Methods, apparatus and systems for adaptive dataset transmission in wireless communication networks

Abstract

This disclosure provides methods and apparatus which may be helpful for a resource-limited UE (e.g., low bandwidth or low computational capability), the network device sends a subset of a codebook. These subsets may be transmitted via RRC / MAC signaling. The UE applies a dimension-reduction technique (e.g., QR decomposition, SVD, or a proprietary AI-based algorithm) to the received subset. The resulting dimensionally reduced version of the subset is used to derive sparse coefficients s. The UE may send the sparse coefficients to the network device using CSI feedback formats. The network device, knowing the sub-set associated with the UE and having received s, reconstructs the CSI without needing to know the compression method applied by the UE.

Description

[Rectified under Rule 91, 14.07.2025]METHODS, APPARATUS AND SYSTEMS FOR ADAPTIVE DATASET TRANSMISSION IN WIRELESS COMMUNICATION NETWORKSRELATED APPLICATION

[0001] The present application is related to, and claims priority to, United States provisional patent application Serial No. 63 / 765,070, entitled “METHODS, APPARATUS AND SYSTEMS ADAPTIVE DATASET TRANSMISSION IN WIRELESS COMMUNICATION NETWORKS” , filed on February 28, 2025, the entire contents of which are hereby incorporated by reference.TECHNICAL FIELD

[0002] The present disclosure relates generally to wireless communications, and in particular to methods and apparatuses to enable adaptive dataset transmission.BACKGROUND

[0003] It is expected that for future wireless communication systems Channel State Information (CSI) feedback will be used for advanced techniques such as ultra-massive multiple-input multiple-output (MIMO) , beamforming, and link adaptation.

[0004] In some scenarios, CSI may be represented via 2D-discrete Fourier transform (DFT) -based codebooks or dictionaries that enable a reduction of feedback overhead by approximating high-dimensional CSI with a set of sparse coefficients. Applying universal transformations to CSI or codeword sets may reduce signal energy into fewer coefficients. This allows more efficient transmission of partial sets.

[0005] However, such a method suffers from inflexibility because all user equipment (UE) receive the same dictionary size, regardless of their channel conditions, bandwidth constraints, or computational capabilities. This leads to inefficient resource usage.SUMMARY

[0006] Aspects of the present disclosure include a first device adaptively providing different codebooks or subsets of codebooks, which may also be referred to as dictionaries or sub-dictionaries, to different second devices based on their conditions, improving resource utilization and channel state information (CSI) reconstruction quality. In some examples, the first device may be a network device such as a base station (BS) and the different second devices may be different UE. However, it is to be understood that more generally, the first and second devices could be other types of devices that may be used in downlink (DL) , uplink (UL, or sidelink (SL) commuication.

[0007] Aspects of the present disclosure may also allow the send devices, which may include UEs, to use their own proprietary dimension-reduction process without the first device, which may be a BS, having to know or standardize such processes, thus allowing the second device, which may be a UE to preserve intellectual property including the proprietary dimension-reduction process.

[0008] Aspects of the present disclosure may also allow standardizing of signaling procedures (e.g., via radio resource control / media access control (RRC / MAC) messages) so that a first device, such as a BS, may allocate sub-dictionaries (also referred to as sub-codebooks or sets of codewords) and receive sparse coefficient feedback effectively, accommodating various scenario that may be desireable in current and future communcation systems.

[0009] According to a first aspect, there is provided a method for receiving information for a subset of codewords in a codebook; and transmitting a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the subset of codewords.

[0010] In some examples, the information includes one or more of: codeword indices for codewords included in the subset of the codewords; a transformation type of a linear or non-linear transform has been applied to the subset of codewords; and an indication of an s-domain distribution, where the s-domain represents a sparseness domain.

[0011] In some examples, the method further includes transmitting a request for receiving a codebook.

[0012] In some examples, the information for the subset of codewords is received using RRC signaling or MAC signaling.

[0013] In some examples, when a transform has been applied to the codewords in the subset of codewords, the method further includes receiving an identification of the transform.

[0014] In some examples, the transformation is a linear transformation or a non-linear transformation.

[0015] In some examples, the method further includes performing a reverse of the transform to obtain the subset of codewords in an untransformed state.

[0016] In some examples, the method further includes receiving parameters of any trained model on s-domain, where the s-domain represents a sparseness domain.

[0017] In some examples, the method further includes transmitting a request for s-domain data.

[0018] In some examples, the method further includes receiving an indication of a size of the subset of codewords in comparison to the total number of codewords in the codebook.

[0019] In some examples, the method further includes transmitting an indication of capability to perform at least one of transforms and artificial intelligence-based compression methods.

[0020] In some examples, the method further includes transmitting a request for a revised version of the codebook.

[0021] In some examples, the method further includes receiving an indication of a size of a revised subset of codewords.

[0022] In some examples, the method further includes receiving the revised subset of codewords.

[0023] In some examples, the reduced dimensionality of the subset of codewords is obtained by using one of: QR decomposition; singular value decomposition (SVD) ; or an artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.

[0024] In some examples, the subset of codewords is ordered based on significance.

[0025] According to a second aspect, there is provided a method including: transmitting information for a subset of codewords in a codebook; receiving a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the set of codewords; and determining a channel estimate based on the subset of codewords and the received set of coefficients corresponding to the channel sparse representation.

[0026] In some examples, the method further includes constructing the codebook.

[0027] In some examples, the method further includes ordering codewords in the codebook based on significance.

[0028] In some examples, the method further includes selecting codewords for inclusion in the subset of codewords from all of the codewords in the codebook.

[0029] In some examples, the selecting is based on one or more of: channel bandwidth conditions; computational power of a UE when processing the subset of codewords; and channel quality.

[0030] In some examples, the method further includes transforming codewords in the codebook using a transform.

[0031] In some examples, the transformation is a linear transformation or a non-linear transformation.

[0032] In some examples, the method further includes transmitting an indication of the transform.

[0033] In some examples, the information includes one or more of: codeword indices for codewords included in the subset of codewords; a transformation type of a linear or non-linear transform has been applied to the portion of a channel state information codebook; and an indication of an s-domain distribution, where the s-domain represents a sparseness domain.

[0034] In some examples, the method further includes receiving a request for a codebook.

[0035] In some examples, the identification of the subset of codewords is transmitted using RRC signaling or MAC signaling.

[0036] In some examples, the method further includes transmitting parameters of any trained model on s-domain.

[0037] In some examples, the method further includes receiving a request for s-domain data, where the s-domain represents a sparseness domain.

[0038] In some examples, the method further includes transmitting an indication of a size of the subset of codewords in comparison to the total number of codewords in the codebook.

[0039] In some examples, the method further includes receiving an indication of capability of a UE to perform at least one of transforms and artificial intelligence-based compression methods.

[0040] In some examples, the method further includes receiving a request for a revised version of the codebook.

[0041] In some examples, the method further includes transmitting an indication of a size of a revised subset of codewords.

[0042] In some examples, the method further includes transmitting the revised subset of the codewords.

[0043] In some examples, the reduced dimensionality of the portion of the channel state information codebook is a result of one of: QR decomposition; SVD; or an artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.

[0044] In some examples, transmitting the information for the subset of codewords includes transmitting different identifications for different subsets of codewords to different UE.

[0045] According to another aspect, there is provided an apparatus including: a processor; and a computer-readable medium having stored thereon, computer-executable instructions that, when executed, cause the apparatus to perform the method as described above or detailed below.

[0046] According to another aspect, there is provided n apparatus including: a module for implementing the method the method as described above or detailed below.

[0047] According to another aspect, there is provided non-transitory computer-readable storage medium, wherein the computer-readable storage medium stores computer-executable instructions that, when executed by a processor of an apparatus, enable the apparatus to perform the method as described above or detailed below.

[0048] According to a third aspect, a communication apparatus is described. The communication apparatus has a function of implementing the first aspect. For example, the communication apparatus includes a corresponding module, unit, or means for performing operations in the first aspect. The module, unit, or means may be specifically implemented by using software, may be implemented by using hardware, or may be implemented by using software in combination with hardware.

[0049] According to a fourth aspect, a communication apparatus is described. The communication apparatus has a function of implementing the second aspect. For example, the communication apparatus includes a corresponding module, unit, or means for performing operations in the second aspect. The module, unit, or means may be specifically implemented by using software, may be implemented by using hardware, or may be implemented by using software in combination with hardware.

[0050] According to a fifth aspect, another communication apparatus is described. The communication apparatus includes a memory and one or more processors. The memory is configured to store a part or all of a necessary computer program or instructions for implementing a function in the first aspect. The one or more processors may execute the computer program or the instructions, and when the computer program or the instructions is / are executed, the communication apparatus is enabled to implement the method in any possible design or implementation of the first aspect.

[0051] According to a sixth aspect, another communication apparatus is described. The communication apparatus includes a memory and one or more processors. The memory is configured to store a part or all of a necessary computer program or instructions for implementing a function in the second aspect. The one or more processors may execute the computer program or the instructions, and when the computer program or the instructions is / are executed, the communication apparatus is enabled to implement the method in any possible design or implementation of the first aspect.

[0052] In some implementations, the communication apparatus may further include an interface circuit, and the processor is configured to communicate with another apparatus or component through the interface circuit.

[0053] In some implementations, the communication apparatus may further include the memory.

[0054] The communication apparatus may be a terminal, a module in a terminal, or a chip responsible for a communication function in a terminal, for example, a modem chip (also referred to as a baseband chip) or an SoC chip or an SIP chip that includes a modem module.

[0055] According to a seventh aspect, a communication system is described. The communication system includes a processor and a computer-readable medium having stored thereon, computer executable isntructions that, when exectued, cause the system to perform the methods as any one of the possible designs of the first aspect or second aspect.

[0056] According to an eighth aspect, a computer-readable storage medium is described. The computer-readable storage medium stores computer-readable instructions, and when a computer reads and executes the computer-readable instructions, the computer is enabled to perform the method in any one of the possible designs of the first aspect or second aspect.

[0057] According to a ninth aspect, this application provides a computer program product. When a computer reads and executes the computer program product, the computer is enabled to perform the method in any one of the possible designs of the first aspect or second aspect.

[0058] According to a tenth aspect, this application provides a system including at least one of an apparatus at a UE of the present application, or an apparatus at a network device of the present application.

[0059] According to an eleventh aspect, this application provides a method performed by a system including at least one of an apparatus at a UE of the present application, and an apparatus at a network device of the present application.

[0060] This application encompasses various implementations, including not only method implementations, but also other implementations such as apparatus implementations and implementations related to non-transitory computer readable storage media. implementations may incorporate, individually or in combinations, the features disclosed herein.BRIEF DESCRIPTION OF THE DRAWINGS

[0061] For a more complete understanding of the present implementations, and the advantages thereof, reference is now made, by way of example, to the following descriptions taken in conjunction with the accompanying drawings, in which:

[0062] FIG. 1 is a schematic diagram of a communication system in which the present disclosure may occur.

[0063] FIG. 2 is another schematic diagram of a communication system in which the present disclosure may occur.

[0064] FIG. 3 is a block diagram illustrating units or modules in a device in which the present disclosure may occur.

[0065] FIG. 4 is a block diagram illustrating units or modules in a device in which the present disclosure may occur.

[0066] FIG. 5 is a block diagram illustrating units or modules in a device in which the present disclosure may occur.

[0067] FIG. 6 is a schematic diagram illustrating a high-level system architecture in accordance with aspects of the present disclosure.

