Device and method for determination of timing information in wireless communication networks

Abstract

The present disclosure relates to entities and methods to improve the overall accuracy of positioning systems. The disclosure proposes an entity for a wireless communication system, the entity being configured to: receive a reference signal, obtain one or more calculated results and / or one or more measured results related to the reference signal, determine whether to report the one or more calculated results and / or the one or more measured results, and based on the determination, provide the one or more calculated results and / or the one or more measured results related to the reference signal to a network entity. The disclosure further proposes a network entity configured to configure an entity to report the one or more calculated results and / or the one or more measured results, and obtain the one or more calculated results and / or the one or more measured results from the entity.

Description

DEVICE AND METHOD FOR DETERMINATION OF TIMING INFORMATION IN WIRELESS COMMUNICATION NETWORKSTECHNICAL FIELD

[0001] The present disclosure relates to wireless communication systems, particularly in the context of new radio (NR) technologies. Specifically, it pertains to the application of artificial intelligence (AI) and machine learning (ML) techniques for enhancing the positioning accuracy of user equipment (UE) , particularly in scenarios involving non-line-of-sight (NLOS) conditions between transmission and reception points (TRPs) and the UE.BACKGROUND

[0002] Positioning of UE is crucial in modern wireless networks, particularly for applications that require high precision, such as navigation, autonomous systems, and location-based services. Traditional positioning techniques rely on line-of-sight (LOS) conditions for accurate position estimation. However, in many practical scenarios, non-line-of-sight (NLOS) conditions are prevalent due to obstacles such as buildings, walls, or other environmental obstructions, degrading traditional positioning techniques' accuracy.

[0003] To address this challenge, the 3rd Generation Partnership Project (3GPP) has investigated using AI / ML techniques to enhance positioning in 5G NR systems. By leveraging channel measurements obtained from uplink (UL) and downlink (DL) transmissions, AI / ML-based methods enable enhanced positioning accuracy even under NLOS conditions. These channel measurements can be used in two principal approaches: (i) direct AI / ML positioning, where the position of a UE is directly estimated from channel measurements, and (ii) AI / ML-assisted positioning, where channel parameters, such as time of arrival (TOA) or LOS / NLOS indicators, are estimated from channel measurements and subsequently used for position calculation.

[0004] In both approaches, AI / ML models are trained using channel measurements and corresponding labels (e.g., known positions or channel parameter values) . Once trained, these models can infer the UE's position or channel parameters in real time. Depending on the system configuration, the AI / ML model can be deployed at different network nodes, including the UE, the gNodeB (gNB) , or the location management function (LMF) . The network node at which the channel measurements are collected and the location where the positioning process is executed can vary, leading to several use-case scenarios.

[0005] The models may leverage channel measurements derived from different types of reference signals. Positioning Reference Signals (PRS) transmitted from the gNB are used for downlink measurements. Sounding Reference Signals (SRS) transmitted by the UE or positioning reference units (PRUs) are utilized for uplink measurements. The PRUs are special devices with a known position, often used to create labeled datasets for model training.

[0006] Several use cases and scenarios have been identified for positioning in the study of AI / ML for NR air interface under 3GPP Release 18, classified according to the model's location, the measurements' collection point, and the node where the positioning takes place. For example, the model may be located at the UE, the gNB, or the LMF, while the channel measurements may be collected at the UE, the gNB, or the PRU. This diversity in system configurations enables different architectures for the implementation of AI / ML-based positioning.

[0007] A critical aspect of the disclosure is the reporting and interpreting of channel measurements and calculated results. Traditionally, network nodes (e.g., gNBs, PRUs, and UEs) report measured results (i.e., channel measurements) to the LMF, which processes the information to compute the position of the UE. However, in AI / ML-assisted positioning, network nodes report calculated results, such as model-derived timing information (e.g., time of flight (TOF) or relative time of arrival (RTOA) ) and LOS / NLOS indicators, to the LMF. This information enables the LMF to make more accurate decisions regarding the UE's position, even in NLOS conditions.

[0008] In the prior art, model-derived timing information was reported by appending an indicator to the legacy measurement report. The indicator specifies whether the reported timing information is based on a legacy measurement or an AI / ML model output. However, this approach introduces certain limitations. For instance, the gNB may only be capable of reporting either timing information based on legacy measurement or one based on the model output, but not both simultaneously. This limitation creates reduced flexibility when using the reported data by the LMF.

[0009] Despite the potential of AI / ML techniques, the reporting and processing of channel measurements, channel parameters, and position estimates introduce new challenges that must be addressed to ensure accurate and reliable positioning.SUMMARY

[0010] Given the above challenges, this disclosure aims to introduce a novel system, method, and apparatus for enhancing the accuracy, efficiency, and reliability of positioning in wireless communication systems, particularly in the context of 5G NR and beyond. One objective of this disclosure is to provide a comprehensive approach for dynamically managing the reporting of measured and calculated results related to reference signals. Another objective is to address the challenges posed by NLOS propagation and multipath environments, where conventional positioning methods often suffer from reduced accuracy.

[0011] These and other objectives are achieved by the solution of the present disclosure as provided in the independent claims. Advantageous implementations are further defined in the dependent claims.

[0012] A first aspect of the disclosure provides an entity for a wireless communication system, the entity being configured to receive a reference signal, obtain one or more calculated results and / or one or more measured results related to the reference signal, determine whether to report the one or more calculated results and / or the one or more measured results, and based on the determination, provide the one or more calculated results and / or the one or more measured results related to the reference signal to a network entity.

[0013] This disclosure proposes an entity or device that can efficiently and selectively report calculated and measured results. By dynamically deciding whether to report calculated or measured results, unnecessary signaling is reduced, and network resources are utilized more efficiently. It also enables flexible and context-aware reporting strategies, aligning better with channel conditions and use cases. The system can optimize positioning performance by providing this information to a network entity, such as an LMF, especially in scenarios involving measurements from multiple gNBs and / or UEs.

[0014] In an implementation form of the first aspect, the one or more calculated results and / or the one or more measured results include timing information and / or an LOS / NLOS indicator related to the reference signal.

[0015] The provision of timing information and LOS / NLOS indicators supports enhanced positioning accuracy. LOS / NLOS classification allows the network to identify links in LOS and NLOS conditions, leading to more accurate positioning calculations. The timing information can be used in positioning methods such as time difference of arrival (TDOA) , improving location estimation accuracy.

[0016] In an implementation form of the first aspect, the timing information comprises at least one of the following: an uplink relative time of arrival (UL RTOA) , a downlink reference signal time difference (DL RSTD) , or a receive-transmit (Rx-Tx) time difference.

