Method and apparatus for ai in wireless communication systems

Abstract

The present application relates generally to wireless communications, and more specifically to methods and apparatuses for artificial intelligence (AI) in wireless communication systems. An example method includes determining a representation of first channel information between a user equipment (UE) and a base station by applying an encoder sub-model to the first channel information. The method further includes transmitting the representation of the first channel information.

Description

METHOD AND APPARATUS FOR AI IN WIRELESS COMMUNICATION SYSTEMSCROSS-REFERENCE TO RELATED APPLICATIONS

[0001] This application claims the benefit of U.S. Provisional Application Serial No. 63 / 716,023 filed on November 4, 2024, the entire contents of which are hereby incorporated by reference in its entirety.TECHNICAL FIELD

[0002] The application relates generally to wireless communications, and more specifically to methods and apparatuses for artificial intelligence (AI) in wireless communication systems.BACKGROUND

[0003] With the maturity of 5G technologies and the development of more advanced technologies, wireless communication systems are advancing toward higher speeds, larger capacities, lower latency, and greater intelligence. Artificial intelligence (AI) and machine learning (ML) have gradually become essential technologies to achieve these goals. They are widely applied in various aspects, such as channel state information (CSI) feedback, beamforming, resource allocation, and mobility management, to improve network performance, spectral efficiency, and user experience.SUMMARY

[0004] One or more implementations of the present application provide communication methods and communication apparatuses. The techniques described in the application can improve the performance of AI and ML in various tasks such as channel state information (CSI) feedback, beamforming, resource allocation, and mobility management.

[0005] According to a first aspect, a method is provided. The method includes determining a representation of first channel information between a user equipment (UE) and a base station by applying an encoder sub-model to the first channel information; and transmitting the representation of the first channel information.

[0006] With reference to the first aspect, in some implementations, the method further includes receiving the encoder sub-model.

[0007] With reference to the first aspect, in some implementations, the method further includes determining the encoder sub-model based on category information associated with the UE; and transmitting information indicating the encoder sub-model.

[0008] With reference to the first aspect, in some implementations, the method further includes receiving configuration information from a network node; receiving a reference signal based on the configuration information from the base station; determining second channel information based on the configuration information and the reference signal; and transmitting the second channel information to the network node.

[0009] With reference to the first aspect, in some implementations, the method further includes receiving a reference model from the network node; and determining the encoder sub-model and information indicating the encoder sub-model based on the reference model and category information associated with the UE.

[0010] With reference to the first aspect, in some implementations, the method further includes receiving an updated reference model from the network node; and determining an updated encoder sub-model and information indicating the updated encoder sub-model based on the updated reference model and category information associated with the UE.

[0011] With reference to the first aspect, in some implementations, the method further includes transmitting updated information indicating an updated encoder sub-model to the base station.

[0012] With reference to the first aspect, in some implementations, the method further includes receiving an updated encoder sub-model from the base station.

[0013] With reference to the first aspect, in some implementations, the representation of the first channel information is a sparse representation of the first channel information.

[0014] According to a second aspect, a method is provided. The method includes receiving a representation of first channel information between a user equipment (UE) and a base station; and determining the first channel information by applying a decoder sub-model to the representation.

[0015] With reference to the second aspect, in some implementations, the method further includes transmitting an encoder sub-model, where the encoder sub-model is associated with the decoder sub-model.

[0016] With reference to the second aspect, in some implementations, the method further includes receiving information indicating the encoder sub-model; and determining the decoder sub-model based on a reference model and the information indicating the encoder sub-model.

[0017] With reference to the second aspect, in some implementations, the method further includes receiving configuration information from a network node; receiving a reference signal; determining second channel information based on the configuration information and the reference signal; and transmitting the second channel information to the network node.

[0018] With reference to the second aspect, in some implementations, the method further includes receiving a reference model from the network node; and determining an encoder sub-model, the decoder sub-model, and information indicating the decoder sub-model based on the reference model and category information associated with the UE.

[0019] With reference to the second aspect, in some implementations, the method further includes receiving an updated reference model from the network node; and determining an updated encoder sub-model, an updated decoder sub-model, and updated information indicating the updated decoder sub-model based on the updated reference model and category information associated with the UE.

[0020] With reference to the second aspect, in some implementations, the method further includes receiving updated information indicating an updated encoder sub-model from the UE.

[0021] With reference to the second aspect, in some implementations, the method further includes transmitting an updated encoder sub-model to the UE.

[0022] With reference to the second aspect, in some implementations, the representation of the first channel information is a sparse representation of the first channel information.

[0023] According to a third aspect, an apparatus is provided. The apparatus is configured to perform the method according to the first aspect or one or more implementations of the first aspect, or the second aspect or one or more implementations of the second aspect.

[0024] According to a fourth aspect, an apparatus is provided. The apparatus includes: a processing unit configured to determine a representation of first channel information between a user equipment (UE) and a base station by applying an encoder sub-model to the first channel information; and a transmitting unit configured to transmit the representation of the first channel information.

[0025] According to a fifth aspect, an apparatus is provided. The apparatus includes: a receiving unit configured to receive a representation of first channel information between a user equipment (UE) and a base station; and a processing unit configured to determine the first channel information by applying a decoder sub-model to the representation.

[0026] According to a sixth aspect, an apparatus is provided. The apparatus includes: one or more processors; and an interface circuit configured to transmit a representation of first channel information between a user equipment (UE) and a base station.

[0027] According to a seventh aspect, an apparatus is provided. The apparatus includes: one or more processors; and an interface circuit configured to receive a representation of first channel information between a user equipment (UE) and a base station.

[0028] With reference to the sixth aspect or the seventh aspect, in some implementations, the interface circuit includes one or more transceivers.

[0029] According to an eighth aspect, an apparatus is provided. The apparatus includes one or more processors and one or more memories. The one or more memories store instructions which, when executed by the one or more processors, cause the apparatus to perform the method according to the first aspect or one or more implementations of the first aspect, or the second aspect or one or more implementations of the second aspect.

[0030] According to a ninth aspect, a communication system is provided. The communication system includes a first apparatus configured to perform the method according to the first aspect or one or more implementations of the first aspect. The communication system further includes a second apparatus configured to perform the method according to the second aspect or one or more implementations of the second aspect.

[0031] According to a tenth aspect, a non-transitory computer-readable storage medium is provided. The non-transitory computer-readable storage medium has instructions stored thereon which, when executed by an apparatus, cause the apparatus to perform the method according to the first aspect or one or more implementations of the first aspect, or the second aspect or one or more implementations of the second aspect.

[0032] According to an eleventh aspect, a computer program product is provided. The computer program product stores instructions which, when executed, cause an apparatus to perform the method according to the first aspect or one or more implementations of the first aspect, or the second aspect or one or more implementations of the second aspect.

[0033] According to a twelfth aspect, a method is provided. The method includes receiving a first general model from a first network node; receiving a second general model from a second network node; and determining a reference model based on the first general model and the second general model.

[0034] With reference to the twelfth aspect, in some implementations, the method further includes transmitting first alignment information to the first network node, where the first alignment information maps the reference model to a first sub-model, and the first sub-model is associated with the first general model; and transmitting second alignment information to the second network node, where the second alignment information maps the reference model to a second sub-model, and the second sub-model is associated with the second general model.

[0035] With reference to the twelfth aspect, in some implementations, the first network node and the second network node are associated with different vendors.

[0036] According to a thirteenth aspect, a method is provided. The method includes receiving at least first channel information from a user equipment (UE) ; determining a decoder sub-model based on the at least first channel information; receiving an encoder sub-model from the UE; and determining a general model based on the encoder sub-model and the decoder sub-model.

[0037] With reference to the thirteenth aspect, in some implementations, the method further includes transmitting the general model to a network node.

[0038] With reference to the thirteenth aspect, in some implementations, the method further includes receiving alignment information that maps the decoder sub-model to a reference model, where the reference model is determined based on the general model.

[0039] According to a fourteenth aspect, an apparatus is provided. The apparatus is configured to perform the method according to the twelfth aspect or one or more implementations of the twelfth aspect, or the thirteenth aspect or one or more implementations of the thirteenth aspect.

[0040] According to a fifteenth aspect, an apparatus is provided. The apparatus includes: a receiving unit configured to receive a first general model from a first network node and receive a second general model from a second network node; and a processing unit configured to determine a reference model based on the first general model and the second general model.

[0041] According to a sixteenth aspect, an apparatus is provided. The apparatus includes: a receiving unit configured to receive at least first channel information from a user equipment (UE) and receive an encoder sub-model from the UE; and a processing unit configured to determine a decoder sub-model based on the at least first channel information and determine a general model based on the encoder sub-model and the decoder sub-model.

[0042] According to a seventeenth aspect, an apparatus is provided. The apparatus includes: one or more processors; and an interface circuit configured to receive a first general model from a first network node and receive a second general model from a second network node.

[0043] According to an eighteenth aspect, an apparatus is provided. The apparatus includes: one or more processors; and an interface circuit configured to receive at least first channel information from a user equipment (UE) and receive an encoder sub-model from the UE.

[0044] With reference to the seventeenth aspect or the eighteenth aspect, in some implementations, the interface circuit includes one or more transceivers.

[0045] According to a nineteenth aspect, an apparatus is provided. The apparatus includes one or more processors and one or more memories. The one or more memories store instructions which, when executed by the one or more processors, cause the apparatus to perform the method according to the twelfth aspect or one or more implementations of the twelfth aspect, or the thirteenth aspect or one or more implementations of the thirteenth aspect.

[0046] According to a twentieth aspect, a communication system is provided. The communication system includes a first apparatus configured to perform the method according to the twelfth aspect or one or more implementations of the twelfth aspect. The communication system further includes a second apparatus configured to perform the method according to the thirteenth aspect or one or more implementations of the thirteenth aspect.

[0047] According to a twenty first aspect, a non-transitory computer-readable storage medium is provided. The non-transitory computer-readable storage medium has instructions stored thereon which, when executed by an apparatus, cause the apparatus to perform the method according to the twelfth aspect or one or more implementations of the twelfth aspect, or the thirteenth aspect or one or more implementations of the thirteenth aspect.

[0048] According to a twenty second aspect, a computer program product is provided. The computer program product stores instructions which, when executed, cause an apparatus to perform the method according to the twelfth aspect or one or more implementations of the twelfth aspect, or the thirteenth aspect or one or more implementations of the thirteenth aspect.BRIEF DESCRIPTION OF THE DRAWINGS

[0049] FIG. 1 illustrates a schematic illustration of an example communication system.

[0050] FIG. 2 illustrates another example communication system.

[0051] FIG. 3 illustrates an example of an apparatus wirelessly communicating with another apparatus in a communication system.

[0052] FIG. 4 illustrates an example apparatus.

[0053] FIG. 5 illustrates another example apparatus.

[0054] FIGS. 6A-6B show example procedures for data collection.

[0055] FIGS. 7A-7B show example procedures for data collection based on a sounding reference signal.

[0056] FIG. 8 illustrates an example channel data collection procedure.

[0057] FIG. 9 shows an example reference model training process.

[0058] FIG. 10 shows an example procedure from data collection to reference model training.

[0059] FIGS. 11A-11B show an example of training two sub-models and corresponding alignment information.

[0060] FIGS. 12A-12B illustrate example procedures for transmissions of encoder models and representations of channel information.

[0061] FIGS. 13A-13D show example reference model / sub-model update procedures.DETAILED DESCRIPTION

[0062] In deploying various AI / ML models, a two-side model is a common approach in wireless communications. The "two-side model" refers to AI / ML models deployed separately at both the transmission end (e.g., user equipment) and the receiving end (e.g., base stations) of a wireless communication system. For example, in CSI feedback and compression, the AI / ML model (encoder) at the transmission end is responsible for compressing high-dimensional CSI data into low-dimensional codewords (also referred to as a representation of the CSI data) , while the AI / ML model (decoder) at the receiving end decompresses these low-dimensional codewords back into high-dimensional CSI data.

[0063] In the present disclosure, CSI or CSI data is also called channel information, which refers to channel properties of a wireless communication link or channel. The CSI or the channel information describes how a signal propagates from a transmitter to a receiver. For example, the CSI can include signal strength, delay, and Doppler shift of the wireless communication channel. In some implementations, the CSI can represent the combined effect of, for example, scattering, fading, and power decay with distance.