[0068] FIG. 7 is a schematic diagram illustrating two steps of constructing a codebook and reordering the codebook based on significance in accordance with aspects of the present disclosure.

[0069] FIG. 8 is a signal flow diagram illustrating a signaling steps between two devices in a wireless communication system according to a first aspect of the present disclosure.

[0070] FIG. 9 is a description of contents of a system information block (SIB) according to an aspect of the present disclosure.

[0071] FIG. 10 is a description of contents of a signaling message according to an aspect of the present disclosure.

[0072] FIG. 11 is a signal flow diagram illustrating a signaling steps between two devices in a wireless communication system according to a second aspect of the present disclosure.

[0073] FIG. 12 is a signal flow diagram illustrating a signaling steps between two devices in a wireless communication system according to a third aspect of the present disclosure.

[0074] FIG. 13 is a signal flow diagram illustrating a signaling steps between two devices in a wireless communication system according to a fourth aspect of the present disclosure.

[0075] FIG. 14 is a signal flow diagram illustrating a signaling steps between two devices in a wireless communication system according to a fifth aspect of the present disclosure.DETAILED DESCRIPTION

[0076] For illustrative purposes, specific example implementations will now be explained in greater detail below in conjunction with the figures.

[0077] The implementations and examples set forth herein represent information sufficient to practice the claimed subject matter and illustrate ways of practicing such subject matter. Upon reading the following description in light of the accompanying figures, those of skill in the art will understand the concepts of the claimed subject matter and will recognize applications of these concepts not particularly addressed herein. It should be understood that these concepts and applications fall within the scope of the disclosure and the accompanying claims.

[0078] Moreover, it will be appreciated that any module, component, or device disclosed herein that executes instructions may include or otherwise have access to a non-transitory computer / processor readable storage medium or media for storage of information, such as computer / processor readable instructions, data structures, program modules, and / or other data. A non-exhaustive list of examples of non-transitory computer / processor readable storage media includes magnetic cassettes, magnetic tape, magnetic disk storage or other magnetic storage devices, optical disks such as compact disc read-only memory (CD-ROM) , digital video discs or digital versatile discs (i.e. DVDs) , Blu-ray DiscTM, or other optical storage, volatile and non-volatile, removable and non-removable media implemented in any method or technology, random-access memory (RAM) , read-only memory (ROM) , electrically erasable programmable read-only memory (EEPROM) , flash memory or other memory technology. Any such non-transitory computer / processor storage media may be part of a device or accessible or connectable thereto. Computer / processor readable / executable instructions to implement an application or module described herein may be stored or otherwise held by such non-transitory computer / processor readable storage media.

[0079] FIGs. 1, 2, 3, 4, and 5 following below provide context for a network and devices that may be in the network and that may implement aspects of the present disclosure.

[0080] FIG. 1 is a schematic illustration of an example communication system according to an implementation of the present disclosure. There is shown a communication system 100 that includes a radio access network (RAN) 120, one or more communication electronic devices (EDs) 10a, 110b, 110c, 110d, 110e, 110f, 110g, 110h, 110i, 110j (collectively referred to as 110) , a core network 130, a Public Switched Telephone Network (PSTN) 140, the Internet 150, and other networks 160. The RAN 120 may include, but is not limited to, a future generation RAN, or a legacy RAN such as, but not limited to, 5th generation (5G) , 4th generation (4G) , 3rd generation (3G) or 2nd generation (2G) radio access network. The RAN 120 may be, for example, an Evolved Universal Mobile Telecommunications System (UMTS) Terrestrial Radio Access Network (E-UTRAN) , a NextGen RAN (NG RAN) , or some other type of RAN. Examples of RAN 120 based on the evolution of telecommunications standards include, but are not limited to, GSM (Global System for Mobile Communications) and CDMA (Code Division Multiple Access) for 2G, UMTS (Universal Mobile Telecommunications System) based on WCDMA (Wideband Code Division Multiple Access) and CDMA2000 for 3G, LTE (Long-Term Evolution) and WiMAX (Worldwide Interoperability for Microwave Access) for 4G, and NR (New Radio) for 5G. In some implementations, The RAN 120 may use any radio access technology (RAT) in the wireless interface between the one or more EDs 110 and the RAN 120. In some implementations, the term “radio access” may refer to the future generation air interface standards which may include both terrestrial networks (TNs) and non-terrestrial networks (NTNs) . These networks will be described in greater detail below in conjunction with various implementations. The one or more communication EDs 110 (also referred to as “user equipment” ) are configured to connect (e.g., communicatively couple) with each other or to one or more network nodes 170a, 170b (collectively referred to as 170) in the RAN 120. The core network (CN) 130 is a part of the communication system 100 and consists of network nodes (e.g., 170a, 170b) which provide support for the network features and telecommunication services. In some implementations, the CN 130 may be dependent on the RAT used in the communication system 100. In other implementations, the CN 130 may be access-agnostic, i.e., the CN 130 may be independent of the RAT used in the communication system 100. There are different types of CN 130, for different 3GPP system generations. For example, the CN 130 is the Evolved Packet Core (EPC) in 4G, also known as the Evolved Packet System (EPS) . In another example, the CN 130 is the 5G Core (5GC) which was developed as part of the 5G System (5GS) . The CN 130 also enables integration of different 3GPP and non-3GPP access types. In some implementations and referring to FIG. 1, the CN 130 also provides the interface towards external networks that may include the PSTN 140, the Internet 150, and other networks 160 in the communication system 100.

[0081] In general, the communication system 100 facilitates interaction between multiple wireless or wired elements. The communication system 100 may transmit different types of content, such as voice, data, video, and / or text, through different transmission methods such as, but not limited to, broadcast, multicast, groupcast, and unicast. Additionally, the communication system 100 operates by allocating and / or sharing resources, such as carrier spectrum bandwidth, among its constituent elements.

[0082] The communication system 100 may provide a wide range of communication services and applications including, but not limited to, Enhanced Mobile Broadband (eMBB) services, Ultra-Reliable Low-Latency Communication (URLLC) services, Massive Machine Type Communication (mMTC) services, Integrated Sensing And Communication (ISAC) , immersive communication, Ultra-massive Machine-Type Communication (uMTC) , hyper reliable and low-latency communication, ubiquitous connectivity, integrated AI and communication, and other services that can be provided by a future generation communication system. The communication system 100 may provide other services and applications such as, but not limited to, earth monitoring, remote sensing, passive sensing and positioning, navigation and tracking, autonomous delivery and mobility and the like.

[0083] The communication system 100 may include a terrestrial communication system (or network) and / or a non-terrestrial communication system (or network) . The communication system 100 may provide a high degree of availability and robustness through a joint operation of the terrestrial communication system and the non-terrestrial communication system. For example, integrating a non-terrestrial communication system (or components thereof) into a terrestrial communication system can result in a heterogeneous network comprising multiple layers. The heterogeneous network may achieve better overall performance through efficient multi-link joint operation, more flexible functionality sharing, and faster physical layer link switching between terrestrial networks and non-terrestrial networks. The terrestrial communication system and the non-terrestrial communication system could be considered as sub-systems of the communication system 100.

[0084] FIG. 2 illustrates another example communication system 100 according to an implementation of the present disclosure, there is shown the communication system 100 includes EDs 110a, 110b, 110c, 110d (collectively referred to as ED 110) , RANs 120a, 120b, one or more CNs 130, a PSTN 140, the Internet 150, and other networks 160. Additionally, the communication system 100 may also include a non-terrestrial network (NTN) 120c. The RANs 120a and 120b may include network nodes 170a and 170b, respectively. Examples of network nodes 107a, 107b include base stations, which can be generally referred to as terrestrial network (TN) devices or terrestrial transmit and receive points (T-TRPs) 170a and 170b (collectively referred to as 170) . In this context, the terms "TRP" and "base station" are used interchangeably unless otherwise specified. For simplicity, this disclosure primarily refers to network nodes as base stations; however, unless explicitly stated otherwise, references to TRP are considered non-limiting and interchangeable. The T-TRPs 170a, 170b may be base stations mounted on a building or tower. In one implementation, the NTN 120c includes a RAN node such as a base station 172, which may be generally referred to as an NTN device, a non-terrestrial node, a non-terrestrial network device, a non-terrestrial base station, or a non-terrestrial transmit and receive point (NT-TRP) 172.

[0085] In some implementations, the NT-TRP 172 is not attached to the ground, for example, as in the case of an airborne base station. An airborne base station may be implemented using communication equipment supported or carried by a flying device. For example, a flying device may include, but is not limited to, an airborne platform (such as a blimp or an airship) , balloon, drone (such as quadcopter) , and other types of aerial vehicles. In some implementations, an airborne base station may be supported or carried by an unmanned aerial system (UAS) or an unmanned aerial vehicle (UAV) , such as a drone. An airborne base station may be a moveable or mobile base station that can be flexibly deployed in different locations to meet network demand. A satellite base station is another example of a non-terrestrial base station. A satellite base station may be implemented using communication equipment supported or carried by a satellite. A satellite base station may also be referred to as an orbiting base station. High altitude platforms are yet another example of non-terrestrial base stations, including international mobile telecommunication base stations.

[0086] As referred to herein, and unless specified otherwise, a “TRP” may also refer to a T-TRP or an NT-TRP, a “T-TRP” may also refer to a “TN TRP” , and an “NT-TRP” may also refer to an “NTN TRP” . The NTN 120c may be considered a RAN, sharing operational aspects with RANs 120a, 120b. The NTN 120c may include at least one NTN device and at least one corresponding terrestrial network device. The at least one NTN device may function as a transport layer device and the at least one corresponding terrestrial network device may function as a RAN node, communicating with the ED 110 via the NTN device. Additionally, there may be an NTN gateway on the ground (referred to as a terrestrial network device) that also functions as a transport layer device facilitating communication with both the NTN device and the RAN node. The RAN node may communicate with the ED 110 via the NTN device and the NTN gateway. In some implementations, the NTN gateway and the RAN node may be located within the same device.

[0087] A base station 170 (also referred to as a TRP as stated above) is a network element within a radio access network responsible for radio transmission and reception in one or more cells to or from the ED (such as a user equipment (UE) ) . In different implementations, the base station 170 may also be known as a base transceiver station (BTS) , a radio base station, a network node, a network device, a device on the network side, a transmit / receive node, a Node B, an evolved NodeB (eNodeB or eNB) , a Home eNodeB, a next Generation NodeB (gNB) , a transmission point (TP) , a site controller, an access point (AP) , a wireless router, a relay station, a terrestrial node, a terrestrial network device, a terrestrial base station, a non-terrestrial node, a non-terrestrial network device, a non-terrestrial base station, and a positioning node, among other possibilities. The base station 170 may be a macro base station (BS) , a pico BS, a relay node, a donor node, or combinations thereof. When the base station 170 performs (or is configured to perform) a method described herein, it may be interpreted as the base station itself, one or more modules (or units) in the base station, a circuit or chip, or a combination thereof, performing the method. For example, the circuit or chip may include a modem chip, also referred to as a baseband chip, a system on chip (SoC) including a modem core, system in package (SIP) , and the like, and may be responsible for one or more communication functions within the base station.

