Coexistent dual-link architecture utilizing artificial intelligence / machine learning in wireless communications

Abstract

Techniques pertaining to a coexistent dual-link architecture utilizing artificial intelligence (AI) and machine learning (ML) in wireless communications are described. An apparatus (e.g., user equipment (UE) ) performs a wireless communication with a network using a dual-link architecture including an artificial intelligence AI-based end-to-end (E2E) communication link and a mobile communication link by: (a) communicating via one of the AI-based E2E communication link and the mobile communication link as a default link; and (b) switching to communicate via the other of the AI-based E2E communication link and the mobile communication link as a fallback link responsive to one or more conditions not being met.

Description

COEXISTENT DUAL-LINK ARCHITECTURE UTILIZING ARTIFICIAL INTELLIGENCE / MACHINE LEARNING IN WIRELESS COMMUNICATIONSCROSS REFERENCE TO RELATED PATENT APPLICATION (S)

[0001] The present disclosure is part of a non-provisional application claiming the priority benefit of U.S. Patent Application No. 63 / 667,840, filed 05 July 2024, the content of which herein being incorporated by reference in its entirety.TECHNICAL FIELD

[0002] The present disclosure is generally related to wireless communications and, more particularly, to a coexistent dual-link architecture utilizing artificial intelligence (AI) and machine learning (ML) in wireless communications.BACKGROUND

[0003] Unless otherwise indicated herein, approaches described in this section are not prior art to the claims listed below and are not admitted as prior art by inclusion in this section.

[0004] In wireless communications such as mobile communications in accordance with the 3rd Generation Partnership Project (3GPP) standards, traditional mobile communication links typically function as coverage layers by using pilot symbols for channel estimation. Although such traditional mobile communication links can be robust and reliable, they nevertheless have limited ability with respect to enhancing spectral efficiency because they rely on the use of pilot symbols.

[0005] On the other hand, native-AI communication involves integrating AI / ML technique (s) into the core structure of wireless communications. More specifically, it involves an end-to-end (E2E) communication that treats the entire communication chain as a network similar to an autoencoder (AE) , aiming to jointly optimize the overall performance of the communication system. On the transmitter side, an input consists of information bits for transmission. On the receiver side, the receiver simply needs to feed received bits into a decoder network to obtain decoded output.

[0006] Therefore, there is a need for a solution of a coexistent dual-link architecture utilizing AI / ML in wireless communications to achieve higher spectral efficiency.SUMMARY

[0007] The following summary is illustrative only and is not intended to be limiting in any way. That is, the following summary is provided to introduce concepts, highlights, benefits and advantages of the novel and non-obvious techniques described herein. Select implementations are further described below in the detailed description. Thus, the following summary is not intended to identify essential features of the claimed subject matter, nor is it intended for use in determining the scope of the claimed subject matter.

[0008] An objective of the present disclosure is to propose solutions or schemes that address the issue (s) described herein. More specifically, various schemes proposed in the present disclosure pertain to a coexistent dual-link architecture utilizing AI / ML in wireless communications. It is believed that implementations of the various proposed schemes may address or otherwise alleviate the aforementioned issue (s) .

[0009] In one aspect, a method may involve an apparatus (e.g., user equipment (UE) ) performing a wireless communication with a network using a dual-link architecture comprising an AI-based E2E communication link and a mobile communication link by: (a) communicating via one of the AI-based E2E communication link and the mobile communication link as a default link; and (b) switching to communicate via the other of the AI-based E2E communication link and the mobile communication link as a fallback link responsive to one or more conditions not being met.

[0010] In another aspect, a method may involve an apparatus of a network (e.g., network node or server) performing a wireless communication with a UE using a dual-link architecture comprising an artificial intelligence (AI-based E2E communication link and a mobile communication link by: (a) communicating via one of the AI-based E2E communication link and the mobile communication link as a default link; and (b) switching to communicate via the other of the AI-based E2E communication link and the mobile communication link as a fallback link responsive to one or more conditions not being met.

[0011] In yet another aspect, an apparatus may include a transceiver configured to communicate wirelessly and a processor coupled to the transceiver. The processor may perform a wireless communication with a network using a dual-link architecture comprising an AI-based E2E communication link and a mobile communication link by: (a) communicating via one of the AI-based E2E communication link and the mobile communication link as a default link; and (b) switching to communicate via the other of the AI-based E2E communication link and the mobile communication link as a fallback link responsive to one or more conditions not being met.

