Report of beam prediction accuracy

Abstract

A wireless device receives, from a base station, a message configuring a first set of beams for beam prediction, and a second set of beams being a subset of the first set of beams. The wireless device selects, from the first set of beams, a first number of beams having largest predicted RSRPs among the first set of beams. The wireless device selects, from the second set of beams and for a monitoring instance, a second number of beams having largest measured RSRPs among the second set of beams. In response to the second number being less than or equal to the first number, the wireless device determines the monitoring instance being valid for beam prediction accuracy monitoring of the first number of beams based on a number of overlapped beams between the second set of beams and the first number of beams being greater than or equal to the second number, and / or the first number of beams being associated with the second number of beams. The wireless device transmits, to the base station, a report indicating the beam prediction accuracy of the predicted first number of beams for the monitoring instance.

Description

Report of Beam Prediction AccuracyBRIEF DESCRIPTION OF THE DRAWINGS

[0001] Examples of several of the various embodiments of the present disclosure are described herein with reference to the drawings.

[0002] FIG. 1 illustrates an example of a mobile communication network in which embodiments of the present disclosure may be implemented.

[0003] FIG. 2A and FIG. 2B respectively illustrate a NR user plane and a NR control plane protocol stack.

[0004] FIG. 3 illustrates an example configuration of an NR frame and an example configuration of a slot in the time and frequency domain for an NR carrier.

[0005] FIG. 4 illustrates an example of bandwidth adaptation using three configured BWPs for an NR carrier as per an aspect of an example embodiment of the present disclosure.

[0006] FIG. 5 illustrates three carrier aggregation configurations with two component carriers as per an aspect of an example embodiment of the present disclosure.

[0007] FIG. 6 illustrates an example of a wireless device in communication with a base station in accordance with embodiments of the present disclosure.

[0008] FIG. 7A illustrates an example of a burst of SSBs as per an aspect of an example embodiment of the present disclosure.

[0009] FIG. 7B illustrates an example of CSI-RSs that are mapped in the time and frequency domains as per an aspect of an example embodiment of the present disclosure.

[0010] FIG. 8A, FIG. 8B and FIG. 8C illustrate examples of downlink beam management procedures as per an aspect of an example embodiment of the present disclosure.

[0011] FIG. 9 illustrates an example of a functional framework for AI / ML approaches for wireless communications as per an aspect of an example embodiment of the present disclosure.

[0012] FIG. 10 illustrates an example of beam prediction and reporting for BM-Case 1 using UE-sided AI / ML approaches as per an aspect of an example embodiment of the present disclosure.

[0013] FIG. 11illustrates an example of beam prediction and reporting for BM-Case 2 using UE-sided AI / ML approaches as per an aspect of an example embodiment of the present disclosure.

[0014] FIG. 12 illustrates an example of reporting beam prediction accuracy of predicted beams using UE-sided AI / ML models as per an aspect of an example embodiment of the present disclosure.

[0015] FIG. 13 illustrates examples of checking monitoring instance validity and calculating beam prediction accuracy using UE-sided AI / ML models as per an aspect of an example embodiment of the present disclosure.

[0016] FIG. 14 illustrates examples of checking monitoring instance validity and calculating beam prediction accuracy using UE-sided AI / ML models as per an aspect of an example embodiment of the present disclosure.

[0017] FIG. 15 illustrates examples of association between a prediction instance and a monitoring instance using UE-sided AI / ML models as per an aspect of an example embodiment of the present disclosure.

[0018] FIG. 16 illustrates an example of reporting beam prediction accuracy of predicted beams using UE-sided AI / ML models as per an aspect of an example embodiment of the present disclosure.

[0019] FIG. 17 illustrates an example of reporting beam prediction accuracy of predicted beams using UE-sided AI / ML models as per an aspect of an example embodiment of the present disclosure.DETAILED DESCRIPTION

[0020] In the present disclosure, various embodiments are presented as examples of how the disclosed techniques may be implemented and / or practiced in environments and scenarios. A person having ordinary skills in the art will readily recognize that the teachings of the example embodiments in the present disclosure can be applied in a multitude of different ways. Some or all of the described examples may be implemented in any device, system or network that is capable of transmitting and receiving radio frequency (RF) signals according to the Institute of Electrical and Electronics Engineers (IEEE) 802.11 standards, IEEE 802.15 standards, the Bluetooth standards, or the Long Term Revolution (LTE) , 3rd generation (3G) , fourth generation (4G) , fifth generation (5G) new radio (NR) standards, and those of future networks yet to be specified (e.g., a 3GPP 6G network) , or any others. The embodiments of the present disclosure will be described with reference to accompanying drawings. Limitations, features, and / or elements from the disclosed example embodiments may be combined to create further embodiments within the scope of the disclosure.

[0021] In the present disclosure, “a” , “an” , and any term that ends with the suffix “ (s) ” should be interpreted as “at least one” and “one or more. ” In this disclosure, the term “may” should be interpreted as “may, for example. ” In other words, a phrase following the term “may” is an example of one of a multitude of suitable possibilities that may, or may not, be employed by one or more of the various embodiments. The term “comprises” is interchangeable with “includes” and does not exclude unenumerated components from being included in the element being described. By contrast, “consists of” provides a complete enumeration of the one or more components of the element being described. The term “based on” , as used herein, should be interpreted as “based at least in part on” rather than, for example, “based solely on” . The term “and / or” as used herein represents any possible combination of enumerated elements. For example, “A, B, and / or C” may represent A; B; C; A and B; A and C; B and C; or A, B, and C.

[0022] In the present disclosure, the term base station may refer to and encompass a Node B (associated with UMTS and / or 3G standards) , an Evolved Node B (eNB, associated with E-UTRA and / or 4G standards) , a remote radio head (RRH) , a baseband processing unit coupled to one or more RRHs, a repeater node or relay node used to extend the coverage area of a donor node, a Next Generation Evolved Node B (ng-eNB) , a Generation Node B (gNB, associated with NR and / or 5G standards) , an access point (AP, associated with, for example, WiFi or any other suitable wireless communication standard) , and / or any combination thereof. A base station may comprise at least one gNB Central Unit (gNB-CU) and at least one gNB Distributed Unit (gNB-DU) .

[0023] In the present disclosure, the term wireless device may refer to and encompass any mobile device or fixed (non-mobile) device for which wireless communication is desired or usable. For example, a wireless device may be a telephone, smart phone, tablet, computer, laptop, sensor, meter, wearable device, Internet of Things (IoT) device, vehicle road side unit (RSU) , relay node, automobile, electric vehicle (EV) charger, extended reality (XR) glasses / goggles, and / or any combination thereof. The term wireless device encompasses other terminology, including user equipment (UE) , user terminal (UT) , access terminal (AT) , mobile station, handset, wireless transmit and receive unit (WTRU) , and / or wireless communication device.

