Devices, methods, and medium for communication

Abstract

Example embodiments of the present disclosure relate to devices, methods, and computer storage medium for communication. A device for model training receives information related to at least one entity of a plurality of entities for transmitting PRSs; and receives a plurality of measurements from a plurality of terminal devices respectively. The device generates training data based on the plurality of measurements, where each of the training data is relative to a target reference entity among the plurality of entities; and further trains a positioning model by using the training data. As such, the training data which are relative to a same reference TRP can be used for model training, ensuring the model performance.

Description

DEVICES, METHODS, AND MEDIUM FOR COMMUNICATIONFIELD

[0001] Example embodiments of the present disclosure generally relate to the field of communication techniques and in particular, to devices, methods, and a computer readable medium for communication.BACKGROUND

[0002] Supporting various positioning methods to provide reliable, timely and accurate user equipment (UE) location is one of the key features of the third generation partnership project (3GPP) standard. It has been agreed to investigate the potential for artificial intelligence (AI)  / machine learning (ML) in air interface to improve comprehensive performance in 5G-adcanced (5G-A) . AI / ML based mechanism to improve the positioning accuracy is one of the use cases to apply AI / ML in air interface.

[0003] The model output may be a reference signal time difference (RSTD) in some cases, and the RSTD should be generated relative to a reference transmission reception point (TRP) . Currently, different UEs may select different TRPs as their respective reference TRPs, leading that the performance of the AI / ML model degrade.SUMMARY

[0004] In general, example embodiments of the present disclosure provide devices, methods, and a computer storage medium for communication.

[0005] In a first aspect, there is provided a device for model training. The device comprises at least one processor configured to cause the device at least to: receive, from a location management function (LMF) , information related to at least one entity of a plurality of entities for transmitting positioning reference signals (PRS) ; receive, from a plurality of terminal devices, a plurality of measurements respectively, wherein a first measurement from a first terminal device comprises a first RSTD of a first PRS from a first entity among the plurality of entities relative to a first reference PRS from a first reference entity associated with the first terminal device; generate training data based on the plurality of measurements, wherein each of the training data is relative to a target reference entity among the plurality of entities; and train a positioning model by using the training data.

[0006] In a second aspect, there is provided an LMF. The LMF comprises at least one processor configured to cause the LMF at least to: receive, from a target terminal device, capability information indicating a capability of supporting positioning model; transmit, to a plurality of terminal devices, a plurality of message respectively, wherein a first message to a first terminal device comprises an indication of a corresponding reference entity among a plurality of entities for transmitting PRSs; and transmit, to a device for model training, information related to at least one entity of the plurality of entities.

[0007] In a third aspect, there is provided a terminal device. The terminal device comprises at least one processor configured to cause the terminal device at least to: transmit, to an LMF, capability information indicating a capability of supporting positioning model; receive, from the LMF, a first message comprising an indication of a reference entity among a plurality of entities for measuring RSTD; generate a measurement comprising a RSTD of a PRS from a first entity among the plurality of entities relative to a reference PRS from the reference entity; and transmit, to a device for model training, the measurement comprising the RSTD.

[0008] In a fourth aspect, there is provided a terminal device. The terminal device comprises at least one processor configured to cause the terminal device at least to: transmit, to a device for data collection or data storage, a request for training data; receive, from the device for data collection or data storage, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs; and train a positioning model based on processed training data which are relative to a target reference entity among the plurality of entities.

[0009] In a fifth aspect, there is provided a device for data collection or data storage. The device comprises at least one processor configured to cause the device at least to: receive, from a terminal device, a request for training data; and transmit, to the terminal device, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs.

[0010] In a sixth aspect, there is provided a method of communication performed by a device for model training. The method comprises: receiving, at the device from an LMF, information related to at least one entity of a plurality of entities for transmitting PRSs;  receiving, from a plurality of terminal devices, a plurality of measurements respectively, wherein a first measurement from a first terminal device comprises a first RSTD of a first PRS from a first entity among the plurality of entities relative to a first reference PRS from a first reference entity associated with the first terminal device; generating training data based on the plurality of measurements, wherein each of the training data is relative to a target reference entity among the plurality of entities; and training a positioning model by using the training data.

[0011] In a seventh aspect, there is provided a method of communication performed by an LMF. The method comprises: receiving, at the LMF from a target terminal device, capability information indicating a capability of supporting positioning model; transmitting, to a plurality of terminal devices, a plurality of message respectively, wherein a first message to a first terminal device comprises an indication of a corresponding reference entity among a plurality of entities for transmitting PRSs; and transmitting, to a device for model training, information related to at least one entity of the plurality of entities.

[0012] In an eighth aspect, there is provided a method of communication performed by a terminal device. The method comprises: transmitting, at the terminal device to an LMF, capability information indicating a capability of supporting positioning model; receiving, from the LMF, a first message comprising an indication of a reference entity among a plurality of entities for measuring RSTD; generating a measurement comprising a RSTD of a PRS from a first entity among the plurality of entities relative to a reference PRS from the reference entity; and transmitting, to a device for model training, the measurement comprising the RSTD.

[0013] In a ninth aspect, there is provided a method of communication performed by a terminal device. The method comprises: transmitting, at the terminal device to a device for data collection or data storage, a request for training data; receiving, from the device for data collection or data storage, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs; and training a positioning model based on processed training data which are relative to a target reference entity among the plurality of entities.

[0014] In a tenth aspect, there is provided a method of communication performed by a terminal device. The method comprises: receiving, at the device from a terminal device, a  request for training data; and transmitting, to the terminal device, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs.

[0015] In an eleventh aspect, there is provided a computer readable medium having instructions stored thereon, the instructions, when executed on at least one processor, causing the at least one processor to carry out the method according to any one of the sixth to tenth aspects above.

[0016] It is to be understood that the summary section is not intended to identify key or essential features of embodiments of the present disclosure, nor is it intended to be used to limit the scope of the present disclosure. Other features of the present disclosure will become easily comprehensible through the following description.BRIEF DESCRIPTION OF THE DRAWINGS

[0017] Through the more detailed description of some example embodiments of the present disclosure in the accompanying drawings, the above and other objects, features and advantages of the present disclosure will become more apparent, wherein:

[0018] FIG. 1A an example communication network in which some embodiments of the present disclosure can be implemented;

[0019] FIGS. 1B-1E illustrate some example schematics for AI / ML based positioning;

[0020] FIG. 1F illustrates an example schematic of RSTD reported by a UE;

[0021] FIG. 1G illustrates an example schematic of an issue to be addressed;

[0022] FIG. 2 illustrates a signalling chart illustrating a communication process in accordance with some example embodiments of the present disclosure;

[0023] FIGS. 3A-3C illustrate example schematics of RSTDs received by gNB in accordance with some example embodiments of the present disclosure;

[0024] FIG. 3D illustrates a signalling chart illustrating a process for configuration information in accordance with some example embodiments of the present disclosure;

[0025] FIG. 3E illustrates an example schematic for model training, model transfer, and model inference in accordance with some example embodiments of the present disclosure;

[0026] FIG. 4 illustrates a signalling chart illustrating a communication process in accordance with some example embodiments of the present disclosure;

[0027] FIG. 5 illustrates a flowchart of an example method implemented at a device for model training in accordance with some embodiments of the present disclosure;

[0028] FIG. 6 illustrates a flowchart of an example method implemented at an LMF in accordance with some embodiments of the present disclosure;

[0029] FIG. 7 illustrates a flowchart of an example method implemented at a terminal device in accordance with some embodiments of the present disclosure;

[0030] FIG. 8 illustrates a flowchart of an example method implemented at a terminal device in accordance with some embodiments of the present disclosure;

[0031] FIG. 9 illustrates a flowchart of an example method implemented at a device for data collection or data storage in accordance with some embodiments of the present disclosure; and

[0032] FIG. 10 illustrates a simplified block diagram of a device that is suitable for implementing embodiments of the present disclosure.

[0033] Throughout the drawings, the same or similar reference numerals represent the same or similar element.DETAILED DESCRIPTION

[0034] Principle of the present disclosure will now be described with reference to some example embodiments. It is to be understood that these embodiments are described only for the purpose of illustration and help those skilled in the art to understand and implement the present disclosure, without suggesting any limitation as to the scope of the disclosure. Embodiments described herein can be implemented in various manners other than the ones described below.

[0035] In the following description and claims, unless defined otherwise, all technical and scientific terms used herein have the same meaning as commonly understood by one of ordinary skills in the art to which this disclosure belongs.

[0036] References in the present disclosure to “one embodiment, ” “an embodiment, ” “an example embodiment, ” and the like indicate that the embodiment described may include a particular feature, structure, or characteristic, but it is not necessary that every embodiment  includes the particular feature, structure, or characteristic. Moreover, such phrases are not necessarily referring to the same embodiment. Further, when a particular feature, structure, or characteristic is described in connection with an embodiment, it is submitted that it is within the knowledge of one skilled in the art to affect such feature, structure, or characteristic in connection with other embodiments whether or not explicitly described.

[0037] It shall be understood that although the terms “first” and “second” etc. may be used herein to describe various elements, these elements should not be limited by these terms. These terms are only used to distinguish one element from another. For example, a first element could be termed a second element, and similarly, a second element could be termed a first element, without departing from the scope of example embodiments. As used herein, the term “and / or” includes any and all combinations of one or more of the listed terms.

[0038] The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of example embodiments. As used herein, the singular forms “a” , “an” and “the” are intended to include the plural forms as well, unless the context clearly indicates otherwise. It will be further understood that the terms “comprises” , “comprising” , “has” , “having” , “includes” and / or “including” , when used herein, specify the presence of stated features, elements, and / or components etc., but do not preclude the presence or addition of one or more other features, elements, components and / or combinations thereof.

[0039] In some examples, values, procedures, or apparatus are referred to as “best, ” “lowest, ” “highest, ” “minimum, ” “maximum, ” or the like. It will be appreciated that such descriptions are intended to indicate that a selection among many used functional alternatives can be made, and such selections need not be better, smaller, higher, or otherwise preferable to other selections.

[0040] As used herein, the term “communication network” refers to a network following any suitable communication standards or technologies, such as New Radio (NR) , Long Term Evolution (LTE) , LTE-Advanced (LTE-A) , Code Divided Multiple Address (CDMA) , Frequency Divided Multiple Address (FDMA) , Time Divided Multiple Address (TDMA) , Frequency Divided Duplexer (FDD) , Time Divided Duplexer (TDD) , Multiple-Input Multiple-Output (MIMO) , Orthogonal Frequency Divided Multiple Access (OFDMA) , cdma2000, Wideband Code Division Multiple Access (WCDMA) , High-Speed Packet Access (HSPA) , Global System for Mobile Communications (GSM) , Narrow Band Internet  of Things (NB-IoT) and so on. Furthermore, the communications between a terminal device and a network device in the communication network may be performed according to any suitable generation communication protocols, including, but not limited to, the first generation (1G) , the second generation (2G) , 2.5G, 2.75G, the third generation (3G) , the fourth generation (4G) , 4.5G, the fifth generation (5G) , 5.5G, 5G-Advanced networks, beyond 5G (B5G) , the sixth generation (6G) communication protocols, wireless local network communication protocols such as Institute for Electrical and Electronics Engineers (IEEE) 802.11 and the like, and / or any other protocols either currently known or to be developed in the future. The techniques described herein may be used for the wireless networks and radio technologies mentioned above as well as other wireless networks and radio technologies. Embodiments of the present disclosure may be applied in various communication systems. Given the rapid development in communications, there will of course also be future type communication technologies and systems with which the present disclosure may be embodied. It should not be seen as limiting the scope of the present disclosure to only the aforementioned system.

