / MsgB. In these aspects, the uplink grant  RAR scheduling physical uplink shared channel (PUSCH) may allocate a greater amount of uplink resources for such reporting.

[0151] In these aspects, the UE may also identify information based on standards definitions or from PBCH / MIB or system information, as the network requests transmitting of information in MsgA assisting network-side beam prediction. Similar to Msg1, such information may include RACH occasions (ROs) or preambles reserved in the standards and / or PBCH / MIB / system information indications. These indications may state a UE’s willingness / capability for reporting such information assisting network-side beam prediction. The indications may also designate reserved ROs or preambles for directly reporting such information assisting network-side beam prediction.

[0152] If the UE reports a willingness / capability in MsgA, the UE directly reports the associated information in uplink messages after MsgB, without further network instruction. Such UEs may identify a dedicated radio network temporary identifier (RNTI) and / or random access response (RAR) window to monitor for MsgB. In these aspects, the uplink grant RAR scheduling physical uplink shared channel (PUSCH) may allocate a greater amount of uplink resources for such reporting. Additionally, reserved PUSCH occasions (POs) may indicate the UE’s willingness / capability for reporting such information to assist with network-side beam prediction. The reserved POs may also be used to directly report such information. Furthermore, the UE can directly report such information through MsgA-PUSCH.

[0153] FIGURE 14 is a timing diagram illustrating initial access messages for assisting network-side beam prediction, in accordance with various aspects of the present disclosure. In the example of FIGURE 14, a reserved RO, preamble, or PO, at time 1402, is associated with a UE willingness or capability for providing information to assist with network-side prediction during initial access. The RO, PO, or preamble may also be used for directly providing information assisting with network-side beam prediction. In the example of FIGURE 14, at time 1402, the UE transmits a MsgA-PUSCH indicating a willingness or capability for assisting with network-side prediction. At time 1404, the UE transmits an uplink message after MsgB with information for assisting with network-side beam prediction.

[0154] More details of Msg2 / MsgB with requests or information for network-side prediction will now be described. In some aspects, instead of signaling information / requests for network-side beam prediction through PBCH / MIB or system information as described above, the network may alternatively or additionally send such information / requests through Msg2 / MsgB. Then, the UE decides whether to provide the requested information in Msg3 or uplink messages after MsgB.

[0155] In other aspects, if the UE only indicated a capability-supporting or positive-preference on providing information assisting network-side beam prediction through Msg1 / MsgA, then Msg2 / MsgB may additionally request such information to be sent by the UE via Msg3 or uplink messages after MsgB. Alternatively, if additional information for sending Msg3 or uplink messages after MsgB is not presented in PBCH / MIB or system information, the additional information may be signaled through Msg2 / MsgB. For example, the additional information may include a specific number of SSBs to be addressed, whether L1-RSRPs are also required, whether ordering of the SSBs is required, etc. UEs having indicated such capability-supporting or positive-preference on providing information assisting network-side beam prediction should monitor Msg2 / MsgB based on a dedicated RNTI and / or RAR window. The dedicated RNTI and / or RAR window may be defined in the standards or may be network signaled via system information. If the UE receives such requests through Msg2 / MsgB, the UE provides the requested information through Msg3 or uplink messages after MsgB.

[0156] In other aspects, if the UE already provided information assisting network-side beam prediction, the UE may receive additional requests in Msg2 / MsgB asking for more information. For example, the additional information may include a specific number of SSBs to be addressed, whether L1-RSRPs are also required, whether ordering of the SSBs is required, etc.

[0157] More details of TypeD-QCL updates during RACH procedures are now provided. A UE may receive updated TypeD-QCL information for receiving PDSCH or PDCCH during initial access before RRC-connection setup, through Msg2, Msg4 or MsgB. For example, a payload in Msg2 / Msg4 / MsgB may directly indicate an SSB-index, such that the UE may determine the receive spatial filter for subsequent PDSCH and PDCCH transmissions and the transmit spatial filter for subsequent PUSCH transmissions, based on the indicated SSB-index. If the network has predicted a narrow  beam based on UE reported SSB measurements, the narrow beam may be a child beam associated with an SSB. Thus, the SSB index allows the UE to identify an appropriate beam.

