Beam prediction performance monitoring in wireless communication systems

Abstract

This disclosure provides systems, devices, apparatus, and methods, including computer programs encoded on storage media, for beam prediction performance monitoring in wireless communication systems. A UE (102) receives (304), from a network entity (104), a configuration for performance monitoring. The configuration indicates a first plurality of downlink reference signals for prediction (310), a second plurality of downlink reference signals for performance monitoring (312) of the prediction (310), a first parameter for the performance monitoring, and a second parameter for reporting the performance monitoring (312). The UE (102) also receives, from the network entity (104), the first plurality of downlink reference signals and the second plurality of downlink reference signals. The UE (102) transmits, to the network entity (104), a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.

Description

BEAM PREDICTION PERFORMANCE MONITORING IN WIRELESS COMMUNICATION SYSTEMSTECHNICAL FIELD

[0001] The present disclosure relates generally to wireless communication, and more particularly, to monitoring the performance of beam prediction.BACKGROUND

[0002] The Third Generation Partnership Project (3GPP) specifies a radio interface referred to as fifth generation (5G) new radio (NR) (5G NR) . An architecture for a 5G NR wireless communication system includes a 5G core (5GC) network, a 5G radio access network (5G-RAN) , a 5G user equipment (UE) , etc. The 5G NR architecture seeks to provide increased data rates, decreased latency, and / or increased capacity compared to prior generation cellular communication systems.

[0003] Wireless communication systems, in general, provide various telecommunication services (e.g., telephony, video, data, messaging, etc. ) based on multiple-access technologies, such as orthogonal frequency division multiple access (OFDMA) technologies, that support communication with multiple UEs. Improvements in mobile broadband continue the progression of such wireless communication technologies. For example, a UE may communicate with a network entity (NE) using multiple beams with different spatial distributions and / or at different time slots.

[0004] BRIEF SUMMARY

[0005] The following presents a simplified summary of one or more aspects in order to provide a basic understanding of such aspects. This summary is not an extensive overview of all contemplated aspects. This summary neither identifies key or critical elements of all aspects nor delineates the scope of any or all aspects. Its sole purpose is to present some concepts of one or more aspects in a simplified form as a prelude to the more detailed description that is presented later.

[0006] A network entity, such as a base station or a unit of a base station, may communicate with a UE using a plurality of beams. Signals on different beams may have different quality, as measured by, e.g., layer 1 reference signal received power (L1-RSRP) or layer 1 signal-to-interference plus noise ratio (L1-SINR) . The  difference in beam quality may be due to, e.g., different spatial distributions of the beams or different reception times of the beams. Using techniques such as machine learning, a UE may be able to perform beam quality predictions based on the quality of other beams. As an example, the UE measures first downlink reference signals (DL-RSs) corresponding to a first set of beams (e.g., Set B) and provides the measurement results to a machine learning model. The UE may then deploy the machine learning model on a second set of beams (e.g., Set A) to infer / predict the beams with the best quality among the second set of beams. Based on the inference results, the UE identifies the best beam (s) for communicating with the network entity.

[0007] While beam prediction may help the UE to efficiently identify the best beam (s) , the reliability of existing beam prediction technology is sometimes unguaranteed due to, e.g., measurement errors on Set B or inconsistency between the training dataset and the inference dataset used by the machine learning model. Accordingly, it is desirable to have a mechanism for monitoring and evaluating the machine learning model’s performance (e.g., accuracy or correctness) of beam prediction. Although it is possible to measure all Set A beams and compare the best quality beams as predicted and the best quality beams as actually measured, the measurement and comparison may consume excessive power, especially when the number of beams in Set A becomes very large.

[0008] Aspects of the present disclosure address the above-noted and other deficiencies by allowing the UE to monitor the beam prediction performance with less power consumption. As described below in detail, the UE may monitor the beam prediction performance as configured by a network entity to reduce the number of measurements or inferences, reduce the number of beams involved in the measurements or inferences, and / or reduce the number of transmissions of performance monitoring reports.

[0009] According to some aspects, the UE receives, from a network entity, a configuration for performance monitoring. The configuration indicates a first plurality of downlink reference signals for prediction, a second plurality of downlink reference signals for performance monitoring of the prediction, a first parameter for the performance monitoring, and a second parameter for reporting the performance monitoring. The UE also receives, from the network entity, the first plurality of downlink reference signals and the second plurality of downlink reference signals. The UE transmits, to the network entity, a report based on the second parameter, the  first plurality of downlink refence signals, and the second plurality of downlink reference signals.

[0010] According to some aspects, the network entity transmits, to a UE, a configuration for performance monitoring. The configuration indicates a first plurality of downlink reference signals for prediction, a second plurality of downlink reference signals for performance monitoring of the prediction, a first parameter for the performance monitoring, and a second parameter for reporting the performance monitoring. The network entity also transmits, to the UE, the first plurality of downlink reference signals and the second plurality of downlink reference signals. The network entity receives, from the UE, a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.BRIEF DESCRIPTION OF THE DRAWINGS

[0011] FIG. 1 illustrates a diagram of a wireless communications system that includes a plurality of user equipments (UEs) and network entities in communication over one or more cells, according to some implementations.

[0012] FIG. 2A illustrates spatial-domain beam prediction, according to some implementations.

[0013] FIG. 2B illustrates time-domain beam prediction, according to some implementations.

[0014] FIG. 3 is a signaling diagram illustrating example communications between a user equipment (UE) and a NE for beam prediction performance monitoring, according to some implementations.

[0015] FIGs. 4A and 4B each illustrate an example scenario for evaluating beam prediction performance, according to some implementations.

[0016] FIGs. 5A and 5B each illustrate an example scenario for evaluating beam prediction performance, according to some implementations.

[0017] FIG. 6 illustrates examples configurations for beam prediction performance monitoring, according to some implementations.

[0018] FIGs. 7A and 7B each illustrate an example signaling diagram between a UE and a NE for transmitting a beam prediction performance monitoring report, according to some implementations.

[0019] FIG. 8 is a flowchart of an example method of wireless communication at a UE, according to some implementations.

[0020] FIG. 9 is a flowchart of an example method of wireless communication at a NE, according to some implementations.

[0021] FIG. 10 is a diagram illustrating a hardware implementation for an example UE apparatus, according to some implementations.

[0022] FIG. 11 is a diagram illustrating a hardware implementation for one or more example NEs, according to some implementations.DETAILED DESCRIPTION

[0023] FIG. 1 illustrates a diagram 100 of a wireless communications system associated with a plurality of cells 190. The wireless communications system includes user UEs 102 and base stations / network entities 104. Some base stations may include an aggregated base station architecture and other base stations may include a disaggregated base station architecture. The aggregated base station architecture utilizes a radio protocol stack that is physically or logically integrated within a single radio access network (RAN) node. A disaggregated base station architecture utilizes a protocol stack that is physically or logically distributed among two or more units (e.g., radio unit (RU) 106, distributed unit (DU) 108, central unit (CU) 110) . For example, a CU 110 is implemented within a RAN node, and one or more DUs 108 may be co-located with the CU 110, or alternatively, may be geographically or virtually distributed throughout one or multiple other RAN nodes. The DUs 108 may be implemented to communicate with one or more RUs 106. Any of the RU 106, the DU 108 and the CU 110 can be implemented as virtual units, such as a virtual radio unit (VRU) , a virtual distributed unit (VDU) , or a virtual central unit (VCU) . The base station / network entity 104 (e.g., an aggregated base station or disaggregated units of the base station, such as the RU 106 or the DU 108) , may be referred to as a transmission reception point (TRP) .

[0024] Operations of the base station 104 and / or network designs may be based on aggregation characteristics of base station functionality. For example, disaggregated base station architectures are utilized in an integrated access backhaul (IAB) network, an open-radio access network (O-RAN) network, or a virtualized radio access network (vRAN) , which may also be referred to a cloud radio access network (C-RAN) . Disaggregation may include distributing functionality across the two or more  units at various physical locations, as well as distributing functionality for at least one unit virtually, which can enable flexibility in network designs. The various units of the disaggregated base station architecture, or the disaggregated RAN architecture, can be configured for wired or wireless communication with at least one other unit. For example, the base stations 104d, 104e and / or the RUs 106a, 106b, 106c, 106d may communicate with the UEs 102a, 102b, 102c, 102d, and / or 102s via one or more radio frequency (RF) access links based on a Uu interface. In examples, multiple RUs 106 and / or base stations 104 may simultaneously serve the UEs 102, such as by intra-cell and / or inter-cell access links between the UEs 102 and the RUs 106 / base stations 104.

[0025] The RU 106, the DU 108, and the CU 110 may include (or may be coupled to) one or more interfaces configured to transmit or receive information / signals via a wired or wireless transmission medium. For example, a wired interface can be configured to transmit or receive the information / signals over a wired transmission medium, such as via the fronthaul link 160 between the RU 106d and the baseband unit (BBU) 112 of the base station 104d associated with the cell 190d. The BBU 112 includes a DU 108 and a CU 110, which may also have a wired interface (e.g., midhaul link) configured between the DU 108 and the CU 110 to transmit or receive the information / signals between the DU 108 and the CU 110. In further examples, a wireless interface, which may include a receiver, a transmitter, or a transceiver, such as an RF transceiver, configured to transmit and / or receive the information / signals via the wireless transmission medium, such as for information communicated between the RU 106a of the cell 190a and the base station 104e of the cell 190e via cross-cell communication beams 136-138 of the RU 106a and the base station 104e.

[0026] The RUs 106 may be configured to implement lower layer functionality. For example, the RU 106 is controlled by the DU 108 and may correspond to a logical node that hosts RF processing functions, or lower layer PHY functionality, such as execution of fast Fourier transform (FFT) , inverse FFT (iFFT) , digital beamforming, physical random access channel (PRACH) extraction and filtering, etc. The functionality of the RU 106 may be based on the functional split, such as a functional split of lower layers.

[0027] The RUs 106 may transmit or receive over-the-air (OTA) communication with one or more UEs 102. For example, the RU 106b of the cell 190b communicates with the UE 102b of the cell 190b via a first set of communication beams 132 of the RU  106b and a second set of communication beams 134b of the UE 102b, which may correspond to inter-cell communication beams or, in some examples, cross-cell communication beams. For instance, the UE 102b of the cell 190b may communicate with the RU 106a of the cell 190a via a third set of communication beams 134a of the UE 102b and a fourth set of communication beams 136 of the RU 106a. DUs 108 can control both real-time and non-real-time features of control plane and user plane communications of the RUs 106.