[0041] As used herein, the term “terminal device” refers to any device having wireless or wired communication capabilities. Examples of terminal device include, but not limited to, user equipment (UE) , personal computers, desktops, mobile phones, cellular phones, smart phones, personal digital assistants (PDAs) , portable computers, tablets, wearable devices, internet of things (IoT) devices, Ultra-reliable and Low Latency Communications (URLLC) devices, Internet of Everything (IoE) devices, machine type communication (MTC) devices, device on vehicle for V2X communication where X means pedestrian, vehicle, or infrastructure / network, devices for Integrated Access and Backhaul (IAB) , Space borne vehicles or Air borne vehicles in Non-terrestrial networks (NTN) including Satellites and High Altitude Platforms (HAPs) encompassing Unmanned Aircraft Systems (UAS) , eXtended Reality (XR) devices including different types of realities such as Augmented Reality (AR) , Mixed Reality (MR) and Virtual Reality (VR) , the unmanned aerial vehicle (UAV) commonly known as a drone which is an aircraft without any human pilot, devices on high speed train (HST) , or image capture devices such as digital cameras, sensors, gaming devices, music storage and playback appliances, or Internet appliances enabling wireless or wired Internet access and browsing and the like. The ‘terminal device’ can further has ‘multicast / broadcast’ feature, to support public safety and mission critical, V2X applications, transparent IPv4 / IPv6 multicast delivery, IPTV, smart TV, radio services, software delivery  over wireless, group communications and IoT applications. It may also be incorporated one or multiple Subscriber Identity Module (SIM) as known as Multi-SIM. The term “terminal device” can be used interchangeably with a UE, a mobile station, a subscriber station, a mobile terminal, a user terminal or a wireless device.

[0042] As used herein, the term “network device” refers to a device which is capable of providing or hosting a cell or coverage where terminal devices can communicate. Examples of a network device include, but not limited to, a satellite, an unmanned aerial systems (UAS) platform, a Node B (NodeB or NB) , an evolved NodeB (eNodeB or eNB) , a next generation NodeB (gNB) , a transmission reception point (TRP) , a remote radio unit (RRU) , a radio head (RH) , a remote radio head (RRH) , an IAB node, a low power node such as a femto node, a pico node, a reconfigurable intelligent surface (RIS) , and the like.

[0043] As used herein, the term “TRP” may refer to an antenna port or an antenna array (with one or more antenna elements) available to the network device located at a specific geographical location, or a set of geographically co-located antennas (e.g. antenna array (with one or more antenna elements) ) supporting transmission point (TP) and / or reception point (RP) functionality. For example, a network device may be coupled with multiple TRPs in different geographical locations to achieve better coverage. Alternatively, or in addition, multiple TRPs may be incorporated into a network device, or in other words, the network device may comprise the multiple TRPs. The term “TRP” may be also referred to as a cell, such as a macro-cell, a micro-cell, a small cell, a pico-cell, a femto-cell, a remote radio head, a relay node, etc. It is to be understood that the term “TRP” may refer to a logical concept which may be physically implemented by various manners. There may be an explicit TRP identification for a TRP.

[0044] In one embodiment, the terminal device may be connected with a first network device and a second network device. One of the first network device and the second network device may be a master node (MN) and the other one may be a secondary node (SN) . The first network device and the second network device may use different radio access technologies (RATs) . In one embodiment, the first network device may be a first RAT device and the second network device may be a second RAT device. In one embodiment, the first RAT device is eNB and the second RAT device is gNB. Information related with different RATs may be transmitted to the terminal device from at least one of the first network device and the second network device. In one embodiment, first information may be transmitted to the terminal device from the first network device and second information may  be transmitted to the terminal device from the second network device directly or via the first network device. In one embodiment, information related with configuration for the terminal device configured by the second network device may be transmitted from the second network device via the first network device. Information related with reconfiguration for the terminal device configured by the second network device may be transmitted to the terminal device from the second network device directly or via the first network device.

[0045] The terminal device or the network device may have Artificial intelligence (AI) or machine learning capability. It generally includes a model which has been trained from numerous collected data for a specific function, and can be used to predict some information.

[0046] The terminal device or the network device may work on several frequency ranges, e.g. frequency range 1 (FR1) (410 MHz –7125 MHz) , frequency range 2 (FR2) (24.25GHz to 71GHz) , frequency band larger than 100GHz as well as Tera Hertz (THz) . It can further work on licensed / unlicensed / shared spectrum. The terminal device may have more than one connection with the network device under Multi-Radio Dual Connectivity (MR-DC) application scenario. The terminal device or the network device can work on full duplex, flexible duplex and cross division duplex modes.

[0047] The embodiments of the present disclosure may be performed in test equipment, e.g., signal generator, signal analyzer, spectrum analyzer, network analyzer, test terminal device, test network device, or channel emulator.

[0048] The embodiments of the present disclosure may be performed according to any generation communication protocols either currently known or to be developed in the future. Examples of the communication protocols include, but not limited to, the 1G, 2G, 2.5G, 2.75G, 3G, 4G, 4.5G, 5G, 5.5G, 5G-Advanced networks, or 6G networks.

[0049] The term “circuitry” used herein may refer to hardware circuits and / or combinations of hardware circuits and software. For example, the circuitry may be a combination of analog and / or digital hardware circuits with software / firmware. As a further example, the circuitry may be any portions of hardware processors with software including digital signal processor (s) , software, and memory (ies) that work together to cause an apparatus, such as a terminal device or a network device, to perform various functions. In a still further example, the circuitry may be hardware circuits and or processors, such as a microprocessor or a portion of a microprocessor, that requires software / firmware for operation, but the software may not be present when it is not needed for operation. As used herein, the term circuitry  also covers an implementation of merely a hardware circuit or processor (s) or a portion of a hardware circuit or processor (s) and its (or their) accompanying software and / or firmware.

[0050] As used herein, the singular forms “a” , “an” and “the” are intended to include the plural forms as well, unless the context clearly indicates otherwise. The term “includes” and its variants are to be read as open terms that mean “includes, but is not limited to. ” The term “based on” is to be read as “based at least in part on. ” The term “one embodiment” and “an embodiment” are to be read as “at least one embodiment. ” The term “another embodiment” is to be read as “at least one other embodiment. ” The terms “first, ” “second, ” and the like may refer to different or same objects. Other definitions, explicit and implicit, may be included below.

[0051] In some examples, values, procedures, or apparatus are referred to as “best, ” “lowest, ” “highest, ” “minimum, ” “maximum, ” or the like. It will be appreciated that such descriptions are intended to indicate that a selection among many used functional alternatives can be made, and such selections need not be better, smaller, higher, or otherwise preferable to other selections.

[0052] The terminal device or the network device may have AI or ML capability. It generally includes a model which has been trained from numerous collected data for a specific function, and can be used to predict some information.

[0053] As used herein, a model may be equivalent to at least one of the following: an AI / ML model, an ML model, an AI model, a data-driven, a data processing model, an algorithm, a functionality, a procedure, a process, an entity, a function, a feature, a feature group, a model identifier (ID) , an ID, a functionality ID, a configuration ID, a scenario ID, a site ID, or a dataset ID. As a result, the above terms may be used interchangeably. An “ID” may refer to an identifier, an identity, an identification, etc.

[0054] In some embodiments, the model may be represented by or associated with a channel, a resource, a resource set, a reference signal (RS) resource, an RS resource set, an RS port, a set of RS ports, an RS port ID, or a set of RS port IDs.

[0055] In some embodiments, the model may comprise a set of weights values that may be learned during training, e.g. for a specific architecture or configuration, where a set of weights values may also be called a parameter set.

[0056] In some embodiments, the model may be used to predict a target cell, or measurements of a set of beams of a set of candidate cells in future based on at least historical  measurements (e.g., layer 1 (L1) -reference signal received power (RSRP) , L1-signal to interference plus noise ratio (SINR) ) of a set of beams of a set of candidate cells.

[0057] In some embodiments, an input of the AI / ML model (i.e., AI input) may refer to the input of a model and indicate data inputted into the model, which may be equivalent to data.

[0058] In some embodiments, an output of AI / ML model (i.e., AI output) may refers to the output of a model and indicate result (s) outputted by the model, which is equivalent to label / data.

[0059] In some embodiments, “ground truth” , “ground truth label” , “ground truth label of data” , “input label” , “input data” and “data” can be used interchangeably.

[0060] In some embodiments, a ground truth label of data (or ground-truth label) for monitoring or training the ML model (i.e., AI output) may refers to the authoritative, accepted data, or true answer or outcome for AI / ML model.

[0061] In some embodiments, the ground truth can be interpreted as actual / factual (i.e. actual / factual measured) data / values / results / collections / parameters, which can be used as reference, compared to prediction or inference.

[0062] AI / ML techniques play a significant role in enhancing the accuracy and reliability of positioning, which is particularly useful in indoor environments where global position system (GPS) signals might be weak or unavailable.

[0063] An AI / ML model may be deployed at a terminal device (such as a UE) , a network device (such as one or more gNBs or TRPs) , or a core network entity (such as an LMF) . The AI / ML model may be used for positioning, e.g. determining a positon (or location) of a UE. Some cases (case 1, case 2b, and case 3b below) are discussed as direct AI / ML positioning, and some other cases (case 2a, and case 3a below) are discussed as AI / ML assisted positioning:

[0064] · (1st priority) Case 1: UE-based positioning with UE-side model, direct AI / ML positioning.

[0065] · (2nd priority) Case 2b: UE-assisted / LMF-based positioning with LMF-side model, direct AI / ML positioning.

[0066] · (1st priority) Case 3b: NG-RAN node assisted positioning with LMF-side model, direct AI / ML positioning.

[0067] · (2nd priority) Case 2a: UE-assisted / LMF-based positioning with UE-side model, AI / ML assisted positioning.

[0068] · (1st priority) Case 3a: NG-RAN node assisted positioning with gNB-side model, AI / ML assisted positioning.

[0069] An enhancement for the accuracy of the AI / ML positioning is a work item (WI) in release 19. An AI / ML model can be deployed at UE side, gNB side, or LMF side. A model input may be integrated information of timing, power and phase, such as channel impulse response (CIR) , power delay profile (PDP) , or delay of path (DP) . A model output may be a UE location (e.g. a direct AI / ML positioning) or an intermediate measurement (e.g. AI / ML assisted positioning) .

[0070] For an AI / ML assisted positioning, the candidate output may include timing information of light of sight (LOS) or non-line of sight (NLOS) indicator, timing information like reference signal time difference (RSTD) , downlink reference signal time of arrival (DL-RTOA) , or UE Rx-Tx time difference for DL positioning, or uplink reference signal time of arrival (UL-RTOA) or gNB Rx-Tx time difference for UL positioning.

[0071] If the RSTD is identified as the model output, it is up to UE implementation to select a TRP as a RSTD reference TRP, and the UE would report it to the LMF associated with the report of RSTD in NR-DL-TDOA-SignalMeasurementInformation message.

[0072] It has been proved that the performance of AI / ML model for positioning is affected by the generalization significantly. If the RSTD reference TRP for training model is different from the RSTD reference TRP for inference model, or if the RSTD reference TRP for UE1 is different from the RSTD reference TRP for UE2, where a same model is deployed at the two UEs, the performance of AI / ML model will degrade. Therefore, an issue of the inconsistent of RSTD reference TRP should be addressed.