[0024] In the present disclosure, the term configured may refer to specific settings in a device that affect the operational characteristics of the device whether the device is in an operational or non-operational state. For example, hardware, software, firmware, registers, memory values, and / or the like may be “configured” within a device, whether the device is in an operational or nonoperational state, to provide the device with specific characteristics. Terms such as “acontrol message to cause in a device” may mean that a control message has parameters that may be used to configure specific characteristics or may be used to implement certain actions in the device, whether the device is in an operational or non-operational state.

[0025] In the present disclosure, parameters (or equally called, fields, or Information elements (IEs) ) may comprise one or more information objects. In an example, the parameters may comprise the one or more information objects in a nested way. For example, a first parameter (e.g., a first IE) may comprise a second parameter (e.g., a second IE) and a third parameter (e.g., a third IE) , when the first parameter comprises the second parameter and the second parameter comprises the third parameter. In an example embodiment, one or more messages comprise a plurality of parameters may imply that a parameter of the plurality of parameters is in at least one of the one or more messages, but does not have to be in each of the one or more messages.

[0026] FIG. 1 illustrates an example of a mobile communication network 170 in which embodiments of the present disclosure may be implemented. The mobile communication network 170 may be, for example, a public land mobile network (PLMN) run by a network operator. As illustrated in FIG. 1, the mobile communication network 170 may comprise one or more wireless devices (e.g., a user equipment (UE) 100 and / or a UE 105) , a radio access network (RAN) (e.g., a base station 110 and / or a base station 115) , and a core network (CN) .

[0027] The CN may provide the one or more wireless devices with an interface to one or more data networks (DNs) (e.g., DNs 130) , such as public DNs (e.g., the Internet) , private DNs, and / or intra-operator DNs. As part of the interface functionality, the CN may set up end-to-end connections between the one or more wireless devices and the one or more DNs, authenticate the one or more wireless devices, and provide charging functionality. In an example of a new radio (NR) system in FIG. 1, a CN may comprise an Access and Mobility Management Function (AMF) and a User Plane Function (UPF) , which are shown as one component AMF / UPF 120 in FIG. 1 for ease of illustration. The UPF may serve as a gateway between the RAN and the one or more DNs. The UPF may perform functions such as packet routing and forwarding, packet inspection and user plane policy rule enforcement, traffic usage reporting, uplink classification to support routing of traffic flows to the one or more DNs, quality of service (QoS) handling for the user plane (e.g., packet filtering, gating, uplink / downlink rate enforcement, and uplink traffic verification) , downlink packet buffering, and downlink data notification triggering. The AMF may perform functions such as Non-Access Stratum (NAS) signaling termination, NAS signaling security, Access Stratum (AS) security control, inter-CN node signaling for mobility between 3GPP access networks, idle mode UE reachability (e.g., control and execution of paging retransmission) , registration area management, intra-system and inter-system mobility support, access authentication, access authorization including checking of roaming rights, mobility management control (subscription and policies) , network slicing support, and / or session management function (SMF) selection. NAS may refer to the functionality operating between a CN and a UE, and AS may refer to the functionality operating between the UE and a RAN.

[0028] The RAN may connect the CN to the one or more wireless devices through radio communications over an air interface. As part of the radio communications, the RAN may provide scheduling, radio resource management, and retransmission protocols. A communication direction from the RAN to the one or more wireless devices (e.g., from the base station 110 to the UE 100) over the air interface is known as a downlink. A communication direction from the one or more wireless devices (e.g., from the UE 100 to the base station 110) to the RAN over the air interface is known as an uplink. The downlink transmissions may be separated from the uplink transmissions using frequency division duplexing (FDD) , time-division duplexing (TDD) , and / or some combination of the two duplexing techniques. In an example of a new radio (NR) system in FIG. 1, the RAN may comprise one or more base stations. A UE of the one or more wireless devices (e.g., the UE 100 and the UE 105) and a base station of the one or more base stations (e.g., the base station 110 and the base station 115) may be connected by means of a Uu interface (e.g., an interface 140 in FIG. 1) . A first base station of the one or more base stations (e.g., the base station 110) and a second base station of the one or more base stations (e.g., the base station 115) may be connected by means of a Xn interface (e.g., an interface 150 in FIG. 1) . A base station of the one or more base stations in the RAN and the AMF / UPF in the CN may be connected by means of a NG interface (e.g., an interface 160 in FIG. 1) .

[0029] FIG. 2A illustrates a NR user plane protocol stack comprising five layers implemented in a UE 210 and a gNB 220. The NR user plane protocol stack comprises physical layers (PHYs) 211 and 221 providing transport services to the higher layers of the protocol stack and may correspond to layer 1 of the Open Systems Interconnection (OSI) model. The NR user plane protocol stack comprises media access control (sub) layers (MACs) 212 and 222, radio link control (sub) layers (RLCs) 213 and 223, packet data convergence protocol (sub) layers (PDCPs) 214 and 224, and service data application protocol (sub) layers (SDAPs) 215 and 225. The MACs (e.g., 212 and 222) , the RLCs (e.g., 213 and 223) , the PDCPs (e.g., 214 and 224) , and the SDAPs (e.g., 215 and 225) may make up layer 2 (e.g., or be known as sublayers of the layer 2) , or the data link layer, of the OSI model.

[0030] FIG. 2B illustrates an example NR control plane protocol stack. As shown in FIG. 2B, the NR control plane protocol stack comprises the PHY layers 211 and 221. The NR control plane protocol stack has the MAC (sub) layers 212 and 222, the RLC (sub) layers 213 and 223, the PDCP (sub) layers 214 and 224 (e.g., terminated in the gNB 220 on network side) . The NR control plane protocol stack has radio resource controls (RRCs) 216 and 226 (e.g., terminated in the gNB 220 on network side) . The NR control protocol stack has NAS control protocols 217 and 237 (e.g., terminated in an AMF 230 on network side) performs the functions, for instance: authentication, mobility management, security control, etc.

[0031] FIG. 3 illustrates an example configuration of an NR frame. Orthogonal frequency divisional multiplexing (OFDM) symbols are grouped into the NR frame. In NR, physical signals and physical channels may be mapped onto OFDM symbols. An NR frame may be identified by a system frame number (SFN) . The SFN may repeat with a period of 1024 frames. As illustrated, one NR frame may be 10 milliseconds (ms) in duration and may include 10 subframes that are 1 ms in duration. A subframe may be divided into slots that include, for example, 14 OFDM symbols per slot.

[0032] The duration of a slot may depend on the numerology used for the OFDM symbols of the slot. In NR, a flexible numerology is supported to accommodate different cell deployments (e.g., cells with carrier frequencies below 1 GHz up to cells with carrier frequencies in the mm-wave range) . A numerology may be defined in terms of subcarrier spacing and cyclic prefix duration. For a numerology in NR, subcarrier spacings may be scaled up by powers of two from a baseline subcarrier spacing of 15 kHz, and cyclic prefix durations may be scaled down by powers of two from a baseline cyclic prefix duration of 4.7 μs. For example, NR defines numerologies with the following subcarrier spacing / cyclic prefix duration combinations: 15 kHz / 4.7 μs; 30 kHz / 2.3 μs; 60 kHz / 1.2 μs;120 kHz / 0.59 μs; and 240 kHz / 0.29 μs.

