Sensing node management

Abstract

The present disclosure is related to a network node, a sensing node, and methods for sensing node management. A method at a network node comprises: selecting, from a first number of nodes, a second number of sensing nodes for object sensing based on one or more factors; and allocating resources to the second number of sensing nodes for object sensing. A method at a sensing node comprises: receiving, from a network node, a message for allocating resources to the sensing node for object sensing; and performing object sensing and / or cooperating with the network node for object sensing with the allocated resources.

Description

SENSING NODE MANAGEMENTTechnical Field

[0001] The present disclosure is related to the field of telecommunications, and in particular, to a network node, a sensing node, and methods for sensing node management.Background

[0002] The 5th Generation Advanced (5G-A) and 6th Generation (6G) mobile communication systems are expected to support novel services such as autonomous driving, extended reality (XR) , and so forth, which will require powerful communication and sensing capabilities simultaneously. Wireless sensing, including positioning, velocity detection, posture recognition, and object detection, has long been an independent technology developed in parallel with mobile communications. In 5G-A and 6G mobile communication systems, higher bandwidth, full duplex, and massive multi-input multi-output (MIMO) technologies could be indispensable. As a result, the frequency bands and antennas of wireless communication systems are becoming similar to those of radar, which makes the Joint Communication and Sensing (JCAS) technology (also known as “Integrated Sensing and Communication” or “ISAC” ) feasible and promising.

[0003] JCAS transmission has been widely recognized as an efficient approach to integrate communication and sensing. JCAS base stations (BSs) fully reuses the sites of legacy communication nodes, namely, legacy communication BSs are updated to support the additional sensing function. One typical JCAS sensing solution is to utilize spatially separated User Equipment (UE) and gNB (or more generally, base station or BS) for bi-static sensing.Summary

[0004] Bi-static sensing modes encompass BS-to-BS, UE-to-UE, BS-to-UE, and UE-to-BS modes. In some embodiments described below, gNB-coordinated UE-assisted sensing will be discussed, that is, BS-to-UE and UE-to-BS sensing. However, the present disclosure is not limited thereto. Further, the term “UE” and “sensing node” are sometimes used interchangeably hereinafter, for example, when a UE is capable of object sensing (e.g., object detection and / or object tracking) .

[0005] In a sensing area, there are orders of magnitude more UEs than BS. With numerous connected UEs, allocating sensing resources to all UEs is impractical. Consequently, there arises a necessity for strategic UE selection or management. Random selection poses inherent risks, as inaccurate UE choice can result in numerous challenges. For example, an improper selection of UEs may result in a lack of Line-of-Sight (LoS) path between the selected UEs and an object to  be detected / tracked. For another example, an improper selection of UEs may result in that a Doppler frequency shift cannot be detected correctly, which may in turn result in that an object cannot be distinguished from its surrounding clutters. For yet another example, an improper selection of UEs may result in that the locations of the selected UEs are not up-to-date or even unknown, which may result in an inaccurate object detection / tracking. For effective gNB-coordinated UE-assisted sensing, it is critical for a gNB to carefully select UEs when the gNB act as transmitters or receivers of sensing signals from connected UEs.

[0006] To address or at least partially alleviate one or more of the above issues, some embodiments of the present disclosure are provided.

[0007] According to a first aspect of the present disclosure, a method at a network node is provided. The method comprises: selecting, from a first number of nodes, a second number of sensing nodes for object sensing based on one or more factors; and allocating resources to the second number of sensing nodes for object sensing. Further, some other embodiments of the first aspect will be described below in the detailed description.

[0008] According to a second aspect of the present disclosure, a network node is provided. The network node comprises: a processor; a memory storing instructions which, when executed by the processor, cause the network node to: select, from a first number of nodes, a second number of sensing nodes for object sensing based on one or more factors; and allocating resources to the second number of sensing nodes for object sensing. In some embodiments, the instructions, when executed by the processor, cause the network node to further perform any of the methods of the first aspect.

[0009] According to a third aspect of the present disclosure, a method at a sensing node is provided. The method comprises: receiving, from a network node, a message for allocating resources to the sensing node for object sensing; and performing object sensing and / or cooperating with the network node for object sensing with the allocated resources. Further, some other embodiments of the third aspect will be described below in the detailed description.

[0010] According to a fourth aspect of the present disclosure, a sensing node is provided. The sensing node comprises: a processor; a memory storing instructions which, when executed by the processor, cause the sensing node to: receive, from a network node, a message for allocating resources to the sensing node for object sensing; and perform object sensing and / or cooperating with the network node for object sensing with the allocated resources. In some embodiments, the instructions, when executed by the processor, cause the sensing node to further perform any of the methods of the third aspect.

[0011] According to a fifth aspect of the present disclosure, a computer program comprising instructions is provided. The instructions, when executed by at least one processor, cause the at least one processor to carry out any of the methods of any of the first aspect and the third aspect.

[0012] According to a sixth aspect of the present disclosure, a carrier containing the computer program of the fifth aspect is provided. In some embodiments, the carrier is one of an electronic signal, optical signal, radio signal, or computer readable storage medium.

[0013] According to a seventh aspect of the present disclosure, a telecommunication system is provided. The telecommunication system comprises: a network node of the second aspect; and one or more sensing nodes of the fourth aspect.

[0014] In some embodiments of the present disclosure, a method for UE selection is proposed, which, coupled with differential resource allocation, may ensure the efficient utilization of sensing resources in cellular networks. For example, given the uncertainty of a target′sexact location, an initial allocation of sensing resources to a subset of UEs for preliminary detection attempts is necessary in some embodiments. Therefore, Stage 1 UE selection (e.g., a selection of UEs for initial object detection) may identify eligible UEs capable of participating in sensing activities, primarily filtering out UEs lacking essential sensing information. In some embodiments, despite stage 1 UE selection, the abundance of UEs may necessitate periodic and frequent reselection to avoid missing potential targets. However, allocating extensive sensing resources to each UE for fine-granularity and frequent target trajectory monitoring is impractical. Thus, Stage 2 UE selection (e.g., a selection of UEs for subsequent object tracking) may intensify resource allocation only upon successful detection of a target object. Thus, in some embodiments, the two-stage UE selection process, coupled with differential resource allocation, may ensure the efficient utilization of sensing resources in cellular networks.Brief Description of the Drawings

[0015] The foregoing and other features of the present disclosure will become more fully apparent from the following description and appended claims, taken in conjunction with the accompanying drawings. Understanding that these drawings depict only several embodiments in accordance with the disclosure and therefore are not to be considered limiting of its scope, the disclosure will be described with additional specificity and detail through use of the accompanying drawings.

[0016] Fig. 1 is a diagram illustrating an exemplary telecommunication network in which sensing nodes and network nodes may be operated according to an embodiment of the present disclosure.

[0017] Fig. 2 is a diagram illustrating exemplary scenarios for radar and JCAS based object sensing, wherein sensing node management according to an embodiment of the present disclosure is applicable in the JCAS scenario.

[0018] Fig. 3 is a diagram illustrating exemplary scenarios for improper and proper selections of UEs, respectively.

[0019] Fig. 4 is a diagram illustrating an exemplary scenario explaining how a Doppler frequency shift is estimated.

[0020] Fig. 5 is a diagram illustrating an exemplary procedure for sensing node management according to an embodiment of the present disclosure.

[0021] Fig. 6 is a diagram illustrating exemplary outdoor objects to be sensed.

[0022] Fig. 7 is a diagram illustrating exemplary spectrograms for different outdoor objects shown in Fig. 6.

[0023] Fig. 8 is a flow chart illustrating an exemplary method at a network node according to an embodiment of the present disclosure.

[0024] Fig. 9 is a flow chart illustrating an exemplary method at a sensing node according to an embodiment of the present disclosure.

[0025] Fig. 10 schematically shows an embodiment of an arrangement which may be used in a network node and / or a sensing node according to an embodiment of the present disclosure.Detailed Description

[0026] Hereinafter, the present disclosure is described with reference to embodiments shown in the attached drawings. However, it is to be understood that those descriptions are just provided for illustrative purpose, rather than limiting the present disclosure. Further, in the following, descriptions of known structures and techniques are omitted so as not to unnecessarily obscure the concept of the present disclosure.

[0027] Those skilled in the art will appreciate that the term “exemplary” is used herein to mean “illustrative, ” or “serving as an example, ” and is not intended to imply that a particular embodiment is preferred over another or that a particular feature is essential. Likewise, the terms “first” and “second, ” and similar terms, are used simply to distinguish one particular instance of an item or feature from another, and do not indicate a particular order or arrangement, unless the context clearly indicates otherwise. Further, the term “step, ” as used herein, is meant to be synonymous with “operation” or “action. ” Any description herein of a sequence of steps does not imply that these operations must be carried out in a particular order, or even that these operations are carried out in any order at all, unless the context or the details of the described operation clearly indicates otherwise.