[0073] Embodiments of the present disclosure provide a solution of communication. In the solution, a device for model training may receive information related to at least one entity (e.g. TRP) from an LMF, and may generate training data by aligning the training data to a target reference entity based on the information from the LMF. As such, the training data used for model training are relative to a same target reference entity, and the model performance can be guaranteed. Principles and implementations of the present disclosure will be described in detail below with reference to the figures.

[0074] FIG. 1A illustrates an example communication network 100 in which some  embodiments of the present disclosure can be implemented. The communication network 100 may also be called as a network environment, a network system, a communication environment, a communication system, or the like, the present disclosure does not limit for this aspect. The communication network 100 includes a terminal device 110, multiple network devices 120-1 to 120-N, and an LMF 130. It should be appreciated that the LMF 130 may be a location server, which is located in the access network or in a core network.

[0075] The multiple network devices 120-1 to 120-N (N is a positive integer, e.g. N>3) may be separately or collectively be referred to as a network device 120, which may be a gNB or a TRP. For example, N may equal to 18 or another integer.

[0076] In some examples, one of the network devices 120-1 to 120-N may be a serving gNB, which can control and manage other network devices (e.g. TRP) . In some other examples, there may be an independent serving gNB which is different from any of the multiple TRPs.

[0077] In the communication network 100, the network device 120 can communicate / transmit data and control information to the terminal device 110, and the terminal device 110 can also communicate / transmit data and control information to the network device 120. A link from the network device 120 to the terminal device 110 is referred to as a DL, while a link from the terminal device 110 to the network device 120 is referred to as a UL. DL may comprise one or more logical channels, including but not limited to a Physical Downlink Control Channel (PDCCH) and a Physical Downlink Shared Channel (PDSCH) . UL may comprise one or more logical channels, including but not limited to a Physical Uplink Control Channel (PUCCH) and a Physical Uplink Shared Channel (PUSCH) . As used herein, the term “channel” may refer to a carrier or a part of a carrier consisting of a contiguous set of resource blocks (RBs) on which a channel access procedure is performed in shared spectrum.

[0078] In the communication network 100, the terminal device 110 can communicate with the LMF 130 according to any proper communication protocol, such as an LTE positioning protocol (LPP) . In the communication network 100, the network device 120 can communicate with the LMF 130 according to any proper communication protocol, such as an NR positioning protocol A (NRPPa) . It is to be understood that other protocol may also be applied and will not be listed herein.

[0079] Embodiments of the present disclosure can be applied to any suitable scenarios.  For example, embodiments of the present disclosure can be implemented at reduced capability NR devices. Alternatively, embodiments of the present disclosure can be implemented in one of the followings: NR multiple-input and multiple-output (MIMO) , NR sidelink enhancements, NR systems with frequency above 52.6GHz, an extending NR operation up to 71GHz, narrow band-Internet of Thing (NB-IOT)  / enhanced Machine Type Communication (eMTC) over non-terrestrial networks (NTN) , NTN, UE power saving enhancements, NR coverage enhancement, NB-IoT and LTE-MTC, Integrated Access and Backhaul (IAB) , NR Multicast and Broadcast Services, or enhancements on Multi-Radio Dual-Connectivity.

[0080] It is to be understood that there may be a plurality of terminal devices in the communication network 100, as shown in FIG. 1A, there is a terminal device 112 which can communicate with each of the network device 120 and the LMF 130. It should be noted that there are more terminal devices not shown in FIG. 1A.

[0081] It is to be understood that the numbers of devices (i.e., the terminal devices 110 and the network device 120) and their connection relationships and types shown in FIG. 1A are only for the purpose of illustration without suggesting any limitation. The communication network 100 may include any suitable numbers of devices adapted for implementing embodiments of the present disclosure. The communication network 100 may include one or more entities which are not shown in FIG. 1A.

[0082] For AI / ML-assisted positioning, a “single-TRP construction” and a “multi-TRP construction” are being discussed. Single-TRP construction: the input of the ML model is the channel measurement between the target UE and a single TRP, and the output of the ML model is for the same pair of UE and TRP. Multi-TRP construction: the input of the ML model contains N sets of channel measurements between the target UE and N (N>1) TRPs, and the output of the ML model contains N sets of values, one for each of the N TRPs.

[0083] In some cases, three constructions may be evaluated for the AI / ML assisted positioning: Single-TRP, same model for N TRPs; Single-TRP, N models for N TRPs; and Multi-TRP (i.e., one model for N TRPs) .

[0084] In some cases, there may be N TRPs (TRP 0, TRP 1, …, TRP (N-1) ) used for AI / ML based positioning, and direct AI / ML positioning (FIG. 1B) and AI / ML assisted positioning (FIGS. 1C-1E) may be evaluated. FIG. 1B illustrates an example schematic of direct AI / ML positioning with an output is the UE location. FIG. 1C illustrates an example schematic of  AI / ML assisted positioning with multi-TRP construction for model input, FIG. 1D illustrates an example schematic of AI / ML assisted positioning with single-TRP construction for model input and one same model for N TRPs, and FIG. 1E illustrates an example schematic of AI / ML assisted positioning with single-TRP construction and N different models for N TRPs.

[0085] As shown in FIGS. 1C-1E, the AI / ML assisted positioning can be applied using input data (such as CIR, PDP, or DP) associated with one single TRP or multiple TPRs. For the former scenario, N models with different parameters or a single model may be deployed to estimate time information (e.g., time of arrival (TOA) ) for N TRPs, which may be regarded as a distributed model on each TRP. In the latter scenario, a single comprehensive model (i.e. a centralized model) utilizes the data from multiple TRPs as the input and produces the multiple TOAs corresponding to the multiple TRPs.

[0086] An information element (IE) “NR-DL-PRS-AssistanceData” is used by the location server to provide DL-PRS assistance data. The location server should include at least one TRP for which the system frame number (SFN) can be obtained by the target device, e.g. the serving TRP. The nr-DL-PRS-ReferenceInfo defines the "assistance data reference" TRP whose DL-PRS configuration is included in nr-DL-PRS-AssistanceDataList. For NR DL-TDOA positioning, the nr-DL-PRS-ReferenceInfo defines also the requested "RSTD reference" .

[0087] An IE “NR-DL-TDOA-SignalMeasurementInformation” is used by the target device to provide NR DL-TDOA measurements to the location server. The dl-PRS-ReferenceInfo defines the "RSTD reference" TRP in NR-DL-TDOA-SignalMeasurementInformation. The "RSTD reference" TRP may or may not be the same as the "assistance data reference" TRP provided by nr-DL-PRS-ReferenceInfo in IE NR-DL-PRS-AssistanceData.

[0088] In the present disclosure, DL RSTD is the DL relative timing difference between the Transmission Point (TP) j and the reference TP i, defined as TSubframeRxj–TSubframeRxi, where:

[0089] - TSubframeRxj is the time when the UE receives the start of one subframe from TP j.

[0090] - TSubframeRxi is the time when the UE receives the corresponding start of one subframe from TP i that is closest in time to the subframe received from TP j.

[0091] Multiple DL PRS resources can be used to determine the start of one subframe from a TP. For frequency range 1, the reference point for the DL RSTD shall be the antenna connector of the UE. For frequency range 2, the reference point for the DL RSTD shall be  the antenna of the UE.

[0092] DL TDOA positioning method refers to that the UE positioning is estimated based on DL RSTD measurements taken at the UE of downlink radio signals from multiple NR TRPs, along with knowledge of the geographical coordinates of the TRPs and their relative downlink timing. For a specific TRP, the DL RSTD measure and the additional RSTD measurement is the DL relative timing difference between itself and the RSTD reference TRP. FIG. 1F illustrates an example schematic of a RSTD reported by a UE. For example, a RSTD between PRS1 and PRS0, and another RSTD between PRS2 and PRS 0 can be included in a same message, i.e. NR-DL-TDOA-SignalMeasurementInformation 1 as shown in FIG. 1F, since PRS1 and PRS2 are from the same TPR (i.e. TRP1) . The RSTD between PRS3 and PRS 0 will be included in another message, i.e. NR-DL-TDOA-SignalMeasurementInformation 2 as shown in FIG. 1F, since PRS3 is from a different TRP (i.e. TRP2) .

[0093] In current LPP specification, the reference TRP is not fixed among different UEs, nor fixed over time for a given UE. The reference TRP is recommended by LMF to the UE, and the UE can make final decision on which TRP to use as its reference TRP.

[0094] For AI / ML assisted positioning and deployed the model at UE side (case 2a) , if a model is trained at gNB side or other NW entity rather than LMF, the model training entity may require the training data that contain model input and model output (DL RSDT) from multiple UEs, as a large amount of data are required at model training stage. However, the RSTD reference TRPs of training data among multiple UEs may be different, since different UEs may assign different TRPs as the RSTD reference TRPs, that result the model training entity (gNB or other NW entity rather than LMF) cannot obtain the training data with aligned RSTD reference TRP. FIG. 1G illustrates an example schematic of an issue 107 to be addressed. The RSTD reference TRP for UE1 is different from the RSTD reference TRP for UE2, however, the serving gNB or other model training entity is unaware the PRS configuration, that it, a timing difference 108 is not known by the serving gNB or other model training entity.

[0095] In some other cases, if the model is deployed at UE side and the training data are obtained from network side, it is difficult at network side of which data can be provide since the gNB is unaware of the RSTD reference TRP. In addition, it is difficult to provide a large number of RSTDs aligning with a same reference TRP, as the different RSTDs from different  UEs may assign the different TRPs as reference TRPs. In this event, how to determine a suitable reference TRP should be addressed.

[0096] In the present disclosure, “AI / ML model” is a data driven algorithm that applies AI / ML techniques to generate a set of outputs based on a set of inputs; “data collection” is a process of collecting data by the network nodes, management entity, or UE for the purpose of AI / ML model training, data analytics and inference; “model training” is a process to train an AI / ML Model by learning the input / output relationship in a data driven manner and obtain the trained AI / ML Model for inference; “model inference” is a process of using a trained AI / ML model to produce a set of outputs based on a set of inputs; and “model monitoring” is a procedure that monitors the inference performance of the AI / ML model.

[0097] In the present disclosure, a reference TRP may be interchangeably used with one of: a RSTD reference TRP, a RSTD reference TP, a reference TP, a reference entity, a RSTD reference entity, etc., and the present disclosure does not limit for this aspect.

[0098] In the present disclosure, an entity (e.g. TRP) may be interchangeably used with a PRS from an entity (e.g. TRP) in some cases, similarly, a reference entity (e.g. TRP) may be interchangeably used with a reference PRS from a reference entity (e.g. TRP) in some cases

[0099] Reference is further made to FIG. 2, which illustrates a signalling chart illustrating communication process 200 in accordance with some example embodiments of the present disclosure. The process 200 may involve a terminal device 110, a device 202 for model training, and the LMF 130. For example, the device 202 for model training may be a serving gNB of the terminal device 110, such as one of the network devices 120-1 to 120-N. For another example, the device 202 for model training may be a different network entity responsible for model training. It should be noted that the device 202 does not include the LMF 130. It would be appreciated that the process 200 may be applied to other communication scenarios, which will not be described in detail.

[0100] There is at least one deployed positioning model at the terminal device 110, for example, the process 200 is applied for AI / ML assisted positioning with UE-assisted (case 2a) , i.e. a UE side model. There are multiple terminal devices involved in data collection, for example, each terminal device will report model training related data that at least contain DL RSTD to the device 202.

[0101] In the process 200, a model transfer (or delivery) is supported, for example, a positioning model is trained at the device 202, and the trained model can be transferred (or  delivered) to the terminal device 110 for model inference.