[0017] The timing information may include measured timing information and calculated timing information. The measured timing information could be legacy timing information like UL RTOA, DL RSTD, round trip time (RTT) , UE Rx-Tx time difference, or gNB Rx-Tx time difference. The calculated timing information may include a calculated TOF, a calculated propagation delay, or a calculated RTOA. Including various timing metrics allows the system to cover a wide range of measurement reports that can be sent from the entity to the network entity to support positioning based on uplink and downlink signals. This flexibility ensures the entity can support a comprehensive set of positioning use cases, improving system performance in different environments. This ensures accurate positioning, particularly in complex environments with multiple paths and signal reflections.

[0018] In an implementation form of the first aspect, the entity is further configured to determine whether to report the one or more calculated results and / or the one or more measured results based on an LOS condition of the reference signal, or determine to report the one or more measured results if they are within a range of the one or more calculated results.

[0019] This feature ensures that only the most relevant and reliable information is reported to the network. Reporting only when the results meet certain conditions reduces signaling overhead and avoids the use of potentially erroneous data for positioning. This leads to more efficient utilization of network resources and increased positioning reliability.

[0020] In an implementation form of the first aspect, the entity is further configured to determine whether the reference signal is received in the LOS condition, determine to report the one or more calculated results if the reference signal is not received in the LOS condition, and determine to report the one or more measured results if the reference signal is received in the LOS condition.

[0021] By prioritizing the reporting of calculated results in NLOS scenarios instead of measured results, this disclosure enhances positioning accuracy under challenging conditions. It reduces the adverse impact of NLOS propagation on the positioning process, leading to better position estimates. Accordingly, the entity can report a measured value in the case that there is an LOS propagation path between the UE and the TRP, in which case the measured result is more reliable compared to the case when there would be no LOS.

[0022] In an implementation form of the first aspect, the entity is further configured to determine a value of the LOS / NLOS indicator, and determine that the reference signal is received in the LOS condition if the value of the LOS / NLOS indicator is above a preconfigured threshold.

[0023] This feature allows the system to identify LOS conditions, enabling context-aware decisions regarding the reporting of measured versus calculated results. The ability to use a preconfigured threshold provides flexibility for system tuning and adaptability to various environments and channel conditions.

[0024] In an implementation form of the first aspect, the entity is further configured to obtain the preconfigured threshold from the network entity.

[0025] The ability to configure the threshold allows the network to adapt the positioning system to different deployment scenarios or network conditions. It facilitates dynamic tuning, leading to better system performance across diverse wireless environments.

[0026] In an implementation form of the first aspect, the entity is further configured to receive a request from the network entity, wherein the request indicates the entity to provide the one or more calculated results and / or the one or more measured results related to the reference signal.

[0027] This disclosure allows for a flexible interaction between the network entity and the device, ensuring that the measured results and / or the calculated results are provided upon request. This facilitates an on-demand exchange of data, ensuring that the network entity has access to the necessary information when needed for positioning calculations. In some cases, even if the network entity requests a specific type of result (e.g., a measured result) , the entity may instead provide the other type of result (e.g., a calculated result) if it determines that the alternative result is more reliable. This capability enhances the adaptability and robustness of the positioning process, ensuring that only the most accurate and reliable data is reported. For example, in NLOS conditions, the calculated results (e.g., produced using an AI / ML model) may be more accurate than measured results, and therefore, the system can dynamically prioritize reporting the calculated results.

[0028] In an implementation form of the first aspect, the entity is further configured to generate the one or more calculated results using a model trained to infer one or more results related to the reference signal, wherein the result includes timing information and / or an LOS / NLOS indicator.

[0029] By leveraging a model trained to infer one or more calculated timing values, the system benefits from enhanced precision and adaptability in various signal conditions. This allows for better handling of multipath propagation and other signal distortions, leading to more reliable timing measurements.

[0030] In an implementation form of the first aspect, the input of the model is based on measurements of the reference signal.

[0031] Using channel measurements as input ensures that the model operates on real-world data, leading to better generalization and inference accuracy. The system can leverage data from real-time wireless channels to provide accurate and timely predictions.

[0032] In an implementation form of the first aspect, the entity is further configured to provide one or more quality indicators of the one or more calculated results related to the reference signal to the network entity.

[0033] Quality indicators enable the network to assess the reliability of reported information. This allows for more informed decision-making in positioning calculations, ensuring that only high-quality data is used for high accuracy location-based services. For instance, the entity may provide one indicator per calculated result or one indicator for all one or more calculated results.

[0034] In an implementation form of the first aspect, if the entity does not report the one or more calculated results, the entity is further configured to provide an indication to the network entity, wherein the indication indicates a reason for omitting the one or more calculated results.

[0035] This feature supports transparency and diagnostic capabilities in the network. By informing the network of reasons for omitted requested results, the system can address potential issues or reconfigure the positioning process as needed. For example, the reason may be that the measured result is more reliable due to LOS conditions, or, the calculated result is not reliable, e.g., due to an outdating of the model or changes in the environment.

[0036] In an implementation form of the first aspect, the reference signal comprises an SRS or a PRS.

[0037] This feature ensures that the entity can handle both SRS and PRS, which are commonly used in positioning systems. By supporting both types of signals, the system enhances its versatility in a range of applications, based on uplink measurements and / or downlink measurements.

[0038] In an implementation form of the first aspect, the entity is one of the following: a base station, a TRP, a gNB, a PRU, or a UE.

[0039] Possibly, the proposed entity may be implemented in a gNB, a TRP, a PRU, or a UE, which have the capability of receiving reference signals as part of their implementation of the relevant specification. Notably, this disclosure is applicable to various types of network devices, increasing its flexibility and utility in different wireless communication environments.

[0040] In an implementation form of the first aspect, the one or more calculated results and the one or more measured results are associated with one or more further entities of the entity, wherein the one or more further entities include one or more TRPs.

[0041] This enables the system to use data from multiple sources to improve positioning performance. For instance, if the entity is a gNB, the input measurements may include those being measured at one or more further entities (i.e., TRPs) that belong to the gNB.

[0042] A second aspect of the disclosure provides a network entity in a wireless communication system, configured to configure an entity to determine whether to report one or more calculated results and / or one or more measured results related to a reference signal, and obtain from the entity the one or more calculated results and / or the one or more measured results related to the reference signal.