[0064] In some implementations, two-side AI / ML models are proposed in the form of black boxes. This means that the internal structure, algorithms, and parameters (e.g., neurons) of these AI / ML models are invisible from the outside. The application of the above mentioned two-side model in wireless communication systems faces several significant challenges, the most pressing of which are multi-vendor AI / ML model interoperability and adaptation of AI / ML models to dynamic environments.

[0065] Accordingly, in this disclosure, interoperable models in the context of a wireless communication network are provided. Initially, devices such as user devices (UEs) and base stations (BSs) gather data and acquire a dataset. The devices then share this dataset with a database (DB) , which trains a reference model. This reference model is shared with the devices, who then may train sub-models aligned to the reference model. The sub-models may be trained based on side-information, such as geographical area, timestep, or environment characteristics (for example channel status) , and stored in a library. During communication between a BS and UE, the devices select the most appropriate model, based on the current side information evaluation. This can be accomplished based on pre-defined rules, clustering, or by another model trained for model selection, e.g., a reinforcement learning agent or a classifier model. The UE and BS share alignment information of their models with each other. This alignment information aligns the selected sub-model with the reference model, enabling interoperability between the devices. The communication performance is monitored, relevant side information may be re-evaluated periodically, and the model is updated as required. For example, a sustained poor performance or a change in the UE location may trigger a model update.

[0066] FIG. 1 is a schematic illustration of an example communication system according to an implementation of the present disclosure, there is shown a communication system 100 that includes a radio access network (RAN) 120, one or more communication electronic devices (EDs) 110a, 110b, 110c, 110d, 110e, 110f, 110g, 110h, 110i, 110j (collectively referred to as 110) , a core network 130, a Public Switched Telephone Network (PSTN) 140, the Internet 150, and other networks 160. The RAN 120 may include, but is not limited to, a future generation RAN, or a legacy RAN such as, but not limited to, 5th generation (5G) , 4th generation (4G) , 3rd generation (3G) or 2nd generation (2G) radio access network. The RAN 120 may be, for example, an Evolved Universal Mobile Telecommunications System (UMTS) Terrestrial Radio Access Network (E-UTRAN) , a NextGen RAN (NG RAN) , or some other type of RAN. Examples of RAN 120 based on the evolution of telecommunications standards include, but is not limited to, GSM (Global System for Mobile Communications) and CDMA (Code Division Multiple Access) for 2G, UMTS (Universal Mobile Telecommunications System) based on WCDMA (Wideband Code Division Multiple Access) and CDMA2000 for 3G, LTE (Long-Term Evolution) and WiMAX (Worldwide Interoperability for Microwave Access) for 4G, and NR (New Radio) for 5G. In some implementations, the RAN 120 may use any radio access technology (RAT) in the wireless interface between the one or more EDs 110 and the RAN 120. In some implementations, the term “radio access” may refer to the future generation air interface standards which may include both terrestrial networks (TNs) and non-terrestrial networks (NTNs) . These networks will be described in greater detail below in conjunction with various implementations. The one or more communication EDs 110 (also referred to as “user equipment” ) are configured to connect (e.g., communicatively couple) with each other or to one or more network nodes 170a, 170b (collectively referred to as 170) in the RAN 120. The core network (CN) 130 is a part of the communication system 100 and comprises network nodes (e.g., 170a, 170b) which provide support for the network features and telecommunication services. In some implementations, the CN 130 may be dependent on the RAT used in the communication system 100. In other implementations, the CN 130 may be access-agnostic, i.e., the CN 130 may be independent of the RAT used in the communication system 100. There are different types of CN 130, for different 3GPP system generations. For example, the CN 130 is the Evolved Packet Core (EPC) in 4G, also known as the Evolved Packet System (EPS) . In another example, the CN 130 is the 5G Core (5GC) which was developed as part of the 5G System (5GS) . The CN 130 also enables integration of different 3GPP and non-3GPP access types. In some implementations and referring to FIG. 1, the CN 130 also provides the interface towards external networks that may include the PSTN 140, the Internet 150, and other networks 160 in the communication system 100.

[0067] In general, the communication system 100 facilitates interaction between multiple wireless or wired elements. The communication system 100 may transmit different types of content, such as voice, data, video, and / or text, through different transmission methods such as, but not limited to, broadcast, multicast, groupcast, and unicast. Additionally, the communication system 100 operates by allocating and / or sharing resources, such as carrier spectrum bandwidth, among its constituent elements.

[0068] The communication system 100 may provide a wide range of communication services and applications including, but not limited to, Enhanced Mobile Broadband (eMBB) services, Ultra-Reliable Low-Latency Communication (URLLC) services, Massive Machine Type Communication (mMTC) services, Integrated Sensing And Communication (ISAC) , immersive communication, Ultra-massive Machine-Type Communication (uMTC) , hyper reliable and low-latency communication, ubiquitous connectivity, integrated AI and communication, and other services that can be provided by a future generation communication system. The communication system 100 may provide other services and applications such as, but not limited to, earth monitoring, remote sensing, passive sensing and positioning, navigation and tracking, autonomous delivery and mobility and the like.

[0069] The communication system 100 may include a terrestrial communication system (or network) and / or a non-terrestrial communication system (or network) . The communication system 100 may provide a high degree of availability and robustness through a joint operation of the terrestrial communication system and the non-terrestrial communication system. For example, integrating a non-terrestrial communication system (or components thereof) into a terrestrial communication system can result in a heterogeneous network comprising multiple layers. The heterogeneous network may achieve better overall performance through efficient multi-link joint operation, more flexible functionality sharing, and faster physical layer link switching between terrestrial networks and non-terrestrial networks. The terrestrial communication system and the non-terrestrial communication system could be considered as sub-systems of the communication system 100.

[0070] FIG. 2 illustrates another example communication system 100 according to an implementation of the present disclosure. The communication system 100 includes EDs 110a, 110b, 110c, 110d (collectively referred to as ED 110) , RANs 120a, 120b, one or more CNs 130, a PSTN 140, the Internet 150, and other networks 160. Additionally, the communication system 100 may also include a non-terrestrial network (NTN) 120c. The RANs 120a and120b may include network nodes 170a and 170b respectively. Examples of network nodes 170a, 170b include base stations, which can be generally referred to as terrestrial network (TN) devices or terrestrial transmit and receive points (T-TRPs) 170a and 170b (collectively referred to as 170) . In this context, the terms "TRP" and "base station" are used interchangeably unless otherwise specified. For simplicity, this disclosure primarily refers to network nodes as base stations; however, unless explicitly stated otherwise, references to TRP are considered non-limiting and interchangeable. The T-TRPs 170a, 170b may be base stations mounted on a building or tower. In one implementation, the NTN 120c includes a RAN node such as a base station 172, which may be generally referred to as an NTN device, a non-terrestrial node, a non-terrestrial network device, a non-terrestrial base station, or a non-terrestrial transmit and receive point (NT-TRP) 172.

[0071] In some implementations, the NT-TRP 172 is not attached to the ground, for example, as in the case of an airborne base station. An airborne base station may be implemented using communication equipment supported or carried by a flying device. For example, a flying device may include, but is not limited to, an airborne platform (such as a blimp or an airship) , balloon, drone (such as quadcopter) , and other types of aerial vehicles. In some implementations, an airborne base station may be supported or carried by an unmanned aerial system (UAS) or an unmanned aerial vehicle (UAV) , such as a drone. An airborne base station may be a moveable or mobile base station that can be flexibly deployed in different locations to meet network demand. A satellite base station is another example of a non-terrestrial base station. A satellite base station may be implemented using communication equipment supported or carried by a satellite. A satellite base station may also be referred to as an orbiting base station. High altitude platforms are yet another example of non-terrestrial base stations, including international mobile telecommunication base stations.

[0072] As referred to herein, and unless specified otherwise, a “TRP” may also refer to a T-TRP or an NT-TRP, a “T-TRP” may also refer to a “TN TRP” , and an “NT-TRP” may also refer to an “NTN TRP” . The NTN 120c may be considered a RAN, sharing operational aspects with RANs 120a, 120b. The NTN 120c may include at least one NTN device and at least one corresponding terrestrial network device. The at least one NTN device may function as a transport layer device and the at least one corresponding terrestrial network device may function as a RAN node, communicating with the ED 110 via the NTN device. Additionally, there may be an NTN gateway on the ground (referred to as a terrestrial network device) that also functions as a transport layer device facilitating communication with both the NTN device and the RAN node. The RAN node may communicate with the ED 110 via the NTN device and the NTN gateway. In some implementations, the NTN gateway and the RAN node may be located within the same device.

[0073] A base station 170 (also referred to as a TRP as stated above) is a network element within a radio access network responsible for radio transmission and reception in one or more cells to or from the ED (such as a user equipment) . In different implementations, the base station 170 may also be known as a base transceiver station (BTS) , a radio base station, a network node, a network device, a device on the network side, a transmit / receive node, a Node B, an evolved NodeB (eNodeB or eNB) , a Home eNodeB, a next Generation NodeB (gNB) , a transmission point (TP) , a site controller, an access point (AP) , a wireless router, a relay station, a terrestrial node, a terrestrial network device, a terrestrial base station, a non-terrestrial node, a non-terrestrial network device, a non-terrestrial base station, and a positioning node, among other possibilities. The base station 170 may be a macro base station (BS) , a pico BS, a relay node, a donor node, or combinations thereof. When the base station 170 performs (or is configured to perform) a method described herein, it may be interpreted as the base station itself, one or more modules (or units) in the base station, a circuit or chip, or a combination thereof, performing the method. For example, the circuit or chip may include a modem chip, also referred to as a baseband chip, a system on chip (SoC) including a modem core, a system in package (SIP) chip, and the like, and may be responsible for one or more communication functions within the base station.

[0074] The EDs 110a-110d and TRPs 170a-170b, 172 are examples of communication equipment configured to implement some or all of the operations and / or implementations described herein. The T-TRP 170a forms part of the RAN 120a, which may include other TRPs, and / or other devices. Also, the TRP 170b forms part of the RAN 120b, which may include other TRPs, and / or devices. Each TRP 170a, 170b may transmit and / or receive wireless signals within a particular geographic region or area, sometimes referred to as a “cell” or a “coverage area” . The TRPs 170a-170b may be responsible for allocating and / or configuring resources and transmission and / or reception in a set of cell (s) . A cell is a radio network object that can be uniquely identified by a cell identification that is broadcasted over a geographical region or area from base stations associated with the cell. A cell can work in either FDD or TDD mode. A cell may be further divided into cell sectors, and a base station 170a-170b may, for example, employ one or more transceivers to provide services to one or more sectors. Some implementations may include pico or femto cells if supported by the radio access technology. In some implementations, one or more transceivers could be used for each cell, such as with Multiple-Input Multiple-Output (MIMO) technology. The number of RANs 120a-120b shown is merely an example. Any number of RANs may be contemplated when designing the communication system 100.

[0075] A base station may be a single element, as shown in the figures, or multiple elements distributed throughout the corresponding RAN, or otherwise configured. In some implementations, a plurality of RAN nodes coordinate to assist the ED 110 in implementing radio access, and different RAN nodes separately implement and handle different functions of the base station. For example, the RAN node may be a central unit (CU) , a distributed unit (DU) , a CU-control plane (CP) , a CU-user plane (UP) , or a radio unit (RU) etc. The CU and the DU may be separately deployed, or included within the same element (i.e., a baseband unit (BBU) ) . The RU may be included in a radio frequency device or a radio frequency unit (i.e., a remote radio unit (RRU) , an active antenna unit (AAU) , or a remote radio head (RRH) ) . In different systems, the CU (or the CU-CP and the CU-UP) , the DU, or the RU may be known by different names, but their functions are understood by a person skilled in the art. For example, in an open radio access network (ORAN) system, a CU may be referred to as an open CU (O-CU) , a DU may be referred to as an open DU (O-DU) , and a CU-CP may be referred to as an open CU-CP (O-CU-CP) . The CU-UP may also be referred to as an open CU-UP (O-CU-UP) , and the RU may also be referred to as an open RU (O-RU) . Any one of the CU (or the CU-CP, or the CU-UP) , the DU, and the RU may be implemented using a software module, a hardware module, or a combination of a software module and a hardware module.