[0102] In the process 200, the terminal device 110 may transmit capability information to the LMF 130 at 210. In some implementations, the capability information may indicate a capability of supporting AI / ML based positioning, e.g. a capability of AI / ML model for positioning. In some implementations, the capability information may indicate a capability of supporting assisted positioning model, e.g. a capability of AI / ML assisted positioning. In some implementations, the capability information may indicate a capability of supporting data collection for at least one of: model training, model monitoring, or model inference. In some other implementations, the capability information may indicate some other AI / ML model related capability, and the present disclosure does not limit for this aspect.

[0103] In the process 200, the LMF 130 may transmits an LPP message to the terminal device 110 at 220. In some implementations, the LPP message may indicate a recommended RSTD reference TRP, e.g. in nr-DL-PRS-ReferenceInfo contained in the IE “nr-DL-PRS-AssistanceData” .

[0104] In some examples, the LPP message may indicate to the terminal device 110 to collect model training related data, e.g. RSTD. In some examples, there may be multiple terminal devices for data collection, and the LMF 130 may transmit an LPP message to each of the multiple terminal devices.

[0105] In some implementations, the LMF 130 may transmit a corresponding LPP message to a corresponding terminal device. In some examples, an LPP message x may be transmitted to a terminal device x, and the LPP message x may indicate a recommended (or suggested) reference TRP. In some examples, for different terminal devices, such as UE 1 and UE 2, the recommended (or suggested) reference TRPs can be the same or be different. For a specific example, the reference TRP for UE 1 may be TRP 0, and the reference TRP for UE 2 may be TRP 0 or TRP 1.

[0106] In some example embodiments, the LMF 130 may transmit information related to multiple TRPs to the device 202 for model training at 225. In some implementations, the information at 225 may indicate one or more of: a plurality of reference entities (reference TRPs) used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities (reference TRPs) respectively, a plurality of geographical coordinates for the plurality of entities (TRPs) , or a distance between every two entities among the plurality of entities (TRPs) .

[0107] In some examples, the device 202 is a gNB, the information at 225 can be transmitted in an NRPPa message, e.g. a TRP INFORMATION RESPONSE message.

[0108] In some examples, the information at 225 may indicate at least one of the following:

[0109] - all the nr-DL-PRS-ReferenceInfo of all UEs involved in data collection,

[0110] - DL-PRS configuration of TRPs contained in the nr-DL-PRS-ReferenceInfo of all UEs involved in data collection,

[0111] - geographical coordinates of the TRPs contained in the nr-DL-PRS-ReferenceInfo of all UEs involved in data collection, and / or

[0112] - space distance difference between each two TRPs contained in the nr-DL-PRS-ReferenceInfo of all UEs involved in data collection.

[0113] It is to be understood that the information at 225 from the LMF 130 to the device 202 may be used by the device 202 to determine a timing difference between two different reference TRPs, where the two different reference TRPs are used by two different UEs, or used by two different measurement reports from a same UE.

[0114] In the process 200, the terminal device 110 transmits a measurement including RSTD to the device 202 for model training at 230. In some implementations, if the terminal device 110 determines, or is indicated, to collect model training data, it may report the RSTD.

[0115] Specifically, the recommended (or suggested) reference TRP from the LMF 130 (at 220) will be taken as a RSTD reference TRP by the terminal device 110. For example, a first reference TRP will be used by the terminal device 110, if the LPP message at 220 indicates that the first reference TRP is recommended / suggested by the LMF 130. The terminal device 110 may receive PRSs from multiple TRPs, and determine RSTDs accordingly.

[0116] In some examples, the terminal device 110 reports the RSTD in NR-DL-TDOA-SignalMeasurementInformation message, where the RSTD reference TRP for the reported RSTD is defined in dl-PRS-ReferenceInfo provided in nr-DL-PRS-AssistanceData from the LMF 130. In some examples, the terminal device 110 does not provide dl-PRS-ReferenceInfo in NR-DL-TDOA-SignalMeasurementInformation.

[0117] Since the RSTD reference TRP is provided by the LMF 130 at 220, and the LMF 130 also provide the related information to the device 202 at 225, thus there is no need for the terminal device 110 to provide the same to the device 202. Therefore, there is no need  for the terminal device 110 to re-determine a RSTD reference TRP, the processing at the terminal device 110 will be simplified. In addition, the signalling overhead can be reduced.

[0118] It is to be understood that the device 202 for model training can receive multiple measurement reports from multiple UEs for data collection respectively. For example, UE 1 may report a first RSTD with a reference TRP being TRP0 recommended by LMF. For example, UE 2 may report a second RSTD with a reference TRP being TRP1 recommended by LMF.

[0119] In addition or alternatively, the device 202 for model training may generate training data. In some implementations, as the device 202 for model training receives multiple measurements from multiple terminal devices, the device 202 may process the received RSTDs by aligning them to a same reference TRP (which may be a target reference TRP) . For example, the target reference TRP may be one reference TRP for a specific terminal device (such as the terminal device 110 or another UE different from the terminal device 110) . In some examples, the device 202 can align the RSTD reference TRP of each RSTD to the target reference TRP, by compensating the time difference between each RSTD reference TRP and the target reference TRP.

[0120] FIG. 3A illustrates an example schematic of RSTDs 310 received by gNB in accordance with some example embodiments of the present disclosure. It is assumed that the gNB receives RSTD0_1 from UE0, RSTD2_3 from UE1, and RSTD4_5 from UE2.

[0121] Specifically, RSTD0_1 is a time difference between PRS 1 from TRP 0 relative to PRS 0 from RSTD reference TRP for UE0, RSTD2_3 is a time difference between PRS 3 from TRP 1 relative to PRS 2 from RSTD reference TRP for UE1, RSTD4_5 is a time difference between PRS 5 from TRP 2 relative to PRS 4 from RSTD reference TRP for UE2. In addition, a timing difference between PRS 2 from RSTD reference TRP for UE1 and PRS 0 from RSTD reference TRP for UE0 can be determined as t1, and a timing difference between PRS 4 from RSTD reference TRP for UE2 and PRS 0 from RSTD reference TRP for UE0 can be determined as t2, based on information from the LMF 130 (e.g. that received at 225) . Accordingly, all RSTDs from different terminal devices can be processed to be aligned to a same reference TRP, i.e. PRS 0 from RSTD reference TRP for UE0.

[0122] As such, from UE perspective, the reference TRP indicated by the LMF may be used and there is no need to determine an RSTD reference TRP by itself, in this way, the operations at the terminal device may be simplified, and an impact to the specification can be minimal.

[0123] In some implementations, referring back to FIG. 2, the LMF 130 may transmit a corresponding LPP message to a corresponding terminal device. In some examples, an LPP message x may be transmitted to a terminal device x, and the LPP message x may indicate a recommended reference TRP. In some examples, for different terminal devices, such as UE 1 and UE 2, the recommended reference TRPs are the same (i.e. common) . For example, the LMF 130 may determine a target reference TRP (such as TRP0) , and the LMF 130 can indicate it to each of multiple terminal devices.

[0124] For instance, for each terminal device, it may receive an LPP message from the LMF 130, and the LPP message may indicate that TRP0 should be used as the target reference TRP. In other words, a same RSTD reference TRP is indicated to different terminal devices.

[0125] In some example embodiments, the LMF 130 may transmit information related to the target reference TRP to the device 202 at 225. In some implementations, the information at 225 may indicate the target reference TRP. In some examples, the information at 225 is used to notify the device that TRP0 will be used as the target reference TRP by each of the terminal devices. In some examples, the device 202 is a gNB, the information at 225 can be transmitted in an NRPPa message, e.g. a TRP INFORMATION RESPONSE message.

[0126] In the process 200, the terminal device 110 transmits a measurement including RSTD to the device 202 for model training at 230. In some implementations, if the terminal device 110 determines, or is indicated, to collect model training data, it may report the RSTD. In some examples, the terminal device 110 reports the RSTD in NR-DL-TDOA-SignalMeasurementInformation message, where the RSTD reference TRP for the reported RSTD is defined in dl-PRS-ReferenceInfo provided in nr-DL-PRS-AssistanceData from the LMF 130, which is the target reference TRP (such as TRP0) indicated by the LMF 130. In some examples, the terminal device 110 does not provide dl-PRS-ReferenceInfo in NR-DL-TDOA-SignalMeasurementInformation.

[0127] It is to be understood that the device 202 for model training can receive multiple reports from multiple UEs for data collection respectively, and all received RSTDs are relative to a same reference TRP, i.e. the target reference TRP. In this case, the received RSTDs may be determined as training data by the device 202.

[0128] FIG. 3B illustrates an example schematic of RSTDs 320 received by gNB in accordance with some example embodiments of the present disclosure. It is assumed that the gNB receives RSTD0_1 from UE0, RSTD0_2 from UE1, and RSTD0_3 from UE2.

[0129] Specifically, RSTD0_1 is a time difference between PRS 1 from TRP 0 relative to PRS 0 from RSTD reference TRP provided by the LMF, RSTD0_2 is a time difference between PRS 2 from TRP 1 relative to PRS 0 from RSTD reference TRP provided by the LMF, RSTD0_3 is a time difference between PRS 3 from TRP 2 relative to PRS 0 from RSTD reference TRP provided by the LMF. In this case, since the LMF 130 provides a same (common) reference TRP to each of UE0, UE1, and UE 2, all RSTDs are aligned to a same reference TRP, i.e. PRS 0 from RSTD reference TRP provided by the LMF.

[0130] As such, from UE perspective, the reference TRP indicated by the LMF may be used and there is no need to determine an RSTD reference TRP by itself, in this way, the operations at the terminal device may be simplified, and an impact to the specification can be minimal. In addition, a common reference TRP is indicated to multiple UEs for data collection, thus the collected RSTDs are relative to the common reference TRP, in this way, further aligning operations may not need, and the operations can be simplified.

[0131] In some implementations, referring back to FIG. 2, the LMF 130 may transmit a corresponding LPP message to a corresponding terminal device. In some examples, an LPP message x may be transmitted to a terminal device x, and the LPP message x may indicate a recommended (or suggested) reference TRP. In some examples, for different terminal devices, such as UE 1 and UE 2, the recommended (or suggested) reference TRPs can be the same or be different. For a specific example, the reference TRP for UE 1 may be TRP 0, and the reference TRP for UE 2 may be TRP 0 or TRP 1. In some examples, the operation 225 may not be performed.

[0132] In addition, the terminal device 110 transmits a measurement including RSTD to the device 202 for model training at 230. In some implementations, if the terminal device 110 determines, or is indicated, to collect model training data, it may report the RSTD. In some examples, the terminal device 110 may report the measurement as legacy.

[0133] For instance, the terminal device 110 may receive a PRS x1 from a TRP y1, determine a reference PRS x0 of a reference TRP y0, and then generate a RSTD to be reported. It is to be noted that the reference TRP y0 may be the same as or be different from that recommended or suggested by the LMF 130 at 220. In some examples, the terminal device 110 reports the RSTD in NR-DL-TDOA-SignalMeasurementInformation message, with dl-PRS-ReferenceInfo provided in NR-DL-TDOA-SignalMeasurementInformation.

[0134] In this case, the terminal device may behave as legacy, that is, the actions at the  terminal device may not be affected. In this way, a terminal device may determine a suitable reference TRP for its measurement, and the amount of reported RSTD can be small, thus the overhead is reduced.

[0135] It is to be understood that the device 202 for model training can receive multiple reports from multiple UEs for data collection respectively. For example, UE 1 may report a first RSTD with a reference TRP being TRP0. For example, UE 2 may report a second RSTD with a reference TRP being TRP1.