[0158] FIGURE 15 is a block diagram illustrating network-side temporal prediction, in accordance with various aspects of the present disclosure. At time 1502, the UE measures a reduced number of SSBs to successfully decode system information. In the example of FIGURE 15, the UE determines SSB#5 is the strongest beam, prior to transmitting MsgA. At time 1504, the UE transmits MsgA-PUSCH indicating the measured L1-RSRPs of the reduced set of SSBs. In the example of FIGURE 15, the network predicts SSB#8 will be a better SSB, at time 1506. During an interim period 1508, the UE applies TypeD-QCL parameters for MsgA / MsgB based on SSB#5.

[0159] At time 1510, the network transmits MsgB-PDSCH instructing the UE to use SSB#8 as new TypeD QCL for subsequent messages. The MsgB may include an index of SSB#8. At time 1512, the UE applies TypeD QCL parameters based on SSB#8 for all transmissions after MsgB.

[0160] In still further aspects, the UE may receive the signaling as a dynamic transmission control indicator (TCI) -state indication from the DCI scheduling Msg2 / Msg4 / MsgB-PDSCH. In these aspects, the UE may determine the receive spatial filter for receiving the PDSCH scheduled by the DCI, based on the SSB index or virtual beam ID indicated by the DCI. The determination may be further based on whether the UE has indicated such capabilities or preferences in one of the uplink messages preceding the DCI, or has reported information assisting network-side beam prediction in one of the uplink messages preceding the DCI. A reserved code-point may be used in the DCI indicating that TypeD-QCL is still based on the initial SSB.

[0161] FIGURE 16 is a flow diagram illustrating a processor-implemented method 1600 for initial access integrated with UE-side beam prediction, in accordance with various aspects of the present disclosure. The processor-implemented method 1600 may be performed by one or more processors such as the CPU (e.g., 402) , GPU (e.g., 404) , and / or other processing unit (e.g., DSP 406) , for example.

[0162] At block 1602, the user equipment (UE) predicts channel characteristics associated with at least one wireless resource for communication between the UE and a  network device during an initial access procedure. For example, the UE (e.g., using the controller / processor 280, memory 282, and / or the like) may predict the channel characteristics. In some aspects, the predicting occurs with an artificial intelligence / machine learning (AI / ML) module during the initial access procedure without actual measurements of the wireless resources.

[0163] FIGURE 17 is a flow diagram illustrating an example process 1700 performed, for example, by a network device, for initial access integrated with network-side beam prediction, in accordance with various aspects of the present disclosure.

[0164] At block 1702, the base station transmits a message indicating support of network side predicting of channel characteristics associated with at least one wireless resource for communication between a user equipment (UE) and the network device during an initial access procedure. For example, the base station (e.g., using the antenna 234, MOD / DEMOD 232, TX MIMO Processor 230, transmit processor 220, controller / processor 240, memory 242, and / or the like) may transmit the message. The message indicating support may be a dedicated primary synchronization signal / secondary synchronization signal (PSS / SSS) sequence.

[0165] FIGURE 18 is a flow diagram illustrating a processor-implemented method 1800 for initial access integrated with UE-side beam prediction, in accordance with various aspects of the present disclosure. The processor-implemented method 1800 may be performed by one or more processors such as the CPU (e.g., 402) , GPU (e.g., 404) , and / or other processing unit (e.g., DSP 406) , for example.