[0088] The EDs 110a-110d and TRPs 170a-170b, 172 are examples of communication equipment configured to implement some or all of the operations and / or implementations described herein. The T-TRP 170a forms part of the RAN 120a, which may include other TRPs, and / or other devices. Also, the TRP 170b forms part of the RAN 120b, which may include other TRPs, and / or devices. Each TRP 170a, 170b may transmit and / or receive wireless signals within a particular geographic region or area, sometimes referred to as a “cell” or a “coverage area” . The TRPs 170a-170b may be responsible for allocating and / or configuring resources and transmission and / or reception in a set of cell (s) . A cell is a radio network object that can be uniquely identified by a cell identification that is broadcasted over a geographical region or area from base stations associated with the cell. A cell can work in either FDD or TDD mode. A cell may be further divided into cell sectors, and a base station 170a-170b may, for example, employ one or more transceivers to provide services to one or more sectors. Some implementations, may include pico or femto cells if supported by the radio access technology. In some implementations, one or more transceivers could be used for each cell, such as with Multiple-Input Multiple-Output (MIMO) technology. The number of RANs 120a-120b shown is merely an example. Any number of RANs may be contemplated when designing the communication system 100.

[0089] A base station may be a single element, as shown in the figures, or multiple elements distributed throughout the corresponding RAN, or otherwise configured. In some implementations, a plurality of RAN nodes coordinate to assist the ED 110 in implementing radio access, and different RAN nodes separately implement and handle different functions of the base station. For example, the RAN node may be a central unit (CU) , a distributed unit (DU) , a CU-control plane (CP) , a CU-user plane (UP) , or a radio unit (RU) etc. The CU and the DU may be separately deployed, or included within the same element (i.e., a baseband unit (BBU) ) . The RU may be included in a radio frequency device or a radio frequency unit (i.e., a remote radio unit (RRU) , an active antenna unit (AAU) , or a remote radio head (RRH) ) . In different systems, the CU (or the CU-CP and the CU-UP) , the DU, or the RU may be known by different names, but their functions are understood by person skilled in the art. For example, in an open radio access network (ORAN) system, a CU may be referred to as an open CU (O-CU) , a DU may be referred to as an open DU (O-DU) , and a CU-CP may be referred to as an open CU-CP (O-CU-CP) . The CU-UP may also be referred to as an open CU-UP (O-CU-UP) , and the RU may also be referred to as an open RU (O-RU) . Any one of the CU (or the CU-CP, the CU-UP) , the DU, and the RU may be implemented using a software module, a hardware module, or a combination of a software module and a hardware module.

[0090] Furthermore, communication between different devices / apparatuses in various implementations of this disclosure may refer to direct communication (that is, without the need of forwarding by another device / apparatus) , or may refer to communication (s) between different devices / apparatuses via another device / apparatus (that is, requiring forwarding by another device / apparatus) . Alternatively, such communication (s) may involve one functional unit inside a device / apparatus using another functional unit within the device / apparatus to communicate with another device / apparatus. In other words, phrases such as "sending (or transmitting) information to. . . (an ED or a base station) " in this disclosure may be understood as a destination endpoint of the information being an ED or a base station, including, sending / transmitting information directly or indirectly to an ED or a base station. Similarly, phrases like "receiving information from. . . (an ED or a base station) " may be understood as a source endpoint of the information being an ED or a base station, including directly or indirectly receiving information from an ED or a base station. Between the source endpoint that sends the information and the destination endpoint, necessary processing such as, but not limited to, format conversion, digital-to-analog conversion, amplification, and filtering may be performed on the information. However, the destination endpoint may understand valid information from the source endpoint. A similar understanding applies to other descriptions in this disclosure without reiterating details already described. In the present disclosure, the terms "send" and "transmit" may be used interchangeably in different implementations of this disclosure.

[0091] The ED 110 is used to connect people, objects, machines, and other entities. The ED 110 may be widely used in various scenarios including, but not limited to, cellular communications, device-to-device (D2D) , vehicle to everything (V2X) , peer-to-peer (P2P) , machine-to-machine (M2M) , MTC, internet of things (IoT) , virtual reality (VR) , augmented reality (AR) , mixed reality (MR) , metaverse, digital twin, industrial control, self-driving, remote medical, smart grid, smart furniture, smart office, smart wearable, smart transportation, smart city, drones, robots, remote sensing, passive sensing, positioning, navigation and tracking, and autonomous delivery and mobility.

[0092] Each ED 110 represents any suitable end user device for wireless operation and may include such devices (or may be referred to as, but not limited to) a user equipment (UE) or a user device or a terminal device, a wireless transmit / receive unit (WTRU) , a mobile station, a fixed or mobile subscriber unit, a cellular telephone, a station (STA) , an MTC device, a personal digital assistant (PDA) , a smartphone, a laptop, a computer, a tablet, a wireless sensor, a consumer electronics device, a smart book, a vehicle, a car, a truck, a bus, a train, or an IoT device, wearable devices (such as a watch, a pair of glasses, head mounted equipment, etc. ) , an industrial device, or an apparatus (such as a module, modem, or chip) in the forgoing devices, among other possibilities. Future generation EDs 110 may be referred to by other terms. When an ED 110 performs (or is configured to perform) a method described herein, it may be interpreted as the ED itself, one or more modules (or units) in the ED, a circuit or chip, or a combination thereof, performing the method. For example, the circuit or chip may include a modem chip, also referred to as a baseband chip, a system on chip (SoC) including a modem core, or system in package (SIP) , and the like, and may be responsible for one or more communication functions in the ED.

[0093] Each ED 110 connected to TRPs 170a-170b, and / or TRPs 172 can be dynamically or semi-statically turned-on (i.e., established, activated, or enabled) , turned-off (i.e., released, deactivated, or disabled) and / or configured in response to one or more of: connection availability and connection necessity.

[0094] Any ED 110 may be alternatively or additionally configured to interface, access, or communicate with any of the TRPs 170a, 170b and 172, the Internet 150, the CN 130, the PSTN 140, the other networks 160, or any combination thereof. In some examples, the ED 110a may communicate an uplink (UL) and / or downlink (DL) transmission over a terrestrial air interface 190a with station-TRP 170a. In some examples, the EDs 110a, 110b, 110c, and 110d may also communicate directly with one another via one or more sidelink (SL) air interfaces 190b. In some examples, the EDs 110a, 110d may communicate using an UL and / or DL transmission over a non-terrestrial air interface 190c with NT-TRP 172.

[0095] An air interface (such as, for example, 190a, 190b, 190c) generally includes a number of components and associated parameters that collectively specify how a transmission is to be sent and / or received over a wireless communications link between two or more communicating devices such as EDs and base station (s) . For example, an air interface may include one or more components defining the waveform (s) , frame structure (s) , multiple access scheme (s) , protocol (s) , coding scheme (s) and / or modulation scheme (s) for conveying information (such as, data) over a wireless communications link. The air interfaces 190a and 190b may use similar communication technology, that may include any suitable radio access technology.

[0096] The non-terrestrial air interface 190c can enable communication between the EDs 110a, 110d and one or more NT-TRPs 172 via a wireless link or simply a link. For some examples, the link is a dedicated connection for unicast transmission, a connection for broadcast transmission, or a connection between a group of EDs 110 and one or more NT-TRPs 172 for multicast transmission.

[0097] The TRPs 170a-170b, 172 may communicate with one another over one or more air interfaces 190e, 190f using wireless communication links (such as radio frequency (RF) , microwave, infrared (IR) , etc. ) or wired communication links. The air interfaces 190e, 190f may utilize any suitable radio access technology, and may be substantially similar to the air interfaces 190a, 190c over which the EDs 110a-110d communicate with one or more of the TRP 170a-170b, 172 or they may be substantially different. For example, the communication system 100 may implement one or more channel access methods, such as Time Division Multiple Access (TDMA) , Frequency Division Multiple Access (FDMA) , Code Division Multiple Access (CDMA) , Single Carrier Frequency Division Multiple Access (SC-FDMA) , Low Density Signature Multicarrier Code Division Multiple Access (LDS-MC-CDMA) , Non-Orthogonal Multiple Access (NOMA) , Pattern Division Multiple Access (PDMA) , Lattice Partition Multiple Access (LPMA) , Resource Spread Multiple Access (RSMA) , and Sparse Code Multiple Access (SCMA) .

[0098] The RANs 120a and 120b are in communication with the CN 130 to provide the EDs 110a 110b, and 110c with various services such as voice, data, multimedia, and other services. The RANs 120a and 120b and / or the CN 130 may be in direct or indirect communication with one or more other RANs (not shown) , which may or may not be directly served by the CN 130, and may employ different radio access technologies from RAN 120a and / or RAN 120b. The CN 130 may also serve as a gateway access between (i) the RANs 120a and 120b and / or the EDs 110a 110b, and 110c, and (ii) other networks (such as the PSTN 140, the Internet 150, and the other networks 160) . In addition, some or all of the EDs 110a 110b, and 110c may include functionality for communicating with different wireless networks over different wireless links using different wireless technologies and / or protocols. For example, the EDs 110a 110b, and 110c communicate using different cellular communications protocols, such as, but not limited to, a Global System for Mobile Communications (GSM) protocol, a code-division multiple access (CDMA) network protocol, a Push-to-Talk (PTT) protocol, a PTT over Cellular (POC) protocol, a Universal Mobile Telecommunications System (UMTS) protocol, a 3GPP Long Term Evolution (LTE) protocol, a fifth generation (5G) protocol, a New Radio (NR) protocol, and the like. Instead of wireless communication (or in addition thereto) , the EDs 110a 110b, and 110c may communicate using wired communication channels to a service provider or switch (not shown) , and / or to the Internet 150. The PSTN 140 may include circuit switched telephone networks for providing plain old telephone service (POTS) . The Internet 150 may include a network of computers and subnets (intranets) or both, and incorporate protocols, such as internet protocol (IP) , transmission control protocol (TCP) , user datagram protocol (UDP) . EDs 110a 110b, and 110c may be multimode devices capable of operation according to multiple radio access technologies, and may incorporate one or multiple transceivers necessary to support such.

[0099] In addition, the communication system 100 may comprise a sensing agent (not shown) to manage the sensed data from ED 110 and / or any one of TRPs 170a, 170b, 172. In one implementation, the sensing agent may be part of any one of TRPs 170a, 170b, 172. In another implementation, the sensing agent is a separate node that can communicate with the CN 130 and / or the RAN 120 (such as any one of TRPs 170a, 170b, 172) .

[0100] FIG. 3 is a schematic illustration showing an apparatus 310 wirelessly communicating with another apparatus 320 within a communication system (e.g., the communication system 100) according to an implementation of the present disclosure. The apparatus 310 may be an electronic device (such as ED 110) . The apparatus 320 may be a network node (e.g., the network node 170) such as T-TRP 170 or an NT-TRP 172. Although only one apparatus 310, and one apparatus 320 are shown in the figure, the number of apparatus 310 and / or number of apparatus 320 can vary, potentially including one or more of each. For example, a single ED 110 may be served by a single T-TRP 170 (or a single NT-TRP 172) , or by multiple T-TRPs 170 (or multiple NT-TRPs 172) . Similarly, a single ED 110 may be served by one or more T-TRPs 170 and one or more NT-TRPs 172. Similarly, a single T-TRP 170 (or a single NT-TRP 172) may serve one or more EDs 110.