[0028] Conditional language used herein, such as "can, " "might, " "may, " "e.g., " and the like, unless specifically stated otherwise, or otherwise understood within the context as used, is generally intended to convey that certain embodiments include, while other embodiments do not include, certain features, elements and / or states. Thus, such conditional language is not generally intended to imply that features, elements and / or states are in any way required for one or more embodiments or that one or more embodiments necessarily include logic for deciding, with or without author input or prompting, whether these features, elements and / or states are included or are to be performed in any particular embodiment. Also, the term "or" is used in its inclusive sense (and not in its exclusive sense) so that when used, for example, to connect a list of elements, the term "or" means one, some, or all of the elements in the list. Further, the term "each, " as used herein, in addition to having its ordinary meaning, can mean any subset of a set of elements to which the term "each" is applied.

[0029] 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. ” Other definitions, explicit and implicit, may be included below. In addition, language such as the phrase "at least one of X, Y and Z, " unless specifically stated otherwise, is to be understood with the context as used in general to convey that an item, term, etc. may be either X, Y, or Z, or a combination thereof.

[0030] The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limitation 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. It will be also understood that the terms “connect (s) , ” “connecting” , “connected” , etc. when used herein, just mean that there is an electrical or communicative connection between two elements and they can be connected either directly or indirectly, unless explicitly stated to the contrary.

[0031] Of course, the present disclosure may be carried out in other specific ways than those set forth herein without departing from the scope and essential characteristics of the disclosure. One or more of the specific processes discussed below may be carried out in any electronic device comprising one or more appropriately configured processing circuits, which may in some embodiments be embodied in one or more application-specific integrated circuits (ASICs) . In some embodiments, these processing circuits may comprise one or more microprocessors,  microcontrollers, and / or digital signal processors programmed with appropriate software and / or firmware to carry out one or more of the operations described above, or variants thereof. In some embodiments, these processing circuits may comprise customized hardware to carry out one or more of the functions described above. The present embodiments are, therefore, to be considered in all respects as illustrative and not restrictive.

[0032] Although multiple embodiments of the present disclosure will be illustrated in the accompanying Drawings and described in the following Detailed Description, it should be understood that the disclosure is not limited to the disclosed embodiments, but instead is also capable of numerous rearrangements, modifications, and substitutions without departing from the present disclosure that as will be set forth and defined within the claims.

[0033] Further, please note that although the following description of some embodiments of the present disclosure is given in the context of 5th Generation New Radio (5G NR) , the present disclosure is not limited thereto. In fact, as long as sensing node management is involved, the inventive concept of the present disclosure may be applicable to any appropriate communication architecture, for example, to Global System for Mobile Communications (GSM)  / General Packet Radio Service (GPRS) , Enhanced Data Rates for GSM Evolution (EDGE) , Code Division Multiple Access (CDMA) , Wideband CDMA (WCDMA) , Time Division -Synchronous CDMA (TD-SCDMA) , CDMA2000, Worldwide Interoperability for Microwave Access (WiMAX) , Wireless Fidelity (Wi-Fi) , Long Term Evolution (LTE) , etc. Therefore, one skilled in the arts could readily understand that the terms used herein may also refer to their equivalents in any other infrastructure. For example, the term “sensing node” used herein may refer to a UE, a terminal device, a mobile device, a mobile terminal, a mobile station, a user device, a user terminal, a wireless device, a wireless terminal, an Internet of Things (IoT) device, a vehicle, a Positioning Reference Unit (PRU) , a Road Side Unit (RSU) , or any other equivalents. For another example, the term “network node” used herein may refer to a base station, a base transceiver station, an access point, a hot spot, a NodeB (NB) , an evolved NodeB (eNB) , a gNB, a network element, a network node, a network function, an access network (AN) node, or any other equivalents.

[0034] Please note that although bi-static sensing is discussed in some embodiments described herein, the present disclosure is not limited thereto. In some other embodiments, the solutions discussed herein may also be applicable to multi-static sensing. Further, the terms “object” , “sensing object” , “target” , and “sensing target” , or the like may be used interchangeably. Furthermore, the terms “allocate” and “assign” may be used interchangeably hereinafter.

[0035] Fig. 1 is a diagram illustrating an exemplary telecommunication network 10 in which sensing nodes (e.g., UE 100-1 through UE 100-4, RSUs 101-1 through 101-3, a PRU 103) and  network nodes (e.g., RAN nodes 105-1 through 105-2) may be operated according to an embodiment of the present disclosure. Although the telecommunication network 10 is a network defined in the context of 5G NR, the present disclosure is not limited thereto.

[0036] As shown in Fig. 1, the network 10 may comprise one or more UEs 100-1 through 100-4 (collectively, UE (s) 100) and one or more RAN nodes 105-1 through 105-2, which could be a base station, a Node B, an evolved NodeB (eNB) , a gNB, or an node which provides the UEs 100 with access to the network. Further, the network 10 may further comprise one or more sensing nodes other than the UEs 100, such as, one or more RSUs 101-1 through 101-3 (collectively, RSU 101) and a PRU 103.

[0037] As also shown in Fig. 1, the network 10 may comprise a core network 120, in which one or more network functions (NFs) , one or more Application Functions (AFs) , and / or one or more Application Servers (ASs) 130 may be provided. In some embodiments, the NF / AF / AS 130 may provide services and / or functions related to object sensing, such as sensing resource allocation, sensing report collection, sensing data analysis, or the like.

[0038] However, the present disclosure is not limited thereto. In some other embodiments, the network 10 may comprise additional nodes, less nodes, or some variants of the existing nodes shown in Fig. 1. For example, in a network with the 4G architecture, the entities (e.g., an eNB) which perform the operations described with reference to those shown in Fig. 1 may be different from those (e.g., the gNBs 105-1 and 105-2) shown in Fig. 1. For another example, in a network with a mixed 4G / 5G architecture, some of the entities may be same as those shown in Fig. 1, and others may be different. Further, although four UEs 100, two RAN nodes 105, three RSUs, and one PRU are shown in Fig. 1, the present disclosure is not limited thereto. In some other embodiments, any number of UEs, any number of RAN nodes, any number of RSUs, and / or any number of PRUs may be comprised in the network 10.

[0039] As shown in Fig. 1, the UEs 100 may be communicatively connected to one or more of the RAN nodes 105 which in turn may be communicatively connected to the core network 120 and then the Internet, such that the UEs 100 may finally communicate its user plane data with other devices outside the network 10, for example, via the RAN node 105 and the core network 120. Further, one or more of the UEs 100 may have Radio Resource Control (RRC) connections to corresponding RAN nodes 105. For example, the UE 100-1 may be in a RRC_CONNECTED state with the RAN node 105-1, and thus it is communicatively connected to and controlled by the RAN node 105-1. For another example, the UE 100-4 may be in a RRC_INACTIVE state with the RAN node 105-1, which means it has an inactive RRC connection to the RAN node 105-1, and therefore from the RAN node 105-1’s perspective, it may has a less accurate position when compared with the UE 100-1 due to less frequently communication and positioning.

[0040] As shown in Fig. 1, the RSUs 101 and / or the PRU 103 may also be communicatively connected to one or more of the RAN nodes 105, for example, via a direct radio link or via the core network 120. For example, the RSU 101-1 may be communicatively connected to the RAN node 105-1 via a Uu air interface therebetween, or the RSU 101-1 may be communicatively connected to the core network 120, for example, via an optical fiber and then to the RAN node 105-1 via an NG interface between the RAN node 105-1 and the core network 120. For another example, the PRU 103 may be communicatively and simultaneously connected to the RAN nodes 105-1 and 105-2 via direct radio links or the core network 120.

[0041] As also shown in Fig. 1, an object (e.g., a drone, a vehicle, a pedestrian) 140 may pass through one or more cells 110-1 through 110-6 (collectively, the cells 110) served by the RAN nodes 105, and it can be sensed by one or more sensing nodes (e.g., the UEs 100, the RSUs 101, the PRU 103) and / or network nodes (e.g., the RAN nodes 105) . For example, when the object 140 is located at a position P1, it can be detected by the RAN node 105-1, for example, when the RAN node 105-1 receives sensing signals transmitted from the PRU 103 / the RSU 101-1 and reflected by the object 140. For another example, when the object 140 is located at a position P2, it can be detected by the UE 100-4, for example, when the UE 100-4 receives sensing signals transmitted from the RAN node 105-2 / the RSU 101-2 and reflected by the object 140.

[0042] As mentioned earlier, a typical JCAS sensing solution may utilize spatially separated UE (e.g., the UEs 100, the RSUs 101, the PRU 103) and gNB (e.g., the RAN nodes 105) for bi-static sensing, which is illustrated in Fig. 2.

[0043] Fig. 2 is a diagram illustrating exemplary scenarios for radar and JCAS based object sensing, wherein sensing node management according to an embodiment of the present disclosure is applicable in the JCAS scenario. As shown in (a) “Classic Radar Solution” of Fig. 2, a radar 205 may function as both a Transmitter (Tx) node and a Receiver (Rx) node for sensing an object 140 (e.g., a moving vehicle) . In such a case, the radar 205 may transmit a sensing signal “ping” towards the object 140 and then receive an echo signal reflected by the object 140. Based on the information obtained (e.g., measured or received) for the sensing signal and the echo signal, some information related to the object 140 may be determined. For example, the distance between the object 140 and the radar 205 may be estimated based on the difference between the time when the sensing signal is transmitted and the time when the echo signal is received.