[0028] Any combination of the RU 106, the DU 108, and the CU 110, or reference thereto individually, may correspond to a base station 104. Thus, the base station 104 may include at least one of the RU 106, the DU 108, or the CU 110. The base stations 104 provide the UEs 102 with access to a core network. The base stations 104 may relay communications between the UEs 102 and the core network (not shown) . The base stations 104 may be associated with macrocells for higher-power cellular base stations and / or small cells for lower-power cellular base stations. For example, the cell 190e may correspond to a macrocell, whereas the cells 190a-190d may correspond to small cells. Small cells include femtocells, picocells, microcells, etc. A network that includes at least one macrocell and at least one small cell may be referred to as a “heterogeneous network. ”

[0029] Transmissions from a UE 102 to a base station 104 / RU 106 are referred to as uplink (UL) transmissions, whereas transmissions from the base station 104 / RU 106 to the UE 102 are referred to as downlink (DL) transmissions. Uplink transmissions may also be referred to as reverse link transmissions and downlink transmissions may also be referred to as forward link transmissions. For example, the RU 106d utilizes antennas of the base station 104d of cell 190d to transmit a downlink / forward link communication to the UE 102d or receive an uplink / reverse link communication from the UE 102d based on the Uu interface associated with the access link between the UE 102d and the base station 104d / RU 106d.

[0030] Communication links between the UEs 102 and the base stations 104 / RUs 106 may be based on multiple-input and multiple-output (MIMO) antenna technology, including spatial multiplexing, beamforming, and / or transmit diversity. The communication links may be associated with one or more carriers. The UEs 102 and the base stations 104 / RUs 106 may utilize a spectrum bandwidth of Y MHz (e.g., 5, 10, 15, 20, 100, 400, 800, 1600, 2000, etc. MHz) per carrier allocated in a carrier aggregation of up to a total of Yx MHz, where x component carriers (CCs) are used  for communication in each of the uplink and downlink directions. The carriers may or may not be adjacent to each other along a frequency spectrum. In examples, uplink and downlink carriers may be allocated in an asymmetric manner, with more or fewer carriers allocated to either the uplink or the downlink. A primary component carrier and one or more secondary component carriers may be included in the component carriers. The primary component carrier may be associated with a primary cell (PCell) and a secondary component carrier may be associated with a secondary cell (SCell) .

[0031] Some UEs 102, such as the UEs 102a and 102s, may perform device-to-device (D2D) communications over sidelink. For example, a sidelink communication / D2D link utilizes a spectrum for a wireless wide area network (WWAN) associated with uplink and downlink communications. Such sidelink / D2D communication may be performed through various wireless communications systems, such as wireless fidelity (Wi-Fi) systems, Bluetooth systems, Long Term Evolution (LTE) systems, New Radio (NR) systems, etc.

[0032] The UEs 102 and the base stations 104 / RUs 106 may each include a plurality of antennas. The plurality of antennas may correspond to antenna elements, antenna panels, and / or antenna arrays that may facilitate beamforming operations. For example, the RU 106b transmits a downlink beamformed signal based on a first set of communication beams 132 to the UE 102b in one or more transmit directions of the RU 106b. The UE 102b may receive the downlink beamformed signal based on a second set of communication beams 134b from the RU 106b in one or more receive directions of the UE 102b. In a further example, the UE 102b may also transmit an uplink beamformed signal (e.g., sounding reference signal (SRS) ) to the RU 106b based on the second set of communication beams 134b in one or more transmit directions of the UE 102b. The RU 106b may receive the uplink beamformed signal from the UE 102b in one or more receive directions of the RU 106b. The UE 102b may perform beam training to determine the best receive and transmit directions for the beamformed signals. The transmit and receive directions for the UEs 102 and the base stations 104 / RUs 106 may or may not be the same.

[0033] In further examples, beamformed signals may be communicated between a first base station / RU 106a and a second base station 104e. For instance, the base station 104e of the cell 190e may transmit a beamformed signal to the RU 106a based on the communication beams 138 in one or more transmit directions of the base station 104e. The RU 106a may receive the beamformed signal from the base station 104e of the  cell 190e based on the RU communication beams 136 in one or more receive directions of the RU 106a. In further examples, the base station 104e transmits a downlink beamformed signal to the UE 102e based on the communication beams 138 in one or more transmit directions of the base station 104e. The UE 102e receives the downlink beamformed signal from the base station 104e based on UE communication beams 130 in one or more receive directions of the UE 102e. The UE 102e may also transmit an uplink beamformed signal to the base station 104e based on the UE communication beams 130 in one or more transmit directions of the UE 102e, such that the base station 104e may receive the uplink beamformed signal from the UE 102e in one or more receive directions of the base station 104e.

[0034] The base station 104 may include and / or be referred to as a network entity. That is, “network entity” may refer to the base station 104 or at least one unit of the base station 104, such as the RU 106, the DU 108, and / or the CU 110. The base station 104 may also include and / or be referred to as a next generation evolved Node B (ng-eNB) , a next generation NB (gNB) , an evolved NB (eNB) , an access point, a base transceiver station, a radio base station, a radio transceiver, a transceiver function, a basic service set (BSS) , an extended service set (ESS) , a TRP, a network node, network equipment, or other related terminology. The base station 104 or an entity at the base station 104 can be implemented as an IAB node, a relay node, a sidelink node, an aggregated (monolithic) base station, or a disaggregated base station including one or more RUs 106, DUs 108, and / or CUs 110. A set of aggregated or disaggregated base stations may be referred to as a next generation-radio access network (NG-RAN) . In some examples, the UE 102a operates in dual connectivity (DC) with the base station 104e and the base station / RU 106a. In such cases, the base station 104e can be a master node and the base station / RU 160a can be a secondary node.

[0035] Still referring to FIG. 1, any of the UEs 102 may include a beam prediction performance monitoring unit 140 configured to receive, from a network entity, a configuration for performance monitoring, which indicates a first plurality of downlink reference signals for prediction, a second plurality of downlink reference signals for performance monitoring of the prediction, a first parameter for the performance monitoring, and a second parameter for reporting the performance monitoring. The beam prediction performance monitoring unit 140 is configured to receive, from the network entity, the first plurality of downlink reference signals and the second plurality of downlink reference signals.  The beam prediction performance monitoring unit 140 is configured to transmit, to the network entity, a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.

[0036] The base stations 104 or a NE of the base stations 104 may include a beam prediction performance control unit 150 configured to transmit, to a UE, a configuration for performance monitoring, which indicates a first plurality of downlink reference signals for prediction, a second plurality of downlink reference signals for performance monitoring of the prediction, a first parameter for the performance monitoring, and a second parameter for reporting the performance monitoring. The beam prediction performance control unit 150 is configured to transmit, to the UE, the first plurality of downlink reference signals and the second plurality of downlink reference signals. The beam prediction performance control unit 150 is configured to receive, from the UE, a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.

[0037] Accordingly, FIG. 1 describes a wireless communication system that may be implemented in connection with aspects of one or more other figures described herein. Further, although the following description may be focused on 5G NR, the concepts described herein may be applicable to other similar areas, such as 5G-Advanced and future versions, LTE, LTE-advanced (LTE-A) , and other wireless technologies, such as 6G.

[0038] FIG. 2A illustrates spatial-domain beam prediction 200A, according to some implementations. Prediction 200A may be conducted by a machine learning model 260, which may include, e.g., a neural network trained to make predictions based on input data. The machine learning model 260 may include software and / or hardware that fully or partially resides within the UE 102.

[0039] To make a beam prediction, the machine learning model 260 receives, as input, quality values of downlink reference signals (DL-RSs) associated with (e.g., corresponding to) a first set of beams (Set B) that the UE 102 has received. In the example of FIG. 2A, the UE 102 receives DL-RSs on 32 beams in Set B. The 32 beams have different spatial distributions, as denoted by a combination of azimuth angle of departure (AoD) and zenith angle of departure (ZoD) . The UE 102 measures the DL-RSs transmitted on 4 beams 201 among the 32 Set B beams and provides the measurement results to the machine learning model 260. The beam quality that the  UE 102 measures may be, e.g., layer 1 (L1) reference signal received power (L1-RSRP) or L1 signal-to-interference plus noise ratio (L1-SINR) of the corresponding DL-RS.

[0040] The machine learning model 260 makes a prediction, also referred to as inference, on a second set of beams (Set A) . The Set A beams are spatially different from the Set B beams in the spatial-domain beam prediction 200A. To make a prediction, the machine learning model 260 may predict N (N is an integer no less than 1) beams 202 among the Set A beams as having the best quality, e.g., as associated with DL-RSs with the highest predicted L1-RSRP or L1-SNIR values. In the example of FIG. 2A, the machine learning model 260 predicts N=4 beams 202 as having the best quality among the 32 Set A beams.

[0041] Although FIG. 2A illustrates the measurement of 4 beams 201 out of the total 32 Set B beams, the number of the measured beams 201 and the total number of Set B beams may be different in some implementations. Similarly, although FIG. 2A illustrates the prediction of 4 beams 202 out of the total 32 Set A beams, the number of the predicted beams 202 and the total number of Set A beams may be different in some implementations. Furthermore, the number of the measured beams 201 and the number of the predicted beams 202 may be different in some implementations.

[0042] FIG. 2B illustrates time-domain beam prediction 200B, according to some implementations. In the time-domain beam prediction 200B, the UE 102 measures DL-RSs transmitted on the Set B beams that the UE received at an earlier time, and the machine learning model 260 predicts the best beam (s) among the Set A beams for the UE at a later time. The time-domain beam prediction may also be referred to as temporal beam prediction.

[0043] In the illustrated example, the UE 102 measures on 32 Set B beams at each of S measurement slots that precede a reference slot n, and the machine learning model 260 makes predictions on 32 Set A beams at each of Q prediction slots that follow the reference slot n. The measurement slots are denoted as n-s_S, n-s_S-1, …n-s_1, in a chronological order. The prediction slots (also referred to as predicted slots) are denoted as n+q_1, n+q_2, …n+q_Q, in a chronological order. Q and S may be the same integer or different integers.

[0044] In each of the S measurement slots, the UE 102 measures on 4 beams 211. The measured beams 211 in all S measurement slots are collectively referred to as measured beams 211 (1, 2, …S) . Based on the measured beams 211 (1, 2, …S) , the  machine learning model 260 makes a prediction for each of the Q prediction slots. As illustrated, for each of the Q prediction slots, the machine learning model 260 predicts 4 beams 212 that have the best quality among the 32 Set A beams in that prediction slot. The prediction beams 212 in all Q prediction slots are collectively referred to as prediction beams 212 (1, 2, …Q) .

[0045] Although FIGs. 2A and 2B describe the spatial-domain beam prediction 200A and the time-domain beam prediction 200B separately, the machine learning model 260 may conduct beam predictions jointly in both time-domain and spatial-domain. For example, based on the measured Set B beams, the machine learning model 260 may predict the best quality beams that are both spatially different from the Set B beams and to be received at a later time.

[0046] FIG. 3 is a signaling diagram 300 illustrating example communications between a UE, e.g., UE 102, and a NE, e.g., NE 104 for beam prediction performance monitoring, according to some implementations.

[0047] As shown in the signaling diagram 300, the UE 102 optionally transmits 302 a UE capability message to the NE 104, e.g., via UE assistance information (UAI) . The UE 102 may transmit 302 the UE capability message directly to the NE 104. Alternatively, the UE 102 may transmit 302 the UE capability message indirectly to the NE 104, e.g., via a core network or via an intermediate NE.

