Performance report configuration for monitoring machine learning based beam prediction

Abstract

This disclosure provides systems, devices, apparatus, and methods, including computer programs encoded on storage media, for a performance report configuration for monitoring an ML based beam prediction. A UE (102) receives (402B), from a network entity (104), a first configuration configuring a first set of RSs and a prediction of a beam metric associated with the first set of RSs. The UE (102) receives (402A), from the network entity (104), a second configuration configuring a second set of RSs and a performance report for the prediction. The UE (102) receives (404), from the network entity (104), the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window. The UE (102) transmits (412), to the network entity (104) based on the beam metric and the second set of RSs, the performance report including a performance metric for the prediction.

Description

PERFORMANCE REPORT CONFIGURATION FOR MONITORING MACHINE LEARNING BASED BEAM PREDICTIONTECHNICAL FIELD

[0001] The present disclosure relates generally to wireless communication, and more particularly, to a performance report configuration for monitoring a machine learning (ML) based 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 uses measurements performed on a first set of reference signals (RSs) and an ML model to predict channel metrics for a second set of RSs. Details pertaining to monitoring and evaluating performance of the ML model may be undefined. BRIEF SUMMARY

[0004] 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.

[0005] A network entity, such as a base station or a unit of a base station, communicates with a user equipment (UE) using a plurality of beams over one or more channels. In some communication systems, the UE uses a machine learning (ML) model to predict channel metrics based on measured reference signals (RSs) and reports the predicted channel metrics to the network entity in an inference report. For example, the UE measures a first set of RSs (e.g., Set B RSs) and, based on the measurement results, outputs a prediction about the channel metrics for a second set of RSs (e.g., Set A RSs) . To improve communication quality, it is desirable to have a mechanism for monitoring and evaluating the ML model’s prediction performance, which is represented as a performance metric and calculated by comparing the predicted channel metrics for the Set A RSs with ground truth measurements, e.g., the actually measured channel metrics of the Set A RSs.

[0006] Existing technologies are insufficient in providing such a mechanism. For example, existing technologies do not adequately specify the time window during which the UE measures the Set A RSs and determines the performance metric, and do not adequately provide how the UE reports the performance metric upon being triggered by an event. The lack of such mechanism may result in decreased communication quality and / or increased signaling overheads.

[0007] Aspects of the present disclosure address the above-noted and other deficiencies by implementing a mechanism for the network entity (NE) to configure the UE with parameters for performance metric reporting, including configurations for a measurement time window and triggering events for performance reporting. Based on features described in more detail in this disclosure, implementations provided herein advantageously improve communication quality by allowing a communication network to timely and accurately monitor channel prediction performance and adjust communication beams, as needed.

[0008] According to some aspects, a UE receives, from a network entity, a first configuration configuring a first set of RSs and a prediction of a beam metric associated with the first set of RSs. The UE receives, from the network entity, a second configuration configuring a second set of RSs and a performance report for the prediction. The UE receives, from the network entity, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window. The UE transmits, to the network entity based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.

[0009] According to some aspects, a network entity transmits, to a UE, a first configuration configuring a first set of RSs and a prediction of a beam metric based on the first set of RSs. The network entity transmits, to the UE, a second configuration configuring a second set of RSs and a performance report for the prediction. The network entity transmits, to the UE, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window. The network entity receives, from the UE based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.BRIEF DESCRIPTION OF THE DRAWINGS

[0010] FIG. 1 illustrates a diagram of a wireless communications system that includes a plurality of UEs and network entities in communication over one or more cells according to an embodiment.

[0011] FIG. 2 is a diagram illustrating a channel prediction module for a set of RSs according to an embodiment.

[0012] FIG. 3A is a communication diagram illustrating an event-triggered beam report according to an embodiment.

[0013] FIG. 3B is a communication diagram illustrating a beam report transmitted in a medium access control-control element (MAC-CE) according to an embodiment.

[0014] FIG. 3C is a communication diagram illustrating a beam report transmitted via uplink control information (UCI) according to an embodiment.

[0015] FIG. 4 is a signaling diagram illustrating ML based beam prediction and model performance monitoring according to an embodiment.

[0016] FIG. 5A is a timing diagram illustrating a common measurement window for all beams according to an embodiment.

[0017] FIG. 5B is a timing diagram illustrating metric-specific measurement windows according to an embodiment.

[0018] FIG. 5C is a timing diagram illustrating a sliding measurement window according to an embodiment.

[0019] FIG. 6 is a diagram illustrating monitored measurement time windows for associated reporting occasions according to an embodiment.

[0020] FIG. 7 is a flowchart of a method of wireless communication at a UE according to an embodiment.

[0021] FIG. 8 is a flowchart of a method of wireless communication at a network entity according to an embodiment.

[0022] FIG. 9 is a diagram illustrating a hardware implementation for an example UE apparatus according to some embodiments.

[0023] FIG. 10 is a diagram illustrating a hardware implementation for one or more example network entities according to some embodiments.DETAILED DESCRIPTION

[0024] FIG. 1 illustrates a diagram 100 of a wireless communications system associated with a plurality of cells 190. The wireless communications system includes user equipments (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. Adisaggregated 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) .

[0025] 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.

[0026] 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.

[0027] 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.

[0028] 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.

[0029] 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. Anetwork that includes at least one macrocell and at least one small cell may be referred to as a “heterogeneous network. ”

[0030] 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.

[0031] 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 YMHz (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) .

[0032] 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.

[0033] 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.

[0034] 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.

[0035] 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.

[0036] Uplink / downlink signaling may also be communicated via a satellite positioning system (SPS) 114. In an example, the SPS 114 associated with the cell 190c may be in communication with one or more UEs 102, such as the UE 102c, and one or more base stations 104 / RUs 106, such as the RU 106c. The SPS 114 may correspond to one or more of a Global Navigation Satellite System (GNSS) , a global position system (GPS) , a non-terrestrial network (NTN) , or other satellite position / location system. The SPS 114 may be associated with LTE signals, NR signals (e.g., based on round trip time (RTT) and / or multi-RTT) , wireless local area network (WLAN) signals, a terrestrial beacon system (TBS) , sensor-based information, NR enhanced cell ID (NR E-CID) techniques, downlink angle-of-departure (DL-AoD) , downlink time difference of arrival (DL-TDOA) , uplink time difference of arrival (UL-TDOA) , uplink angle-of-arrival (UL-AoA) , and / or other systems, signals, or sensors.

[0037] Still referring to FIG. 1, in certain aspects, any of the UEs 102 may include a UE ML component 140 configured to receive, from a network entity, a first configuration configuring a first set of reference signals (RSs) and a prediction of a beam metric associated with the first set of RSs. The UE ML component 140 is configured to receive, from the network entity, a second configuration configuring a second set of RSs and a performance report for the prediction. The UE ML component 140 is configured to receive, from the network entity, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window. The UE ML component 140 is configured to transmit, to the network entity based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.

[0038] In certain aspects, any of the base stations 104 or a network entity of the base stations 104 may include a network entity (NE) ML prediction component 150 configured to transmit, to a user equipment (UE) , a first configuration configuring a first set of reference signals (RSs) and a prediction of a beam metric based on the first set of RSs. The NE ML prediction component 150 is configured to transmit, to the UE, a second configuration configuring a second set of RSs and a performance report for the prediction. The NE ML prediction component 150 is configured to transmit, to the UE, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window. The NE ML prediction component 150 is configured to receive, from the UE based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.

[0039] 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.

[0040] FIG. 2 is a diagram 200 illustrating a channel prediction module 205 for a set of RSs according to an embodiment. An air interface may be configured to enable the use of machine learning (ML) based algorithms for wireless channel metric prediction. The predicted wireless channel metrics may include channel coefficients, channel quality metrics (e.g., a precoding matrix indicator (PMI) , a rank indicator (RI) , a reference signal received power (RSRP) , a received signal strength indicator (RSSI) , and / or a signal to interference noise ratio (SINR) ) , and / or beam related metrics (e.g., a beam index and / or RSRP) in frequency range (FR2) . The predicted channel metrics may correspond to a channel at a future time (i.e., a time domain prediction) , a channel at a present time where the UE 102 has not been performing measurements (i.e., a spatial domain prediction) , or a combination thereof. In an example of spatial domain prediction, the UE 102 measures an RSRP in beamforming direction A to predict an RSRP in another beamforming direction B.