[0136] FIG. 3C illustrates an example schematic of RSTDs 330 received by gNB in accordance with some example embodiments of the present disclosure. It is assumed that the gNB receives a measurement 331 from UE0, a measurement 332 from UE1, and a measurement 333 from UE2.

[0137] Specifically, the measurement 331 includes RSTD 0_1 and RSTD 0_2, the measurement 332 includes RSTD 3_4 and RSTD 5_6, and the measurement 333 includes RSTD 7_8. However, the gNB does not know configuration information for PRS0 from RSTD reference TRP for UE0, PRS3 from RSTD reference TRP for UE1, PRS5 from RSTD reference TRP for UE1, and PRS 7 from RSTD reference TRP for UE2.

[0138] In the process 200, the device 202 may transmit a request to the LMF 130 at 240. In some implementations, the request is used for request configuration information for specific TRPs, e.g., reference TRPs associated with received measurements from multiple terminal devices.

[0139] For instance, a first measurement is received from UE1 and the first measurement includes a first RSTD with a reference TRP being TRP0, a second measurement is received from UE2 and the second measurement includes a second RSTD with a reference TRP being TRP1, then the request at 240 may be used for requesting configuration information for TRP0 and TRP1. In other words, the device 202 may determine that certain TRP configuration information is desired and further transmit the request for the desired configuration information.

[0140] In some examples, the request at 240 may be implemented as an NRPPa message, such as a TRP INFORMATION REQUEST message. However, it is to be noted that the format of the request may be in some other form, and the present disclosure does not limit for this aspect.

[0141] In the process 200, the LMF 130 transmit a response to the device 202 at 245. In  some implementations, the response may be transmitted in response to the request. In some implementations, the response may include configuration information of specific TRPs, e.g., reference TRPs associated with received measurements from multiple terminal devices.

[0142] In some examples, the response at 245 may be implemented as an NRPPa message, such as another TRP INFORMATION RESPONSE message. However, it is to be noted that the format of the response may be in some other form, and the present disclosure does not limit for this aspect.

[0143] It is to be appreciated that if the configuration information is not available at the LMF 130, a failure message may be transmitted to the device 202. For example, a TRP INFORMATION FAILURE message may be transmitted in response to the request. In some instances, the failure message may further indicate a cause of the failure, e.g. by a cause value or cause field.

[0144] FIG. 3D illustrates a signalling chart illustrating a process 340 for requesting configuration information. The device 202 transmits a first NRPPa message at 342, for requesting the configuration information, e.g., for PRS0 from RSTD reference TRP for UE0, PRS3 from RSTD reference TRP for UE1, PRS5 from RSTD reference TRP for UE1, and PRS 7 from RSTD reference TRP for UE2 as discussed with reference to FIG. 3C. For example, the first NRPPa message may be in a format of TRP INFORMATION REQUEST. The LMF 130 transmits a second NRPPa message at 344, for providing the configuration information, e.g. for PRS0 from RSTD reference TRP for UE0, PRS3 from RSTD reference TRP for UE1, PRS5 from RSTD reference TRP for UE1, and PRS 7 from RSTD reference TRP for UE2 as requested at 342. In some cases, the second NRPPa message may be a failure message if the configuration information is not available at the LMF 130. For example, the second NRPPa message may be in a format of TRP INFORMATION RESPONSE or FAILURE.

[0145] For ease of description, it is assumed that the configuration information requested by the device 202 is available at the LMF 130 in process 200, and thus the device 202 receives the response including the configuration information of specific TRPs.

[0146] In addition or alternatively, the device 202 for model training may generate training data. In some implementations, as the device 202 for model training receives multiple measurements from multiple terminal devices, the device 202 may process the received RSTDs by aligning to a same reference TRP (which may be a target reference TRP) . For  example, the target reference TRP may be one reference TRP for a specific terminal device (such as the terminal device 110 or another UE different from the terminal device 110) . In some examples, the device 202 can align the RSTD reference TRP of each RSTD to the target reference TRP, by compensating the time difference between each RSTD reference TRP and the target reference TRP.

[0147] For instance, a first measurement is received from UE1 and the first measurement includes a first RSTD with a reference TRP being TRP0, a second measurement is received from UE2 and the second measurement includes a second RSTD with a reference TRP being TRP1, then the request at 240 may be used for requesting configuration information for TRP0 and TRP1. For example, a timing difference between TRP0 and TRP1 can be determined based on the configuration information from the LMF 130 at 245. For example, the second RSTD can be processed to obtain a further RSTD relative to TRP0, by compensating the timing difference between TRP0 and TRP1.

[0148] In this way, the training data can be generated by the device 202, where each of training data is aligned to a same (common) reference TRP, i.e. a target reference TRP.

[0149] It is to be understood that some example embodiments provided above may include embodiments associated with operations 220, 225, and 230, embodiments associated with operations 220, 225, and 230, and embodiments associated with operations 220, 230, 240, and 245, however, they are discussed for illustration without any limitations, for example, some other embodiments may be applied for generating training data associated with a common reference TRP (target reference TRP) .

[0150] In the process 200, the device 202 performs model training based on the training data at 250. Since each RSTD in the training data is aligned to the same TRP, i.e., target reference TRP, it is understandable that the output of the trained model is RSTD, which is timing difference relative to the target reference TRP.

[0151] In the process 200, the device 202 performs a model transfer to the terminal device 110 at 260. In some implementations, the device 202 may transmit a second message (such as a downlink message) to the terminal device 110, and the second message may indicate the trained positioning model. For example, the trained positioning model may be transferred or provided to the terminal device 110 for model inference.

[0152] In some examples, the second message may further indicate the target reference TRP which is used for the aligned training data. In some instances, attribute information of the  trained positioning model can be included in the second message, and the attribute information may indicate the target reference TRP explicitly or implicitly.

[0153] In some examples, a TRP identification of the target reference TRP can be included in the second message. That is, the target reference TRP can be indicated directly or explicitly.

[0154] In some other examples, a TRP identification of an assigned TRP and a timing difference between the assigned TRP and the target reference TRP can be included in the second message. That is, the target reference TRP can be indicated indirectly or implicitly. For example, if the target reference TRP is TRP 0, then the second message may indicate TRP 1 and an associated timing difference △t, where the timing difference △t is relative to the TRP 0 by assuming a signal is transmitted at TRP0 and TRP 1 simultaneously.

[0155] In addition or alternatively, the terminal device 110 may perform model inference by using the trained model transferred from the device 202, and output the RSTD which is relative to the target reference TRP or gNB assigned TRP.

[0156] FIG. 3E illustrates an example schematic 350 for model training, model transfer, and model inference in accordance with some example embodiments of the present disclosure. The training dataset may include multiple training data, each of the training data is aligned to a same TRP (such as TRP0 or PRS0 from a target reference TRP 0) . The trained model may be obtained by model training. In addition, the trained model may be transferred to a terminal device together with an indication of the target reference TRP (i.e. TRP0) . As such, a model inference may be further performed. For example, an output of the trained model is a RSTD relative to the reference TRP0.

[0157] According to some embodiments with reference to FIGS. 2-3E, when the model transfer is supported, the model can be trained at a device for model training such as a gNB. The training data can be aligned to a target reference TRP, ensuring the model performance.

[0158] FIG. 4 illustrates a signalling chart illustrating communication process 400 in accordance with some example embodiments of the present disclosure. The process 400 may involve a terminal device 110 and a device 402 for data collection or data storage. For example, the 402 for data collection or data storage may be a serving gNB of the terminal device 110, such as one of the network devices 120-1 to 120-N. For another example, the device 402 for data collection or data storage may be a different network entity responsible for model training. For a further example, the device 402 for data collection or data storage  may be the LMF 130. It would be appreciated that the process 400 may be applied to other communication scenarios, which will not be described in detail.

[0159] There is at least one deployed positioning model at the terminal device 110, for example, the process 400 is applied for AI / ML assisted positioning with UE-assisted (case 2a) , i.e. a UE side model. There are multiple terminal devices involved in data collection, for example, each terminal device will report DL RSTD to the device 202.

[0160] In the process 400, a model transfer (or delivery) is not supported, for example, a positioning model is trained at the terminal device 110. In the process 400, the data transfer is supported, for example, the device 402 may perform data collection, and provide the collected training data to the terminal device 110.

[0161] In the process 400, the terminal device 110 transmits a request for training data to the device 402 at 410.

[0162] In some implementations, the request may be associated with an indication of a reference TRP. In some example embodiments, the request may include the indication of the reference TRP. In some other example embodiments, the indication of the reference TRP may be transmitted in a separate message. For example, the terminal device 110 transmits an indication of a reference TRP to the device 402 at 405.

[0163] In some examples, the terminal device 110 may determine the reference TRP by itself, which may be the same as or be different from that recommended or suggested by the LMF 130 at LPP message NR-DL-PRS-AssistanceData. For ease of description, it is assumed that the indication of the reference TRP in process 400 may indicates TRP0, that is, TRP0 is taken as the reference TRP.

[0164] In some examples, the request may indicate to the device 402 to provide training data, and the training data should be relative the reference TRP (e.g. TRP0) . For example, the request may be transmitted to the LMF 130, and the request may be used to indicate to the LMF 130 to assist data collection, e.g. to configure PRS information for the training data with the reference TRP (e.g. TRP0) .

[0165] For example, the request may be implanted as dl-PRS-ReferenceInfo with the parameter DL-PRS-ID-Info, which is different from that in nr-DL-PRS-ReferenceInfo provided in NR-DL-PRS-AssistanceData.

[0166] In some examples, the request may be transmitted by the terminal device 110 if one  of the following: the terminal device 110 determines to train the model, the terminal device 110 is indicated to train the model, the training data at terminal device 110 side is not sufficient to train, or the training data are out of date.

[0167] In some other implementations, the request is used for requesting training data, and the request may not indicate the reference TRP.

[0168] In the process 400, the device 402 transmits the training data to the terminal device 110 at 420. In some implementations, the training data may be generated by multiple terminal devices (e.g. multiple UEs) , in this case, the device 402 may obtain the training data from the multiple UEs.

[0169] In some implementations, the request may be associated with an indication of a reference TRP (e.g. TRP0) . In some examples, the device 402 may be the LMF 130, and the LMF 130 may transmits an LPP message to each of the multiple UEs. For example, the LMF 130 may configure same dl-PRS-ReferenceInfo with the provided one from the terminal device 110 at 410 when the LMF 130 provides PRS assistance data to the multiple UEs at least for data collection. For example, the LMF 130 may indicate the reference TRP (e.g. TRP0, that determined by the terminal device 110) to the multiple UEs, and the UEs should use the indicated reference TRP (e.g. TRP0) as the reference TRP but should not change or reselect another one. Accordingly, the LMF 130 can obtain the training data from the multiple UEs, and all the training data are relative to the same reference TRP (e.g. TRP0) .

[0170] In some other implementations, the request may not indicate a reference TRP. In this case, the device 402, such as the LMF 130, may obtain training data from multiple UEs, while different training data may be relative to different reference TRPs. For example, the obtained training data may be similar with that shown in FIG. 3C.

[0171] In some examples, the device 402, such as the LMF 130, may transmit the training data together with information related to multiple TRPs to the terminal device 110.

[0172] In some examples, the information related to multiple TRPs may indicate at least one of the following:

[0173] - all the nr-DL-PRS-ReferenceInfo of all UEs involved in data collection,

[0174] - DL-PRS configuration of TRPs contained in the nr-DL-PRS-ReferenceInfo of all UEs involved in data collection,

[0175] - geographical coordinates of the TRPs contained in the nr-DL-PRS-ReferenceInfo of all  UEs involved in data collection, and / or

[0176] - space distance difference between each two TRPs contained in the nr-DL-PRS-ReferenceInfo of all UEs involved in data collection.