[0048] The UE capability message indicates the UE capability of beam prediction performance monitoring. The UE capability message may indicate, e.g., whether the UE (102) supports performance monitoring for spatial-domain beam prediction; whether the UE (102) supports performance monitoring for time-domain beam prediction; whether the UE (102) supports performance monitoring for joint spatial-domain and time-domain beam prediction; a type of downlink reference signals that the UE (102) supports for inference; a type of downlink reference signals that the UE (102) supports for performance monitoring; a maximum number of downlink reference signals that the UE (102) supports for inference; a maximum number of downlink reference signals that the UE (102) supports for performance monitoring; a maximum number of downlink reference signals in a slot that the UE (102) supports for inference; a maximum number of downlink reference signals in a slot that the UE (102) supports for performance monitoring; whether the UE 102 supports calculating an intermediate metric, e.g., a beam prediction accuracy, a difference in RSRP between a predicted beam and a current beam, or a number of correct or incorrect  beam predictions within a time window; or information for calculating the metric. In some implementations where the UE 102 indicates the maximum number of DL-RSs, the UE 102 may calculate the maximum number per serving cell or across multiple serving cells in a band or a band combination or information for calculating the metric.

[0049] The UE 102 receives 304 a configuration for beam prediction performance monitoring from the NE 104, e.g., via a radio resource control (RRC) signaling. Example RRC signaling messages include parameters such as RRCReconfiguration and a system information block (SIB) , which may be an SIB existing in the 3GPP standards or a different SIB (e.g., SIB J, where J is an integer above 21) .

[0050] Based on the UE capability message, the NE 104 may include one or more parameters in the configuration to configure the UE 102 for beam prediction performance monitoring. The parameters may include, e.g., parameters for prediction (e.g., beam inference) , parameters for performance monitoring, parameters for reporting the performance monitoring, and / or parameters for prediction model control. More information about the configuration is described below with reference to FIG. 6.

[0051] The UE 102 optionally receives 306 control signaling from the NE 104 to trigger (e.g., activate or deactivate) beam prediction performance monitoring. Beam prediction performance monitoring generally includes a) beam inference and b) performance monitoring. Beam inference generally includes measurement on Set B beams and inference on Set A beams, as described above with reference to FIGs. 2A and 2B. Performance monitoring generally includes determination (e.g., evaluation) of the inference performance (e.g., accuracy of prediction) and reporting the monitoring results. The control signaling may include at least one of: a RRC signal, a medium access control (MAC) control element (CE) , or downlink control information (DCI) .

[0052] After activating beam prediction performance monitoring, the UE 102 receives 308 a first plurality of DL-RSs for beam inference and a second plurality of DL-RSs for monitoring the prediction performance. The first plurality of DL-RSs include a set of DL-RSs for Set B beam measurement and, if applicable, another set of DL-RSs for Set A beam inference.

[0053] Based on the received DL-RSs, the UE 102 measures the first plurality of DL-RSs to perform beam inference 310. For example, the UE 102 may measure the set of DL-RSs corresponding to the Set B beams and make inference on the Set A beams to  obtain beam inference results. For example, the beam inference results may include one or more predictions such as a beam identifier or beam indicator (BI) , predicted RSRP (P-RSRP) , beam probability indicator (BPI) indicating the probability for the predicted beam to be the best beam, or confidence indicator (CI) indicating the possible prediction error for the P-RSRP.

[0054] The UE 102 then performs performance monitoring 312 based on the beam inference results. To perform the performance monitoring 312, the UE 102 may measure the second plurality of DL-RSs and, based on the measurement results, identify a subset of the measured beams as having the best quality. The UE 102 may compare the N best quality Set A beams as predicted in beam inference 310, with the K (K is the number of beams in the subset) best quality beams as measured in performance monitoring 312, to evaluate the beam prediction performance. More information about performance evaluation is described below with reference to FIGs. 4A, 4B, 5A, and 5B.

[0055] The UE 102 optionally receives 314 control signaling from the NE 104 to trigger a beam prediction performance monitoring report. Depending on the UE configuration, the beam prediction performance monitoring report may include, e.g., the UE 102 evaluation of the beam prediction performance, the predicted best quality Set A beams, or the subset of the measured beams with the best quality. Alternatively or additionally, the UE 102 may trigger the beam prediction performance monitoring report upon detecting an event. The UE 102 transmits 316 the beam prediction performance monitoring report to the NE 104. More information about the report of beam prediction performance monitoring is described later in this disclosure.

[0056] FIGs. 4A and 4B each illustrate an example scenario for evaluating beam prediction performance, according to some implementations. The evaluation of beam prediction performance in FIGs. 4A and 4B may be conducted by a UE, such as the UE 102. FIG. 4A illustrates a scenario 400A in which the UE 102 determines that the beam prediction has failed, whereas FIG. 4B illustrates a scenario 400B in which the UE 102 determines that the beam prediction has succeeded.

[0057] Starting from FIG. 4A, the UE 102 performs beam inference (e.g., beam inference 310 in FIG. 3) on a total of 32 Set A beams. In the beam inference results, the UE 102 identifies the spatial distributions of N=4 predicted beams 421 as having the best quality among the 32 Set A beams.

[0058] The UE 102 then evaluates the prediction performance by measuring on the full set of 32 Set A beams. The UE 102 identifies K=4 measured beams 422 as having the best quality among the 32 measured beams.

[0059] To evaluate the prediction performance, the UE 102 compares the N=4 predicted beams 421 with the K=4 measured best quality beams 422. In the illustrated example, the N=4 predicted beams 421 and the K=4 measured best quality beams 422 do not overlap. In other words, none of the predicted beams 421 are the same as any of the measured best quality beams 422. In view of this, the UE 102 may consider that the machine learning model has failed to predict any Set A beam that has shown a top quality in actual measurement. Accordingly, the UE 102 may consider the prediction in the scenario 400A as a failure.

[0060] Conversely, in the scenario 400B of FIG. 4B, the N=4 predicted beams 431 and the K=4 measured best quality beams 432 have some overlap. As illustrated, the two of the predicted beams 421 are the same as the measured beams 440. In view of this, the UE 102 may consider that the machine learning model has correctly predicted 2 Set A beams that have shown a top quality in actual measurement. Accordingly, the UE 102 may consider the prediction in the scenario 400B as a success.

[0061] As discussed earlier, measuring a full set of Set A beams for performance monitoring may consume excessive power when the number of beams in Set A becomes very large. To reduce power consumption, a NE in some implementations configures the UE to measure a smaller number of beams or beams that are different from the Set A beams for performance monitoring. An example scenario is described below with reference to FIGs. 5A and 5B.

[0062] FIGs. 5A and 5B each illustrate an example scenario for evaluating beam prediction performance, according to some implementations. FIG. 5A illustrates a scenario 500A in which the UE 102 determines that the beam prediction has failed, whereas FIG. 5B illustrates a scenario 500B in which the UE 102 determines that the beam prediction has succeeded. Similar to scenario 400A in FIG. 4A, the UE 102 in scenario 500A performs beam inference on a total of 32 Set A beams and identifies N=4 predicted beams 521 as having the best quality. Likewise, the UE 102 in scenario 500B performs beam inference on a total of 32 Set A beams and identifies N=4 predicted beams 531 as having the best quality.

[0063] Different from scenarios 400A and 400B, the UE 102 in scenarios 500A and 500B evaluates the performance of the prediction by measuring a total of 8 beams. The 8  measured beams are different from the Set A beams but may be associated with the Set A beams. Specifically, to evaluate the performance in scenario 500A, the UE 102 measures a total of 8 beams and identifies K=2 measured beams 522 as having the best quality among the 8 measured beams.

[0064] The 8 measured beams are each associated with a group of Set A beams according to the configuration provided by the NE 104. For example, within the best quality beams 522, the beam 515 is associated with a group of 4 Set A beams 510, and the beam 525 is associated with a group of 4 Set A beams 520. The NE 104 may associate a group of Set A beams with a measured beam if, e.g., the quality of a DL-RS corresponding to the measured beam is sufficiently indicative or representative of the qualities of DL-RSs corresponding to the beams in the group, or the group of Set A beams and the measured beam share the same or similar spatial-domain properties, e.g., the same coarse direction, or quasi-co-location properties, e.g., average delay, Doppler shift and / or spatial reception parameters. In implementations where the NE 104 does not configure the DL-RSs for the UE 102 to measure in performance monitoring, the UE 102 measures the DL-RSs corresponding to the Set A beams to evaluate the prediction performance.

[0065] To evaluate the prediction performance, the UE 102 compares the N=4 predicted beams 521 with the K=2 measured best quality beams 522 (e.g., beams 515 and 525) . The UE 102 then determines whether the N=4 predicted beams 521 and the K=2 measured best quality beams 522 overlap, e.g., whether any of the predicted beams 521 is associated with any of the measured best quality beams 522. In the illustrated example, none of the predicted beams 521 is associated a measured best quality beam 515 or 525. In view of this, the UE 102 may consider the prediction in the scenario 500A as a failure.

[0066] Conversely, in the scenario 500B of FIG. 5B, one predicted Set A beam 531 in the group 510 is associated with the measured best quality beam 515, and two predicted Set A beams 531 in the group 520 are associated with the measured best quality beam 525. In view of this, the UE 102 may consider the prediction in the scenario 500B as a success.

[0067] As described above with reference to FIGs. 4A, 4B, 5A, and 5B, the UE 102 according to some implementations does not need to measure all beams of the Set A beams when monitoring the performance of beam prediction. Rather, with the configuration from the NE 104, the UE 102 may measure fewer beams than the total  beams in Set A, and / or may measure beams that are different from the Set A beams, according to the configured beam association. With such flexibility, the UE 102 may reduce power consumption in beam prediction performance monitoring.

[0068] FIG. 6 illustrates example configurations 600 for beam prediction performance monitoring, according to some implementations. The NE 104 may provide some or all of the configurations 600 to the UE 102 by transmitting one or more RRC messages to the UE 102, similar to the operations at 304 of FIG. 3.

[0069] In some implementations, the configurations 600 include parameters 610 relating to beam inference (inference related configuration) and parameters 620 relating to performance monitoring (monitoring related configuration) . The NE 102 may provide parameters 610 and 620 in one configuration or in separate and linked configurations, which may be in one or multiple messages. For separate and linked configurations, the NE 104 may provide the configurations for the same bandwidth part or serving cell or different bandwidth parts or serving cells. In an example, the NE 102 configures the ID for the linked configuration (s) and optionally configures the bandwidth part and / or serving cell index for the linked configuration (s) .

[0070] In some implementations, the NE 104 configures X sets of configurations, e.g., X instances of the configurations 600 (X is an integer greater than 1) . Different sets of configurations may have different attributes for some parameters. The NE 104 may selectively activate (e.g., via RRC signaling, MAC CE, or DCI) a subset of the X sets (e.g., activate only 1 set out of a total of 4 sets) for the UE 102 to conduct performance monitoring. The NE 104 may configure the X sets of configurations for different serving cells within a band or band combination, within a list configured by the NE 104, or within a cell group. The NE 104 may define the value of X prior to establishing a connection with the UE 102, or may receive the value of X, e.g., a maximum value of X, in a UE capability message or via UAI. In some aspects, the maximum value of X (Xmax) may be pre-defined. The NE 104 may refrain from configuring more than Xmax (e.g., 4) sets of configurations 600.