[0044] As shown in (b) “JCAS Solution” of Fig. 2, a RAN node (e.g., a gNB) 105 may function as an Rx node while a UE 100 may function as a Tx node. In such a case, the UE 100 may transmit a sensing signal “ping” towards the object 140 and then the RAN node 105 may receive an echo signal reflected by the object 140. Based on the information obtained (e.g., measured or  received) for the sensing signal and the echo signal, some information related to the object 140 may be determined, for example, in a similar manner as described above for (a) “Classic Radar Solution” .

[0045] Further, a multi-static sensing based JCAS solution is also possible. For example, the gNB 105 may transmit a sensing signal “ping” towards the object 140 and then two or more UEs 100 may receive echo signals reflected by the object 140. In a similar manner, the object 140 may be sensed by the gNB 105 / UEs 100.

[0046] As also mentioned earlier, there could be several problems when UEs are incorrectly or improperly selected for object sensing.

[0047] Problem 1. Lack of Line-of-Sight (LoS) due to improper UE selection

[0048] In a typical urban scenario, the gNB-coordinated UE-assisted cellular sensing discussed herein may involve UEs, which may be surrounded by buildings or obstructions in UMa and UMi scenarios, tasked with sensing. Many UEs may lack a LoS path to / from the target. Larger propagation pathloss caused by a longer Non-LoS or NLoS path than a LoS path, which is not present between the UE and the target, results in ever lower received signal strength at sensing receiver. Furthermore, the receiver has to determine whether the Doppler bin in Doppler-Delay profile is caused by the NLoS ray of a target or LoS ray of an unintended object, increasing the difficulty of target detection.

[0049] Unlike a traditional radar system that is purposely situated in unobstructed areas, the LoS status in the cellular network JCAS scenario presents a specific challenge for UE selection, for example, as shown in Fig. 3. As shown in (a) of Fig. 3, there is no LoS path between a target vehicle 140 and a UE 100. In such a case, the UE 100 is not a good candidate to be selected as a sensing node. However, as shown in (b) of Fig. 3, a UE 100’ could assist the gNB 105 in object sensing for the vehicle 140.

[0050] Problem 2. Inability to detect Doppler frequency shift due to improper UE selection.

[0051] Doppler frequency shift is crucial to distinguish a sensing target from its surrounding clutters (unintended objects or environment objects) . In a bi-static sensing system, the Doppler frequency shift is dependent on the positions of sensing Tx, sensing target, and sensing Rx and the orientation of the sensing target.

[0052] Fig. 4 shows a bi-static JCAS system in the 2-D case, in which the transmitter (Tx) and the receiver (Rx) are separated by a baseline distance L, which is comparable with the maximum range of a target with respect to the Tx and the Rx. The range from the Tx to the target is given by a vector rT, and the range from the receiver to the target is given by a vector rR. The bi-static angle β is defined by the angle between the transmitter-to-target line and the receiver-to-target line. The transmitter look angle αT is and the receiver look angle αR is as illustrated in Fig 4.  The look angle is defined by the angle from a corresponding reference vector perpendicular to the transmitter-receiver baseline to the target's LoS vector. Without loss of generality, the positive angle is defined in a counterclockwise direction. Thus, the bi-static angle β = αR-αT. Further, the aspect angle δ is defined by the angle between the direction of the target's moving and the direction of the bisector of the bi-static angle β.

[0053] With all the parameters described above and assuming that the sensing Tx and the sensing Rx are stationary, the Doppler frequency shift of the target can be estimated as follows:

[0054] where:

[0055] ● f is the sensing signal frequency;

[0056] ● c is the speed of light;

[0057] ● V is the speed of the sensing target;

[0058] ● β is the bistatic angle; and

[0059] ● δ is the aspect angle.

[0060] From the above equation, it is clear that when the bi-static angle β approaches 180° (or π) or the aspect angle δ approaches 90° the object′s Doppler frequency shift is consistently zero at the receiver side, rendering the sensing target indistinguishable in the Doppler domain.

[0061] Therefore, a proper UE selection may avoid scenarios where β ≈ 180° or δ ≈ 90° to ensure observable Doppler shifts. Hence, the geometry of the transmitter, the sensing target, and the receiver directly influences Doppler shift sensitivity.

[0062] Problem 3. Lack of UE's timely or accurate position information due to improper UE selection.

[0063] In gNB-coordinated UE-assisted cellular sensing, it is crucial to have prior knowledge of the positions of Tx and Rx nodes, with dynamic updates as they change due to cellular network mobility. Unlike traditional radar systems with stable and predetermined positions, obtaining accurate positions of UEs as transmitters / receivers presents a unique challenge in the gNB-coordinated UE-assisted cellular sensing context.

[0064] To address or at least partially alleviate one or more of the above issues, some embodiments of the present disclosure are provided.

[0065] In some embodiments of the present disclosure, a method for selecting suitable UE (s) (or candidate sensing nodes) as sensing nodes, namely sensing transmitters, or sensing receivers, to assist the network in sensing, with a 2-stage selection criteria is proposed.

[0066] In some embodiments, the method may include two stages, Stage 1 UE selection for object detection and Stage 2 UE selection for object tracking.

[0067] Stage 1: UE selection for Object Detection

[0068] This stage may entail selecting some UEs as sensing nodes, for example, from a pool of RRC_Connected UEs connected with a gNB based on at least one of the following criteria and / or factors:

[0069] - UE mobility status or relevant characteristics;

[0070] - Accuracy of UE positioning or measurability;

[0071] - Uniform distribution of candidate UEs to ensure a high possibility of eminent values of Doppler measurements.

[0072] However, the present disclosure is not limited thereto. In some other embodiments, the pool of candidate sensing nodes may comprise one or more of:

[0073] - one or more UEs (e.g., the UEs 100) that are served by a corresponding network node (e.g., the gNB 105-1) , e.g., UEs in RRC_Connected state, UEs in RRC_INACTIVE state;

[0074] - one or more RAN nodes (e.g., the gNB 105-2) that are communicatively connected to a corresponding network node (e.g., the gNB 105-1) ;

[0075] - one or more PRUs (e.g., the PRU 103) that are communicatively connected to a corresponding network node (e.g., the gNB 105-1) ;

[0076] - one or more RSUs (e.g., the RSUs 101) that are communicatively connected to a corresponding network node (e.g., the gNB 105-1) ; and

[0077] - one or more sensing nodes that are able to cooperate with a corresponding network node for object detection.

[0078] In some other embodiments, the criteria and / or factors may comprise at least one of:

[0079] - mobility status, e.g., whether a sensing node is stationary, whether a sensing node is fixed at a known location, whether a sensing node has a speed faster than a threshold;

[0080] - mobility characteristics, e.g., whether a sensing node is moving at a known speed, whether a sensing node is likely to be stationary for the next sensing period, whether a sensing node has a known trajectory;

[0081] - positioning accuracy, e.g., whether a sensing node has a satellite based positioning module (e.g., a GPS module, a Beidou module) , whether a sensing node is preinstalled at a known location;

[0082] - positioning measurability, e.g., whether a sensing node is specialized for object sensing and / or positioning, whether a sensing node is capable of Minimization of Drive-Tests (MDT) , whether a sensing node is preconfigured with positioning (e.g., a configuration for sensing signal, a configuration for sensing resources) ;

[0083] - a geographical distribution, e.g., whether one or more sensing nodes are uniformly dispersed throughout an area where the object sensing is to be performed; and

[0084] - a probability of having a Line-of-Sight (LoS) path to and / or from an object, e.g., whether a sensing node has a higher probability of having a LoS path to and / or from the object.

[0085] In some embodiments, all selected UEs may be allocated with sensing resources to aid the gNB in sensing tasks, with the gNB periodically or conditionally UE (re) -selection operations with an attempt that the selected UE can always meet the criteria above.

[0086] In some embodiments, for each of the selections / reselections of sensing nodes, the pool, from which the sensing nodes are selected, may vary from time to time. For example, referring to Fig. 1, when the gNB 105-1 performs an initial Stage 1 sensing node selection, it may consider all the UEs 100-1 through 100-4, all the RSUs 101-1 through 101-3, and the PRU 103 (or even the gNB 105-2 ifBS-to-BS sensing is supported) as a part of the pool since they are communicatively connected to the gNB 105-1 and capable of object sensing. After a while, the UEs 100-2 and 100-3 may leave the cells 110-1 through 110-3 served by the gNB 105-1, and therefore the pool for reselection will be different from the pool for the initial selection at least in the UEs 100-2 and 100-3.

[0087] Stage 2: UE selection of Object Tracking

[0088] At this stage, if objects are detected with UEs selected in Stage 1 as sensing nodes, the system may determine whether the types of the objects are of interest or not, namely whether the objects are sensing targets of interest or unintended objects. If a detected object is considered as a sensing target of interest, the related UE as sensing node may be selected in Stage 2 for further object tracking. Otherwise, it may remain as a Stage-1 UE.

