Configuration of model / functionality for CSI reporting

Abstract

Various aspects of the present disclosure relate to configuration of model / functionality for CSI reporting. In an aspect, a UE receives, from a network entity, configuration information for a model or a functionality. The configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs. The UE determines the model or functionality based on the configuration information.

Description

CONFIGURATION OF MODEL / FUNCTIONALITY FOR CSI REPORTINGTECHNICAL FIELD

[0001] The present disclosure relates to wireless communications, and more specifically to a user equipment (UE) , a base station, a core network entity, processors, and methods for configuration of model / functionality for channel state information (CSI) reporting.BACKGROUND

[0002] A wireless communications system may include one or multiple network communication devices, such as base stations, which may be otherwise known as an eNodeB (eNB) , a next-generation NodeB (gNB) , or other suitable terminology. Each network communication devices, such as a base station may support wireless communications for one or multiple user communication devices, which may be otherwise known as user equipment (UE) , or other suitable terminology. The wireless communications system may support wireless communications with one or multiple user communication devices by utilizing resources of the wireless communication system (e.g., time resources (e.g., symbols, slots, subframes, frames, or the like) or frequency resources (e.g., subcarriers, carriers) . Additionally, the wireless communications system may support wireless communications across various radio access technologies including third generation (3G) radio access technology, fourth generation (4G) radio access technology, fifth generation (5G) radio access technology, among other suitable radio access technologies beyond 5G (e.g., sixth generation (6G) ) .

[0003] In the case 0 related to artificial intelligence (AI) CSI compression, the UE compresses a CSI using an encoder related model and transmits the compressed CSI to the network. The network recovers the CSI by decompressing the compressed CSI using a decoder related model. Regarding inter-vendor collaboration for case 0 related to AI CSI compression, the network may transmit model parameters or a data set for the encoder related model to the UE.SUMMARY

[0004] The present disclosure relates to methods, apparatuses, and systems that support configuration of model / functionality for CSI reporting.

[0005] In a first aspect of the solution, a UE receives, from a network entity, configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs. The UE determines the model or functionality based on the configuration information.

[0006] In some implementations of the method and apparatuses described herein, the configuration information comprises information for the model or functionality. The information comprises at least one of the following: at least one of a model backbone or model parameters for a first model part, or at least one of a model backbone or model parameters for a second model part.

[0007] In some implementations of the method and apparatuses described herein, the configuration information further comprises one of the following: an indication that the information is associated with the second model part only; an indication that the information is associated with joint operation of the first model part and the second model part; or an indication that the information is associated with separate operation of the first model part and the second model part.

[0008] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one of the following: a length of a prediction window; a duration between adjacent prediction instances in a prediction window; a number of prediction instances in a prediction window; a length of a measurement window; a duration between adjacent measurement instances in a measurement window; a number of measurement samples; a number of prediction samples; a duration between adjacent CSI instances in a measurement window and a prediction window and; a ratio between a length of a prediction window and a length of a measurement window; a ratio between a number of prediction samples and a number of measurement samples; a duration from a last measurement instance in a measurement window to a first prediction instance in a prediction window; a duration from a first measurement instance in a measurement window to a first prediction instance in a prediction window; a duration from a first measurement instance in a measurement window to a last prediction instance in a prediction window; or a periodicity comprising a measurement window and a prediction window.

[0009] In some implementations of the method and apparatuses described herein, the configuration information is associated with an index.

[0010] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one CSI associated with the model or functionality. The at least one CSI comprises a first subset and a second subset, the first subset comprises a first number of first CSIs, and the second subset comprises a second number of second CSIs.

[0011] In some implementations of the method and apparatuses described herein, the second number is larger than the first number, the first CSIs are measured CSIs. The second CSIs comprises: a first part of the second CSIs based on the measured CSIs and a second model part, and a second part of the second CSIs based on the measured CSIs, a first model part and the second model part.

[0012] In some implementations of the method and apparatuses described herein, the configuration information further comprises at least one of the following: the first number; the second number; a difference between the second number and the first number; a duration between adjacent CSIs of the first subset; or a duration between adjacent CSIs of the second subset CSIs.

[0013] In some implementations of the method and apparatuses described herein, the second number is equal to the first number, the first CSIs are related to input of a second model part, and the second CSIs are related to output of a second model part.

[0014] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one CSI for the model or functionality. The at least one CSI comprises: a first subset related to input of a first model part, a second subset related to output of the first model part or input of a second model part, and a third subset related to output of the second model part. The first subset comprises a first number of first CSIs, the second subset comprises a second number of second CSIs, and the third subset comprises the second number of third CSIs.

[0015] In some implementations of the method and apparatuses described herein, the second number is larger than the first number.

[0016] In some implementations of the method and apparatuses described herein, the first CSIs are measured CSIs, the second CSIs are based on the measured CSIs and the first model part, and the third CSIs are based on the second CSIs and the second model part.

[0017] In some implementations of the method and apparatuses described herein, the configuration information further comprises at least one of the following: the first number; the second number; a difference between the second number and the first number; a duration between adjacent CSIs of the first subset; a duration between adjacent CSIs of the second subset; or a duration between adjacent CSIs of the third subset.

[0018] Some implementations of the method and apparatuses described herein may further include: determining a fallback of the model or functionality related to a second model part only, wherein the first number is equal to the second number.

[0019] In some implementations of the method and apparatuses described herein, the configuration information further comprises one of the following: an indication that the at least one CSI is associated with joint operation of the first model part and the second model part; an indication that the at least one CSI is associated with the second model part only; or an indication that the at least one CSI is associated with separate operation of the first model part and the second model part.

[0020] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one of the following: at least one of a model backbone or model parameters for the model or functionality; a number of historical CSIs; or a duration between adjacent instances of historical CSIs.

[0021] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one of the following: at least one of a model backbone or model parameters for the model or functionality; a duration from a first instance of historical CSIs to an instance of a current CSI; or a duration from a first instance of historical CSIs to a reporting instance of a current CSI.

[0022] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one CSI, wherein at least one CSI comprises a plurality of CSI pairs, each CSI pair comprises a first CSI related to model input and a second CSI related to model output.

[0023] In some implementations of the method and apparatuses described herein, the configuration information further comprises at least one of the following: a maximum number of historical CSIs; a duration from a first instance of historical CSIs to an instance of a current CSI; or a duration from a first instance of historical CSIs to a reporting instance of a current CSI.

[0024] In some implementations of the method and apparatuses described herein, the at least one CSI comprises a plurality of subsets, wherein a subset among the plurality of subsets comprising at least one CSI pair, and one or more CSIs in the subset are used as historical CSIs for a next CSI in the subset.

[0025] In some implementations of the method and apparatuses described herein, the at least one CSI comprises a plurality of subsets. A subset among the plurality of subsets comprising at least one CSI pair, and one or more CSIs in the subset are used as historical CSIs for a CSI in the next subset.

[0026] In some implementations of the method and apparatuses described herein, the subset among the plurality of subsets is associated with at least one of the following: an indication of whether at least one CSI in a previous subset can be used as historical CSIs for at least one CSI in the subset; or an indication of whether at least one CSI in the subset can be used as historical CSIs for at least one CSI in a next subset.

[0027] In some implementations of the method and apparatuses described herein, the configuration information comprises one of the following: an indication of applying a second model part for the CSI reporting; an indication of applying both a first model part and a second model part for the CSI reporting; or an indication of applying a second model part based on historical CSIs for the CSI reporting.

[0028] In some implementations of the method and apparatuses described herein, the configuration information comprises one of the following: an indication of applying joint operation of a first model part and a second model part for the CSI reporting; or an indication of applying separate operation of a first model part and a second model part for the CSI reporting.

[0029] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one of the following: an index associated with the model or functionality to be applied, or an index associated with parameters of the model or functionality to be applied.

[0030] In some implementations of the method and apparatuses described herein, at least a portion of the configuration information is carried in a CSI report configuration.

[0031] Some implementations of the method and apparatuses described herein may further include: transmitting, to the network entity, an indication that the configuration information is not supported.

[0032] Some implementations of the method and apparatuses described herein may further include one of the following: falling back to a second model part only, or falling back to CSI reporting based on measurement.

[0033] Some implementations of the method and apparatuses described herein may further include: transmitting, to the network entity, an indication of a capability of the UE. The capability of the UE comprises at least one of the following: the UE supporting a second model part only; the UE supporting joint operation of a first model part and a second model part; the UE supporting separate operation of a first model part and a second model part; or the UE supporting a second model part based on historical CSIs.

[0034] In some implementations of the method and apparatuses described herein, the first model part is associated with CSI prediction.

[0035] In some implementations of the method and apparatuses described herein, the second model part is associated with CSI compression.

[0036] In some implementations of the method and apparatuses described herein, the configuration information is associated with training of the model or functionality or inference based on the model or functionality.

[0037] In a second aspect of the solution, a network entity determines configuration information for a model or a functionality. The configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs. The network entity transmits, to a user equipment (UE) , the configuration information for the model or functionality

[0038] In some implementations of the method and apparatuses described herein, the configuration information comprises information for the model or functionality. The information comprises at least one of the following: at least one of a model backbone or model parameters for a first model part, or at least one of a model backbone or model parameters for a second model part.

[0039] In some implementations of the method and apparatuses described herein, the configuration information further comprises one of the following: an indication that the information is associated with the second model part only; an indication that the information is associated with joint operation of the first model part and the second model part; or an indication that the information is associated with separate operation of the first model part and the second model part.

[0040] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one of the following: a length of a prediction window; a duration between adjacent prediction instances in a prediction window; a number of prediction instances in a prediction window; a length of a measurement window; a duration between adjacent measurement instances in a measurement window; a number of measurement samples; a number of prediction samples; a duration between adjacent CSI instances in a measurement window and a prediction window and; a ratio between a length of a prediction window and a length of a measurement window; a ratio between a number of prediction samples and a number of measurement samples; a duration from a last measurement instance in a measurement window to a first prediction instance in a prediction window; a duration from a first measurement instance in a measurement window to a first prediction instance in a prediction window; a duration from a first measurement instance in a measurement window to a last prediction instance in a prediction window; or a periodicity comprising a measurement window and a prediction window.

[0041] In some implementations of the method and apparatuses described herein, the configuration information is associated with an index.

[0042] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one CSI associated with the model or functionality. The at least one CSI comprises a first subset and a second subset, the first subset comprises a first number of first CSIs, and the second subset comprises a second number of second CSIs.

[0043] In some implementations of the method and apparatuses described herein, the second number is larger than the first number, the first CSIs are measured CSIs. The second CSIs comprises: a first part of the second CSIs based on the measured CSIs and a second model part, and a second part of the second CSIs based on the measured CSIs, a first model part and the second model part.

[0044] In some implementations of the method and apparatuses described herein, the configuration information further comprises at least one of the following: the first number; the second number; a difference between the second number and the first number; a duration between adjacent CSIs of the first subset; or a duration between adjacent CSIs of the second subset CSIs.

[0045] In some implementations of the method and apparatuses described herein, the second number is equal to the first number, the first CSIs are related to input of a second model part, and the second CSIs are related to output of a second model part.

[0046] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one CSI for the model or functionality. The at least one CSI comprises: a first subset related to input of a first model part, a second subset related to output of the first model part or input of a second model part, and a third subset related to output of the second model part. The first subset comprises a first number of first CSIs, the second subset comprises a second number of second CSIs, and the third subset comprises the second number of third CSIs.

[0047] In some implementations of the method and apparatuses described herein, the second number is larger than the first number.