[0071] In some implementations, the configurations 600 include at least one of the following: the DL-RS resource (s) for the Set B beams; the DL-RS resource (s) for the Set A beams; the number of predicted beams, e.g., the value of N; the prediction time window, e.g., predicted slot; the predicted quantity, e.g., the beam index prediction; the beam quality, such as P-RSRP) ; the identification of association for the beams in Set A and Set B, e.g., association between the Set A beams and the Set B beams and / or  the association between the Set A and / or Set B beams for training and inference; and the parameters for time domain measurement restriction, such as timeRestrictionForChannelMeasurements, which indicates whether the measurement for beam inference should be based on the most recent transmission occasion of the DL-RS resources before a channel state information (CSI) reference slot.

[0072] In some implementations, the configurations 600 include at least one of the following: the DL-RS measurement resources for performance evaluation based on or associated with the DL-RSs corresponding to Set A beams; the number of beams for performance evaluation, e.g., the value of K; criteria (e.g., one or more thresholds or offsets) for selecting the K best quality beams; and the parameters for time domain measurement restriction, such as timeRestrictionForChannelMeasurements, which indicates whether the measurement for performance evaluation should be based on the most recent transmission occasion of the DL-RS resources before a CSI reference slot.

[0073] In some implementations, the NE 104 defines the value of K prior to establishing connection with the UE 102, or configures the value of K according to the established connection with the UE 102. Alternatively or additionally, the UE 102 determines the value of K based on the criteria for selecting the K best quality beams. In an example selection procedure, if the measured RSRP, e.g., L1-RSRP, of a candidate beam is higher than the measured RSRP for the best beam (e.g., the beam with the very highest RSRP value among all measured beams) minus the threshold or offset, the UE 102 selects the candidate beam to be included in the K best quality beams; otherwise, the UE 102 does not select the candidate beam.

[0074] In some implementations, the UE supports monitoring and tracking the beam prediction performance over time. For example, the UE may repeat the operations of at least 310 and 312 in FIG. 3 according to a periodicity, count the number of failures and successes, and prepare a report of the monitoring results. Accordingly, the parameters 620 may further include at least one of the following parameters: a first counter of correct beam predictions; a second counter of incorrect beam predictions; periodicity for performance monitoring; a time window to determine the performance monitoring results; the performance monitoring type, e.g., spatial-domain beam prediction performance monitoring and / or time-domain beam prediction performance monitoring.

[0075] In some implementations, the NE 104 configures at least one of the following parameters for generating and transmitting the performance monitoring report: an uplink channel resource, e.g., a physical uplink control channel (PUCCH) resource or a configured-grant physical uplink shared channel (PUSCH) , for transmitting the report; an uplink channel resource for the UE 102 to request the NE 104 to allocate the uplink resource for transmitting the report (arequest-based scheme as described later with reference to FIG. 7A) ; an uplink channel resource for the UE 102 to transmit a notification to the NE 104 regarding the transmission of the report (a notification-based scheme as described later with reference to FIG. 7B) ; whether the UE 102 adopts the request-based scheme or the notification-based scheme; and the type for the report, e.g., periodic, semi-persistent, aperiodic, or event-triggered.

[0076] In some implementations, the NE 104 configures at least one of the following parameters relating to functionality or machine learning model control for performance monitoring: whether the UE 102 may autonomously deactivate an activated functionality or a machine learning model and indicate the deactivation to the NE 104; and whether the UE 102 may make the control decision and report the decision to the NE 104. Example functionalities include: spatial-domain beam prediction, time-domain beam prediction, joint spatial-domain and time-domain beam prediction. The NE 104 may configure the parameters per activated functionality, per model, per use case, or per feature group.

[0077] The configurations of the DL-RSs for the Set A beams and / or Set B beams may be based on at least one of the following types: synchronization signal block (SSB) ; periodic CSI reference signal (CSI-RS) ; semi-persistent CSI-RS; and aperiodic CSI-RS. In some implementations, the NE 104 may refrain from configuring the Set A or Set B beams based on semi-persistent CSI-RS or aperiodic CSI-RS. Alternatively, a configuration of a semi-persistent CSI-RS or an aperiodic CSI-RS may indicate that the CSI-RS is configured in a CSI-RS resource set with repetition.

[0078] In some implementations, the UE 102 reports the supported or preferred types of DL-RS resources for Set A beams and / or Set B beams. The UE 102 may further report the supported configuration for the CSI-RS, e.g., number of ports, frequency-domain density. In some other implementations, the configured CSI-RS may be a 1-port CSI-RS and / or a CSI-RS with a frequency domain density of 1 or 3 resource elements (REs) per resource block (RB) . In some implementations, the DL-RS resources for  the Set A beam and / or the Set B beam may have the same periodicity, the same time-domain behavior, and / or the transmission power or power offset.

[0079] In some implementations, the DL-RS resources for the Set A beams and / or the Set B beams are configured with the same periodicity and / or time-domain behavior and / or transmission power (or power offset) . In some implementations, the NE 104 provides the same parameters for configuring the Set A / Set B beams and configuring the beams for performance evaluation. These same parameters may include at least one of the following: periodicity; time-domain behavior, e.g., periodic, semi-persistent, or aperiodic) ; reference signal type, e.g., SSB or CSI-RS; transmission power or power offset; frequency domain resource; bandwidth part; and serving cell index.

[0080] In some implementations, the NE 104 provides the UE 102 with the DL-RS resources for beam inference (i.e., measurement on the Set B beams and inference on the Set A beams) and / or for performance monitoring within a time window. The NE 104 may specify that the time window as across, e.g., S consecutive slots, subframes, or frames (Sis an integer) , or may receive the duration of the time window in a UE capability message or via UAI. The DL-RS resources for beam inference and / or for performance monitoring may occupy one or more resource sets.

[0081] As discussed above, the NE 104 may use configuration messages to indicate associations between the Set A beams in beam inference and the measured beams in performance evaluation. The NE 104 may include parameters relating to the associations within the configurations 600.

[0082] As also discussed above, the NE 104 may use control signaling to trigger beam prediction performance monitoring. When the NE 104 has configured X sets of configurations (e.g., X instances of the configurations 600) , the control signaling may specify which sets of configurations the UE 102 should apply for the triggered beam prediction performance monitoring. Alternatively or additionally, the control signaling may include at least one of the following: the serving cell index (es) for the specified configurations; the bandwidth part index (es) for the specified configurations; the ID (s) for the specified configurations; and the activation / deactivation status for the specified configurations.

[0083] In some implementations, the control signaling to trigger beam prediction performance monitoring is based on cell radio network temporary identifier (C-RNTI) or modulation and coding scheme C-RNTI (MCS-C-RNTI) . In some other implementations, the control signaling to trigger beam prediction performance  monitoring is based on an RNTI pre-defined or configured by the NE 104. When multiple UEs are connected to the NE 104, the NE 104 may configure the same RNTI for multiple UEs and the NE 104 may configure the location for the indication field for each UE.

[0084] The UE 102 may apply the activation / deactivation status according to the control signaling at a specific time. In an example, the UE 102 applies the activation / deactivation status at a time that is Y symbols, slots, or milli-seconds (ms) (Y is an integer) after receiving the last symbol of the controlling signaling from a physical downlink control channel (PDCCH) or a physical downlink shared channel (PDSCH) . In another example, the UE 102 applies the activation / deactivation status Y symbols, slots, or milli-seconds (ms) after transmitting the last symbol of an acknowledgement to the control signaling in a PUCCH or a PUSCH. The NE 104 may define the value of Y prior to establishing a connection with the UE 102, or may receive the value of Y in a message from the UE 102. The UE 102 may report the activation / deactivation to the NE 104 or send a recommendation for activating or deactivating beam prediction performance monitoring to the NE 104. The UE 102 may transmit the report and / or the recommendation in, e.g., RRC signaling (e.g., UAI) , a MAC CE, or UCI on a PUSCH or a PUCCH.

[0085] In some implementations, the control signaling to trigger beam prediction performance monitoring is part of the configuration of beam prediction performance monitoring. For example, upon receiving the configuration of performance monitoring, the UE 102 may determine that the performance monitoring is activated. Alternatively, upon receiving the configuration of performance monitoring, the UE 102 may determine that the performance monitoring is deactivated. In these implementations, operations at 306 may be combined with the operations at 304 in FIG. 3.

[0086] As an alternative to or in addition to receiving the control signaling to trigger beam prediction performance monitoring, the UE 102 may determine to activate beam prediction performance monitoring upon detecting an event. The event may include, e.g., activation of an inference configuration associated with the performance monitoring, or non-activation or non-configuration of relaxation of the performance monitoring. The non-activation of relaxation may correspond to a detection of, e.g., criteria for relaxation of the performance monitoring are not satisfied. The criteria for relaxation may include at least one of the following: the UE 102 being in a low  mobility state (e.g., the offset between the measured RSRP for a reference DL-RS (e.g., SSB) and a reference RSRP for the DL-RS is smaller than a threshold) ; the UE 102 being in a good channel quality state (e.g., the quality of a beam in a current state, such as a current indicated TCI state, is above a threshold) ; and a metric relating to the prediction, such as the beam prediction accuracy or the number of correct beam predictions within a time window, is above a threshold for a consecutive number of times or for a certain period. The NE 104 may determine the number of times or the duration of the certain period and provide the number or the duration to the UE 102.

[0087] In the determination of whether the criteria for relaxation are satisfied, the reference RSRP for the DL-RS may be the RSRP that the UE 102 has measured at a certain time, e.g., when the UE 102 activates performance monitoring or when the UE 102 reports the last inference results.

[0088] Similar to the event-based activation of beam prediction performance monitoring, the UE 102 and the NE 104 may determine to deactivate beam prediction performance monitoring upon detecting an event. The event may include at least one of the following: deactivation of an inference configuration associated with the performance monitoring; configuration and activation of relaxation of the performance monitoring (e.g., the criteria for relaxation of the performance monitoring is satisfied) ; the UE 102 reporting that the beam inference associated with the performance monitoring is not applicable; deactivation of the serving cell for the performance monitoring; and deactivation of cell group including the serving cell for the performance monitoring.