[0076] Furthermore, communication between different devices / apparatuses in various implementations of this disclosure may refer to direct communication (that is, without the need of forwarding by another device / apparatus) or may refer to communication (s) between different devices / apparatuses via another device / apparatus (that is, requiring forwarding by another device / apparatus) . Alternatively, such communication (s) may involve one functional unit inside a device / apparatus using another functional unit within the device / apparatus to communicate with another device / apparatus. In other words, phrases such as "sending (or transmitting) information to. . . (an ED or a base station) " in this disclosure may be understood as a destination endpoint of the information being an ED or a base station, including, sending / transmitting information directly or indirectly to an ED or a base station. Similarly, phrases like "receiving information from. . . (an ED or a base station) " may be understood as a source endpoint of the information being an ED or a base station, including directly or indirectly receiving information from an ED or a base station. Between the source endpoint that sends the information and the destination endpoint, necessary processing such as, but not limited to, format conversion, digital-to-analog conversion, amplification, and filtering may be performed on the information. However, the destination endpoint may understand valid information from the source endpoint. A similar understanding applies to other descriptions in this disclosure without reiterating details already described. In the present disclosure, the terms "send" and "transmit" may be used interchangeably in different implementations of this disclosure.

[0077] The ED 110 is used to connect people, objects, machines, and other entities. The ED 110 may be widely used in various scenarios including, but not limited to, cellular communications, device-to-device (D2D) , vehicle to everything (V2X) , peer-to-peer (P2P) , machine-to-machine (M2M) , MTC, internet of things (IoT) , virtual reality (VR) , augmented reality (AR) , mixed reality (MR) , metaverse, digital twin, industrial control, self-driving, remote medical, smart grid, smart furniture, smart office, smart wearable, smart transportation, smart city, drones, robots, remote sensing, passive sensing, positioning, navigation and tracking, and autonomous delivery and mobility.

[0078] Each ED 110 represents any suitable end user device for wireless operation and may include such devices (or may be referred to as, but not limited to) a user equipment (UE) or a user device or a terminal device, a wireless transmit / receive unit (WTRU) , a mobile station, a fixed or mobile subscriber unit, a cellular telephone, a station (STA) , an MTC device, a personal digital assistant (PDA) , a smartphone, a laptop, a computer, a tablet, a wireless sensor, a consumer electronics device, a smart book, a vehicle, a car, a truck, a bus, a train, or an IoT device, wearable devices (such as a watch, a pair of glasses, head mounted equipment, etc. ) , an industrial device, or an apparatus (such as a module, modem, or chip) in the foregoing devices, among other possibilities. Future generation EDs 110 may be referred to by other terms. When an ED 110 performs (or is configured to perform) a method described herein, it may be interpreted as the ED itself, one or more modules (or units) in the ED, a circuit or chip, or a combination thereof, performing the method. For example, the circuit or chip may include a modem chip, also referred to as a baseband chip, a system on chip (SoC) including a modem core, or a system in package (SIP) chip, and the like, and may be responsible for one or more communication functions in the ED.

[0079] Each ED 110 connected to TRPs 170a-170b, and / or TRPs 172 can be dynamically or semi-statically turned-on (i.e., established, activated, or enabled) , turned-off (i.e., released, deactivated, or disabled) and / or configured in response to one of more of:connection availability and connection necessity.

[0080] Any ED 110 may be alternatively or additionally configured to interface, access, or communicate with any of the TRPs 170a, 170b and 172, the Internet 150, the CN 130, the PSTN 140, the other networks 160, or any combination thereof. In some examples, the ED 110a may communicate an uplink (UL) and / or downlink (DL) transmission over a terrestrial air interface 190a with station-TRP 170a. In some examples, the EDs 110a, 110b, 110c, and 110d may also communicate directly with one another via one or more sidelink (SL) air interfaces 190b. In some examples, the EDs 110a, 110d may communicate using an UL and / or DL transmission over a non-terrestrial air interface 190c with NT-TRP 172.

[0081] An air interface (such as, for example, 190a, 190b, 190c) generally includes a number of components and associated parameters that collectively specify how a transmission is to be sent and / or received over a wireless communications link between two or more communicating devices such as EDs and base station (s) . For example, an air interface may include one or more components defining the waveform (s) , frame structure (s) , multiple access scheme (s) , protocol (s) , coding scheme (s) and / or modulation scheme (s) for conveying information (such as, data) over a wireless communications link. The air interfaces 190a and 190b may use similar communication technology, that may include any suitable radio access technology.

[0082] The non-terrestrial air interface 190c can enable communication between the EDs 110a, 110d and one or more NT-TRPs 172 via a wireless link or simply a link. In some examples, the link is a dedicated connection for unicast transmission, a connection for broadcast transmission, or a connection between a group of EDs 110 and one or more NT-TRPs 172 for multicast transmission.

[0083] The TRPs 170a-170b, 172 may communicate with one another over one or more air interfaces 190e, 190f using wireless communication links (such as radio frequency (RF) , microwave, infrared (IR) , etc. ) or wired communication links. The air interfaces 190e, 190f may utilize any suitable radio access technology, and may be substantially similar to the air interfaces 190a, 190c over which the EDs 110a-110d communicate with one or more of the TRP 170a-170b, 172 or they may be substantially different. For example, the communication system 100 may implement one or more channel access methods, such as Time Division Multiple Access (TDMA) , Frequency Division Multiple Access (FDMA) , Code Division Multiple Access (CDMA) , Single Carrier Frequency Division Multiple Access (SC-FDMA) , Low Density Signature Multicarrier Code Division Multiple Access (LDS-MC-CDMA) , Non-Orthogonal Multiple Access (NOMA) , Pattern Division Multiple Access (PDMA) , Lattice Partition Multiple Access (LPMA) , Resource Spread Multiple Access (RSMA) , and Sparse Code Multiple Access (SCMA) .

[0084] The RANs 120a and 120b are in communication with the CN 130 to provide the EDs 110a 110b, and 110c with various services such as voice, data, multimedia, and other services. The RANs 120a and 120b and / or the CN 130 may be in direct or indirect communication with one or more other RANs (not shown) , which may or may not be directly served by the CN 130, and may employ different radio access technologies from RAN 120a and / or RAN 120b. The CN 130 may also serve as a gateway access between (i) the RANs 120a and 120b and / or the EDs 110a 110b, and 110c, and (ii) other networks (such as the PSTN 140, the Internet 150, and the other networks 160) . In addition, some or all of the EDs 110a 110b, and 110c may include functionality for communicating with different wireless networks over different wireless links using different wireless technologies and / or protocols. For example, the EDs 110a 110b, and 110c communicate using different cellular communications protocols, such as, but not limited to, a Global System for Mobile Communications (GSM) protocol, a code-division multiple access (CDMA) network protocol, a Push-to-Talk (PTT) protocol, a PTT over Cellular (POC) protocol, a Universal Mobile Telecommunications System (UMTS) protocol, a 3GPP Long Term Evolution (LTE) protocol, a fifth generation (5G) protocol, a New Radio (NR) protocol, and the like. Instead of wireless communication (or in addition thereto) , the EDs 110a 110b, and 110c may communicate using wired communication channels to a service provider or switch (not shown) , and / or to the Internet 150. The PSTN 140 may include circuit switched telephone networks for providing plain old telephone service (POTS) . The Internet 150 may include a network of computers and subnets (intranets) or both, and incorporate protocols, such as internet protocol (IP) , transmission control protocol (TCP) , user datagram protocol (UDP) . EDs 110a 110b, and 110c may be multimode devices capable of operation according to multiple radio access technologies, and may incorporate one or more transceivers necessary to support such technologies and / or functions.

[0085] In addition, the communication system 100 may comprise a sensing agent (not shown) to manage the sensed data from ED 110 and / or any one of TRPs 170a, 170b, 172. In one implementation, the sensing agent may be part of any one of TRPs 170a, 170b, 172. In another implementation, the sensing agent is a separate node that can communicate with the CN 130 and / or the RAN 120 (such as any one of TRPs 170a, 170b, 172) .

[0086] FIG. 3 is a schematic illustration showing an apparatus 310 wirelessly communicating with another apparatus 320 within a communication system (e.g., the communication system 100) according to an implementation of the present disclosure. The apparatus 310 may be an electronic device (such as ED 110) . The apparatus 320 may be a network node (e.g., the network node 170) such as T-TRP 170 or an NT-TRP 172. Although only one apparatus 310, and one apparatus 320 are shown in the figure, the number of apparatus 310 and / or number of apparatus 320 can vary, potentially including one or more of each. For example, a single ED 110 may be served by a single T-TRP 170 (or a single NT-TRP 172) , or by multiple T-TRPs 170 (or multiple NT-TRPs 172) . Similarly, a single ED 110 may be served by one or more T-TRPs 170 and one or more NT-TRPs 172. Similarly, a single T-TRP 170 (or a single NT-TRP 172) may serve one or more EDs 110.

[0087] The apparatus 310 may include one or more processors 210. For clarity and to avoid overcrowding the illustration, only a single processor 210 is illustrated. The apparatus 310 may further include a transmitter 201 and a receiver 203 coupled to one or more antennas 204. For clarity, only a single antenna 204 is illustrated. One, some, or all of the antennas 204 may alternatively be panels. In some implementations, the transmitter 201 and the receiver 203 are separate from each other. In other implementations, the transmitter 201 and the receiver 203 may be integrated into a single unit, for example, as a transceiver. The transceiver is configured to modulate data or other content for transmission by the one or more antennas 204 or a network interface controller (NIC) . The transceiver may also be configured to demodulate data or other content received by the one or more antennas 204. A transceiver may include any suitable structure for generating signals for wireless or wired transmission and / or for processing signals received through wireless or wired communication. Each antenna 204 includes any suitable structure for transmitting and / or receiving wireless or wired signals. The apparatus 310 may include a memory 208. In some implementations, the apparatus 310 may include multiple memories 208. Only a single transmitter 201, receiver 203, processor 210, memory 208, and antenna 204 is illustrated for simplicity, but the apparatus 310 may include one or more other components. In some implementations of the present disclosure, the transceiver (or transmitter 201 and / or receiver 203) may be viewed as an interface circuit.

[0088] The memory 208 is configured to store instructions used to perform operations described herein. The memory 208 may also be configured to store data that is used, generated, or collected by the apparatus 310. For example, the memory 208 can store software instructions or modules configured to implement some or all of the functionalities and / or operations described herein and that which are executed by the one or more processors 210.

[0089] The apparatus 310 may further include one or more input / output devices (not shown) or interfaces. The input / output devices or interfaces facilitate interaction with a user or other devices in the network. Each input / output device or interface includes suitable components for facilitating transmission of information to a user and reception of information from a user, and for various network interface communications. Such components may include, but are not limited to, a speaker, microphone, keypad, keyboard, display, touch screen, and the like.

[0090] The processor 210 may be configured to perform (or control the apparatus 310 to perform) operations (or methods) described herein as being performed by the apparatus 310. For example, the processor 210 performs or controls the apparatus 310 to perform the operations of: a) receiving one or more transport blocks (TBs) , b) using a resource for decoding at least one of the received TBs, c) releasing the resource for decoding another of the received TBs, and / or d) receiving configuration information configuring a resource. Specifically, the operations may include tasks related to: preparing a transmission for UL transmission to the apparatus 320, processing DL transmissions received from the apparatus 320, and handling SL transmission to and from another apparatus 310. Processing operations related to preparing a transmission for UL transmission may include operations such as, but not limited to, encoding, modulating, transmit beamforming, and generating symbols for transmission. Processing operations related to processing DL transmissions may include operations such as, but not limited to, receive beamforming, demodulating and decoding received symbols. Processing operations related to processing SL transmissions may include operations such as, but not limited to, transmit / receive beamforming, modulating / demodulating and encoding / decoding symbols. Depending upon the implementation, a DL transmission may be received by the receiver 203, possibly using receive beamforming, and the processor 210 may extract signaling from the DL transmission (such as by detecting and / or decoding the signaling) . An example of signaling may be a reference signal transmitted by the apparatus 320. In some implementations, the processor 210 implements the transmit beamforming and / or the receive beamforming based on the indication of beam direction, such as beam angle information (BAI) , received from the apparatus 320. In some implementations, the processor 210 may be configured to perform operations relating to network access (such as initial access) and / or downlink synchronization, which includes operations for detecting a synchronization sequence, decoding and obtaining the system information, and the like. In some implementations, the processor 210 may perform channel estimation, such as using a reference signal received from the apparatus 320.

[0091] Although not illustrated, in some implementations, the processor 210 may either be a part of the transmitter 201 or a part of the receiver 203 or a part of both the transmitter 201 and the receiver 203. Although not illustrated, in some implementations, the memory 208 may be a part of the processor 210.