[0033] FIG. 3 further illustrates an example configuration of a slot in the time and frequency domain for an NR carrier. The slot includes resource elements (REs) and resource blocks (RBs) . An RE is the smallest physical resource (e.g., physical radio resource) in NR. In FIG. 3, an RE spans 1 OFDM symbol in the time domain by 1 subcarrier in the frequency domain. An RB spans 12 consecutive REs (e.g., 12 subcarriers) in the frequency domain, and one slot (e.g., 14 consecutive OFDM symbols) in the time domain. FIG. 3 illustrates an example of a single numerology being used across the entire bandwidth of the NR carrier. In other example configurations, multiple numerologies may be supported on the same carrier.

[0034] FIG. 4 illustrates an example of bandwidth adaptation (BA) using three configured BWPs for an NR carrier (e.g., a primary cell and / or a secondary cell of a UE) . With bandwidth adaptation, a transmit and / or receive bandwidth of a UE may not be as large as a bandwidth of a cell. The transmit and / or receive bandwidth of the UE may be adjusted. In an example, a width of the transmit and / or receive bandwidth may be ordered to change (e.g., to save power of the UE) . In an example, a location of the transmit and / or receive bandwidth may move in the frequency domain (e.g. to increase scheduling flexibility of the UE) . In an example, a subcarrier spacing (e.g., numerology) of the transmit and / or receive bandwidth may be ordered to change (e.g. to allow different services of the UE) . In an example, a subset of a cell bandwidth of the cell may be referred to as a Bandwidth Part (BWP) . For achieving bandwidth adaptation, one or more BWPs may be configured and / or pre-configured to a UE. Network (e.g., a base station) may indicate the UE which of the configured / pre-configured one or more BWPs is currently an active BWP.

[0035] In an example of FIG. 4, a UE may be configured with three BWPs. The BWPs comprise a BWP 402 with a bandwidth of 40 MHz and a subcarrier spacing of 15 kHz, a BWP 404 with a bandwidth of 10 MHz and a subcarrier spacing of 15 kHz, and a BWP 406 with a bandwidth of 20 MHz and a subcarrier spacing of 60 kHz. The UE may switch from a first BWP to a second BWP at a switching point, for example, based on an expiry of a BWP inactivity timer (e.g., indicating switching to a default BWP) and / or in response to receiving a downlink control information (DCI) indicating the second BWP as an active BWP. In the example of FIG. 4, the UE may switch from the BWP 402 to the BWP 404 at a switching point 408 based on an expiry of a BWP inactivity timer (e.g., indicating switching to a default BWP) , when the BWP 402 is an initial active BWP and the BWP 404 is a default BWP. In another example of FIG. 4, the UE may switch from the BWP 402 to the BWP 404 at a switching point 408 in response to receiving a DCI indicating the BWP 404 as an active BWP. The UE may switch, at a switching point 410, from the BWP 404 to the BWP 406 in response receiving a DCI indicating the BWP 406 as an active BWP. The UE may switch, at a switching point 412, from the BWP 406 to the BWP 404 in response to an expiry of a BWP inactivity timer and / or in response receiving a DCI indicating the BWP 404 as an active BWP. The UE may switch, at a switching point 414, from the BWP 404 to the BWP 402 in response to receiving a DCI indicating the BWP 402 as an active BWP.

[0036] FIG. 5 illustrates three carrier aggregation (CA) configurations with two component carriers (CCs) . Carrier aggregation for a UE may be supported for providing greater data rates. Two or more carriers can be aggregated and simultaneously transmitted to / from the same UE using carrier aggregation. The aggregated carriers in CA may be referred to as component carriers. When CA is used, there are a number of serving cells for the UE, one for a CC. The CCs may have three configurations in the frequency domain.

[0037] As shown in FIG. 5, in a first configuration for intraband CA with contiguous CCs 500, two contiguous CCs are aggregated in the same frequency band (frequency band A) and are located adjacent to each other within the frequency band. In a second configuration for intraband CA with non-contiguous CCs 510, two CCs are aggregated in the same frequency band (frequency band A) and are separated in the frequency band by a gap. In a third configuration for interband CA 520, two CCs are located in frequency bands (frequency band A and frequency band B) . In an example, up to 32 CCs may be aggregated. The aggregated CCs may have the same or different bandwidths, subcarrier spacing, and / or duplexing schemes (TDD or FDD) . A serving cell for a UE using CA may have a downlink CC. For FDD, one or more uplink CCs may be optionally configured for a serving cell.

[0038] When CA is configured to a wireless device with a plurality of aggregated cells, a first serving cell of the plurality of aggregated cells may be referred to as a Primary Cell (PCell) for the wireless device. The PCell may be the serving cell that the wireless device initially connects to. The PCell may provide, to the wireless device, NAS mobility function at RRC connection establishment / re-establishment / handover. The PCell may provide, to the wireless device, security input at RRC re-establishment / handover. A second serving cell of the plurality of aggregated cells may be referred to as a Secondary Cell (SCell) for the wireless device. The PCell and the SCell of the wireless device are different serving cells. Depending on UE capabilities of the wireless device, one or more SCells may be configured, to the wireless device, with the PCell to form a set of serving cells for the wireless device.

[0039] FIG. 6 illustrates an example of a wireless device 650 in communication with a base station 600 in accordance with embodiments of the present disclosure. The wireless device 650 and base station 600 may be part of a mobile communication network, such as the mobile communication network 170 illustrated in FIG. 1 or any other communication network. The base station 600 may connect the wireless device 650 to a core network (not shown) through radio communications over an air interface (or radio interface) . The communication direction from the base station 600 to the wireless device 650 over the air interface is known as a downlink, and the communication direction from the wireless device 650 to the base station 600 over the air interface is known as an uplink.

[0040] In the downlink, downlink data to be sent, to the wireless device 650 from the base station 600, may be provided to a processor / controller 625 of the base station 600. The downlink data may be provided to the processor / controller 625 by, for example, a core network. The processor / controller 625 may implement layer 3 and layer 2 OSI functionality to process the downlink data for transmission. Layer 3 may include an RRC layer. Layer 2 may include an SDAP layer, a PDCP layer, an RLC layer, and a MAC layer. The processor / controller 625 may provide RRC layer functionality associated with broadcasting of system information (e.g., master information block (MIB) , system information blocks (SIBs) ) , RRC connection control (e.g., RRC connection paging, RRC connection establishment, RRC connection modification, and RRC connection release) , inter radio access technology (RAT) mobility, and measurement configuration for UE measurement reporting; PDCP layer functionality associated with header compression / decompression, security (ciphering, deciphering, integrity protection, integrity verification) , and handover support functions; RLC layer functionality associated with the transfer of upper layer packet data units (PDUs) , error correction through Automatic Repeat reQuest (ARQ) , concatenation, segmentation, and reassembly of RLC service data units (SDUs) , re-segmentation of RLC data PDUs, and reordering of RLC data PDUs; and MAC layer functionality associated with mapping between logical channels and transport channels, multiplexing of MAC SDUs onto transport blocks (TBs) , demultiplexing of MAC SDUs from TBs, scheduling information reporting, error correction through Hybrid ARQ (HARQ) , priority handling, and logical channel prioritization.