[0177] It is to be understood that the information related to multiple TRPs from the LMF 130 to the terminal device 110 may be used by the terminal device 110 to determine a timing difference between two different reference TRPs, where the two different reference TRPs are used by two different UEs (two different training data) .

[0178] In addition or alternatively, the terminal device 110 may align the training data to a same reference TRP at 425. In some examples, the terminal device 110 may determine a target reference TRP, and may process the training data to make sure that the processed trained data are aligned to the target reference TRP, e.g. by compensating the timing difference between an RSTD reference TRP of the training data and the target reference TRP.

[0179] In the process 400, the terminal device 110 performs model training at 430. In some implementations, the training data from the device 402 are used for training. In some other implementations, the processing training data after 425 are used for training.

[0180] In addition or alternatively, the terminal device 110 may further perform model inference based on the trained model. In some examples, an output of the model may be an RSTD which is a relative timing difference a specific received PRS for a TRP and the PRS from target reference TRP. In some examples, the terminal device 110 may transmit another LPP message to the LMF 130, and another LPP message may indicate the output (i.e. RSTD) and the aligned TRP.

[0181] According to some embodiments with reference to FIG. 4, when a model transfer is not supported, the model training can be performed at the terminal device based on training data which are aligned to a same (common) reference TRP. In some instances, the reference TRP may be indicated by the terminal device, so that the collected training data are relative to a same reference TRP. In some instances, the training data may be relative to different reference TRPs, and they may be aligned to the same reference TRP by the terminal device. As such, the training data which are relative to a same reference TRP can be used for model training, ensuring the model performance.

[0182] FIG. 5 illustrates a flowchart of an example method 500 implemented at a device for model training in accordance with some embodiments of the present disclosure. For example, the device may be the device 202 with reference to FIG. 2.

[0183] At block 510, the device receives, from an LMF, information related to at least one entity of a plurality of entities for transmitting PRSs. At block 520, the device receives, from a plurality of terminal devices, a plurality of measurements respectively, wherein a first measurement from a first terminal device comprises a first RSTD of a first PRS from a first entity among the plurality of entities relative to a first reference PRS from a first reference entity associated with the first terminal device. At block 530, the device generates training data based on the plurality of measurements, wherein each of the training data is relative to a target reference entity among the plurality of entities. At block 540, the device trains a positioning model by using the training data.

[0184] In some example embodiments, the information related to at least one entity indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0185] In some example embodiments, the device determines, based on the information from the LMF, a timing difference between the first reference PRS from the first reference entity and a target reference PRS from the target reference entity; and processes the first RSTD by compensating the timing difference, to align the processed first RSTD to the target reference PRS from the target reference entity.

[0186] In some example embodiments, a second measurement from a second terminal device comprises a second RSTD of a second PRS from a second entity among the plurality of entities relative to a second reference PRS from a second reference entity, and the device determines that the target reference entity is the second reference entity.

[0187] In some example embodiments, the information indicates the target reference entity or a target reference PRS associated with the target reference entity.

[0188] In some example embodiments, the target reference entity is used by each of the plurality of terminal devices as a common reference entity.

[0189] In some example embodiments, the device transmits, to a target terminal device, a second message indicating the trained positioning model associated with the target reference entity.

[0190] In some example embodiments, the second message further indicates an assigned  reference entity and a timing difference between the assigned reference entity and the target reference entity.

[0191] In some example embodiments, the second message comprises an indication of the target reference entity or an indication of a target reference PRS associated with the target reference entity.

[0192] In some example embodiments, the device transmits, to the LMF, a request for the information.

[0193] In some example embodiments, the request comprises an indication of configuration information for multiple specific entities.

[0194] FIG. 6 illustrates a flowchart of an example method 600 implemented at an LMF in accordance with some embodiments of the present disclosure. For example, the LMF may be the LMF 130 as shown in FIG. 1A.

[0195] At block 610, the LMF receives, from a target terminal device, capability information indicating a capability of supporting positioning model. At block 620, the LMF transmits, to a plurality of terminal devices, a plurality of message respectively, wherein a first message to a first terminal device comprises an indication of a corresponding reference entity among a plurality of entities for transmitting PRSs. At block 630, the LMF transmits, to a device for model training, information related to at least one entity of the plurality of entities.

[0196] In some example embodiments, the information related to at least one entity indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0197] In some example embodiments, the information related to at least one entity indicates a target reference entity or a target reference PRS associated with the target reference entity.

[0198] In some example embodiments, the corresponding reference entity is the target reference entity, and the plurality of messages indicate to corresponding terminal devices to use the target reference entity.

[0199] In some example embodiments, the LMF receives, from the device for model training, a request for the information.

[0200] In some example embodiments, the request comprises an indication of configuration information for multiple specific entities.

[0201] In some example embodiments, the capability information indicates at least one of: a capability of supporting AI / ML based positioning, a capability of supporting assisted positioning model, or a capability of supporting data collection for at least one of model training, model inference, or model monitoring.

[0202] FIG. 7 illustrates a flowchart of an example method 700 implemented at a terminal device in accordance with some embodiments of the present disclosure. For example, the terminal device may be the terminal device 110 with reference to FIG. 1A.

[0203] At block 710, the terminal device transmits, to an LMF, capability information indicating a capability of supporting positioning model. At block 720, the terminal device receives, from the LMF, a first message comprising an indication of a reference entity among a plurality of entities for measuring RSTD. At block 730, the terminal device generates a measurement comprising a RSTD of a PRS from a first entity among the plurality of entities relative to a reference PRS from the reference entity. At block 740, the terminal device transmits, to a device for model training, the measurement comprising the RSTD.

[0204] In some example embodiments, the capability information indicates at least one of: a capability of supporting AI / ML based positioning, a capability of supporting assisted positioning model, or a capability of supporting data collection for at least one of model training, model inference, or model monitoring.

[0205] In some example embodiments, the terminal device receives, from the device for model training, a second message indicating a trained positioning model associated with the target reference entity.

[0206] In some example embodiments, the second message further indicates an assigned reference entity and a timing difference between the assigned reference entity and the target reference entity.

[0207] FIG. 8 illustrates a flowchart of an example method 800 implemented at a terminal device in accordance with some embodiments of the present disclosure. For example, the  terminal device may be the terminal device 110 with reference to FIG. 1A which has at least one deployed positioning model.

[0208] At block 810, the terminal device transmits, to a device for data collection or data storage, a request for training data. At block 820, the terminal device receives, from the device for data collection or data storage, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs. At block 830, the terminal device trains a positioning model based on processed training data which are relative to a target reference entity among the plurality of entities.

[0209] In some example embodiments, the request indicates the target reference entity or a target reference PRS associated with the target reference entity, and wherein each of the plurality of RSTDs is relative to the target reference entity.

[0210] In some example embodiments, the plurality of RSTDs are generated by different terminal devices and are relative to different reference entities, and wherein the response further indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0211] In some example embodiments, the terminal device generates the processed training data by aligning each of the plurality of RSTDs to the target reference entity based on the response.

[0212] In some example embodiments, the terminal device performs a model inference by using the trained positioning model, wherein a model output comprises a timing difference of a specific PRS from a specific entity among the plurality of entities relative to a target reference PRS from the target reference entity; and transmits, to an LMF, a message comprising the timing difference and an indication of the specific entity or the specific PRS.

[0213] FIG. 9 illustrates a flowchart of an example method 900 implemented at a device in accordance with some embodiments of the present disclosure. For example, the device may be the device 402 for data collection or data storage with reference to FIG. 4, such as the LMF 130 in FIG. 1A.

[0214] At block 910, the device receives, from a terminal device, a request for training data. At block 920, the device transmits, to the terminal device, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs.

[0215] In some example embodiments, the request indicates the target reference entity or a target reference PRS associated with the target reference entity.

[0216] In some example embodiments, the device comprises an LMF, and the device transmits, to a plurality of terminal devices, an indication indicating to each of the plurality of terminal devices to use the target reference entity.

[0217] In some example embodiments, the device collects the plurality of RSTDs from different terminal devices which are relative to different reference entities, and wherein the response further indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0218] In some example embodiments, the device comprises an LMF, and the device receives, from the terminal device, a message comprising a timing difference of a specific PRS from a specific entity relative to a target reference PRS from the target reference entity and an indication of the specific entity or the specific PRS.

[0219] Details of some embodiments according to the present disclosure have been described with reference to FIGS. 1A-9. Now an example implementation of the device deployed with at least one positioning model will be discussed below.

[0220] In some example embodiments, a device for model training comprises circuitry configured to: receive, from an LMF, information related to at least one entity of a plurality of entities for transmitting PRSs; receive, from a plurality of terminal devices, a plurality of measurements respectively, wherein a first measurement from a first terminal device comprises a first RSTD of a first PRS from a first entity among the plurality of entities relative to a first reference PRS from a first reference entity associated with the first terminal device; generate training data based on the plurality of measurements, wherein each of the training data is relative to a target reference entity among the plurality of entities; and train a  positioning model by using the training data.

[0221] In some example embodiments, the information related to at least one entity indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0222] In some example embodiments, the device comprises circuitry configured to: determine, based on the information from the LMF, a timing difference between the first reference PRS from the first reference entity and a target reference PRS from the target reference entity; and process the first RSTD by compensating the timing difference, to align the processed first RSTD to the target reference PRS from the target reference entity.

[0223] In some example embodiments, a second measurement from a second terminal device comprises a second RSTD of a second PRS from a second entity among the plurality of entities relative to a second reference PRS from a second reference entity, and the device comprises circuitry configured to: determine that the target reference entity is the second reference entity.

[0224] In some example embodiments, the information indicates the target reference entity or a target reference PRS associated with the target reference entity.

[0225] In some example embodiments, the target reference entity is used by each of the plurality of terminal devices as a common reference entity.

[0226] In some example embodiments, the device comprises circuitry configured to: transmit, to a target terminal device, a second message indicating the trained positioning model associated with the target reference entity.

[0227] In some example embodiments, the second message further indicates an assigned reference entity and a timing difference between the assigned reference entity and the target reference entity.

[0228] In some example embodiments, the second message comprises an indication of the target reference entity or an indication of a target reference PRS associated with the target reference entity.

[0229] In some example embodiments, the device comprises circuitry configured to:  transmit, to the LMF, a request for the information.

[0230] In some example embodiments, the request comprises an indication of configuration information for multiple specific entities.

[0231] In some example embodiments, an LMF comprises circuitry configured to: receive, from a target terminal device, capability information indicating a capability of supporting positioning model; transmit, to a plurality of terminal devices, a plurality of message respectively, wherein a first message to a first terminal device comprises an indication of a corresponding reference entity among a plurality of entities for transmitting PRSs; and transmit, to a device for model training, information related to at least one entity of the plurality of entities.

[0232] In some example embodiments, the information related to at least one entity indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0233] In some example embodiments, the information related to at least one entity indicates a target reference entity or a target reference PRS associated with the target reference entity.

[0234] In some example embodiments, the corresponding reference entity is the target reference entity, and the plurality of messages indicate to corresponding terminal devices to use the target reference entity.

[0235] In some example embodiments, the LMF comprises circuitry configured to: receive, from the device for model training, a request for the information.

[0236] In some example embodiments, the request comprises an indication of configuration information for multiple specific entities.