[0089] In some implementations, the NE 104 provides the UE 102 with multiple periodicities for beam prediction performance monitoring. The NE 104 and the UE 102 may further determine the monitoring periodicity based on at least one of the following: a discontinuous reception (DRX) configuration; or a status of performance monitoring relaxation. For example, the NE 104 may configure the UE 102 to apply a periodicity if DRX is configured and apply another periodicity if DRX is not configured. In another example, the UE 102 may determine to apply a first periodicity if the performance monitoring relaxation criteria are not satisfied, and may determine to apply a second periodicity if the criteria are satisfied. The second periodicity may be Z times of the first periodicity, where Z may be pre-defined, e.g., Z=2, or configured by the NE 104 or reported by the UE 102. Alternatively or additionally, the NE 104 may configure the UE 102 to apply different periodicities for DRX with different cycles. Alternatively or additionally, the NE 104 may configure the UE 102  to apply a periodicity upon non-activation or non-configuration of relaxation, and apply another periodicity upon configuration and activation of relaxation. The NE 104 and the UE 102 may determine the monitoring periodicity based on a minimum or maximum periodicity for the DL-RS resources, such as the DL-RS resources for the Set B / SetA beams, or the DL-RS resources for the measurement in performance monitoring.

[0090] In some implementations, the UE 102 performs the monitoring in a burst manner, e.g., within a time window that repeats regularly, and refrains from the monitoring outside the time window. The NE 104 may provide the UE 102 with at least one of the following parameters of the window: the periodicity for the window; an offset (e.g., in slot, subframe, or frame) to indicate the start timing of each window; or the duration for each window. The NE 104 may provide the UE 102 with the parameters relating to the window using, e.g., RRC signaling, a MAC CE, or DCI. In some implementations, the NE 104 configures aperiodic DL-RSs for monitoring and triggers the aperiodic DL-RSs by DCI. In this case, the window for monitoring may indicate the slot (s) including the aperiodic DL-RSs. In some alternative implementations, the NE 104 configures semi-persistent DL-RSs for monitoring and triggers the semi-persistent DL-RSs by a MAC CE. In this case, the window for monitoring may indicate the slot (s) including the semi-persistent DL-RSs.

[0091] The UE 102 may utilize CSI processing units (CPU) and extended CPUs (eCPUs) to conduct beam prediction performance monitoring. Depending on a UE’s computing capacity, the UE has a limited number of CPUs and eCPUs that may be utilized for not only beam prediction performance monitoring but other tasks relating to CSI reporting, such as reporting L1-SINR L1-RSRP for one or more SSB resources or CSI-RS resources and reporting SSB resource indicators (SSBRIs) or CSI-RS resource indicators (CRIs) .

[0092] In some implementations, the NE 104 and the UE 102 determine the number of CPUs for beam prediction performance monitoring based on a pre-defined value, e.g., 1 or 2. Alternatively or additionally, the NE 104 and the UE 102 determine the number of CPUs for beam prediction performance monitoring based on the capability of the UE 102 or the configuration of beam prediction performance monitoring. For example, the NE 104 and the UE 102 may determine the number of CPUs for beam prediction performance monitoring based on the number of DL-RS resources  corresponding to the Set A / Set B beams, and / or the beams measured for performance monitoring.

[0093] In some implementations, the NE 104 and the UE 102 determine the number of eCPUs for beam prediction performance monitoring based on a pre-defined value, e.g., 1. Alternatively or additionally, the NE 104 and the UE 102 determine the number of eCPUs for beam prediction performance monitoring based on the capability of the UE 102, or the number of predicted slots, and / or the content of the performance monitoring report. As an example, the UE 102 performs beam prediction for each slot based on a machine learning model that is independent to the machine learning model for other slots. In this case, the number of eCPUs may be the same as the number of predicted slots. As another example, the UE 102 performs beam prediction for all slot based on the same machine learning model. In this case, the number of eCPUs may be 1. As yet another example, the UE 102 performs beam prediction for a subset of all slots based on a machine learning model that is independent to the machine learning model for other slots. In this case, the number of eCPUs may be the number of predicted slots multiplied by a scaling factor.

[0094] When the UE 102 utilizes a CPU or an eCPU for beam prediction performance monitoring, the NE 104 and the UE 102 may consider the CPU or the eCPU occupied, e.g., unavailable for other tasks, for a time period. For a CPU or an eCPU that is utilized for beam prediction performance monitoring, the NE 104 and the UE 102 have multiple options to determine the specific time period of occupation for such a CPU or such an eCPU. In some implementations, the NE 104 and the UE 102 determine that such a CPU or such an eCPU is occupied during the measurement time window for performance monitoring. In some alternative implementations, the NE 104 and the UE 102 determine that such a CPU or such an eCPU is occupied after the activation of beam prediction performance monitoring. In some alternative implementations with performance monitoring based on aperiodic DL-RSs, the NE 104 and the UE 102 determine that such a CPU or such an eCPU is occupied starting from the UE 102 reception of DCI that triggers the performance monitoring report and until the UE 102 transmission of the last symbol of the performance monitoring report in a PUCCH or PUSCH.

[0095] If the total number of CPUs for all the L1 reports including the performance monitoring exceeds the maximum number of CPUs of the UE 102, or if the total number of eCPUs for all the L1 reports including the performance monitoring exceeds  the maximum number of eCPUs the UE 102, the UE 102 may take one or more approaches to reduce the number of CPUs or eCPUs to utilize for the L1 reporting. Example approaches include: reporting an outdated L1 report; refraining from conducting performance monitoring that has a lower priority than other L1 reporting tasks; or dropping a L1 report that has a lower priority.

[0096] In some implementations, the UE 102 determines that the priority of a L1 report is lower than the priority of beam prediction performance monitoring. In some other implementations, the UE 102 determines that the priority of a L1 report is higher than the priority of beam prediction performance monitoring. In yet some other implementations, the UE 102 determines the priority of a L1 report and the priority of beam prediction performance monitoring based on at least one of the following: the serving cell index for the L1 report and the serving cell index for beam prediction performance monitoring (e.g., a task with a PCell or a PSCell has higher priority than a task with a SCell) ; the content for the L1 report and the content of beam prediction performance monitoring (e.g., L1-RSRP reporting has higher priority than L1-SINR reporting, L1-RSRP / L1-SINR reporting has higher priority than performance monitoring and other L1 reports, performance monitoring has higher priority than L1 reporting, or L1 reporting has a higher priority than performance monitoring) ; the time-domain behavior for the L1 report and the time-domain behavior for beam prediction performance monitoring (e.g., aperiodic reporting has higher priority than beam prediction performance monitoring, which has higher priority than periodic or semi-persistent reporting) ; and report configuration ID (e.g., a task having a lower configuration ID is with a higher priority) .

[0097] The NE 104 may configure the content that the UE 102 reports in the monitoring report (e.g. 316 of FIG. 3) . The content may include at least one of the following: whether a beam prediction is correct; status of each beam predication (correct or incorrect) within one or multiple time windows; number of correct beam predictions within one or multiple time windows; number of incorrect beam predictions within one or multiple windows; number of beam predictions within one or multiple time windows; ratio of correct beam predictions within one or multiple time windows; ratio of incorrect beam predictions within one or multiple time windows; beam quality, e.g., L1-RSRP, and beam index, e.g., SSBRI / CRI, for the predicted beam (s) within one or multiple time windows; beam quality and beam index for the K best quality beams within one or multiple time windows; value of K within one or multiple time  windows; and recommendation or notification of activation or deactivation of inference configurations corresponding to the performance monitoring. The UE 102 may report the beam quality of the best beam based on the absolute L1-RSRP and report the beam quality for the remaining reported beams based on differential L1-RSRP.

[0098] As discussed above, the UE 102 may activate or deactivate the beam prediction performance monitoring report upon receiving a control signal from the NE 104. With the control signal, the NE 104 may configure the UE 102 to transmit the report in a periodic, semi-persistent or aperiodic manner.

[0099] As also discussed above, the UE 102 may activate or deactivate the beam prediction performance monitoring report upon detecting an event. The event may include at least one of the following: the number of corrected beam predictions within one or multiple time windows being above or below a threshold; the number of incorrected beam predictions within one or multiple time windows being above or below a threshold; the ratio of correct beam predictions within one or multiple time windows being above or below a threshold; and the ratio of incorrect beam predictions within one or multiple time windows being above or below a threshold. The NE 104 may define the thresholds prior to establishing a connection with the UE 102, or may receive the value of the thresholds in a UE capability message.

[0100] Depending on the activation / deactivation status of configurations for beam inference or for performance monitoring, the UE 102 may use different events as the trigger of beam prediction performance monitoring report. In an example, if the inference configuration is activated, the UE 102 transmits the report upon detecting that the performance for the inference configuration fails to meet certain criteria, e.g., beam prediction accuracy is below a threshold; if the inference configuration is deactivated, the UE 102 transmits the report upon detecting that the performance for the inference configuration meets certain criteria, e.g., beam prediction accuracy is above a threshold.

[0101] In some implementations, the UE 102 uses a timer or a counter while waiting for the event. For example, the UE 102 may start the timer or the counter upon receiving a configuration for beam prediction performance monitoring (e.g., 304 in FIG. 3) or upon receiving a control signal to activate or deactivate beam prediction performance monitoring report (e.g., 306 in FIG. 3) . The UE 102 may reset the timer or the counter if at least one of the following occurs: at least one of the higher layer parameters, e.g.,  RRC parameters, for the performance monitoring is updated; and the UE 102 transmits a report. The UE 102 may stop the timer or the counter if at least one of the following occurs: the configuration for monitoring report is deactivated; the inference configuration associated with the performance monitoring is deactivated; and the serving cell or cell group including the serving cell is deactivated.

[0102] In some implementations, the UE 102 resets the counter when the timer expires. Alternatively or additionally, the UE 102 transmits the report when the counter reaches a threshold.

[0103] The UE 102 may communicate with the NE 104 to determine the uplink resources that the UE 102 uses for report transmission. Example communication procedures are described below with reference to FIGs. 7A and 7B.

[0104] FIGs. 7A and 7B each illustrate an example signaling diagram, 700A and 700B, respectively, between the UE 102 and the NE 104 for transmitting a beam prediction performance monitoring report, according to some implementations. The operations in each of the signaling diagrams 700A and 700B may be combined with the operations in signaling diagram 300 of FIG. 3.

[0105] FIG. 7A illustrates the operations of a request-based scheme. Prior to transmitting 316 the beam prediction performance monitoring report, the UE 102 transmits 742 a request for uplink resources to the NE 104. In response to the request, the NE 104 allocates uplink resources for the beam prediction performance monitoring report and indicates 744 the allocated uplink resources to the UE 102.

[0106] FIG. 7B illustrates the operations of a notification-based scheme. Prior to transmitting 316 the beam prediction performance monitoring report, the UE 102 determines the uplink resources and transmits 746 a notification of the determined uplink resources to the NE 104.

[0107] FIG. 8 is a flowchart of an example method 800 of wireless communication at a UE, according to some implementations. With reference to FIGs. 1-7B, the method 800 may be performed by the UE 102.

[0108] In some implementations, the UE 102 optionally transmits 802 a UE capability message to the NE 104. The UE capability message indicates the UE capability of beam prediction performance monitoring.

[0109] The UE 102 receives 804 a configuration for beam prediction performance monitoring. The configuration may be similar to the configurations 600 described above with reference to FIG. 6.

[0110] The UE 102 optionally receives 806 control signaling to activate or deactivate beam prediction performance monitoring. Alternative to or in additional to receiving the control signaling, the UE 102 activates or deactivates beam prediction performance monitoring upon detecting an event.