[0012] It is noteworthy that, although description provided herein may be in the context of certain radio access technologies, networks, and network topologies for wireless communication, such as 5th Generation (5G)  / New Radio (NR) mobile communications, 6th Generation (6G) mobile communications and beyond, the proposed concepts, schemes and any variation (s)  / derivative (s) thereof may be implemented in, for and by other types of radio access technologies, networks and network topologies such as, for example and without limitation, Evolved Packet System (EPS) , Long-Term Evolution (LTE) , LTE-Advanced, LTE-Advanced Pro, Internet-of-Things (IoT) , Narrow Band Internet of Things (NB-IoT) , Industrial Internet of Things (IIoT) , vehicle-to-everything (V2X) , and non-terrestrial network (NTN) communications. Thus, the scope of the present disclosure is not limited to the examples described herein.BRIEF DESCRIPTION OF THE DRAWINGS

[0013] The accompanying drawings are included to provide a further understanding of the disclosure and are incorporated in and constitute a part of the present disclosure. The drawings illustrate implementations of the disclosure and, together with the description, serve to explain the principles of the disclosure. It is appreciable that the drawings are not necessarily in scale as some components may be shown to be out of proportion than the size in actual implementation in order to clearly illustrate the concept of the present disclosure.

[0014] FIG. 1 is a diagram of an example scenario under a proposed scheme in accordance with the present disclosure.

[0015] FIG. 2 is a diagram of an example scenario under a proposed scheme in accordance with the present disclosure.

[0016] FIG. 3 is a block diagram of an example communication system under a proposed scheme in accordance with the present disclosure.

[0017] FIG. 4 is a flowchart of an example process under a proposed scheme in accordance with the present disclosure.

[0018] FIG. 5 is a flowchart of an example process under a proposed scheme in accordance with the present disclosure.DETAILED DESCRIPTION

[0019] Detailed embodiments and implementations of the claimed subject matters are disclosed herein. However, it shall be understood that the disclosed embodiments and implementations are merely illustrative of the claimed subject matters which may be embodied in various forms. The present disclosure may, however, be embodied in many different forms and should not be construed as limited to the exemplary embodiments and implementations set forth herein. Rather, these exemplary embodiments and implementations are provided so that the description of the present disclosure is thorough and complete and will fully convey the scope of the present disclosure to those skilled in the art. In the description below, details of well-known features and techniques may be omitted to avoid unnecessarily obscuring the presented embodiments and implementations. Overview

[0020] Implementations in accordance with the present disclosure relate to various techniques, methods, schemes and / or solutions pertaining to a coexistent dual-link architecture utilizing AI / ML in wireless communications. According to the present disclosure, a number of possible solutions may be implemented separately or jointly. That is, although these possible solutions may be described below separately, two or more of these possible solutions may be implemented in one combination or another.

[0021] FIG. 1 illustrates an example scenario 100 under a proposed scheme in accordance with the present disclosure. As alluded to above, native-AI communication involves integrating AI / ML technique (s) into the core structure of wireless communications. In an E2E communication link, the entire communication chain is treated as a network similar to an autoencoder, thereby jointly optimizing the overall performance of communication systems. Referring to part (A) of FIG. 1, the AI-based E2E communication link may involve an autoencoder that includes an AI-based encoder and a corresponding AI-based decoder. On the transmitter side, an input of information bits is provided to the AI-based encoder for transmission via a pass-through channel. On the receiver side, the AI-based decoder takes bits received from the pass-through channel to decode and obtain a decoded output.

[0022] Referring to part (B) of FIG. 1, under the proposed scheme, a novel dual-link architecture may be utilized to achieve optimized or otherwise enhanced overall performing in wireless communications. The dual-link architecture may involve an AI-based new link (herein interchangeably referred to as “AI Super Lean Carrier” , “6G AI Super Lean Carrier” and “AI-based E2E communication link” ) that can coexist with a traditional mobile communication system (e.g., a 5th Generation (5G)  / 6th Generation (6G) communication link) . The AI Super Lean Carrier may be a novel concept designed to establish an efficient communication link. By employing an end-to-end AI / ML architecture, it becomes possible to achieve transmission using fewer or even no pilot signals. Typically, traditional mobile communication links function as coverage layers by using pilot symbols for channel estimation. Although they are robust and reliable, these traditional links tend to have limited ability to enhance spectral efficiency because they rely on pilots. In contrast, the AI Super Lean Carrier may operate as a capacity layer without the need for pilot symbols, leading to increased spectral efficiency and higher throughput. This characteristic makes the AI Super Lean Carrier especially well-suited for high data rate applications.