[0237] In some example embodiments, the capability information indicates at least one of: a capability of supporting AI / ML based positioning, a capability of supporting assisted positioning model, or a capability of supporting data collection for at least one of model training, model inference, or model monitoring.

[0238] In some example embodiments, a terminal device comprises circuitry configured to:  transmit, to an LMF, capability information indicating a capability of supporting positioning model; receive, from the LMF, a first message comprising an indication of a reference entity among a plurality of entities for measuring RSTD; generate a measurement comprising a RSTD of a PRS from a first entity among the plurality of entities relative to a reference PRS from the reference entity; and transmit, to a device for model training, the measurement comprising the RSTD.

[0239] In some example embodiments, the capability information indicates at least one of: a capability of supporting AI / ML based positioning, a capability of supporting assisted positioning model, or a capability of supporting data collection for at least one of model training, model inference, or model monitoring.

[0240] In some example embodiments, the terminal device comprises circuitry configured to:receive, from the device for model training, a second message indicating a trained positioning model associated with the target reference entity.

[0241] In some example embodiments, the second message further indicates an assigned reference entity and a timing difference between the assigned reference entity and the target reference entity.

[0242] In some example embodiments, a terminal device comprises circuitry configured to: transmit, to a device for data collection or data storage, a request for training data; receive, from the device for data collection or data storage, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs; and train a positioning model based on processed training data which are relative to a target reference entity among the plurality of entities.

[0243] In some example embodiments, the request indicates the target reference entity or a target reference PRS associated with the target reference entity, and wherein each of the plurality of RSTDs is relative to the target reference entity.

[0244] In some example embodiments, the plurality of RSTDs are generated by different terminal devices and are relative to different reference entities, and wherein the response further indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the  plurality of entities.

[0245] In some example embodiments, the terminal device comprises circuitry configured to: generate the processed training data by aligning each of the plurality of RSTDs to the target reference entity based on the response.

[0246] In some example embodiments, the terminal device comprises circuitry configured to:perform a model inference by using the trained positioning model, wherein a model output comprises a timing difference of a specific PRS from a specific entity among the plurality of entities relative to a target reference PRS from the target reference entity; and transmit, to a LMF, a message comprising the timing difference and an indication of the specific entity or the specific PRS.

[0247] In some example embodiments, a device for data collection or data storage comprises circuitry configured to: receive, from a terminal device, a request for training data; and transmit, to the terminal device, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs.

[0248] In some example embodiments, the request indicates the target reference entity or a target reference PRS associated with the target reference entity.

[0249] In some example embodiments, the device comprises an LMF, and the device comprises circuitry configured to: transmit, to a plurality of terminal devices, an indication indicating to each of the plurality of terminal devices to use the target reference entity.

[0250] In some example embodiments, the device comprises circuitry configured to: collect the plurality of RSTDs from different terminal devices which are relative to different reference entities, and wherein the response further indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0251] In some example embodiments, the device comprises an LMF, and the device comprises circuitry configured to: receive, from the terminal device, a message comprising a timing difference of a specific PRS from a specific entity relative to a target reference PRS from the target reference entity and an indication of the specific entity or the specific PRS.

[0252] FIG. 10 illustrates a simplified block diagram of a device 1000 that is suitable for implementing embodiments of the present disclosure. The device 1000 can be considered as a further example implementation of a terminal device, a device for model training, a device for data collection / storage, or an LMF as described above. Accordingly, the device 1000 can be implemented at or as at least a part of the terminal device 110 or the device 120 or the LMF 130 as shown in FIG. 1A.

[0253] As shown, the device 1000 includes a processor 1010, a memory 1020 coupled to the processor 1010, a suitable transceiver 1040 coupled to the processor 1010, and a communication interface coupled to the transceiver 1040. The memory 1020 stores at least a part of a program 1030. The transceiver 1040 may be for bidirectional communications or a unidirectional communication based on requirements. The transceiver 1040 may include at least one of a transmitter and a receiver. The transmitter and the receiver may be functional modules or physical entities. The transceiver 1040 has at least one antenna to facilitate communication, though in practice an Access Node mentioned in this application may have several ones. The communication interface may represent any interface that is necessary for communication with other network elements, such as X2 / Xn interface for bidirectional communications between eNBs / gNBs, S1 / NG interface for communication between a Mobility Management Entity (MME)  / Access and Mobility Management Function (AMF)  / serving gateway (SGW)  / user plane function (UPF) and the eNB / gNB, Un interface for communication between the eNB / gNB and a relay node (RN) , or Uu interface for communication between the eNB / gNB and a terminal device.

[0254] The program 1030 is assumed to include program instructions that, when executed by the associated processor 1010, enable the device 1000 to operate in accordance with the embodiments of the present disclosure, as discussed herein with reference to FIGS. 1A-6. The embodiments herein may be implemented by computer software executable by the processor 1010 of the device 1000, or by hardware, or by a combination of software and hardware. The processor 1010 may be configured to implement various embodiments of the present disclosure. Furthermore, a combination of the processor 1010 and memory 1020 may form processing means 1050 adapted to implement various embodiments of the present disclosure.

[0255] The memory 1020 may be of any type suitable to the local technical network and may be implemented using any suitable data storage technology, such as a non-transitory computer readable storage medium, semiconductor-based memory devices, magnetic  memory devices and systems, optical memory devices and systems, fixed memory and removable memory, as non-limiting examples. While only one memory 1020 is shown in the device 1000, there may be several physically distinct memory modules in the device 1000. The processor 1010 may be of any type suitable to the local technical network, and may include one or more of general purpose computers, special purpose computers, microprocessors, digital signal processors (DSPs) and processors based on multicore processor architecture, as non-limiting examples. The device 1000 may have multiple processors, such as an application specific integrated circuit chip that is slaved in time to a clock which synchronizes the main processor.

[0256] In summary, embodiments of the present disclosure may provide the following solutions.

[0257] The present disclosure provides a device for model training, comprising at least one processor configured to cause the device at least to: receive, from an LMF, information related to at least one entity of a plurality of entities for transmitting PRSs; receive, from a plurality of terminal devices, a plurality of measurements respectively, wherein a first measurement from a first terminal device comprises a first RSTD of a first PRS from a first entity among the plurality of entities relative to a first reference PRS from a first reference entity associated with the first terminal device; generate training data based on the plurality of measurements, wherein each of the training data is relative to a target reference entity among the plurality of entities; and train a positioning model by using the training data.

[0258] In one embodiment, the device as above, the information related to at least one entity indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0259] In one embodiment, the device as above, the at least one processor is further configured to cause the device to: determine, based on the information from the LMF, a timing difference between the first reference PRS from the first reference entity and a target reference PRS from the target reference entity; and process the first RSTD by compensating the timing difference, to align the processed first RSTD to the target reference PRS from the target reference entity.

[0260] In one embodiment, the device as above, a second measurement from a second terminal device comprises a second RSTD of a second PRS from a second entity among the plurality of entities relative to a second reference PRS from a second reference entity, and wherein the at least one processor is further configured to cause the device to: determine that the target reference entity is the second reference entity.

[0261] In one embodiment, the device as above, the information indicates the target reference entity or a target reference PRS associated with the target reference entity.

[0262] In one embodiment, the device as above, the target reference entity is used by each of the plurality of terminal devices as a common reference entity.

[0263] In one embodiment, the device as above, the at least one processor is further configured to cause the device to: transmit, to a target terminal device, a second message indicating the trained positioning model associated with the target reference entity.

[0264] In one embodiment, the device as above, the second message further indicates an assigned reference entity and a timing difference between the assigned reference entity and the target reference entity.

[0265] In one embodiment, the device as above, the second message comprises an indication of the target reference entity or an indication of a target reference PRS associated with the target reference entity.

[0266] In one embodiment, the device as above, the at least one processor is further configured to cause the device to: transmit, to the LMF, a request for the information.

[0267] In one embodiment, the device as above, the request comprises an indication of configuration information for multiple specific entities.

[0268] The present disclosure provides an LMF, comprising at least one processor configured to cause the LMF at least to: receive, from a target terminal device, capability information indicating a capability of supporting positioning model; transmit, to a plurality of terminal devices, a plurality of message respectively, wherein a first message to a first terminal device comprises an indication of a corresponding reference entity among a plurality of entities for transmitting PRSs; and transmit, to a device for model training, information related to at least one entity of the plurality of entities.

[0269] In one embodiment, the LMF as above, the information related to at least one entity indicates at least one of: a plurality of reference entities used by the plurality of terminal  devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0270] In one embodiment, the LMF as above, the information related to at least one entity indicates a target reference entity or a target reference PRS associated with the target reference entity.

[0271] In one embodiment, the LMF as above, the corresponding reference entity is the target reference entity, and the plurality of messages indicate to corresponding terminal devices to use the target reference entity.

[0272] In one embodiment, the LMF as above, the at least one processor is further configured to cause the LMF to: receive, from the device for model training, a request for the information.

[0273] In one embodiment, the LMF as above, the request comprises an indication of configuration information for multiple specific entities.

[0274] In one embodiment, the LMF as above, the capability information indicates at least one of: a capability of supporting AI / ML based positioning, a capability of supporting assisted positioning model, or a capability of supporting data collection for at least one of model training, model inference, or model monitoring.

[0275] The present disclosure provides a terminal device, comprising at least one processor configured to cause the terminal device at least to: transmit, to an LMF, capability information indicating a capability of supporting positioning model; receive, from the LMF, a first message comprising an indication of a reference entity among a plurality of entities for measuring RSTD; generate a measurement comprising a RSTD of a PRS from a first entity among the plurality of entities relative to a reference PRS from the reference entity; and transmit, to a device for model training, the measurement comprising the RSTD.

[0276] In one embodiment, the terminal device as above, the capability information indicates at least one of: a capability of supporting AI / ML based positioning, a capability of supporting assisted positioning model, or a capability of supporting data collection for at least one of model training, model inference, or model monitoring.

[0277] In one embodiment, the terminal device as above, the at least one processor is further  configured to cause the terminal device to: receive, from the device for model training, a second message indicating a trained positioning model associated with the target reference entity.

[0278] In one embodiment, the terminal device as above, the second message further indicates an assigned reference entity and a timing difference between the assigned reference entity and the target reference entity.

[0279] The present disclosure provides a terminal device, comprising at least one processor configured to cause the terminal device at least to: transmit, to a device for data collection or data storage, a request for training data; receive, from the device for data collection or data storage, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs; and train a positioning model based on processed training data which are relative to a target reference entity among the plurality of entities.

[0280] In one embodiment, the terminal device as above, the request indicates the target reference entity or a target reference PRS associated with the target reference entity, and wherein each of the plurality of RSTDs is relative to the target reference entity.

[0281] In one embodiment, the terminal device as above, the plurality of RSTDs are generated by different terminal devices and are relative to different reference entities, and wherein the response further indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0282] In one embodiment, the terminal device as above, the at least one processor is further configured to cause the terminal device to: generate the processed training data by aligning each of the plurality of RSTDs to the target reference entity based on the response.

[0283] In one embodiment, the terminal device as above, the at least one processor is further configured to cause the terminal device to: perform a model inference by using the trained positioning model, wherein a model output comprises a timing difference of a specific PRS from a specific entity among the plurality of entities relative to a target reference PRS from the target reference entity; and transmit, to an LMF, a message comprising the timing  difference and an indication of the specific entity or the specific PRS.

[0284] The present disclosure provides a device for data collection or data storage, comprising at least one processor configured to cause the device at least to: receive, from a terminal device, a request for training data; and transmit, to the terminal device, a response comprising the training data, wherein the training data comprises a plurality of RSTDs, and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting PRSs.