[0111] The UE 102 receives 808 a first plurality of DL-RSs for beam inference and a second plurality of DL-RSs for performance monitoring. The first plurality of DL-RSs include DL-RSs corresponding to the Set B beams.

[0112] The UE 102 measures 810-1 the DL-RS transmitted on the Set B beams. For example, the UE 102 measures the L1-RSRP or the L1-SINR of the DL-RSs corresponding to the Set B beams. The UE 102 then makes inference 810-2 on the Set A beams. For example, the UE 102 predicts, based on the measurement results from the Set B beams, the N best quality beams of the Set A beams. The measurement 810-1 and the inference 810-2 may be similar to the operations described above with reference to FIGs. 2A and 2B.

[0113] The UE 102 determines 812 the performance of beam prediction. For example, the UE 102 measures the L1-RSRP or the L1-SINR of the second plurality of DL-RSs to identify the K best quality beams. The UE 102 then evaluates the performance of beam prediction by comparing the N best quality beams as predicted with the K best quality beams as measured. The determination of the beam prediction performance may be similar to the operations described above with reference to FIGs. 4A, 4B, 5A, and 5B.

[0114] The UE 102 optionally receives 814 control signaling to activate or deactivate beam prediction performance monitoring report. Alternative to or in additional to receiving the control signaling, the UE 102 may activate or deactivate beam prediction performance monitoring report upon detecting an event.

[0115] The UE 102 transmits 816 the report on the performance monitoring to the NE 104. The UE 102 and the NE 104 may determine the uplink resources for transmitting the report according to a request-based scheme or a notification-based scheme.

[0116] FIG. 9 is a flowchart of an example method of wireless communication at a NE, according to some implementations. With reference to FIGs. 1-7B, the method 900 may be performed by the NE 104.

[0117] In some implementations, the NE 104 optionally receives 902 a UE capability message from the UE 102. The UE capability message indicates the UE capability of beam prediction performance monitoring.

[0118] The NE 104 transmits 904 a configuration for beam prediction performance monitoring to the UE 102. The configuration may be similar to the configurations 600 described above with reference to FIG. 6.

[0119] The NE 104 optionally transmits 906 control signaling to the UE 102 to activate or deactivate beam prediction performance monitoring.

[0120] The NE 104 transmits 908 a first plurality of DL-RSs for beam inference and a second plurality of DL-RSs for performance monitoring. The first plurality of DL-RSs include DL-RSs corresponding to the Set B beams.

[0121] The NE 104 transmits 914 control signaling to activate or deactivate beam prediction performance monitoring report.

[0122] The NE 104 then receives 916 the report on the performance monitoring from the UE 102. The UE 102 and the NE 104 may determine the uplink resources for transmitting the report according to a request-based scheme or a notification-based scheme.

[0123] FIG. 10 is a diagram 1000 illustrating an example of a hardware implementation for a UE apparatus 1002. The UE apparatus 1002 may be the UE 102, a component of the UE 102, or may implement UE functionality. The UE apparatus 1002 may include an application processor 1006, which may have on-chip memory 1006’. In examples, the application processor 1006 may be coupled to a secure digital (SD) card 1008 and / or a display 1010. The application processor 1006 may also be coupled to a sensor (s) module 1012, a power supply 1014, an additional module of memory 1016, a camera 1018, and / or other related components.

[0124] The UE apparatus 1002 may further include a wireless baseband processor 1026, which may be referred to as a modem. The wireless baseband processor 1026 may have on-chip memory 1026'. Along with, and similar to, the application processor 1006, the wireless baseband processor 1026 may also be coupled to the sensor (s) module 1012, the power supply 1014, the additional module of memory 1016, the camera 1018, and / or other related components. The wireless baseband processor 1026 may be additionally coupled to one or more subscriber identity module (SIM) card (s) 1020 and / or one or more transceivers 1030 (e.g., wireless RF transceivers) .

[0125] Within the one or more transceivers 1030, the UE apparatus 1002 may include a Bluetooth module 1032, a WLAN module 1034, an SPS module 1036 (e.g., GNSS module) , and / or a cellular module 1038. The Bluetooth module 1032, the WLAN module 1034, the SPS module 1036, and the cellular module 1038 may each include  an on-chip transceiver (TRX) , or in some cases, just a transmitter (TX) or just a receiver (RX) . The Bluetooth module 1032, the WLAN module 1034, the SPS module 1036, and the cellular module 1038 may each include dedicated antennas and / or utilize antennas 1040 for communication with one or more other nodes. For example, the UE apparatus 1002 can communicate through the transceiver (s) 1030 via the antennas 1040 with another UE (e.g., sidelink communication) and / or with a network entity 104 (e.g., uplink / downlink communication) , where the network entity 104 may correspond to a base station or a unit of the base station, such as the RU 106, the DU 108, or the CU 110.

[0126] The wireless baseband processor 1026 and the application processor 1006 may each include a computer-readable medium  / memory 1026', 1006', respectively. The additional module of memory 1016 may also be considered a computer-readable medium  / memory. Each computer-readable medium  / memory 1026', 1006', 1016 may be non-transitory. The wireless baseband processor 1026 and the application processor 1006 may each be responsible for general processing, including execution of software stored on the computer-readable medium  / memory 1026', 1006', 1016. The software, when executed by the wireless baseband processor 1026  / application processor 1006, causes the wireless baseband processor 1026  / application processor 1006 to perform the various functions described herein. The computer-readable medium  / memory may also be used for storing data that is manipulated by the wireless baseband processor 1026  / application processor 1006 when executing the software. The wireless baseband processor 1026  / application processor 1006 may be a component of the UE 102. The UE apparatus 1002 may be a processor chip (e.g., modem and / or application) and include just the wireless baseband processor 1026 and / or the application processor 1006. In other examples, the UE apparatus 1002 may be the entire UE 102 and include the additional modules of the apparatus 1002.

[0127] As discussed in FIG. 1 and implemented with respect to FIG. 8, the beam prediction performance monitoring unit 140 is configured to receive, from a network entity, a configuration for performance monitoring, which indicates a first plurality of downlink reference signals for prediction, a second plurality of downlink reference signals for performance monitoring of the prediction, a first parameter for the performance monitoring, and a second parameter for reporting the performance monitoring. The beam prediction performance monitoring unit 140 is configured to receive, from the network entity, the first plurality of downlink reference signals and  the second plurality of downlink reference signals. The beam prediction performance monitoring unit 140 is configured to transmit, to the network entity, a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.

[0128] The beam prediction performance monitoring unit 140 may be within the application processor 1006 (e.g., at 140a) , the wireless baseband processor 1026 (e.g., at 140b) , or both the application processor 1006 and the wireless baseband processor 1026. The beam prediction performance monitoring unit 140a-140b may be one or more hardware components specifically configured to carry out the stated processes / algorithm, implemented by one or more processors configured to perform the stated processes / algorithm, stored within a computer-readable medium for implementation by the one or more processors, or a combination thereof.

[0129] FIG. 11 is a diagram 1100 illustrating an example of a hardware implementation for one or more network entities 104. The one or more network entities 104 may be a base station, a component of a base station, or may implement base station functionality. The one or more network entities 104 may include, or may correspond to, at least one of the RU 106, the DU, 108, or the CU 110. The CU 110 may include a CU processor 1146, which may have on-chip memory 1146'. In some aspects, the CU 110 may further include an additional module of memory 1156 and / or a communications interface 1148, both of which may be coupled to the CU processor 1146. The CU 110 can communicate with the DU 108 through a midhaul link 162, such as an F1 interface between the communications interface 1148 of the CU 110 and a communications interface 1128 of the DU 108.

[0130] The DU 108 may include a DU processor 1126, which may have on-chip memory 1126'. In some aspects, the DU 108 may further include an additional module of memory 1136 and / or the communications interface 1128, both of which may be coupled to the DU processor 1126. The DU 108 can communicate with the RU 106 through a fronthaul link 160 between the communications interface 1128 of the DU 108 and a communications interface 1108 of the RU 106.

[0131] The RU 106 may include an RU processor 1106, which may have on-chip memory 1106'. In some aspects, the RU 106 may further include an additional module of memory 1116, the communications interface 1108, and one or more transceivers 1130, all of which may be coupled to the RU processor 1106. The RU 106 may further include antennas 1140, which may be coupled to the one or more transceivers 1130,  such that the RU 106 can communicate through the one or more transceivers 1130 via the antennas 1140 with the UE 102.

[0132] The on-chip memory 1106', 1126', 1146' and the additional modules of memory 1116, 1136, 1156 may each be considered a computer-readable medium  / memory. Each computer-readable medium  / memory may be non-transitory. Each of the processors 1106, 1126, 1146 is responsible for general processing, including execution of software stored on the computer-readable medium  / memory. The software, when executed by the corresponding processor (s) 1106, 1126, 1146 causes the processor (s) 1106, 1126, 1146 to perform the various functions described herein. The computer-readable medium  / memory may also be used for storing data that is manipulated by the processor (s) 1106, 1126, 1146 when executing the software. In examples, the beam prediction performance control unit 150 may sit at any of the one or more network entities 104, such as at the CU 110; both the CU 110 and the DU 108; each of the CU 110, the DU 108, and the RU 106; the DU 108; both the DU 108 and the RU 106; or the RU 106.

[0133] As discussed in FIG. 1 and implemented with respect to FIG. 9, the beam prediction performance control unit 150 is configured to transmit, to a UE, a configuration for performance monitoring, which indicates a first plurality of downlink reference signals for prediction, a second plurality of downlink reference signals for performance monitoring of the prediction, a first parameter for the performance monitoring, and a second parameter for reporting the performance monitoring. The beam prediction performance control unit 150 is configured to transmit, to the UE, the first plurality of downlink reference signals and the second plurality of downlink reference signals. The beam prediction performance control unit 150 is configured to receive, from the UE, a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.

[0134] The beam prediction performance control unit 150 may be within one or more processors of the one or more network entities 104, such as the RU processor 1106 (e.g., at 150a) , the DU processor 1126 (e.g., at 150b) , and / or the CU processor 1146 (e.g., at 150c) . The beam prediction performance control unit 150a-150c may be one or more hardware components specifically configured to carry out the stated processes / algorithm, implemented by one or more processors 1106, 1126, 1146 configured to perform the stated processes / algorithm, stored within a computer- readable medium for implementation by the one or more processors 1106, 1126, 1146, or a combination thereof.

[0135] The specific order or hierarchy of blocks in the processes and flowcharts disclosed herein is an illustration of example approaches. Hence, the specific order or hierarchy of blocks in the processes and flowcharts may be rearranged. Some blocks may also be combined or deleted. Dashed lines may indicate optional elements of the diagrams. The accompanying method claims present elements of the various blocks in an example order, and are not limited to the specific order or hierarchy presented in the claims, processes, and flowcharts.