[0023] Wireless communications in the traditional mobile communication system may typically involve a transmitter (TX) transmitting, and a receiver (RX) receiving, signals such as reference signals (RS) , physical downlink / uplink control channel (PXCCH) signals, physical downlink / uplink shared channel (PXSCH) signals, and so on. The data rate of the traditional mobile communication system may be in the range of 10bps / Hz ～ 30bps / Hz. On the other hand, the AI-based new link (6G AI Super Lean Carrier ) may be a data-driven communication link that transmits data only with no pilot symbols (or fewer pilot symbols compared to the traditional mobile communication system) . Accordingly, the data rate of the 6G AI Super Lean Carrier may be higher and in the range of 15bps / Hz ～ 40bps / Hz without pilot overhead. In FIG. 1, the traditional mobile communication system may be labeled as a coverage layer (CC0) as it may be utilized to provide as much user equipment (UE) coverage as possible, and the AI-based new link may be labeled as a capacity layer (CC1) as it may be utilized when high capacity is required. For instance, a central controller at a core network may trigger or otherwise invoke the 6G AI Super Lean Carrier under high-capacity scenarios, with the 5G / 6G traditional mobile communication link serving as a fallback. In some implementations, the 6G AI Super Lean Carrier may be used as the default link, and communications / transmissions may fall back to the 5G / 6G traditional mobile communication link in case of occurrence of certain condition (s) . For instance, in case that a UE (e.g., legacy UE) cannot support data-only transmission due to one or more conditions, the central controller may switch the communication link for that UE to the 5G / 6G traditional mobile communication link. Such one or more conditions may include, for example and not limited to, at least one of the following: (a) a significant change in the communication environment (e.g., as the UE moves from an open space with plenty of line-of-sight (LOS) to an urban setting with no-line-of-sight (NLOS) due to lots of obstructions) ; (b) the UE being at the edge of a cell coverage such that the strength of received signals is not sufficiently strong; (c) radio frequency (RF) impairment being too serious (e.g., due to the ambient temperature being extremely high or low or due to other environmental factors) ; and / or (d) any other factors that may affect signal transmission and / or reception.

[0024] FIG. 2 illustrates an example scenario 200 under a proposed scheme in accordance with the present disclosure. The AI Super Lean Carrier may fundamentally be an end-to-end AI architecture. This autoencoder-like structure may typically require the transmitter and receiver to be jointly or separately trained, leading to complications in control mechanisms during training. To address this complexity, under a proposed scheme in accordance with the present disclosure, all training may be conducted on the receiver side in an offline manner. Once the training is complete, the receiver may employ model transfer to send a trained autoencoder model (e.g., the AI / ML architecture needed on the transmission side) to the transmitter. Advantageously, this approach may simplify control, thereby ensuring consistent and straightforward procedures. Moreover, this approach may allow the receiver to ensure that a receiver-favorable waveform is tailored to its decoding capabilities, thereby facilitating more effective recovery of the original signal.

[0025] Referring to FIG. 2, the acquisition of a trained autoencoder model may be trained on the receiver side. When the AI Super Lean Carrier is triggered or otherwise invoked (e.g., by the central controller of the network) , a receiver-favorable waveform may be transmitted for model transfer from the receiver side to the transmitter side to transfer the trained autoencoder model to the transmitter side. As shown in FIG. 2, for uplink communications, one or more servers of a wireless network (as the receiver) may perform all the training and then provide a trained encoder of the trained autoencoder model to a UE (as the transmitter) . Similarly, for downlink communications, the UE (as the receiver) may perform all the training and then provide a trained encoder of the trained autoencoder model to the wireless network (as the transmitter) .

[0026] In view of the above, under various proposed schemes in accordance with the present disclosure, a coexistent dual-link architecture may involve a new link (e.g., the AI Super Lean Carrier described above) that operates as a capacity layer requiring fewer or possibly no pilot symbols, in conjunction with a traditional mobile communication link that operates as a coverage layer, thereby leading to enhanced spectral efficiency and higher throughput. That is, the AI Super Lean Carrier may coexist with the traditional mobile communication systems to form a coexistent dual-link architecture. The AI Super Lean Carrier may be triggered by switching and controlled by a central controller of a core network. In some implementations, the AI Super Lean Carrier may be used as a default link, with a traditional mobile communication link as a fallback in case that certain conditions cannot be met. For the E2E autoencoder-based model, training may be performed at the receiver side (e.g., in an offline manner) to transmit receiver-favorable waveforms to the transmitter side. Illustrative Implementations

[0027] FIG. 3 illustrates an example communication system 300 having at least an example apparatus 310 and an example apparatus 320 in accordance with an implementation of the present disclosure. Each of apparatus 310 and apparatus 320 may perform various functions to implement schemes, techniques, processes and methods described herein pertaining to a coexistent dual-link architecture utilizing AI / ML in wireless communications, including the various schemes described above with respect to various proposed designs, concepts, schemes and systems, including network environment 100, as well as processes described below.