[0285] In one embodiment, the device as above, the request indicates the target reference entity or a target reference PRS associated with the target reference entity.

[0286] In one embodiment, the device as above, the device comprises an LMF, and the at least one processor is further configured to cause the device to: transmit, to a plurality of terminal devices, an indication indicating to each of the plurality of terminal devices to use the target reference entity.

[0287] In one embodiment, the device as above, the at least one processor is further configured to cause the device to: collect the plurality of RSTDs from different terminal devices which are relative to different reference entities, and wherein the response further indicates at least one of: a plurality of reference entities used by the plurality of terminal devices respectively, a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively, a plurality of geographical coordinates for the plurality of entities, or a distance between every two entities among the plurality of entities.

[0288] In one embodiment, the device as above, the device comprises an LMF, and the at least one processor is further configured to cause the device to: receive, from the terminal device, a message comprising a timing difference of a specific PRS from a specific entity relative to a target reference PRS from the target reference entity and an indication of the specific entity or the specific PRS.

[0289] The present disclosure provides a method of communication, comprising the operations implemented at one of: the device for model training, the LMF, the terminal device, or the device for data collection or data storage discussed above.

[0290] The present disclosure provides a device, comprising: a processor; and a memory storing computer program codes; the memory and the computer program codes configured to, with the processor, cause the device to perform the method implemented at one of: the  device for model training, the LMF, the terminal device, or the device for data collection or data storage discussed above.

[0291] The present disclosure provides a non-transient computer readable medium having instructions stored thereon, the instructions, when executed by a processor of an apparatus, causing the apparatus to perform the method implemented at one of: the device for model training, the LMF, the terminal device, or the device for data collection or data storage discussed above.

[0292] The present disclosure provides a computer program product having instructions stored thereon, the instructions, when executed by a processor of an apparatus, causing the apparatus to perform the method implemented at one of: the device for model training, the LMF, the terminal device, or the device for data collection or data storage discussed above.

[0293] Generally, various embodiments of the present disclosure may be implemented in hardware or special purpose circuits, software, logic or any combination thereof. Some aspects may be implemented in hardware, while other aspects may be implemented in firmware or software which may be executed by a controller, microprocessor or other computing device. While various aspects of embodiments of the present disclosure are illustrated and described as block diagrams, flowcharts, or using some other pictorial representation, it will be appreciated that the blocks, apparatus, systems, techniques or methods described herein may be implemented in, as non-limiting examples, hardware, software, firmware, special purpose circuits or logic, general purpose hardware or controller or other computing devices, or some combination thereof.

[0294] The present disclosure also provides at least one computer program product tangibly stored on a non-transitory computer readable storage medium. The computer program product includes computer-executable instructions, such as those included in program modules, being executed in a device on a target real or virtual processor, to carry out the process or method as described above. Generally, program modules include routines, programs, libraries, objects, classes, components, data structures, or the like that perform particular tasks or implement particular abstract data types. The functionality of the program modules may be combined or split between program modules as desired in various embodiments. Machine-executable instructions for program modules may be executed within a local or distributed device. In a distributed device, program modules may be located in both local and remote storage media.

[0295] Program code for carrying out methods of the present disclosure may be written in any combination of one or more programming languages. These program codes may be provided to a processor or controller of a general purpose computer, special purpose computer, or other programmable data processing apparatus, such that the program codes, when executed by the processor or controller, cause the functions / operations specified in the flowcharts and / or block diagrams to be implemented. The program code may execute entirely on a machine, partly on the machine, as a stand-alone software package, partly on the machine and partly on a remote machine or entirely on the remote machine or server.

[0296] The above program code may be embodied on a machine readable medium, which may be any tangible medium that may contain, or store a program for use by or in connection with an instruction execution system, apparatus, or device. The machine readable medium may be a machine readable signal medium or a machine readable storage medium. A machine readable medium may include but not limited to an electronic, magnetic, optical, electromagnetic, infrared, or semiconductor system, apparatus, or device, or any suitable combination of the foregoing. More specific examples of the machine readable storage medium would include an electrical connection having one or more wires, a portable computer diskette, a hard disk, a random access memory (RAM) , a read-only memory (ROM) , an erasable programmable read-only memory (EPROM or Flash memory) , an optical fiber, a portable compact disc read-only memory (CD-ROM) , an optical storage device, a magnetic storage device, or any suitable combination of the foregoing.

[0297] Further, while operations are depicted in a particular order, this should not be understood as requiring that such operations be performed in the particular order shown or in sequential order, or that all illustrated operations be performed, to achieve desirable results. In certain circumstances, multitasking and parallel processing may be advantageous. Likewise, while several specific implementation details are contained in the above discussions, these should not be construed as limitations on the scope of the present disclosure, but rather as descriptions of features that may be specific to particular embodiments. Certain features that are described in the context of separate embodiments may also be implemented in combination in a single embodiment. Conversely, various features that are described in the context of a single embodiment may also be implemented in multiple embodiments separately or in any suitable sub-combination.

[0298] Although the present disclosure has been described in language specific to structural features and / or methodological acts, it is to be understood that the present disclosure defined  in the appended claims is not necessarily limited to the specific features or acts described above. Rather, the specific features and acts described above are disclosed as example forms of implementing the claims.

Claims

1.A device for model training, the device comprising at least one processor configured to cause the device to:receive, from a location management function (LMF) , information related to at least one entity of a plurality of entities for transmitting positioning reference signals (PRS) ;receive, from a plurality of terminal devices, a plurality of measurements respectively, wherein a first measurement from a first terminal device comprises a first reference signal time difference (RSTD) of a first PRS from a first entity among the plurality of entities relative to a first reference PRS from a first reference entity associated with the first terminal device;generate training data based on the plurality of measurements, wherein each of the training data is relative to a target reference entity among the plurality of entities; andtrain a positioning model by using the training data.2.The device of claim 1, wherein the information related to at least one entity indicates at least one of:a plurality of reference entities used by the plurality of terminal devices respectively,a plurality of PRS configurations for the plurality of reference entities used by the plurality of terminal devices respectively,a plurality of geographical coordinates for the plurality of entities, ora distance between every two entities among the plurality of entities.3.The device of claim 2, wherein the at least one processor is further configured to cause the device to:determine, based on the information from the LMF, a timing difference between the first reference PRS from the first reference entity and a target reference PRS from the target reference entity; andprocess the first RSTD by compensating the timing difference, to align the processed first RSTD to the target reference PRS from the target reference entity.4.The device of claim 3, wherein a second measurement from a second terminal device comprises a second RSTD of a second PRS from a second entity among the plurality of entities relative to a second reference PRS from a second reference entity, and wherein the  at least one processor is further configured to cause the device to:determine that the target reference entity is the second reference entity.5.The device of claim 1, wherein the information indicates the target reference entity or a target reference PRS associated with the target reference entity.6.The device of claim 5, wherein the target reference entity is used by each of the plurality of terminal devices as a common reference entity.7.The device of claim 1, wherein the at least one processor is further configured to cause the device to:transmit, to a target terminal device, a second message indicating the trained positioning model associated with the target reference entity.8.The device of claim 7, wherein the second message further indicates an assigned reference entity and a timing difference between the assigned reference entity and the target reference entity.9.The device of claim 7, wherein the second message comprises an indication of the target reference entity or an indication of a target reference PRS associated with the target reference entity.10.A location management function (LMF) comprising at least one processor configured to cause the device to:receive, from a target terminal device, capability information indicating a capability of supporting positioning model;transmit, to a plurality of terminal devices, a plurality of message respectively, wherein a first message to a first terminal device comprises an indication of a corresponding reference entity among a plurality of entities for transmitting positioning reference signals (PRS) ; andtransmit, to a device for model training, information related to at least one entity of the plurality of entities.11.A terminal device comprising at least one processor configured to cause the  terminal device to:transmit, to a location management function (LMF) , capability information indicating a capability of supporting positioning model;receive, from the LMF, a first message comprising an indication of a reference entity among a plurality of entities for measuring reference signal time difference (RSTD) ;generate a measurement comprising a RSTD of a positioning reference signal (PRS) from a first entity among the plurality of entities relative to a reference PRS from the reference entity; andtransmit, to a device for model training, the measurement comprising the RSTD.12.The terminal device of claim 11, wherein the capability information indicates at least one of:a capability of supporting artificial intelligence (AI) or machine learning (ML) based positioning,a capability of supporting assisted positioning model, ora capability of supporting data collection for at least one of model training, model inference, or model monitoring.13.A terminal device for model training, the terminal device comprising at least one processor configured to cause the terminal device to:transmit, to a device for data collection or data storage, a request for training data;receive, from the device for data collection or data storage, a response comprising the training data, wherein the training data comprises a plurality of reference signal time differences (RSTD) , and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting positioning reference signals (PRS) ; andtrain a positioning model based on processed training data which are relative to a target reference entity among the plurality of entities.14.The terminal device of claim 13, wherein the at least one processor is further configured to cause the terminal device to:perform a model inference by using the trained positioning model, wherein a model output comprises a timing difference of a specific PRS from a specific entity among the plurality of entities relative to a target reference PRS from the target reference entity; andtransmit, to a location management function (LMF) , a message comprising the timing difference and an indication of the specific entity or the specific PRS.15.A method of communication, comprising:receiving, at a device for model training from a location management function (LMF) , information related to at least one entity of a plurality of entities for transmitting positioning reference signals (PRS) ;receiving, from a plurality of terminal devices, a plurality of measurements respectively, wherein a first measurement from a first terminal device comprises a first reference signal time difference (RSTD) of a first PRS from a first entity among the plurality of entities relative to a first reference PRS from a first reference entity associated with the first terminal device;generating training data based on the plurality of measurements, wherein each of the training data is relative to a target reference entity among the plurality of entities; andtraining a positioning model by using the training data.16.A method of communication, comprising:receiving, at a location management function (LMF) from a target terminal device, capability information indicating a capability of supporting positioning model;transmitting, to a plurality of terminal devices, a plurality of message respectively, wherein a first message to a first terminal device comprises an indication of a corresponding reference entity among a plurality of entities for transmitting positioning reference signals (PRS) ; andtransmitting, to a device for model training, information related to at least one entity of the plurality of entities.17.A method of communication, comprising:transmitting, at a terminal device to a location management function (LMF) , capability information indicating a capability of supporting positioning model;receiving, from the LMF, a first message comprising an indication of a reference entity among a plurality of entities for measuring reference signal time difference (RSTD) ;generating a measurement comprising a RSTD of a positioning reference signal (PRS) from a first entity among the plurality of entities relative to a reference PRS from the reference entity; andtransmitting, to a device for model training, the measurement comprising the RSTD.18.A method of communication, comprising:transmitting, from a terminal device for model training to a device for data collection or data storage, a request for training data;receiving, from the device for data collection or data storage, a response comprising the training data, wherein the training data comprises a plurality of reference signal time differences (RSTD) , and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting positioning reference signals (PRS) ; andtraining a positioning model based on processed training data which are relative to a target reference entity among the plurality of entities.19.A method for communication, comprising:receiving, at a device for data collection from a terminal device, a request for training data; andtransmitting, to the terminal device, a response comprising the training data, wherein the training data comprises a plurality of reference signal time differences (RSTD) , and wherein the plurality of RSTDs are relative to a same reference entity or to different reference entities among a plurality of entities for transmitting positioning reference signals (PRS) .20.A computer readable medium having instructions stored thereon, the instructions, when executed by a processor of an apparatus, causing the apparatus to perform the method according to any of claims 15-19.

Images