[0092] The processor 210, along with the processing components of the transmitter 201 and the receiver 203 may each be implemented by one or more processors that may the same or different. These processors are configured to execute instructions stored in a memory (such as in the memory 208) .

[0093] The apparatus 320 includes one or more processors 260 (only one processor 260 is illustrated) . The apparatus 320 may further include one or more transmitters 252 and one or more receivers 254 coupled to one or more antennas 256. Only a single antenna 256 is illustrated to avoid clutter in the illustration. One, some, or all of the antennas 256 may alternatively be panels. In some implementations, the transmitter 252 and the receiver 254 are separate from each other. In other implementations, the transmitter 252 and the receiver 254 may be integrated into a single unit such as, for example, as a transceiver. The apparatus 320 may further include a memory 258. In some implementations, the apparatus 320 may include multiple memories 258. The apparatus 320 may further include a scheduler 253. Only a single transmitter 252, receiver 254, processor 260, memory 258, antenna 256 and scheduler 253 are illustrated for simplicity, however the apparatus 320 may include one or more other components. In the present disclosure, in some implementations, the transceiver (or transmitter 252 and / or receiver254) may be viewed as an interface circuit.

[0094] In some implementations, various components of the apparatus 320 may be distributed. For example, some of the modules of the apparatus 320 may be located remotely from the equipment housing the antennas 256 for the apparatus 320 (and therefore can also be viewed as one or more nodes) . These modules, which can be considered as one or more nodes, may be coupled to the equipment that houses the antennas 256 over a communication link (not shown) , sometimes referred to as front haul, such as the Common Public Radio Interface (CPRI) . Therefore, in some implementations, the term apparatus 320 may also refer to network-side nodes that perform processing operations such as, but not limited to, determining the location of the apparatus 310, resource allocation (scheduling) , message generation, and encoding / decoding, and that which are not necessarily part of the equipment that houses the antennas 256 of the apparatus 320. The nodes may also be coupled to other apparatuses 320. In some implementations, the apparatus 320 may actually be a plurality of nodes that are operating together to serve the apparatus 310, such as through the use of coordinated multipoint transmissions, or through the use of an ORAN system as described above in the disclosure.

[0095] The processor 260 is configured to perform operations including those related to: preparing a transmission for DL transmission to the apparatus 310, processing an UL transmission received from the apparatus 310, preparing a transmission for backhaul transmission to another apparatus 320, and processing a transmission received over backhaul from another apparatus 320. Processing operations related to preparing a transmission for DL or backhaul transmission may include operations such as, but not limited to, encoding, modulating, precoding (such as MIMO precoding) , transmit beamforming, and generating symbols for transmission. Processing operations related to processing received transmissions in the UL or over backhaul may include operations such as, but not limited to, receive beamforming, demodulating received symbols, and decoding received symbols. The processor 260 may also be configured to perform operations relating to network access (such as initial access) and / or DL synchronization, such as generating the content of synchronization signal blocks (SSBs) , generating the system information, and the like. In some implementations, the processor 260 is further configured to generate an indication of beam direction, such as BAI, which may be scheduled for transmission by the scheduler 253 which will be described below. In some implementations, the processor 260 implements the transmit beamforming and / or receive beamforming based on beam direction information (such as BAI) received from another apparatus 320. The processor 260 is configured to perform other network side processing operations described herein, such as, but not limited to, determining the location of the apparatus 310, determining where to deploy another apparatus 320, and the like. In some implementations, the processor 260 may generate signaling data, to configure one or more parameters of the apparatus 310 and / or one or more parameters of another apparatus 320. Any signaling data generated by the processor 260 is sent by the transmitter 252. In some implementations, the apparatus 320 implements physical layer processing. In some implementations, the apparatus 320 may perform higher layer functions such as those at the Medium Access Control (MAC) or Radio Link Control (RLC) layers in addition to physical layer processing. In the apparatus 320, the scheduler 253 may be coupled to the processor 260 or integrated within the processor 260. In some implementations, the scheduler 253 may be integrated within the apparatus 320 or may be operated separately from the apparatus 320. The scheduler 253 may schedule UL, DL, SL, and / or backhaul transmissions, including issuing scheduling grants and / or configuring scheduling-free (such as “configured grant” ) resources.

[0096] The apparatus 320 may further include a memory 258 that is configured to store instructions for performing the operations described herein. The memory 258 may also store data that is used, generated, or collected by the apparatus 320. For example, the memory 258 can store software instructions or modules configured to implement some or all of the functionalities and / or implementations described herein and that which are executed by the processor 260.

[0097] Although not illustrated, the processor 260 may be implemented as part of the transmitter 252 and / or a part of the receiver 254. Although not illustrated, in some implementations, the processor 260 may implement the scheduler 253 and the memory 258 may be implemented as part of the processor 260.

[0098] The processor 260, the scheduler 253, the processing components of the transmitter 252, and the processing components of the receiver 254 may each be implemented by the same or different processors that are configured to execute instructions stored in a memory, such as in the memory 258.

[0099] The apparatus 320 and / or the apparatus 310 may include other components, not shown or described herein for the sake of clarity.

[0100] Note that the term “signaling” , as used herein, may alternatively be referred to as control signaling, control message, control information, or message for simplicity. Signaling between a base station (such as the TRP 170a. 170b, 172) and a UE or sensing device (such as ED 110) , or signaling between a different UE or sensing device (such as between ED 110a and ED 110b) may be carried in physical layer signaling (also called as dynamic signaling) , which is transmitted in a physical layer control channel. For DL, the physical layer signaling may be known as downlink control information (DCI) which is transmitted in a physical downlink control channel (PDCCH) . For UL, the physical layer signaling may be known as uplink control information (UCI) which is transmitted in a physical uplink control channel (PUCCH) . For SL, signaling between different UEs or sensing devices (such as between ED 110a and ED 110b) may be known as SL control information (SCI) which is transmitted in a physical sidelink control channel (PSCCH) . Signaling may be carried in a higher layer (such as higher than physical layer) signaling, which is transmitted in a physical layer data channel, such as in a physical downlink shared channel (PDSCH) for downlink signaling, in a physical uplink shared channel (PUSCH) for uplink signaling, and in a physical sidelink shared channel (PSSCH) for SL signaling. Higher layer signaling may also be called static signaling, or semi-static signaling. The higher layer signaling may include radio resource control (RRC) protocol signaling or media access control -control element (MAC-CE) signaling. Signaling may be included in a combination of physical layer signaling and higher layer signaling.

[0101] It should be noted that in the present disclosure, “information” , when different from “message” , may be carried within a single message, or may be carried in multiple separate messages.

[0102] FIG. 4 illustrates an example apparatus 410 according to an implementation of the present disclosure. The apparatus 410 may be a communication device or an apparatus implemented in a communication device such as the ED 110 or the TRPs 170a, 170b, 172. For example, the apparatus 410 implemented in an ED may be an integrated circuit, which in some instances may be referred to as a chip, a modem, a modem chip, a baseband chip, or a baseband processor. In some implementations, one or more integrated circuits can be packaged into a system-on-chip, a system-in-package, or a multi-chip module. The apparatus 410 can include one or more integrated circuits and other discrete components. In some implementations, the apparatus 410 may be a module within the ED 110, or within the apparatus 310. In some implementations, the apparatus 410 may be a module within one of the TRPs 170a, 170b, 172, or the apparatus 320.

[0103] In an example, the apparatus 410 may include one or more processors / processor cores 411, and an interface circuit 412. The apparatus 410 may further include a memory 413. The one or more processors 411 are configured to process signals and execute one or more communication protocols. The memory 413 is configured to store at least a part of the corresponding computer program instructions and / or data. In an example, the one or more processors 411 execute the computer program instructions stored in the memory 413 to implement related operations (for example, inputting, outputting, receiving, and transmitting) in the method implementations disclosed herein. In some implementations, the memory 413 being configured to store the corresponding computer program instructions and / or data may mean that the memory 413 is configured to store all of the corresponding computer program instructions and / or data for execution by the one or more processors 411. In some implementations, the memory 413 being configured to store the corresponding computer program instructions and / or data may mean that the memory 413 is configured to store a part of the corresponding computer program instructions and / or data. For example, the part of the corresponding computer program instructions and / or data may include computer program instructions and / or data that need to be currently executed by the one or more processors 411. Thus, the memory 413 may store different parts of computer program instructions and / or data for a plurality of times for the one or more processors 411 to perform related operations in the method implementations disclosed herein. As a communication interface, the interface circuit 412 is configured to implement communication with another component. For example, the interface circuit 412 may communicate a signal with another apparatus or system, such as a radio frequency processing apparatus or another processor. The signal may include or carry information intended as a payload, such as user data, control information, etc. The signal may also include or carry information useful to a receiver, but not necessarily as a payload, such as a pilot signal or reference signal. Communicating the signal may include transmitting the signal to another component or device. Communicating the signal may additionally or alternatively include receiving the signal from another component or device. Transmitting the signal may include outputting the signal to a component or device that is directly or indirectly coupled to the interface circuit 412. Receiving the signal may include inputting or obtaining the signal from a component or device that is directly or indirectly coupled to the interface circuit 412. In some implementations, to reduce a load of the one or more processors, a baseband signal processing circuit 414 may be also disposed to implement processing of at least a part of baseband signals, including signal demodulation, modulation, encoding, decoding, or the like.

[0104] The apparatus 410 may be the processor 210 (or 260) within the apparatus 310 (or 320) , in some scenarios, or may be included within the processor 210 (or 260) within the apparatus 310 (or 320) in some scenarios. The apparatus 410 may be a baseband chip or may include a baseband chip. In some implementations, the apparatus 410 may be independently packaged into a chip. In some implementations, the apparatus 310 (or 320) includes different types of chips. The apparatus 410 may be packaged into a processor chip (for example, an SoC chip or an SIP chip) with the different types of chips. In some implementations, the apparatus 410 may be packaged into a chip with some or all of circuits of a radio frequency processing system that may further be included in the apparatus 310 (or 320) .

[0105] FIG. 5 illustrates an example apparatus 510 according to an implementation of the present disclosure. The apparatus 510 may include corresponding modules or units configured to implement methods and / or implementations described herein. In some implementations, the apparatus 510 includes a processing unit 512 and a communication unit 513. In some implementations, the apparatus 510 may further include a storage unit 511 configured to store apparatus program code (or instructions) and / or data.

[0106] The apparatus 510 may be an ED side apparatus, for example, an ED or a module in an ED, or a circuit or a chip responsible for a communication function in an ED. In some implementations, apparatus 510 may be the apparatus 310. The processing unit 512 may be the processor 210. The communication unit 513 may comprise a receiving unit and / or a transmitting unit. The receiving unit and / or the transmitting unit may be the transmitter 201 and / or the receiver 203 respectively. The storage unit 511 may be the memory 208.

[0107] The apparatus 510 may be a base station side apparatus, for example, a base station or a module in a base station, or a circuit or a chip responsible for a communication function in a base station. In some implementations, apparatus 510 may be apparatus 320. The processing unit 512 may be the processor 260 (the scheduler 253 may also be included) . The communication unit 513 may comprise a receiving unit and / or a transmitting unit. The receiving unit and / or the transmitting unit may be the transmitter 252 and / or the receiver 254 respectively. The storage unit 511 may be the memory 258.

[0108] In some implementations, when the apparatus 510 is an ED 110 or a module in an ED 110, a function of the apparatus 510 may be implemented by one or more processors. Specifically, the processor may include a modem chip, or a system on chip (SoC) chip or an SIP chip that includes a modem core. A function of the communication unit 513 may be implemented by a transceiver circuit.

[0109] In some implementations, when the apparatus 510 is a circuit or a chip that is responsible for a communication function in an ED 110, such as a modem chip, a system on chip (SoC) chip or an SIP chip that includes a modem core, a function of the processing unit 512 may be implemented by a circuit system within the chip which includes one or more processors. A function of the communication unit 513 may be implemented by an interface circuit or a data transceiver circuit on the chip.

[0110] It may be understood that the units in the apparatus 510 may be logical or functional. Each function may correspond to one functional unit, or two or more functions may be integrated into a single functional unit. In actual implementation, all or some of the units may be integrated into a single physical entity, or may be distributed across different physical entities. In addition, the functional units may be implemented in the form of hardware, software, or a combination of hardware and software. Whether a function is implemented in the form of hardware or software depends on particular applications and design constraint conditions of the technical solutions. A person skilled in the art may use different methods to implement the described functions for specific applications, but it should not be considered that the implementation goes beyond the scope of this disclosure.