[0089] However, the present disclosure is not limited thereto. In some other embodiments, the pool, from which sensing nodes are selected for object tracking, may comprise at least one of:

[0090] - one or more sensing nodes that are selected for object detection, e.g., the UE 100-1 selected by the gNB 105-1 in Stage 1;

[0091] - one or more sensing nodes that are served by a corresponding network node (e.g., the gNB 105-1) , e.g., the UE 100-2, which is not selected in Stage 1, but can be a candidate in the pool for Stage 2 selection; and

[0092] - one or more sensing nodes that are able to cooperate with a corresponding network node (e.g., the gNB 105-1) for object detection and / or object tracking, e.g., the RSU 101-1, which is not selected in Stage, but can be a candidate in the pool for Stage 2 selection.

[0093] In some embodiments, the criteria and / or factors for Stage 2 selection may comprise at least one of:

[0094] - whether or not a sensing node detects an object;

[0095] - whether or not a detected object has a type of interest; and

[0096] - whether or not a sensing node is in a proximity of a detected object having a type of interest, e.g., when a sensing node, which is not selected in Stage 1 or does not detect an object, is close to the detect object of interest.

[0097] In some embodiments, Stage-2 UEs may be allocated with more sensing resources for target tracking when compared with sensing resources allocated for target detection, because more sensing resources, e.g., with a smaller periodicity, are needed for object tracking than object detection.

[0098] In some specific embodiments, to optimize the UE selection process for gNB-coordinated UE-assisted sensing, e.g., BS-to-UE and UE-to-BS sensing modes, a procedure of two stages of UE selection for object detection and object tracking, together with corresponding sensing resource allocation is proposed as follows.

[0099] Stage 1: UE Selection for Object Detection: Here, the gNB may select UEs based on at least one of precise positioning, stationarity, uniform distribution, and LoS probability to / from target.

[0100] In some specific embodiments, regarding to precise positioning, recommended UE types may include at least one of:

[0101] - PRUs (Positioning Reference Units) or RSUs (Road Side Units) , which are specialized devices for sensing and positioning, typically stationary and preinstalled at predetermined locations.

[0102] - MDT (Minimization of Drive Tests) capable UEs, which are typically equipped with Global Navigation Satellite System (GNSS) modules and support periodic reporting of their positions to the gNB.

[0103] - UEs with preconfigured positioning, such as those having PRS (Positioning Reference Signals) set up beforehand by the gNB, ensuring satisfactory positioning accuracy.

[0104] In some specific embodiments, regarding to stationarity, stationary UEs are preferred, with additional selection options based on multiple location information from UEs with timestamps to determine their speeds.

[0105] In some specific embodiments, regarding to uniform distribution, UEs are preferably selected to be dispersed throughout the cell to avoid concentration in a certain area. In some embodiments, based on UEs'location information, only a limited number of UEs will be selected in any given region.

[0106] In some specific embodiments, regarding to Stage 1 resource allocation and sensing execution, the selected UEs may be assigned with sensing resources to assist the gNB in sensing tasks, with the gNB periodically or conditionally initiating UE (re) -selection operations. In some  specific embodiments, the repeated selections of UEs are needed considering a change of environment objects, e.g., walls, may affect the LoS condition for the path between a UE and a potential target.

[0107] Stage 2: UE Selection for Object Tracking: In this phase, the gNB may select some UEs from Stage-1 UEs (and possibly other sensing nodes) based on object detection and the relevance of the detected object to the sensing target of interest. In some specific embodiments, object recognition and classification may play a crucial role in this stage.

[0108] For example, assuming sensing targets having the type of interest are humans outdoors. The signal transmitted from UE1 and reflected by an outdoor human is of our interest. However, the signal from UE2 and reflected by a vehicle is not of interest. Upon successful detection of an object by a Stagel-selected UE, the system may determine whether the detected object is a human or an unintended object. Details will be described below with reference to Fig. 6 and Fig. 7. If the detected object is determined as a target of interest, related sensing node (e.g., UE) may be selected in stage 2 for further object tracking. In some embodiments, the type of interest may be determined based on at least one of:

[0109] - whether a corresponding object is an outdoor object or an indoor object;

[0110] - whether a corresponding object is a human, an animal, or a vehicle;

[0111] - whether a corresponding object is a pedestrian, a cyclist, a jogger;

[0112] - whether a corresponding object is child or a grownup; and

[0113] - one or more other criteria.

[0114] In some specific embodiments, regarding to Stage 2 resource allocation and sensing execution, a successful detection of the target objects may prompt the allocation of additional sensing resources to the selected UEs, enabling more accurate target trajectory tracking.

[0115] In some specific embodiments, the gNB may continue to assign sensing resources to the selected Stage-2 UE for tracking the target of interest until one or more of the following events happen. When at least one of the following events happens, the Stage-2 UE can fall back to Stage-1 UE, if it still meets the Stage-1 requirements.

[0116] ● Objects are undetectable due to environmental changes or object movement.

[0117] ● The updated relevance between the detected object and the target of interest indicates that the detected object does not align with the target of interest.

[0118] ○ This may happen due to a prior false determination of the type of the object.

[0119] ○ This may happen due to a change of interest, for example, the system may change its target of interest from an outdoor human to an outdoor vehicle.

[0120] In some specific embodiments, given that sensing targets do not appear all the time in all sensing area, the number of Stage-1 UE may be much larger than that of Stage-2 UEs. In some  embodiments, to save sensing signal's overhead, fewer resources can be allocated to Stage-1 UE, e.g., with a larger periodicity, than Stage-2 UE. In some embodiments, although a UE appointed as Stage-2 UE may be allocated with more sensing resources, the sensing signal transmitted from the UE can be used for both object detection and object tracking. In some embodiments, there is no strong motivation that a new UE is selected as Stage-1 UE as a replacement after it is appointed as Stage-2 UE.

[0121] In some embodiments, if gNB determines the same sensing target based on the sensing signals transmitted by multiple UEs, it can select one of the UEs for further tracking the target and keep other UEs to be Stage-1 UE. For example, when a sensing target happens to be located in the middle of two UEs, gNB can select the UE where the object is detected with a positive Doppler shift, indicating the target is moving toward the UE, rather than moving away from it. The other UE with a negative Doppler shift for the target can be relieved from the task of object tracking for this target to save sensing resources.

[0122] As mentioned earlier, in cellular networks, a substantial number of connected UEs within a single cell, particularly in dense urban environments, renders resource allocation to every UE impractical. Hence, a systematic approach to UE selection is imperative. Given the uncertainty of a target′s exact location, an initial allocation of sensing resources to a subset of UEs for preliminary detection attempts is necessary. Therefore, Stage 1 UE selection may identify eligible UEs capable of participating in sensing activities, primarily filtering out UEs lacking essential sensing information. Despite Stage 1 UE selection, the abundance of UEs necessitates periodic and frequent reselection to avoid missing potential targets. However, allocating extensive sensing resources to each UE for fine-granularity and frequent target trajectory monitoring is impractical. Thus, Stage 2 UE selection becomes indispensable, intensifying resource allocation only upon successful detection of a target object. In summary, the two-stage UE selection process, coupled with differential resource allocation, may ensure the efficient utilization of sensing resources in cellular networks.

[0123] Fig. 5 is a diagram illustrating an exemplary procedure for sensing node management according to an embodiment of the present disclosure. As shown in Fig. 5, the procedure may begin with step S505 where a gNB 505 may perform a Stage 1 UE selection for object detection. In some embodiments, the criteria for Stage 1 UE selection may be same or at least partially same as those listed in the above embodiments, such as, precise positioning, stationarity, uniform distribution, LoS probability to / from target, or the like.

[0124] As shown in Fig. 5, assuming two UEs 500-1 and 500-2 are selected from a pool of candidate sensing nodes in Stage 1 at step S505. However, the present disclosure is not limited thereto. For example, as shown in Fig. 1, the RAN node 105-1 may select the UE 100-1, the UE  100-2, the RSU 101-1, and the RSU 101-3 from a pool comprising the UEs 100-1 through 100-3, the RSUs 101-1 and 101-3, and the PRU 103 in Stage 1, for example, because the UE 100-1, the UE 100-2, the RSU 101-1, and the RSU 101-3 are uniformly distributed in the cells 110-1 through 110-3 served by the RAN node 105-1, have relatively accurate positions, and have relatively accurate sensing capabilities.