[0041] In the downlink and after being processed by the processor / controller 625, the downlink data may be provided to one or more transmit (Tx) processors 620 of base station 600. The one or more Tx processors 620 may implement layer 1 OSI functionality. Layer 1 may comprise a PHY layer. The PHY layer may perform, for example, forward error correction (FEC) coding of transport channels, interleaving, rate matching, mapping of transport channels to physical channels, modulation of physical channel, multiple-input multiple-output (MIMO) or multi-antenna processing, and / or the like. The one or more Tx processors 620 may map the downlink data to coded and modulated symbols based on various modulation schemes (e.g., binary phase-shift keying (BPSK) , quadrature phase-shift keying (QPSK) , M-phase-shift keying (M-PSK) , M-quadrature amplitude modulation (M-QAM) ) and coding schemes (e.g., convolution code, turbo code, and / or low density parity check (LDPC) code) . The coded and modulated symbols of the downlink data may be split into parallel streams. Each stream of the parallel streams may be mapped to an OFDM subcarrier, multiplexed with a reference signal (e.g., pilot) in the time and / or frequency-domain, and combined using an Inverse Fast Fourier Transform (IFFT) to produce a physical channel carrying a time-domain OFDM symbol stream. The OFDM stream may be spatially precoded to produce multiple spatial streams. A channel estimator (not shown in FIG. 6) may be used to determine the modulation schemes, the coding schemes, and / or for spatial processing. Each spatial stream of the multiple spatial streams may be provided to different antenna via a separate transmitter Tx 635. Each transmitter Tx 635 may modulate a radio frequency (RF) carrier with a respective spatial stream for transmission.

[0042] In the downlink and at the wireless device 650, each of the one or more receivers Rx 690 receives a signal through respective antenna. The one or more receivers Rx 690 may recover received information, modulated onto the RF carrier, and provide the received information to one or more receive (Rx) processors 680 of the wireless device 650. The one or more Rx processors 680 may implement layer 1 OSI functionality. The one or more Rx processors 680 may perform spatial processing on the received information to recover one or more spatial streams desired for the wireless device 650. If multiple spatial streams are desired for the wireless device 650, the one or more Rx processors 680 may combine the multiple spatial streams into a single OFDM symbol stream. The one or more Rx processors 680 may convert the OFDM symbol stream from the time-domain to the frequency-domain using a Fast Fourier Transform (FFT) . The OFDM symbol stream may be demodulated and decoded, to recover the downlink data and / or control signal transmitted by the base station 600 on physical channel, based on a channel estimator at the wireless device 650 (not shown in FIG. 6) . The data and control signals are then provided to the processor / controller 675, which implements layer 3 and layer 2 functionality.

[0043] In the uplink, uplink data to be sent, from the wireless device 650 to the base station 600, may be provided to the processor / controller 675 of the wireless device 650. Similar to the downlink, the processor / controller 675 may implement layer 3 and layer 2 OSI functionality to process the uplink data for transmission.

[0044] In the uplink and after being processed by the processor / controller 675, the uplink data may be provided to one or more Tx processors 670 of the wireless device 650. Similar to the downlink, the one or more Tx processors 670 may implement layer 1 OSI functionality. The one or more Tx processors 670 may map the uplink data to coded and modulated symbols based on various modulation schemes and coding schemes. The coded and modulated symbols of the uplink data may be split into parallel streams. Each stream of the parallel streams may be mapped to an OFDM subcarrier, multiplexed with a reference signal (e.g., pilot) in the time and / or frequency-domain, and combined using an IFFT to produce a physical channel carrying a time-domain OFDM symbol stream. The OFDM stream may be spatially precoded to produce multiple spatial streams. A channel estimator (not shown in FIG. 6) may be used to determine the modulation schemes, the coding schemes, and / or for spatial processing. Each spatial stream of the multiple spatial streams may be provided to different antenna via a separate transmitter Tx 685. Each transmitter Tx 685 may modulate a RF carrier with a respective spatial stream for transmission.

[0045] In the uplink and at the base station 600, each of the one or more receivers Rx 640 receives a signal through respective antenna. The one or more receivers Rx 640 may recover received information, modulated onto the RF carrier, and provide the received information to one or more Rx processors 630 of the base station 600. The one or more Rx processors 630 may implement layer 1 OSI functionality. The one or more Rx processors 630 may perform spatial processing on the received information to recover one or more spatial streams desired for the base station 600. If multiple spatial streams are desired for the base station 600, the one or more Rx processors 630 may combine the multiple spatial streams into a single OFDM symbol stream. The one or more Rx processors 630 may convert the OFDM symbol stream from the time-domain to the frequency-domain using an FFT. The OFDM symbol stream may be demodulated and decoded, to recover the uplink data and / or control signal transmitted by the wireless device 650 on physical channel, based on a channel estimator at the base station 600 (not shown in FIG. 6) . The data and control signals are then provided to the processor / controller 625, which implements layer 3 and layer 2 functionality.

[0046] As shown in FIG. 6, the wireless device 650 and the base station 600 may have multiple antennas. The multiple antennas may be used to perform one or more MIMO or multi-antenna techniques, such as spatial multiplexing (e.g., single-user MIMO or multi-user MIMO) , transmit / receive diversity, and / or beamforming. In other examples, the wireless device 650 and / or the base station 600 may have a single antenna.

[0047] The processor / controller 625 and / or the processor / controller 675 may be associated with a memory 610 and a memory 660, respectively. Memory 610 and memory 660 (e.g., one or more non-transitory computer readable mediums) may store computer program instructions or code that may be executed by the processor / controller 625 and / or the processor / controller 675 to carry out one or more of the functionalities discussed in the present application. Although not shown in FIG. 6, the one or more Tx processors 620, the one or more Tx processors 670, the one or more Rx processors 630, and / or the one or more Rx processors 690 may be coupled to a memory (e.g., one or more non-transitory computer readable mediums) storing computer program instructions or code that may be executed to carry out one or more of their respective functionalities.