[0028] Each of apparatus 310 and apparatus 320 may be a part of an electronic apparatus, which may be a lab computer, a network apparatus or a UE. The UE may be a portable or mobile apparatus, a wearable apparatus, a vehicular device or a vehicle, a wireless communication apparatus or a computing apparatus. For instance, either or both of apparatus 310 and apparatus 320 may be implemented in a smartphone, a smartwatch, a personal digital assistant, an electronic control unit (ECU) in a vehicle, a digital camera, or a computing equipment such as a tablet computer, a laptop computer or a notebook computer. Each of apparatus 310 and apparatus 320 may also be a part of a machine type apparatus, which may be an IoT apparatus such as an immobile or a stationary apparatus, a home apparatus, a roadside unit (RSU) , a wire communication apparatus, or a computing apparatus. For instance, each of apparatus 310 and apparatus 320 may be implemented in a smart thermostat, a smart fridge, a smart door lock, a wireless speaker or a home control center. When implemented in or as a network apparatus, apparatus 310 and / or apparatus 320 may be implemented in an eNodeB in an LTE, LTE-Advanced or LTE-Advanced Pro network or in a gNB or TRP in a 5G network, an NR network or an IoT network.

[0029] In some implementations, each of apparatus 310 and apparatus 320 may be implemented in the form of one or more integrated-circuit (IC) chips such as, for example and without limitation, one or more single-core processors, one or more multi-core processors, one or more complex-instruction-set-computing (CISC) processors, or one or more reduced-instruction-set-computing (RISC) processors. In the various schemes described above, each of apparatus 310 and apparatus 320 may be implemented in or as a network apparatus or a UE. Each of apparatus 310 and apparatus 320 may include at least some of those components shown in FIG. 3 such as a processor 312 and a processor 322, respectively, for example. Each of apparatus 310 and apparatus 320 may further include one or more other components not pertinent to the proposed scheme of the present disclosure (e.g., internal power supply, display device and / or user interface device) , and, thus, such component (s) of apparatus 310 and apparatus 320 are neither shown in FIG. 3 nor described below in the interest of simplicity and brevity.

[0030] In one aspect, each of processor 312 and processor 322 may be implemented in the form of one or more single-core processors, one or more multi-core processors, or one or more CISC or RISC processors. That is, even though a singular term “aprocessor” is used herein to refer to processor 312 and processor 322, each of processor 312 and processor 322 may include multiple processors in some implementations and a single processor in other implementations in accordance with the present disclosure. In another aspect, each of processor 312 and processor 322 may be implemented in the form of hardware (and, optionally, firmware) with electronic components including, for example and without limitation, one or more transistors, one or more diodes, one or more capacitors, one or more resistors, one or more inductors, one or more memristors and / or one or more varactors that are configured and arranged to achieve specific purposes in accordance with the present disclosure. In other words, in at least some implementations, each of processor 312 and processor 322 is a special-purpose machine specifically designed, arranged and configured to perform specific tasks including those pertaining to a coexistent dual-link architecture utilizing AI / ML in wireless communications in accordance with various implementations of the present disclosure.

[0031] In some implementations, apparatus 310 may also include a transceiver 316 coupled to processor 312. Transceiver 316 may be capable of wirelessly transmitting and receiving data. In some implementations, transceiver 316 may be capable of wirelessly communicating with different types of wireless networks of different radio access technologies (RATs) . In some implementations, transceiver 316 may be equipped with a plurality of antenna ports (not shown) such as, for example, four antenna ports. That is, transceiver 316 may be equipped with multiple transmit antennas and multiple receive antennas for MIMO wireless communications. In some implementations, apparatus 320 may also include a transceiver 326 coupled to processor 322. Transceiver 326 may include a transceiver capable of wirelessly transmitting and receiving data. In some implementations, transceiver 326 may be capable of wirelessly communicating with different types of UEs / wireless networks of different RATs. In some implementations, transceiver 326 may be equipped with a plurality of antenna ports (not shown) such as, for example, four antenna ports. That is, transceiver 326 may be equipped with multiple transmit antennas and multiple receive antennas for MIMO wireless communications.