[0048] In some implementations of the method and apparatuses described herein, the first CSIs are measured CSIs, the second CSIs are based on the measured CSIs and the first model part, and the third CSIs are based on the second CSIs and the second model part.

[0049] In some implementations of the method and apparatuses described herein, the configuration information further comprises at least one of the following: the first number; the second number; a difference between the second number and the first number; a duration between adjacent CSIs of the first subset; a duration between adjacent CSIs of the second subset; or a duration between adjacent CSIs of the third subset.

[0050] Some implementations of the method and apparatuses described herein may further include: determining a fallback of the model or functionality related to a second model part only, wherein the first number is equal to the second number.

[0051] In some implementations of the method and apparatuses described herein, the configuration information further comprises one of the following: an indication that the at least one CSI is associated with joint operation of the first model part and the second model part; an indication that the at least one CSI is associated with the second model part only; or an indication that the at least one CSI is associated with separate operation of the first model part and the second model part.

[0052] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one of the following: at least one of a model backbone or model parameters for the model or functionality; a number of historical CSIs; or a duration between adjacent instances of historical CSIs.

[0053] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one of the following: at least one of a model backbone or model parameters for the model or functionality; a duration from a first instance of historical CSIs to an instance of a current CSI; or a duration from a first instance of historical CSIs to a reporting instance of a current CSI.

[0054] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one CSI, wherein at least one CSI comprises a plurality of CSI pairs, each CSI pair comprises a first CSI related to model input and a second CSI related to model output.

[0055] In some implementations of the method and apparatuses described herein, the configuration information further comprises at least one of the following: a maximum number of historical CSIs; a duration from a first instance of historical CSIs to an instance of a current CSI; or a duration from a first instance of historical CSIs to a reporting instance of a current CSI.

[0056] In some implementations of the method and apparatuses described herein, the at least one CSI comprises a plurality of subsets, wherein a subset among the plurality of subsets comprising at least one CSI pair, and one or more CSIs in the subset are used as historical CSIs for a next CSI in the subset.

[0057] In some implementations of the method and apparatuses described herein, the at least one CSI comprises a plurality of subsets. A subset among the plurality of subsets comprising at least one CSI pair, and one or more CSIs in the subset are used as historical CSIs for a CSI in the next subset.

[0058] In some implementations of the method and apparatuses described herein, the subset among the plurality of subsets is associated with at least one of the following: an indication of whether at least one CSI in a previous subset can be used as historical CSIs for at least one CSI in the subset; or an indication of whether at least one CSI in the subset can be used as historical CSIs for at least one CSI in a next subset.

[0059] In some implementations of the method and apparatuses described herein, the configuration information comprises one of the following: an indication of applying a second model part for the CSI reporting; an indication of applying both a first model part and a second model part for the CSI reporting; or an indication of applying a second model part based on historical CSIs for the CSI reporting.

[0060] In some implementations of the method and apparatuses described herein, the configuration information comprises one of the following: an indication of applying joint operation of a first model part and a second model part for the CSI reporting; or an indication of applying separate operation of a first model part and a second model part for the CSI reporting.

[0061] In some implementations of the method and apparatuses described herein, the configuration information comprises at least one of the following: an index associated with the model or functionality to be applied, or an index associated with parameters of the model or functionality to be applied.

[0062] In some implementations of the method and apparatuses described herein, at least a portion of the configuration information is carried in a CSI report configuration.

[0063] Some implementations of the method and apparatuses described herein may further include: receiving from the UE, an indication that the configuration information is not supported.

[0064] In some implementations of the method and apparatuses described herein, the CSI reporting falls back to one of the following: a second model part only, or CSI reporting based on measurement.

[0065] Some implementations of the method and apparatuses described herein may further include: receiving from the UE, an indication of a capability of the UE. The capability of the UE comprises at least one of the following: the UE supporting a second model part only; the UE supporting joint operation of a first model part and a second model part; the UE supporting separate operation of a first model part and a second model part; or the UE supporting a second model part based on historical CSIs.

[0066] In some implementations of the method and apparatuses described herein, the first model part is associated with CSI prediction.

[0067] In some implementations of the method and apparatuses described herein, the second model part is associated with CSI compression.

[0068] In some implementations of the method and apparatuses described herein, the configuration information is associated with training of the model or functionality or inference based on the model or functionality.BRIEF DESCRIPTION OF THE DRAWINGS

[0069] FIG. 1A illustrates an example of a wireless communications system that supports configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure.

[0070] FIG. 1B illustrates an example diagram of an encoding and decoding process for case 2 and case 3 of AI CSI compression associated with aspects of the present disclosure.

[0071] FIG. 2 illustrates an example of a signalling procedure of configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure.

[0072] FIG. 3 illustrates an example implementation of a measurement window and a prediction window in accordance with aspects of the present disclosure.

[0073] FIG. 4 illustrates an example implementation of data set transmission in inter-vendor collaboration for case 2 of AI CSI compression in accordance with aspects of the present disclosure.

[0074] FIG. 5 illustrates an example process of CSI reporting with previous UE capability reporting for case 3 of AI CSI compression in accordance with aspects of the present disclosure.

[0075] FIG. 6 illustrates an example process of CSI reporting without previous UE capability reporting for case 3 of AI CSI compression in accordance with aspects of the present disclosure.

[0076] FIG. 7 illustrates an example process of CSI reporting for case 2 of AI CSI compression in accordance with aspects of the present disclosure.

[0077] FIG. 8 illustrates an example of a device that supports configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure.

[0078] FIG. 9 illustrates an example of a processor that supports configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure.

[0079] FIGS. 10 through 11 illustrate flowcharts of methods that support configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure.DETAILED DESCRIPTION

[0080] Principles of the present disclosure will now be described with reference to some embodiments. It is to be understood that these embodiments are described only for the purpose of illustration and help those skilled in the art to understand and implement the present disclosure, without suggesting any limitation as to the scope of the disclosure. The disclosure described herein may be implemented in various manners other than the ones described below.

[0081] In the following description and claims, unless defined otherwise, all technical and scientific terms used herein have the same meaning as commonly understood by one of ordinary skills in the art to which this disclosure belongs.

[0082] References in the present disclosure to “one embodiment, ” “an example embodiment, ” “an embodiment, ” “some embodiments, ” and the like indicate that the embodiment (s) described may include a particular feature, structure, or characteristic, but it is not necessary that every embodiment includes the particular feature, structure, or characteristic. Moreover, such phrases do not necessarily refer to the same embodiment (s) . Further, when a particular feature, structure, or characteristic is described in connection with an embodiment, it is submitted that it is within the knowledge of one skilled in the art to affect such feature, structure, or characteristic in connection with other embodiments whether or not explicitly described.

[0083] It shall be understood that although the terms “first” and “second” or the like may be used herein to describe various elements, these elements should not be limited by these terms. These terms are only used to distinguish one element from another element. For example, a first element could also be termed as a second element, and similarly, a second element could also be termed as a first element, without departing from the scope of embodiments. As used herein, the term “and / or” includes any and all combinations of one or more of the listed terms.

[0084] The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of example embodiments. As used herein, the singular forms “a” , “an” and “the” are intended to include the plural forms as well, unless the context clearly indicates otherwise. It will be further understood that the terms “comprises” , “comprising” , “has” , “having” , “includes” and / or “including” , when used herein, specify the presence of stated features, elements, and / or components etc., but do not preclude the presence or addition of one or more other features, elements, components and / or combinations thereof.

[0085] As used herein, the term “communication network” refers to a network following any suitable communication standards, such as, 5G new radio (NR) , long term evolution (LTE) , LTE-advanced (LTE-A) , wideband code division multiple access (WCDMA) , high-speed packet access (HSPA) , narrow band internet of things (NB-IoT) , and so on. Further, the communications between a terminal device and a network device in the communication network may be performed according to any suitable generation communication protocols, including but not limited to, the first generation (1G) , the second generation (2G) , 2.5G, 2.75G, the third generation (3G) , the fourth generation (4G) , 4.5G, the fifth generation (5G) communication protocols, and / or any other protocols either currently known or to be developed in the future. Embodiments of the present disclosure may be applied in various communication systems. Given the rapid development in communications, there will also be future type communication technologies and systems in which the present disclosure may be embodied. It should not be seen as limiting the scope of the present disclosure to only the aforementioned systems.

[0086] As used herein, the term “network device” generally refers to a node in a communication network via which a terminal device can access the communication network and receive services therefrom. The network device may refer to a base station (BS) or an access point (AP) , for example, a node B (NodeB or NB) , a radio access network (RAN) node, an evolved NodeB (eNodeB or eNB) , a NR NB (also referred to as a gNB) , a remote radio unit (RRU) , a radio header (RH) , an infrastructure device for a V2X (vehicle-to-everything) communication, a transmission and reception point (TRP) , a reception point (RP) , a remote radio head (RRH) , a relay, an integrated access and backhaul (IAB) node, a low power node such as a femto BS, a pico BS, and so forth, depending on the applied terminology and technology.

[0087] As used herein, the term “terminal device” generally refers to any end device that may be capable of wireless communications. By way of example rather than a limitation, a terminal device may also be referred to as a communication device, a user equipment (UE) , an end user device, a subscriber station (SS) , an unmanned aerial vehicle (UAV) , a portable subscriber station, a mobile station (MS) , or an access terminal (AT) . The terminal device may include, but is not limited to, a mobile phone, a cellular phone, a smart phone, a voice over IP (VoIP) phone, a wireless local loop phone, a tablet, a wearable terminal device, a personal digital assistant (PDA) , a portable computer, a desktop computer, an image capture terminal device such as a digital camera, a gaming terminal device, a music storage and playback appliance, a vehicle-mounted wireless terminal device, a wireless endpoint, a mobile station, laptop-embedded equipment (LEE) , laptop-mounted equipment (LME) , a USB dongle, a smart device, wireless customer-premises equipment (CPE) , an internet of things (loT) device, a watch or other wearable, a head-mounted display (HMD) , a vehicle, a drone, a medical device (for example, a remote surgery device) , an industrial device (for example, a robot and / or other wireless devices operating in an industrial and / or an automated processing chain contexts) , a consumer electronics device, a device operating on commercial and / or industrial wireless networks, and the like. In the following description, the terms: “terminal device, ” “communication device, ” “terminal, ” “user equipment” and “UE, ” may be used interchangeably.

[0088] Aspects of the present disclosure are described in the context of a wireless communications system. FIG. 1A illustrates an example of a wireless communications system 100 that supports configuration of model / functionality for CSI reporting accordance with aspects of the present disclosure. The wireless communications system 100 may include one or more network entities 102 (also referred to as network equipment (NE) ) , one or more UEs 104, a core network 106, and a packet data network 108. The wireless communications system 100 may support various radio access technologies. In some implementations, the wireless communications system 100 may be a 4G network, such as an LTE network or an LTE-advanced (LTE-A) network. In some other implementations, the wireless communications system 100 may be a 5G network, such as an NR network. In other implementations, the wireless communications system 100 may be a combination of a 4G network and a 5G network, or other suitable radio access technology including institute of electrical and electronics engineers (IEEE) 802.11 (Wi-Fi) , IEEE 802.16 (WiMAX) , IEEE 802.20. The wireless communications system 100 may support radio access technologies beyond 5G. Additionally, the wireless communications system 100 may support technologies, such as time division multiple access (TDMA) , frequency division multiple access (FDMA) , or code division multiple access (CDMA) , etc.