[0166] At block 1802, the user equipment (UE) receiving a message indicating support of network side predicting of channel characteristics associated with one or more wireless resources for communication between the UE and a network device during an initial access procedure. The message indicating support comprises a dedicated primary synchronization signal / secondary synchronization signal (PSS / SSS) sequence. For example, the UE (e.g., using the controller / processor 280, memory 282, and / or the like) may receive the message.

[0167] ,

[0168] Example Aspects

[0169] Aspect 1: A method of wireless communication by a user equipment (UE) , comprising: predicting channel characteristics associated with one or more wireless resources for communication between the UE and a network device during an initial access procedure.

[0170] Aspect 2: The method of Aspect 1, in which the predicting occurs with an artificial intelligence / machine learning (AI / ML) module during the initial access procedure without actual measurements of the wireless resources.

[0171] Aspect 3: The method of Aspect 1 or 2, further comprising: receiving, from the network device, assistance information for predicting the one or more wireless resources, the assistance information received via at least one of primary synchronization signal / secondary synchronization signal (PSS / SSS) , physical broadcast channel / master information block (PBCH / MIB) , or remaining minimum system information (RMSI) ; and transmitting a first initial access message after receiving the assistance information.

[0172] Aspect 4: The method of any of the preceding Aspects, in which the assistance information facilitates spatial domain prediction and includes at least one of beam pointing direction information or beam strength probabilities based on potential locations of the UE.

[0173] Aspect 5: The method of any of the Aspects 1-3, in which the assistance information facilitates frequency domain prediction and indicates whether associated synchronization signal blocks (SSBs) are transmitted from a same location from another set of SSBs in a different frequency range or a different component carrier.

[0174] Aspect 6: The method of any of the preceding Aspects, in which the assistance information comprises a model identification (ID) or an artificial intelligence / machine learning (AI / ML) functionality for an AI / ML module predicting the one or more wireless resources.

[0175] Aspect 7: The method of any of the preceding Aspects, further comprising reporting UE-side beam prediction results or a beam prediction capability in a first initial access message.

[0176] Aspect 8: The method of any of the preceding Aspects, in which the reporting further comprises reporting for virtual beams for spatial domain prediction.

[0177] Aspect 9: The method of any of the preceding Aspects, further comprising receiving system information including a temporal interval between latest synchronization signal block (SSB) measurement occasions and a predicted future occasion for temporal domain prediction.

[0178] Aspect 10: The method of any of the preceding Aspects, further comprising receiving a beam prediction request or information in a second initial access message that is received from the network device.

[0179] Aspect 11: The method of any of the preceding Aspects, further comprising transmitting a response to the beam prediction request or information, the response including beam prediction results.

[0180] Aspect 12: The method of any of the preceding Aspects, further comprising receiving a second initial access message from the network device, the second initial access message indicating a model identification (ID) or an artificial intelligence / machine learning (AI / ML) functionality for an AI / ML module predicting the one or more wireless resources.

[0181] Aspect 13: The method of any of the preceding Aspects, further comprising receiving updated quasi-colocation (QCL) information during the initial access procedure in an initial access message.

[0182] Aspect 14: The method of any of the Aspects 1-12, further comprising receiving updated quasi-colocation (QCL) information as a dynamic transmission configuration indicator (TCI) state indication from downlink control information (DCI) scheduling an initial access message.

[0183] Aspect 15: The method of any of the preceding Aspects, further comprising determining updated quasi-colocation (QCL) information based on a reported virtual beam identification (ID) .

[0184] Aspect 16: A method of wireless communication by a network device, comprising: transmitting a message indicating support of network side predicting of channel characteristics associated with one or more wireless resources for communication between a user equipment (UE) and the network device during an initial access procedure.

[0185] Aspect 17: The method of Aspect 16, in which the message indicating support includes a dedicated primary synchronization signal / secondary synchronization signal (PSS / SSS) sequence.

[0186] Aspect 18: The method of Aspect 16 or 17, further comprising transmitting the message indicating support via a physical broadcast channel / master information block (PBCH / MIB) or system information.