[0032] In some implementations, apparatus 310 may further include a memory 314 coupled to processor 312 and capable of being accessed by processor 312 and storing data therein. In some implementations, apparatus 320 may further include a memory 324 coupled to processor 422 and capable of being accessed by processor 322 and storing data therein. Each of memory 314 and memory 324 may include a type of random-access memory (RAM) such as dynamic RAM (DRAM) , static RAM (SRAM) , thyristor RAM (T-RAM) and / or zero-capacitor RAM (Z-RAM) . Alternatively, or additionally, each of memory 314 and memory 324 may include a type of read-only memory (ROM) such as mask ROM, programmable ROM (PROM) , erasable programmable ROM (EPROM) and / or electrically erasable programmable ROM (EEPROM) . Alternatively, or additionally, each of memory 314 and memory 324 may include a type of non-volatile random-access memory (NVRAM) such as flash memory, solid-state memory, ferroelectric RAM (FeRAM) , magnetoresistive RAM (MRAM) and / or phase-change memory.

[0033] Each of apparatus 310 and apparatus 320 may be a communication entity capable of communicating with each other using various proposed schemes in accordance with the present disclosure. For illustrative purposes and without limitation, a description of capabilities of apparatus 310, as a UE, and apparatus 320, as a network node or server of a network (e.g., a 5G / 6G mobile network) , is provided below in the context of example processes 400 and 500. Illustrative Processes

[0034] Each of the processes 400 and 500 may represent an aspect of implementing various proposed designs, concepts, schemes, systems and methods described above pertaining to a coexistent dual-link architecture utilizing AI / ML in wireless communications, whether partially or entirely, including those pertaining to those described above. Each process may include one or more operations, actions, or functions as illustrated by one or more of blocks. Although illustrated as discrete blocks, various blocks of each process may be divided into additional blocks, combined into fewer blocks, or eliminated, depending on the desired implementation. Moreover, the blocks / sub-blocks of each process may be executed in the order shown in each figure, or alternatively in a different order. Furthermore, one or more of the blocks / sub-blocks of each process may be executed iteratively.

[0035] FIG. 4 illustrates an example process 400 in accordance with an implementation of the present disclosure. Solely for illustrative purposes and without limiting the scope, process 400 is described below in the context of apparatus 310 as a UE and apparatus 320 as a network node or server of a network. Process 400 may begin at block 410.

[0036] At 410, process 400 may involve processor 312 of apparatus 310 performing, via transceiver 316, a wireless communication with a network (e.g., via apparatus 320 as a network node) using a dual-link architecture including an AI-based E2E communication link and a mobile communication link. The wireless communication may be represented by 412 and 414.

[0037] At 412, process 400 may involve processor 312 communicating via one of the AI-based E2E communication link and the mobile communication link as a default link.

[0038] At 414, process 400 may involve processor 312 switching to communicate via the other of the AI-based E2E communication link and the mobile communication link as a fallback link responsive to one or more conditions not being met.

[0039] In some implementations, the AI-based E2E communication link may operate with no pilot symbol or fewer pilot symbols than required by the mobile communication link.

[0040] In some implementations, in switching, process 400 may involve processor 312 switching responsive to a trigger by a controller of the network.

[0041] In some implementations, the AI-based E2E communication link may involve an autoencoder model including an AI-based encoder and a corresponding AI-based decoder. Moreover, the autoencoder model may be trained on a receiver side of the wireless communication. For instance, in performing the wireless communication using the dual-link architecture, process 400 may involve: (a) training the autoencoder model on the receiver side; and (b) transmitting, by the receiver side, a receiver-favorable waveform to a transmitter side of the wireless communication to transfer the trained autoencoder model to the transmitter side. In some implementations, in training the autoencoder model, process 400 may involve training the autoencoder on the receiver side in an offline manner. In some implementations, in transmitting the receiver-favorable waveform, process 400 may involve transmitting the receiver-favorable waveform to transfer the trained autoencoder model to the transmitter side responsive to the AI-based E2E communication link being triggered or invoked.

[0042] In some implementations, in performing the wireless communication using the dual-link architecture, for an uplink transmission, process 400 may involve processor 312 performing certain operations. For instance, process 400 may involve processor 312 receiving a trained encoder of the autoencoder model from the network. Additionally, process 400 may involve processor 312 performing the uplink transmission to the network using the trained encoder.

[0043] In some implementations, in performing the wireless communication using the dual-link architecture, for a downlink transmission, process 400 may involve processor 312 performing certain operations. For instance, process 400 may involve processor 312 training the autoencoder model. Moreover, process 400 may involve processor 312 transmitting a trained encoder of the autoencoder model to the network. Furthermore, process 400 may involve processor 312 receiving the downlink transmission from the network using a trained decoder of the autoencoder model. In such cases, the network may perform the downlink transmission uses the trained encoder.