[0043] This disclosure proposes a network entity that control and coordinate the collection of calculated and / or measured results from the entity. This approach enables an adaptive and centralized management. The network can issue specific requests for measured and / or calculated results and receive measured and / or calculated results, leading to more efficient and accurate positioning. With the reported calculated and / or measured results, the network entity may perform positioning with the provided information. Possibly, the network entity may be the LMF. The network entity may obtain timing information from a plurality of entities. For instance, the LMF may request multiple gNB to obtain calculated and / or measured results based on SRS sent by the UE.

[0044] In an implementation form of the second aspect, the one or more calculated results and / or the one or more measured results include timing information and / or an LOS / NLOS indicator related to the reference signal.

[0045] In an implementation form of the first aspect, the timing information comprises at least one of the following: an UL RTOA, a DL RSTD, or an Rx-Tx time difference.

[0046] This ensures that the network entity can work with a wide variety of timing metrics, covering both uplink and downlink scenarios, which enhances its ability to obtain accurate positioning.

[0047] In an implementation form of the first aspect, the network entity is further configured to send a request to the entity, wherein the request indicates the entity to provide the one or more calculated results and / or the one or more measured results related to the reference signal.

[0048] This feature enables an on-demand access to relevant channel information, allowing the network to retrieve data when required, thereby improving the efficiency of communication between the network entity and the device. Possibly, the network entity may send request to more than one entity, and request information from each of them.

[0049] In an implementation form of the second aspect, the network entity is further configured to provide a preconfigured threshold to the entity, wherein the preconfigured threshold is to be used by the entity to determine whether the reference signal is received in an LOS condition.

[0050] This ability to provide a preconfigured threshold allows the network entity the flexibility for system tuning and adaptability to various environments and channel conditions.

[0051] In an implementation form of the second aspect, the network entity is further configured to receive one or more quality indicators of the one or more calculated results related to the reference signal from the entity.

[0052] Quality indicators enable the network to assess the reliability of reported information. This allows for more informed decision-making in positioning calculations, ensuring that only high-quality data is used for high accuracy location-based services.

[0053] In an implementation form of the second aspect, the network entity is further configured to receive an indication from the entity, if the entity does not report the one or more calculated results, wherein the indication indicates a reason for omitting the one or more calculated results.

[0054] This feature supports transparency and diagnostic capabilities in the network. With the knowledge of reasons for omitted requested results, the network entity can address potential issues or reconfigure the positioning process as needed.

[0055] In an implementation form of the second aspect, the reference signal comprises an SRS or a PRS.

[0056] This feature supports the use of common reference signals in positioning, enabling the system to flexibly adapt to different signaling types and links.

[0057] In an implementation form of the second aspect, the network entity is an LMF.

[0058] This identifies the network entity as an LMF, which is responsible for managing positioning services in the system. By specifying the LMF, the system can coordinate the collection and processing of measured and / or calculated data across multiple devices, ensuring efficient and accurate location estimation. This enhances the applicability of the system for positioning and location-based services, ensuring precise signal measurements for location determination in a wireless network.

[0059] A third aspect of the disclosure provides a method performed by an entity for a wireless communication system, wherein the method comprises: receiving a reference signal, obtaining one or more calculated results and / or one or more measured results related to the reference signal, determining whether to report the one or more calculated results and / or the one or more measured results, and based on the determination, providing the one or more calculated results and / or the one or more measured results related to the reference signal to a network entity.

[0060] Implementation forms of the method of the third aspect may correspond to the implementation forms of the entity of the first aspect described above. The method of the third aspect and its implementation forms achieve the same advantages and effects as described above for the entity of the first aspect and its implementation forms.

[0061] A fourth aspect of the disclosure provides a method performed by a network entity, wherein the method comprises configuring an entity to determine whether to report one or more calculated results and / or one or more measured results related to a reference signal, and obtaining from an entity, the one or more calculated results and / or the one or more measured results related to the reference signal.

[0062] Implementation forms of the method of the fourth aspect may correspond to the implementation forms of the network entity of the second aspect described above. The method of the fourth aspect and its implementation forms achieve the same advantages and effects as described above for the network entity of the second aspect and its implementation forms.

[0063] A fifth aspect of the disclosure provides a computer program or computer program product comprising a program code for carrying out, when implemented on a processor, the method according to the third aspect and any implementation forms of the third aspect, or the fourth aspect and any implementation forms of the fourth aspect.

[0064] It has to be noted that all devices, elements, units and means described in the present application could be implemented in software or hardware elements or any kind of combination thereof. All steps that are performed by the various entities described in the present application as well as the functionalities described to be performed by the various entities are intended to mean that the respective entity is adapted to or configured to perform the respective steps and functionalities. Even if, in the following description of specific embodiments, a specific functionality or step to be performed by external entities is not reflected in the description of a specific detailed element of that entity that performs that specific step or functionality, it should be clear for a skilled person that these methods and functionalities can be implemented in respective software or hardware elements or any kind of combination thereof.BRIEF DESCRIPTION OF DRAWINGS

[0065] The above-described aspects and implementation forms of the present disclosure will be explained in the following description of specific embodiments in relation to the enclosed drawings, in which:

[0066] FIG. 1 shows an entity according to an embodiment of the disclosure;

[0067] FIG. 2 shows a network entity according to an embodiment of the disclosure;

[0068] FIG. 3 shows a result determination procedure according to an embodiment of the disclosure;

[0069] FIG. 4 shows signaling exchanges among entities according to an embodiment of the disclosure;

[0070] FIG. 5 shows signaling exchanges among entities according to an embodiment of the disclosure;

[0071] FIG. 6 shows a result determination procedure according to an embodiment of the disclosure;

[0072] FIG. 7 shows signaling exchanges among entities according to an embodiment of the disclosure;

[0073] FIG. 8 shows exemplary measurement information elements (IEs) according to an embodiment of the disclosure;

[0074] FIG. 9 shows a method according to an embodiment of the disclosure; and

[0075] FIG. 10 shows a method according to an embodiment of the disclosure.DETAILED DESCRIPTION OF EMBODIMENTS

[0076] The present disclosure describes an entity and a network entity in a wireless communication system, as well as various methods and embodiments related to determining and reporting timing information and channel parameters for positioning. The embodiments introduce improved mechanisms for efficient and accurate positioning of the UE, thereby supporting advanced use cases for location-based services in future wireless communication networks.

[0077] Illustrative embodiments of the entity, the network entity, and corresponding methods, are described with reference to the figures. Although this description provides a detailed example of possible implementations, it should be noted that the details are intended to be exemplary and in no way limit the scope of the application.