[0048] The processor / controller 625 and / or the processor / controller 675 may comprise one or more controllers and / or one or more processors. The one or more controllers and / or one or more processors may comprise, for example, a general-purpose processor, a digital signal processor (DSP) , a microcontroller, an application specific integrated circuit (ASIC) , a field programmable gate array (FPGA) and / or other programmable logic device, discrete gate and / or transistor logic, discrete hardware components, an on-board unit, or any combination thereof. The processor / controller 625 and / or the processor / controller 675 may perform at least one of signal coding / processing, data processing, power control, input / output processing, and / or any other functionality that may enable the wireless device 650 and the base station 600 to operate in a wireless environment.

[0049] The processor / controller 625 and / or the processor / controller 675 may be connected to one or more peripherals 605 and one or more peripherals 655, respectively. The one or more peripherals 605 and the one or more peripherals 655 may include software and / or hardware that provide features and / or functionalities, for example, a speaker, a microphone, a keypad, a display, a touchpad, a power source, a satellite transceiver, a universal serial bus (USB) port, a hands-free headset, a frequency modulated (FM) radio unit, a media player, an Internet browser, an electronic control unit (e.g., for a motor vehicle) , and / or one or more sensors (e.g., an accelerometer, a gyroscope, a temperature sensor, a radar sensor, a lidar sensor, an ultrasonic sensor, a light sensor, a camera, and / or the like) . The processor / controller 625 and / or the processor / controller 675 may receive user input data from and / or provide user output data to the one or more peripherals 605 and / or the one or more peripherals 655. The processor / controller 675 in the wireless device 650 may receive power from a power source and / or may be configured to distribute the power to the other components in the wireless device 650. The power source may comprise one or more sources of power, for example, a battery, a solar cell, a fuel cell, or any combination thereof. The processor / controller 625 and / or the processor / controller 675 may be connected to a GPS chipset 615 and a GPS chipset 625, respectively. The GPS chipset 615 and the GPS chipset 625 may be configured to provide geographic location information of the wireless device 650 and the base station 600, respectively.

[0050] In the present disclosure, a base station may communicate with various types / categories of wireless devices. Wireless devices and / or base stations may support different technologies, and / or different releases of the same technology. A downlink transmission from (e.g., by) a base station and to a wireless device may be the same as a downlink reception by the wireless device and from the base station. An uplink transmission from (e.g., by) a wireless device to a base station may be the same as an uplink reception by the base station and from the wireless device.

[0051] In the present disclosure, a wireless device may receive from a base station one or more messages (e.g. RRC messages) comprising configuration parameters of one or more cells (e.g. primary cell, secondary cell) . The wireless device may communicate with at least one base station of the one or more cells. The one or more messages (e.g. as a part of the configuration parameters) may comprise parameters of PHY, MAC, RLC, PCDP, SDAP, and / or RRC layers for configuring the wireless device. For example, the configuration parameters may comprise parameters for configuring PHY and MAC layer channels, bearers, etc. For example, the configuration parameters may comprise parameters indicating values of timers for PHY, MAC, RLC, PCDP, SDAP, RRC layers, and / or communication channels.

[0052] In the present disclosure, a wireless device and a base station may exchange control signaling (e.g., referred to as L1 / L2 control signaling and may originate from the PHY layer (e.g., layer 1) and / or the MAC layer (e.g., layer 2) ) . The control signaling may comprise downlink control signaling (e.g., MAC control element (MAC CE) and / or DCI) transmitted from the base station to the UE and / or uplink control signaling (e.g., MAC CE and / or uplink control information (UCI) ) transmitted from the UE to the base station.

[0053] In the present disclosure, an uplink configurated grant (CG) configuration may be a type 1 CG configuration. A base station may transmit an RRC message to a wireless device for configuring uplink transmission occasions / resources based on the type 1 CG configuration. In response to receiving the RRC message, the wireless device may activate the uplink transmission occasions / resources without further message / signaling for activation of the CG configuration.

[0054] In the present disclosure, an uplink CG configuration may be a type 2 CG configuration. A base station may transmit an RRC message to a wireless device for configuring uplink transmission occasions / resources based on the type 2 CG configuration. In response to receiving the RRC message, the wireless device may not activate the uplink transmission occasions / resources. The base station may further transmit a DCI to the wireless device for activating / releasing the uplink transmission occasions / resources.

[0055] In the downlink, a base station may transmit (e.g., unicast, multicast, and / or broadcast) one or more downlink reference signals (RSs) to a UE. The downlink RSs may comprise primary synchronization signal (PSS) , secondary synchronization signal (SSS) , channel state information reference signal (CSI-RS) , demodulation reference signal (DMRS) , and / or phase tracking reference signal (PT-RS) . In the uplink, the UE may transmit one or more uplink RSs to the base station. The uplink RSs may comprise DMRS, PT-RS, and / or sounding reference signal (SRS) . A PSS, a SSS together with a physical broadcast channel (PBCH) may be jointly referred to as a synchronization signal block or a SS block (SSB) .

[0056] FIG. 7A illustrates an example of a burst of SSBs. The burst of SSBs may comprise N SSBs. A SSB (e.g., SSB #1 in FIG. 7A) of the N SSBs may span 4 OFDM symbols in the time domain and 240 subcarriers in the frequency domain. A PSS of the SSB may be in the first OFDM symbol of the 4 OFDM symbols in the SSB and may occupy 127 subcarriers. The remaining subcarriers of the SSB in the first OFDM may be empty. An SSS of the SSB may be in the third OFDM symbol of the 4 OFDM symbols in the SSB and may occupy 127 subcarriers. There may be 8 and 9 empty subcarriers on each side of the SSS. A PBCH of the SSB may be in the second and the fourth OFDM symbols of the SSB. In addition, the PBCH may also use 48 subcarriers on each side of the SSS in the third OFDM symbol. One or more DMRS may be transmitted in resource elements of the PBCH for coherent demodulation of the PBCH.

[0057] In an example, the burst of SSBs may be within a beam-sweep of downlink beams of the base station and referred to as an SS burst set. A first SSB (e.g., SSB #1 in FIG. 7A) of the burst of SSBs may be transmitted via a first downlink beam of the base station (e.g., beam #1) within the beam-sweep, a second SSB (e.g., SSB #2 in FIG. 7A) of the burst of SSBs may be transmitted via a second downlink beam of the base station (e.g., beam #2) within the beam-sweep, and so on. A last SSB (e.g., SSB #N in FIG. 7A) of the burst of SSBs may be transmitted via a last downlink beam of the base station (e.g., beam #N) within the beam-sweep.

[0058] In an example, a SSB may be transmitted periodically with a period that may vary from 5 ms up to 160 ms. In an example of FIG. 7A and when a period of SSB is 20 ms, the base station may transmit a second burst of SSBs, to the UE, 20 ms after the burst of SSBs. The second burst of SSBs may comprise a periodically transmitted SSB #1 which is 20 ms after the SSB #1 in the burst of SSBs, a periodically transmitted SSB #2 which is 20 ms after the SSB #2 in the burst of SSBs, and so on. The second burst of SSBs may be for a second round beam-sweep of the downlink beams (e.g., from beam #1 to beam #N in FIG. 7A) of the base station.