[0044] In some implementations, the one or more conditions may include at least one of the following: (a) a change in a communication environment from having plenty of LOS to less or no LOS; (b) the UE being at an edge of a cell coverage; (c) there being RF impairment due to an ambient temperature or one or more environmental factors; or (d) any other factors that affects signal transmission or reception.

[0045] FIG. 5 illustrates an example process 500 in accordance with an implementation of the present disclosure. Solely for illustrative purposes and without limiting the scope, process 500 is described below in the context of apparatus 310 as a UE and apparatus 320 as a network node or server of a network. Process 500 may begin at block 510.

[0046] At 510, process 500 may involve processor 322 of apparatus 320 performing, via transceiver 326, a wireless communication with a UE (e.g., apparatus 310) using a dual-link architecture comprising an AI-based E2E communication link and a mobile communication link. The wireless communication may be represented by 512 and 514.

[0047] At 512, process 500 may involve processor 322 communicating via one of the AI-based E2E communication link and the mobile communication link as a default link.

[0048] At 514, process 500 may involve processor 322 switching to communicate via the other of the AI-based E2E communication link and the mobile communication link as a fallback link responsive to one or more conditions not being met.

[0049] In some implementations, the AI-based E2E communication link may operate with no pilot symbol or fewer pilot symbols than required by the mobile communication link.

[0050] In some implementations, in switching, process 500 may involve switching responsive to a trigger by a controller of the network.

[0051] In some implementations, the AI-based E2E communication link may involve an autoencoder model including an AI-based encoder and a corresponding AI-based decoder. Moreover, the autoencoder model may be trained on a receiver side of the wireless communication. For instance, in performing the wireless communication using the dual-link architecture, process 500 may involve: (a) training the autoencoder model on the receiver side; and (b) transmitting, by the receiver side, a receiver-favorable waveform to a transmitter side of the wireless communication to transfer the trained autoencoder model to the transmitter side. In some implementations, in training the autoencoder model, process 500 may involve training the autoencoder on the receiver side in an offline manner. In some implementations, in transmitting the receiver-favorable waveform, process 500 may involve transmitting the receiver-favorable waveform to transfer the trained autoencoder model to the transmitter side responsive to the AI-based E2E communication link being triggered or invoked.

[0052] In some implementations, in performing the wireless communication using the dual-link architecture, for a downlink transmission, process 500 may involve processor 322 performing certain operations. For instance, process 500 may involve processor 322 receiving a trained encoder of the autoencoder model from the UE. Additionally, process 500 may involve processor 322 performing the downlink transmission to the UE using the trained encoder.

[0053] In some implementations, in performing the wireless communication using the dual-link architecture, for an uplink transmission, process 500 may involve processor 322 performing certain operations. For instance, process 500 may involve processor 322 training the autoencoder model. Moreover, process 500 may involve processor 322 transmitting a trained encoder of the autoencoder model to the UE. Furthermore, process 500 may involve processor 322 receiving the uplink transmission from the UE using a trained decoder of the autoencoder model. In such cases, the UE may perform the uplink transmission uses the trained encoder.

[0054] In some implementations, the one or more conditions may include at least one of the following: (a) a change in a communication environment from having plenty of LOS to less or no LOS; (b) the UE being at an edge of a cell coverage; (c) there being RF impairment due to an ambient temperature or one or more environmental factors; or (d) any other factors that affects signal transmission or reception. Additional Notes

[0055] The herein-described subject matter sometimes illustrates different components contained within, or connected with, different other components. It is to be understood that such depicted architectures are merely examples, and that in fact many other architectures can be implemented which achieve the same functionality. In a conceptual sense, any arrangement of components to achieve the same functionality is effectively "associated" such that the desired functionality is achieved. Hence, any two components herein combined to achieve a particular functionality can be seen as "associated with" each other such that the desired functionality is achieved, irrespective of architectures or intermedial components. Likewise, any two components so associated can also be viewed as being "operably connected" , or "operably coupled" , to each other to achieve the desired functionality, and any two components capable of being so associated can also be viewed as being "operably couplable" , to each other to achieve the desired functionality. Specific examples of operably couplable include but are not limited to physically mateable and / or physically interacting components and / or wirelessly interactable and / or wirelessly interacting components and / or logically interacting and / or logically interactable components.