[0125] Referring back to Fig. 5, at step S510, the gNB 505 may allocate sensing resources to the selected UEs 500-1 and 500-2. In some embodiments, for the initial stage, the selected UEs 500-1 and 500-2 may be assigned with sensing resources to assist the gNB in sensing tasks. In some embodiments, each selected UE may receive a limited allocation of sensing resources, sufficient for one-time sensing for initial target detection. For instance, a limited sensing resource (aperiodic or semi-persistent) may be assigned to each selected UE, prompting the system to inquire, "Have you observed any objects resembling the target? "

[0126] Further, as also shown in Fig. 5, the steps S505 and S510 may be repeatedly performed to select UEs based on the latest criteria, and the reselected UEs need not to be same as the UEs 500-1 and the UE 500-2. For example, as shown in Fig. 1, after initially selecting the UE 100-1, the UE 100-2, the RSU 101-1, and the RSU 101-3, the RAN node 105-1 may reselect one or more sensing nodes from the pool, which are also updated repeatedly, and the reselected sensing nodes may or may not be same as those initially selected. For example, the RAN node 105-1 may reselect the UE 100-1, the UE 100-3, and the RSU 101-1 for the next round of object detection, for example, after the UE 100-2 moves out of the coverage of the RAN node 105-1. In some embodiments, despite of stage 1 UE selection, the abundance of UEs in the pool may necessitate periodic and frequent reselection to mitigate the risk of overlooking potential targets. For example, Stage 1 UE reselection may be triggered every few seconds.

[0127] Referring back to Fig. 5, at step S515, the UEs 500-1 and 500-2 may then conduct a one-time sensing operation, and the results may be processed in the subsequent Stage 2 UE selection. However, the present disclosure is not limited thereto. For example, in the embodiment shown in Fig. 1, the selected sensing nodes, such as, the UE 100-1, the UE 100-2, and the RSU 101-3 may repeatedly perform sensing operations for a period of time or a number of times based on the sensing resources allocated thereto.

[0128] Next, Stage 2 UE selection for object tracking will be described in details.

[0129] Upon a successful detection of object by one or more Stage 1-selected UEs, the system may evaluate the relevance of the sensed object to the target of interest. This evaluation may entail assessing whether the characteristics of the detected object aligns with those expected for the target. For example, if the target of interest is identified as a human, the sensing system may determine whether the detected object is indeed a human or another entity.

[0130] Traditionally, radar target recognition and classification have relied on signal processing and feature extraction techniques. However, with the advancements in deep learning, researchers increasingly turn to neural networks for automatic recognition and classification of radar targets.

[0131] A few references for illustrative purposes are briefly introduced below and incorporated herein by reference in their entireties:

[0132] - Youngwook Kim and Taesup Moon, "Human Detection and Activity Classification Based on Micro-Doppler Signatures Using Deep Convolutional Neural Networks, "IEEE Geoscience and Remote Sensing Letters, vol. 13, no. 1, January 2016.

[0133] This paper employs deep convolutional neural networks (DCNNs) for human detection and activity classification. Utilizing raw micro-Doppler spectrograms, human beings are successfully classified with 97.6%accuracy among other targets, including dogs, horses, and cars. Additionally, seven human activities were successfully classified with 90.9%accuracy.

[0134] As shown in Fig. 6 and Fig. 7, four different objects: human, dog, horse, and car, can be distinguished from each other based on their micro-Doppler spectrograms since they show quite different characteristics in their micro-Doppler spectrograms.

[0135] - Atsutake Kosuge et al., "mmWave-YOLO: A mmWave Imaging Radar-Based Real-Time Multiclass Object Recognition System for ADAS Applications, " IEEE Transactions on Instrumentation and Measurement, vol. 71, 2022.

[0136] This paper presents a millimeter-wave imaging radar-based real-time multiclass object recognition system. An mm-Wave-you only look once (YOLO) architecture is proposed, enabling highly accurate object classification and location recognition by applying different detectors to each distance data. Through radar-only analysis, real-time object classification and location detection of six object classes are achieved with an accuracy of 84% (mean average precision) , slightly higher than that of RGB-camera-based systems (78%) .

[0137] These references offer insights into radar target recognition and classification implementations and the solutions proposed therein may also be applicable to JCAS based object sensing.

[0138] In some embodiments, if a Stage 1-selected UE successfully aids the gNB in sensing and classifying an object as a target of interest, it may proceed to Stage 2 selection. If a Stage 1-selected UE successfully aids the gNB in sensing an object but classifies the detected object as a target of no interest, it may stay as the Stage-1 UE.

[0139] Referring back to Fig. 5, assuming the UE 500-1 detects and reports an object to the gNB 505 at step S515, the gNB 505 may then perform Stage 2 UE selection for object tracking at step S520 and therefore the UE 500-1 may be selected for object tracking. At step S525, the gNB 105 may determine whether the object detected by the UE 500-1 is a sensing target of interest or not.  If yes, the UE 500-1 may be kept being selected. If no, the UE 500-1 may revert back to a Stage 1 UE (if it still meets the Stage 1 UE selection criteria) at step S550.

[0140] In some other embodiments, the steps S520 and S525 may be performed in an opposite order. For example, the gNB 505 may determine whether the detected object is an object of interest or not first, and then select the UE 500-1 when the detected object is indeed an object of interest.

[0141] Further, in the embodiment shown in Fig. 1, the RAN node 105-1 may detect the object 140 at the position P0 with the help from the UE 100-1 and the RSU 101-1, for example, based on the sensing signals transmitted from the UE 100-1 and the RSU 101-1 and reflected by the object 140. In such a case, the RAN node 105-1 may first verify whether the detected object 140 is an object of interest or not, and then select, from a Stage 2 pool comprising the UE 100-1 and the RSU 101-1, one or more sensing nodes for tracking the object 140 if the detected object 140 is an object of interest. In some other embodiments, the order of the steps may be reversed as mentioned above.

[0142] Further, in some other embodiments, the Stage 2 pool may comprise one or more sensing nodes that are not selected in Stage 1. For example, the Stage 2 pool may comprise one or more sensing nodes that are in the proximity of the detected object 140 and are not selected in Stage 1, for example, the PRU 103 when the object 140 is detected at the position P1. In such a case, the gNB 105-1 may select the PRU 103 because the PRU 103 has the highest probability of LoS path to the detected object 140, a relatively higher sensing capability, and a known location.

[0143] Assuming the RSU 101-1 is selected for object tracking, for example, because it detects a positive Doppler shift for the object 140, suggesting the object 140 is moving towards the RSU 101-1, while the UE 100-1 detects a negative Doppler shift for the object 140, suggesting the object 140 is moving away from the UE 100-1.

[0144] Referring back to Fig. 5, after the Stage 2 selection at steps S520 and S525, UEs (e.g., the UE 500-1) that have successfully detected the target may be allocated with additional sensing resources to assist the gNB 505 in tracking the target′s trajectory at step S530. At step S535, the gNB 505 and the UE 500-1 may cooperate with each other to keep tracking the object of interest.

[0145] In some embodiments, each selected UE in Stage 2 may receive a periodic or semi-persistent sensing resources tailored to meet tracking requirements. For example, the speed of the target′s movement may dictate the frequency of sensing resource allocation. In some embodiments, targets such as cars, with a maximum speed of 120 km / h, may typically require more frequent sensing resource allocation compared to slower-moving pedestrian targets. For another example, tracking application accuracy requirements may also influence resource  allocation. In some embodiments, higher accuracy demands may trigger denser sensing resource allocation in both frequency and time domains to enhance processing gain.

[0146] In some embodiments, to minimize the signaling overhead associated with frequent resource allocation, periodic or semi-persistent sensing resources may be allocated to UEs for continuous tracking.

[0147] In the embodiment shown in Fig. 1, the Stage-2 selected RSU 101-1 may be allocated some sensing resources for tracking the object 140, and it may keep track of the object 140 based on the allocated system. In some embodiments, the allocated sensing resources for object tracking may also be used for object detection. In other words, the resources allocated to the RSU 101-1 for object tracking may also be used to detect any other object in the sensing area.

[0148] Referring back to Fig. 5, the gNB 505 may repeatedly determine whether the object tracking for the object of interest is to be stopped or continued at step S540. In some embodiments, the gNB 505 may cease the allocation of sensing resources to selected UEs under at least one of the following conditions:

[0149] -Objects become undetectable due to environmental changes or object movement.

[0150] -Updated relevance assessment between the detected object and the target of interest indicates misalignment. For example, the subsequent tracking indicates that the initially detected object actually has a different object type than expected, which means it is not an object of interest.

[0151] -Some other conditions, such as, when the system changes its target of interest, for example, from a human to a vehicle, or from a vehicle to a drone, or the like,

[0152] In other words, when the gNB 505 determines the object tracking is to be stopped ( “No” at step S540) , then the gNB 505 may instruct or otherwise trigger the UE 500-1 to stop sensing and de-allocate the sensing resources previously allocated to the UE 500-1 for object tracking at step S545. On the other hand, when the gNB 505 determines the object tracking is to be continued ( “Yes” at step S540) , then the gNB 505 may allocate some sensing resources to the UE 500-1 for the next round of object tracking (if it hasn't done this earlier, for example, by allocating periodic sensing resources) or just do nothing but cooperate with the UE 500-1 for tracking the object of interest (if it allocated a periodic or semi-persistent sensing resource earlier) .

[0153] In some embodiments, the de-allocation process at step S545 may be executed either through a MAC CE command (to halt semi-persistent sensing resources) or via the RRC reconfiguration procedure (to cease periodic sensing resources) .

[0154] In some embodiments, a Stage-2 UE that undergoes resource de-allocation can revert to the Stage-1 candidate UE list and be re-selected as a Stage-1 UE if it meets the Stage-1 criteria in the future, e.g. as shown at step S550.