[0041] The present disclosure describes a case in which the UE 102 performs inference using an ML prediction module, such as the channel prediction module 205. The ML prediction module can be provided by the network entity 104, a vendor of the UE 102, or a third party service provider. The input of the ML prediction module may include measurements performed by the UE 102 (e.g., measurements of reference signals (RSs) sent by the network entity 104) . The input may include a vector of multiple dimensions, where each dimension corresponds to a RS. The input may include one or more time sequences of the measurements, where different elements in the same time sequence correspond to different measurement times. The UE 102 may report the prediction output to the network entity 104 or the UE 102 may use the prediction output locally (e.g., to detect whether a condition of an event triggered event has been met) .

[0042] In the diagram 200, N represents the current time. Input vectors X, Y, and Z (collectively “input vectors 204B” ) represent time sequences of current and past measurements associated with different RSs. In the input vectors X, Y, and Z, samples “Z [N] , Y [N-k+1] , and X [N-k+1] ” are assumed to be not available at the UE 102. Outputs Y, T, and B (collectively “outputs 204A” ) correspond to predicted channel metrics of different RSs at future time (s) (e.g., N+1, etc. ) . The channel prediction module 205 may include a pre-trained ML based algorithm to generate the predicted channel metrics based on the input vectors. Predicted channel metrics in the output and the measurements in the input may or may not correspond to the same RS or the same channel metric.

[0043] For ML based beam prediction, the UE 102 may be configured to measure a set B of RSs. The UE 102 may be configured to use the measurements of set B of RSs to predict beam related metrics, such as a layer 1 (L1) RSRP, a layer 3 (L3) RSRP, an L1 SINR, or an L3 SINR for a set A of beams / RSs, or a (distribution of) best beam indexes among set A. In some aspects, the channel prediction module 205 is also configured to provide a confidence level of a prediction (e.g., a standard deviation of prediction error or a probability of a predicted value being true / reliable (within a certain error range) ) .

[0044] Performance monitoring for ML based beam prediction may include type 1 performance monitoring and type 2 performance monitoring. Type 1 performance monitoring may include option 1 (network side performance monitoring) and option 2 (UE-assisted performance monitoring) . In option 1 (network side performance monitoring) , the UE 102 sends a report to the network entity 104 for the calculation of a performance metric at the network entity 104. The report includes measurement results from a resource set for monitoring (e.g., an L1 RSRP and / or an RS index) . The network entity 104 then calculates the performance metric based on the report. The network entity 104 may configure the UE 102 with the report and / or the network entity 104 may trigger the report. In option 2 (UE-assisted performance monitoring) , the UE 102 calculates the performance metric.

[0045] Aspects of the present disclosure pertain to type 1 performance monitoring and option 2 (UE-assisted performance monitoring) , although some aspects may be extended to pertain to option 1 (network side performance monitoring) as well. In such cases, the UE 102 runs inference of the artificial intelligence (AI)  / ML model for beam prediction. The UE 102 computes performance metrics (e.g., based on an output of the AI / ML model and on ground truth measurements of configured performance monitoring RSs (i.e., set A RSs) . The UE 102 may report the performance metrics to the network entity 104 (e.g., via a periodic (P) report, a semi-persistent (SP) report, or an aperiodic (AP) report (collectively, a “P / SP / AP report” ) or via an event triggered report discussed below) .

[0046] Some aspects presented herein pertain to a UE initiated / event driven beam report in a millimeter wave band (i.e., frequency range 2 (FR2) ) . For example, FR2 may refer to a frequency range between 24.25 GHz and 52.6 GHz. In FR2, the UE 102 measures downlink (DL) RSs from different beamforming directions. The UE 102 may report the measurements of the DL RSs to the network entity 104. In some aspects, the network entity 104 configures / schedules a report occasion. However, as the UE 102 has more channel measurement information locally, the UE 102 may be more equipped to determine when to report measurements to the network entity 104. Compared to an approach where the network entity 104 fully controls report occasions, a UE initiated report (i.e., an event driven or triggered report) may save report overhead (e.g., compared with a P / SP report) and reduce latency (e.g., compared with an AP report) .

[0047] FIG. 3A is a communication diagram 300A illustrating an event-triggered beam report according to an embodiment. The network entity 104 optionally preconfigures 302 an event triggering condition, as well as resources for an event-triggered beam report. The UE 102 receives 304 the corresponding DL-RSs and detects 306 whether the event triggering condition is met or not met based on measurement of the corresponding DL RSs. Once the UE 102 determines that the event triggering condition is met, the UE 102 sends 312A a beam report to the network entity 104. In some cases, the UE 102 optionally sends 308A a request to the network entity 104 (e.g., a scheduling request (SR) ) . In response to receiving the request, the network entity 104 optionally sends 310A an UL grant to indicate to the UE 102 the resources on which to send the beam report.

[0048] FIG. 3B is a communication diagram 300B illustrating a beam report transmitted in a MAC-CE according to an embodiment. In some examples, the beam report may be carried in an uplink (UL) medium access control-control element (MAC-CE) and sent on a physical uplink shared channel (PUSCH) . For example, the network entity 104 optionally preconfigures 302 an event triggering condition, as well as resources for an event-triggered beam report. The UE 102 receives 304 the corresponding DL-RSs and detects 306 whether the preconfigured event triggering condition is met or not met based on measurement of the corresponding DL RSs. Once the UE 102 determines that the event triggering condition is met, the UE 102 sends 312B a beam report to the network entity 104 in an UL MAC-CE sent on a PUSCH. In some cases, the UE 102 optionally sends 308B a scheduling request to the network entity. In response to receiving the scheduling request, the network entity 104 optionally sends 310B an UL grant for a PUSCH to the UE 102.

[0049] FIG. 3C is a communication diagram 300C illustrating a beam report transmitted via UCI according to an embodiment. In some cases, the network entity 104 optionally preconfigures 322 some periodic resources or semi-persistent resources (e.g., PUSCH / PUCCH resources) which the UE 102 may potentially use to send the beam report once the triggering event is triggered. The resources may be dedicated to the purpose of the triggering event. The UE 102 receives 304 the corresponding DL-RSs and detects 306 whether the preconfigured event triggering condition is met or not met based on measurement of the corresponding DL RSs. In some cases, if the triggering event is met, the UE 102 optionally sends 308C UL signaling (e.g., one or more bits in an SR) to indicate the triggering event to the network entity 104, that is, the UL signaling indicates a satisfaction of the triggering condition. The UE 102 subsequently uses preconfigured resources to send 312C the triggered beam report in UCI; otherwise, the network entity 104 may not expect any beam report triggered by the triggering condition in a corresponding resource. In some aspects, the UE 102 subsequently receives 324 DL-RSs and monitors 326 for the triggering condition. The UE 102 refrains from sending 328 a beam report when the triggering condition is not satisfied.

[0050] In FR2, both the UE 102 and the network entity 104 perform directional beamforming to boost a link signal-to-noise ratio (SNR) . For UE 102 side reception (Rx) beam training, the UE 102 determines an appropriate Rx beamforming configuration to receive a transmission associated with a network-side transmit beam / transmission configuration indicator (TCI) (which may also be referred to as TCI state) . In some aspects pertaining to UE side Rx beam training, the UE 102 receives multiple RSs from the same network-side transmit beam / TCI, tries different Rx configurations (e.g., aspatial Rx filter) , and compares resulting RSRPs from the Rx configurations. Consequently, UE side RX beam training may take some time (e.g., the duration of receiving multiple RSs from the beams) . The UE side Rx beam training can be shortened when the UE 102 is able to measure RSRPs from multiple Rx configurations at once (e.g., when the UE 102 is equipped with multiple Rx chains, and each Rx chain provides an RSRP measurement with an independent UE Rx configuration) . The UE 102 may report such capability to the network entity 104 as to whether the UE 102 is capable of receiving multiple channels at the same time and / or as to whether the UE 102 is able to perform fast Rx beam scanning.

[0051] Another aspect described herein pertains to a beam switching time when the UE 102 switches from one Rx beam configuration to another Rx beam configuration. During the beam switching time and before the beam is settled down, an Rx response can be highly noisy. The beam switching time is based on UE capability, and can take a few hundreds of a nanosecond. Abeam switch may occur during a cyclic prefix (CP) duration of an orthogonal frequency division multiplexing (OFDM) symbol. When the beam switching time is much less than the CP duration, an impact from the beam switch can be minor. However, when the carrier frequency is high and a larger tone spacing (or a larger subcarrier spacing (SCS) ) is applied in the system, the CP duration scales down accordingly, which can be comparable or even shorter than the beam switching time. In this case, a gap symbol / period may be utilized when the beam switch occurs.