[0089] The one or more network entities 102 may be dispersed throughout a geographic region to form the wireless communications system 100. One or more of the network entities 102 described herein may be or include or may be referred to as a network node, a base station, a network element, a radio access network (RAN) , a base transceiver station, an access point, a NodeB, an eNodeB (eNB) , a next-generation NodeB (gNB) , or other suitable terminology. A network entity 102 and a UE 104 may communicate via a communication link 110, which may be a wireless or wired connection. For example, a network entity 102 and a UE 104 may perform wireless communication (e.g., receive signaling, transmit signaling) over a Uu interface.

[0090] A network entity 102 may provide a geographic coverage area 112 for which the network entity 102 may support services (e.g., voice, video, packet data, messaging, broadcast, etc. ) for one or more UEs 104 within the geographic coverage area 112. For example, a network entity 102 and a UE 104 may support wireless communication of signals related to services (e.g., voice, video, packet data, messaging, broadcast, etc. ) according to one or multiple radio access technologies. In some implementations, a network entity 102 may be moveable, for example, a satellite associated with a non-terrestrial network. In some implementations, different geographic coverage areas 112 associated with the same or different radio access technologies may overlap, but the different geographic coverage areas 112 may be associated with different network entities 102. Information and signals described herein may be represented using any of a variety of different technologies and techniques. For example, data, instructions, commands, information, signals, bits, symbols, and chips that may be referenced throughout the description may be represented by voltages, currents, electromagnetic waves, magnetic fields or particles, optical fields or particles, or any combination thereof.

[0091] The one or more UEs 104 may be dispersed throughout a geographic region of the wireless communications system 100. A UE 104 may include or may be referred to as a mobile device, a wireless device, a remote device, a remote unit, a handheld device, or a subscriber device, or some other suitable terminology. In some implementations, the UE 104 may be referred to as a unit, a station, a terminal, or a client, among other examples. Additionally, or alternatively, the UE 104 may be referred to as an internet-of-things (IoT) device, an internet-of-everything (IoE) device, or machine-type communication (MTC) device, among other examples. In some implementations, a UE 104 may be stationary in the wireless communications system 100. In some other implementations, a UE 104 may be mobile in the wireless communications system 100.

[0092] The one or more UEs 104 may be devices in different forms or having different capabilities. Some examples of UEs 104 are illustrated in FIG. 1A. A UE 104 may be capable of communicating with various types of devices, such as the network entities 102, other UEs 104, or network equipment (e.g., the core network 106, the packet data network 108, a relay device, an integrated access and backhaul (IAB) node, or another network equipment) , as shown in FIG. 1A. Additionally, or alternatively, a UE 104 may support communication with other network entities 102 or UEs 104, which may act as relays in the wireless communications system 100.

[0093] A UE 104 may also be able to support wireless communication directly with other UEs 104 over a communication link 114. For example, a UE 104 may support wireless communication directly with another UE 104 over a device-to-device (D2D) communication link. In some implementations, such as vehicle-to-vehicle (V2V) deployments, vehicle-to-everything (V2X) deployments, or cellular-V2X deployments, the communication link 114 may be referred to as a sidelink. For example, a UE 104 may support wireless communication directly with another UE 104 over a PC5 interface.

[0094] A network entity 102 may support communications with the core network 106, or with another network entity 102, or both. For example, a network entity 102 may interface with the core network 106 through one or more backhaul links 116 (e.g., via an S1, N2, N2, or another network interface) . The network entities 102 may communicate with each other over the backhaul links 116 (e.g., via an X2, Xn, or another network interface) . In some implementations, the network entities 102 may communicate with each other directly (e.g., between the network entities 102) . In some other implementations, the network entities 102 may communicate with each other or indirectly (e.g., via the core network 106) . In some implementations, one or more network entities 102 may include subcomponents, such as an access network entity, which may be an example of an access node controller (ANC) . An ANC may communicate with the one or more UEs 104 through one or more other access network transmission entities, which may be referred to as a radio heads, smart radio heads, or transmission-reception points (TRPs) .

[0095] In some implementations, a network entity 102 may be configured in a disaggregated architecture, which may be configured to utilize a protocol stack physically or logically distributed among two or more network entities 102, such as an integrated access backhaul (IAB) network, an open radio access network (O-RAN) (e.g., a network configuration sponsored by the O-RAN Alliance) , or a virtualized RAN (vRAN) (e.g., a cloud RAN (C-RAN) ) . For example, a network entity 102 may include one or more of a CU, a DU, a radio unit (RU) , a RAN intelligent controller (RIC) (e.g., a near-real time RIC (Near-RT RIC) , a non-real time RIC (Non-RT RIC) ) , a service management and orchestration (SMO) system, or any combination thereof.

[0096] An RU may also be referred to as a radio head, a smart radio head, a remote radio head (RRH) , a remote radio unit (RRU) , or a transmission reception point (TRP) . One or more components of the network entities 102 in a disaggregated RAN architecture may be co-located, or one or more components of the network entities 102 may be located in distributed locations (e.g., separate physical locations) . In some implementations, one or more network entities 102 of a disaggregated RAN architecture may be implemented as virtual units (e.g., a virtual CU (VCU) , a virtual DU (VDU) , a virtual RU (VRU) ) .

[0097] Split of functionality between a CU, a DU, and an RU may be flexible and may support different functionalities depending upon which functions (e.g., network layer functions, protocol layer functions, baseband functions, radio frequency functions, and any combinations thereof) are performed at a CU, a DU, or an RU. For example, a functional split of a protocol stack may be employed between a CU and a DU such that the CU may support one or more layers of the protocol stack and the DU may support one or more different layers of the protocol stack. In some implementations, the CU may host upper protocol layer (e.g., a layer 3 (L3) , a layer 2 (L2) ) functionality and signaling (e.g., radio resource control (RRC) , service data adaption protocol (SDAP) , packet data convergence protocol (PDCP) ) . The CU may be connected to one or more DUs or RUs, and the one or more DUs or RUs may host lower protocol layers, such as a layer 1 (L1) (e.g., physical (PHY) layer) or an L2 (e.g., radio link control (RLC) layer, medium access control (MAC) layer) functionality and signaling, and may each be at least partially controlled by the CU 160.

[0098] Additionally, or alternatively, a functional split of the protocol stack may be employed between a DU and an RU such that the DU may support one or more layers of the protocol stack and the RU may support one or more different layers of the protocol stack. The DU may support one or multiple different cells (e.g., via one or more RUs) . In some implementations, a functional split between a CU and a DU, or between a DU and an RU may be within a protocol layer (e.g., some functions for a protocol layer may be performed by one of a CU, a DU, or an RU, while other functions of the protocol layer are performed by a different one of the CU, the DU, or the RU) .

[0099] A CU may be functionally split further into CU control plane (CU-CP) and CU user plane (CU-UP) functions. A CU may be connected to one or more DUs via a midhaul communication link (e.g., F1, F1-c, F1-u) , and a DU may be connected to one or more RUs via a fronthaul communication link (e.g., open fronthaul (FH) interface) . In some implementations, a midhaul communication link or a fronthaul communication link may be implemented in accordance with an interface (e.g., a channel) between layers of a protocol stack supported by respective network entities 102 that are in communication via such communication links.

[0100] The core network 106 may support user authentication, access authorization, tracking, connectivity, and other access, routing, or mobility functions. The core network 106 may be an evolved packet core (EPC) , or a 5G core (5GC) , which may include a control plane entity that manages access and mobility (e.g., a mobility management entity (MME) , an access and mobility management functions (AMF) ) and a user plane entity that routes packets or interconnects to external networks (e.g., a serving gateway (S-GW) , a packet data network (PDN) gateway (P-GW) , or a user plane function (UPF) ) . In some implementations, the control plane entity may manage non-access stratum (NAS) functions, such as mobility, authentication, and bearer management (e.g., data bearers, signal bearers, etc. ) for the one or more UEs 104 served by the one or more network entities 102 associated with the core network 106.

[0101] The core network 106 may communicate with the packet data network 108 over one or more backhaul links 116 (e.g., via an S1, N2, N2, or another network interface) . The packet data network 108 may include an application server 118. In some implementations, one or more UEs 104 may communicate with the application server 118. A UE 104 may establish a session (e.g., a protocol data unit (PDU) session, or the like) with the core network 106 via a network entity 102. The core network 106 may route traffic (e.g., control information, data, and the like) between the UE 104 and the application server 118 using the established session (e.g., the established PDU session) . The PDU session may be an example of a logical connection between the UE 104 and the core network 106 (e.g., one or more network functions of the core network 106) .

[0102] In the wireless communications system 100, the network entities 102 and the UEs 104 may use resources of the wireless communications system 100 (e.g., time resources (e.g., symbols, slots, subframes, frames, or the like) or frequency resources (e.g., subcarriers, carriers) ) to perform various operations (e.g., wireless communications) . In some implementations, the network entities 102 and the UEs 104 may support different resource structures. For example, the network entities 102 and the UEs 104 may support different frame structures. In some implementations, such as in 4G, the network entities 102 and the UEs 104 may support a single frame structure. In some other implementations, such as in 5G and among other suitable radio access technologies, the network entities 102 and the UEs 104 may support various frame structures (i.e., multiple frame structures) . The network entities 102 and the UEs 104 may support various frame structures based on one or more numerologies.

[0103] One or more numerologies may be supported in the wireless communications system 100, and a numerology may include a subcarrier spacing and a cyclic prefix. A first numerology (e.g., μ=0) may be associated with a first subcarrier spacing (e.g., 15 kHz) and a normal cyclic prefix. In some implementations, the first numerology (e.g., μ=0) associated with the first subcarrier spacing (e.g., 15 kHz) may utilize one slot per subframe. A second numerology (e.g., μ=1) may be associated with a second subcarrier spacing (e.g., 30 kHz) and a normal cyclic prefix. A third numerology (e.g., μ=2) may be associated with a third subcarrier spacing (e.g., 60 kHz) and a normal cyclic prefix or an extended cyclic prefix. A fourth numerology (e.g., μ=3) may be associated with a fourth subcarrier spacing (e.g., 120 kHz) and a normal cyclic prefix. A fifth numerology (e.g., μ=4) may be associated with a fifth subcarrier spacing (e.g., 240 kHz) and a normal cyclic prefix.

[0104] A time interval of a resource (e.g., a communication resource) may be organized according to frames (also referred to as radio frames) . Each frame may have a duration, for example, a 10 millisecond (ms) duration. In some implementations, each frame may include multiple subframes. For example, each frame may include 10 subframes, and each subframe may have a duration, for example, a 1 ms duration. In some implementations, each frame may have the same duration. In some implementations, each subframe of a frame may have the same duration.

[0105] Additionally or alternatively, a time interval of a resource (e.g., a communication resource) may be organized according to slots. For example, a subframe may include a number (e.g., quantity) of slots. The number of slots in each subframe may also depend on the one or more numerologies supported in the wireless communications system 100. For instance, the first, second, third, fourth, and fifth numerologies (i.e., μ=0, μ=1, μ=2, μ=3, μ=4) associated with respective subcarrier spacings of 15 kHz, 30 kHz, 60 kHz, 120 kHz, and 240 kHz may utilize a single slot per subframe, two slots per subframe, four slots per subframe, eight slots per subframe, and 16 slots per subframe, respectively. Each slot may include a number (e.g., quantity) of symbols (e.g., OFDM symbols) . In some implementations, the number (e.g., quantity) of slots for a subframe may depend on a numerology. For a normal cyclic prefix, a slot may include 14 symbols. For an extended cyclic prefix (e.g., applicable for 60 kHz subcarrier spacing) , a slot may include 12 symbols. The relationship between the number of symbols per slot, the number of slots per subframe, and the number of slots per frame for a normal cyclic prefix and an extended cyclic prefix may depend on a numerology. It should be understood that reference to a first numerology (e.g., μ=0) associated with a first subcarrier spacing (e.g., 15 kHz) may be used interchangeably between subframes and slots.