[0136] The detailed description set forth herein describes various configurations in connection with the drawings and does not represent the only configurations in which the concepts described herein may be practiced. The detailed description includes specific details for the purpose of providing a thorough explanation of various concepts. However, these concepts may be practiced without these specific details. In some instances, well known structures and components are shown in block diagram form in order to avoid obscuring such concepts.

[0137] Aspects of wireless communication systems, such as telecommunication systems, are presented with reference to various apparatuses and methods. These apparatuses and methods are described in the following detailed description and are illustrated in the accompanying drawings by various blocks, components, circuits, processes, call flows, systems, algorithms, etc. (collectively referred to as “elements” ) . These elements may be implemented using electronic hardware, computer software, or combinations thereof. Whether such elements are implemented as hardware or software depends upon the particular application and design constraints imposed on the overall system.

[0138] An element, or any portion of an element, or any combination of elements may be implemented as a “processing system” that includes one or more processors. Examples of processors include microprocessors, microcontrollers, graphics processing units (GPUs) , central processing units (CPUs) , application processors, digital signal processors (DSPs) , reduced instruction set computing (RISC) processors, systems-on-chip (SoC) , baseband processors, field programmable gate arrays (FPGAs) , programmable logic devices (PLDs) , state machines, gated logic, discrete hardware circuits, and other similar hardware configured to perform the various functionality described throughout this disclosure. One or more processors in  the processing system may execute software, which may be referred to as software, firmware, middleware, microcode, hardware description language, or otherwise. Software shall be construed broadly to mean instructions, instruction sets, code, code segments, program code, programs, subprograms, software components, applications, software applications, software packages, routines, subroutines, objects, executables, threads of execution, procedures, functions, or any combination thereof.

[0139] If the functionality described herein is implemented in software, the functions may be stored on, or encoded as, one or more instructions or code on a computer-readable medium, such as a non-transitory computer-readable storage medium. Computer-readable media includes computer storage media and can include a random-access memory (RAM) , a read-only memory (ROM) , an electrically erasable programmable ROM (EEPROM) , optical disk storage, magnetic disk storage, other magnetic storage devices, combinations of these types of computer-readable media, or any other medium that can be used to store computer executable code in the form of instructions or data structures that can be accessed by a computer. Storage media may be any available media that can be accessed by a computer.

[0140] Aspects, implementations, and / or use cases described herein may be implemented across many differing platform types, devices, systems, shapes, sizes, and packaging arrangements. For example, the aspects, implementations, and / or use cases may come about via integrated chip implementations and other non-module-component based devices, such as end-user devices, vehicles, communication devices, computing devices, industrial equipment, retail / purchasing devices, medical devices, artificial intelligence (AI) -enabled devices, machine learning (ML) -enabled devices, etc. The aspects, implementations, and / or use cases may range from chip-level or modular components to non-modular or non-chip-level implementations, and further to aggregate, distributed, or original equipment manufacturer (OEM) devices or systems incorporating one or more techniques described herein.

[0141] Devices incorporating the aspects and features described herein may also include additional components and features for the implementation and practice of the claimed and described aspects and features. For example, transmission and reception of wireless signals necessarily includes a number of components for analog and digital purposes, such as hardware components, antennas, RF-chains, power amplifiers, modulators, buffers, processor (s) , interleavers, adders / summers, etc. Techniques described herein may be practiced in a wide variety of devices, chip-level  components, systems, distributed arrangements, aggregated or disaggregated components, end-user devices, etc., of varying configurations.

[0142] The description herein is provided to enable a person skilled in the art to practice the various aspects described herein. Various modifications to these aspects will be readily apparent to those skilled in the art, and the generic principles defined herein may be applied to other aspects. Thus, the claims are not limited to the aspects described herein, but are to be interpreted in view of the full scope of the present disclosure consistent with the language of the claims.

[0143] Reference to an element in the singular does not mean “one and only one” unless specifically stated, but rather “one or more. ” Terms such as “if, ” “when, ” and “while” do not imply an immediate temporal relationship or reaction. That is, these phrases, e.g., “when, ” do not imply an immediate action in response to or during the occurrence of an action, but simply imply that if a condition is met then an action will occur, but without requiring a specific or immediate time constraint for the action to occur. The terms “may” , “might” , and “can” , as used in this disclosure, often carry certain connotations. For example, “may” refers to a permissible feature that may or may not occur, “might” refers to a feature that probably occurs, and “can” refers to a capability (e.g., capable of) . The phrase “For example” often carries a similar connotation to “may” and, therefore, “may” is sometimes excluded from sentences that include “for example” or other similar phrases.

[0144] Unless specifically stated otherwise, the term “some” refers to one or more. Combinations such as “at least one of A, B, or C” or “one or more of A, B, or C” include any combination of A, B, and / or C, such as A and B, A and C, B and C, or A and B and C, and may include multiples of A, multiples of B, and / or multiples of C, or may include A only, B only, or C only. Sets should be interpreted as a set of elements where the elements number one or more. Terms or articles such as “a” , “an” , and / or “the” may refer to one of an item, feature, element, etc., that the term or article precedes, or may refer to more than one of said item, feature, element, etc. that the term or article precedes. For example, the recitation “a widget” does not preclude reference to multiples of said widget, as “multiple widgets” necessarily includes “a widget” . Hence, the recitation “a widget” may be interpreted as “at least one widget” or, similarly, interpreted as “one or more widgets” .

[0145] Unless otherwise specifically indicated, ordinal terms such as “first” and “second” do not necessarily imply an order in time, sequence, numerical value, etc., but are  used to distinguish between different instances of a term or phrase that follows each ordinal term.

[0146] Reference numbers, as used in the specification and figures, are sometimes cross-referenced among drawings to denote same or similar features. A feature that is exactly the same in multiple drawings may be labeled with the same reference number in the multiple drawings. A feature that is similar among the multiple drawings, but not exactly the same, may be labeled with reference numbers that have different leading numbers but have one or more of the same trailing numbers (e.g., 206, 306, 406, etc., may refer to similar features in the drawings) . Hence, like numbers may refer to like actions.

[0147] Structural and functional equivalents to elements of the various aspects described throughout this disclosure that are known or later come to be known to those of ordinary skill in the art are expressly incorporated herein by reference and are encompassed by the claims. The words “module, ” “mechanism, ” “element, ” “device, ” and the like may not be a substitute for the word “means. ” As such, no claim element is to be construed as a means plus function unless the element is expressly recited using the phrase “means for. ” As used herein, the phrase “based on” shall not be construed as a reference to a closed set of information, one or more conditions, one or more factors, or the like. In other words, the phrase “based on A” , where “A” may be information, a condition, a factor, or the like, shall be construed as “based at least on A” unless specifically recited differently.

[0148] The following examples are illustrative only and may be combined with other examples or teachings described herein, without limitation.

[0149] Example 1 is a method of wireless communication at a UE including: receiving, from a network entity, a configuration for performance monitoring indicating: a first plurality of downlink reference signals for prediction, a second plurality of downlink reference signals for performance monitoring of the prediction, a first parameter for the performance monitoring, and a second parameter for reporting the performance monitoring; receiving, from the network entity, the first plurality of downlink reference signals and the second plurality of downlink reference signals; and transmitting, to the network entity, a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.

[0150] Example 2 may be combined with the method of Example 1, wherein the first plurality of downlink reference signals are associated with a first plurality of beams including a first set of beams, and the second plurality of downlink reference signals are associated with a second plurality of beams, and wherein the prediction includes beam inference, the method further including: measuring the first set of beams to obtain a first plurality of beam measurement results based on the first parameter; and obtaining, using a machine learning model and based on the first plurality of beam measurement results, a beam inference result identifying one or more predicted beams among a second set of beams.

[0151] Example 3 may be combined with the method of Example 2, further including: measuring the second plurality of beams to obtain a second plurality of beam measurement results; determining, based on the second plurality of beam measurement results, a subset of the second plurality of beams; and determining a beam prediction performance based on the one or more predicted beams and the subset of the second plurality of beams.

[0152] Example 4 may be combined with the method of Example 2 or 3, wherein the second set of beams are different from the second plurality of beams.

[0153] Example 5 may be combined with the method of any of Examples 3, wherein the determining the beam prediction performance includes determining that the one or more predicted beams and the subset of the second plurality of beams overlap.

[0154] Example 6 may be combined with the method of any of Examples 1-5, further including: transmitting, to the network entity, a UE capability message indicating at least one of: whether the UE supports performance monitoring for spatial-domain beam prediction; whether the UE supports performance monitoring for time-domain beam prediction; whether the UE supports performance monitoring for joint spatial-domain and time-domain beam prediction; a type of downlink reference signals that the UE supports for inference; a type of downlink reference signals that the UE supports for performance monitoring; a maximum number of downlink reference signals that the UE supports for inference; a maximum number of downlink reference signals that the UE supports for performance monitoring; a maximum number of downlink reference signals in a slot that the UE supports for inference; a maximum number of downlink reference signals in a slot that the UE supports for performance monitoring; or information for calculating a metric including at least one of: a beam prediction accuracy, a difference in reference signal received power between a  predicted beam and a current beam, or a number of correct beam predictions within a time window.

[0155] Example 7 may be combined with the method of any of Examples 1-6, further including: receiving, from the network entity, a control signal that triggers the performance monitoring or the report.

[0156] Example 8 may be combined with the method of any of Examples 1-7, further including: detecting an event that triggers the performance monitoring, wherein the event includes at least one of: activation of an inference configuration associated with the performance monitoring; or non-activation or non-configuration of relaxation of the performance monitoring.

[0157] Example 9 may be combined with the method of any of Examples 1-8, further including: detecting an event that triggers the report, wherein the event includes at least one of: the beam prediction performance reaching a level; expiry of a timer for the performance monitoring; or a counter for the performance monitoring satisfying a threshold.

[0158] Example 10 may be combined with the method of any of Examples 1-9, wherein the transmitting the report includes at least one of: transmitting, to the network entity, a request for an uplink resource for the report; or transmitting, to the network entity, a notification indicating an uplink channel for the report.

[0159] Example 11 may be combined with the method of any of Examples 2-10, wherein the configuration indicates at least one of: a first resource for the first plurality of downlink reference signals; a second resource for the second plurality of downlink reference signals; an association between the first plurality of downlink reference signals and the second plurality of downlink reference signals; an association between the second set of beams and the second plurality of beams; a third parameter for the prediction; or a fourth parameter for beam prediction model control.

[0160] Example 12 may be combined with the method of any of Examples 1-11, wherein the first parameter includes a periodicity for the performance monitoring based on at least one of: a configuration for discontinuous reception; a configuration for burst based monitoring; or relaxation of the performance monitoring.

[0161] Example 13 may be combined with the method of any of Examples 2-12, wherein the first parameter includes at least one of: a measurement resource based on or associated with the first plurality of downlink reference signals; a number of beams for the evaluating the prediction performance; a threshold or an offset for selecting a  subset of the second plurality of beams; a time domain measurement restriction for evaluating the prediction performance; a first counter for correct beam predictions; a second counter for incorrect beam predictions; a periodicity for the performance monitoring; a time window to determine a performance monitoring result; or a domain of the performance monitoring.