[0052] Therefore, the UE 102 may be able to measure an RSRP with a best Rx configuration, only after some period which allows the UE 102 to sweep through different Rx configurations. Additionally, scheduling restrictions are also considered to ensure that the UE 102 can measure RS (s) appropriately. For example, when the UE 102 cannot receive data from two Rx configurations at the same time, the UE 102 should not be scheduled to receive a first RS to measure the RSRP, and a second channel from another beam, unless the first RS and the second channel come from the same beam / TCI. Further, when the beam switching time is relevant (e.g., when a subcarrier spacing (SCS) is larger than a threshold) , the UE 102 may not be scheduled to measure a first RS immediately after receiving a second channel from a different beam in order to provide the UE 102 with enough gap time for the UE 102 to complete a beam switch. The above-described restrictions may be applied to RSs for performance monitoring of ML based beam prediction.

[0053] The present disclosure describes performance monitoring aspects of ML based beam prediction. One aspect described herein pertains to a measurement time window definition for the UE 102 to calculate a performance metric. For example, to accurately monitor prediction performance, the UE 102 utilizes multiple occasions of comparisons between predictions and group truth measurements. Further, even for one instance of comparison, the UE 102 may measure the same set A RS multiple times for the purpose of UE Rx beam fine-tuning. Therefore, a measurement time window (including multiple measurement occasions) may be used by the UE 102 to calculate performance metrics. Some aspects described herein pertain to whether the measurement time window is fixed or sliding over time. Some aspects described herein pertain to determining a duration of the time window. Some aspects described herein pertain to constraints for the network entity 104 to configure the duration of the time window. Some aspects described herein pertain to a non-periodic RS waveform associated with the measurement time window. Some aspects described herein pertain to an RS configuration that can be different when the RS configuration is inside or outside of the measurement time window.

[0054] Another aspect described herein pertains to a triggering event for an event driven report. An event driven report may be suitable for the UE 102 to send a performance monitoring report. Tolerance or relevance of prediction errors may not be the same for beams in different RSRP ranges. For example, a 2 decibel (dB) prediction error for a beam with a weak RSRP which is unlikely to be selected may be negligible, while the same amount of prediction error in a stronger or a currently in-use beam may affect a future decision in close-loop rate adaptation. To further save reporting overhead, aspects described herein pertain to a triggering condition for performance monitoring based on an RSRP or a beam order (whether a beam is the best beam, a second best beam, etc. ) or based on whether a beam is currently in use (e.g., associated with an indicated / activated / configured TCI) .

[0055] Other aspects described herein pertain to UE capability and scheduling restrictions of RSs associated with performance monitoring. As described herein, unless otherwise specified, the notions of “beams, ” “RSs, ” and “TCIs” are used interchangeably.

[0056] FIG. 4 is a signaling diagram 400 illustrating ML based beam prediction and model performance monitoring according to an embodiment. The network entity 104 may correspond to a base station or a unit of a base station, such as the RU 106, the DU 108, the CU 110, etc.

[0057] The UE 102 optionally transmits 401 (and the network entity 104 optionally receives 401) a UE capability regarding a performance monitoring report. The network entity 104 transmits 402B (and the UE 102 receives 402B) a first configuration of set B RSs and an inference report associated with an ML model. The network entity 104 transmits 402A (and the UE 102 receives 402A) a second configuration of set A RSs and a performance monitoring report associated with the ML model. The network entity 104 transmits 404B (and the UE 102 receives 404B) , the set B RSs. In some aspects, the first configuration and the second configuration may be included in the same configuration, and transmitted in a single message. The UE 102 predicts 405 a beam metric using the ML model based on the set B RSs. The network entity 104 transmits 404A (and the UE 102 receives 404A) the set A RSs. The UE 102 determines 409 a performance metric based on the beam metric, the set A RSs, and a measurement time window. For example, the UE measures the set A RSs within the measurement time window, and compares the measurements with the predicted beam metric to generate the performance metric. The UE 102 transmits 412 (and the network entity 104 receives 412) a performance monitoring report indicating the performance metric. The network entity 104 optionally transmits 414 (and the UE 102 optionally receives 414) an updated configuration based on the performance monitoring report.

[0058] In some embodiments, the UE 102 runs an ML model to predict beam metrics including RSRP / SINR of beams and (aprobability distribution of) a top K beam index, where K is a positive integer. The UE 102 may be configured to measure set A RSs in order to monitor performance of ML model prediction. In an example, set A RSs correspond to beams that the UE 102 is predicting with the ML model, and the UE 102 computes a performance metric (e.g., an error in prediction) by measuring set A RSs and comparing the measurements with the predictions. In some cases, the performance metric is an error or a difference in the prediction (e.g., an RSRP / SINR difference from ground truth measurements in one shot) . In some cases, the performance metric is derived based on errors over multiple shots within a predefined measurement time window (e.g., an average RSRP prediction error over the last 5 monitoring occasions / 10 milliseconds (ms) , or a count of predefined error event occurrences in measurement time window (s) ) .

[0059] Various types of measurement time windows may be utilized according to the present disclosure, which are described in greater detail below. Ameasurement time window may alternatively be referred to as “a measurement window, ” “a time measurement window, ” “a measurement duration, ” or the like.

[0060] FIG. 5A is a timing diagram 500A illustrating a common measurement window 530a / 530b / 530c for all beams according to an embodiment. In some aspects described herein, a measurement time window can be fixed in time. For example, “t0” refers to a reference start time which can be predefined or configured by the network entity 104 and “T” is a duration of the measurement time window. The measurement time can be defined as (t0+mT, t0+ (m+1) T) , for any positive integer m. In some aspects, for UE power saving, the network entity 104 configures a gap “Tgap” between measurement windows. Then the UE 102 defines the measurement time window as (t0 + mT + mTgap, t0 + (m + 1) T + mTgap) .

[0061] In some aspects described herein, the network entity 104 configures one value of t0 and T for all predicted metrics of an ML model or multiple ML models / functions run by the UE 102. The UE 102 may start a timer at a start time for the measurement window. When the timer expires, the UE 102 may reset counter (s) 535a / 535b / 535c to derive the performance metric. In some cases, the UE 102 may start or reset the counter (s)  / register (s) at a beginning of each measurement window, where different counters may correspond to different new beams, different performance metrics, or different predefined error events, as shown in FIG. 5A.

[0062] FIG. 5B is a timing diagram 500B illustrating metric-specific measurement windows according to an embodiment. For example, the measurement specific windows include measurement window for beam 1 531a / 531b / 531c and a measurement window for beam 2 532. In some other aspects, the network entity 104 configures multiple values of t0 and / or T, where different values correspond to different performance metrics (e.g., corresponding to different beams or different quantities for the same beam) or different error events. The UE 102 may start a timer at a start time for a measurement window. When the timer expires, the UE 102 may reset counter (s) corresponding to the measurement window to trigger the beam report. For example, the UE 102 resets counter 1 536a / 536b / 536c for beam 1 and the UE 102 resets counter 2 538 for beam 2. The UE 102 may start or reset a counter for a performance metric at a beginning of each measurement window corresponding to the counter as shown in FIG. 5B. In FIG. 5B, beam 1 and beam 2 correspond to difference performance monitoring metrics. Although the measurement windows 531a-c and 532 are shown for one beam, a measurement window can be extended for a group of beams. In some aspects, the groups of beams may be associated with different performance metrics. In some other aspects, the groups of beams may be associated with different error events.

[0063] FIG. 5C is a timing diagram 500C illustrating a sliding measurement window according to an embodiment. In some aspects described herein, a measurement time window can be sliding over time. For example, the sliding measurement window includes a measurement window 533 at time t1 and a measurement window 534 at time t2. At any time t1, the UE 102 stores associated measurements within (t1-T, t1) to determine if a triggering condition has been met within the measurement time window of time t1. In some aspects, the network entity 104 configures one common value of T for all performance metrics. In some other aspects, the network entity 104 configures different values of T for different performance metrics.