[0155] In the embodiment shown in Fig. 1, when the object 140 moves to the position P2, the RSU 101-1 may lose its track of the object 140, and therefore the RAN node 105-1 may deallocate the sensing resource previously allocated to the RSU 101-1. In such a case, the RSU 101-1 may function as a Stage 1 selected UE for object detection without further Stage 1 selection, or become a candidate in the Stage 1 pool and wait for the next round of Stage 1 selection.

[0156] Some embodiments of the present disclosure primarily address the UE selection and resource allocation problem of gNB-UE sensing. This approach ensures efficient and accurate UE selection and resource allocation, enhancing the overall sensing capabilities in cellular networks.

[0157] Fig. 8 is a flow chart of an exemplary method 800 at a network node according to an embodiment of the present disclosure. The method 800 may be performed at a network node (e.g., the RAN node 105 shown in Fig. 1 orthe gNB 500 shown in Fig. 5) for sensing node management. The method 800 may comprise steps S810 and S820. However, the present disclosure is not limited thereto. In some other embodiments, the method 800 may comprise more steps, less steps, different steps, or any combination thereof. Further the steps of the method 800 may be performed in a different order than that described herein. Further, in some embodiments, a step in the method 800 may be split into multiple sub-steps and performed by different entities, and / or multiple steps in the method 800 may be combined into a single step.

[0158] The method 800 may begin at step S810 where the network node may select, from a first number of nodes, a second number of sensing nodes for object sensing based on one or more factors.

[0159] At step S820, the network node may allocate resources to the second number of sensing nodes for object sensing.

[0160] In some embodiments, the method 800 may further comprise: re-selecting, from a third number of nodes comprising the second number of sensing nodes, a fourth number of sensing nodes for object sensing based on the one or more factors; and allocating resources to the fourth number of sensing nodes for object sensing. In some embodiments, the third number of nodes may comprise at least one node not belonging to the first number of nodes. In some embodiments, the fourth number of sensing nodes may comprise at least one sensing node not belonging to the second number of sensing nodes. In some embodiments, the object sensing may comprise at least one of: object detection; and object tracking.

[0161] In some embodiments, the first number of nodes may be nodes that are communicatively connected to the network node, and the second number of sensing nodes may be sensing nodes for object detection. In some embodiments, the first number of nodes may be sensing nodes for object detection, and the second number of sensing nodes may be also sensing nodes for object detection. In some embodiments, the first number of nodes may be sensing nodes for object detection, and the second number of sensing nodes may be sensing nodes for object tracking. In some embodiments, the first number of nodes may be sensing nodes for object detection, and the second number of sensing nodes may be sensing nodes for both object detection and object tracking. In some embodiments, the first number of nodes may be sensing nodes for object detection and / or object tracking, and the second number of sensing nodes may be also sensing nodes for object detection and / or object tracking.

[0162] In some embodiments, when the object sensing comprises the object detection, the first number of nodes may comprise at least one of: one or more User Equipments (UEs) that are served by the network node; one or more Radio Access Network (RAN) nodes that are communicatively connected to the network node; one or more Positioning Reference Units (PRUs) that are communicatively connected to the network node; one or more Road Side Units (RSUs) that are communicatively connected to the network node; and one or more sensing nodes that are able to cooperate with the network node for object detection. In some embodiments, the one or more factors may comprise at least one of: mobility status; mobility characteristics; positioning accuracy; positioning measurability; a geographical distribution; and a probability of having a Line-of-Sight (LoS) path to and / or from an object. In some embodiments, the second number of sensing nodes may comprise at least one of: a sensing node that is specialized for object sensing and / or positioning; a sensing node that is stationary; a sensing node that is preinstalled at a known location; a sensing node that has a trajectory known to the network node; a sensing node that has a speed known to the network node; a sensing node that is capable of Minimization of Drive-Tests (MDT) ; a sensing node that is preconfigured with positioning; one or more sensing nodes that are uniformly dispersed throughout an area where the object sensing is to be performed; and a sensing node with a higher probability of having a LoS path to and / or from an object. In some embodiments, the step of selecting the second number of sensing nodes may be performed repeatedly such that the second number of sensing nodes are able to or have a higher probability to meet one or more criteria associated with the one or more factors.

[0163] In some embodiments, when the object sensing comprises the object tracking, the first number of nodes may comprise at least one of: one or more sensing nodes that are selected for object detection; one or more sensing nodes that are served by the network node; and one or more sensing nodes that are able to cooperate with the network node for object detection and / or  object tracking. In some embodiments, the one or more factors may comprise at least one of: whether or not a sensing node detects an object; whether or not a detected object has a type of interest; and whether or not a sensing node is in a proximity of a detected object having a type of interest. In some embodiments, the second number of sensing nodes may comprise at least one of:a sensing node that detects an object having a type of interest; and a sensing node that is in a proximity of a detected object having a type of interest. In some embodiments, the second number of sensing nodes, which are selected for the object detection and / or tracking may be regarded as at least a part of the first number of nodes for the next round of selection for object detection and / or tracking.

[0164] In some embodiments, when the object sensing comprises both of the object detection and the object tracking, one or more sensing nodes, which are selected as the second number of sensing nodes for object detection and which are not selected as the second number of sensing nodes for object tracking, may keep cooperating with the network node for object detection. In some embodiments, a number of resources allocated to a sensing node for object detection may be less than a number of resources allocated to a sensing node for object tracking. In some embodiments, resources allocated to a sensing node for object tracking is able to be used for object detection at the same time. In some embodiments, when the object sensing comprises the object tracking, the step of allocating resources to the second number of sensing nodes for object sensing may comprise at least one of: allocating, in the time domain, denser resources for tracking an object with a higher speed than those for tracking an object with a slower speed; and allocating, in the time domain and / or in the frequency domain, denser resources for tracking an object with a higher accuracy requirement than those for tracking an object with a lower accuracy requirement.

[0165] In some embodiments, when the object sensing comprises the object tracking, the method 800 may further comprise: triggering the second number of sensing nodes to stop cooperating with the network node for tracking an object in response to at least one of: the object is not able to be detected any longer; and the object does not have a type of interest. In some embodiments, when the object sensing comprises the object tracking and when two or more of the first number of nodes detect a same object having a type of interest, the second number of sensing nodes may comprise at least a sensing node that detects the object with a positive Doppler shift. In some embodiments, a sensing node may comprise at least one of a User Equipment (UE) , a Positioning Reference Unit (PRU) , and a Road Side Unit (RSU) . In some embodiments, the network node may comprise at least one of a Radio Access Network (RAN) node and a Core Network (CN) node.

[0166] Fig. 9 is a flow chart of an exemplary method 900 at a sensing node according to an embodiment of the present disclosure. The method 900 may be performed at a sensing node (e.g., the UEs 100, the RSUs 101, the PRS 103 shown in Fig. 1, or the UEs 500 shown in Fig. 5) for sensing node management. The method 900 may comprise steps S910 and S920. However, the present disclosure is not limited thereto. In some other embodiments, the method 900 may comprise more steps, less steps, different steps, or any combination thereof. Further the steps of the method 900 may be performed in a different order than that described herein. Further, in some embodiments, a step in the method 900 may be split into multiple sub-steps and performed by different entities, and / or multiple steps in the method 900 may be combined into a single step.

[0167] The method 900 may begin at step S910 where the sensing node may receive, from a network node, a message for allocating resources to the sensing node for object sensing.

[0168] At step S920, the sensing node may perform object sensing and / or cooperate with the network node for object sensing with the allocated resources.

[0169] In some embodiments, the object sensing may comprise at least one of: object detection; and object tracking. In some embodiments, when the object sensing comprises the object detection, the sensing node may be at least one of: a User Equipment (UE) that is served by the network node; a Radio Access Network (RAN) node that is communicatively connected to the network node; a Positioning Reference Unit (PRU) that is communicatively connected to the network node; a Road Side Units (RSU) that is communicatively connected to the network node; a sensing node that is able to cooperate with the network node for object detection; a sensing node that is specialized for object sensing and / or positioning; a sensing node that is stationary; a sensing node that is preinstalled at a known location; a sensing node that has a trajectory known to the network node; a sensing node that has a speed known to the network node; a sensing node that is capable of Minimization of Drive-Tests (MDT) ; a sensing node that is preconfigured with positioning; one of one or more sensing nodes that are uniformly dispersed throughout an area where the object sensing is to be performed; and a sensing node with a higher probability of having a LoS path to and / or from an object.

[0170] In some embodiments, when the object sensing comprises the object tracking, the sensing node may be at least one of: a sensing node that is selected for object detection; a sensing node that is served by the network node; a sensing node that is able to cooperate with the network node for object detection and / or object tracking; a sensing node that detects an object having a type of interest; and a sensing node that is in a proximity of a detected object having a type of interest. In some embodiments, when the object sensing comprises both of the object detection and the object tracking, the method 900 may be performed for: the object detection only; the object tracking only; and the object detection first, and then the object tracking. In some  embodiments, a number of resources allocated to the sensing node for object detection may be less than a number of resources allocated to the sensing node for object tracking. In some embodiments, resources allocated to the sensing node for object tracking is able to be used for object detection at the same time.