[0078] Moreover, an embodiment or example may refer to other embodiments or examples. For example, any description including but not limited to terminology, element, process, explanation, and / or technical advantage mentioned in one embodiment / example is applicable to the other embodiments or examples.

[0079] FIG. 1 shows an entity 100 in a wireless communication system according to an embodiment of this disclosure. The entity 100 may be a UE, a base station, a gNB, a TRP, or a PRU. The entity 100 is configured to receive, process, and report information related to reference signals. The reference signals may include SRS and PRS, which facilitate the positioning of UE in the network.

[0080] The entity 100 may comprise processing circuitry (not shown) configured to perform, conduct, or initiate the various operations of the entity 100 described herein. The processing circuitry may comprise hardware and software. The hardware may comprise analog circuitry digital circuitry, or both analog and digital circuitry. The digital circuitry may comprise components such as application-specific integrated circuits (ASICs) , field-programmable arrays (FPGAs) , digital signal processors (DSPs) , or multi-purpose processors. The entity 100 may further comprise memory circuitry, which stores one or more instruction (s) that can be executed by the processor or by the processing circuitry, in particular under the control of the software. For instance, the memory circuitry may comprise a non-transitory storage medium storing executable software code which, when executed by the processor or the processing circuitry, causes the various operations of the entity 100 to be performed. In one embodiment, the processing circuitry comprises one or more processors and a non-transitory memory connected to the one or more processors. The non-transitory memory may carry executable program code which, when executed by the one or more processors, causes entity 100 to perform, conduct or initiate the operations or methods described herein.

[0081] The entity 100 is configured to receive a reference signal 101. Possibly, the reference signal 101 is transmitted by one or more network nodes in the wireless communication system. For instance, the reference signal 101 may include an SRS sent by a PRU or UE. In another instance, the reference signal 101 may include a PRS sent by a gNB or TRP.

[0082] The entity 100 is configured to obtain one or more measured results 102 and / or one or more calculated results 103 related to the reference signal 101. Notably, measured results are derived directly from the received reference signals, such as timing information (e.g., UL RTOA, DL RSTD, or Tx-Rx time difference) . Calculated results may be generated using an AI / ML model trained to infer channel-related parameters. These may include LOS / NLOS indicators and timing information based on input measurements obtained from the reference signals.

[0083] In one implementation, the AI / ML model may be a pre-trained model that predicts key channel parameters, such as LOS / NLOS indicator and timing information. The model's inputs are based on the channel measurements obtained from the received reference signal. By inferring parameters in scenarios where traditional measurements may be inaccurate (e.g., NLOS) , the AI / ML model can provide more robust positioning information.

[0084] The entity 100 is further configured to determine whether to report the one or more measured results 102 and / or the one or more calculated results 103.

[0085] For example, the decision is made based on various criteria, including:

[0086] · LOS condition: If an LOS condition is detected, the entity 100 may choose to report measured results.

[0087] · NLOS condition: If an NLOS condition is detected, the entity 100 may prioritize calculated results obtained from the AI / ML model.

[0088] · Quality of the results: If measured results and calculated results are both available, the entity 100 may compare them and report the more reliable of the two. Possibly, both results may be reported, e.g., to a network entity 200.

[0089] Based on the determination, the entity 100 is further configured to provide the one or more measured results 102 and / or the one or more calculated results 103 related to the reference signal 101 to the network entity 200.

[0090] This disclosure accordingly proposes an entity or device that reports one or both types of timing information in a flexible manner, i.e., based on legacy measurements or based on calculations such as model output. In a similar manner, this disclosure also supports the reporting of a measured LOS / NLOS indicator and / or a calculated LOS / NLOS indicator from a gNB or UE.

[0091] Accordingly, FIG. 2 shows a network entity 200 according to an embodiment of the disclosure. The network entity 200 may comprise processing circuitry (not shown) configured to perform, conduct, or initiate the various operations of the network entity 200 described herein. The processing circuitry may comprise hardware and software. The hardware may comprise analog circuitry digital circuitry, or both analog and digital circuitry. The digital circuitry may comprise components such as ASICs, FPGAs, DSPs, or multi-purpose processors. The network entity 200 may further comprise memory circuitry, which stores one or more instruction (s) that can be executed by the processor or by the processing circuitry, in particular under the control of the software. For instance, the memory circuitry may comprise a non-transitory storage medium storing executable software code which, when executed by the processor or the processing circuitry, causes the various operations of the network entity 200 to be performed. In one embodiment, the processing circuitry comprises one or more processors and a non-transitory memory connected to the one or more processors. The non-transitory memory may carry executable program code which, when executed by the one or more processors, causes the network entity 200 to perform, conduct or initiate the operations or methods described herein.

[0092] The network entity 200 illustrated in FIG. 2 may be an LMF or another centralized network node responsible for managing and processing data from multiple network nodes (e.g., gNBs, TRPs, or UEs) . The network entity configures the entity 100, processes the received results, and makes positioning decisions. Possibly, the entity 100 may be the entity 100 shown in FIG. 1.

[0093] The network entity 200 is configured to configure the entity 100 to determine whether to report one or more measured results 102 and / or one or more calculated results 103 related to a reference signal 101.

[0094] For instance, the network entity 200 may send instructions to the entity 100 regarding how to process and report the results. The network entity 200 may configure the entity 100 to report a measured result only if it is within a given range from the calculated result, otherwise the entity 100 may report only the calculated result. In another example, the network entity 200 may configure the entity 100 to report a calculated result in case of a NLOS condition. In yet another example, the network entity 200 may configure the entity 100 to report a measured result in case of a LOS condition. The configuration done by the network entity can depend on the performance monitoring of calculated results provided to the network entity. This configuration may include setting the preconfigured threshold for LOS / NLOS determination and requesting the type of result to be reported.

[0095] The network entity 200 is further configured to obtain from the entity 100 the one or more measured results 102 and / or the one or more calculated results 103 related to the reference signal 101.

[0096] The network entity 200 may be further configured to send a request to the entity 100, wherein the request indicates the entity 100 to provide the one or more measured results 102 and / or the one or more calculated results 103 related to the reference signal 101. This allows for dynamic retrieval of information when required by specific applications or network conditions.

[0097] In one implementation, the network entity 200 may process the received results, taking into account LOS / NLOS conditions. It may use the timing information and LOS / NLOS indicators to calculate the position of the UE.