[0187] Aspect 19: The method of Aspect 16 or 17, further comprising transmitting the message indicating support via a second initial access message.

[0188] Aspect 20: The method of any of the Aspects 16-19, further comprising requesting information, via a second initial access message, for assisting the network side predicting.

[0189] Aspect 21: The method of any of the Aspects 16-20, in which the second initial access message indicates parameters for UE transmission of a response to the second initial access message for assisting the network side predicting.

[0190] Aspect 22: The method of any of the Aspects 16-21, further comprising transmitting the second initial access message with a dedicated radio network temporary identity (RNTI) and / or a dedicated random access response (RAR) window.

[0191] Aspect 23: The method of any of the Aspects 16-22, further comprising receiving a response to the second initial access message in a third initial access message or an uplink message responding to the second initial access message.

[0192] Aspect 24: The method of any of the Aspects 16-23, further comprising transmitting a second initial access message requesting additional information for the network side predicting.

[0193] Aspect 25: The method of any of the Aspects 16-24, further comprising transmitting updated quasi-colocation (QCL) information during the initial access procedure in an initial access message.

[0194] Aspect 26: The method of any of the Aspects 16-24, further comprising transmitting updated quasi-colocation (QCL) information as a dynamic transmission configuration indicator (TCI) state indication in downlink control information (DCI) scheduling an initial access message.

[0195] Aspect 27: The method of any of the Aspects 16-26, in which the DCI comprises a reserved point code indicating the QCL information is based on an initial synchronization signal block (SSB) .

[0196] Aspect 28: A method of wireless communication by a user equipment (UE) , comprising: receiving a message indicating support of network side predicting of channel characteristics associated with one or more wireless resources for communication between the UE and a network device during an initial access procedure, the message indicating support comprising a dedicated PSS / SSS sequence.

[0197] Aspect 29: The method of Aspect 28, further comprising prioritizing search for the dedicated PSS / SSS sequence during the initial access procedure.

[0198] Aspect 30: The method of Aspect 28 or 29, further comprising transmitting a first initial access message including information assisting with the network side predicting, the first initial access message indicating a capability for assisting.

[0199] Aspect 31: The method of any of the Aspects 28-30, in which the transmitting the first initial access message occurs during a reserved PUSCH occasion.

[0200] Aspect 32: An apparatus for wireless communication by a user equipment (UE) , comprising: at least one memory; and at least one processor coupled to the at least one memory, the at least one processor configured: to predict channel characteristics associated with one or more wireless resources for communication between the UE and a network device during an initial access procedure.

[0201] Aspect 33: The apparatus of Aspect 32, in which the at least one processor is further configured to predict occurs with an artificial intelligence / machine learning (AI / ML) module during the initial access procedure without actual measurements of the wireless resources.

[0202] Aspect 34: The apparatus of Aspect 32 or 33, in which the at least one processor is further configured: to receive, from the network device, assistance information for predicting the one or more wireless resources, the assistance information received via at least one of primary synchronization signal / secondary synchronization signal (PSS / SSS) , physical broadcast channel / master information block (PBCH / MIB) , or remaining minimum system information (RMSI) ; and to transmit a first initial access message after receiving the assistance information.

[0203] Aspect 35: The apparatus of any of the Aspects 32-34, in which the assistance information facilitates spatial domain prediction and includes at least one of beam pointing direction information or beam strength probabilities based on potential locations of the UE.

[0204] Aspect 36: The apparatus any of the Aspects 32-34, in which the assistance information facilitates frequency domain prediction and indicates whether associated synchronization signal blocks (SSBs) are transmitted from a same location from another set of SSBs in a different frequency range or a different component carrier.

[0205] Aspect 37: The apparatus of any of the Aspects 32-36, in which the assistance information comprises a model identification (ID) or an artificial  intelligence / machine learning (AI / ML) functionality for an AI / ML module predicting the one or more wireless resources.