[0106] Additionally or alternatively, a time interval of a resource (e.g., a communication resource) may be organized according to symbols.

[0107] In the wireless communications system 100, an electromagnetic (EM) spectrum may be split, based on frequency or wavelength, into various classes, frequency bands, frequency channels, etc. By way of example, the wireless communications system 100 may support one or multiple operating frequency bands, such as frequency range designations FR1 (410 MHz –7.125 GHz) , FR2 (24.25 GHz –52.6 GHz) , FR3 (7.125 GHz –24.25 GHz) , FR4 (52.6 GHz –114.25 GHz) , FR4a or FR4-1 (52.6 GHz –71 GHz) , and FR5 (114.25 GHz –300 GHz) . In some implementations, the network entities 102 and the UEs 104 may perform wireless communications over one or more of the operating frequency bands. In some implementations, FR1 may be used by the network entities 102 and the UEs 104, among other equipment or devices for cellular communications traffic (e.g., control information, data) . In some implementations, FR2 may be used by the network entities 102 and the UEs 104, among other equipment or devices for short-range, high data rate capabilities.

[0108] FR1 may be associated with one or multiple numerologies (e.g., at least three numerologies) . For example, FR1 may be associated with a first numerology (e.g., μ=0) , which includes 15 kHz subcarrier spacing; a second numerology (e.g., μ=1) , which includes 30 kHz subcarrier spacing; and a third numerology (e.g., μ=2) , which includes 60 kHz subcarrier spacing. FR2 may be associated with one or multiple numerologies (e.g., at least 2 numerologies) . For example, FR2 may be associated with a third numerology (e.g., μ=2) , which includes 60 kHz subcarrier spacing; and a fourth numerology (e.g., μ=3) , which includes 120 kHz subcarrier spacing.

[0109] There are various cases related to AI CSI compression. Table 1 shows an example of different cases related to AI CSI compression. Table 1: Cases related to AI CSI compression

[0110] As shown in Table 1, for case 2, the UE will use current CSI and historical CSI to determine compressed CSI for current slot and the gNB will use current compressed CSI and historical compressed CSI to determine a current recovered CSI. Case 3 can be considered as combination of CSI prediction and CSI compression. It should be noted that for the UE, the past CSI information may include past model inputs and / or any information derived from them. For the network, the past CSI information may include past CSI feedback instances and / or any information derived from them. In addition, for case 3 and case 4, the UE may perform prediction as a separate step or jointly with compression. Similarly, for case 3 and case 4, the network may perform prediction as a separate step or jointly with reconstruction.

[0111] FIG. 1B illustrates an example diagram of an encoding and decoding process for case 2 and case 3 of AI CSI compression associated with aspects of the present disclosure. As shown in FIG. 1B, in the process for case 3, the UE performs CSI prediction and compression on a measured CSI of a current slot. The compressed CSI of a future slot is transmitted to the gNB side. The gNB recovers the CSI of the future slot by decompressing the compressed CSI of the future slot. The CSI prediction and CSI compression may be implemented by two parts of a model or by two individual models. As used hereinafter, the terms “model part” or “model” may be used interchangeably to refer to either an individual model or a part of a model for simplicity.

[0112] In the process for case 2, the UE performs CSI compression on a CSI of a current slot (e.g., current CSI #3) based on historical CSIs (e.g., historical measured CSI #1 and historical measured CSI #2) and current measured CSI#3. The compressed current CSI #3 is transmitted to the gNB side. The gNB recovers the CSI current CSI #3 by decompressing the compressed current CSI #3 based on compressed historical CSI #1 and compressed historical CSI #2 and compressed CSI#3.

[0113] As mentioned above, regarding inter-vendor collaboration for case 0, transmitting of model parameters or a data set for the encoder related model from gNB to UE is feasible. If case 2 or case 3 is adopted, solutions for inter-vendor collaboration are also needed. In addition, for case 0, the supported / applicable functionality may be determined for UE side model of beam management (BM) . Similar procedures to determine the UE side encoder for two-sided model of case 2 or case 3 are also needed. Thus, enhancements on details related to inter-vendor collaboration and supported / applicable model / functionality for inference for case 2 / 3 are still needed.

[0114] In view of the above, embodiments of the present disclosure provide schemes related to inter-vendor collaboration and supported / applicable model / functionality for inference for case 2 or case 3.

[0115] FIG. 2 illustrates an example of a signalling procedure 200 of configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure. For the purpose of discussion, the procedure 200 will be described with reference to FIG. 1A, and the procedure 200 may involve a UE 104 and a network entity 102 as shown in FIG. 1A. The network entity may be implemented as a base station. It is to be understood that the steps and the order of the steps in FIG. 2 are merely for illustration, and not for limitation. It is to be understood that procedure 200 may further include additional blocks not shown and / or omit some shown blocks, and the scope of the present disclosure is not limited in this regard.

[0116] As shown in FIG. 2, the base station 102 determines (201) configuration information 203 for a model or a functionality. The configuration information 203 is associated with CSI reporting that is at least based on one or more historical CSIs. The base station 102 transmits (202) the configuration information 203 to the UE 104. The UE 104 receives (204) the configuration information 203 from the base station 102 and determines (205) the model or functionality based on the configuration information 203.

[0117] In some embodiments, the configuration information 203 is associated with training of the model or functionality. For example, in inter-vendor collaboration for AI CSI (prediction and) compression, the base station may perform model training and transmit configuration information (e.g., model backbones / parameters or a data set) of the trained model part (s) or models to the UE. The UE may reconstruct the model part (s) or models based on the configuration information. Alternatively, the configuration information 203 may be associated with inference based on the model or functionality. For example, to enable the UE performing inference for AI CSI (prediction and) compression, the base station may transmit configuration information for the AI CSI (prediction and) compression, and the UE may determine the model to be used for CSI reporting based on the configuration information.

[0118] In some embodiments, the configuration information 203 may include information for the model or functionality. The information for the model or functionality may include at least one of a model backbone or model parameters for a first model part or a first model. The first model part or the first model may be associated with CSI prediction. Alternatively or additionally, the information for the model or functionality may include at least one of a model backbone or model parameters for a second model part or a second model. The second model part or the second model may be associated with CSI compression. For example, the base station may transmit model backbone and / or parameters to the UE in inter-vendor collaboration for case 3. In a first implementation, the base station may train a CSI prediction model (part) , a CSI compression model (part) and a CSI decompression model (part) , and transmit, to the UE, the configuration information containing model backbones or model parameters for both the CSI prediction model (part) and the CSI compression model (part) . The CSI prediction model (part) and the CSI compression model (part) may be trained by the base station jointly or separately. The UE may reconstruct the CSI prediction model (part) and the CSI compression model (part) based on the model backbones or model parameters. In a second implementation, the base station may train a CSI compression model (part) and a CSI decompression model (part) , and transmit, to the UE, the configuration information containing model backbones or model parameters for the CSI compression model (part) . The UE may reconstruct the CSI compression model (part) based on the model backbones or model parameters and train the CSI prediction model (part) by itself.

[0119] In some implementations, the configuration information 203 may further include an indication that the information for the model or functionality is associated with the second model (part) only. Alternatively, the configuration information 203 may further include an indication that the information for the model or functionality is associated with both the first model (part) and the second model (part) . For example, the configuration information 203 may further include an indication that the information for the model or functionality is associated with joint operation of the first model (part) and the second model (part) . In an alternative example, the configuration information 203 may further include an indication that the information for the model or functionality is associated with separate operation of the first model (part) and the second model (part) . The first model (part) may be associated with CSI prediction. The second model (part) may be associated with CSI compression. For example, the base station may indicate to the UE the type of the transmitted model backbone / parameters, i.e., whether the transmitted model backbone / parameters are for CSI compression only, or for both CSI prediction and CSI compression. In some cases, the base station may indicate to the UE whether the transmitted model backbone / parameters are for joint operation of CSI prediction and CSI compression or for separate operation of CSI prediction and CSI compression.

[0120] In some implementations, the configuration information 203 may include a length of a prediction window. Alternatively or additionally, the configuration information 203 may include a duration between adjacent prediction instances in a prediction window. Alternatively or additionally, the configuration information 203 may include a number of prediction instances in a prediction window. Alternatively or additionally, the configuration information 203 may include a length of a measurement window. Alternatively or additionally, the configuration information 203 may include a duration between adjacent measurement instances in a measurement window. Alternatively or additionally, the configuration information 203 may include a number of measurement samples. Alternatively or additionally, the configuration information 203 may include a number of prediction samples. Alternatively or additionally, the configuration information 203 may include a duration between adjacent CSI instances in a measurement window and a prediction window and. Alternatively or additionally, the configuration information 203 may include a ratio between a length of a prediction window and a length of a measurement window. Alternatively or additionally, the configuration information 203 may include a ratio between a number of prediction samples and a number of measurement samples. Alternatively or additionally, the configuration information 203 may include a duration from a last measurement instance in a measurement window to a first prediction instance in a prediction window. Alternatively or additionally, the configuration information 203 may include a duration from a first measurement instance in a measurement window to a first prediction instance in a prediction window. Alternatively or additionally, the configuration information 203 may include a duration from a first measurement instance in a measurement window to a last prediction instance in a prediction window. Alternatively or additionally, the configuration information 203 may include a periodicity comprising a measurement window and a prediction window. For example, e.g., in inter-vendor collaboration or inference configuration for case 3 of AI CSI prediction and compression, the base station may indicate to the UE parameters related to the prediction window and the measurement window, e.g., the length of the prediction window, a step size and a number of predicted samples, a duration between an ending of the measurement window and starting of the prediction window, a length of the measurement window, etc.

[0121] In some implementations, the configuration information 203 may be associated with an index. For example, an index may be associated with a combination of the CSI prediction model (part) and the CSI compression model (part) , such that the combination of the CSI prediction model (part) and the CSI compression model (part) may be paired with the CSI decompression part.

[0122] In some embodiments, the configuration information 203 may include at least one CSI associated with the model or functionality. The at least one CSI may include a first subset and a second subset. The first subset may include a first number of first CSIs, and the second subset may include a second number of second CSIs. For example, the base station may transmit a data set for inter-vendor collaboration to the UE.

[0123] In some implementations, the second number is larger than the first number. The first CSIs are measured CSIs. The second CSIs may include a first part and a second part. The first part of the second CSIs is based on the measured CSIs and a second model (part) . The second part of the second CSIs is based on the measured CSIs, a first model (part) and the second model (part) . The first part of the second CSI includes compressed measured CSI. The second part of the second CSI includes compressed predicted CSI. For example, the first model (part) may be associated with CSI prediction. The second model (part) may be associated with CSI compression. The base station may transmit a data set for inter-vendor collaboration for case 3 to the UE. The data set may include a first subset and a second subset. The first subset contains measured CSIs as model input for joint CSI prediction and compression, and the second subset contains compressed measured CSIs and compressed predicted CSIs as model output for joint CSI prediction and compression. In an example implementation, the base station may train a CSI prediction model (part) , a CSI compression model (part) and a CSI decompression model (part) . The CSI prediction model (part) and the CSI compression model (part) may be trained by the base station jointly. The base station may transmit the model input and model output of the joint operation of the CSI prediction model (part) and the CSI compression model (part) to the UE, and the UE may reconstruct the CSI prediction model (part) and the CSI compression model (part) based on the received model input and model output. In some examples, if the first number is equal to the second number, the UE 104 may determine a fallback of the model or functionality related to a second model (part) only. For example, if the CSI number of model input is equal to the CSI number of model output, the UE may determine to fallback from case 3 of CSI prediction and compression to case 0 of CSI compression only.