[0098] The entity 100, as shown in FIG. 1, and network entity 200 as shown in FIG. 2, work together to provide results in a flexible, adaptive, and robust manner to support UE positioning in wireless communication systems. The dynamic reporting of calculated and measured results, the ability to determine LOS / NLOS conditions, and the integration of AI / ML models enable the system to achieve highly accurate positioning even in challenging NLOS environments. The network entity 200 orchestrates the process, ensuring efficient data collection and reliable positioning.

[0099] The following embodiments describe detailed scenarios where the entity 100 as shown in FIG. 1 interacts with a network entity 200 as shown in FIG. 2 in determining and reporting channel-related information for positioning purposes.

[0100] FIG. 3 illustrates an embodiment where the entity 100, such as a gNB or TRP belonging to a gNB, measures a reference signal 101, processes and reports results related to the reference signal 101. This embodiment showcases how the entity 100 can handle requests from the network entity 200, e.g., the LMF, to provide either measured results, calculated results, or both, based on reference signals received from the wireless environment.

[0101] The entity 100 here may be the entity 100 shown in FIG. 1 or FIG. 2, which can be any node in the wireless communication system, such as a gNB, TRP, PRU, or UE. It is responsible for generating and reporting the measured results, calculated results, or both, based on the received reference signal.

[0102] The entity 100 may receive a request from the LMF. The request can specify whether the LMF needs a measured result, a calculated result, or both. The request can also include additional configuration details, such as the type of information required (e.g., timing information, LOS / NLOS indicator) or thresholds for LOS / NLOS classification.

[0103] The reference signal 101 received by the entity 100, allows to collect channel measurements which enable to determine measured or calculated results. The signal could be a PRS transmitted from a gNB to the UE or PRU, or an SRS transmitted by a UE to a gNB or TRP.

[0104] The entity 100 further processes the reference signal 101 and extracts measured results. Measured results are directly derived from the characteristics of the signal. In LOS conditions, these measurements may provide accurate timing information of a direct path in the channel.

[0105] Optionally, the entity 100 uses an AI / ML model to generate calculated results. The model is trained on input channel measurements of the reference signal and outputs parameters such as timing information (e.g., RTOA, RSTD, or Rx-Tx difference) or an LOS / NLOS indicator. Calculated results obtained via AI / ML models are more robust in challenging scenarios, particularly in NLOS conditions, where a measured result may be less accurate. By using machine learning, the system can "learn" from historical data and improve prediction accuracy.

[0106] The entity 100 determines which results to report, possibly taking into account the following factors:

[0107] · The specific request from the LMF (i.e., whether it requested a measured result, a calculated result, or both) .

[0108] · The quality and reliability of the available results.

[0109] · The LOS / NLOS condition of the channel.

[0110] · If both measured and calculated results are available, the entity may prioritize reporting the one that is more reliable.

[0111] · If only one result is available or suitable, the entity may omit reporting the other one and send an indication to the LMF explaining why the other result was not provided (e.g., outdated model, poor signal quality, or unreliable data) .

[0112] · If neither result is available or suitable, the entity may omit reporting and instead send an indication to the LMF explaining why the result was not provided (e.g., poor signal quality or unreliable data) .

[0113] Allowing the entity 100 to determine which results to report, enables an initial monitoring of calculated results at the entity.

[0114] The entity 100 then transmits the selected results to the LMF. The transmitted results may include:

[0115] · Measured results: RTOA, RSTD, or Rx-Tx time differences.

[0116] · Calculated results: AI / ML-predicted LOS / NLOS indicators or AI / ML-predicted timing information.

[0117] · Quality indicators: Information on the quality and confidence level of the calculated results.

[0118] · Omission indication: If only one result, or no result, is reported, the entity provides an indication to explain the reason (e.g., "poor signal quality" or "unreliable measurements" ) .

[0119] The reporting of quality indicators allows the LMF to evaluate the reliability of the received data. By providing an omission indication, the LMF gains insight into system behavior and can trigger a re-request for missing information if necessary. This selective reporting mechanism ensures that only high-quality, contextually relevant information is sent to the LMF. It reduces unnecessary signaling, improves network efficiency, and prevents the use of unreliable data for positioning.

[0120] FIG. 4 shows signaling exchanges between entities according to an embodiment of this disclosure. In this embodiment, the network entity 200, e.g., the LMF, requests a calculated timing information from an entity 100, e.g., gNB.

[0121] The PRU or UE transmits the SRS 101, which is received by the gNB (or a TRP belonging to the gNB) . The SRS 101 can be received by a TRP belonging to the gNB, and the gNB / TRP makes channel measurements of the SRS 101.

[0122] The gNB performs measurements on the received SRS. Based on these measurements, the gNB generates the following information: measured timing information (traditional timing information derived directly from the SRS) and calculated timing information (e.g., calculated or predicted timing information produced using an AI / ML model that takes the measured data as input) .

[0123] It should be noted here that even though the LMF requested calculated timing information, the gNB has the ability to override this request. If the AI / ML model used to calculate the timing information encounters an issue (e.g., insufficient input quality, outdated model, or low confidence) , the gNB may decide to report the measured timing information instead. The rationale for this approach is to ensure that only high-quality, reliable information is sent to the LMF.

[0124] The decision logic can include: if the model confidence is low, send the measured result; or if the measured and calculated results are sufficiently close, send the measured result to reduce reporting complexity.

[0125] In this example shown in FIG. 4, the gNB sends the measured timing information to the LMF, even though the LMF had initially requested the calculated result. If applicable, the gNB may also send an indication to the LMF explaining why the calculated result was not reported (e.g., model error, unreliable data, or low quality of calculated result) .

[0126] It should be noted that although this figure describes a process where the request is sent to the gNB and how the gNB handles the request, in a variant of this embodiment, the LMF can request a calculated timing information from a PRU or UE and the PRU / UE handles the request similarly.

[0127] FIG. 5 shows signaling exchanges between entities according to an embodiment of this disclosure. In the embodiment, the network entity 200, e.g., the LMF, requests both measured and calculated timing information from the gNB. Optionally, the LMF may additionally provide a preconfigured LOS threshold to the gNB or PRU / UE, which is used to determine if the reference signal is in an LOS or NLOS condition. The LMF processes the timing information to support accurate UE positioning.

[0128] Similar to the embodiment shown in FIG. 4, the UE or PRU transmits an SRS in the uplink, and the gNB performs measurements on the received SRS.

[0129] In this case, the gNB may calculate an LOS / NLOS indicator based on channel measurements of the SRS. If the LOS / NLOS indicator is above the preconfigured LOS (i.e., LOS is detected) , the gNB prioritizes reporting the measured timing information. If the LOS / NLOS indicator is below the threshold (i.e., NLOS is detected) , the gNB may prioritize reporting the calculated timing information.