[0206] Aspect 38: The apparatus of any of the Aspects 32-37, in which the at least one processor is further configured to report UE-side beam prediction results or a beam prediction capability in a first initial access message.

[0207] Aspect 39: The apparatus of any of the Aspects 32-38, in which the at least one processor is further configured to report for virtual beams for spatial domain prediction.

[0208] Aspect 40: The apparatus of any of the Aspects 32-39, in which the at least one processor is further configured to receive system information including a temporal interval between latest synchronization signal block (SSB) measurement occasions and a predicted future occasion for temporal domain prediction.

[0209] Aspect 41: The apparatus of any of the Aspects 32-40, in which the at least one processor is further configured to receive a beam prediction request or information in a second initial access message that is received from the network device.

[0210] Aspect 42: The apparatus of any of the Aspects 32-41, in which the at least one processor is further configured to transmit a response to the beam prediction request or information, the response including beam prediction results.

[0211] Aspect 43: The apparatus of any of the Aspects 32-42, in which the at least one processor is further configured to receive a second initial access message from the network device, the second initial access message indicating a model identification (ID) or an artificial intelligence / machine learning (AI / ML) functionality for an AI / ML module predicting the one or more wireless resources.

[0212] Aspect 44: The apparatus of any of the Aspects 32-43, in which the at least one processor is further configured to receive updated quasi-colocation (QCL) information during the initial access procedure in an initial access message.

[0213] Aspect 45: The apparatus of any of the Aspects 32-43, in which the at least one processor is further configured to receive updated quasi-colocation (QCL) information as a dynamic transmission configuration indicator (TCI) state indication from downlink control information (DCI) scheduling an initial access message.

[0214] The foregoing disclosure provides illustration and description, but is not intended to be exhaustive or to limit the aspects to the precise form disclosed. Modifications and variations may be made in light of the above disclosure or may be acquired from practice of the aspects.

[0215] As used, the term “component” is intended to be broadly construed as hardware, firmware, and / or a combination of hardware and software. As used, a processor is implemented in hardware, firmware, and / or a combination of hardware and software.

[0216] Some aspects are described in connection with thresholds. As used, satisfying a threshold may, depending on the context, refer to a value being greater than the threshold, greater than or equal to the threshold, less than the threshold, less than or equal to the threshold, equal to the threshold, not equal to the threshold, and / or the like.

[0217] It will be apparent that systems and / or methods described may be implemented in different forms of hardware, firmware, and / or a combination of hardware and software. The actual specialized control hardware or software code used to implement these systems and / or methods is not limiting of the aspects. Thus, the operation and behavior of the systems and / or methods were described without reference to specific software code-it being understood that software and hardware can be designed to implement the systems and / or methods based, at least in part, on the description.

[0218] Even though particular combinations of features are recited in the claims and / or disclosed in the specification, these combinations are not intended to limit the disclosure of various aspects. In fact, many of these features may be combined in ways not specifically recited in the claims and / or disclosed in the specification. Although each dependent claim listed below may directly depend on only one claim, the disclosure of various aspects includes each dependent claim in combination with every  other claim in the claim set. A phrase referring to “at least one of” a list of items refers to any combination of those items, including single members. As an example, “at least one of: a, b, or c” is intended to cover a, b, c, a-b, a-c, b-c, and a-b-c, as well as any combination with multiples of the same element (e.g., a-a, a-a-a, a-a-b, a-a-c, a-b-b, a-c-c, b-b, b-b-b, b-b-c, c-c, and c-c-c or any other ordering of a, b, and c) .

[0219] No element, act, or instruction used should be construed as critical or essential unless explicitly described as such. Also, as used, the articles “a” and “an” are intended to include one or more items, and may be used interchangeably with “one or more. ” Furthermore, as used, the terms “set” and “group” are intended to include one or more items (e.g., related items, unrelated items, a combination of related and unrelated items, and / or the like) , and may be used interchangeably with “one or more. ” Where only one item is intended, the phrase “only one” or similar language is used. Also, as used, the terms “has, ” “have, ” “having, ” and / or the like are intended to be open-ended terms. Further, the phrase “based on” is intended to mean “based, at least in part, on” unless explicitly stated otherwise.