[0059] In an example, a SSB may have a SSB index. The UE may assume that one or more SSBs transmitted with a same SSB index are quasi co-located (QCLed) (e.g., having the same / similar Doppler spread, Doppler shift, average gain, average delay, and / or spatial Rx parameters) . The UE may not assume QCL for SSB transmissions having different SSB indices.

[0060] In an example, a base station may configure one or more CSI-RSs to a UE. The base station may transmit the one or more CSI-RSs to the UE for different purposes such as acquiring channel state information (CSI) , channel measurements, and channel sounding, etc. In response to receiving the one or more CSI-RSs, the UE may generate a CSI report and send the CSI report to the base station. The base station may perform link adaptation based on the CSI report.

[0061] In an example, a CSI-RS may correspond to up to 32 different antenna ports, each corresponding to a channel to be sounded. In an example, the CSI-RS may be a single-port CSI-RS occupying a single resource element (e.g., 1 OFDM symbol by 1 subcarrier referring to FIG. 3) . In an example, the CSI-RS may be a multi-port CSI-RS which may be seen as multiple orthogonally transmitted per-antenna-port CSI-RS sharing resource elements assigned for the multi-port CSI-RS. In an example, the CSI-RS may be a zero-power CSI-RS (ZP CSI-RS) or a non-zero-power (NZP CSI-RS) .

[0062] In an example, a NZP CSI-RS may be transmitted using one or more time-frequency resources (e.g., resource elements) . The one or more time-frequency resources for the transmission of the NZP CSI-RS may have (e.g., be associated with) a NZP CSI-RS resource identity (e.g., ID) . The NZP CSI-RS may be transmitted via a downlink beam of a base station.

[0063] In an example, a base station may configure a UE with one or more CSI-RS resource sets (e.g., NZP CSI-RS resource sets) . A CSI-RS resource set may be associated with a CSI-RS resource set ID. A CSI-RS resource set may comprise (e.g., pointers to) one or more SSB indexes and / or one or more CSI-RS resource IDs. In an example, all CSI-RS within a semi-persistently configured CSI-RS resource set maybe jointly activated / deactivated by a MAC CE commend. In an example, transmission of all CSI-RS within an aperiodic configured CSI-RS resource set may be jointly triggered by a DCI.

[0064] FIG. 7B illustrates an example of CSI-RSs that are mapped in the time and frequency domains. In an example, N CSI-RSs may be mapped to orthogonal (e.g., in time, frequency, and / or code domains) resources. A first CSI-RS of the N CSI-RSs (e.g., CSI-RS #1 in FIG. 7B) may be transmitted via a first downlink beam of a base station (e.g., beam #1 in FIG. 7B) . A second CSI-RS of the N CSI-RSs (e.g., CSI-RS #2 in FIG. 7B) may be transmitted via a second downlink beam of the base station (e.g., beam #2 in FIG. 7B) . A N-th CSI-RS of the N CSI-RSs (e.g., CSI-RS #N in FIG. 7B) may be transmitted via a N-th downlink beam of the base station (e.g., beam #N in FIG. 7B) . In an example, the N CSI-RSs may comprise one or more single-port and / or multi-port CSI-RSs. In an example, a square shown in FIG. 7B may span an RB within a bandwidth of a cell. A base station may transmit one or more RRC messages comprising CSI-RS resource configuration parameters indicating the N CSI-RSs. One or more of the following parameters may be configured by higher layer signaling (e.g., RRC and / or MAC signaling) for a CSI-RS resource configuration: a CSI-RS resource configuration identity (e.g., ID) , a number of CSI-RS ports, a CSI-RS configuration (e.g., symbol and resource element (RE) locations in a subframe) , a CSI-RS subframe configuration (e.g., subframe location, offset, and periodicity in a radio frame) , a CSI-RS power parameter, a CSI-RS sequence parameter, a code division multiplexing (CDM) type parameter, a frequency density, a transmission comb, QCL parameters (e.g., QCL-scramblingidentity, crs-portscount, mbsfn-subframeconfiglist, csi-rs-configZPid, qcl-csi-rs-configNZPid) , and / or other radio resource parameters.

[0065] In an example, a base station may configure a UE to perform measurements with corresponding reporting to network (e.g., the base station) . The base station may send to the UE an RRC message comprising configuration parameters (e.g., CSI-ReportConfig) for a configuration of a measurement and corresponding reporting. The configuration parameters may indicate one or more quantities to be reported, one or more downlink resources on which the measurement should be performed in order to derive the one or more quantities to be reported, and / or how / when the reporting is done and what uplink physical channel to use for the reporting. The one or more quantities to be reported may comprise channel quality indicator (CQI) , rank indicator (RI) , and / or precoder-matrix indicator (PMI) , which may be jointly referred to as CSI. Additionally or alternatively, the one or more quantities to be reported may comprise reference signal received power (RSRP) of one or more downlink reference signals (e.g., Layer 1 RSRP or L1-RSRP of one or more SSBs and / or CSI-RSs) . In an example, the UE may send CSI reports of measurements to the base station periodically, aperiodically, or semi-persistently. For periodic CSI reporting, the UE may be configured with a timing and / or periodicity of a plurality of CSI reports. For aperiodic CSI reporting, the base station may request a CSI report. For example, the base station may command the UE to measure a configured CSI-RS resource and provide a CSI report relating to the measurements. For semi-persistent CSI reporting, the base station may configure the UE to transmit periodically, and selectively activate or deactivate the periodic reporting. The base station may configure the UE with a CSI-RS resource set and CSI reports using RRC signaling.

[0066] In an example, beam management may comprise beam measurement, beam selection, and beam indication. A beam may be associated with one or more reference signals. For example, a beam may be identified by one or more beamformed reference signals. The UE may perform downlink beam measurement based on downlink reference signals (e.g., SSB and / or CSI-RS, etc. ) and generate a beam measurement report. The UE may perform the downlink beam measurement procedure after an RRC connection is set up with a base station. The purpose of beam management may be to establish and retain one or more beam pair links providing good connectivity. A beam pair link may comprise a transmitting (Tx) beam transmitted by the base station and a receiving (Rx) beam received by the UE. In an example, downlink beam management may comprise an initial beam establishment / paring procedure (e.g., procedure P1) , a downlink Tx side beam adjustment procedure (e.g., procedure P2) , and a downlink Rx beam adjustment procedure (e.g., procedure P3) .