[0124] In some examples, the configuration information 203 may further include the first number. Alternatively or additionally, the configuration information 203 may further include the second number. Alternatively or additionally, the configuration information 203 may further include a difference between the second number and the first number. Alternatively or additionally, the configuration information 203 may further include a duration between adjacent CSIs of the first subset. Alternatively or additionally, the configuration information 203 may further include a duration between adjacent CSIs of the second subset CSIs. In other words, the base station may further transmit related information of the model input and model output to the UE. In some examples, the configuration information 203 may further include an indication that the at least one CSI is associated with joint operation of the first model (part) and the second model (part) . For example, the base station may indicate to the UE that data set is associated with joint CSI prediction and CSI compression.

[0125] In some implementations, the second number may be equal to the first number. The first CSIs are related to input of a second model (part) , and the second CSIs are related to output of the second model (part) . The first model (part) may be associated with CSI prediction. The second model (part) may be associated with CSI compression. In an example implementation, the base station may train a CSI compression model (part) and a CSI decompression model (part) , and transmit, to the UE, the configuration information containing the model input and model output of the CSI compression model (part) . The UE may reconstruct the CSI compression model (part) based on the received model input and model output and train the CSI prediction model (part) by itself. In some examples, the configuration information 203 may further include an indication that the at least one CSI is associated with the second model (part) only. For example, the base station may indicate to the UE that data set is associated with CSI compression only, and CSI prediction model (part) needs to the trained by the UE itself separately.

[0126] In some embodiments, the configuration information 203 may include at least one CSI for the model or functionality. The at least one CSI may include a first subset related to input of a first model (part) , a second subset related to output of the first model (part) or input of a second model (part) , and a third subset related to output of the second model (part) . The first subset may include a first number of first CSIs, the second subset may include a second number of second CSIs, and the third subset may include the second number of third CSIs.

[0127] In some implementations, the second number is larger than the first number. The first CSIs are measured CSIs. The second CSIs are based on the measured CSIs and the first model (part) . The third CSIs are based on the second CSIs and the second model (part) . For example, the first model (part) may be associated with CSI prediction. The second model (part) may be associated with CSI compression. The base station may transmit a data set for inter-vendor collaboration for case 3 to the UE. The data set may include a first subset, a second subset and a third subset. The first subset contains measured CSIs as model input for CSI prediction. The second subset contains the measured CSIs and predicted CSIs as model output for CSI prediction. The second subset may be related to model input for CSI compression. The third subset contains compressed measured CSIs and compressed predicted CSIs as model output for CSI compression. In an example implementation, the base station may train a CSI prediction model (part) , a CSI compression model (part) and a CSI decompression model (part) . The CSI prediction model (part) and the CSI compression model (part) may be trained by the base station separately. The base station may transmit respective model input of the CSI prediction model (part) as well as model input and model output of the CSI compression model (part) to the UE. The model input of the CSI compression model (part) contains the model output of the CSI prediction model (part) . The UE may reconstruct the CSI prediction model (part) and the CSI compression model (part) based on the received model inputs and model outputs. In some examples, if the first number is equal to the second number, the UE 104 may determine a fallback of the model or functionality related to a second model (part) only. For example, if the CSI number of model input is equal to the CSI number of model output, the UE may determine to fallback from case 3 of CSI prediction and compression to case 0 of CSI compression only.

[0128] In some examples, the configuration information 203 may further include the first number. Alternatively or additionally, the configuration information 203 may further include the second number. Alternatively or additionally, the configuration information 203 may further include a difference between the second number and the first number. Alternatively or additionally, the configuration information 203 may further include a duration between adjacent CSIs of the first subset. Alternatively or additionally, the configuration information 203 may further include a duration between adjacent CSIs of the second subset. Alternatively or additionally, the configuration information 203 may further include a duration between adjacent CSIs of the third subset. In other words, the base station may further transmit related information of the model input of the CSI prediction model (part) as well as model input and model output of the CSI compression model (part) to the UE. In some examples, the configuration information 203 may further include an indication that the at least one CSI is associated with separate operation of the first model (part) and the second model (part) . For example, the base station may indicate to the UE that data set is associated with separate CSI prediction and CSI compression.

[0129] In some embodiments, the configuration information 203 may include at least one of a model backbone or model parameters for the model or functionality. Alternatively or additionally, the configuration information 203 may include a number of historical CSIs. Alternatively or additionally, the configuration information 203 may include a duration between adjacent instances of historical CSIs. For example, the base station may indicate the model backbone and / or parameters for historical CSI-based CSI compression to the UE e.g., in inter-vendor collaboration or inference configuration for case 2 of AI CSI compression. The base station may further indicate to the UE the number of historical CSIs and / or the step size between adjacent historical CSIs.

[0130] In some embodiments, the configuration information 203 may include at least one of a model backbone or model parameters for the model or functionality. Alternatively or additionally, the configuration information 203 may include a duration from a first instance of historical CSIs to an instance of a current CSI (i.e., a duration from a first historical CSI for the compression of a current CSI to the measurement instance of the current CSI) . Or alternatively, the configuration information 203 may include a duration from a first instance of historical CSIs to a reporting instance of a current CSI (i.e., a duration from a first historical CSI for the compression of a current CSI to the reporting instance of the current CSI) . For example, the base station may indicate to the UE the model backbone / parameters for historical CSI-based CSI compression e.g., in inter-vendor collaboration or inference configuration for case 2 of AI CSI compression. The base station may further indicate to the UE the duration of historical CSIs for compressing a current CSI. Thus, a sliding window may be determined.

[0131] In some embodiments, the configuration information 203 may include at least one CSI. The at least one CSI may include a plurality of CSI pairs. Each CSI pair may include a first CSI related to model input and a second CSI related to model output. For example, the base station may transmit a data set comprising measured CSIs and compressed measured CSIs for inter-vendor collaboration to the UE for multiple time instances.

[0132] In some implementations, the configuration information 203 may further include a maximum number of historical CSIs. Alternatively or additionally, the configuration information 203 may further include a duration from a first instance of historical CSIs to an instance of a CSI for reporting. For example, the base station may transmit a data set for inter-vendor collaboration for case 2 to the UE. The base station may further indicate to the UE the maximum number and / or the time domain duration of historical CSIs that can be used by the UE side encoder.

[0133] In some implementations, the at least one CSI may include a plurality of subsets. A subset among the plurality of subsets may include at least one CSI pair. One or more CSIs in the subset are used as historical CSIs for a next CSI in the subset. For example, multiple pairs in the same subset (e.g., transmitted in a same transmission time instance) can be connected and used as historical CSIs for subsequent CSIs in the same subset.

[0134] In some implementations, the at least one CSI may include a plurality of subsets. A subset among the plurality of subsets may include at least one CSI pair. One or more CSIs in the subset are used as historical CSIs for a CSI in the next subset. For example, pairs in different subsets (e.g., transmitted in different transmission time instances) can be connected and pairs in a previous subset can be used as historical CSIs for CSIs in the next subset.

[0135] In some examples, the subset among the plurality of subsets may be associated with an indication of whether at least one CSI in a previous subset can be used as historical CSIs for at least one CSI in the subset. In other words, there may be an indicator indicating whether the corresponding pair subset can be connected with the previous pair subset. Alternatively or additionally, the subset among the plurality of subsets may be associated with an indication of whether at least one CSI in the subset can be used as historical CSIs for at least one CSI in a next subset. In other words, there may be an indicator indicating whether the corresponding pair subset can be connected with the next pair subset.

[0136] In some embodiments, the configuration information 203 may include an indication of applying a second model (part) for the CSI reporting. For example, the second model (part) may be associated with CSI compression. The base station may indicate the UE to only apply CSI compression (e.g., case 0) for CSI reporting. The indication is applicable for inference phase.

[0137] In some embodiments, the configuration information 203 may include an indication of applying both a first model (part) and a second model (part) for the CSI reporting. For example, the first model (part) may be associated with CSI prediction and the second model (part) may be associated with CSI compression. The base station may indicate the UE to apply CSI compression and CSI prediction (e.g., case 3) for CSI reporting. In some implementations, the configuration information 203 may include an indication of applying joint operation of a first model (part) and a second model (part) for the CSI reporting. Alternatively, the configuration information 203 may include an indication of applying separate operation of a first model (part) and a second model (part) for the CSI reporting. For example, the base station may indicate the UE whether to apply joint operation or separate operation of CSI compression and CSI prediction for CSI reporting.

[0138] In some embodiments, the configuration information 203 may include an indication of applying a second model (part) based on historical CSIs for the CSI reporting. For example, the second model (part) may be associated with CSI compression. The base station may indicate the UE to apply CSI compression based on historical CSIs (e.g., case 2) for CSI reporting.

[0139] In some embodiments, the configuration information 203 may include an index associated with the model or functionality to be applied. Alternatively or additionally, the configuration information 203 may include an index associated with parameters of the model or functionality to be applied. For example, the corresponding model / functionality / parameter configuration for AI CSI (prediction and) compression may be associated with an index. This can be performed for inference phase.

[0140] In some embodiments, at least a portion of the configuration information 203 may be carried in a CSI report configuration. For example, the detailed parameters for inference may be implicitly determined based on the channel measurement resource in a CSI report configuration.

[0141] In some embodiments, the UE 104 may transmit, to the base station 102, an indication that the configuration information 203 is not supported. In some implementations, the UE 104 may fall back to a second model (part) only. Alternatively, the UE 104 may fall back to CSI reporting based on measurement. The CSI reporting based on measurement is based on legacy CSI reporting. For example, if the UE does not support the configuration information, the UE may report to the UE that the current CSI reporting configuration is not supported. The UE may fall back to CSI case 0 or legacy CSI reporting.

[0142] In some embodiments, the UE 104 may transmit, to the base station 102, an indication of a capability of the UE 104. The base station 102 may determine the configuration information 203 based on the capability of the UE 104. In some examples, the capability of the UE 104 may include a capability of supporting a second model (part) only. The second model (part) may be associated with CSI compression. In other words, the UE 104 may report its capability of supporting case 0. Alternatively or additionally, the capability of the UE 104 may include a capability of supporting a first model (part) and a second model (part) . The first model (part) may be associated with CSI prediction. The second model (part) may be associated with CSI compression. In other words, the UE 104 may report its capability of supporting case 3. Alternatively or additionally, the capability of the UE 104 may include a capability of supporting joint operation of a first model (part) and a second model (part) . In other words, the UE 104 may report its capability of supporting case 3 with joint CSI prediction and compression. Alternatively or additionally, the capability of the UE 104 may include a capability of supporting separate operation of a first model (part) and a second model (part) . In other words, the UE 104 may report its capability of supporting case 3 with separate CSI prediction and compression. Alternatively or additionally, the capability of the UE 104 may include a capability of supporting a second model (part) based on historical CSIs. In other words, the UE 104 may report its capability of supporting case 0.

[0143] Hereinbefore, some embodiments of inter-vendor collaboration and inference for case 2 / 3 of AI CSI compression are described in general terms. Hereinafter, some implementations of inter-vendor collaboration and inference for case 2 / 3 of AI CSI compression will be further detailed in regard to various specific aspects.

[0144] The first aspect relates to inter-vendor collaboration. For case 0, inter-vendor collaboration considers transmission of model parameter or data set for CSI compression only from the network device to UE.