[0130] The gNB reports either the measured timing information, calculated timing information, or both, depending on the result of the LOS determination.

[0131] It should be noted that although this figure describes a process where the request is sent to the gNB and how the gNB handles the request, in a variant of this embodiment, the LMF can request calculated timing information from a PRU or UE. The PRU / UE handles the request similarly.

[0132] FIG. 6 shows an embodiment of a wireless communication system involving multiple TRPs associated with a gNB (i.e., the entity 100) . This embodiment highlights the process by which the gNB collects, calculates, and reports measured and calculated results related to reference signals received from a PRU or UE. The process incorporates a decision-making mechanism based on an LOS / NLOS indicator, which determines whether to report a measured result or a calculated result to the LMF (i.e., the network entity 200) .

[0133] This embodiment demonstrates the flexibility and adaptability of the system to use multiple TRPs to collect results, enabling multi-TRP-based measurements and the use of AI / ML models for calculated results associated with multiple TRPs. This approach supports advanced multi-TRP deployments, especially in challenging NLOS conditions.

[0134] In this embodiment, the LMF sends a request to the gNB for both measured and calculated results. The request can specify which types of timing information are required (e.g., UL RTOA, DL RSTD, UE Rx-Tx time difference, or gNB Rx-Tx time difference) . Optionally, the LMF also provides a preconfigured LOS threshold to the gNB, which will be used to classify the signal condition as LOS or NLOS at the TRPs.

[0135] A PRU or UE transmits a reference signal. The signal may consist of one or multiple beamformed reference signals, which may be directed at a specific TRP in the uplink or directed to the PRU or UE in the downlink. This transmission can be an SRS (uplink) or PRS (downlink) , depending on the system configuration.

[0136] Multiple TRPs (belonging to the same gNB) receive the reference signal. Based on measurements collected across the multiple TRPs, the following information per TRP is determined:

[0137] · Measured timing information: UL RTOA, DL RSTD, UE Rx-Tx time difference, or gNB Rx-Tx time difference.

[0138] · Calculated timing information (generated using an AI / ML model) .

[0139] · LOS / NLOS indicator: determined based on the characteristics of the channel.

[0140] The LOS / NLOS indicator is compared against the preconfigured threshold. If the LOS / NLOS indicator is above the threshold, the gNB reports the measured result associated with that TRP. If the LOS / NLOS indicator is below the threshold, the gNB reports the calculated result related to that TRP (since NLOS conditions can degrade the accuracy of measured results) .

[0141] The rationale behind this decision logic is that in LOS conditions, direct measurements are accurate. In NLOS conditions, however, the measured results are likely to be unreliable, so the system relies on an AI / ML model to predict the timing information.

[0142] The gNB then reports the results to the LMF. The reported results may include measured results from TRPs where LOS conditions were detected and calculated results from TRPs where NLOS conditions were detected. The gNB may also report quality indicators or information about the decision logic (e.g., which results were reported and why) .

[0143] FIG. 6 demonstrates a highly adaptable, multi-TRP system where a gNB intelligently selects and reports the most reliable positioning results (measured or calculated) based on the LOS / NLOS condition of each TRP. The use of AI / ML models for NLOS conditions ensures accurate and robust positioning in urban or indoor environments.

[0144] In a further embodiment, an additional decision logic may be introduced to determine whether to report a measured result or a calculated result from the gNB to the LMF. This logic involves a comparison between the measured and calculated results, where the decision on what to report is based on the closeness or similarity of the two results. If the measured result is within a preconfigured acceptable range of the calculated result, the gNB reports the measured result. Otherwise, the gNB reports the calculated result to the LMF. This approach ensures that only the most reliable information is sent to the LMF, leading to improved positioning performance and reduced errors in NLOS scenarios.

[0145] Possibly, the predefined range used to determine whether the measured result is within range of the calculated result can be set based on system configuration or provided by the LMF. The range can be dynamically adjusted to account for varying network conditions, propagation environments, or confidence levels required by the LMF.

[0146] When the gNB sends the result to the LMF, the report may further include a decision indicator (to indicate if the result was measured or calculated) . The LMF processes the result and may adjust its positioning calculations accordingly.

[0147] This embodiment introduces a dynamic decision logic for selecting and reporting measured or calculated results. The gNB determines whether the measured result is “good enough” by checking if it falls within a predefined range of the calculated result. If the measured result is close to the calculated result, the measured result is reported. Otherwise, the more robust calculated result is reported. This approach ensures that the LMF receives only the most reliable, accurate, and high-quality information, leading to better positioning accuracy in LOS and NLOS scenarios.

[0148] FIG. 6 also demonstrates a monitoring at the gNB of calculated results associated with multiple TRPs. This allows for an improved overall monitoring of the system, instead of only relying on performance monitoring of calculated results at the LMF. Performance monitoring refers to the checking of the inference performance of an AI / ML model, e.g., to determine whether the model is still valid under current channel conditions.

[0149] FIG. 7 shows an embodiment of a wireless communication system involving multiple entities, e.g., gNBs (gNB 1, …gNB K) . The network entity 200, e.g., the LMF, may request measured timing information, calculated timing information, and LOS / NLOS indicators from each gNB.

[0150] The LMF sends a request to each of the gNBs for one or more of the following:

[0151] · Measured timing information (e.g., UL RTOA, DL RSTD, gNB Rx-Tx difference, or UE Rx-Tx difference) .

[0152] · Calculated timing information (generated using an AI / ML model) .

[0153] · LOS / NLOS information (used to classify the reference signal path as LOS or NLOS) .

[0154] This centralized request-based approach ensures that each gNB can independently process the SRS and report the necessary information to the LMF. The LMF controls the system to ensure consistent and unified reporting from multiple gNBs.

[0155] A PRU or UE transmits a reference signal (e.g., an SRS) to the network. Each gNB receives the signal. Each gNB collects channel measurements, e.g., from its TRPs, and sends one or more of the following to the LMF: measured timing information, calculated timing information, LOS / NLOS information.

[0156] The LMF receives comprehensive data from multiple gNBs, providing it with diverse perspectives on the PRU / UE's position. This redundancy ensures better positioning accuracy.

[0157] The LMF performs an initial monitoring process to assess the quality of the calculated timing information reported by the gNBs. If issues are detected (e.g., discrepancies or inconsistencies in the calculated timing information) , the LMF identifies the affected gNBs and triggers a performance monitoring process at those gNBs.

[0158] This feature enables early detection of issues with the AI / ML models and ensures system robustness. It reduces the risk of using inaccurate calculated timing information for positioning.