[0101] The apparatus 310 may include one or more processors 210. For clarity and to avoid overcrowding the illustration, only a single processor 210 is illustrated. The apparatus 310 may further include a transmitter 201 and a receiver 203 coupled to one or more antennas 204. For clarity, only a single antenna 204 is illustrated. One, some, or all of the antennas 204 may alternatively be panels. In some implementations, the transmitter 201 and the receiver 203 are separate from each other. In other implementations, the transmitter 201 and the receiver 203 may be integrated into a single unit, for example, as a transceiver. The transceiver is configured to modulate data or other content for transmission by the one or more antennas 204 or a network interface controller (NIC) . The transceiver may also be configured to demodulate data or other content received by the one or more antennas 204. A transceiver may include any suitable structure for generating signals for wireless or wired transmission and / or for processing signals received through wireless or wired communication. Each antenna 204 includes any suitable structure for transmitting and / or receiving wireless or wired signals. The apparatus 310 may include a memory 208. In some implementations, the apparatus 310 may include multiple memories 208. Only a single transmitter 201, receiver 203, processor 210, memory 208, and antenna 204 is illustrated for simplicity, but the apparatus 310 may include one or more other components. In some implementations of the present disclosure, the transceiver (or transmitter 201 and / or receiver 203) may be viewed as an interface circuit.

[0102] The memory 208 is configured to store instructions used to perform operations described herein. The memory 208 may also be configured to store data that is used, generated, or collected by the apparatus 310. For example, the memory 208 can store software instructions or modules configured to implement some or all of the functionalities and / or operations described herein and that which are executed by the one or more processors 210.

[0103] The apparatus 310 may further include one or more input / output devices (not shown) or interfaces. The input / output devices or interfaces facilitate interaction with a user or other devices in the network. Each input / output device or interface includes suitable components for facilitating transmission of information to a user and reception of information from a user, and for various network interface communications. Such components may include, but are not limited to, a speaker, microphone, keypad, keyboard, display, touch screen, and the like.

[0104] The processor 210 may be configured to perform (or control the apparatus 310 to perform) operations (or methods) described herein as being performed by the apparatus 310. For example, the processor 210 performs or controls the apparatus 310 to perform the operations of: a) receiving one or more transport blocks (TBs) , b) using a resource for decoding at least one of the received TBs, c) releasing the resource for decoding another of the received TBs, and / or d) receiving configuration information configuring a resource. Specifically, the operations may include tasks related to: preparing a transmission for UL transmission to the apparatus 320, processing DL transmissions received from the apparatus 320, and handling SL transmission to and from another apparatus 310. Processing operations related to preparing a transmission for UL transmission may include operations such as, but not limited to, encoding, modulating, transmit beamforming, and generating symbols for transmission. Processing operations related to processing DL transmissions may include operations such as, but not limited to, receive beamforming, demodulating and decoding received symbols. Processing operations related to processing SL transmissions may include operations such as, but not limited to, transmit / receive beamforming, modulating / demodulating and encoding / decoding symbols. Depending upon the implementation, a DL transmission may be received by the receiver 203, possibly using receive beamforming, and the processor 210 may extract signaling from the DL transmission (such as by detecting and / or decoding the signaling) . An example of signaling may be a reference signal transmitted by the apparatus 320. In some implementations, the processor 210 implements the transmit beamforming and / or the receive beamforming based on the indication of beam direction, such as beam angle information (BAI) , received from the apparatus 320. In some implementations, the processor 210 may be configured to perform operations relating to network access (such as initial access) and / or downlink synchronization, which includes operations for detecting a synchronization sequence, decoding and obtaining the system information, and the like. In some implementations, the processor 210 may perform channel estimation, such as using a reference signal received from the apparatus 320.

[0105] Although not illustrated, in some implementations, the processor 210 may either be a part of the transmitter 201 or a part of the receiver 203 or a part of both the transmitter 201 and the receiver 203. Although not illustrated, in some implementations, the memory 208 may be a part of the processor 210.

[0106] The processor 210, along with the processing components of the transmitter 201 and the receiver 203 may each be implemented by one or more processors that may the same or different. These processors are configured to execute instructions stored in a memory (such as in the memory 208) .

[0107] The apparatus 320 includes one or more processors 260 (only one processor 260 is illustrated) . The apparatus 320 may further include one or more transmitters 252 and one or more receivers 254 coupled to one or more antennas 256. Only a single antenna 256 is illustrated to avoid clutter in the illustration. One, some, or all of the antennas 256 may alternatively be panels. In some implementations, the transmitter 252 and the receiver 254 are separate from each other. In other implementations, the transmitter 252 and the receiver 254 may be integrated into a single unit such as, for example, as a transceiver. The apparatus 320 may further include a memory 258. In some implementations, the apparatus 320 may include multiple memories 258. The apparatus 320 may further include a scheduler 253. Only a single transmitter 252, receiver 254, processor 260, memory 258, antenna 256 and scheduler 253 are illustrated for simplicity, however the apparatus 320 may include one or more other components. In the present disclosure, in some implementations, the transceiver (or transmitter 252 and / or receiver 254) may be viewed as an interface circuit.

[0108] In some implementations, various components of the apparatus 320 may be distributed. For example, some of the modules of the apparatus 320 may be located remotely from the equipment housing the antennas 256 for the apparatus 320 (and therefore also can be viewed as one or more nodes) . These modules, which can be considered as one or more nodes, may be coupled to the equipment that houses the antennas 256 over a communication link (not shown) , sometimes referred to as front haul, such as the Common Public Radio Interface (CPRI) . Therefore, in some implementations, the term apparatus 320 may also refer to network-side nodes that perform processing operations such as, but not limited to, determining the location of the apparatus 310, resource allocation (scheduling) , message generation, and encoding / decoding, and that which are not necessarily part of the equipment that houses the antennas 256 of the apparatus 320. The nodes may also be coupled to other apparatuses 320. In some implementations, the apparatus 320 may actually be a plurality of nodes that are operating together to serve the apparatus 310, such as through the use of coordinated multipoint transmissions, or through the use of ORAN system as described above in the disclosure.

[0109] The processor 260 is configured to perform operations including those related to: preparing a transmission for DL transmission to the apparatus 310, processing an UL transmission received from the apparatus 310, preparing a transmission for backhaul transmission to another apparatus 320, and processing a transmission received over backhaul from another apparatus 320. Processing operations related to preparing a transmission for DL or backhaul transmission may include operations such as, but not limited to, encoding, modulating, precoding (such as MIMO precoding) , transmit beamforming, and generating symbols for transmission. Processing operations related to processing received transmissions in the UL or over backhaul may include operations such as, but not limited to, receive beamforming, demodulating received symbols, and decoding received symbols. The processor 260 may also be configured to perform operations relating to network access (such as initial access) and / or DL synchronization, such as generating the content of synchronization signal blocks (SSBs) , generating the system information, and the like. In some implementations, the processor 260 is further configured to generate an indication of beam direction, such as BAI, which may be scheduled for transmission by the scheduler 253 which will be described below. In some implementations, the processor 260 implements the transmit beamforming and / or receive beamforming based on beam direction information (such as BAI) received from another apparatus 320. The processor 260 is configured to perform other network side processing operations described herein, such as, but not limited to, determining the location of the apparatus 310, determining where to deploy another apparatus 320, and the like. In some implementations, the processor 260 may generate signaling data, to configure one or more parameters of the apparatus 310 and / or one or more parameters of another apparatus 320. Any signaling data generated by the processor 260 is sent by the transmitter 252. In some implementations, the apparatus 320 implements physical layer processing. In some implementations, the apparatus 320 may perform higher layer functions such as those at the Medium Access Control (MAC) or Radio Link Control (RLC) layers in addition to physical layer processing. In the apparatus 320, the scheduler 253 may be coupled to the processor 260 or integrated within the processor 260. In some implementations, the scheduler 253 may be integrated within the apparatus 320 or may be operated separately from the apparatus 320. The scheduler 253 may schedule UL, DL, SL, and / or backhaul transmissions, including issuing scheduling grants and / or configuring scheduling-free (such as “configured grant” ) resources.

[0110] The apparatus 320 may further include a memory 258 that is configured to store instructions for performing the operations described herein. The memory 258 may also store data that is used, generated, or collected by the apparatus 320. For example, the memory 258 can store software instructions or modules configured to implement some or all of the functionalities and / or implementations described herein and that which are executed by the processor 260.

[0111] Although not illustrated, the processor 260 may be implemented as part of the transmitter 252 and / or a part of the receiver 254. Although not illustrated, in some implementations, the processor 260 may implement the scheduler 253 and the memory 258 may be implemented as part of the processor 260.

[0112] The processor 260, the scheduler 253, the processing components of the transmitter 252, and the processing components of the receiver 254 may each be implemented by the same or different processors that are configured to execute instructions stored in a memory, such as in the memory 258.

[0113] The apparatus 320 and / or the apparatus 310 may include other components, not shown or described herein for the sake of clarity.

[0114] Note that the term “signaling” , as used herein, may alternatively be referred to as control signaling, control message, control information, or message for simplicity. Signaling between a base station (such as the TRP 170a. 170b, 172) and a UE or sensing device (such as ED 110) , or signaling between a different UE or sensing device (such as between ED 110a and ED 110b) may be carried in physical layer signaling (also called as dynamic signaling) , which is transmitted in a physical layer control channel. For DL, the physical layer signaling may be known as downlink control information (DCI) which is transmitted in a physical downlink control channel (PDCCH) . For UL, the physical layer signaling may be known as uplink control information (UCI) which is transmitted in a physical uplink control channel (PUCCH) . For SL, signaling between different UEs or sensing devices (such as between ED 110a and ED 110b) may be known as SL control information (SCI) which is transmitted in a physical sidelink control channel (PSCCH) . Signaling may be carried in a higher layer (such as higher than physical layer) signaling, which is transmitted in a physical layer data channel, such as in a physical downlink shared channel (PDSCH) for downlink signaling, in a physical uplink shared channel (PUSCH) for uplink signaling, and in a physical sidelink shared channel (PSSCH) for SL signaling. Higher layer signaling may also be called static signaling, or semi-static signaling. The higher layer signaling may include radio resource control (RRC) protocol signaling or media access control -control element (MAC-CE) signaling. Signaling may be included in a combination of physical layer signaling and higher layer signaling.

[0115] It should be noted that in the present disclosure, “information” , when different from “message” , may be carried within a single message, or may be carried in multiple separate messages.

[0116] FIG. 4 illustrates an example apparatus 410 according to an implementation of the present disclosure. The apparatus 410 may be a communication device or an apparatus implemented in a communication device such as the ED 110 or the TRPs 170a, 170b, 172. For example, the apparatus 410 implemented in an ED may be an integrated circuit, which in some instances may be referred to as a chip, a modem, a modem chip, a baseband chip, or a baseband processor. In some implementations, one or more integrated circuits can be packaged into a system-on-chip, a system-in-package, or a multi-chip module. The apparatus 410 can include one or more integrated circuits and other discrete components. In some implementations, the apparatus 410 may be a module within the ED 110, or within the apparatus 310. In some implementations, the apparatus 410 may be a module within one of the TRPs 170a, 170b, 172, or the apparatus 320.