[0145] For case 3, as illustrated in FIG. 1B, CSI reporting involves CSI prediction, CSI compression and CSI decompression. For inter-vendor collaboration, if at least one model (part) is trained at the network device, the network device may transmit model parameters / structures / backbones or a data set to the UE so that the UE may reconstruct the model (part) .

[0146] In some embodiments, inter-vendor collaboration for case 3 may be based on model parameter transmission from the network device to the UE.

[0147] In some implementations, during the training phase, if the training is based on joint training for CSI prediction and CSI compression, all these three parts (i.e., CSI prediction part, CSI compression part and CSI decompression part) may be firstly trained together at the network side, and then related model parameters of the CSI prediction part and CSI compression part may be transmitted from the network device to UE.

[0148] In some alternative implementations, during the training phase, if the training is based on separate training for CSI prediction part and CSI compression part, and all these three parts are firstly trained at the network side, then the CSI compression part and CSI decompression part may be first trained at the network side, and CSI prediction part may be trained separately at the network side, and then related model parameters of the CSI prediction part and CSI compression part may be transmitted from the network device to UE.

[0149] In some alternative implementations, during the training phase, if the training is based on separate training for CSI prediction part and CSI compression part, and the CSI prediction part is trained at the UE side, then the CSI compression and decompression part may be first trained at the network side, and then related model parameters of the CSI compression part may be transmitted from the network device to UE.

[0150] In some examples, the network device may indicate to UE an indication of the transmitted model structure / parameter, e.g., whether the transmitted model related parameter is for CSI compression only, or it is for both CSI compression and CSI prediction.

[0151] Additionally, regarding the CSI prediction part, if it is determined by the network device, the network device may also indicate parameter related to the prediction window. The prediction window related parameter may include at least one of the following: the length of prediction window (e.g., the length may be 40ms or 40 slots with respect to a SCS) ; a step size and a number of predicted samples (e.g., 5 CSI-RS with 5ms periodicity for prediction) ; a duration between ending of the measurement window and starting of the prediction window or a duration between last measurement sample and first prediction sample; the length of the measurement window (e.g., two CSI-RS with 5ms periodicity for measurement) ; the ratio between prediction and measurement (e.g., a ratio of 2, indicating that for two CSI-RS with 5ms periodicity for measurement, there will be 4 CSI-RS with 5ms periodicity for prediction) ; etc. In some examples, the duration between last measurement instance and the first prediction instance may be same as the duration between adjacent prediction instances. FIG. 3 illustrates an example implementation of a measurement window and a prediction window in accordance with aspects of the present disclosure.

[0152] In some examples, there may be an index associated with the combination of CSI prediction part and the CSI compression part, so that the combined part may be paired with the CSI decompression part at the network side.

[0153] In some embodiments, inter-vendor collaboration for case 3 may be based on data set transmission from the network device to UE. The data set transmission may be associated with whether the CSI prediction part and CSI compression part are trained by the network device and whether they are trained jointly or separately.

[0154] In Option #1, during the training phase, if the training is based on joint training for CSI prediction and CSI compression, the model input may be M CSIs, and the model output may be N CSIs corresponding to current slot and future slot. The dataset will be a pair of two sets. The first set contains M measured CSIs, and the second set contains N CSIs. N is larger than 1. N is not smaller than M. The value of M and N may be indicated from the network device to UE. The M CSIs in the first set are related to measurements, and the N CSIs in the second set are related to both measurement and prediction. The M CSIs and the first M out of the N CSIs correspond to measured CSI, and the last N-M CSIs correspond to predicted future CSIs. In other words, the first set includes M measured CSIs. The second set includes M compressed CSIs corresponding to the M measured CSIs and N-M compressed CSIs corresponding to N-M predicted CSIs. Alternatively or additionally, the duration between adjacent time instance corresponding to the N-M predicted CSIs may be indicated from the network device to UE. Alternatively or additionally, the duration between adjacent time instance corresponding to M measured CSIs may also be indicated from the network device to UE. Alternatively or additionally, the duration between the last measured CSI and the first predicted CSI may also be indicated to UE.

[0155] In Option #2, during the training phase, if the training is based on separate training for CSI prediction and CSI compression, and the CSI prediction part is determined by the UE itself, then the data set transmission used for CSI compression only case may be adopted. For example, the model input may be N measured CSIs, and the model output may be N compressed CSIs corresponding to the N measured CSIs. The UE may construct the CSI compression part based on the received data set and also train the CSI prediction part by itself.

[0156] In Option #3, during the training phase, if the training is based on separate training for CSI prediction and CSI compression, and both the CSI prediction part and CSI compression part are trained by the network device, then the CSI prediction part related data set and the CSI compression part related data set are transmitted from the network device to UE. The data set may be a triple {M CSIs, N CSIs, N CSIs} . The first one of the triple is M CSIs, the second of the triple is N CSIs and the third one of the triple is N CSIs. The value of M and N may be indicated from the network device to UE. The first one of the triple is the model input of the CSI prediction part (i.e., M measured CSIs) . The second one of the triple is the model output of the CSI prediction part (i.e., M measured CSIs and N-M predicted CSIs) and it is also the model input of the CSI compression part. The third one of the triple is the model output of the CSI compression part (M compressed CSIs corresponding to the M measured CSIs and N-M compressed CSIs corresponding to N-M predicted CSIs) . Alternatively or additionally, the duration between adjacent time instance corresponding to the N-M predicted CSIs may be indicated from the network device to UE. Alternatively or additionally, the duration between adjacent time instance corresponding to M measured CSIs may also be indicated from the network device to UE. Alternatively or additionally, the duration between the last measured CSI and the first predicted CSI may also be indicated to UE.

[0157] In some examples, for Option #1 and Option #3, when N equals to M, there is no CSI prediction, and case 3 fallbacks to case 0. In some examples, for Option #1 / Option #2 / Option #3, the network device may indicate which Option of Option #1 / Option #2 / Option #3 is adopted. By this indication, UE may also know whether case 0 or case 3 is adopted, whether joint or separate CSI compression and CSI prediction is adopted. The data set CSI may be based on a legacy codebook (e.g. etypeII codebook) . Alternatively, a higher resolution codebook may be considered.

[0158] For case 2, as illustrated in FIG. 1B, CSI reporting involves CSI compression and CSI decompression based on historical CSIs. Historical CSIs at both UE side and the network side will be used to determine the compressed CSI at UE side or recovered CSI at the network side. Thus, the information related to historical CSI may be indicated from the network device to UE for inter-vendor collaboration.

[0159] In some embodiments, inter-vendor collaboration for case 2 may be based on encoder parameter transmitted from the network device to UE.

[0160] In some implementations, in addition to transmission the model backbone from the network device to UE (e.g. the model backbone based on LSTM) , the number of historical CSIs and the step size between adjacent historical CSIs may be transmitted from the network device to UE. The historical CSIs may be evenly distributed in time domain, and the duration between the last historical CSI and the current slot is same as the duration between adjacent historical CSIs.

[0161] In some alternative implementations, a time domain duration may be indicated from the network device to UE. Based on the time domain duration, UE may determine which CSI may be used as historical CSI for model refining at UE side. For example, the time domain duration K of a window for historical CSIs is transmitted from the network device to UE. If the current slot is n, then only historical CSIs between slot n-K and slot n may be adopted for encoder training at UE side.

[0162] In some embodiments, inter-vendor collaboration for case 2 may be based on data set transmission from the network device to UE. The indicated data set may include multiple pairs of CSIs. The first part of the pair corresponds to a CSI before CSI compression, and the second part of the pair corresponds to a CSI after CSI compression. Additionally, a value P may be indicated from the network device to UE to indicate that the maximum number of historical CSIs that may be used by the UE side encoder is P.

[0163] In some examples, the multiple CSI pairs may be associated with an indicator. The indicator may be indicated together with the multiple CSI pairs. The indicator may indicate whether the corresponding pair set may be connected a previous one to determine the sliding time domain window for case 2. The indicator may be based on the time instance of the CSI indicated.

[0164] FIG. 4 illustrates an example implementation of data set transmission in inter-vendor collaboration for case 2 of AI CSI compression in accordance with aspects of the present disclosure. In the example in FIG. 4, pair set #Aincludes CSI pairs #1, #2 and #3, pair set #B includes CSI pairs #4, #5 and #6, pair set #C includes CSI pairs #7 and #8. Each CSI pair includes a measured CSI and a compressed CSI of the measure CSI. For example, CSI pair #1 includes a measured CSI A1 and a compressed CSI B1 of the measured CSI A1. Measured CSIs in CSI pairs in a pair set may be used as historical CSIs for CSI compression of the same pair set if it is within the time domain duration K or number P. Pair set #Ais associated with a connection indicator with a first value (e.g., 1) , indicating that pair set #Acannot connect with its previous pair set. Pair set #B is associated with a connection indicator with a first value (e.g., 0) , indicating that pair set #B may connect with its previous pair set (i.e., pair set #A) . Pair set #C is associated with a connection indicator with a first value (e.g., 1) , indicating that pair set #C cannot connect with its previous pair set (i.e., pair set #C) . Thus, measured CSIs in CSI pairs in pair set #Amay be used as historical CSIs for CSI compression of pair set #B if it is within the time domain duration K or number P. Measured CSIs in CSI pairs in pair set #B cannot be used as historical CSIs for CSI compression of pair set #C even if if it is within the time domain duration K or number P.

[0165] If there is no indicator associated with the indicated multiple CSI pairs (or alternatively pair set) , only the multiple CSI pairs transmitted together (i.e., transmitted in a transmission time instance) may be connected. The previous pair among the multiple CSI pairs transmitted together may be used as a historical CSI for the next pair among the multiple CSI pairs transmitted together. The previous pair set#Acan’t be used as historical CSI for a next pair set#B if set#A and set#B are transmitted different transmission time instances.

[0166] The second aspect relates to inference for case 2 / 3 of AI CSI compression.

[0167] In some embodiments, for case 3, and considering joint or separate operation of CSI prediction and CSI compression of case 3, UE may report to the network device on its capability on whether it supports case 0 only or may support both case 0 and case 3. Regarding the support of case 3, UE may further indicate whether it supports separate or joint operation of CSI prediction and CSI compression.

[0168] During inference phase, the network device may configure whether the inference is based on case 0 or case 3. The network device may further configure whether the inference is based on joint or separate operation of CSI compression and CSI prediction.

[0169] Additionally, the network device may also configure prediction related parameters, e.g., a ratio between prediction and measurement (e.g., a ratio of 2, indicating that for two CSI-RS with 5ms periodicity for measurement, there will be 4 CSI-RS with 5ms periodicity for prediction) , a number of predicted time instances (e.g., N) , a number of measured time instances (e.g., M) , a step size of neighboring measurement / prediction time instances, etc.

[0170] Regarding the support of different cases (e.g., cases in Table 1) or separate / joint operation of CSI prediction and CSI compression, the corresponding configuration may be explicitly configured, or may be associated with an index. In other words, detailed parameters of the corresponding configuration or an index of associated with the corresponding configuration may be transmitted from the network device to the UE.

[0171] In some implementations, at least one of the detailed parameters may be configured in a CSI report configuration. For example, the step size of neighboring measurement time instances may be implicitly determined based on the periodicity of the channel measurement resource. In another example, the number of measured time instances (e.g., M) may be implicitly determined based on the number of channel measurement resource in a duration.

[0172] For a CSI report configuration, if there is already interaction between the network device and UE on UE capability, (e.g., the supported case, support of separate / joint operation of CSI prediction and CSI compression, supported N / M / step size, etc. ) , the CSI reporting may be performed based on the configuration.