[0067] FIG. 8A illustrates an example of a downlink beam management procedure (e.g., P1) for initial beam paring. In FIG. 8A, a base station may transmit one or more downlink RSs by sweeping one or more downlink Tx beams (e.g., in a counter-clockwise direction indicated by the dashed arrow at the base station side) . Beamforming at a UE may comprise an Rx beam sweep for one or more downlink Rx beams (e.g., in a clockwise direction indicated by the dashed arrow at the UE side) . Based on beam measurements of the one or more downlink RSs, the UE may send a report back to the base station indicating a downlink Tx beam (e.g., a downlink Tx beam with RS #5 in solid line) of the one or more swept downlink beams should be used for downlink transmissions. Furthermore based on Rx beam sweeping at the UE, the UE may determine to use a downlink Rx beam (e.g., in solid line at the UE side) for receiving the downlink transmissions from the base station. FIG. 8B illustrates an example of a downlink beam management procedure (e.g., P2) for downlink Tx beam adjustment. In FIG. 8B, a downlink Rx beam at a UE may be given (e.g., a downlink Rx beam in solid line) . The UE may measure one or more downlink RSs transmitted corresponding to one or more downlink Tx beams of a base station by a beam sweep. The UE may report measurement results to network (e.g., the base station) . The network (e.g., the base station) may adjust current using downlink beam (s) based on the report of the measurement results. FIG. 8C illustrates an example of a downlink beam management procedure (e.g., P3) for downlink Rx beam adjustment. In FIG. 8C, a downlink Tx beam at a base station may be given (e.g., a downlink Tx beam transmitting RS #5 in solid line) . A UE may measure a downlink RS transmitted via the downlink Tx beam by a beam sweep of one or more downlink Rx beams at the UE side. The UE may adjust current using downlink Rx beam (s) based on the measurement and the beam sweep.

[0068] A UE may initiate a beam failure recovery (BFR) procedure based on detecting a beam failure. The UE may transmit a BFR request (e.g., a preamble, a UCI, an SR, a MAC CE, and / or the like) based on the initiating of the BFR procedure. The UE may detect the beam failure based on a determination that a quality of beam pair link (s) of an associated control channel is unsatisfactory (e.g., having an error rate higher than an error rate threshold, a received signal power lower than a received signal power threshold, an expiration of a timer, and / or the like) .

[0069] The UE may measure a quality of a beam pair link using one or more reference signals (RSs) comprising one or more SS / PBCH blocks, one or more CSI-RS resources, and / or one or more demodulation reference signals (DMRSs) . A quality of the beam pair link may be based on one or more of a block error rate (BLER) , an RSRP value, a signal to interference plus noise ratio (SINR) value, a reference signal received quality (RSRQ) value, and / or a CSI value measured on RS resources. The base station may indicate that an RS resource is quasi co-located (QCLed) with one or more DM-RSs of a channel (e.g., a control channel, a shared data channel, and / or the like) . The RS resource and the one or more DMRSs of the channel may be QCLed when the channel characteristics (e.g., Doppler shift, Doppler spread, average delay, delay spread, spatial Rx parameter, fading, and / or the like) from a transmission via the RS resource to the UE are similar or the same as the channel characteristics from a transmission via the channel to the UE.

[0070] In an example, application of artificial intelligence  / machine learning (AI / ML) to wireless communications may be enabled. One or more AI / ML models / functionalities may be implemented at network side (e.g., NW-side model) , at UE side (e.g., UE-side model) , and at both base station side and UE side (e.g., two-sided model) . A life cycle management (LCM) of AI / ML model (e.g., model training, model deployment, model inference, model monitoring, model updating) and AI / ML functionality may be characterized as below: - Data collection, which may also include associated assistance information, if  applicable. - Model training - Functionality / model identification - Model delivery / transfer - Model inference operation - Functionality / model selection, activation, deactivation, switching, and fallback  operation. The function / model selection may comprise decision by the network (either network initiated or UE-initiated and requested to the network) , decision by the UE (event-triggered as configured by the network, UE’s decision reported to the network, or UE-autonomous either with UE’s decision reported to the network or without it)  - Functionality / model monitoring - Model update - UE capability

[0071] In an example, an AI / ML model may have a model identity (ID) with associated information. A functionality may be provided by one or more AI / ML operations. An AI / ML model identified by a model ID may be logical, and how it maps to physical AI / ML model (s) may be up to implementation. A logical AI / ML model may refer to a model that is identified and assigned a model ID, and physical AI / ML model (s) may refer to an actual implementation of the model.

[0072] FIG. 9 illustrates an example of a functional framework for AI / ML approaches for wireless communications. As shown in FIG. 9, a general framework for AI / ML approaches for wireless communications may comprise following: - Data Collection: a function that provides input data to AI / ML Model Training,  Management, and Inference functions. - Training Data: data needed as input for the AI / ML Model Training function. - Monitoring Data: data needed as input for the Management of AI / ML models  or AI / ML functionalities. - Inference Data: data needed as input for the AI / ML Inference function. - Model Training: a function that performs AI / ML model training, validation,  and testing which may generate model performance metrics which can be used as part of model testing procedure. The Model Training function may be also responsible for data preparation (e.g., data pre-processing and cleaning, formatting, and transformation) based on Training Data delivered by a Data Collection function, if required. - Trained / Updated Model: in case of having a Model Storage function, this may  be used to deliver trained, validated, and tested AI / ML models to the Model Storage function, or to deliver an updated version of a model to the Model Storage function. - Management: a function that oversees the operation (e.g.,  selection /  (de) activation / switching / fallback) and monitoring (e.g., performance) of AI / ML models or AI / ML functionalities. This function may be also responsible for making decisions to ensure proper inference operation based on data received from the Data Collection function (e.g., monitoring data) and the Inference function (e.g., inference output) . - Management Instruction: information needed as input to manage the Inference  function. Concerning information may include selection /  (de) activation / switching of AI / ML models or AI / ML-based functionalities, fallback to non-AI / ML operation (i.e., not relying on inference process) , etc. - Model Transfer / Delivery Request: used to request model (s) to the Model  Storage function. - Performance Feedback  / Retraining Request: information needed as input for  the Model Training function, e.g., for model (re) training or updating purposes. - Inference: a function that provides outputs from the process of applying AI / ML  models or AI / ML functionalities, using the data that is provided by the Data Collection function (i.e., Inference Data) as an input. The Inference function may be also responsible for data preparation (e.g., data pre-processing and cleaning, formatting, and transformation) based on Inference Data delivered by a Data Collection function, if required. - Inference Output: data used by the Management function to monitor the  performance of AI / ML models or AI / ML functionalities. - Model Storage: a function responsible for storing trained / updated models that  can be used to perform the Inference function. The Model Storage function may be only intended as a reference point (if any) when applicable for protocol terminations, model transfer / delivery, and related processes. The Model Storage function does not encompass restricting actual storage locations of models. - Model Transfer / Delivery: used to deliver an AI / ML model to the Inference  function.

[0073] In an example, AI / ML approaches (e.g., AI / ML models / functionalities) may be implemented for beam management (e.g., prediction in time and / or spatial domain, overhead and latency reduction, beam selection accuracy improvement, etc. ) .