[0111] In an example, a functional unit in any one of the apparatuses may be configured as one or more integrated circuits for implementing the methods disclosed herein, for example, as one or more application-specific integrated circuits (application-specific integrated circuits, ASICs) , one or more central processing units (CPUs) , one or more microprocessors or microprocessor units (MPUs) , one or more microcontrollers or microcontroller units (MCUs) , one or more digital signal processors (DSPs) , one or more field programmable gate arrays (FPGAs) , or a combination of these.

[0112] In an example, the storage unit 511 may include a random access memory, a flash memory, a read-only memory, a programmable read-only memory, an electrically erasable programmable memory, and / or a register.

[0113] A processor may be referred to as a processor system, an application processor, a baseband processor, a processor circuit, or a processor core. The processor may include one or a combination of one or more central processing units (CPUs) , one or more digital signal processors (DSPs) , one or more microprocessors (microprocessor units, MPUs) , one or more microcontrollers (microcontroller units, MCUs) , one or more graphics processing units (GPUs) , one or more field programmable gate arrays (FPGAs) , one or more artificial intelligence processors (AI processors) , or one or more neural network processing units (NPUs) .

[0114] Memory or a storage unit may include one or more of the following storage media: a random access memory (RAM) , a static random access memory (static RAM, SRAM) , a dynamic random access memory (dynamic RAM, DRAM) , a phase-change memory (PCM) , a resistive random access memory (resistive RAM, ReRAM) , a magnetoresistive random access memory (magnetoresistive RAM, MRAM) , a ferroelectric random access memory (ferroelectric RAM, FRAM) , a cache, a register, a read-only memory (ROM) , a flash memory (flash memory) , an erasable programmable read-only memory (erasable programmable ROM, EPROM) , a hard disk, and the like. In an example, computer program instructions used to execute implementations may be stored in a non-volatile memory, for example, at least a part of a memory or storage unit (for example, one or more of a ROM, a flash memory, an EPROM, or a hard disk) . When a terminal runs, a part or all of corresponding computer program instructions may be loaded to a memory that has a higher transmission speed with the processor, for example, at least a part of a memory or a storage unit (for example, one or more of a RAM, an SRAM, a DRAM, a PCM, a RERAM, an MRAM, a FRAM, a cache, or a register) , so that the processor executes the computer program instructions to perform the steps in the method implementations disclosed herein.

[0115] As mentioned above, there are some issues and challenges for some implementations of two-side-models.

[0116] Some issues and challenges are related to characteristics of 3GPP channel data.

[0117] 3GPP channel data, particularly channel state information (CSI) , has several key characteristics that make it highly compressible and suitable for AI modeling, while also presenting unique challenges.

[0118] 1. Compressibility: Wireless channels are not entirely random. Their behavior is governed by physical laws and environmental factors, leading to inherent redundancy and correlations in the data.

[0119] Spatial Correlation: Channel data between user equipment and base stations located close to each other tends to be similar.

[0120] Temporal Correlation: Channel state information changes gradually over short periods, meaning that data collected at adjacent time points is strongly correlated.

[0121] Sparsity: In specific transform domains (e.g., the delay or angle domain) , channel data is often sparse, with most data values being zero or near zero. This property allows for efficient compression, which reduces storage and transmission burdens.

[0122] These characteristics arise from the propagation properties of wireless channels, which are described by Maxwell’s equations-aset of partial differential equations (PDEs) . PDE solutions are typically smooth and regular, meaning that changes in CSI follow predictable physical laws rather than occurring randomly. As a result, channel data can be effectively compressed by transforming high-dimensional data into lower-dimensional representations, such as codewords or feature vectors. This reduces storage, transmission, and processing costs.

[0123] 2. Environmental Dependency: Channel data depends heavily on the location, movement, and surrounding environment of the device. For instance, in urban environments, channels are more complex due to multipath effects, whereas in open areas, they are simpler. This implies that different environments require distinct codebook dictionaries or AI / ML models for effective data processing.

[0124] 3. Low Diversity: Compared to non-3GPP data, such as images or text, channel data has lower diversity. After normalization, the structure of 3GPP data is more uniform, making it an ideal candidate for constructing codebook dictionaries, which enable AI models to adapt more accurately to specific channel environments.

[0125] The following Table I summarizes the key differences between 3GPP channel data and general AI big model training data, such as images or text. Table I

[0126] These key differences highlight the unique characteristics of 3GPP channel data and explain why traditional AI model training and deployment methods cannot be directly applied to wireless communication systems.

[0127] In the following paragraphs, the possible solutions will be described.

[0128] One implementation of a dictionary generation method comprises at least one of the following steps. It is understood that the steps or operations shown in this example dictionary generation method are not exhaustive and that other operations can be performed as well before, after, or between any of the illustrated operations. Further, some of the steps or operations may be omitted, performed simultaneously, or performed in a different order than those described herein.

[0129] At Step 1, devices (for example, a UE and / or a BS) can perform data collection.

[0130] In detail, a device / device vendor (aNetwork (NW) vendor or a UE vendor) collects channel data samples and constructs a dataset of channel data. The dataset indicates a channel status related to the device. The data may be collected from different devices and / or from different vendors in general. In some implementations, the data collector (e.g., a DB) can be the same network vendor.

[0131] FIGS. 6A-6B show example procedures 600a and 600b for the UE or the BS to perform data collection, in particular the CSI collection. The procedure 600a in FIG. 6A is for a periodic channel state information reference signal (CSI-RS) , and the procedure 600b in FIG. 6B is for an aperiodic CSI-RS.

[0132] FIGS. 7A-7B show example procedures 700a and 700b for the BS to perform data collection, in particular the channel data based on a sounding reference signal (SRS) . The procedure 700a in FIG. 7A is for a periodic SRS, and the procedure 700b in FIG. 7B is for an aperiodic SRS.

[0133] At Step 2, a DB can perform data collection.

[0134] The device reports the dataset; accordingly, the DB receives the dataset.

[0135] Device vendors share their datasets with a DB. The DB can refer to a network device configured to coordinate the dictionary generation method. This can be performed over wireless communications, wired communication, or any other form of data transmission. The DB receives and stores the dataset from multiple device vendors. In one implementation, the DB may be a BS, in which case the BS receives datasets from multiple UEs and / or other BSs and / or other network nodes. In another implementation, the DB may be a core network, where the core network receives datasets from multiple BSs and / or UEs and / or other network nodes.

[0136] FIG. 8 illustrates an example channel data collection procedure 800. The procedure 800 can be performed by a DB 802 to collect channel data from a device 801. The device 801 can be a UE, a BS, or another network device. While the procedure 800 is described with reference to a DB and a UE or a BS, this description is provided for illustrative purposes only and is not intended to be limiting. In practice, the procedures can be applied to other instances of network nodes and terminal devices or equivalents thereof. It is understood that steps or operations shown in the procedure are not exhaustive and that other operations can be performed as well before, after, or between any of the illustrated operations. Further, some of the steps or operations may be omitted, performed simultaneously, or performed in a different order than those shown in FIG. 8.

[0137] As shown in FIG. 8, the signaling between a network device (such as the DB 802) and devices (e.g., UE / BS 801) for collecting channel data is as follows.

[0138] At 802, the DB 802 can transmit configuration information to the device 801. Accordingly, the device 801 can receive the configuration information from the DB 802. For example, the DB 802 communicates associated parameters and transmission configurations to the UE / BS 801. The configuration information can include granularity information. The granularity information can be a quantity of resources for channel estimation, antennas / antenna pairs, or resource elements (REs) that can be used for UL sounding reference signals (SRS) . In some implementations, the granularity information can include a quantity of REs that are used for aggregate or average the channel estimation. For example, granularity information being 10 means that the channel estimation results performed on 10 different REs can be aggregated or averaged, and the average value of the channel estimation on the 10 different REs is reported by the UE to the BS. This approach can allow the UE to report the channel estimation in an efficient way.

[0139] In detail, at the outset, the system, represented by the DB 802 or network infrastructure, deliberates upon the granularity requisite for the UEs to transmit their UL Sounding Reference Signals (SRS) for the measurement of one or multiple, or all contiguous units of a UL MIMO channel. Subsequently, the DB communicates and schedules the UEs to transmit the SRS based on an initial reference signal placement scheme.

[0140] At 804, the DB 802 can prepare one or more reference signals (e.g., when the DB 802 is a BS) or instruct a BS to prepare the one or more reference signals based on the configuration information. It is understood that in some implementations, this step can be optional, and the procedure 800 can go to step 805 directly.

[0141] At 805, the DB 802 can transmit the reference signal (s) to the UE (e.g., when the DB 802 is a BS) or indicate the BS to transmit the reference signal (s) to the UE. For example, the DB 802 can send the reference signal (s) over a physical DL channel to the UE.

[0142] In some implementations, the DB 802 broadcasts or multicasts the reference signal (s) .

[0143] In some implementations, the DL channel may be a physical broadcast channel (PBCH) .

[0144] At 806, the device 801 can obtain channel information (e.g., channel estimation, or referred to as channel data) based on the configuration information and the reference signal. When the device 801 is a UE, the device 801 can perform channel estimation using the configuration information and the reference signal. When the device 801 is a BS, the device 801 can receive the channel estimation from a UE.

[0145] At 807, the device 801 can transmit channel information to the DB 802. When the device 801 is the UE, the device 801 can transmit the channel estimation to a BS. When the device 801 is the BS, the device 801 can forward the channel estimation (e.g., received from an UE) to the DB 802.

[0146] In some implementations, before transmitting the channel information to the DB 802, the UEs can transmit the SRSs in adherence to the prescribed granularity, and the DB 802 can engage in estimating the received signals. Concurrently, the DB 802 endeavors to discern the common basis and optimal reference signal placement concerning granularity for a unit and applies Dynamic Mode Decomposition (DMD) over the evolution of units to compute the dynamic mode across the contiguous units for the UL channel from each UE. Upon acquisition of the requisite data, the DB 802 notifies the UEs regarding the learned reference signal placement scheme and the common basis. The DB 802 transmits the dynamic modes and a low-dimensional representation of the estimated UL channel, denoted as c, obtained from one UE's SRS to the respective UE. The UE, in turn, reconstructs the UL channel, computes the precoding matrix, and applies it to the uplink transmission.

[0147] The channel information shown in FIG. 8 may be referred to as second channel information in this disclosure.

[0148] At Step 3, the DB can train a reference model.

[0149] As shown in the example of FIG. 9, the DB utilizes the stored dataset to train a reference model Ψ. In some implementations, this reference model Ψ may be a codebook dictionary, a sparse representation of the dataset, a machine learning model, or, generally, a pair of functions mapping from channel data to a latent variable space, and from the latent variable space back to the channel data. The latent variable space may be sparse.

[0150] At Step 4, the DB can share the reference model with other devices.

[0151] The DB shares the reference model with UE and BS vendors. This can be performed over wireless communications, wired communication, or any other form of data transmission. In one implementation, the DB may be a BS, in which case the BS transmits the reference model to one or more UEs and / or one or more other BSs and / or one or more other network nodes. In another implementation, the DB may be a core network, where the core network transmits the reference model to one or more BSs and / or one or more UEs and / or one or more other network nodes.

[0152] FIG. 10 shows an example procedure 1000 from data collection to reference model training (e.g., for Steps 1 to 4) .

[0153] As shown in the example of FIG. 10, at Step 1, UE1, . . ., UEN estimate a channel and get channel data. Similarly, BS1, ..., BSM can also estimate the channel and get the channel data.

[0154] At Step 2 (e.g., 1002) , the UE1, . . ., UEN and / or BS1, . . ., BSM will report, to a DB 1001, the channel data.

[0155] At Step 3 (e.g., 1003) , the DB 1001 can train a reference model Ψ.

[0156] After the DB 1001 trains the reference model Ψ, at Step 4 (e.g., 1004) the DB 1001 can transmit the reference model Ψ to at least one of the UE1, . . ., UEN and / or BS1, . . ., BSM. In some implementations, the DB 1001 may broadcast, multicast, or even unicast the reference model Ψ for further analysis or process.

[0157] The further analysis or process may include at least one of the following steps 5 to 9.