[0173] FIG. 5 illustrates an example process of CSI reporting with previous UE capability reporting for case 3 of AI CSI compression in accordance with aspects of the present disclosure. As shown in FIG. 5, the UE may report its capability on the supported case, support of separate / joint operation of CSI prediction and CSI compression, supported N / M / step size, etc. The network device may configure structure / parameter for CSI reporting based on UE capability. Then, the UE may perform CSI reporting according to the network configuration.

[0174] Alternatively, for a CSI report configuration, if at least some of the requirements (e.g., the supported case, support of separate / joint operation of CSI prediction and CSI compression, supported N / M / step size, etc. ) are not communicated between the network device and UE, the UE may also report to the network device that the current CSI reporting configuration is not supported.

[0175] FIG. 6 illustrates an example process of CSI reporting without previous UE capability reporting for case 3 of AI CSI compression in accordance with aspects of the present disclosure. As shown in FIG. 6, the UE may optionally report part of its capability on the supported case, support of separate / joint operation of CSI prediction and CSI compression, supported N / M / step size, etc. The network device may configure structure / parameter for CSI reporting without knowing all of UE capabilities. Then, the UE may determine whether it supports the network configuration. If yes, the UE may perform CSI reporting according to the network configuration; otherwise, the UE may report to the network device that the network configuration is not supported. In some examples, the UE may fall back to CSI case 0 without historical CSI or fall back to legacy CSI reporting.

[0176] In some embodiments, for case 2, UE may report its capability on the supported number of historical CSI, or supported time duration of historical CSI which may be used for CSI compression. During inference phase, the network device may make proper configuration based on UE capability reporting. There may be multiple different numbers or different time durations configured by the network device. Each of the numbers or durations may be associated with an index. During inference phase, the network device may indicate to the UE a corresponding index for matching with the network side decoder, so that UE may select the suitable number or duration corresponding to historical CSI. In some examples, at least a portion of the corresponding configuration may be reflected in a CSI report configuration.

[0177] FIG. 7 illustrates an example process of CSI reporting for case 2 of AI CSI compression in accordance with aspects of the present disclosure. As shown in FIG. 7, the network device may transmit to the UE structure / parameter for CSI reporting (e.g., in a CSI report configuration) . If the UE supports the corresponding configuration, the UE may perform CSI compression based on the configuration; otherwise, the UE may report to the network device that the network configuration is not supported. In some examples, the UE may fall back to CSI case 0 without historical CSI or fall back to legacy CSI reporting.

[0178] FIG. 8 illustrates an example of a device 800 that supports configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure. The device 800 may be an example of a UE 104 or a base station 102 as described herein. The device 800 may support wireless communication with one or more network entities 102, UEs 104, or any combination thereof. The device 800 may include components for bi-directional communications including components for transmitting and receiving communications, such as a processor 802, a memory 804, a transceiver 806, and, optionally, an I / O controller 808. These components may be in electronic communication or otherwise coupled (e.g., operatively, communicatively, functionally, electronically, electrically) via one or more interfaces (e.g., buses) .

[0179] The processor 802, the memory 804, the transceiver 806, or various combinations thereof or various components thereof may be examples of means for performing various aspects of the present disclosure as described herein. For example, the processor 802, the memory 804, the transceiver 806, or various combinations or components thereof may support a method for performing one or more of the operations described herein.

[0180] In some implementations, the processor 802, the memory 804, the transceiver 806, or various combinations or components thereof may be implemented in hardware (e.g., in communications management circuitry) . The hardware may include a processor, a digital signal processor (DSP) , an application-specific integrated circuit (ASIC) , a field-programmable gate array (FPGA) or other programmable logic device, a discrete gate or transistor logic, discrete hardware components, or any combination thereof configured as or otherwise supporting a means for performing the functions described in the present disclosure. In some implementations, the processor 802 and the memory 804 coupled with the processor 802 may be configured to perform one or more of the functions described herein (e.g., executing, by the processor 802, instructions stored in the memory 804) .

[0181] For example, the processor 802 may support wireless communication at the device 800 in accordance with examples as disclosed herein. The processor 802 may be configured to operable to support a means for receiving, from a network entity, configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs; and a means for determining the model or functionality based on the configuration information.

[0182] In another example, the processor 802 may support wireless communication at the device 800 in accordance with examples as disclosed herein. The processor 802 may be configured to operable to support a means for determining configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs; and a means for transmitting, to a user equipment (UE) , the configuration information for the model or functionality.

[0183] The processor 802 may include an intelligent hardware device (e.g., a general-purpose processor, a DSP, a CPU, a microcontroller, an ASIC, an FPGA, a programmable logic device, a discrete gate or transistor logic component, a discrete hardware component, or any combination thereof) . In some implementations, the processor 802 may be configured to operate a memory array using a memory controller. In some other implementations, a memory controller may be integrated into the processor 802. The processor 802 may be configured to execute computer-readable instructions stored in a memory (e.g., the memory 804) to cause the device 800 to perform various functions of the present disclosure.

[0184] The memory 804 may include random access memory (RAM) and read-only memory (ROM) . The memory 804 may store computer-readable, computer-executable code including instructions that, when executed by the processor 802 cause the device 800 to perform various functions described herein. The code may be stored in a non-transitory computer-readable medium such as system memory or another type of memory. In some implementations, the code may not be directly executable by the processor 802 but may cause a computer (e.g., when compiled and executed) to perform functions described herein. In some implementations, the memory 804 may include, among other things, a basic I / O system (BIOS) which may control basic hardware or software operation such as the interaction with peripheral components or devices.

[0185] The I / O controller 808 may manage input and output signals for the device 800. The I / O controller 808 may also manage peripherals not integrated into the device M02. In some implementations, the I / O controller 808 may represent a physical connection or port to an external peripheral. In some implementations, the I / O controller 808 may utilize an operating system such as or another known operating system. In some implementations, the I / O controller 808 may be implemented as part of a processor, such as the processor 806. In some implementations, a user may interact with the device 800 via the I / O controller 808 or via hardware components controlled by the I / O controller 808.

[0186] In some implementations, the device 800 may include a single antenna 810. However, in some other implementations, the device 800 may have more than one antenna 810 (i.e., multiple antennas) , including multiple antenna panels or antenna arrays, which may be capable of concurrently transmitting or receiving multiple wireless transmissions. The transceiver 806 may communicate bi-directionally, via the one or more antennas 810, wired, or wireless links as described herein. For example, the transceiver 806 may represent a wireless transceiver and may communicate bi-directionally with another wireless transceiver. The transceiver 806 may also include a modem to modulate the packets, to provide the modulated packets to one or more antennas 810 for transmission, and to demodulate packets received from the one or more antennas 810. The transceiver 806 may include one or more transmit chains, one or more receive chains, or a combination thereof.

[0187] A transmit chain may be configured to generate and transmit signals (e.g., control information, data, packets) . The transmit chain may include at least one modulator for modulating data onto a carrier signal, preparing the signal for transmission over a wireless medium. The at least one modulator may be configured to support one or more techniques such as amplitude modulation (AM) , frequency modulation (FM) , or digital modulation schemes like phase-shift keying (PSK) or quadrature amplitude modulation (QAM) . The transmit chain may also include at least one power amplifier configured to amplify the modulated signal to an appropriate power level suitable for transmission over the wireless medium. The transmit chain may also include one or more antennas 810 for transmitting the amplified signal into the air or wireless medium.

[0188] A receive chain may be configured to receive signals (e.g., control information, data, packets) over a wireless medium. For example, the receive chain may include one or more antennas 810 for receive the signal over the air or wireless medium. The receive chain may include at least one amplifier (e.g., a low-noise amplifier (LNA) ) configured to amplify the received signal. The receive chain may include at least one demodulator configured to demodulate the receive signal and obtain the transmitted data by reversing the modulation technique applied during transmission of the signal. The receive chain may include at least one decoder for decoding the processing the demodulated signal to receive the transmitted data.

[0189] FIG. 9 illustrates an example of a processor 900 that supports configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure. The processor 900 may be an example of a processor configured to perform various operations in accordance with examples as described herein. The processor 900 may include a controller 902 configured to perform various operations in accordance with examples as described herein. The processor 900 may optionally include at least one memory 904, such as L1 / L2 / L3 cache. Additionally, or alternatively, the processor 900 may optionally include one or more arithmetic-logic units (ALUs) 906. One or more of these components may be in electronic communication or otherwise coupled (e.g., operatively, communicatively, functionally, electronically, electrically) via one or more interfaces (e.g., buses) .

[0190] The processor 900 may be a processor chipset and include a protocol stack (e.g., a software stack) executed by the processor chipset to perform various operations (e.g., receiving, obtaining, retrieving, transmitting, outputting, forwarding, storing, determining, identifying, accessing, writing, reading) in accordance with examples as described herein. The processor chipset may include one or more cores, one or more caches (e.g., memory local to or included in the processor chipset (e.g., the processor 900) or other memory (e.g., random access memory (RAM) , read-only memory (ROM) , dynamic RAM (DRAM) , synchronous dynamic RAM (SDRAM) , static RAM (SRAM) , ferroelectric RAM (FeRAM) , magnetic RAM (MRAM) , resistive RAM (RRAM) , flash memory, phase change memory (PCM) , and others) .

[0191] The controller 902 may be configured to manage and coordinate various operations (e.g., signaling, receiving, obtaining, retrieving, transmitting, outputting, forwarding, storing, determining, identifying, accessing, writing, reading) of the processor 900 to cause the processor 900 to support various operations of a base station in accordance with examples as described herein. For example, the controller 902 may operate as a control unit of the processor 900, generating control signals that manage the operation of various components of the processor 900. These control signals include enabling or disabling functional units, selecting data paths, initiating memory access, and coordinating timing of operations.

[0192] The controller 902 may be configured to fetch (e.g., obtain, retrieve, receive) instructions from the memory 904 and determine subsequent instruction (s) to be executed to cause the processor 900 to support various operations in accordance with examples as described herein. The controller 902 may be configured to track memory address of instructions associated with the memory 904. The controller 902 may be configured to decode instructions to determine the operation to be performed and the operands involved. For example, the controller 902 may be configured to interpret the instruction and determine control signals to be output to other components of the processor 900 to cause the processor 900 to support various operations in accordance with examples as described herein. Additionally, or alternatively, the controller 902 may be configured to manage flow of data within the processor 900. The controller 902 may be configured to control transfer of data between registers, arithmetic logic units (ALUs) , and other functional units of the processor 900.

[0193] The memory 904 may include one or more caches (e.g., memory local to or included in the processor 900 or other memory, such RAM, ROM, DRAM, SDRAM, SRAM, MRAM, flash memory, etc. In some implementation, the memory 904 may reside within or on a processor chipset (e.g., local to the processor 900) . In some other implementations, the memory 904 may reside external to the processor chipset (e.g., remote to the processor 900) .

[0194] The memory 904 may store computer-readable, computer-executable code including instructions that, when executed by the processor 900, cause the processor 900 to perform various functions described herein. The code may be stored in a non-transitory computer-readable medium such as system memory or another type of memory. The controller 902 and / or the processor 900 may be configured to execute computer-readable instructions stored in the memory 904 to cause the processor 900 to perform various functions. For example, the processor 900 and / or the controller 902 may be coupled with or to the memory 904, and the processor 900, the controller 902, and the memory 904 may be configured to perform various functions described herein. In some examples, the processor 900 may include multiple processors and the memory 904 may include multiple memories. One or more of the multiple processors may be coupled with one or more of the multiple memories, which may, individually or collectively, be configured to perform various functions herein.