[0159] Each affected gNB initiates a performance monitoring process to evaluate the quality of its calculated timing information. If necessary, the gNB may take corrective actions, such as adjusting its AI / ML model, collecting training data, or refining its calculation logic. This adaptive approach allows the system to self-correct when issues with calculated timing information are detected.

[0160] In summary, FIG. 7 illustrates a system where multiple gNBs work together to provide accurate and robust data. The system uses AI / ML models, multi-gNB reporting, and LMF-based initial monitoring to achieve higher positioning accuracy and system reliability.

[0161] FIG. 8 shows an embodiment of a system where new Information Elements (IEs) are introduced into the TRP Measurement Result IE that is sent from a gNB to the LMF.

[0162] These new IEs may include one or more calculated results, such as:

[0163] · Calculated UL RTOA: Represents the predicted relative time of arrival for uplink signals, which is calculated based on using AI / ML models.

[0164] · Calculated gNB Rx-Tx Time Difference: Represents the predicted time difference between the reception and transmission of the signal at the gNB.

[0165] · Calculated LOS / NLOS Indicator: Provides an indication obtained based on using AI / ML model of whether the received signal path experiences a LOS or NLOS condition.

[0166] · Calculated Measurement Quality Indicator: Represents the confidence level or quality of the calculated results, indicating how reliable the results are.

[0167] · Calculated Timing Information for Additional Paths: Represents calculated timing information for multiple paths (e.g., reflection or multipath components) that may be predicted in complex channel environments.

[0168] These IEs can be designed to align with the legacy IEs for measured results, meaning the calculated results can be mapped to similar fields that are used for reporting measured results. A new field is included to provide a confidence or quality level for the calculated result. This allows the LMF to assess how to employ the calculated results when performing position calculations.

[0169] Notably, the TRP Measurement Result IE can also include calculated timing information for additional paths. This enables the gNB to report predicted information for multiple signal paths, such as reflected paths, multipath components, or other indirect paths that may provide additional insight into the UE's position. Each path has its own calculated timing information and its own quality indicator.

[0170] The LMF receives the enhanced TRP Measurement Result IE from the gNB. It uses the information contained in the TRP measurement result, including the calculated timing information, LOS / NLOS indicators, and quality indicators, for position calculation and to improve the accuracy of the UE's position.

[0171] This embodiment focuses on enhancing the system’s ability to report both calculated and measured results in the TRP measurement result. The newly introduced IEs enable the reporting of additional calculated timing information, LOS / NLOS indicators, and calculated quality indicators, thereby providing the LMF with richer and more useful information for positioning calculations.

[0172] This embodiment also supports the reporting of calculated timing information for additional paths, which further improves positioning accuracy in multi-path scenarios. The additional quality indicators ensure that the LMF can prioritize high-confidence data for position calculation.

[0173] FIG. 9 shows a method 900 according to an embodiment of the disclosure. In a particular embodiment, the method 900 is performed by an entity 100 shown in one of FIG. 1 to FIG. 7. The method 900 comprises a step 901 of receiving a reference signal 101, a step 902 of obtaining one or more measured results 102 and / or one or more calculated results 103 related to the reference signal 101, a step 903 of determining whether to report the one or more measured results 102 and / or the one or more calculated results 103.

[0174] The method 900 further comprises a step 904 of providing the one or more measured results 102 and / or the one or more calculated results 103 related to the reference signal 101 to a network entity 200, based on the determination. Possibly, the network entity 200 may be the network entity 200 shown in FIG. 1 or 2, or one of FIG. 4, FIG. 5, and FIG. 7.

[0175] FIG. 10 shows a method 1000 according to an embodiment of the disclosure. In a particular embodiment, the method 1000 is performed by a network entity 200 shown in FIG. 1 or 2, or one of FIG. 4, FIG. 5, and FIG. 7. The method 1000 comprises a step 1001 of configuring an entity 100 to determine whether to report one or more measured results 102 and / or one or more calculated results 103 related to a reference signal 101, and a step 1002 of obtaining from the entity 100, the one or more measured results 102 and / or the one or more calculated results 103 related to the reference signal 101. Possibly, the entity 100 may be the entity 100 shown in one of FIG. 1 to FIG. 7.

[0176] To summarize, embodiments of this disclosure proposes a system that dynamically determines which result to report-measured or calculated-based on a comprehensive decision logic that considers factors such as the closeness of measured and calculated results, LOS / NLOS conditions, and preconfigured thresholds, thereby supporting precise positioning across network entities in dynamic environments. The described methods and systems are applicable to various network nodes, including gNBs, TRPs, PRUs, and UEs, thereby providing a unified and adaptable approach to positioning in 5G and beyond wireless communication networks. The proposed system supports both uplink (SRS) and downlink (PRS) positioning and can be flexibly implemented in multiple deployment scenarios, from centralized LMF-based calculations to distributed calculations at the UE or PRU. By introducing new IEs for enhanced reporting of calculated results, the system maintains compatibility with existing wireless standards while enabling new levels of positioning accuracy and adaptability.

[0177] The present disclosure has been described in conjunction with various embodiments as examples as well as implementations. However, other variations can be understood and effected by those persons skilled in the art and practicing the claimed embodiments of the disclosure, from the studies of the drawings, this disclosure, and the independent claims. In the claims as well as in the description the word “comprising” does not exclude other elements or steps and the indefinite article “a” or “an” does not exclude a plurality. A single element or other unit may fulfill the functions of several entities or items recited in the claims. The mere fact that certain measures are recited in the mutually different dependent claims does not indicate that a combination of these measures cannot be used in an advantageous implementation.

[0178] Furthermore, any method according to embodiments of the disclosure may be implemented in a computer program, having code means, which when run by processing means causes the processing means to execute the steps of the method. The computer program is included in a computer-readable medium of a computer program product. The computer-readable medium may comprise essentially any memory, such as a ROM (Read-Only Memory) , a PROM (Programmable Read-Only Memory) , an EPROM (Erasable PROM) , a Flash memory, an EEPROM (Electrically Erasable PROM) , or a hard disk drive.

[0179] Moreover, it is realized by the skilled person that embodiments of the entity 100 or the network entity 200, comprise the necessary communication capabilities in the form of e.g., functions, means, units, elements, etc., for performing the solution. Examples of other such means, units, elements, and functions are processors, memory, buffers, control logic, encoders, decoders, rate matchers, de-rate matchers, mapping units, multipliers, decision units, selecting units, switches, interleavers, de-interleavers, modulators, demodulators, inputs, outputs, antennas, amplifiers, receiver units, transmitter units, DSPs, trellis-coded modulation (TCM) encoder, TCM decoder, power supply units, power feeders, communication interfaces, communication protocols, etc. which are suitably arranged together for performing the solution.