[0064] The sliding measurement time window may accurately capture performance of an ML model at any given time. Using a sliding measurement time window may entail additional resources and timeline complexity compared to resources and timeline complexity of a fixed measurement time window. If the UE 102 is only configured to send a performance monitoring report in potential preconfigured report occasions, the UE 102 may not need to compute performance metrics at any time relatively “far away” from the preconfigured report occasions. Therefore, in a low-complexity implementation of a sliding measurement time window, the UE 102 only monitors a measurement time window related to potential report occasions.

[0065] FIG. 6 is a diagram 600 illustrating monitored measurement time windows for associated reporting occasions according to an embodiment. In some aspects, the UE 102 only monitors measurement time windows related to a (potential) report occasion (may also be referred to as transmission occasion) . The report occasion may correspond to a configured PUSCH, a scheduled PUSCH, or a PUCCH resource that the UE 102 can use to send a performance monitoring report. The report occasion may be associated with transmission occasions of set A RSs / set B RSs, a reporting occasion of ML inference, or occasions when the UE 102 is expected to run an ML module. Astart time “t0” of a monitored measurement time window can be derived based on a time “t_r” of a report occasion (e.g., the first PUSCH / PUCCH symbol of the report occasion) . The start time t0 may be sufficiently ahead of the report time t_r to account for a processing delay for the UE 102 to derive a performance metric and encode the performance monitoring report. The UE 102 may report a capability of the UE 102 of such processing delay (s) for each ML model or performance monitoring metric. Alternatively, a (maximum) processing delay may be predefined and the UE 102 may finish processing before the (maximum) predefined processing delay.

[0066] The diagram 600 illustrates set A RSs 604A-1 within a monitored measurement time window 607-1. The diagram 600 further illustrates a time offset 640-1 based on start time t0 and a report occasion t_r 612-1. The monitored measurement time window 607-1 begins at start time t0. The time offset 640-1 may be greater than a duration associated with the monitored measurement time window 607-1. The diagram 600 illustrates set A RSs 604A-2 within a monitored measurement time window 607-2. The diagram 600 further illustrates a time offset 640-2 based on start time t0 and a report occasion t_r 612-2. The monitored measurement time window 607-2 begins at start time t0. The time offset 640-2 may be greater than a duration associated with the monitored measurement time window 607-2.

[0067] In some cases, the network entity 104 indicates the start time of a measurement time window that the network entity 104 expects the UE 102 to monitor. In some cases, the start time of the measurement time window for UE 102 to monitor may be derived based on a rule (e.g., a predefined time offset ahead of a report occasion) . Alternatively, UE 102 may indicate to the network entity 104 the measurement time window (s) that the UE 102 is to monitor.

[0068] In some cases, the network entity 104 may schedule / configure set A RSs only during a measurement time window that the UE 102 is expected to monitor. For example, to configure a set A RS waveform, the network entity 104 indicates to the UE 102 a periodicity and a start time of the monitored measurement time window, a set A RS periodicity within the monitored measurement time window, and a start time of the (first) set A RS within the monitored measurement time window. The network entity 104 transmits RSs within the monitored measurement time window.

[0069] In some cases, the network entity 104 transmits set A RSs using different configurations in and outside measurement time windows that the UE 102 is expected to monitor. For instance, the network entity 104 increases a time and a frequency domain density of the set A RSs within a monitored measurement time window such that the UE 102 can perform more measurements to train an Rx beam, reduce an impact of noise and measurement errors, and derive more accurate statistics of performance metrics. In some other examples, the network entity 104 sends set A RSs with a larger transmission (Tx) power in a monitored measurement time window.

[0070] In some cases, the network entity 104 and the UE 102 further determine a location of a monitored measurement time window (e.g., a starting time of the measurement time window) based on set B RSs associated with performance monitoring and / or a report of inference results for the ML based beam prediction (e.g., a report of beam prediction results based on set B RSs associated with the performance monitoring) . The UE 102 may calculate monitoring results based on measured or reported inference results that are based on the set B RSs and measured results based on the set A RSs.

[0071] In some aspects, the UE 102 reports, as a UE capability which type (s) of measurement time window (s) that that the UE 102 supports, whether fixed or sliding in time. In some other aspects, the network entity 104 configures which type (s) of measurement time window (s) .

[0072] In some aspects, the measurement time window above applies to a network triggered monitoring result report and / or an event triggered monitoring result report. In some aspects, the network entity 104 configures either the network triggered monitoring result report or the event triggered monitoring result report. In some other aspects, the network entity 104 configures both the network triggered monitoring result report and the event triggered monitoring result report. The network entity 104 may configure common or separate measurement time windows for both the network triggered monitoring result report and the event triggered monitoring result report.

[0073] In some aspects, a duration of the measurement time window is selected such that the duration is sufficient for the UE 102 to derive a performance metric (e.g., enough samples to derive an error statistic) and such that the UE 102 can make reliable measurements of a RS after appropriate Rx beam training. The UE 102 and / or the network entity 104 can determine the duration of the measurement time window based on at least one of the following: an indication of from the network entity 104, a periodicity of report occasions to report a performance metric, a periodicity of report occasions to report prediction inference, a type of the performance metric to monitor, a UE capability (e.g., whether the UE 102 support multi-Rx fast beam switching and / or whether the UE 102 supports receiving from multiple Rx beams at the same time, a number of Rx beam candidates at the UE 102 (per band) , and / or a number or a repetition factor of measurements) , periodicities of set A RSs associated with performance monitoring (when multiple RSs are configured for performance monitoring, a maximum and / or a minimum periodicity among the multiple RSs may be used) , periodicities of set B RSs associated with the ML model (when multiple RSs are configured for performance monitoring, a maximum and / or a minimum periodicity among the multiple RSs is applied) , whether cell discontinuous reception (CDRX) is enabled, and if so, a periodicity of the CDRX, whether an RS associated with performance monitoring has “repetition on” for an Rx beam sweep, whether the RS associated with the performance monitoring collides with a measurement gap time / other channel / other RS what portion of a RS occasion is colliding, whether the network entity 104 has indicated to skip measurement gaps, and / or a total number of RSs associated with a monitoring occasion and measurement time windows.

[0074] In some aspects, the network entity 104 configures a duration of a measurement time window at the UE 102. To ensure that the UE 102 completes measurements with sufficient accuracy, the network entity 104 may configure the duration satisfying certain conditions. For instance, the configuration duration should be larger or no smaller than a minimum duration value. The UE 102 and / or the network entity 104 can determine the minimum duration value based on at least one of the following: a predefined rule, a predefined value (which can be per band, per band combination, or per SCS) , a UE capability (i.e., whether the UE 102 support multi-Rx fast beam switching and / or whether the UE 102 supports receiving from multiple Rx beams at the same time, a number of Rx beam candidates at the UE 102 (per band) , or a number or repetition factor of measurements) , periodicities of RSs (set A or set B) associated with ML model (when multiple RSs are configured, a maximum and / or a minimum periodicity among the multiple RSs is applied, e.g., a measurement time window duration is five times an RS periodicity, whether CDRX is enabled, and if so, a periodicity of the CDRX, a report periodicity associated with the ML model, whether an RS associated with the ML model has “repetition on” for an Rx beam sweep, whether the RS associated with the ML model collides with a measurement gap time / other channel / other RS, what portion (s) of RS occasions is colliding, whether the gap is configured as skipped, and / or a number of RSs associated with the ML model.

[0075] In one example, the UE 102 applies a first duration of a measurement time window if CDRX is configured or activated and UE 102 applies a second duration of the measurement time window if the CDRX is not configured or deactivated. The first duration may be smaller than the second duration.

[0076] In some examples, the network entity 104 updates the ML model configuration (e.g., the network entity 104 reconfigures a set of RSs associated with the ML model) . For example, the network entity 104 configures or activates some RSs and / or replaces one or multiple RSs in set A and / or set B. Different options exist for handling a relationship between performance monitoring and an ML model configuration update. In option 0, no update is allowed to happen during a monitored measurement time window. In option 0-1, the UE 102 does not expect the network entity 104 to trigger any update during a monitored measurement time window. In option 0-2, an in-effect time of any update, if overlapping with a monitored measurement time window, is postponed to a time after the monitored measurement time window. In option 1, the UE 102 resets a counter (e.g., as described above in the description of FIG. 5A and FIG. 5B) to an initial value when the ML model update takes effect. In option 1-1, the UE 102 resets the counter to 0 when any RS in set A or set B changes. In option 1-2, the UE 102 resets the counter to 0 when a predefined RS changes (e.g., the predefined RS corresponds to a current in-use beam of data or a control channel or a strongest beam) . In option 1-3, the UE 102 resets the counter to 0 when a change of a RS set is associated with a beam involved in a previously counted instance of the counter. In option 2, the UE 102 continues with a current count in the counter regardless of changes. When the counter is reset, the UE 102 derives the performance metric.