[0195] The one or more ALUs 906 may be configured to support various operations in accordance with examples as described herein. In some implementation, the one or more ALUs 906 may reside within or on a processor chipset (e.g., the processor 900) . In some other implementations, the one or more ALUs 906 may reside external to the processor chipset (e.g., the processor 900) . One or more ALUs 906 may perform one or more computations such as addition, subtraction, multiplication, and division on data. For example, one or more ALUs 906 may receive input operands and an operation code, which determines an operation to be executed. One or more ALUs 906 be configured with a variety of logical and arithmetic circuits, including adders, subtractors, shifters, and logic gates, to process and manipulate the data according to the operation. Additionally, or alternatively, the one or more ALUs 906 may support logical operations such as AND, OR, exclusive-OR (XOR) , not-OR (NOR) , and not-AND (NAND) , enabling the one or more ALUs 906 to handle conditional operations, comparisons, and bitwise operations.

[0196] For example, the processor 900 may support wireless communication in accordance with examples as disclosed herein. The processor 900 may be configured to or operable to support a means for receiving, from a network entity, configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs; and a means for determining the model or functionality based on the configuration information.

[0197] In another example, the processor 900 may support wireless communication in accordance with examples as disclosed herein. The processor 900 may be configured to or operable to support a means for determining configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs; and a means for transmitting, to a user equipment (UE) , the configuration information for the model or functionality.

[0198] FIG. 10 illustrates a flowchart of a method 1000 that supports configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure. The operations of the method 1000 may be implemented by a device or its components as described herein. For example, the operations of the method 1000 may be performed by the UE 104 as described herein. In some implementations, the device may execute a set of instructions to control the function elements of the device to perform the described functions. Additionally, or alternatively, the device may perform aspects of the described functions using special-purpose hardware.

[0199] At 1005, the method may include receiving, from a network entity, configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs. The operations of 1005 may be performed in accordance with examples as described herein. In some implementations, aspects of the operations of 1005 may be performed by a device as described with reference to FIG. 1A.

[0200] At 1010, the method may include determining the model or functionality based on the configuration information. The operations of 1010 may be performed in accordance with examples as described herein. In some implementations, aspects of the operations of 1010 may be performed by a device as described with reference to FIG. 1A.

[0201] FIG. 11 illustrates a flowchart of a method 1100 that supports configuration of model / functionality for CSI reporting in accordance with aspects of the present disclosure. The operations of the method 1100 may be implemented by a device or its components as described herein. For example, the operations of the method 1100 may be performed by the base station 102 as described herein. In some implementations, the device may execute a set of instructions to control the function elements of the device to perform the described functions. Additionally, or alternatively, the device may perform aspects of the described functions using special-purpose hardware.

[0202] At 1105, the method may include determining configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs. The operations of 1105 may be performed in accordance with examples as described herein. In some implementations, aspects of the operations of 1105 may be performed by a device as described with reference to FIG. 1A.

[0203] At 1110, the method may include transmitting, to a user equipment (UE) , the configuration information for the model or functionality. The operations of 1110 may be performed in accordance with examples as described herein. In some implementations, aspects of the operations of 1110 may be performed by a device as described with reference to FIG. 1A.

[0204] It should be noted that the methods described herein describes possible implementations, and that the operations and the steps may be rearranged or otherwise modified and that other implementations are possible. Further, aspects from two or more of the methods may be combined.

[0205] The various illustrative blocks and components described in connection with the disclosure herein may be implemented or performed with a general-purpose processor, a DSP, an ASIC, a CPU, an FPGA or other programmable logic device, discrete gate or transistor logic, discrete hardware components, or any combination thereof designed to perform the functions described herein. A general-purpose processor may be a microprocessor, but in the alternative, the processor may be any processor, controller, microcontroller, or state machine. A processor may also be implemented as a combination of computing devices (e.g., a combination of a DSP and a microprocessor, multiple microprocessors, one or more microprocessors in conjunction with a DSP core, or any other such configuration.

[0206] The functions described herein may be implemented in hardware, software executed by a processor, firmware, or any combination thereof. If implemented in software executed by a processor, the functions may be stored on or transmitted over as one or more instructions or code on a computer-readable medium. Other examples and implementations are within the scope of the disclosure and appended claims. For example, due to the nature of software, functions described herein may be implemented using software executed by a processor, hardware, firmware, hardwiring, or combinations of any of these. Features implementing functions may also be physically located at various positions, including being distributed such that portions of functions are implemented at different physical locations.

[0207] Computer-readable media includes both non-transitory computer storage media and communication media including any medium that facilitates transfer of a computer program from one place to another. A non-transitory storage medium may be any available medium that may be accessed by a general-purpose or special-purpose computer. By way of example, non-transitory computer-readable media may include RAM, ROM, electrically erasable programmable ROM (EEPROM) , flash memory, compact disk (CD) ROM or other optical disk storage, magnetic disk storage or other magnetic storage devices, or any other non-transitory medium that may be used to carry or store desired program code means in the form of instructions or data structures and that may be accessed by a general-purpose or special-purpose computer, or a general-purpose or special-purpose processor.

[0208] As used herein, including in the claims, an article “a” before an element is unrestricted and understood to refer to “at least one” of those elements or “one or more” of those elements. The terms “a, ” “at least one, ” “one or more, ” and “at least one of one or more” may be interchangeable. As used herein, including in the claims, “or” as used in a list of items (e.g., a list of items prefaced by a phrase such as “at least one of” or “one or more of” or “one or both of” ) indicates an inclusive list such that, for example, a list of at least one of A, B, or C means A or B or C or AB or AC or BC or ABC (i.e., A and B and C) . Also, as used herein, the phrase “based on” shall not be construed as a reference to a closed set of conditions. For example, an example step that is described as “based on condition A” may be based on both a condition A and a condition B without departing from the scope of the present disclosure. In other words, as used herein, the phrase “based on” shall be construed in the same manner as the phrase “based at least in part on. Further, as used herein, including in the claims, a “set” may include one or more elements.

[0209] The description herein is provided to enable a person having ordinary skill in the art to make or use the disclosure. Various modifications to the disclosure will be apparent to a person having ordinary skill in the art, and the generic principles defined herein may be applied to other variations without departing from the scope of the disclosure. Thus, the disclosure is not limited to the examples and designs described herein but is to be accorded the broadest scope consistent with the principles and novel features disclosed herein.

Claims

1.A user equipment (UE) , comprising:a processor; anda transceiver coupled to the processor,wherein the processor is configured to:receive, via the transceiver from a network entity, configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs; anddetermine the model or functionality based on the configuration information.2.The UE of claim 1, wherein the configuration information comprises information for the model or functionality, and the information comprises at least one of the following:at least one of a model backbone or model parameters for a first model part, orat least one of a model backbone or model parameters for a second model part.3.The UE of claim 2, wherein the configuration information further comprises one of the following:an indication that the information is associated with the second model part only;an indication that the information is associated with joint operation of the first model part and the second model part; oran indication that the information is associated with separate operation of the first model part and the second model part.4.The UE of claim 1, wherein the configuration information comprises at least one of the following:a length of a prediction window;a duration between adjacent prediction instances in a prediction window;a number of prediction instances in a prediction window;a length of a measurement window;a duration between adjacent measurement instances in a measurement window;a number of measurement samples;a number of prediction samples;a duration between adjacent CSI instances in a measurement window and a prediction window and;a ratio between a length of a prediction window and a length of a measurement window;a ratio between a number of prediction samples and a number of measurement samples;a duration from a last measurement instance in a measurement window to a first prediction instance in a prediction window;a duration from a first measurement instance in a measurement window to a first prediction instance in a prediction window;a duration from a first measurement instance in a measurement window to a last prediction instance in a prediction window; ora periodicity comprising a measurement window and a prediction window.5.The UE of claim 1, wherein the configuration information is associated with an index.6.The UE of claim 1, wherein the configuration information comprises at least one CSI associated with the model or functionality, andwherein the at least one CSI comprises a first subset and a second subset, the first subset comprises a first number of first CSIs, and the second subset comprises a second number of second CSIs.7.The UE of claim 6, wherein the configuration information further comprises at least one of the following:the first number;the second number;a difference between the second number and the first number;a duration between adjacent CSIs of the first subset; ora duration between adjacent CSIs of the second subset CSIs.8.The UE of claim 1, wherein the configuration information comprises at least one CSI for the model or functionality, and wherein the at least one CSI comprises:a first subset related to input of a first model part,a second subset related to output of the first model part or input of a second model part, anda third subset related to output of the second model part,wherein the first subset comprises a first number of first CSIs, the second subset comprises a second number of second CSIs, and the third subset comprises the second number of third CSIs.9.The UE of claim 8, wherein the configuration information further comprises at least one of the following:the first number;the second number;a difference between the second number and the first number;a duration between adjacent CSIs of the first subset;a duration between adjacent CSIs of the second subset; ora duration between adjacent CSIs of the third subset.10.The UE of claim 6 or 8, wherein the configuration information further comprises one of the following:an indication that the at least one CSI is associated with joint operation of the first model part and the second model part;an indication that the at least one CSI is associated with the second model part only; oran indication that the at least one CSI is associated with separate operation of the first model part and the second model part.11.The UE of claim 1, wherein the configuration information comprises at least one of the following:at least one of a model backbone or model parameters for the model or functionality;a number of historical CSIs; ora duration between adjacent instances of historical CSIs.12.The UE of claim 1, wherein the configuration information comprises at least one of the following:at least one of a model backbone or model parameters for the model or functionality;a duration from a first instance of historical CSIs to an instance of a current CSI; ora duration from a first instance of historical CSIs to a reporting instance of a current CSI.13.The UE of claim 1, wherein the configuration information comprises at least one CSI, wherein at least one CSI comprises a plurality of CSI pairs, each CSI pair comprises a first CSI related to model input and a second CSI related to model output.14.The UE of claim 13, wherein the at least one CSI comprises a plurality of subsets, wherein a subset among the plurality of subsets comprising at least one CSI pair, and one or more CSIs in the subset are used as historical CSIs for a next CSI in the subset.15.The UE of claim 1, wherein the configuration information comprises one of the following:an indication of applying a second model part for the CSI reporting;an indication of applying both a first model part and a second model part for the CSI reporting; oran indication of applying a second model part based on historical CSIs for the CSI reporting.16.The UE of claim 1, wherein the configuration information comprises at least one of the following:an index associated with the model or functionality to be applied, oran index associated with parameters of the model or functionality to be applied.17.The UE of claim 1, wherein the processor is further configured to:transmit, via the transceiver to the network entity, an indication of a capability of the UE,wherein the capability of the UE comprises at least one of the following:the UE supporting a second model part only;the UE supporting joint operation of a first model part and a second model part;the UE supporting separate operation of a first model part and a second model part; orthe UE supporting a second model part based on historical CSIs.18.A network entity, comprising:a processor; anda transceiver coupled to the processor,wherein the processor is configured to:determine configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs; andtransmit, via the transceiver to a user equipment (UE) , the configuration information for the model or functionality.19.A processor for wireless communication, comprising:at least one memory; anda controller coupled with the at least one memory and configured to cause the controller to:receive, from a network entity, configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs; anddetermine the model or functionality based on the configuration information.20.A method performed by a user equipment, the method comprising:receiving, from a network entity, configuration information for a model or a functionality, wherein the configuration information is associated with channel state information (CSI) reporting that is based on at least one or more historical CSIs; anddetermining the model or functionality based on the configuration information.

Images