[0180] Especially, the processor (s) of the entity 100 or the network entity 200 may comprise, e.g., one or more instances of a CPU, a processing unit, a processing circuit, a processor, an ASIC, a microprocessor, or other processing logic that may interpret and execute instructions. The expression “processor” may thus represent a processing circuitry comprising a plurality of processing circuits, such as, e.g., any, some, or all of the ones mentioned above. The processing circuitry may further perform data processing functions for inputting, outputting, and processing of data comprising data buffering and device control functions, such as call processing control, user interface control, or the like.

Claims

1.An entity (100) for a wireless communication system, the entity (100) being configured to:receive a reference signal (101) ,obtain one or more measured results (102) and / or one or more calculated results (103) related to the reference signal (101) ,determine whether to report the one or more measured results (102) and / or the one or more calculated results (103) , andbased on the determination, provide the one or more measured results (102) and / or the one or more calculated results (103) related to the reference signal (101) to a network entity (200) .2.The entity (100) according to claim 1, wherein the one or more measured results (102) and / or the one or more calculated results (103) include timing information and / or a line-of-sight, LOS / non-line-of-sight, NLOS, indicator related to the reference signal (101) .3.The entity (100) according to claim 2, wherein the timing information comprises at least one of the following: an uplink relative time of arrival, UL RTOA, a downlink reference signal time difference, DL RSTD, or a receive-transmit time difference.4.The entity (100) according to any preceding claim, configured to:determine whether to report the one or more measured results (102) and / or the one or more calculated results (103) based on an LOS condition of the reference signal (101) , ordetermine to report the one or more measured results (102) if they are within a range of the one or more calculated results (103) .5.The entity (100) according to claim 4, configured to:determine whether the reference signal (101) is received in the LOS condition, anddetermine to report the one or more calculated results (103) if the reference signal (101) is not received in the LOS condition, and determine to report the one or more measured results (102) if the reference signal (101) is received in the LOS condition.6.The entity (100) according to claim 5, configured to:determine a value of the LOS / NLOS indicator,determine that the reference signal (101) is received in the LOS condition if the value of the LOS / NLOS indicator is above a preconfigured threshold.7.The entity (100) according to claim 6, configured to:obtain the preconfigured threshold from the network entity (200) .8.The entity (100) according to any preceding claim, configured to:receive a request from the network entity (200) , wherein the request indicates the entity (100) to provide the one or more measured results (102) and / or the one or more calculated results (103) related to the reference signal (101) .9.The entity (100) according to any preceding claim, configured to:generate the one or more calculated results (103) using a model trained to infer one or more results related to the reference signal (101) , wherein the result includes timing information and / or an LOS / NLOS indicator.10.The entity (100) according to claim 9, whereinthe input of the model is based on measurements of the reference signal (101) .11.The entity (100) according to any preceding claim, further configured toprovide one or more quality indicators of the one or more calculated results (103) related to the reference signal (101) to the network entity (200) .12.The entity (100) according to any preceding claim, further configured toif the entity does not report the one or more calculated results (103) , provide an indication to the network entity (200) , wherein the indication indicates a reason for omitting the one or more calculated results (103) .13.The entity (100) according to any preceding claim, wherein the reference signal (101) comprises a sounding reference signal, SRS, or a positioning reference signal, PRS.14.The entity (100) according to any preceding claim, wherein the entity (100) is one of the following: a base station, a transmit receive point, a gNB, a position reference unit, or a user equipment.15.The entity (100) according to any preceding claim, wherein the one or more calculated results (103) and the one or more measured results (102) are associated with one or more further entities of the entity (100) , wherein the one or more further entities include one or more transmit receiving points.16.A network entity (200) in a wireless communication system, the network entity (200) being configured to:configure an entity (100) to determine whether to report one or more measured results (102) and / or one or more calculated results (103) related to a reference signal (101) , andobtain from the entity (100) the one or more measured results (102) and / or the one or more calculated results (103) related to the reference signal (101) .17.The network entity (200) according to claim 16, wherein the one or more measured results (102) and / or one or more calculated results (103) include timing information and / or a line-of-sight, LOS / non-line-of-sight, NLOS, indicator.18.The network entity (200) according to claim 17, wherein the timing information comprises at least one of the following: an uplink relative time of arrival, UL RTOA, a downlink reference signal time difference, DL RSTD, or a receive-transmit time difference.19.The network entity (200) according to any of claims 16 to 18, configured to:send a request to the entity (100) , wherein the request indicates the entity (100) to provide the one or more measured results (102) and / or the one or more calculated results (103) related to the reference signal (101) .20.The network entity (200) according to any of claims 16 to 19, configured to:provide a preconfigured threshold to the entity (100) , wherein the preconfigured threshold is to be used by the entity to determine whether the reference signal (101) is received in an LOS condition.21.The network entity (200) according to any of claims 16 to 20, configured to:receive one or more quality indicators of the one or more calculated results (103) related to the reference signal (101) from the entity (100) .22.The network entity (200) according to any of claims 16 to 21, further configured toif the entity (100) does not report the one or more calculated results (103) , receive an indication from the entity (100) , wherein the indication indicates a reason for omitting the one or more calculated results (103) .23.The network entity (200) according to any of claims 16 to 22, wherein the reference signal (101) comprises a sounding reference signal, SRS, or a positioning reference signal, PRS.24.The network entity (200) according to any of claims 16 to 23, wherein the network entity (200) is a location management function.25.A method performed by an entity (100) for a wireless communication system, the method comprising:receiving a reference signal (101) ,obtaining one or more measured results (102) and / or one or more calculated results (103) related to the reference signal (101) ,determining whether to report the one or more measured results (102) and / or the one or more calculated results (103) , andbased on the determination, providing the one or more measured results (102) and / or the one or more calculated results (103) related to the reference signal (101) to a network entity (200) .26.A method performed by a network entity (200) , the method comprising:configuring an entity (100) to determine whether to report one or more measured results (102) and / or one or more calculated results (103) related to a reference signal (101) , andobtaining from the entity (100) , the one or more measured results (102) and / or the one or more calculated results (103) related to the reference signal (101) .27.A computer program product comprising computer readable code instructions which, when run in a computer will cause the computer to perform the method (900, 1000) according to claim 25 or 26.

Images