[0077] The UE 102 may choose to proceed with one of the above options based on a predefined rule or based on signaling from the network entity 104. The UE 102 may also report a capability as to which options above the UE 102 supports.

[0078] In some aspects (e.g., in option 1-2 above) , a performance report is event-driven or event-triggered. In this case, the triggering condition of the report are configured at the UE 102. In this case, the UE 102 resets timer (s) for the measurement time window if the UE 102 identifies an update to RSs associated with triggering condition corresponding to the measurement time window.

[0079] In some aspects, the UE 102 is configured with a triggering condition associated with a set of RSs (which can be the same as or different from set A RSs) and a measurement time window “T. ” The performance report is triggered after the triggering condition is met.

[0080] In some other aspects, the UE 102 is configured with a counter to count a number of times when a triggering condition is met within a measurement time window “T. ” The performance report is triggered after the counter exceeds a preconfigured threshold “M” (M > 1) .

[0081] In some examples, the network entity 104 sends the UE 102 a configuration regarding an event triggering report. The network entity 104 may indicate the configuration in radio resource control (RRC) signaling. As described herein, unless otherwise specified, RRC signaling may indicate a RRC reconfiguration message from the network entity 104 to the UE 102 or a system information block (SIB) , where the SIB can include an existing SIB (e.g., system information block 1 (SIB1) ) or a new SIB (e.g., SIB J, where J is an integer above 21) transmitted by the network entity 104.

[0082] The configuration may include and / or indicate one or more of the following: resources (e.g., PUCCH or configured grant (CG) PUSCH resource (s) ) on which to send the report once the report is triggered, indications of triggering condition (s) of the report, indications of RS (s) and / or ML model (s) associated with the report, a threshold (in terms of an error level or a number of instances) to trigger the report within a measurement time window, where common or separate threshold (s) may be configured for different RSs, configurations of the measurement time window, parameters to determine a duration of the measurement time window (e.g., a duration for one or multiple timers for one or multiple measurement time windows for different RSs) , a starting point for a first measurement time window or each measurement time window, and / or a periodicity.

[0083] In some examples, the threshold in the triggering condition is not a constant. For example, the triggering condition may be defined as a prediction error level (e.g., a difference between a predicted RSRP and a ground truth measured RSRP) that is larger than a threshold X. In some cases, the threshold X is a function of a measured RSRP, a predicted RSRP, or a measured SNR in a beam. For example, as shown Table 1 below, prediction accuracy may be relaxed when an RSRP level becomes worse or the noise level becomes worse, as the measurement can also be inaccurate. Table 1: Predicted RSRP / Measured RSRP and Thresholds of Error to  Trigger a Report

[0084] In another example, the threshold of error to trigger a report depends on whether an RS corresponds to a beam that is currently in use. For example, if the RS is quasi-colocated (QCLed) with an indicated TCI or an activated TCI for a data / control channel, then a corresponding threshold is different from a threshold for an RS not QCLed with any indicated or activated TCI.

[0085] In another example, the threshold depends on a relative order of an RS. For example, the threshold is different for an RSRP prediction error in a top K strongest beams as compared to RSRP prediction errors of other weaker beams (K is a positive integer) .

[0086] In some aspects, the UE 102 determines RSs for monitoring a results calculation based on a measured quality for the RSs (e.g., L1-RSRP / L1-SINR / L3-RSRP / L3-SINR) . In one example, the UE 102 selects RSs from set A with a measured quality above a threshold for a monitoring the results calculation. The threshold may be predefined or configured by the network entity 104 or reported by the UE 102.

[0087] In some aspects, the performance metric depends on a relative order of an RS. In an example, the ML model is configured to predict a top K strongest beams at a future time. The performance monitoring metric is a score to which any incorrect prediction of the top K strongest beams will contribute to. When a total score within a measurement time window is larger than a threshold S, the performance report is triggered. In this case, a score due to a prediction error may depend on a relative order of beams in which the error falls as shown in Table 2 below. Table 2: K-th Strongest Beam and Score

[0088] In some other examples, the network entity 104 configures content for the UE 102 to report in a performance metric. In some examples, the UE 102 reports an indication of a measured value, an offset value, an absolute value, a differential value, and / or a predicted value. Optionally or additionally, the UE 102 also indicates a noise level for the measurement of set A RSs (e.g., a measured SNR) . In an event driven report, the reported metrics may be different for different triggering conditions.

[0089] In some aspects, the UE 102 report a capability of the UE 102 regarding a performance monitoring report. The capability of the UE 102 regarding the performance monitoring report includes at least one of the following: whether the UE 102 supports event triggered beam report for performance monitoring, a UE capability on a supported mechanism to send the event triggered beam report (e.g., whether the UE 102 supports a PUCCH or a PUSCH based event triggered beam report) , a maximum number of PUCCH resources for an event triggered beam report in a serving cell or across serving cells in a band or in a band combination, a maximum number of CG PUSCH resources for an event triggered beam report in a serving cell or across serving cells in a band or in a band combination, which types of triggering events the UE 102 supports, a UE capability of a measurement time window, a minimum and / or a maximum time duration of a measurement time window, a maximum number of measurement time windows, a processing delay to derive a performance metric, a minimum and / or a maximum periodicity of the measurement time window to monitor, a number of measurements for an RS, a factor of RS periodicity (e.g., two times, five times, etc. ) , a UE capability regarding a beam switch which may be used to determine scheduling restrictions of RSs associated with performance monitoring, a required gap time duration or a number of gap symbols before / after the beam switch (can be per band and / or per SCS) , an indication of beam switching time (can be per band and / or per SCS) , a UE capability regarding a number of Rx beamforming configurations that can be applied at the same time, which may be used to determine scheduling restrictions of RSs associated with performance monitoring and the measurement time window, an indication of a number of Rx chains, whether the UE 102 supports simultaneous receptions from multiple TCIs / beams / transmission reception points (TRPs) , whether the UE 102 supports multi-Rx fast beam switching, whether the UE 102 supports receiving a PDSCH and a synchronization signal block (SSB) with different SCSs, whether the UE 102 can measure an RSRP of a DL RS from multiple Rx beams at the same time, a number of Rx beams that the UE 102 can measure, a maximum total number of beams or beam metrics that the UE 102 can report in a beam report, a maximum number of configured or activated new beams (e.g., a maximum number of DL reference signal (SSBs or a channel state information reference signal (CSI-RS) ) resources configured by RRC signaling or activated by a MAC-CE for new beam detection) in a serving cell or across serving cells in a band or in a band combination, a maximum number of configured or activated new beams (e.g., a maximum number of DL RS (SSBs or CSI-RS) resources configured by RRC signaling or activated by a MAC-CE for new beam detection in a slot in a serving cell or across serving cells in a band or in a band combination, supported DL RS type (s) for a new beam (e.g., an SSB, a CSI-RS for beam management (CSI-RS in a CSI-RS resource set with repetition configured) , or a CSI-RS for tracking (CSI-RS in a CSI-RS resource set with trs-Info configured) ) (the CSI-RS for tracking may also be referred to as a tracking reference signal (TRS) ) , supported DL RS type (s) for a current beam (e.g., an SSB, a CSI-RS for beam management (CSI-RS in a CSI-RS resource set with repetition configured) , or a CSI-RS for tracking (CSI-RS in a CSI-RS resource set with trs-Info configured) ) , and / or a supported number of ports for a CSI-RS configured as a new beam and / or a current beam (e.g., 1 port or 2 port) .

[0090] In some aspects, the network entity receives one or more of the UE capabilities described above from a core network (e.g., an Access and Mobility Management Function (AMF) ) . In some other aspects, the network entity 104 receives one or more of the UE capabilities described above from another network entity (e.g., gNB or eNB) .