[0056] Further, with respect to the use of substantially any plural and / or singular terms herein, those having skill in the art can translate from the plural to the singular and / or from the singular to the plural as is appropriate to the context and / or application. The various singular / plural permutations may be expressly set forth herein for the sake of clarity.

[0057] Moreover, it will be understood by those skilled in the art that, in general, terms used herein, and especially in the appended claims, e.g., bodies of the appended claims, are generally intended as “open” terms, e.g., the term “including” should be interpreted as “including but not limited to, ” the term “having” should be interpreted as “having at least, ” the term “includes” should be interpreted as “includes but is not limited to, ” etc. It will be further understood by those within the art that if a specific number of an introduced claim recitation is intended, such an intent will be explicitly recited in the claim, and in the absence of such recitation no such intent is present. For example, as an aid to understanding, the following appended claims may contain usage of the introductory phrases "at least one" and "one or more" to introduce claim recitations. However, the use of such phrases should not be construed to imply that the introduction of a claim recitation by the indefinite articles "a" or "an" limits any particular claim containing such introduced claim recitation to implementations containing only one such recitation, even when the same claim includes the introductory phrases "one or more" or "at least one" and indefinite articles such as "a" or "an, " e.g., “a” and / or “an” should be interpreted to mean “at least one” or “one or more; ” the same holds true for the use of definite articles used to introduce claim recitations. In addition, even if a specific number of an introduced claim recitation is explicitly recited, those skilled in the art will recognize that such recitation should be interpreted to mean at least the recited number, e.g., the bare recitation of "two recitations, " without other modifiers, means at least two recitations, or two or more recitations. Furthermore, in those instances where a convention analogous to “at least one of A, B, and C, etc. ” is used, in general such a construction is intended in the sense one having skill in the art would understand the convention, e.g., “asystem having at least one of A, B, and C” would include but not be limited to systems that have A alone, B alone, C alone, A and B together, A and C together, B and C together, and / or A, B, and C together, etc. In those instances where a convention analogous to “at least one of A, B, or C, etc. ” is used, in general such a construction is intended in the sense one having skill in the art would understand the convention, e.g., “asystem having at least one of A, B, or C” would include but not be limited to systems that have A alone, B alone, C alone, A and B together, A and C together, B and C together, and / or A, B, and C together, etc. It will be further understood by those within the art that virtually any disjunctive word and / or phrase presenting two or more alternative terms, whether in the description, claims, or drawings, should be understood to contemplate the possibilities of including one of the terms, either of the terms, or both terms. For example, the phrase “Aor B” will be understood to include the possibilities of “A” or “B” or “Aand B. ”

[0058] From the foregoing, it will be appreciated that various implementations of the present disclosure have been described herein for purposes of illustration, and that various modifications may be made without departing from the scope and spirit of the present disclosure. Accordingly, the various implementations disclosed herein are not intended to be limiting, with the true scope and spirit being indicated by the following claims.