[0158] At Step 5, aligned sub-models can be trained.

[0159] A device (for example, a UE or a BS) that receives the reference model may train sub-models based on the reference model and side information. The side information can also be referred to as category information. The side information is associated with the device. The side information can include information that describes similarity between data points in the channel information. In some implementations, the side information includes, but is not limited to, geography information (e.g., a location of a UE or a BS) , timesteps, environment characteristics (e.g., channel status) , a function, or any combination thereof. The data points in the channel information can be categorized into different categories based on the side information, where data points in the same category are more similar to each other than those in other categories. Sub-models can be trained using the data points in each category. In some implementations, the side information can be geography information (e.g., location) . In this scenario, a geographical area may be divided into multiple sub-areas, and an individual sub-model may be trained for each sub-area. In some implementations, the side information may be functions. For example, the UE trains “Encoder Sub-models” , while the BS trains “Decoder Sub-models. ” In another example, the functions are related to the similarity between the channel data in that category, such as the probabilistic distributions of the channel data.

[0160] These sub-models can be aligned to the reference model through a model alignment function (also referred to as alignment information) . For example, if the reference model is a codebook (e.g., a matrix) , and a sub-model utilizes a subset of the codewords (e.g., a subset of columns of the matrix) , then the alignment information can be indices of columns in the subset. In this case, the alignment can be performed by zero-padding and puncturing. More generally, the alignment function or alignment information of an encoder sub-model may be any function that maps the output of the encoder sub-model to the appropriate reference model latent variable. Similarly, the alignment function of a decoder sub-model may be any function that maps the reference model latent variable to the appropriate decoder input. In some implementations, the alignment information can be any suitable invertible function that maps the encoder sub-model or the decoder sub-model to the reference model. In some implementations, the alignment information can be a hash function.

[0161] The described sub-models, category information, and alignment information allow a device (e.g., a UE or a BS) to use sub-models of a smaller size (e.g., compared to the reference model Ψ) , thereby improving the efficiency of the training, transmission, encoding, or decoding process. In some implementations, the sub-models can account for variations in channel characteristics and thus may be more accurate than the reference model. In addition, as the encoder sub-model or the decoder sub-model can be mapped to the reference model using the alignment information, the described techniques can also ensure consistency in the data structure, allowing AI models to use the same format for encoding and decoding. This standardization can help AI models from different vendors to interoperate effectively without major modifications to their underlying architectures. The codebook dictionary (e.g., the reference model, the encoder sub-model, or the decoder sub-model) can undergo dynamic updates (e.g., as described below with reference to step 8 and FIGS. 13A-13D) based on real-time feedback from the system or change to channel characteristics, ensuring that the AI models remain efficient and robust over time. This may also minimize potential mismatches between AI models and the dynamic nature of channel data.

[0162] FIGS. 11A-11B show an example of training two sub-models and corresponding alignment information. In this example, channel data can be categorized into two sub-sets: the first category and the second category. Each channel data category is associated with side information for that category. The side information can be geography information (e.g., location) , or functions related to the similarity between the channel data in that category such as the probabilistic distributions of the channel data. For example, an area where the UEs and BSs are located can be divided into two sub-areas. The side information of the first category can be geographical information of the first sub-area, and the side information of the second category can be geographical information of the second sub-area. Devices (UEs or BSs) within the first sub-area can choose the first category, and devices within the second sub-area can choose the second category.

[0163] Then the devices in each category can train their own reference encoder model and encoder model alignment using the alignment information from the category’s associated side information. The devices in each category can also train their own decoder model and decoder model alignment. The encoder / decoder model alignments can help the devices using different sub-models communicate with each other and form a unified reference model.

[0164] FIG. 11A illustrates a training process 1100a for the first category, and FIG. 11B illustrates a training process 1100b for the second category. Channel data 1101A is the channel data in the first category, which is associated with the side information of the first category. Channel data 1101B is the channel data in the second category, which is associated with the side information of the second category. The training processes 1100a and 1100b can be performed by a device (e.g., a UE, a BS, or a DB) that has access to the channel data 1101A and 1101B, as well as a reference model Ψ. In some implementations, the reference model Ψ can be a decoder model, which converts a representation of channel information to the channel information. A reference encoder model 1102 can be determined based on the reference model Ψ, and can compress the channel information into the representation of the channel information.

[0165] In the training process 1100a of FIG. 11A, the reference encoder model 1102 can compress the channel data 1101A into a representation 1109A (also referred to as a reference representation) . An encoder sub-model 1106A for the first category can compress the channel data 1101A into a representation 1110A. In some implementations, the encoder sub-model 1106A can be smaller than the reference encoder model 1102, and the representation 1110A can have a smaller size than the reference representation 1109A. Encoder alignment information 1111A is associated with the encoder sub-model 1106A. An encoder model alignment 1107A, which is determined based on the encoder alignment information 1111A, can map the representation 1110A to an output 1112A, so that the output 1112A and the reference representation 1109A have the same format. An encoder error 1108A can be a similarity metric between the reference representation 1109A and the output 1112A of the encode model alignment 1107A. The encoder sub-model 1106A and the corresponding encoder alignment information 1111A can be trained using the encoder error 1108A as feedback. For example, the encoder sub-model 1106A and the encoder alignment information 1111A can be updated iteratively to decrease the encoder error 1108A. A decoder sub-model 1104A for the first category can be smaller than the reference model Ψ, and an input 1113A of the decoder sub-model 1104A can have a smaller size than the reference representation 1109A. Decoder alignment information 1114A is associated with the decoder sub-model 1104A. A decoder model alignment 1103A, which is determined based on the decoder alignment information 1114A, can map the reference representation 1109A to the input 1113A, so that the reference representation 1109A can be further decompressed by the decoder sub-model 1104A. A decoder error 1105A can be a similarity metric between the channel data 1101A and an output of the decoder sub-model 1104A. The decoder sub-model 1104A and the corresponding decoder alignment information 1114A can be trained using the decoder error 1105A as feedback. For example, the decoder sub-model 1104A and the decoder alignment information 1114A can be updated iteratively to decrease the decoder error 1105A.

[0166] Similarly, in the training process 1100b of FIG. 11B, the reference encoder model 1102 can compress the channel data 1101B into a representation 1109B (also referred to as a reference representation) . An encoder sub-model 1106B for the second category can compress the channel data 1101B into a representation 1110B. In some implementations, the encoder sub-model 1106B can be smaller than the reference encoder model 1102, and the representation 1110B can have a smaller size than the reference representation 1109B. Encoder alignment information 1111B is associated with the encoder sub-model 1106B. An encoder model alignment 1107B, which is determined based on the encoder alignment information 1111B, can map the representation 1110B to an output 1112B, so that the output 1112B and the reference representation 1109B have the same format. An encoder error 1108B can be a similarity metric between the reference representation 1109B and the output 1112B of the encode model alignment 1107B. The encoder sub-model 1106B and the corresponding encoder alignment information 1111B can be trained using the encoder error 1108B as feedback. For example, the encoder sub-model 1106B and the encoder alignment information 1111B can be updated iteratively to decrease the encoder error 1108B. A decoder sub-model 1104B for the second category can be smaller than the reference model Ψ, and an input 1113B of the decoder sub-model 1104B can have a smaller size than the reference representation 1109B. Decoder alignment information 1114B is associated with the decoder sub-model 1104B. A decoder model alignment 1103B, which is determined based on the decoder alignment information 1114B, can map the reference representation 1109B to the input 1113B, so that the reference representation 1109B can be further decompressed by the decoder sub-model 1104B. A decoder error 1105B can be a similarity metric between the channel data 1101B and an output of the decoder sub-model 1104B. The decoder sub-model 1104B and the corresponding decoder alignment information 1114B can be trained using the decoder error 1105B as feedback. For example, the decoder sub-model 1104B and the decoder alignment information 1114B can be updated iteratively to decrease the decoder error 1105B.

[0167] Step 6 includes sub-model selection.

[0168] When multiple devices perform communication, they can select the most appropriate sub-model. For example, when a UE and a BS initiate communication, they select the most appropriate sub-model based on the current evaluation of relevant side-information, such as the UE’s current estimated location.

[0169] Step 7 includes communicating model alignment information.

[0170] During communication between devices (for example, a UE and a BS) , they may share model alignment information relative to the selected sub-model. The model alignment information may be the alignment information function itself, or sufficient information that allows the counterpart to generate the model alignment function. For example, if the reference model is a codebook, and a sub-model utilizes a subset of the codewords in the codebook, the model alignment information may be the indices of the utilized codewords in the codebook.

[0171] In some implementations, the UE trains “Encoder Sub-models” , while the BS trains “Decoder Sub-models. ” In this scenario, the UE may share the model alignment information of its selected Encoder Model, or the BS may share an Encoder Model with the UE.

[0172] FIGS. 12A-12B illustrate example procedures 1200a and 1200b for transmissions of encoder models and representations of channel information. The procedures 1200a and 1200b can be performed by a UE 1201 (e.g., the ED 110 of FIGS. 1-2) and a base station 1202 (e.g., the network node 170 of FIGS. 1-2) . While the procedures in FIGS. 12A-12B are described with reference to a UE and a base station, this description is provided for illustrative purposes only and is not intended to be limiting. In practice, the procedures can be applied to other instances of network nodes and terminal devices or equivalents thereof. For example, the procedures can be applied to two UEs or two base stations, etc. It is understood that steps or operations shown in the procedures are not exhaustive and that other operations can be performed as well before, after, or between any of the illustrated operations. Further, some of the steps or operations may be omitted, performed simultaneously, or performed in a different order than those shown in FIGS. 12A-12B.

[0173] As shown in the procedure 1200a of FIG. 12A, at 1203, the BS transmits an encoder sub-model to the UE. Accordingly, the UE receives the encoder sub-model from the BS. The encoder sub-model can be selected by the BS for the UE. For example, the BS can select an encoder sub-model that is associated with a decoder sub-model of the BS. The UE can determine a representation of channel information between the UE and the BS by applying the encoder sub-model to the channel information. At 1204, the UE transmits the representation of the channel information to the BS. Accordingly, the BS receives the representation of the channel information from the UE. Then the BS can decode the channel information properly. For example, the BS can determine the channel information by applying the decoder sub-model to the representation. The channel information shown in FIG. 12A and FIG. 12B may be referred to as first channel information in this disclosure.

[0174] As shown in the procedure 1200b of FIG. 12B, at 1205, the UE transmits information indicating an encoder sub-model to the BS. Accordingly, the BS receives the information indicating the encoder sub-model from the UE. In some implementations, the encoder sub-model can be selected or determined by the UE or the BS. In some implementations, the UE can determine the encoder sub-model based on category information associated with the UE. The information indicating the encoder sub-model can be, for example, alignment information for the selected encoder sub-model. In other words, at 1205, the UE shares the alignment information for the selected encoder sub-model with the BS. In some implementations, the UE can determine the encoder sub-model and the alignment information for the encoder sub-model based on a reference model and the category information associated with the UE. The UE can receive the reference model from a network node (e.g., a DB) . The BS can determine a decoder sub-model based on the reference model and the information indicating the encoder sub-model (e.g., received from the UE at 1205) . The UE can determine a representation of channel information between the UE and the BS by applying the encoder sub-model to the channel information. At 1206, the UE transmits the representation of the channel information to the BS. Accordingly, the BS receives the representation of the channel information from the UE. Then the BS can decode the channel information properly. For example, the BS can determine the channel information by applying the decoder sub-model to the representation.

[0175] At Step 8, the DB can update the reference model.

[0176] The DB may continue to receive data from devices (e.g., UEs and BSs) , and, over time, the DB may update the reference model. When the DB updates the reference model, the DB can broadcast the reference model to the relevant devices (for example, UEs and BSs) . Accordingly, the UEs and BSs can receive the updated reference model from the DB.

[0177] At Step 9, the UE and the BS can update sub-models.

[0178] The devices (for example, the UE and the BS) may continue to enhance their sub-models, may re-train the sub-models upon receiving an updated reference model, or may need to update their sub-models’a lignment functions to align with the updated reference model. Whenever the alignment function respective to the currently selected sub-model changes, the devices may initiate a sub-model update coordination, informing the updated alignment information.