[0091] In some aspects, if the UE 102 indicates a UE capability that the UE 102 cannot support simultaneous reception from multiple different TCIs / beams / TRPs, the network entity 104 refrains from scheduling another RS / channel that overlaps in time with an RS associated with a CSI report for AI / ML based performance monitoring unless the other RS / channel and the RS associated with the CSI report for AI / ML based performance monitoring share the same beam / TCI. In one example, the UE capability is an indication indicating whether UE 102 can receive a PDSCH and an SSB (which is associated with an AI / ML based performance monitoring CSI report) with different SCSs at the same time.

[0092] In some aspects, if the UE 102 further indicates a capability of a gap time Y associated with a beam switch, then the network entity 104 refrains from scheduling another RS / channel within a gap time Y before and / or after an RS associated with a CSI report for AI / ML based performance monitoring, unless the other RS / channel and the RS associated with the CSI report for AI / ML based performance monitoring share the same beam / TCI. In some other aspects, the gap time Y may be determined without UE indication. For example, the gap time Y may be determined based on an SCS and / or a frequency band of a communication.

[0093] FIG. 7 illustrates a flowchart 700 of a method of wireless communication at a UE. With reference to FIG. 1, FIG. 2, FIG. 3A, FIG. 3B, FIG. 3C, FIG. 4, FIG. 5A, FIG. 5B, FIG. 5C, and / or FIG. 6, the method may be performed by the UE 102.

[0094] In some aspects, the UE 102 optionally transmits 701A, to a network entity, a message indicating a UE capability of performance reporting. For example, FIG. 4 shows that the UE 102 optionally transmits 401, to a network entity, a message indicating a UE capability of performance monitoring reporting.

[0095] In some aspects, the UE 102 optionally applies 701B a scheduling restriction based on the UE capability.

[0096] The UE 102 receives 702B, from the network entity, a first configuration configuring a first set of RSs and a prediction of a beam metric associated with the first set of RSs. For example, FIG. 4 shows that the UE 102 receives 402B, from the network entity, a first configuration configuring a first set of RSs and a prediction of a beam metric associated with the first set of RSs.

[0097] The UE 102 receives 702A, from the network entity, a second configuration configuring the second set of RSs and a performance report for the prediction. For example, FIG. 4 shows that the UE 102 receives 402A, from the network entity, a second configuration configuring the second set of RSs and a performance report for the prediction.

[0098] The UE 102 receives 704AB, from the network entity, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window. For example, FIG. 4 shows that the UE 102 receives 404B set B RSs and that the UE 102 receives 404A set A RSs.

[0099] In some aspects, the UE 102 measures 704C the first set of RSs to obtain first measurement results.

[0100] In some aspects, the UE 102 predicts 705, using an ML model and based on the first measurement results, the beam metric associated with the second set of RSs. For example, FIG. 4 shows that the UE 102 predicts 405, using an ML model and based on the first measurement results, the beam metric associated with the second set of RSs.

[0101] In some aspects, the UE 102 measures 704D, during the measurement time window, the second set of RSs to obtain second measurement results.

[0102] In some aspects, the UE 102 determines 709 the performance metric based on the second measurement results and the beam metric. For example, FIG. 4 shows that the UE 102 determines 409 the performance metric based on the second measurement results and the beam metric.

[0103] In some aspects, the UE 102 optionally detects 706 a triggering event that triggers the performance report.

[0104] In some aspects, the UE 102 optionally resets 711 a counter at an end of the measurement time window.

[0105] The UE 102 transmits 712, to the network entity based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction. For example, FIG. 4 shows that the UE 102 transmits 412, to the network entity based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.

[0106] In some aspects, the UE 102 optionally receives 714, from the network entity, an updated configuration on performance reporting based on the ML model. For example, FIG. 4 shows that the UE 102 optionally receives 414, from the network entity, an updated configuration on performance reporting based on the ML model.

[0107] In some aspects, the UE 102 optionally performs 715, based on the updated configuration, an update to the performance reporting outside of the measurement time window.

[0108] In some aspects, the UE 102 optionally resets 716 a counter based on a change according to the updated configuration, the change being associated with at least one of: a first RS in the first set of RSs, a second RS in the second set of RSs, or a predefined RS.

[0109] FIG. 8 is a flowchart 800 of a method of wireless communication at a network entity. With reference to FIG. 1, FIG. 2, FIG. 3A, FIG. 3B, FIG. 3C, FIG. 4, FIG. 5A, FIG. 5B, FIG. 5C, and / or FIG. 6, the method may be performed by one or more network entities 104, which may correspond to a base station or a unit of the base station, such as the RU 106, the DU 108, and / or the CU 110.

[0110] In some aspects, the network entity 104 optionally receives 801A, from a UE, a message indicating a UE capability of performance reporting including at least one of: a common measurement window for all beams associated with a second set of RSs, a performance metric-specific measurement window, a sliding measurement window, or a transmission occasion-specific measurement window. For example, FIG. 4 shows that the network entity 104 optionally receives 401, from a UE, a message indicating a UE capability of performance reporting including at least one of: a common measurement window for all beams associated with a second set of RSs, a performance metric-specific measurement window, a sliding measurement window, or a transmission occasion-specific measurement window.

[0111] In some aspects, the network entity 104 optionally applies 801B a scheduling restriction based on the UE capability.

[0112] In some aspects, the network entity 104 configures 803 a duration of the measurement time window based on at least one of: the UE capability, a periodicity of the first set of RSs, a periodicity of the second set of RSs, CDRX being enable or disabled, a periodicity of a performance report, whether a first set of RSs enables repetition for a beam sweep, a number of RSs in the first set of RSs, a collision between the first set of RSs and another RS, a collision between the first set of RSs and a different channel, a collision between the first set of RSs and a measurement gap time, or an indication (e.g., DCI) from the network entity 104 to a UE as to whether a measurement time gap is skipped.

[0113] The network entity 104 transmits 802B, to the UE, a first configuration configuring the first set of RSs and a prediction of a beam metric based on the first set of RSs. For example, FIG. 4 shows that the network entity 104 transmits 402B, to the UE, a first configuration configuring the first set of RSs and a prediction of a beam metric based on the first set of RSs.

[0114] The network entity 104 transmits 802A, to the UE, a second configuration configuring a second set of RSs and a performance report for the prediction. For example, FIG. 4 shows that the UE 102 transmits 402A, to the UE, a second configuration configuring a second set of RSs and a performance report for the prediction.

[0115] The network entity 104 transmits 804AB, to the UE, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window. For example, FIG. 4 shows that the network entity 104 transmits 404B, to the UE, set B RSs and that the network entity 104 transmits 404A, to the UE, set A RSs.

[0116] The network entity 104 receives 812, from the UE based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction. For example, FIG. 4 shows that the network entity 104 receives 412, from the UE based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.

[0117] In some aspects, the network entity 104 optionally transmits 814, to the UE, an updated configuration on performance reporting based on an ML model. For example, FIG. 4 shows that the network entity 104 optionally transmits 414, to the UE, an updated configuration on performance reporting based on an ML model.

[0118] FIG. 9 is a diagram 900 illustrating an example of a hardware implementation for a UE apparatus 902. The UE apparatus 902 may be the UE 102, a component of the UE 102, or may implement UE functionality. The UE apparatus 902 may include an application processor 906, which may have on-chip memory 906’ . In examples, the application processor 906 may be coupled to a secure digital (SD) card 908 and / or a display 910. The application processor 906 may also be coupled to a sensor (s) module 912, a power supply 914, an additional module of memory 916, a camera 918, and / or other related components.

[0119] The UE apparatus 902 may further include a wireless baseband processor 926, which may be referred to as a modem. The wireless baseband processor 926 may have on-chip memory 926'. Along with, and similar to, the application processor 906, the wireless baseband processor 926 may also be coupled to the sensor (s) module 912, the power supply 914, the additional module of memory 916, the camera 918, and / or other related components. The wireless baseband processor 926 may be additionally coupled to one or more subscriber identity module (SIM) card (s) 920 and / or one or more transceivers 930 (e.g., wireless RF transceivers) .

[0120] Within the one or more transceivers 930, the UE apparatus 902 may include a Bluetooth module 932, a WLAN module 934, an SPS module 936 (e.g., GNSS module) , and / or a cellular module 938. The Bluetooth module 932, the WLAN module 934, the SPS module 936, and the cellular module 938 may each include an on-chip transceiver (TRX) , or in some cases, just a transmitter (TX) or just a receiver (RX) . The Bluetooth module 932, the WLAN module 934, the SPS module 936, and the cellular module 938 may each include dedicated antennas and / or utilize antennas 940 for communication with one or more other nodes. For example, the UE apparatus 902 can communicate through the transceiver (s) 930 via the antennas 940 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.