[0117] In an example, the apparatus 410 may include one or more processors 411, and an interface circuit 412. The apparatus 410 may further include a memory 413. The one or more processors 411 are configured to process signals and execute one or more communication protocols. The memory 413 is configured to store at least a part of corresponding computer program instructions and / or data. In an example, the one or more processors 411 execute the computer program instructions stored in the memory 413 to implement related operations (for example, inputting, outputting, receiving, and transmitting) in the method implementations disclosed herein. In some implementations, the memory 413 being configured to store the corresponding computer program instructions and / or data may mean that the memory 413 is configured to store all of the corresponding computer program instructions and / or data for execution by the one or more processors 411. In some implementations, the memory 413 being configured to store the corresponding computer program instructions and / or data may mean that the memory 413 is configured to store a part of the corresponding computer program instructions and / or data. For example, the part of the corresponding computer program instructions and / or data may include computer program instructions and / or data that need to be currently executed by the one or more processors 411. Thus, the memory 413 may store different parts of computer program instructions and / or data for a plurality of times for the one or more processors 411 to perform related operations in the method implementations disclosed herein. As a communication interface, the interface circuit 412 is configured to implement communication with another component. For example, the interface circuit 412 may communicate a signal with another apparatus or system such as a radio frequency processing apparatus, or another processor. The signal may include or carry information intended as a payload, such as user data, control information, etc. The signal may also include or carry information useful to a receiver, but not necessarily as a payload, such as a pilot signal or reference signal. Communicating the signal may include transmitting the signal to another component or device. Communicating the signal may additionally or alternatively include receiving the signal from another component or device. “Transmitting” the signal may include outputting the signal to a component or device that is directly or indirectly coupled to the interface circuit 412. “Receiving” the signal may include inputting or obtaining the signal from a component or device that is directly or indirectly couped to the interface circuit 412. Optionally, to reduce a load of the one or more processors, a baseband signal processing circuit 414 may be also disposed to implement processing of at least a part of baseband signals, including signal demodulation, modulation, encoding, decoding, or the like.

[0118] The apparatus 410 may be the processor 210 (or 260) within the apparatus 310 (or 320) , in some scenarios, or may be included within the processor 210 (or 260) within the apparatus 310 (or 320) in some scenarios. The apparatus 410 may be a baseband chip or may include a baseband chip. In some implementations, the apparatus 410 may be independently packaged into a chip. In some implementations, the apparatus 310 (or 320) includes different types of chips. The apparatus 410 may be packaged into a processor chip (for example, an SoC chip or an SIP chip) with the different types of chips. In some implementations, the apparatus 410 may be packaged into a chip with some or all of circuits of a radio frequency processing system that may further be included in the apparatus 310 (or 320) .

[0119] FIG. 5 illustrates example apparatus 510 according to an implemenation of the present disclosure. The apparatus 510 may include corresponding modules or units configured to implement methods and / or implementations described herein. In some implementations, the apparatus 510 includes a processing unit 512 and a communication unit 513. Optionally, the apparatus 510 may further include a storage unit 511 configured to store apparatus program code (or instructions) and / or data.

[0120] The apparatus 510 may be an ED side apparatus, for example, an ED or a module in an ED, or a circuit or a chip responsible for a communication function in an ED. In some implementations, apparatus 510 may be the apparatus 310. The processing unit 512 may be the processor 210. The communication unit 513 may comprise a receiving unit and / or a transmitting unit. The receiving unit and / or the transmitting unit may be the transmitter 201 and / or the receiver 203 respectively. The storage unit 511 may be the memory 208.

[0121] The apparatus 510 may be a base station side apparatus, for example, a base station or a module in a base station, or a circuit or a chip responsible for a communication function in a base station. In some implementations, apparatus 510 may be apparatus 320. The processing unit 512 may be the processor 260 (the scheduler 253 may also be included) . The communication unit 513 may comprise a receiving unit and / or a transmitting unit. The receiving unit and / or the transmitting unit may be the transmitter 252 and / or the receiver 254 respectively. The storage unit 511 may be the memory 258.

[0122] In some implementations, when the apparatus 510 is an ED 110 or a module in an ED 110, a function of the apparatus 510 may be implemented by one or more processors. Specifically, the processor may include a modem chip, or a SoC chip or an SIP chip that includes a modem core. A function of the communication unit 513 may be implemented by a transceiver circuit.

[0123] In some implementations, when the apparatus 510 is a circuit or a chip that is responsible for a communication function in an ED 110, -such as a modem chip, a SoC chip or an SIP chip that includes a modem core -a function of the processing unit 512 may be implemented by a circuit system within the chip which includes one or more processors. A function of the communication unit 513 may be implemented by an interface circuit or a data transceiver circuit on the chip.

[0124] It may be understood that the units in the apparatus 510 may be logical or functional. Each function may correspond to one functional unit, or two or more functions may be integrated into a single functional unit. In actual implementation, all or some of the units may be integrated into a single physical entity, or may be distributed across different physical entities. In addition, the functional units may be implemented in the form of hardware, software, or a combination of hardware and software. Whether a function is implemented in the form of hardware or software depends on particular applications and design constraint conditions of the technical solutions. A person skilled in the art may use different methods to implement the described functions for specific applications, but it should not be considered that the implementation goes beyond the scope of this disclosure.

[0125] In an example, a functional unit in any one of the apparatuses may be configured as one or more integrated circuits for implementing the methods disclosed herein, for example, as one or more application-specific integrated circuits (application-specific integrated circuits, ASICs) , one or more central processing units (CPUs) , one or more microprocessors or microprocessor units (MPUs) , one or more microcontrollers or microcontroller units (MCUs) , one or more digital signal processors (DSPs) , one or more field programmable gate arrays (FPGAs) , or a combination of these.

[0126] In an example, the storage unit 511 may include a random access memory, a flash memory, a read-only memory, a programmable read-only memory, an electrically erasable programmable memory, and / or a register.

[0127] A processor may be referred to as a processor system, an application processor, a baseband processor or a processor circuit. The processor may include one or a combination of one or more central processing units (CPUs) , one or more digital signal processors (DSPs) , one or more microprocessors (microprocessor units, MPUs) , one or more microcontrollers (microcontroller units, MCUs) , one or more graphics processing units (GPUs) , one or more field programmable gate arrays (FPGAs) , one or more artificial intelligence processors (AI processors) , or one or more neural network processing units (NPUs) .

[0128] Memory or a storage unit may include one or more of the following storage media: a random access memory (RAM) , a static random access memory (static RAM, SRAM) , a dynamic random access memory (dynamic RAM, DRAM) , a phase-change memory (PCM) , a resistive random access memory (resistive RAM, ReRAM) , a magnetoresistive random access memory (magnetoresistive RAM, MRAM) , a ferroelectric random access memory (ferroelectric RAM, FRAM) , a cache, a register, a read-only memory (ROM) , a flash memory (flash memory) , an erasable programmable read-only memory (erasable programmable ROM, EPROM) , a hard disk, and the like. In an example, computer program instructions used to execute implementations may be stored in a non-volatile memory, for example, at least a part of a memory or storage unit (for example, one or more of a ROM, a flash memory, an EPROM, or a hard disk) . When a terminal runs, a part or all of corresponding computer program instructions may be loaded to a memory that has a higher transmission speed with the processor, for example, at least a part of a memory or a storage unit (for example, one or more of a RAM, an SRAM, a DRAM, a PCM, a RERAM, an MRAM, a FRAM, a cache, or a register) , so that the processor executes the computer program instructions to perform the steps in the method implementations disclosed herein.

[0129] In future networks and beyond, Channel State Information (CSI) feedback is expected to be used for advanced techniques such as ultra-massive multiple-input multiple-output (MIMO) , beamforming, and link adaptation.

[0130] In some scenarios, 5G New Radio (NR) proposes to represent CSI via 2D-DFT-based codebooks include one or more codewords. Codebooks may also be referred to as dictionaries. Portions of codebooks that are a subset of codewords of the entire codebook may be referred to as a sub-codebook or a sub-dictionary. This enables a reduction of feedback overhead by approximating high-dimensional CSI with a set of sparse coefficients such as precoding matrix indicator (PMI) . Applying universal transformations to CSI or codeword sets may reduce signal energy into fewer coefficients. This allows more efficient transmission of partial sets.

[0131] Recent research has discussed applying machine learning (ML) or Artificial Intelligence (AI) methods, including nonlinear techniques such as autoencoders, to CSI compression. Some of these methods apply nonlinear mappings.

[0132] The above techniques are focusing on either fixed dictionary or codebook usage or require explicit knowledge of the compression method at both ends of a communication link. In existing CSI feedback solutions, a base station (BS) typically provides a uniform and standardized dictionary or a predefined set of codewords for all user equipment (UE) . For example, each UE may apply a known method (such as singular value decomposition (SVD) -based compression + 2-dimension discrete Fourier transform (2D DFT)) to the entire dictionary or codebook.

[0133] These methods suffer from inflexibility because all UEs receive the same dictionary size, regardless of their channel conditions, bandwidth constraints, or computational capabilities. This leads to inefficient resource usage.

[0134] These methods suffer from the network needing full knowledge of the method being applied. For example, the BS often needs to know the compression or encoding method used by the UE (as for 5G-NR the complete encoding method and codebook are standardized for all matter conditions) , limiting UEs ability to use proprietary algorithms without disclosure.

[0135] Aspects of the present disclosure include a first device adaptively providing different sub-dictionaries to different second devices based on their conditions, improving resource utilization and CSI reconstruction quality. In some examples, the first device may be a network device such as a base station (BS) and the different second devices may be different user equipment (UE) . However, it is to be understood that more generally, the first and second devices could be other types of devices that may be used in downlink (DL) , uplink (UL) , or sidelink (SL) commuication.

[0136] Aspects of the present disclosure may also allow the second devices, which may include UEs, to use their own proprietary dimension-reduction process without the first device, which may be a BS, needing to know or standardize such processes, thus allowing the second device (UE) to preserve intellectual property including the proprietary dimension-reduction process.

[0137] Aspects of the present disclosure may also allow standardizing of signaling procedures (e.g., via RRC / MAC messages) so that a first device, such as a BS, may allocate sub-dictionaries (also referred to as sub-codebooks or sets of codewords) and receive sparse coefficient feedback effectively, accommodating various scenario that may be desireable in current and future communcation systems.

[0138] Existing approaches do not exploit the possibility of dynamic dictionary selection, nor do they allow a UE to apply a “black-box” dimension-reduction method. Consequently, existing approaches may result in suboptimal channel state information (CSI) reconstruction performance or unnecessary overhead for alignment among “black box” encoders when conditions, for example channel conditions, vary across UEs. It may be desirable to have a standardized approach that allows heterogeneous UEs to use their own proprietary compression (dimension-reduction) methods, all without the base station needing to know the details of those UE methods.

[0139] Some aspects of the present disclosure provide a method where a first device, such as a network device, which may be a BS, constructs a global dictionary of CSI codewords and reorders them based on their importance or significance. The first device may allocate a sub-dictionary, which is a selected portion of the most significant codewords, to each UE according to that UE’s channel conditions, bandwidth availability, and computational capability, and allow each second device, which may be a UE, to independently apply any dimension-reduction (compression) method without disclosing it to the first device. The second device reports back sparse coefficients derived from the sub-dictionary, and the first device reconstructs the CSI using the known sub-dictionary and these sparse coefficients. Such a method may enable flexible, scalable, and standard-compliant CSI feedback for heterogeneous UEs in communication systems, which may include future systems, which may include 6G systems.

[0140] For a resource-limited device, for example a UE such as UE 110a from any of FIG. 1 or 2, the BS sends a subset of top N%of codewords (e.g., top 30%) . The device may be resource-limited due to, but not limited to, low bandwidth or low computational capability. For a resource-rich device, which may be a UE such as UE 110b, the BS sends a larger subset (e.g., top 50%) . The device may be resource-rich due to, but not limited to, high bandwidth and advanced processing. The subsets in either the resource-limited or resource-rich situations may be transmitted via standardized RRC / MAC signaling.

[0141] In some examples, the sub-dictionary may be a matrix, parameters for a machine learning model, or, more generally, a description of a pair of functions mapping from data to a latent variable space, and from the latent variable space back to the data.