[0179] FIGS. 13A-13D show example reference model / sub-model update procedures 1300a-1300d. These procedures can be implemented to perform the step 8 and / or the step 9 described above. The procedures 1300a-1300d can be performed by a UE 1301 (e.g., the ED 110 of FIGS. 1-2) and a base station 1302 (e.g., the network node 170 of FIGS. 1-2) . While the procedures in FIGS. 13A-13D are described with reference to a UE and a base station, this description is provided for illustrative purposes only and is not intended to be limiting. In practice, the procedures can be applied to other instances of network nodes and terminal devices or equivalents thereof. It is understood that steps or operations shown in the procedures are not exhaustive and that other operations can be performed as well before, after, or between any of the illustrated operations. Further, some of the steps or operations may be omitted, performed simultaneously, or performed in a different order than those shown in FIGS. 13A-13D.

[0180] As shown in FIG. 13A, at 1303, the BS can transmit a model update request to the UE. In other words, the BS may initiate a reference model / sub-model update request. For example, the BS can transmit the model update request after the DB transmits the updated reference model to the UE and / or the BS (e.g., as shown in step 8 above) . Alternatively, the BS can transmit the model update request routinely regardless of the reference model update process at the DB. Accordingly, the UE receives the model update request from the BS.

[0181] At 1304, the UE can transmit updated information indicating an updated encoder sub-model to the BS. Accordingly, the BS receives the updated information from the UE. The updated information indicating the updated encoder sub-model can be the updated alignment information. In other words, the UE may transmit its updated alignment information to the BS. In some implementations, the UE can determine the updated encoder sub-model and the information indicating the updated encoder sub-model based on the updated reference model (e.g., received from the DB at step 8) and category information associated with the UE.

[0182] As shown in FIG. 13B, at 1305, the BS can transmit a model update request to the UE. In other words, the BS may initiate a reference model / sub-model update request. For example, the BS can transmit the model update request after the DB transmits the updated reference model to the UE and / or the BS (e.g., as shown in step 8 above) . Alternatively, the BS can transmit the model update request routinely regardless of the reference model update process at the DB. Accordingly, the UE receives the model update request from the BS.

[0183] At 1306, the BS can transmit an updated encoder sub-model to the UE. Accordingly, the UE receives the updated encoder sub-model from the BS. In some implementations, the BS can also transmit an updated reference model to the UE at 1306. For example, the BS can forward the updated reference model (e.g., received from the DB at step 8) to the UE. In another example, the BS and the DB can be the same device, and the BS can transmit the updated reference model to the UE as described in step 8. In some implementations, the BS can determine the updated encoder sub-model, an updated decoder sub-model, and updated information indicating the updated decoder sub-model based on the updated reference model and category information associated with the UE.

[0184] As shown in FIG. 13C, at 1307, the UE can transmit a model update request to the BS. In other words, the UE may initiate a reference model / sub-model update request. For example, the UE can transmit the model update request after the DB transmits the updated reference model to the UE and / or the BS (e.g., as shown in step 8 above) . Alternatively, the UE can transmit the model update request routinely regardless of the reference model update process at the DB. Accordingly, the BS receives the model update request from the UE.

[0185] At 1308, the UE can transmit updated information indicating an updated encoder sub-model to the BS. Accordingly, the BS receives the updated information from the UE. The updated information indicating the updated encoder sub-model can be the updated alignment information. In other words, the UE may transmit its updated alignment information to the BS. In some implementations, the UE can determine the updated encoder sub-model and the information indicating the updated encoder sub-model based on the updated reference model (e.g., received from the DB at step 8) and category information associated with the UE.

[0186] As shown in FIG. 13D, at 1309, the UE can transmit a model update request to the BS. In other words, the UE may initiate a reference model / sub-model update request. Accordingly, the BS receives the model update request from the UE. The UE can transmit the model update request after the DB transmits the updated reference model to the UE and / or the BS (e.g., as shown in step 8 above) . Alternatively, the UE can transmit the model update request routinely regardless of the reference model update process at the DB.

[0187] At 1310, the BS can transmit an updated encoder sub-model to the UE. Accordingly, the UE receives the updated encoder sub-model from the BS. In some implementations, the BS can also transmit an updated reference model to the UE at 1310. For example, the BS can forward the updated reference model (e.g., received from the DB at step 8) to the UE. In another example, the BS and the DB can be the same device, and the BS can transmit the updated reference model to the UE as described in step 8. In some implementations, the BS can determine the updated encoder sub-model, an updated decoder sub-model, and updated information indicating the updated decoder sub-model based on the updated reference model and category information associated with the UE.

[0188] It is understood that the procedures 1300a-1300d are for illustration purpose and are not intended to be limiting. In practice, the UE can update its encoder sub-model and transmit the information indicating the updated encoder sub-model (e.g., as described with reference to 1304 and 1308) without receiving the model update request from the BS. In some implementations, the UE can update its encoder sub-model without receiving the updated reference model (e.g., from the DB) . For example, the UE can update the encoder sub-model upon determining that its location has changed. In another example, the UE can update the encoder sub-model periodically on a routine basis (e.g., at predetermined time intervals) .

[0189] The above-described dictionary generation method is for illustration purpose and is not intended to be limiting. In practice, any suitable dictionary generation method can be applied. For example, an alternative dictionary generation method can include one or more of the following steps. The alternative dictionary generation method can be referred to as federated learning. In this method, devices (e.g., UEs and / or BSs from different vendors) can jointly train a reference model without sharing their own channel data.

[0190] Step 1: The devices (for example, UEs or BSs) perform data collection and sub-model training.

[0191] A device and / or a device vendor (network vendor or UE vendor) collects channel data samples and constructs a dataset of channel data. Once sufficient samples are obtained, each device and / or device vendor trains sub-models, based on side-information categories. A geographical area may be divided into multiple sub-areas, and an individual sub-model may be trained for each sub-area. In some implementations, one side-information category may be functions. For example, the UE trains “Encoder Sub-models, ” while the BS trains “Decoder Sub-models. ”

[0192] Multiple sub-models may be merged to a unified model called a general model. For example, the device and / or the device vendor generates the general model, which aligns to their sub-models, by merging the sub-models in an appropriate manner. The multiple sub-models to be merged may meet a criterion. For example, the multiple sub-models belong to the same vendor, or the same location area (such as a cell) .

[0193] Step 2: Sharing the general models.

[0194] The devices / vendors share their general models with the DB. This can be performed over wireless communications, wired communication, or any other form of data transmission. The DB receives and stores the general models from multiple devices / vendors. The devices / vendors may also share their datasets with the DB.

[0195] Step 3: Generating a reference model.

[0196] The DB utilizes the general models, and optionally the data samples, and generates a reference model. In some implementations, the data samples are simply a small part of the model. For example, in the codebook dictionary model, a data sample is an index to one entry in the codebook. This reference model effectively merges the general models. The DB also generates an alignment function between each general model received from devices / vendors and the reference model.

[0197] Step 4: Sharing alignment information.

[0198] The DB shares alignment information associated with each alignment function with each device / vendor (for example, UE and BS vendor) . The devices / vendors (UE and BS vendors) receive and store the alignment information.

[0199] Step 5: Model Selection.

[0200] After merging the sub-models into the general model and having the alignment information to map between the sub-models and the general model, when multiple devices perform communication, they select the most appropriate sub-model. For example, when a UE and a BS initiate communication, they select the most appropriate sub-model based on the current evaluation of relevant side-information, such as the UE current estimated location.

[0201] Step 6: Communicating model alignment information.

[0202] During communication between devices (for example, a UE and a BS) , they may share model alignment information relative to the selected sub-model. The model alignment information may be the alignment information function itself, or sufficient information that allows the counterpart to generate the model alignment function. For example, if the reference model is a codebook, and a sub-model utilizes a subset of the codewords in the codebook, the model alignment information may be the indices of the utilized codewords in the codebook.

[0203] Step 7: Reference model update.

[0204] The DB may continue to receive data and sub-models from devices, and, over time, it may update the reference model. When the DB updates the reference model, it transmits the new alignment information to the relevant devices.

[0205] Step 8: Sub-Model Update.

[0206] The devices (for example, UE and BS) may continue to enhance their sub-models, or may need to update their sub-models’a lignment functions to align with the updated reference model. Whenever the alignment function respective to the currently selected sub-model changes, the devices (for example, UE or BS) may initiate a sub-model update coordination, informing the updated alignment information.

[0207] Independently or based on any one of the above implementations, in the following context, an implementation of the interoperability assurance of AI / ML models based on a codebook dictionary is described.

[0208] Step 1. Reference model generation.

[0209] An example of the reference model is a codebook dictionary, which guarantees model interoperability in wireless communication systems by leveraging a codebook dictionary. Also, the use of a unified codebook dictionary ensures that AI / ML models from different devices / vendors can work together, achieving seamless mapping between high-dimensional channel data and low-dimensional codeword representations. This ensures consistency and interoperability during both encoding and decoding processes.

[0210] In detail, the reference model generation may further include training of the codebook dictionary.

[0211] The DB utilizes the data samples received from multiple devices (such as UEs and BSs) to generate a codebook dictionary, where each codeword represents a channel characteristic or data pattern. The codebook may be generated utilizing sparse representation methods, singular-value decomposition, or other methods for generating a spanning set.

[0212] Step 2. Aligned implementation and mapping of different AI models.

[0213] Even though all AI models rely on the same codebook dictionary for compression and decompression, they may still process channel data differently. For example: Some models may use convolutional neural networks (CNNs) to extract local spatial features, while others may employ self-attention mechanisms (Transformers) to capture global features. Although these AI models use different approaches for compression and decompression, the unified sparse representation provided by the codebook dictionary ensures that data remains consistent between the base station and user equipment.

[0214] The mapping between the AI model and the codebook dictionary is synchronized between the base station and the user equipment through signaling exchange, as described in the broader solution. In this solution, the UE informs a linear mapping to the BS, which maps the output of its encoder model to the codewords in the codebook dictionary.

[0215] Independently or based on any one of the above implementations, in the following context, an implementation of a clustering (e.g., AI model adaptive deployment based on user location and area awareness) scheme is described.

[0216] In this implementation, the side-information utilized by the model is the user location, and the categories assigned to the side-information include different geographical areas. To do this, when training the plurality of sub-models, the network vendor that collects data (for example, UE or BS vendor) clusters the users based on location and trains a model for each cluster. This network vendor is called a training agent. The clusters may overlap, such that a UE transitioning from one cluster to another still allows seamless communication. In detail, the method includes at least one of the following steps.

[0217] Step 1. Channel Data Collection: When a communication link is established between the user equipment (UE) and the base station (BS) , the base station collects initial channel status information (CSI) , including parameters such as signal strength, interference level, and bandwidth. This channel data forms the foundation for model selection. In some implementations, the UE may periodically report its location (e.g., global positioning system (GPS) coordinates) , movement speed, and direction. Alternatively, the base station can estimate the UE’s location and motion status based on the channel information.

[0218] Step 2. Location area identification and model selection: The base station compares the approximate location information of the UE with the trained clusters in the BS library of models. Similarly, the UE compares its own location to the trained clusters in the UE library of models, if the UE has access to one. The BS and UE select the appropriate model in their own model libraries based on the cluster associated with the current UE estimated location.

[0219] Step 3. Model Deployment: The devices coordinate to align their selected models, for example, the UE may inform the alignment information associated with the selected model to the BS. This is as described in the context above.

[0220] Step 4. Dynamic Model Adjustment: During communication, the base station continuously monitors the UE’s channel state through physical layer feedback. If there is a significant decrease in channel quality (e.g., increased interference or signal attenuation) or if the UE’s location changes substantially, the system reassesses the current AI model’s applicability. Both devices may also monitor the UE location estimate, update it, and update the model if the location switches from one cluster to another. The update is described in the context above (for example, Step 8) .

[0221] Independently or based on any one of the above implementations, in the following context, an implementation of mapping between sub-codebook dictionaries and sparse space is described.

[0222] The codebook dictionary can be subdivided into multiple sub-codebook dictionaries, each optimized for different channel environments or user devices. Each sub-codebook dictionary corresponds to specific channel characteristics or data scenarios, allowing different AI / ML models to be optimized for specific sub-codebooks.

[0223] However, to maintain interoperability between different models, the compression results from each sub-codebook must be aligned with the global sparse space through a uniform mapping mechanism. In other words, the compressed outputs of each sub-codebook dictionary must map back to a unified codebook dictionary, ensuring that both the base station and user equipment can correctly decode and transmit data using a common sparse representation.

[0224] In this implementation, the Sub-Codebooks are selected based on the geographical location clusters, as described in the previous solution.