[0171] In some embodiments, when the object sensing comprises the object tracking, denser resources in the time domain may be allocated for tracking an object with a higher speed than those for tracking an object with a slower speed. In some embodiments, when the object sensing comprises the object tracking, denser resources in the time domain and / or in the frequency domain may be allocated for tracking an object with a higher accuracy requirement than those for tracking an object with a lower accuracy requirement.

[0172] In some embodiments, when the object sensing comprises the object tracking, the method 900 may further comprise: receiving, from the network node, another message for triggering the sensing node to stop cooperating with the network node for tracking an object. In some embodiments, when the object sensing comprises the object tracking and when the sensing node detects a same object having a type of interest as that detected by one or more other sensing nodes, the sensing node may receive a message for triggering the sensing node to cooperate with the network node for object tracking when the sensing node detects the object with a positive Doppler shift. In some embodiments, the sensing node may comprise at least one of a User Equipment (UE) , a Positioning Reference Unit (PRU) , and a Road Side Unit (RSU) . In some embodiments, the network node comprises at least one of a Radio Access Network (RAN) node and a Core Network (CN) node.

[0173] Fig. 10 schematically shows an embodiment of an arrangement which may be used in a network node and / or a sensing node according to an embodiment of the present disclosure. Comprised in the arrangement 1000 are a processing unit 1006, e.g., with a Digital Signal Processor (DSP) or a Central Processing Unit (CPU) . The processing unit 1006 may be a single unit or a plurality of units to perform different actions of procedures described herein. The arrangement 1000 may also comprise an input unit 1002 for receiving signals from other entities, and an output unit 1004 for providing signal (s) to other entities. The input unit 1002 and the output unit 1004 may be arranged as an integrated entity or as separate entities.

[0174] Furthermore, the arrangement 1000 may comprise at least one computer program product 1008 in the form of a non-volatile or volatile memory, e.g., an Electrically Erasable Programmable Read-Only Memory (EEPROM) , a flash memory and / or a hard drive. The computer program product 1008 comprises a computer program 1010, which comprises code / computer readable instructions, which when executed by the processing unit 1006 in the arrangement 1000 causes the arrangement 1000 and / or the network node and / or the sensing node  in which it is comprised to perform the actions, e.g., of the procedure described earlier in conjunction with Fig. 1, Fig. 5, Fig. 8 and Fig. 9 or any other variant.

[0175] The computer program 1010 may be configured as a computer program code structured in computer program modules 1010A and 1010B. Hence, in an exemplifying embodiment when the arrangement 1000 is used in a network node, the code in the computer program of the arrangement 1000 includes: a module 1010A configured to select, from a first number of nodes, a second number of sensing nodes for object sensing based on one or more factors; and a module 1010B configured to allocate resources to the second number of sensing nodes for object sensing.

[0176] Additionally or alternatively, the computer program 1010 may be configured as a computer program code structured in computer program modules 1010C and 1010D. Hence, in an exemplifying embodiment when the arrangement 1000 is used in a sensing node, the code in the computer program of the arrangement 1000 includes: a module 1010C configured to receive, from a network node, a message for allocating resources to the sensing node for object sensing; and a module 101 OD configured to perform object sensing and / or cooperating with the network node for object sensing with the allocated resources.

[0177] The computer program modules could essentially perform the actions of the flow illustrated in Fig. 1, Fig. 5, Fig. 8 and Fig. 9, to emulate the network node and / or the sensing node. In other words, when the different computer program modules are executed in the processing unit 1006, they may correspond to different modules in the network node and / or the sensing node.

[0178] Although the code means in the embodiments disclosed above in conjunction with Fig. 10 are implemented as computer program modules which when executed in the processing unit causes the arrangement to perform the actions described above in conjunction with the figures mentioned above, at least one of the code means may in alternative embodiments be implemented at least partly as hardware circuits.

[0179] The processor may be a single CPU (Central processing unit) , but could also comprise two or more processing units. For example, the processor may include general purpose microprocessors; instruction set processors and / or related chips sets and / or special purpose microprocessors such as Application Specific Integrated Circuit (ASICs) . The processor may also comprise board memory for caching purposes. The computer program may be carried by a computer program product connected to the processor. The computer program product may comprise a computer readable medium on which the computer program is stored. For example, the computer program product may be a flash memory, a Random-access memory (RAM) , a Read-Only Memory (ROM) , or an EEPROM, and the computer program modules described  above could in alternative embodiments be distributed on different computer program products in the form of memories within the network node and / or the sensing node.

[0180] The present disclosure is described above with reference to the embodiments thereof. However, those embodiments are provided just for illustrative purpose, rather than limiting the present disclosure. The scope of the disclosure is defined by the attached claims as well as equivalents thereof. Those skilled in the art can make various alternations and modifications without departing from the scope of the disclosure, which all fall into the scope of the disclosure.