[0162] Example 14 may be combined with the method of any of Examples 1-13, wherein the second parameter includes at least one of: an uplink channel resource for transmitting the report; an uplink channel resource for transmitting a request for an uplink resource for the report; an uplink channel resource for transmitting a notification indicating an uplink channel for the report; a scheme for transmitting the report; or whether transmission of the report is periodic, semi-persistent, aperiodic, or event-triggered.

[0163] Example 15 may be combined with the method of any of Examples 2-14, wherein the third parameter includes at least one of: a downlink resource for the first set of beams; a downlink resource for the second set of beams; a number of predicted beams; a time window for the prediction; a predicted quantity; identification of an association between the first set of beams and the second set of beams; or a time domain measurement restriction for measuring the first set of beams.

[0164] Example 16 may be combined with the method of any of Examples 1-15, wherein the fourth parameter includes at least one of: whether the UE autonomously deactivates an activated functionality or a machine learning model and indicates the deactivation to the network entity; or whether the UE makes a control decision and report the control decision to the network entity.

[0165] Example 17 is a method of wireless communication at a network entity, including: transmitting, to a user equipment, UE, , a configuration for performance monitoring indicating: a first plurality of downlink reference signals for prediction, a second plurality of downlink reference signals for performance monitoring of the prediction, a first parameter for the performance monitoring, and a second parameter for reporting the performance monitoring; transmitting, to the UE, the first plurality of downlink reference signals and the second plurality of downlink reference signals; and receiving, from the UE, a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.

[0166] Example 18 may be combined with the method of Example 17, wherein the configuration indicates at least one of: a first resource for the first plurality of  downlink reference signals; a second resource for the second plurality of downlink reference signals; a third parameter for the prediction; or a fourth parameter for beam prediction model control.

[0167] Example 19 may be combined with the method of Example 17 or 18, wherein the first parameter includes a periodicity for the performance monitoring based on at least one of: a configuration for discontinuous reception; a configuration for burst based monitoring; or relaxation of the performance monitoring.

[0168] Example 20 may be combined with the method of any of Examples 17-19, wherein the first parameter includes at least one of: a measurement resource based on or associated with the first plurality of downlink reference signals; a number of beams for the evaluating the prediction performance; a threshold or an offset for selecting a subset of the second plurality of beams; a time domain measurement restriction for evaluating the prediction performance; a first counter for correct beam predictions; a second counter for incorrect beam predictions; a periodicity for the performance monitoring; a time window to determine a performance monitoring result; or a domain of the performance monitoring.

[0169] Example 21 may be combined with the method of any of Examples 17-20, wherein the second parameter includes at least one of: an uplink channel resource for transmitting the report; an uplink channel resource for transmitting a request for an uplink resource for the report; an uplink channel resource for transmitting a notification indicating an uplink channel for the report; a scheme for transmitting the report; or whether transmission of the report is periodic, semi-persistent, aperiodic, or event-triggered.

[0170] Example 22 may be combined with the method of any of Examples 18-21, wherein the third parameter includes at least one of: a downlink resource for a first set of beams; a downlink resource for a second set of beams; a number of predicted beams; a time window for the prediction; a predicted quantity; identification of an association between the first set of beams and the second set of beams; or a time domain measurement restriction for measuring the first set of beams.

[0171] Example 23 may be combined with the method of any of Examples 18-22, wherein the fourth parameter includes at least one of: whether the UE may autonomously deactivate an activated functionality or a machine learning model and indicate the deactivation to the network entity; or whether the UE may make a control decision and report the control decision to the network entity.

[0172] Example 24 is an apparatus for wireless communication including a memory, a transceiver, and a processor coupled to the memory and the transceiver, the apparatus being configured to implement a method as in any of Examples 1-23.

[0173] Example 25 is an apparatus for wireless communication for implementing a method as in any of Examples 1-23.

[0174] Example 26 is an apparatus for wireless communication including means for implementing a method as in any of Examples 1-23.

[0175] Example 27 is a non-transitory computer-readable medium storing computer executable code, the code when executed by a processor causes the processor to implement a method as in any of Examples 1-23.

[0176] Example 28 is a computer program product for implementing a method as in any of Examples 1-23.

Claims

A method of wireless communication at a user equipment, UE, (102) , comprising:receiving (304) , from a network entity (104) , a configuration for performance monitoring indicating:a first plurality of downlink reference signals for prediction (310) ,a second plurality of downlink reference signals for performance monitoring (312) of the prediction (310) ,a first parameter for the performance monitoring, anda second parameter for reporting the performance monitoring (312) ;receiving (308) , from the network entity (104) , the first plurality of downlink reference signals and the second plurality of downlink reference signals; andtransmitting (316) , to the network entity (104) , a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.The method of claim 1, wherein the first plurality of downlink reference signals are associated with a first plurality of beams comprising a first set of beams, and the second plurality of downlink reference signals are associated with a second plurality of beams, and wherein the prediction (310) includes beam inference, the method further comprising:measuring the first set of beams to obtain a first plurality of beam measurement results based on the first parameter; andobtaining, using a machine learning model and based on the first plurality of beam measurement results, a beam inference result identifying one or more predicted beams among a second set of beams.The method of claim 2, further comprising:measuring the second plurality of beams to obtain a second plurality of beam measurement results;determining, based on the second plurality of beam measurement results, a subset of the second plurality of beams; anddetermining a beam prediction performance based on the one or more predicted beams and the subset of the second plurality of beams.The method of claim 2 or 3, wherein the second set of beams are different from the second plurality of beams.The method of claims 3, wherein the determining the beam prediction performance comprises determining that the one or more predicted beams and the subset of the second plurality of beams overlap.The method of any of claims 1-5, further comprising: transmitting (302) , to the network entity (104) , a UE capability message indicating at least one of:whether the UE (102) supports performance monitoring for spatial-domain beam prediction;whether the UE (102) supports performance monitoring for time-domain beam prediction;whether the UE (102) supports performance monitoring for joint spatial-domain and time-domain beam prediction;a type of downlink reference signals that the UE (102) supports for inference;a type of downlink reference signals that the UE (102) supports for performance monitoring;a maximum number of downlink reference signals that the UE (102) supports for inference;a maximum number of downlink reference signals that the UE (102) supports for performance monitoring;a maximum number of downlink reference signals in a slot that the UE (102) supports for inference;a maximum number of downlink reference signals in a slot that the UE (102) supports for performance monitoring; orinformation for calculating a metric comprising at least one of: a beam prediction accuracy, a difference in reference signal received power (RSRP) between a predicted beam and a current beam, or a number of correct beam predictions within a time window.The method of any of claims 1-6, further comprising: receiving (306, 314) , from the network entity (104) , a control signal that triggers the performance monitoring or the report.The method of any of claims 1-7, further comprising: detecting an event that triggers the performance monitoring (312) , wherein the event comprises at least one of:activation of an inference configuration associated with the performance monitoring (312) ; ornon-activation or non-configuration of relaxation of the performance monitoring (312) .The method of any of claims 1-8, further comprising: detecting an event that triggers the report, wherein the event comprises at least one of:the beam prediction performance reaching a level;expiry of a timer for the performance monitoring (312) ; ora counter for the performance monitoring (312) satisfying a threshold.The method of any of claims 1-9, wherein the transmitting (316) the report comprises at least one of:transmitting (702) , to the network entity (104) , a request for an uplink resource for the report; ortransmitting (706) , to the network entity (104) , a notification indicating an uplink channel for the report.The method of any of claims 2-10, wherein the configuration indicates at least one of:a first resource for the first plurality of downlink reference signals;a second resource for the second plurality of downlink reference signals;an association between the first plurality of downlink reference signals and the second plurality of downlink reference signals;an association between the second set of beams and the second plurality of beams;a third parameter for the prediction (310) ; ora fourth parameter for beam prediction model control.The method of any of claims 1-11, wherein the first parameter comprises a periodicity for the performance monitoring (312) based on at least one of:a configuration for discontinuous reception;a configuration for burst based monitoring; orrelaxation of the performance monitoring (312) .The method of any of claims 2-12, wherein the first parameter comprises at least one of:a measurement resource based on or associated with the first plurality of downlink reference signals;a number of beams for the evaluating the prediction performance;a threshold or an offset for selecting a subset of the second plurality of beams;a time domain measurement restriction for evaluating the prediction performance;a first counter for correct beam predictions;a second counter for incorrect beam predictions;a periodicity for the performance monitoring (312) ;a time window to determine a performance monitoring result; ora domain of the performance monitoring (312) .The method of any of claims 1-13, wherein the second parameter comprises at least one of:an uplink channel resource for transmitting the report;an uplink channel resource for transmitting a request for an uplink resource for the report;an uplink channel resource for transmitting a notification indicating an uplink channel for the report;a scheme for transmitting the report; orwhether transmission of the report is periodic, semi-persistent, aperiodic, or event-triggered.The method of any of claims 2-14, wherein the third parameter comprises at least one of:a downlink resource for the first set of beams;a downlink resource for the second set of beams;a number of predicted beams;a time window for the prediction (310) ;a predicted quantity;identification of an association between the first set of beams and the second set of beams; ora time domain measurement restriction for measuring the first set of beams.The method of any of claims 1-15, wherein the fourth parameter comprises at least one of:whether the UE autonomously deactivates an activated functionality or a machine learning model and indicates the deactivation to the network entity; orwhether the UE makes a control decision and report the control decision to the network entity.A method of wireless communication at a network entity (104) , comprising:transmitting (304) , to a user equipment, UE, (102) , a configuration for performance monitoring indicating:a first plurality of downlink reference signals for prediction (310) ,a second plurality of downlink reference signals for performance monitoring (312) of the prediction (310) ,a first parameter for the performance monitoring, anda second parameter for reporting the performance monitoring;transmitting (308) , to the UE (102) , the first plurality of downlink reference signals and the second plurality of downlink reference signals; andreceiving (316) , from the UE (102) , a report based on the second parameter, the first plurality of downlink refence signals, and the second plurality of downlink reference signals.The method of claim 17, wherein the first parameter comprises at least one of:a measurement resource based on or associated with the first plurality of downlink reference signals;a number of beams for the evaluating the prediction performance;a threshold or an offset for selecting a subset of the second plurality of beams;a time domain measurement restriction for evaluating the prediction performance;a first counter for correct beam predictions;a second counter for incorrect beam predictions;a periodicity for the performance monitoring (312) ;a time window to determine a performance monitoring result; ora domain of the performance monitoring (312) .The method of claim 17 or 18, wherein the second parameter comprises at least one of:an uplink channel resource for transmitting the report;an uplink channel resource for transmitting a request for an uplink resource for the report;an uplink channel resource for transmitting a notification indicating an uplink channel for the report;a scheme for transmitting the report; orwhether transmission of the report is periodic, semi-persistent, aperiodic, or event-triggered.An apparatus for wireless communication comprising a memory, a transceiver, and a processor coupled to the memory and the transceiver, the apparatus being configured to implement a method as in any of claims 1-19.

Images