Claims

1.A method, comprising:performing, by a processor of an apparatus, a wireless communication with a network using a dual-link architecture comprising an artificial intelligence (AI) -based end-to-end (E2E) communication link and a mobile communication link by:communicating via one of the AI-based E2E communication link and the mobile communication link as a default link; andswitching to communicate via the other of the AI-based E2E communication link and the mobile communication link as a fallback link responsive to an occurrence of one or more conditions.2.The method of Claim 1, wherein the AI-based E2E communication link operates with no pilot symbol or fewer pilot symbols than required by the mobile communication link.3.The method of Claim 1, wherein the switching comprises switching responsive to a trigger by a controller of the network.4.The method of Claim 1, wherein the AI-based E2E communication link involves an autoencoder model comprising an AI-based encoder and a corresponding AI-based decoder, and wherein the autoencoder model is trained on a receiver side of the wireless communication.5.The method of Claim 4, wherein the performing of the wireless communication using the dual-link architecture comprises:training the autoencoder model on the receiver side; andtransmitting, by the receiver side, a receiver-favorable waveform to a transmitter side of the wireless communication to transfer the trained autoencoder model to the transmitter side.6.The method of Claim 5, wherein the training of the autoencoder model comprises training the autoencoder on the receiver side in an offline manner, and wherein the transmitting of the receiver-favorable waveform comprises transmitting the receiver-favorable waveform to transfer the trained autoencoder model to the transmitter side responsive to the AI-based E2E communication link being triggered or invoked.7.The method of Claim 4, wherein the performing of the wireless communication using the dual-link architecture comprises, for an uplink transmission:receiving a trained encoder of the autoencoder model from the network; andperforming the uplink transmission to the network using the trained encoder.8.The method of Claim 4, wherein the performing of the wireless communication using the dual-link architecture comprises, for a downlink transmission:training the autoencoder model;transmitting a trained encoder of the autoencoder model to the network; andreceiving the downlink transmission from the network using a trained decoder of the autoencoder model,wherein the network performs the downlink transmission uses the trained encoder.9.The method of Claim 1, wherein the one or more conditions comprise at least one of:a change in a communication environment from having plenty of line-of-sight (LOS) to less or no LOS;the UE being at an edge of a cell coverage;there being radio frequency (RF) impairment due to an ambient temperature or one or more environmental factors; orany other factors that affects signal transmission or reception.10.A method, comprising:performing, by a processor of an apparatus of a network, a wireless communication with a user equipment (UE) using a dual-link architecture comprising an artificial intelligence (AI) -based end-to-end (E2E) communication link and a mobile communication link by:communicating via one of the AI-based E2E communication link and the mobile communication link as a default link; andswitching to communicate via the other of the AI-based E2E communication link and the mobile communication link as a fallback link responsive to an occurrence of one or more conditions.11.The method of Claim 10, wherein the AI-based E2E communication link operates with no pilot symbol or fewer pilot symbols than required by the mobile communication link.12.The method of Claim 10, wherein the switching comprises switching responsive to a trigger by a controller of the network.13.The method of Claim 10, wherein the AI-based E2E communication link involves an autoencoder model comprising an AI-based encoder and a corresponding AI-based decoder, and wherein the autoencoder model is trained on a receiver side of the wireless communication.14.The method of Claim 13, wherein the performing of the wireless communication using the dual-link architecture comprises:training the autoencoder model on the receiver side; andtransmitting, by the receiver side, a receiver-favorable waveform to a transmitter side of the wireless communication to transfer the trained autoencoder model to the transmitter side.15.The method of Claim 14, wherein the training of the autoencoder model comprises training the autoencoder on the receiver side in an offline manner, and wherein the transmitting of the receiver-favorable waveform comprises transmitting the receiver-favorable waveform to transfer the trained autoencoder model to the transmitter side responsive to the AI-based E2E communication link being triggered or invoked.16.The method of Claim 13, wherein the performing of the wireless communication using the dual-link architecture comprises, for a downlink transmission:receiving a trained encoder of the autoencoder model from the UE; andperforming the uplink transmission to the UE using the trained encoder.17.The method of Claim 13, wherein the performing of the wireless communication using the dual-link architecture comprises, for an uplink transmission:training the autoencoder model;transmitting a trained encoder of the autoencoder model to the UE; andreceiving the uplink transmission from the UE using a trained decoder of the autoencoder model,wherein the UE performs the uplink transmission uses the trained encoder.18.The method of Claim 13, wherein the one or more conditions comprise at least one of:a change in a communication environment from having plenty of line-of-sight (LOS) to less or no LOS;the UE being at an edge of a cell coverage;there being radio frequency (RF) impairment due to an ambient temperature or one or more environmental factors; orany other factors that affects signal transmission or reception.19.An apparatus implementable in a user equipment (UE) , comprising:a transceiver configured to communicate wirelessly; anda processor coupled to the transceiver and configured to perform operations comprising:performing, by a processor of an apparatus, a wireless communication with a network using a dual-link architecture comprising an artificial intelligence (AI) -based end-to-end (E2E) communication link and a mobile communication link by:communicating via one of the AI-based E2E communication link and the mobile communication link as a default link; andswitching to communicate via the other of the AI-based E2E communication link and the mobile communication link as a fallback link responsive to an occurrence of one or more conditions.20.The apparatus of Claim 19, wherein the AI-based E2E communication link operates with no pilot symbol or fewer pilot symbols than required by the mobile communication link, wherein the AI-based E2E communication link involves an autoencoder model comprising an AI-based encoder and a corresponding AI-based decoder, and wherein the autoencoder model is trained on a receiver side of the wireless communication, wherein the performing of the wireless communication using the dual-link architecture comprises:training the autoencoder model on the receiver side; andtransmitting, by the receiver side, a receiver-favorable waveform to a transmitter side of the wireless communication to transfer the trained autoencoder model to the transmitter side,wherein the training of the autoencoder model comprises training the autoencoder on the receiver side in an offline manner, andwherein the transmitting of the receiver-favorable waveform comprises transmitting the receiver-favorable waveform to transfer the trained autoencoder model to the transmitter side responsive to the AI-based E2E communication link being triggered or invoked.

Images