[0121] The wireless baseband processor 926 and the application processor 906 may each include a computer-readable medium  / memory 926', 906', respectively. The additional module of memory 916 may also be considered a computer-readable medium  / memory. Each computer-readable medium  / memory 926', 906', 916 may be non-transitory. The wireless baseband processor 926 and the application processor 906 may each be responsible for general processing, including execution of software stored on the computer-readable medium  / memory 926', 906', 916. The software, when executed by the wireless baseband processor 926  / application processor 906, causes the wireless baseband processor 926  / application processor 906 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 926  / application processor 906 when executing the software. The wireless baseband processor 926  / application processor 906 may be a component of the UE 102. The UE apparatus 902 may be a processor chip (e.g., modem and / or application) and include just the wireless baseband processor 926 and / or the application processor 906. In other examples, the UE apparatus 902 may be the entire UE 102 and include the additional modules of the apparatus 902.

[0122] As discussed in FIG. 1 and implemented with respect to FIG. 7, the UE ML prediction component 140 is configured to receive, from a network entity, a first configuration configuring a first set of reference signals (RSs) and a prediction of a beam metric associated with the first set of RSs. The UE ML prediction component 140 is configured to receive, from the network entity, a second configuration configuring a second set of RSs and a performance report for the prediction. The UE ML prediction component 140 is configured to receive, from the network entity, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window. The UE ML prediction component 140 is configured to transmit, to the network entity based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction. The UE ML prediction component 140 may be within the application processor 906 (e.g., at 140a) , the wireless baseband processor 926 (e.g., at 140b) , or both the application processor 906 and the wireless baseband processor 926. The UE ML prediction component 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.

[0123] FIG. 10 is a diagram 1000 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 1046, which may have on-chip memory 1046'. In some aspects, the CU 110 may further include an additional module of memory 1056 and / or a communications interface 1048, both of which may be coupled to the CU processor 1046. The CU 110 can communicate with the DU 108 through a midhaul link 162, such as an F1 interface between the communications interface 1048 of the CU 110 and a communications interface 1028 of the DU 108.

[0124] The DU 108 may include a DU processor 1026, which may have on-chip memory 1026'. In some aspects, the DU 108 may further include an additional module of memory 1036 and / or the communications interface 1028, both of which may be coupled to the DU processor 1026. The DU 108 can communicate with the RU 106 through a fronthaul link 160 between the communications interface 1028 of the DU 108 and a communications interface 1008 of the RU 106.

[0125] The RU 106 may include an RU processor 1006, which may have on-chip memory 1006'. In some aspects, the RU 106 may further include an additional module of memory 1016, the communications interface 1008, and one or more transceivers 1030, all of which may be coupled to the RU processor 1006. The RU 106 may further include antennas 1040, which may be coupled to the one or more transceivers 1030, such that the RU 106 can communicate through the one or more transceivers 1030 via the antennas 1040 with the UE 102.

[0126] The on-chip memory 1006', 1026', 1046'a nd the additional modules of memory 1016, 1036, 1056 may each be considered a computer-readable medium  / memory. Each computer-readable medium  / memory may be non-transitory. Each of the processors 1006, 1026, 1046 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) 1006, 1026, 1046 causes the processor (s) 1006, 1026, 1046 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) 1006, 1026, 1046 when executing the software. In examples, the NE ML prediction component 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.

[0127] As discussed in FIG. 1 and implemented with respect to FIG. 8, the NE ML prediction component 150 is configured to transmit, to a user equipment (UE) , a first configuration configuring a first set of reference signals (RSs) and a prediction of a beam metric based on the first set of RSs. The NE ML prediction component 150 is configured to transmit, to the UE, a second configuration configuring a second set of RSs and a performance report for the prediction. The NE ML prediction component 150 is configured to transmit, to the UE, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window. The NE ML prediction component 150 is configured to receive, from the UE based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction. The NE ML prediction component 150 may be within one or more processors of the one or more network entities 104, such as the RU processor 1006 (e.g., at 150a) , the DU processor 1026 (e.g., at 150b) , and / or the CU processor 1046 (e.g., at 150c) . The NE ML prediction component 150a-150c may be one or more hardware components specifically configured to carry out the stated processes / algorithm, implemented by one or more processors 1006, 1026, 1046 configured to perform the stated processes / algorithm, stored within a computer-readable medium for implementation by the one or more processors 1006, 1026, 1046, or a combination thereof.

[0128] 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.

[0129] 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.

[0130] 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.

[0131] 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. Softwareshall 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.

[0132] 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.

[0133] 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.

[0134] 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.

[0135] 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.

[0136] 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.

[0137] 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” .

[0138] 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.

[0139] Reference numbers, as used in the specification and figures, are sometimes cross-referenced among drawings to denote same or similar features. Afeature 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.

[0140] 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.

[0141] The following examples are illustrative only and may be combined with other examples or teachings described herein, without limitation.

[0142] Example 1 is a method of wireless communication at a UE, including: including: receiving, from a network entity, a first configuration configuring a first set of reference signals (RSs) and a prediction of a beam metric associated with the first set of RSs; receiving, from the network entity, a second configuration configuring a second set of RSs and a performance report for the prediction; receiving, from the network entity, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window; and transmitting, to the network entity based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.

[0143] Example 2 is the method of example 1, further including: measuring the first set of RSs to obtain first measurement results; and predicting, using a machine learning (ML) model and based on the first measurement results, the beam metric associated with the second set of RSs.

[0144] Example 3 is the method of any of examples 1-2, further including: measuring, during the measurement time window, the second set of RSs to obtain second measurement results; and determining the performance metric based on the second measurement results and the beam metric.

[0145] Example 4 is the method of any of examples 1-3, where the measurement time window includes at least one of: a common measurement window for all beams associated with the second set of RSs, a performance metric-specific measurement window, a sliding measurement window, or a transmission occasion-specific measurement window.

[0146] Example 5 is the method of any of examples 1-4, further including: detecting a triggering event that triggers the performance report.

[0147] Example 6 is the method of example 5, where the triggering event is based on the second measurement results of the second set of RSs.

[0148] Example 7 is the method of any of examples 5-6, where the triggering event is based on a number of times a condition is satisfied within the measurement time window.

[0149] Example 8 is the method of any of examples 1-7, further including: resetting a counter at an end of the measurement time window.

[0150] Example 9 is the method of any of examples 1-8, further including: transmitting, to the network entity, a message indicating a UE capability of performance reporting including support for at least one of: an event triggered beam report for performance monitoring, the measurement time window, a beam switch operation, a number of receive (Rx) beamforming configurations applicable at a same time, a maximum total number of beams or beam metrics for reporting in a beam report, a maximum number of configured or activated beams in a slot, serving cell, or across serving cells, in a band or band combination, a downlink RS type for a beam associated with beam management, achannel state information-reference signal (CSI-RS) for tracking, or a number of ports for the CSI-RS being configured as the beam.

[0151] Example 10 is the method of example 9, further including: applying a scheduling restriction based on the UE capability.

[0152] Example 11 is the method of any of examples 2-10, further including: receiving, from the network entity, an updated configuration on performance reporting based on the ML model.

[0153] Example 12 is the method of example 11, where the receiving the updated configuration is within the measurement time window.

[0154] Example 13 is the method of any of examples 11-12, further including: performing, based on the updated configuration, an update to the performance reporting outside of the measurement time window.

[0155] Example 14 is the method of any of examples 11-13, further including: resetting a counter based on a change according to the updated configuration, the change being associated with at least one of: a first RS in the first set of RSs, a second RS in the second set of RSs, or a predefined RS.

[0156] Example 15 is a method of wireless communication at a network entity, including: transmitting, to a user equipment (UE) , a first configuration configuring a first set of reference signals (RSs) and a prediction of a beam metric based on the first set of RSs; transmitting, to the UE, a second configuration configuring a second set of RSs and a performance report for the prediction; transmitting, to the UE, the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window; and receiving, from the UE based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.

[0157] Example 16 is the method of example 15, where the first configuration is for a measurement of the first set of RSs and associated with first measurement results.

[0158] Example 17 is the method of any of examples 15-16, where the second configuration is for a measurement of the second set of RSs and associated with second measurement results, the performance metric being based on the second measurement results and the beam metric.