Claims

1.A method of wireless communication by a user equipment (UE) , comprising:predicting channel characteristics associated with one or more wireless resources for communication between the UE and a network device during an initial access procedure.2.The method of claim 1, in which the predicting occurs with an artificial intelligence / machine learning (AI / ML) module during the initial access procedure without actual measurements of the wireless resources.3.The method of claim 1, further comprising:receiving, from the network device, assistance information for predicting the one or more wireless resources, the assistance information received via at least one of primary synchronization signal / secondary synchronization signal (PSS / SSS) , physical broadcast channel / master information block (PBCH / MIB) , or remaining minimum system information (RMSI) ; andtransmitting a first initial access message after receiving the assistance information.4.The method of claim 3, in which the assistance information facilitates spatial domain prediction and includes at least one of beam pointing direction information or beam strength probabilities based on potential locations of the UE.5.The method of claim 3, in which the assistance information facilitates frequency domain prediction and indicates whether associated synchronization signal blocks (SSBs) are transmitted from a same location from another set of SSBs in a different frequency range or a different component carrier.6.The method of claim 3, in which the assistance information comprises a model identification (ID) or an artificial intelligence / machine learning (AI / ML) functionality for an AI / ML module predicting the one or more wireless resources.7.The method of claim 1, further comprising reporting UE-side beam prediction results or a beam prediction capability in a first initial access message.8.The method of claim 7, in which the reporting further comprises reporting for virtual beams for spatial domain prediction.9.The method of claim 1, further comprising receiving system information including a temporal interval between latest synchronization signal block (SSB) measurement occasions and a predicted future occasion for temporal domain prediction.10.The method of claim 1, further comprising receiving a beam prediction request or information in a second initial access message that is received from the network device.11.The method of claim 10, further comprising transmitting a response to the beam prediction request or information, the response including beam prediction results.12.The method of claim 1, further comprising receiving a second initial access message from the network device, the second initial access message indicating a model identification (ID) or an artificial intelligence / machine learning (AI / ML) functionality for an AI / ML module predicting the one or more wireless resources.13.The method of claim 1, further comprising receiving updated quasi-colocation (QCL) information during the initial access procedure in an initial access message.14.The method of claim 1, further comprising receiving updated quasi-colocation (QCL) information as a dynamic transmission configuration indicator (TCI) state indication from downlink control information (DCI) scheduling an initial access message.15.The method of claim 1, further comprising determining updated quasi-colocation (QCL) information based on a reported virtual beam identification (ID) .16.A method of wireless communication by a network device, comprising:transmitting a message indicating support of network side predicting of channel characteristics associated with one or more wireless resources for communication between a user equipment (UE) and the network device during an initial access procedure.17.The method of claim 16, in which the message indicating support includes a dedicated primary synchronization signal / secondary synchronization signal (PSS / SSS) sequence.18.The method of claim 16, further comprising transmitting the message indicating support via a physical broadcast channel / master information block (PBCH / MIB) or system information.19.The method of claim 16, further comprising transmitting the message indicating support via a second initial access message.20.The method of claim 16, further comprising requesting information, via a second initial access message, for assisting the network side predicting.21.The method of claim 20, in which the second initial access message indicates parameters for UE transmission of a response to the second initial access message for assisting the network side predicting.22.The method of claim 20, further comprising transmitting the second initial access message with a dedicated radio network temporary identity (RNTI) and / or a dedicated random access response (RAR) window.23.The method of claim 20, further comprising receiving a response to the second initial access message in a third initial access message or an uplink message responding to the second initial access message.24.The method of claim 16, further comprising transmitting a second initial access message requesting additional information for the network side predicting.25.The method of claim 16, further comprising transmitting updated quasi-colocation (QCL) information