Claims

1.A method (800) at a network node (105, 130, 505) , the method (800) comprises:selecting (S810) , from a first number of nodes (100, 101, 103, 500) , a second number of sensing nodes (100, 101, 103, 500) for object sensing based on one or more factors; andallocating (S820) resources to the second number of sensing nodes (100, 101, 103, 500) for object sensing.2.The method (800) of claim 1, further comprising:re-selecting, from a third number of nodes (100, 101, 103, 500) comprising the second number of sensing nodes (100, 101, 103, 500) , a fourth number of sensing nodes (100, 101, 103, 500) for object sensing based on the one or more factors; andallocating resources to the fourth number of sensing nodes (100, 101, 103, 500) for object sensing.3.The method (800) of claim 2, wherein the third number of nodes comprise at least one node not belonging to the first number of nodes (100, 101, 103, 500) , and / orwherein the fourth number of sensing nodes (100, 101, 103, 500) comprise at least one sensing node not belonging to the second number of sensing nodes (100, 101, 103, 500) .4.The method (800) of any of claims 1 to 3, wherein the object sensing comprises at least one of:- object detection; and- object tracking.5.The method (800) of any of claims 1 to 4, wherein the first number of nodes (100, 101, 103, 500) are nodes that are communicatively connected to the network node (105, 130, 505) , and the second number of sensing nodes (100, 101, 103, 500) are sensing nodes for object detection, orwherein the first number of nodes (100, 101, 103, 500) are sensing nodes for object detection, and the second number of sensing nodes (100, 101, 103, 500) are also sensing nodes for object detection, orwherein the first number of nodes (100, 101, 103, 500) are sensing nodes for object detection, and the second number of sensing nodes (100, 101, 103, 500) are sensing nodes for object tracking, orwherein the first number of nodes (100, 101, 103, 500) are sensing nodes for object detection, and the second number of sensing nodes (100, 101, 103, 500) are sensing nodes for both object detection and object tracking, orwherein the first number of nodes (100, 101, 103, 500) are sensing nodes for object detection and / or object tracking, and the second number of sensing nodes (100, 101, 103, 500) are also sensing nodes for object detection and / or object tracking.6.The method (800) of any of claims 1 to 5, wherein when the object sensing comprises the object detection, the first number of nodes (100, 101, 103, 500) comprise at least one of:- one or more User Equipments (UEs) (100-1 to 100-4) that are served by the network node (105-1) ;- one or more Radio Access Network (RAN) nodes (105-2) that are communicatively connected to the network node (105-1 ) ;- one or more Positioning Reference Units (PRUs) (103) that are communicatively connected to the network node (105-1) ;- one or more Road Side Units (RSUs) (101-1, 101-3) that are communicatively connected to the network node (105-1) ; and- one or more sensing nodes (101-2) that are able to cooperate with the network node (105-1) for object detection.7.The method (800) of claim 6, wherein the one or more factors comprise at least one of:- mobility status;- mobility characteristics;- positioning accuracy;-positioning measurability;- a geographical distribution; and- a probability of having a Line-of-Sight (LoS) path to and / or from an object.8.The method (800) of claim 6 or 7, wherein the second number of sensing nodes (100, 101, 103, 500) comprise at least one of:- a sensing node that is specialized for object sensing and / or positioning;- a sensing node that is stationary;- a sensing node that is preinstalled at a known location;- a sensing node that has a trajectory known to the network node;- a sensing node that has a speed known to the network node;- a sensing node that is capable of Minimization of Drive-Tests (MDT) ;- a sensing node that is preconfigured with positioning;- one or more sensing nodes that are uniformly dispersed throughout an area where the object sensing is to be performed; and- a sensing node with a higher probability of having a LoS path to and / or from an object.9.The method (800) of any of claims 6 to 8, wherein the step of selecting the second number of sensing nodes (100, 101, 103, 500) is performed repeatedly such that the second number of sensing nodes (100, 101, 103, 500) are able to or have a higher probability to meet one or more criteria associated with the one or more factors.10.The method (800) of any of claims 1 to 9, wherein when the object sensing comprises the object tracking, the first number of nodes (100, 101, 103, 500) comprise at least one of:- one or more sensing nodes (100-1, 100-2, 101-1, 101-3) that are selected for object detection;- one or more sensing nodes (100, 101, 103, 500) that are served by the network node (105, 130, 505) ; and- one or more sensing nodes (100, 101, 103, 500) that are able to cooperate with the network node (105, 130, 505) for object detection and / or object tracking.11.The method (800) of claim 10, wherein the one or more factors comprise at least one of:- whether or not a sensing node detects an object;- whether or not a detected object has a type of interest; and- whether or not a sensing node is in a proximity of a detected object having a type of interest.12.The method (800) of claim 10 or 11, wherein the second number of sensing nodes (100, 101, 103, 500) comprise at least one of:- a sensing node that detects an object having a type of interest; and- a sensing node that is in a proximity of a detected object having a type of interest.13.The method (800) of any of claims 1 to 12, wherein the second number of sensing nodes (100, 101, 103, 500) , which are selected for the object detection and / or tracking are regarded as at least a part of the first number of nodes for the next round of selection for object detection and / or tracking.14.The method (800) of any of claims 1 to 13, wherein when the object sensing comprises both of the object detection and the object tracking, one or more sensing nodes (100, 101, 103, 500) , which are selected as the second number of sensing nodes (100, 101, 103, 500) for object detection and which are not selected as the second number of sensing nodes (100, 101, 103, 500) for object tracking, keep cooperating with the network node (105, 130, 505) for object detection.15.The method (800) of any of claims 1 to 14, wherein a number of resources allocated to a sensing node (100, 101, 103, 500) for object detection is less than a number of resources allocated to a sensing node (100, 101, 103, 500) for object tracking.16.The method (800) of any of claims 1 to 15, wherein resources allocated to a sensing node (100, 101, 103, 500) for object tracking is able to be used for object detection at the same time.17.The method (800) of any of claims 1 to 16, wherein when the object sensing comprises the object tracking, the step of allocating resources to the second number of sensing nodes (100, 101, 103, 500) for object sensing comprises at least one of:allocating, in the time domain, denser resources for tracking an object with a higher speed than those for tracking an object with a slower speed; andallocating, in the time domain and / or in the frequency domain, denser resources for tracking an object with a higher accuracy requirement than those for tracking an object with a lower accuracy requirement.18.The method (800) of any of claims 1 to 17, wherein when the object sensing comprises the object tracking, the method (800) further comprises:triggering the second number of sensing nodes (100, 101, 103, 500) to stop cooperating with the network node (105, 130, 505) for tracking an object in response to at least one of:- the object is not able to be detected any longer; and- the object does not have a type of interest.19.The method (800) of any of claims 1 to 18, wherein when the object sensing comprises the object tracking and when two or more of the first number of nodes detect a same object having a type of interest, the second number of sensing nodes (100, 101, 103, 500) comprise at least a sensing node (100, 101, 103, 500) that detects the object with a positive Doppler shift.20.The method (800) of any of claims 1 to 19, wherein a sensing node (100, 101, 103, 500) comprises at least one of a User Equipment (UE) , a Positioning Reference Unit (PRU) , and a Road Side Unit (RSU) , and / orwherein the network node (105, 130, 505) comprises at least one of a Radio Access Network (RAN) node and a Core Network (CN) node.21.A network node (105, 130, 505, 1000) comprising:a processor (1006) ;a memory (1008) storing instructions which, when executed by the processor (1006) , cause the network node (105, 130, 505, 1000) to:select, fiom a first number of nodes (100, 101, 103, 500) , a second number of sensing nodes (100, 101, 103, 500) for object sensing based on one or more factors; andallocating resources to the second number of sensing nodes (100, 10 1, 103, 500) for object sensing.22.The network node (105, 130, 505, 1000) of claim 21, wherein the instructions, when executed by the processor (1006) , cause the network node (105, 130, 505, 1000) to further perform any of the methods (800) of claims 2 to 20.23.A method (900) at a sensing node (100, 101, 103, 500) , the method (900) comprises:receiving (S910) , from a network node (105, 130, 505) , a message for allocating resources to the sensing node (100, 101, 103, 500) for object sensing; andperforming (S920) object sensing and / or cooperating with the network node (105, 130, 505) for object sensing with the allocated resources.24.The method (900) of claim 23, wherein the object sensing comprises at least one of:- object detection; and- object tracking.25.The method (900) of claim 23 or 24, wherein when the object sensing comprises the object detection, the sensing node (100, 101, 103, 500) is at least one of:- a User Equipment (UE) that is served by the network node (105, 130, 505) ;- a Radio Access Network (RAN) node that is communicatively connected to the network node (105, 130, 505) ;- a Positioning Reference Unit (PRU) that is communicatively connected to the network node (105, 130, 505) ;- a Road Side Units (RSU) that is communicatively connected to the network node (105, 130, 505) ;- a sensing node that is able to cooperate with the network node (105, 130, 505) for object detection;- a sensing node that is specialized for object sensing and / or positioning;- a sensing node that is stationary;- a sensing node that is preinstalled at a known location;- a sensing node that has a trajectory known to the network node (105, 130, 505) ;- a sensing node that has a speed known to the network node (105, 130, 505) ;- a sensing node that is capable of Minimization of Drive-Tests (MDT) ;- a sensing node that is preconfigured with positioning;- one of one or more sensing nodes that are uniformly dispersed throughout an area where the object sensing is to be performed; and- a sensing node with a higher probability of having a LoS path to and / or from an object.26.The method (900) of any of claims 23 to 25, wherein when the object sensing comprises the object tracking, the sensing node (100, 101, 103, 500) is at least one of:- a sensing node that is selected for object detection;- a sensing node that is served by the network node (105, 130, 505) ;- a sensing node that is able to cooperate with the network node (105, 130, 505) for object detection and / or object tracking;- a sensing node that detects an object having a type of interest; and- a sensing node that is in a proximity of a detected object having a type of interest.27.The method (900) of any of claims 23 to 26, wherein when the object sensing comprises both of the object detection and the object tracking, the method (900) is performed for:- the object detection only;- the object tracking only; and- the object detection first, and then the object tracking.28.The method (900) of any of claims 23 to 27, wherein a number of resources allocated to the sensing node (100, 101, 103, 500) for object detection is less than a number of resources allocated to the sensing node (100, 101, 103, 500) for object tracking.29.The method (900) of any of claims 23 to 28, wherein resources allocated to the sensing node (100, 101, 103, 500) for object tracking is able to be used for object detection at the same time.30.The method (900) of any of claims 23 to 29, wherein when the object sensing comprises the object tracking, denser resources in the time domain are allocated for tracking an object with a higher speed than those for tracking an object with a slower speed, and / orwherein when the object sensing comprises the object tracking, denser resources in the time domain and / or in the frequency domain are allocated for tracking an object with a higher accuracy requirement than those for tracking an object with a lower accuracy requirement.31.The method (900) of any of claims 23 to 30, wherein when the object sensing comprises the object tracking, the method (900) further comprises:receiving, from the network node (105, 130, 505) , another message for triggering the sensing node (100, 101, 103, 500) to stop cooperating with the network node (105, 130, 505) for tracking an object.32.The method (900) of any of claims 23 to 31, wherein when the object sensing comprises the object tracking and when the sensing node (100, 101, 103, 500) detects a same object having a type of interest as that detected by one or more other sensing nodes (100, 101, 103, 500) , the sensing node (100, 101, 103, 500) receives a message for triggering the sensing node (100, 101, 103, 500) to cooperate with the network node (105, 130, 505) for object tracking when the sensing node (100, 101, 103, 500) detects the object with a positive Doppler shift.33.The method (900) of any of claims 23 to 32, wherein the sensing node (100, 101, 103, 500) comprises at least one of a User Equipment (UE) , a Positioning Reference Unit (PRU) , and a Road Side Unit (RSU) , and / orwherein the network node (105, 130, 505) comprises at least one of a Radio Access Network (RAN) node and a Core Network (CN) node.34.A sensing node (100, 101, 103, 500, 1000) comprising:a processor (1006) ;a memory (1008) storing instructions which, when executed by the processor (1006) , cause the sensing node (100, 101, 103, 500, 1000) to:receive, from a network node (105, 130, 505) , a message for allocating resources to the sensing node (100, 101, 103, 500, 1000) for object sensing; andperform object sensing and / or cooperating with the network node (105, 130, 505) for object sensing with the allocated resources.35.The sensing node (100, 101, 103, 500, 1000) of claim 34, wherein the instructions, when executed by the processor (1006) , cause the sensing node (100, 101, 103, 500, 1000) to further perform any of the methods (900) of claims 24 to 33.36.A computer program (1010) comprising instructions which, when executed by at least one processor (1006) , cause the at least one processor (1006) to carry out the method (800, 900) of any of claims 1 to 20 and 23 to 33.37.A carrier (1008) containing the computer program (1010) of claim 36, wherein the carrier (1008) is one of an electronic signal, optical signal, radio signal, or computer readable storage medium.38.A telecommunication system (10) , comprising:a network node (105, 130) of claim 21 or 22; andone or more sensing nodes (100, 101, 103) of claim 34 or 35.

Images