[0159] Example 18 is the method of any of examples 15-17, where the measurement time window includes at least one of: a common measurement window for all beams associated with the second set of RSs, a performance metric-specific measurement window, a sliding measurement window, or a transmission occasion-specific measurement window.

[0160] Example 19 is the method of any of examples 15-18, further including: receiving, from the UE, a message indicating a UE capability of performance reporting including support for at least one of: an event triggered beam report for performance monitoring, the measurement time window, a beam switch operation, a number of Rx beamforming configurations applicable at a same time, a maximum total number of beams or beam metrics for reporting in a beam report, a maximum number of configured or activated beams in a slot, serving cell, or across serving cells, in a band or band combination, a downlink RS type for a beam associated with beam management or CSI-RS for tracking, or a number of ports for the CSI-RS being configured as the beam.

[0161] Example 20 is the method of example 19, further including: applying a scheduling restriction based on the UE capability.

[0162] Example 21 is the method of any of examples 15-20, further including: transmitting, to the UE, an updated configuration on performance reporting based on a machine learning (ML) model.

[0163] Example 22 is the method of example 21, where the transmitting the updated configuration is within the measurement time window.

[0164] Example 23 is the method of any of the preceding examples, where the second configuration indicates at least one of: a resource for transmitting the performance report, a triggering event that triggers the performance report, a parameter for determining a duration of the measurement time window, a type of the measurement time window, a start time of the measurement time window, a periodicity of the measurement time window, a duration of the measurement time window, or a gap between measurement time windows.

[0165] Example 24 is the method of example 23, where the triggering event includes a prediction error level exceeding a threshold.

[0166] Example 25 is the method of any of examples 23-24, where the duration includes at least one of: a first duration when cell discontinuous reception (CDRX) is enabled, or a second duration when the CDRX is disabled.

[0167] Example 26 is the method of any of the preceding examples, where the beam metric includes at least one of: a channel coefficient, a precoding matrix indicator (PMI) , a rank indicator (RI) , a received signal strength indicator (RSSI) , a signal-to-interference-plus-noise ratio (SINR) , or a reference signal received power (RSRP) .

[0168] Example 27 is the method of any of the preceding examples, further including: configuring a duration of the measurement time window based on at least one of: the UE capability, a periodicity of the first set of RSs, a periodicity of the second set of RSs, the CDRX being enabled or disabled, a periodicity of the performance report, whether the first set of RSs enables repetition for a beam sweep, a number of RSs in the first set of RSs, a collision between the first set of RSs and another RS, a collision between the first set of RSs and a different channel, or a collision between the first set of RSs and a measurement gap time.

[0169] Example 28 is the method of any of the preceding examples, where the measurement time window is associated with a transmission occasion for the performance report using a resource on a physical uplink shared channel (PUSCH) or a physical uplink control channel (PUCCH) .

[0170] Example 29 is the method of any of the preceding examples, where the measurement time window includes a plurality of time windows respectively associated with at least one of: a plurality of beams, a plurality of performance metrics, a plurality of transmission occasions for the performance report, or a plurality of error events.

[0171] Example 30 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 1-29.

[0172] Example 31 is an apparatus for wireless communication including means for implementing a method as in any of examples 1-29.

[0173] Example 32 is a non-transitory computer-readable medium storing computer executable code, the computer executable code, when executed by a processor, causes the processor to implement a method as in any of examples 1-29.

[0174] Example 33 is a computer program product for implementing a method as in any of Examples 1-29.

Claims

1.A method of wireless communication at a user equipment, UE, (102) , comprising:receiving (402B) , from a network entity (104) , a first configuration configuring a first set of reference signals, RSs, and a prediction of a beam metric associated with the first set of RSs;receiving (402A) , from the network entity (104) , a second configuration configuring a second set of RSs and a performance report for the prediction;receiving (404) , from the network entity (104) , the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window; andtransmitting (412) , to the network entity (104) based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.2.The method of claim 1, further comprising:measuring the first set of RSs to obtain first measurement results; andpredicting (405) , using a machine learning, ML, model and based on the first measurement results, the beam metric associated with the second set of RSs.3.The method of any of claims 1-2, further comprising:measuring, during the measurement time window, the second set of RSs to obtain second measurement results; anddetermining (409) the performance metric based on the second measurement results and the beam metric.4.The method of any of claims 1-3, wherein the measurement time window comprises at least one of:a common measurement window for all beams associated with the second set of RSs,a performance metric-specific measurement window,a sliding measurement window, ora transmission occasion-specific measurement window.5.The method of any of claims 1-4, further comprising:detecting a triggering event that triggers the performance report.6.The method of claim 5, wherein the triggering event is based on the second measurement results of the second set of RSs.7.The method of any of claims 5-6, wherein the triggering event is based on a number of times a condition is satisfied within the measurement time window.8.The method of any of claims 1-7, further comprising:resetting a counter at an end of the measurement time window.9.The method of any of claims 1-8, further comprising:transmitting (401) , to the network entity (104) , a message indicating a UE capability of performance reporting including support for at least one of:an event triggered beam report for performance monitoring, the measurement time window,a beam switch operation,a number of receive, Rx, beamforming configurations applicable at a same time,a maximum total number of beams or beam metrics for reporting in a beam report,a maximum number of configured or activated beams in a slot, serving cell, or across serving cells, in a band or band combination,a downlink RS type for a beam associated with beam management,a channel state information-reference signal, CSI-RS, for tracking, ora number of ports for the CSI-RS being configured as the beam.10.The method of claim 9, further comprising:applying a scheduling restriction based on the UE capability.11.The method of any of claims 2-10, further comprising:receiving (414) , from the network entity (104) , an updated configuration on performance reporting based on the ML model.12.The method of claim 11, wherein the receiving (414) the updated configuration is within the measurement time window.13.The method of any of claims 11-12, further comprising:performing, based on the updated configuration, an update to the performance reporting outside of the measurement time window.14.The method of any of claims 11-13, further comprising:resetting a counter based on a change according to the updated configuration, the change being associated with at least one of:a first RS in the first set of RSs,a second RS in the second set of RSs, ora predefined RS.15.A method of wireless communication at a network entity (104) , comprising:transmitting (402B) , to a user equipment, UE, (102) , a first configuration configuring a first set of reference signals, RSs, and a prediction of a beam metric based on the first set of RSs;transmitting (402A) , to the UE (102) , a second configuration configuring a second set of RSs and a performance report for the prediction;transmitting (404) , to the UE (102) , the first set of RSs and the second set of RSs, the second set of RSs being within a measurement time window; andreceiving (412) , from the UE (102) based on the beam metric and the second set of RSs within the measurement time window, the performance report including a performance metric for the prediction.16.The method of claim 15, further comprising:receiving (401) , from the UE (102) , a message indicating a UE capability of performance reporting including support for at least one of:an event triggered beam report for performance monitoring, the measurement time window,a beam switch operation,a number of receive, Rx, beamforming configurations applicable at a same time,a maximum total number of beams or beam metrics for reporting in a beam report,a maximum number of configured or activated beams in a slot, serving cell, or across serving cells, in a band or band combination,a downlink RS type for a beam associated with beam management, a channel state information-reference signal, CSI-RS, for tracking, ora number of ports for the CSI-RS being configured as the beam.17.The method of any of the preceding claims, wherein the second configuration indicates at least one of:a resource for transmitting the performance report,a triggering event that triggers the performance report,a parameter for determining a duration of the measurement time window,a type of the measurement time window,a start time of the measurement time window,a periodicity of the measurement time window,a duration of the measurement time window, ora gap between measurement time windows.18.The method of any of the preceding claims, further comprising:configuring a duration of the measurement time window based on at least one of:the UE capability,a periodicity of the first set of RSs,a periodicity of the second set of RSs,cell discontinuous reception, CDRX, being enabled or disabled,a periodicity of the performance report,whether the first set of RSs enables repetition for a beam sweep,a number of RSs in the first set of RSs,a collision between the first set of RSs and another RS,a collision between the first set of RSs and a different channel, ora collision between the first set of RSs and a measurement gap time.19.The method of any of the preceding claims, wherein the measurement time window comprises a plurality of time windows respectively associated with at least one of:a plurality of beams,a plurality of performance metrics,a plurality of transmission occasions for the performance report, ora plurality of error events.20.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