[0142] The resource-limited device or the resource-rich device may then apply a dimension-reduction technique to the received sub-dictionary. The dimension-reduction technique may be, but is not limited to, QR decomposition, singular value decomposition (SVD) , or a proprietary AI-based algorithm. The proprietary AI-based algorithm may be stored in the device memory of apparatus 310 in FIG. 3, such as device memory 208 and executed by a processor, such as processor 210. A result of the dimension-reduction may be a projection matrix that may be used to derive sparse coefficients. The projection matrix is not necessarily signaled to the BS. Instead, the UE sends the sparse coefficients to the BS. In some examples, the UE may use channel state information (CSI) feedback to send the sparse coefficients. Once the BS has the sparse coefficients, and also knowing the sub-dictionary it had provided to the UE, the BS may reconstruct CSI without knowing the dimension reduction technique applied by the UE.

[0143] Some aspects of the disclosure may enable a communication system to align with future communication standards, such as, but not limited to 6G, and when flexible CSI feedback is desirable to be used, leverages 3GPP-style signaling at the physical (PHY)  / media access control (MAC) layers.

[0144] FIG. 6 illustrates an example of devices that may be used in some examples of the present disclosure. A data provider 601 is shown to include sensing modules 603, a data processing unit 605 and a machine learning unit 607. A dataset manager 611 is shown to include a radio transceiver 613, AI / ML modules 615, processing units 617 and a dynamic resolution controller 619. A data consumer 621 is shown to include a dynamic dataset resolution controller 623, a task-specific processing modules 625 and a beam forming scheduling unit 627. The data provider 601 and the data consumer 621 are illustrated in FIG. 6 to be UEs, however, this is only intended as an example, and it should be understood that the data provider 601 and data comsumer 621 may be other types of devices. The data provider 601 may provide the dataset manager 611 CSI feedback information via the CSI feedback transmission 640. This CSI feedback information may be used in part to allow the dataset manager 611 to determine a dictionary of codewords or a codebook of codewords. The dataset manager 611 may also order the codes in the dictionary or codebook based on significance. The BS pre-computes a large dictionary of CSI codewords (e.g., from historical channel measurements or training databy using a two-side model. The model constructs a codebook by collecting channel data and uses the constructed codebook to represent channel data into a sparse representation in low-dimensional space. The model applies known ordering techniques to sort dictionary codewords by significance. The method re-orders the codewords in the codebook based on the importance of the codewords and then generates scalable versions of the codebook for different UEs with different channel conditions.

[0145] FIG. 7 shows two sub steps, where in a first sub-step the dictionary is constructed by the dataset manager 611 and in a second sub-step the dictionary is reordered. Step 1 in FIG. 7 illustrates the dataset manager 611 generating a dictionary Φ. That distionary may be provided to the data provider 601 and the data provider 601 can then send channel estimation feedback to the dataset manager 611 to further improve the dictionary Φ. Step 2 in FIG. 7 illustrates the dataset manager receiving channel sparse representation information from data provider 601, which the dataset manager 611 uses to order the codewords based on importance or significance P.

[0146] After the dataset manager 611 has determined the dictionary of codewords, and in some examples, ordered the codewords, the dataset manager 611 may select a sub-dictionary Φsub, or sub-codebook, that is a sub-set of the previously determined dictionary or codebook. The sub-dictionary or sub-codebook may be selected based on channel conditions, UE processing cababilities, or other factors. For each UE (or a group of UEs) , the BS determines a percentage of the dictionary to send. This decision is based on bandwidth conditions (e.g., if UE has limited bandwidth, only top 30%of codewords may be allocated) , computational power (if UE is known to handle complex computations, a larger subset may be provided) , or channel quality.

[0147] Referring back to FIG. 6, the dataset manager 611 then transmits 650 the sub-directory or sub-codebook to the data consumer 621. In one example, the dataset manager 611 may use RRC or MAC messages to transmit sub-dictionary indices (e.g., a bitmap indicating which codewords are allocated) Φsub to the UE. In a particular example, the dataset manager 611 sends an “RRCReconfiguration” or MAC CE message indicating the subset of codewords allocated.

[0148] While not shown in FIG. 6 or 7, the dataset manager 611 may apply a transform T to TΦsub. The transformation may be a linear transformation (such as discrete cosine transform (DCT) , DFT, or SVD-based) , or a non-linear transformation (such as B-Spline) . Then, “RRCReconfiguration” or a MAC CE message, or some other type of signaling may indicate the transform used (e.g., a code indicating DFT, FFT, or DCT) allowing the data consumer 621 to perfom a reverse transform.

[0149] Also while not shown in FIG. 6 or 7, the dataset manager 611 may send additional s-domain training data, such as a tranining set (straining) or parameters (e.g., gaussian mixture model (GMM) parameters that allows to synthesize s-domain training data) via higher-layer signaling. In some eamples, these distributions may be compressed and transmitted through dedicated control messages or data channels. The s-domain represents a sparseness domain with regard to a spareness represenation of data.

[0150] The data consumer 621, which may be a UE, receives 650 the sub-dictionary Φsub. The data consumer 621 applies a dimension-reduction process (A) . In some examples, the data consumer 621 may run a QR decomposition: Φsub=QR, and chooses Q*as the dimension-reduction matrix A. In some examples, the data consumer 621 may use SVD (Φsub=UΣVH) and pick U* as the dimension-reduction matrix A. In some examples, the UE may use a proprietary AI-based approach. These three examples are not intended to limit to total number of options, but as examples of dimension reduction possibilites.

[0151] In some examples, when the dataset manager 611 applies a transform to the disctionary, and thus the sub-dictionary, the data consumner 621 receives the transformed sub-dictionary TΦsub and an indication of the transform that is used. The data consumer can then apply an inverse transform T-1 to recover Φsub.

[0152] The dataset manager 611 may not know which type of dimension-reduction process is chosen, only that the data consumner 621 produces sparse coefficients s*.

[0153] If the data consumer 621 uses a linear compressor, to have Sparse Coefficients Computation, the data consumer 621 solves a sparse optimization problem:

[0154] If the data consumer 621 uses an autoencoder neural network, the data consumer 621 solves a sparse optimization problem, for instance: then, s*=F (h; θ*)

[0155] After determinining the coefficeints s*, the data consumer 621 reports 651 the coefficeints s* back to the dataset manager 611. In some examples this is performed via a standardized CSI feedback message (e.g., MAC CE or CSI report format) .

[0156] Because Φsub is known to the dataset manager 611 (as it is the dataset manager that sends Φsub to the data consumner 621) , and the coeffients s* are received from the data consumner 621, the dataset manager 611 is able to reconstruct While may be recovered given s* and Φsub based on the dataset manager 611 does not need to know A or F (h; θ*) used by the data consumer 621.

[0157] It should be understood that the data provider 601 and data consumer 621 may be a same device in some examples as the device may be used for training by the dataset manager 611 and then be used as a data consumer.

[0158] FIG. 8 illustrates a signal flow diagram 800 of communication between the dataset manager 611 and data consumer 621. Some of the steps shown in the signal flow diagram 800 corresponds to features described above with regard to FIG. 6, but there are also some additional and / or diffferent steps included in FIG. 8, with respect to what is described for FIGs. 6 and 7.

[0159] At step 810, the data consumer 621 may request to receive a codebook from the dataset manager 611. At step 820, the dataset manager 611 may evaluate the channel quality of the link between the dataset manager 611 and the data consumer 621 and then determine the dictionary Φ (or codebook) . Based on various factors including the channel quality and data consumer 621 capability, the dataset manager 611 may also prepare (at step 830) the sub-dictionary Φsub (or sub-codebook) . In some examples, the dataset manager 611 may transform the dictionary, or the sub-dictionary, to genrate a transformed sub-dictionary TΦsub.

[0160] At step 840, the dataset manager 611 transmits the sub-dictionary Φsub (or sub-codebook) .

[0161] Alternatively, at step 845, if the sub-dictionary has been transformed at step 830, the dataset manager 611 transmits the transformed sub-dictionary Φsub (or sub-codebook) and information about the transform to enable the data consumer 621 to inverse transform the transformed sub-dictionary TΦsub. At step 850, the data consumer 621 performs an inverse transform of the transformed sub-dictionary TΦsub to obtain sub-dictionary Φsub.

[0162] At step 860, optionally, the dataset manager 611 may transmit s-domain training data or GMM parameters. At step 870, the data consumner may generate a synthetic dataset for further analysis based on the received s-domain training data.

[0163] At step 880, the data consumer 621 performs the dimensional reduction of the sub-dictionary Φsub, thereby generating a channel sparse representation including coefficients s*as discussed in detail above.

[0164] At step 890, the data consumer 621 reports coefficeints s* back to the dataset manager 611. In some examples, this is performed via a standardized CSI feedback message (e.g., MAC CE or CSI report format) .

[0165] At step 895, the dataset manager 611 uses its knowledge of Φsub and the coeffients s* that are received in step 890 from the data consumner 621 to reconstruct

[0166] FIG. 9 is an example of two fields, one or more of which may be included in a System Information Block (SIB) or a dedicated RRC message, the two fields including a dictionary version (DictionaryVersion) and a dictionary size (DictionaryDimension) .

[0167] The dataset manager 611 may periodically broadcast information about the sub-dictionary Φsub the dataset manager utilizes in system information blocks (SIBs) . This may inform the data consumner 621 that the dataset manager 611 is utilizing a sparsity-based compression scheme for example a sparsity-based CSI compression scheme. The dataset manager 611 may also provide information to the data consumer 621, such as, but not limited to, memory allocation for the sub-dictionary as well as model parameters for sparse representation s*and some original s*, processing complexity related to processing the sub-dictionary, and other information inferred from the sub-dictionary. This information may be inferred from a matrices’ dimensions that corresponds to the sub-dictionary. The data consumer 621 receives, may parse if necessary, and stores this information, and may prepare for receiving the sub-dictionalry (matrices) when the data consumer 621 starts connection to the data manager 611.

[0168] FIG. 10 is an example of a RRCReconfiguration or MAC CE. The RRCReconfiguration or MAC CE may include some or all of the folowing information. Sub-dictionary indices (SubDictionaryIndex) in the form of a bitmap or an index list. In some examples, within the RRCReconfiguration or MAC CE, a Sub-Dictionary Allocation Information Element (IE) lists codeword indices or a range representing the top X%of codewords, where X is an integer value. In some example, the IEs follow 3GPP formats or the IEs may be defined as new MAC CEs.

[0169] In some examples, the RRCReconfiguration or MAC CE may include a transform indicator field (TransformationType) . As a partioular example, the transform indicator field may be a 2-bit field, such as a value of “00” indicates no transform, a value of “01” indicates a DFT transform, a value of “10” indicates a DCT transform, and a value of “11” indicates a FFT transform.

[0170] In some examples, the RRCReconfiguration or MAC CE may include s-domain distribution data (sDoaminDistribution) . As a particular example, GMM parameters as a set of mean vectors, covariance matrices, and mixture weights. The s-domain distribution data may be a 1-bit field, where a value of “0” indicates no s-domain distribution data and a value of “1” indicates s-domain distribution data.

[0171] In some examples, the data consumer 621 may signal the data consumer capability to handle transforms and AI-based compression methods. The dataset manager 611 uses this info to decide whether to send s-domain data.

[0172] In some embodiments, the data consumer 621 sends feedback to the dataset manager 611. The feedback may include sparse coefficients or encoded latent variables in a CSI report format. In some examples, the CSI format may be similar to existing 3GPP CSI feedback. The feedback may include indices and quantized values of non-zero coefficients or latent components. In some examples, the data consumer 621 may send sparse coefficients s*in a CSI feedback format. Such a CSI feeback format may include one or more of: an integer indicating the number of non-zero coefficients and pairs of an index value and a corresponding quantized value for each non-zero coefficient.