during the initial access procedure in an initial access message.26.The method of claim 16, further comprising transmitting updated quasi-colocation (QCL) information as a dynamic transmission configuration indicator (TCI) state indication in downlink control information (DCI) scheduling an initial access message.27.The method of claim 26, in which the DCI comprises a reserved point code indicating the QCL information is based on an initial synchronization signal block (SSB) .28.A method of wireless communication by a user equipment (UE) , comprising:receiving a message indicating support of network side predicting of channel characteristics associated with one or more wireless resources for communication between the UE and a network device during an initial access procedure, the message indicating support comprising a dedicated primary synchronization signal / secondary synchronization signal (PSS / SSS) sequence.29.The method of claim 28, further comprising prioritizing search for the dedicated PSS / SSS sequence during the initial access procedure.30.The method of claim 28, further comprising transmitting a first initial access message including information assisting with the network side predicting, the first initial access message indicating a capability for assisting.31.The method of claim 30, in which the transmitting the first initial access message occurs during a reserved PUSCH occasion.32.An apparatus for wireless communication by a user equipment (UE) , comprising:at least one memory; andat least one processor coupled to the at least one memory, the at least one processor configured to predict channel characteristics associated with one or more wireless resources for communication between the UE and a network device during an initial access procedure.33.The apparatus of claim 32, in which the at least one processor is further configured to predict with an artificial intelligence / machine learning (AI / ML) module during the initial access procedure without actual measurements of the wireless re sources.34.The apparatus of claim 32, in which the at least one processor is further configured:to receive, from the network device, assistance information for predicting the one or more wireless resources, the assistance information received via at least one of primary synchronization signal / secondary synchronization signal (PSS / SSS) , physical broadcast channel / master information block (PBCH / MIB) , or remaining minimum system information (RMSI) ; andto transmit a first initial access message after receiving the assistance information.35.The apparatus of claim 34, in which the assistance information facilitates spatial domain prediction and includes at least one of beam pointing direction information or beam strength probabilities based on potential locations of the UE.36.The apparatus claim 34, in which the assistance information facilitates frequency domain prediction and indicates whether associated synchronization signal blocks (SSBs) are transmitted from a same location from another set of SSBs in a different frequency range or a different component carrier.37.The apparatus of claim 34, in which the assistance information comprises a model identification (ID) or an artificial intelligence / machine learning (AI / ML) functionality for an AI / ML module predicting the one or more wireless resources.38.The apparatus of claim 32, in which the at least one processor is further configured to report UE-side beam prediction results or a beam prediction capability in a first initial access message.39.The apparatus of claim 38, in which the at least one processor is further configured to report for virtual beams for spatial domain prediction.40.The apparatus of claim 32, in which the at least one processor is further configured to receive system information including a temporal interval between latest synchronization signal block (SSB) measurement occasions and a predicted future occasion for temporal domain prediction.41.The apparatus of claim 32, in which the at least one processor is further configured to receive a beam prediction request or information in a second initial access message that is received from the network device.42.The apparatus of claim 41, in which the at least one processor is further configured to transmit a response to the beam prediction request or information, the response including beam prediction results.43.The apparatus of claim 32, in which the at least one processor is further configured to receive a second initial access message from the network device, the second initial access message indicating a model identification (ID) or an artificial intelligence / machine learning (AI / ML) functionality for an AI / ML module predicting the one or more wireless resources.44.The apparatus of claim 32, in which the at least one processor is further configured to receive updated quasi-colocation (QCL) information during the initial access procedure in an initial access message.45.The apparatus of claim 32, in which the at least one processor is further configured to receive updated quasi-colocation (QCL) information as a dynamic transmission configuration indicator (TCI) state indication from downlink control information (DCI) scheduling an initial access message.

Images