[0225] Step 5. Merging of Sub-Codebooks:

[0226] The DB receives multiple sub-codebook dictionaries, which are obtained from Step 3, and merges them into a single, unified codebook dictionary, called a final codebook, while storing the mapping between each sub-codebook dictionary and the final codebook dictionary, which is a linear mapping. The DB shares the linear mapping with multiple devices / vendors.

[0227] Step 6. AI Model as a codebook reconstruction model:

[0228] In this implementation, the models are trained to regenerate the Sub-Codebook dictionary from fewer data points, effectively reducing the storage and compute requirements to perform the encoding and decoding. The alignment information informs which codewords are contained in the Sub-Codebook dictionary, which may be represented by a few indices.

[0229] Specifically, the Encoder model first reconstructs the appropriately selected Sub-Codebook dictionary utilizing an AI model, which takes as input stored data, such as the first few elements of each codeword in the codebook dictionary. The Encoder model then applies least absolute shrinkage and selection operator (LASSO) utilizing the reconstructed Sub-Codebook dictionary as the dictionary to LASSO, and transmits this output. The Decoder model similarly reconstructs the selected Sub-Codebook dictionary utilizing its own AI model, maps the received data to this Sub-Codebook dictionary, utilizing both the Encoder alignment information and the Decoder alignment information, and reconstructs the channel data utilizing the linear map defined by the decoder sub-codebook dictionary.

[0230] In the present disclosure, the terms “a” or “an” are defined to mean “at least one” , that is, these terms do not exclude a plural number of items, unless stated otherwise.

[0231] In the present disclosure, terms such as “substantially” , “generally” and “about” , which modify a value, condition or characteristic of a feature of an example embodiment, should be understood to mean that the value, condition or characteristic is defined within tolerances that are acceptable for the proper operation of the example embodiment for its intended application.

[0232] In the present disclosure, unless stated otherwise, the terms “connected” and “coupled” , and derivatives and variants thereof, refer herein to any structural or functional connection or coupling, either direct or indirect, between two or more elements. For example, the connection or coupling between the elements can be acoustical, mechanical, optical, electrical, thermal, logical, or any combinations thereof.

[0233] In the present disclosure, expressions such as “match” , “matching” and “matched” , including variants and derivatives thereof, are intended to refer herein to a condition in which two or more elements are either the same or within some predetermined tolerance of each other. That is, these terms are meant to encompass not only “exactly” or “identically” matching the two elements but also “substantially” , “approximately” or “subjectively” matching the two or more elements, as well as providing a higher or best match among a plurality of matching possibilities.

[0234] In the present disclosure, the expression “based on” is intended to mean “based at least partly on” , that is, this expression can mean “based solely on” or “based partially on” , and so should not be interpreted in a limited manner. More particularly, the expression “based on” could also be understood as meaning “depending on” , “representative of” , “indicative of” , “associated with” or similar expressions.

[0235] In the present disclosure, the terms "system" and "network" may be used interchangeably in different embodiments of this application. "At least one" means one or more, and "a plurality of" means two or more. The term "and / or" describes an association relationship of associated objects, and indicates that three relationships may exist. For example, A and / or B may indicate the following three cases: Only A exists, both A and B exist, and only B exists, where A and B may be singular or plural. The character " / " indicates an "or" relationship between associated objects. "At least one of the following items (pieces) " or a similar expression thereof indicates any combination of these items, including a single item (piece) or any combination of a plurality of items (pieces) . For example, "at least one of A, B, or C" includes: only A; only B; only C; A and B; A and C; B and C; or A, B, and C, and "at least one of A, B, and C" may also be understood as including: only A; only B; only C; A and B; A and C; B and C; or A, B, and C. In addition, unless otherwise specified, ordinal numbers such as "first" and "second" in embodiments of this application are used to distinguish between a plurality of objects, and are not used to limit a sequence, a time sequence, priorities, or importance of the plurality of objects.

[0236] A person skilled in the art should understand that embodiments of this application may be provided as a method, an apparatus (or system) , computer-readable storage medium, or a computer program product. Therefore, this application may use a form of a hardware-only embodiment, a software-only embodiment, or an embodiment with a combination of software and hardware. Moreover, this application may use a form of a computer program product that is implemented on one or more computer-usable storage media (including but not limited to a disk memory, an optical memory, and the like) that include computer-usable program code.

[0237] This application is described with reference to the flowcharts and / or block diagrams of the method, the device (system) , and the computer program product according to this application. It should be understood that computer program instructions may be used to implement each process and / or each block in the flowcharts and / or the block diagrams and a combination of a process and / or a block in the flowcharts and / or the block diagrams. The computer program instructions may be provided for a general-purpose computer, a dedicated computer, an embedded processor, or a processor of another programmable data processing device and enable a machine to execute the instructions. When executed by any computer or the processor of a programmable data processing device, the instructions cause the apparatus to implement specific functions as described in one or more procedures in the flowcharts and / or one or more blocks in the block diagrams. The computer program instructions may alternatively be stored in a computer-readable memory that can indicate a computer or another programmable data processing device to work in a specific manner, so that the instructions stored in the computer-readable memory generate an artifact that includes an instruction apparatus. The instruction apparatus implements a specific function in one or more procedures in the flowcharts and / or one or more blocks in the block diagrams.

[0238] The computer program instructions may alternatively be loaded onto a computer or another programmable data processing device, so that a series of operations and steps are performed on the computer or the other programmable data processing device, so that computer-implemented processing is generated. Therefore, the instructions executed on the computer or on another programmable device provide steps for implementing specific functions as described in one or more procedures in the flowcharts and / or one or more blocks in the block diagrams.

[0239] It is clear that a person skilled in the art can make various modifications and variations to this application without departing from the scope of this disclosure. This disclosure is intended to cover these modifications and variations of this application provided that they fall within the scope of protection defined by the following claims and their equivalent technologies.

Claims

1.A method comprising:determining a representation of first channel information between a user equipment (UE) and a base station by applying an encoder sub-model to the first channel information; andtransmitting the representation of the first channel information.2.The method of claim 1, further comprising:receiving the encoder sub-model.3.The method of claim 1 or claim 2, further comprising:determining the encoder sub-model based on category information associated with the UE; andtransmitting information indicating the encoder sub-model.4.The method of any one of claims 1-3, further comprising:receiving configuration information from a network node;receiving a reference signal based on the configuration information from the base station;determining second channel information based on the configuration information and the reference signal; andtransmitting the second channel information to the network node.5.The method of claim 4, further comprising:receiving a reference model from the network node; anddetermining the encoder sub-model and information indicating the encoder sub-model based on the reference model and category information associated with the UE.6.The method of claim 4, further comprising:receiving an updated reference model from the network node; anddetermining an updated encoder sub-model and information indicating the updated encoder sub-model based on the updated reference model and category information associated with the UE.7.The method of claim 3, further comprises:transmitting updated information indicating an updated encoder sub-model to the base station.8.The method of claim 2, further comprises:receiving an updated encoder sub-model from the base station.9.The method of claim 1, wherein the representation of the first channel information is a sparse representation of the first channel information.10.A method comprising:receiving a representation of first channel information between a user equipment (UE) and a base station; anddetermining the first channel information by applying a decoder sub-model to the representation.11.The method of claim 10, further comprising:transmitting an encoder sub-model, wherein the encoder sub-model is associated with the decoder sub-model.12.The method of claim 10 or claim 11, further comprising:receiving information indicating the encoder sub-model; anddetermining the decoder sub-model based on a reference model and the information indicating the encoder sub-model.13.The method of any one of claims 10-12, further comprising:receiving configuration information from a network node;receiving a reference signal;determining second channel information based on the configuration information and the reference signal; andtransmitting the second channel information to the network node.14.The method of claim 13, further comprising:receiving a reference model from the network node; anddetermining an encoder sub-model, the decoder sub-model, and information indicating the decoder sub-model based on the reference model and category information associated with the UE.15.The method of claim 13, further comprising:receiving an updated reference model from the network node; anddetermining an updated encoder sub-model, an updated decoder sub-model, and updated information indicating the updated decoder sub-model based on the updated reference model and category information associated with the UE.16.The method of claim 15, further comprises:receiving updated information indicating an updated encoder sub-model from the UE.17.The method of claim 15, further comprises:transmitting an updated encoder sub-model to the UE.18.The method of claim 10, wherein the representation of the first channel information is a sparse representation of the first channel information.19.A method comprising:receiving a first general model from a first network node;receiving a second general model from a second network node; anddetermining a reference model based on the first general model and the second general model.20.The method of claim 19, further comprising:transmitting first alignment information to the first network node, wherein the first alignment information maps the reference model to a first sub-model, and the first sub-model is associated with the first general model; andtransmitting second alignment information to the second network node, wherein the second alignment information maps the reference model to a second sub-model, and the second sub-model is associated with the second general model.21.The method of claim 19 or claim 20, wherein the first network node and the second network node are associated with different vendors.22.A method comprising:receiving at least first channel information from a user equipment (UE) ;determining a decoder sub-model based on the at least first channel information;receiving an encoder sub-model from the UE; anddetermining a general model based on the encoder sub-model and the decoder sub-model.23.The method of claim 22, further comprising:transmitting the general model to a network node.24.The method of claim 23, further comprising:receiving alignment information that maps the decoder sub-model to a reference model, wherein the reference model is determined based on the general model.25.An apparatus, configured to perform the method of any one of claims 1-9 or any one of claims 10-18.26.An apparatus comprising:a processing unit configured to determine a representation of first channel information between a user equipment (UE) and a base station by applying an encoder sub-model to the first channel information; anda transmitting unit configured to transmit the representation of the first channel information.27.An apparatus comprising:a receiving unit configured to receive a representation of first channel information between a user equipment (UE) and a base station; anda processing unit configured to determine the first channel information by applying a decoder sub-model to the representation.28.An apparatus comprising:one or more processors; andan interface circuit configured to transmit a representation of first channel information between a user equipment (UE) and a base station.29.An apparatus comprising:one or more processors; andan interface circuit configured to receive a representation of first channel information between a user equipment (UE) and a base station.30.The apparatus of claim 28 or claim 29, wherein the interface circuit comprises one or more transceivers.31.An apparatus comprising:one or more processors; andone or more memories storing instructions which, when executed by the one or more processors, cause the apparatus to perform the method of any one of claims 1-9 or any one of claims 10-18.32.A communication system, wherein the communication system comprises a first apparatus configured to perform the method of any one of claims 1-9 and a second apparatus configured to perform the method of any one of claims 10-18.33.A non-transitory computer-readable storage medium having instructions stored thereon which, when executed by an apparatus, cause the apparatus to perform the method of any one of claims 1-9 or any one of claims 10-18.34.A computer program product storing instructions which, when executed, cause an apparatus to perform the method of any one of claims 1-9 or any one of claims 10-18.35.An apparatus, configured to perform the method of any one of claims 19-21 or any one of claims 22-24.36.An apparatus comprising:a receiving unit configured to:receive a first general model from a first network node; andreceive a second general model from a second network node; anda processing unit configured to determine a reference model based on the first general model and the second general model.37.An apparatus comprising:a receiving unit configured to:receive at least first channel information from a user equipment (UE) ; andreceive an encoder sub-model from the UE; anda processing unit configured to:determine a decoder sub-model based on the at least first channel information; anddetermine a general model based on the encoder sub-model and the decoder sub-model.38.An apparatus comprising:one or more processors; andan interface circuit configured to:receive a first general model from a first network node; andreceive a second general model from a second network node.39.An apparatus comprising:one or more processors; andan interface circuit configured to:receive at least first channel information from a user equipment (UE) ; andreceive an encoder sub-model from the UE.40.The apparatus of claim 38 or claim 39, wherein the interface circuit comprises one or more transceivers.41.An apparatus comprising:one or more processors; andone or more memories storing instructions which, when executed by the one or more processors, cause the apparatus to perform the method of any one of claims 19-21 or any one of claims 22-24.42.A communication system, wherein the communication system comprises a first apparatus configured to perform the method of any one of claims 19-21 and a second apparatus configured to perform the method of any one of claims 22-24.43.A non-transitory computer-readable storage medium having instructions stored thereon which, when executed by an apparatus, cause the apparatus to perform the method of any one of claims 19-21 or any one of claims 22-24.44.A computer program product storing instructions which, when executed, cause an apparatus to perform the method of any one of claims 19-21 or any one of claims 22-24.

Images