[0173] FIG. 11 illustrates a signal flow diagram 1100 of communication between the dataset manager 611 and data consumer 621. Some of the steps shown in the signal flow diagram 1100 corresponds to features described above with regard to FIGs. 6 and 8, but there are also some additional and / or different steps included in FIG. 11.

[0174] At step 1110, the data consumer 621 may request to receive a codebook from the dataset manager 611 in a similar manner to that of step 810 in FIG. 8. At step 1130, the dataset manager 611 determines the sub-dictionary Φsub (or sub-codebook) . In some examples, the dataset manager 611 may transform the dictionary, or the sub-dictionary, to genrate a transformed sub-dictionary TΦsub.

[0175] At step 1132, the dataset manager 611 transmits at least one of an indication of the dictionary version and the dictionary dimension or size. This may be included in SIB information, as described above.

[0176] At step 1134, the dataset manager 611 may optionally transmit information about a transform. This may be included in the “RRCReconfiguration” or MAC CE, as described above.

[0177] At step 1140, the dataset manager 611 transmits the sub-dictionary Φsub (or sub-codebook) .

[0178] Alternatively, at step 1145, if the sub-dictionary has been transformed at step 1130, the dataset manager 611 transmits the transformed sub-dictionary Φsub (or sub-codebook) and information about the transform to enable the data consumer 621 to inverse transform the transformed sub-dictionary TΦsub. At step 1150, the data consumer 621 performs an inverse transform of the transformed sub-dictionary TΦsub to obtain sub-dictionary Φsub.

[0179] At step 1180, the data consumer 621 performs the dimensional reduction of the sub-dictionary Φsub, thereby generating a channel sparse representation including coefficients s*as discussed in detail above.

[0180] At step 1190, the data consumer 621 reports coefficeints s* back to the dataset manager 611. In some example this is performed via a standardized CSI feedback message (e.g., MAC CE or CSI report format) .

[0181] At step 1195, the dataset manager 611 uses its knowledge of Φsub and the coeffients s* that are received in step 1190 from the data consumer 621 to reconstruct

[0182] At step 1196, the data consumer 621 evaluates channel quality and the internal processing unit. At step 1197, possibly in response to the results that are determined at step 1196, the data consumer 621 may optionally send a request of s-domain data. In some examples, the s-domain data may be model parameters on the s-domain training set.

[0183] At step 1198, optionally, the dataset manager 611 may transmit s-domain training data or GMM parameters. At step 1199, the data consumner may generate a synthetic dataset for further analysis based on the received s-domain training data.

[0184] In some examples, the dataset manager may re-allocate sub-dictionaries over time as channel conditions or data consumer capabilities change. For instance, when the data consumer 621 moves closer to a center of a communications cell, the dataset manager 611 may increase size of the dictionary portion to improve fidelity.

[0185] FIG. 12 illustrates a signal flow diagram 1200 of communication between the dataset manager 611 and data consumer 621. Some of the steps shown in the signal flow diagram 1200 corresponds to features described above with regard to FIGs. 6, 8 and 10, but there are also some additional and / or different steps included in FIG. 12.

[0186] At step 1210, the data consumer 621 may request to receive a codebook from the dataset manager 611. At step 1220, the dataset manager 611 may evaluate the channel quality of the link between the dataset manager 611 and the data consumer 621. At step 1222, the dataset manager 611 determines the dictionary Φ (or codebook) . Based on various factors including the channel quality and data consumer 621 capability, the dataset manager 611 may also prepare the sub-dictionary Φsub (or sub-codebook) . In some examples, while not shown in FIG. 12, the dataset manager 611 may transform the dictionary, or the sub-dictionary, to genrate a transformed sub-dictionary TΦsub. If a transform is used, then the dataset manager 611 may also transmit an indication of the transform so that the data consumer 621 may perform an inverse transform after the transformed sub-dictionary has been received by the data consumer 621.

[0187] At step 1224, the dataset manager 611 transmits the sub-dictionary Φsub (or sub-codebook) .

[0188] At step 1226, the data consumer 621 performs the dimensional reduction of the sub-dictionary Φsub, thereby generating a channel sparse representation including coefficients s*as discussed in detail above.

[0189] At step 1270, the data consumer 621 reports coefficeints s* back to the dataset manager 611. In some example this is performed via a standardized CSI feedback message (e.g., MAC CE or CSI report format) .

[0190] At step 1272, the data consumer 621 evaluates channel quality periodically. In some examples, the data consumer 621 evaluates the internal processing unit as well. At step 1274, possibly in response to the results that are determined at step 1272, the data consumer 621 may optionally send a request for receving a codebook with a larger or upgraded size.

[0191] At step 1276, the dataset manager 611 prepares an upgraded codebook. In some examples, the upgraded codebook may be in response to the request made in step 1274.

[0192] At step 1278, the dataset manager 611 transmits a dimension size of the upgraded codebook and the upgraded codebook. At step 1280, the data consumer 621 may prepare to receive the upgraded codebook based on the received dimension size in step 1278. The data consumer 621 decides whether to receive the update or not. For example, if the size of the update is larger than capacity of the data customer 621 (either the local memory size or the processing unit of the data customer 621) , the data customer 621 may signal back to the dataset manager 611 that the data consumer 621 will not receive the updated codebook.

[0193] At step 1282, the data consumer 621 performs the dimensional reduction of the sub-dictionary Φsub, if appropriate, thereby generating a channel sparse representation including coefficients s*as discussed in detail above.

[0194] At step 1284, the data consumer 621 reports coefficeints s* back to the dataset manager 611. In some examples, this is performed via a standardized CSI feedback message (e.g., MAC CE or CSI report format) .

[0195] At step 1290, the data consumer 621 continues to evaluate channel quality periodically. In some examples, the data consumer 621 evaluates the internal processing unit as well. At step 1292, possibly in response to the results that are determined at step 1290, the data consumer 621 may optionally send a request for receving a codebook with a smaller or downgraded size.

[0196] At step 1293, the dataset manager 611 prepares a downgraded codebook.

[0197] At step 1294, the dataset manager 611 transmits a dimension size of the downgraded codebook and the downgraded codebook. At 1295, the data consumer may prepare to receive the downgraded codebook based on the received dimension size in step 1294. For example, the downgrade may be only the index of the codewords to be removed. However in other situations, a larger matrix may be transmitted. In such a case, if the update is larger than capacity of the data consumer 621, the data consumer 621 may ignore the update and send a signal back to the dataset manager 611 indicating that the update is not going to be used.

[0198] At step 1296, the data consumer 621 performs the dimensional reduction of the sub-dictionary Φsub, if appropriate, thereby generating a channel sparse representation including coefficients s*as discussed in detail above.

[0199] At step 1297, the data consumer 621 reports coefficeints s* back to the dataset manager 611. In some examples, this is performed via a standardized CSI feedback message (e.g., MAC CE or CSI report format) .

[0200] In some examples, the data consumer 621 may switch dimension-reduction techniques dynamically. For instance, the data consumer 621 may start with a QR dimension-reduction technique due to limited processing power and at some point, later in time may switch to a proprietary neural network-based approach (possibly after a firmware update) . Such a change may be made without informing the dataset manager 611. In some examples, the coefficient s*may only work with a given sub-dictionary that has been provided by the dataset manager 611 to the data consumer 621.

[0201] Different data consumers in a same communications cell may receive different sub-dictionaries and use different compression algorithms, allowing scalability in multi-user scenarios. The dataset manager 611 performs reconstruction from s* and Φsub.

[0202] FIG. 13 illustrates a signal flow diagram 1300 of communication between the dataset manager 611 and data consumer 621. Some of the steps shown in the signal flow diagram 1300 corresponds to features described above with regard to FIGs. 6, 8, 10 and 11, but there are also some additional and / or different steps included in FIG. 13.

[0203] At step 1310, the data consumer 621 may request to receive a codebook from the dataset manager 611. At step 1315, the dataset manager 611 may determine the dictionary Φ (or codebook) . Based on various factors including the channel quality and data consumer 621 capability, the dataset manager 611 may also prepare multiple sub-dictionaries Φsub (or sub-codebooks) . In some examples, while not shown in FIG. 13, the dataset manager 611 may transform one or more dictionaries, or one or more sub-dictionaries, to generate transformed dictionaries and sub-dictionaries TΦsub. If a transform is used, then the dataset manager 611 may also transmit an indication of the transform so that the data consumer 621 may perform an inverse transform after the transformed sub-dictionary has been received by the data consumer 621.

[0204] At step 1317, the dataset manager 611 broadcasts all the sub-dictionaries Φsub (or sub-codebooks) .

[0205] At step 1319, the data consumer 621 may prepare to receive the proper sub-dictionary (sub-codebook) . At step 1321, the data consumer 621 may inform the dataset manager 611 which sub-dictionary will be used by the data consumer 621.

[0206] At step 1323, the data consumer 621 performs the dimensional reduction of the sub-dictionary Φsub, thereby generating a channel sparse representation including coefficients s*as discussed in detail above.

[0207] At step 1330, the data consumer 621 reports coefficeints s* back to the dataset manager 611. In some example this is performed via a standardized CSI feedback message (e.g., MAC CE or CSI report format) .

[0208] At step 1342, the data consumer 621 evaluates channel quality periodically. In some examples, the data consumer 621 evaluates the internal processing unit as well. At step 1344, the data consumer 621 may inform the dataset manager 611 which sub-dictionary will be used by the data consumer 621.

[0209] At step 1346, the data consumer 621 may prepare to receive the proper sub-dictionary (sub-codebook) .

[0210] At step 1347, the dataset manager 611 broadcasts all the sub-dictionaries Φsub (or sub-codebooks) .

[0211] At step 1348, the data consumer 621 performs the dimensional reduction of the sub-dictionary Φsub, thereby generating a channel sparse representation including coefficients s*as discussed in detail above.

[0212] At step 1350, the data consumer 621 reports coefficeints s* back to the dataset manager 611. In some examples this is performed via a standardized CSI feedback message (e.g., MAC CE or CSI report format) .

[0213] At step 1355, the dataset manager 611 prepares an upgraded codebook.

[0214] At step 1360, the dataset manager 611 uses its knowledge of Φsub and the coeffients s* that are received in step 1355 from the data consumer 621 to reconstruct

[0215] FIG. 14 illustrates a signal flow diagram 1400 of communication between the base station 1410, which may include a dataset manager (which may operate in various different manners as described above with reference to FIGs. 6 to 13) and UE 1420, which may be considered to be a data consumer (which may operate in various different manners as described above with reference to FIGs. 6 to 13).

[0216] At step 1430, the base station 1410 transmits information for a subset of codewords in a codebook. The UE 1420 receives the information. The UE 1420 may then dimensionally reduce the subset of codewords. The UE 1420 may then transmit a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the subset of codewords.

[0217] At some point in time prior to step 1430, the BS 1410 may select a subset of codewords from a codebook. The selecting may be based on one or more of: channel bandwidth conditions between the BS 1410 and the UE 1420; computational power of the UE 1420 for processing the subset of codewords; and channel quality. In some examples, the BS 1410 may also reorder the codewords in the subset of codewords. In some examples, this reordering may be performed based on importance or significance.

[0218] The information may include one or more of: codeword indices for codewords included in the subset of the codewords; a transformation type of a linear or non-linear transform has been applied to the subset of codewords; and an indication of an s-domain distribution.

[0219] As indicated above, subsequent to receiving the subset of codewords, the UE 1410 may reduce the dimensionality of the subset of codewords. Performing this reduction of the dimensionality of the subset of codewords may use one of: QR decomposition; singular value decomposition (SVD) ; or an artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.

[0220] At some point in time prior to step 1430, the UE 1420 may transmit a request for receiving a codebook.

[0221] In some examples, the information for the subset of codewords is received using radio resource control (RRC) signaling or media access control (MAC) signaling.

[0222] In some examples, prior to step 1430, the BS 1410 may apply a transform to the codewords in the subset of codewords thereby generating a transformed version of the codeowrds or subset of codewords. When this occurs, the BS 1410 may transmit an identification of the transform to the UE 1420 so that the UE 1420 can perform an inverse of the transform. The transformation may be a linear transformation or a non-linear transformation.

[0223] At some point in time subsequent to step 1430, the UE 1420 may transmit a request for s-domain data. In response, the BS 1410 may transmit parameters of any trained model on s-domain.

[0224] In some examples, the BS 1410 may transmit an indication of a size of the subset of codewords in comparison to the total number of codewords in the codebook.

[0225] In some examples, the UE 1420 may transmit an indication of capability to perform at least one of transforms and artificial intelligence-based compression methods.

[0226] In some examples, the UE 1420 may transmit a request for a revised version of the codebook. The UE may be requesting a larger subset of codewords or a smaller subset of codewords depending on varying channel conditions and / or UE operating conditions. In some examples, in response to the request, the BS 1410 may transmit an indication of a size of a revised subset of codewords. The BS 1410 then may transmit a revised subset of codewords.

[0227] While the above signal flow diagram is described with regard to a BS and a single UE, it is understood that the BS may be performing steps described above for multiple UEs, so for example, the BS may be genernating different subsets of codewords and transmitting the different subsets of codewords to different UEs.

[0228] In the present disclosure, the terms “a” or “an” are defined to mean “at least one” , that is, these terms do not exclude a plural number of items, unless stated otherwise.

[0229] In the present disclosure, terms such as “substantially” , “generally” and “about” , which modify a value, condition or characteristic of a feature of an example embodiment, should be understood to mean that the value, condition or characteristic is defined within tolerances that are acceptable for the proper operation of the example embodiment for its intended application.

[0230] In the present disclosure, unless stated otherwise, the terms “connected” and “coupled” , and derivatives and variants thereof, refer herein to any structural or functional connection or coupling, either direct or indirect, between two or more elements. For example, the connection or coupling between the elements can be acoustical, mechanical, optical, electrical, thermal, logical, or any combinations thereof.

[0231] In the present disclosure, expressions such as “match” , “matching” and “matched” , including variants and derivatives thereof, are intended to refer herein to a condition in which two or more elements are either the same or within some predetermined tolerance of each other. That is, these terms are meant to encompass not only “exactly” or “identically” matching the two elements but also “substantially” , “approximately” or “subjectively” matching the two or more elements, as well as providing a higher or best match among a plurality of matching possibilities.

[0232] In the present disclosure, the expression “based on” is intended to mean “based at least partly on” , that is, this expression can mean “based solely on” or “based partially on” , and so should not be interpreted in a limited manner. More particularly, the expression “based on” could also be understood as meaning “depending on” , “representative of” , “indicative of” , “associated with” or similar expressions.

[0233] In the present disclosure, the terms "system" and "network" may be used interchangeably in different implementations of this application. "At least one" means one or more, and "a plurality of" means two or more. The term "and / or" describes an association relationship of associated objects, and indicates that three relationships may exist. For example, A and / or B may indicate the following three cases: Only A exists, both A and B exist, and only B exists, where A and B may be singular or plural. The character " / " indicates an "or" relationship between associated objects. "At least one of the following items (pieces) " or a similar expression thereof indicates any combination of these items, including a single item (piece) or any combination of a plurality of items (pieces) . For example, "at least one of A, B, or C" includes: only A; only B; only C; A and B; A and C; B and C; or A, B, and C, and "at least one of A, B, and C" may also be understood as including: only A; only B; only C; A and B; A and C; B and C; or A, B, and C. In addition, unless otherwise specified, ordinal numbers such as "first" and "second" in implementations of this application are used to distinguish between a plurality of objects, and are not used to limit a sequence, a time sequence, priorities, or importance of the plurality of objects.

[0234] A person skilled in the art should understand that implementationsof this application may be provided as a method, an apparatus (or system) , computer-readable storage medium, or a computer program product. Therefore, this application may use a form of a hardware-only embodiment, a software-only embodiment, or an embodiment with a combination of software and hardware. Moreover, this application may use a form of a computer program product that is implemented on one or more computer-usable storage media (including but not limited to a disk memory, an optical memory, and the like) that include computer-usable program code.

[0235] This application is described with reference to the flowcharts and / or block diagrams of the method, the device (system) , and the computer program product according to this application. It should be understood that computer program instructions may be used to implement each process and / or each block in the flowcharts and / or the block diagrams and a combination of a process and / or a block in the flowcharts and / or the block diagrams. The computer program instructions may be provided for a general-purpose computer, a dedicated computer, an embedded processor, or a processor of another programmable data processing device and enable a machine to execute the instructions. When executed by any computer or the processor of a programmable data processing device, the instructions cause the apparatus to implement specific functions as described in one or more procedures in the flowcharts and / or one or more blocks in the block diagrams. The computer program instructions may alternatively be stored in a computer-readable memory that can indicate a computer or another programmable data processing device to work in a specific manner, so that the instructions stored in the computer-readable memory generate an artifact that includes an instruction apparatus. The instruction apparatus implements a specific function in one or more procedures in the flowcharts and / or one or more blocks in the block diagrams.

[0236] The computer program instructions may alternatively be loaded onto a computer or another programmable data processing device, so that a series of operations and steps are performed on the computer or the another programmable device, so that computer-implemented processing is generated. Therefore, the instructions executed on the computer or on another programmable device provide steps for implementing specific functions as described in one or more procedures in the flowcharts and / or one or more blocks in the block diagrams.

[0237] It is clear that a person skilled in the art can make various modifications and variations to this application without departing from the scope of this disclosure. This disclosure is intended to cover these modifications and variations of this application provided that they fall within the scope of protection defined by the following claims and their equivalent technologies.

Claims

1.A method comprising:receiving information for a subset of codewords in a codebook; andtransmitting a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the subset of codewords.2.The method of claim 1, wherein the information comprises one or more of:codeword indices for codewords included in the subset of the codewords;a transformation type of a linear or non-linear transform has been applied to the subset of codewords; andan indication of an s-domain distribution, where the s-domain represents a sparseness domain.3.The method of claim 1 or 2 further comprising transmitting a request for receiving a codebook.4.The method of any one of claims 1 to 3, wherein the information for the subset of codewords is received using radio resource control (RRC) signaling or media access control (MAC) signaling.5.The method of any one of claims 1 to 4, wherein when a transform has been applied to the codewords in the subset of codewords, the method further comprises receiving an identification of the transform.6.The method of claim 5, wherein the transformation is a linear transformation or a non-linear transformation.7.The method of claim 5 or 6 further comprising performing a reverse of the transform to obtain the subset of codewords in an untransformed state.8.The method of any one of claims 1 to 7 further comprising receiving parameters of any trained model on s-domain, where the s-domain represents a sparseness domain.9.The method of any one of claims 1 to 8 further comprising transmitting a request for s-domain data.10.The method of any one of claims 1 to 9 further comprising receiving an indication of a size of the subset of codewords in comparison to the total number of codewords in the codebook.11.The method of any one of claims 1 to 10 further comprising transmitting an indication of capability to perform at least one of transforms and artificial intelligence-based compression methods.12.The method of any one of claims 1 to 11 further comprising transmitting a request for a revised version of the codebook.13.The method of claim 12 further comprising receiving an indication of a size of a revised subset of codewords.14.The method of claim 13 further comprising receiving the revised subset of codewords.15.The method of any one of claims 1 to 14, wherein the reduced dimensionality of the subset of codewords is obtained by using one of:QR decomposition;singular value decomposition (SVD) ; oran artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.16.The method of any one of claims 1 to 15, wherein the subset of codewords is ordered based on significance.17.A communication apparatus, configured to perform the method of any one of claims 1 to 16.18.An apparatus, the apparatus comprising:one or more processors; anda memory storing instructions which, when executed by the one or more processors, cause the apparatus to perform the method of any one of claims 1 to 16.19.A method comprising:transmitting information for a subset of codewords in a codebook;receiving a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the set of codewords;determining a channel estimate based on the subset of codewords and the received set of coefficients corresponding to the channel sparse representation.20.The method of claim 19 further comprising constructing the codebook.21.The method of claim 19 or 20 further comprising ordering codewords in the codebook based on significance.22.The method of any one of claims 19 to 21 further comprising selecting codewords for inclusion in the subset of codewords from all of the codewords in the codebook.23.The method of claim 22, wherein the selecting is based on one or more of:channel bandwidth conditions;computational power of a user equipment (UE) when processing the subset of codewords; andchannel quality.24.The method of any one of claims 19 to 23 further comprising transforming codewords in the codebook using a transform.25.The method of claim 24, wherein the transformation is a linear transformation or a non-linear transformation.26.The method of claim 24 or 25 further comprising transmitting an indication of the transform.27.The method of any one of claims 19 to 26, wherein the information comprises one or more of:codeword indices for codewords included in the subset of codewords;a transformation type of a linear or non-linear transform has been applied to the portion of a channel state information codebook; andan indication of an s-domain distribution, where the s-domain represents a sparseness domain.28.The method of any one of claims 19 to 27 further comprising receiving a request for a codebook.29.The method of any one of claims 19 to 28, wherein the identification of the subset of codewords is transmitted using radio resource control (RRC) signaling or media access control (MAC) signaling.30.The method of any one of claims 19 to 29 further comprising transmitting parameters of any trained model on s-domain, where the s-domain represents a sparseness domain.31.The method of any one of claims 19 to 30 further comprising receiving a request for s-domain data.32.The method of any one of claims 19 to 31 further comprising transmitting an indication of a size of the subset of codewords in comparison to the total number of codewords in the codebook.33.The method of any one of claims 19 to 32 further comprising receiving an indication of capability of a user equipment (UE) to perform at least one of transforms and artificial intelligence-based compression methods.34.The method of any one of claims 19 to 33 further comprising receiving a request for a revised version of the codebook.35.The method of claim 34 further comprising transmitting an indication of a size of a revised subset of codewords.36.The method of claim 35 further comprising transmitting the revised subset of the codewords.37.The method of any one of claims 19 to 36, wherein the reduced dimensionality of the portion of the channel state information codebook is a result of one of:QR decomposition;singular value decomposition (SVD) ; oran artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.38.The method of any one of claims 19 to 37, wherein transmitting the information for the subset of codewords comprises transmitting different identifications for different subsets of codewords to different user equipment (UE) .39.A communication apparatus, configured to perform the method of any one of claims 19 to 38.40.An apparatus comprising:one or more processors; anda memory storing instructions which, when executed by the one or more processors, cause the apparatus to perform the method of any one of claims 19 to 38.41.A computer program product storing instructions which, when executed, cause an apparatus to perform the method of any one of claims 1 to 16 or the method of any one of claims 19 to 38.42.A computer-readable storage medium having instructions stored thereon which, when executed by one or more processors, cause the one or more processors to perform the method of any one of claims 1 to 16 or the method of any one of claims 19 to 38.43.A communication system, wherein the communication system comprises a first communication apparatus configured to perform the method of any one of claims 1 to 16 and a second communication apparatus configured to perform the method of any one of claims 19 to 38.

Images