[0074] In beam management case 1 (e.g., BM-Case 1) employing AI / ML approaches, one or more AI / ML models may be used for spatial-domain downlink beam prediction for a first set (e.g., set A) of beams based on measurement results of a second set (e.g., set B) of beams. The set A may be for downlink beam prediction. The set B may be a set of beams whose measurements are taken as inputs of the one or more AI / ML models. Beams in the set A and the set B may or may not be in same frequency range (e.g., sub-6GHz frequency range or millimeter wave frequency range) . The set A and the set B may be different. The set B may or may not be a subset of the set A. Model training and inference of the one or more AI / ML models may be at NW side and / or UE side. Inputs of the one or more AI / ML models may comprise: L1-RSRP measurement based on the set B, L1-RSRP measurement based on the set B and assistance information, channel impulse response (CIR) based on the set B, and / or L1-RSRP measurement based on the set B and the corresponding downlink Tx and / or Rx beam identity (ID) .

[0075] In beam management case 2 (e.g., BM-Case 2) employing AI / ML approaches, one or more AI / ML models may be used for temporal downlink beam prediction for a first set (e.g., set A) of beams based on historic measurement results of a second set (e.g., set B) of beams. The set A may be for downlink beam prediction. The set B may be a set of beams whose measurements are taken as inputs of the one or more AI / ML models. The set A and the set B may be same or different. The set B may or may not be a subset of the set A. Model training and inference of the one or more AI / ML models may be at NW side and / or at UE side. Inputs of the one or more AI / ML models may comprise measurement results of one or more latest measurement instances with following alternatives: Alt. 1) : L1-RSRP measurement based on the set B; Alt 2) : L1-RSRP measurement based on the set B and assistance information; Alt. 3) : L1-RSRP measurement based on the set B and corresponding downlink Tx and / or Rx beam ID. Predictions for one or more (e.g., N≥1) future time instances may be obtained based on outputs of the one or more AI / ML models, where each prediction of the predictions may be for each time instance of the one or more future time instances.

[0076] For both BM-Case 1 and BM-Case 2, AI / ML model output may comprise: - Alt. 1: Tx and / or Rx Beam ID (s) and / or predicted L1-RSRP of one or more  predicted downlink Tx and / or Rx beams. In an example, the one or more predicted beams may be top-K predicted beams (e.g., K≥1) . - Alt. 2: Tx and / or Rx Beam ID (s) of one or more predicted downlink Tx and / or  Rx beams and other information. The one or more predicted beams may be top-K predicted beams (e.g., K≥1) . - Alt. 3: Tx and / or Rx Beam angle (s) and / or predicted L1-RSRP of one or more  predicted DL Tx and / or Rx beams. The one or more predicted beams may be top-K predicted beams (e.g., K≥1) . The top-K beam IDs may have been derived via post-processing of the one or more  AI / ML model output.

[0077] For BM-Case 1 and BM-Case 2: - For model training, training data may be generated by UE and / or base station. - For NW-side model inference, input data may be generated by UE and  terminated at base station. - For UE-side model inference, input data may be internally available at UE. - For performance monitoring at NW side, calculated performance metrics (if  needed) or data needed for performance metric calculation (if needed) may be generated by UE and terminated at base station.

[0078] FIG. 10 illustrates an example of beam prediction and reporting for BM-Case 1 using UE-sided AI / ML approaches. Referring to FIG. 9 and in an example of FIG. 10, a base station may transmit to a wireless device one or more RRC messages comprising configuration parameters of a first set of beams, a second set of beams, and a value K indicating how many beams to be included / reported in a report comprising inference results using AI / ML approaches (e.g., output of the AI / ML approaches) . The value K≥1 may be an integer number. In an example, the first set of beams may be a beam set A for beam prediction / selection using the AI / ML approaches (e.g., AI / ML models and / or AI / ML functionalities) . The second set of beams may be a beam set B for measuring reference signals (RSs) , received via the second set of beams, to predict / select one or more beams from the beam set A. The beam set B may be the same as the beam set A. The beam set B may be different from the beam set A (e.g., the beam set B may be not a subset of the beam set A) . The beam set B may be a subset of the beam set A. In an example, the one or more configuration parameters may comprise / indicate a first CSI-RS resource set associated with the beam set A. The first CSI-RS resource set may comprise one or more first CSI-RS resources (e.g., and / or one or more first SSB resources) , where each of the one or more first CSI-RS resources (e.g., and / or the one or more first SSB resources) is associated with a beam of the beam set A. The base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., a beam ID of the beam) of the beam set A based on a CSI-RS resource ID and / or a CSI resource indicator (CRI) of a CSI-RS resource, of the one or more first CSI-RS resources, associated with the beam. The base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., a beam ID of the beam) of the beam set A based on an SSB index and / or an SSB resource indicator (SSBRI) of a SSB resource, of the one or more first SSB resources, associated with the beam. In an example, the one or more configuration parameters may comprise / indicate a second CSI-RS resource set associated with the beam set B. The second CSI-RS resource set may comprise one or more second CSI-RS resources (e.g., and / or one or more second SSB resources) , where each of the one or more second CSI-RS resources (e.g., and / or the one or more second SSB resources) is associated with a beam of the beam set B. The base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., a beam index / ID of the beam) of the beam set B based on a CSI-RS resource ID and / or a CRI of a CSI-RS resource, of the one or more second CSI-RS resources, associated with the beam. The base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., a beam index / ID of the beam) of the beam set B based on an SSB index and / or an SSBRI of a SSB resource, of the one or more second SSB resources, associated with the beam. In an example, the wireless device may predict / select, from the beam set A and using AI / ML approaches, K beams based on the predicted / selected K beams having largest predicted RSRPs among the beam set A (e.g., top-K beams of the beam set A) . The wireless device may input measurement results of CSI-RSs (e.g., and / or SSBs) received via the one or more second CSI-RS resources (e.g., or the one or more second SSB resources) on the beam set B to the AI / ML approaches. Outputs of the AI / ML models may indicate the K beams having largest predicted RSRPs among the beam set A. The inference results (e.g., outputs) of the AI / ML approaches may comprise the predicted / selected K beams, and / or the predicted RSRPs of the K beams. The wireless device may transmit the report of the inference results indicating the predicted / selected K beams of the beam set A and / or the predicted RSRPs of the K beams.

[0079] In an example of FIG. 10, the base station may configure, to the wireless device, the beam set A comprising a beam 1, a beam 2, a beam 3, a beam 4, a beam 5, and a beam 6. The base station may configure, to the wireless device, the beam set B comprising the beam 3 and the beam 5. In the example, the beam set B is a subset of the beam set A. For the beam set A, the base station may further configure a RS #A1 via a first RS resource having a first RS resource ID associated with (e.g., using) the beam 1 of the beam set A, a RS #A2 via a second RS resource having a second RS resource ID and associated with (e.g., using) the beam 2 of the beam set A, and so on. For the beam set B, the base station may further configure a RS #B1 via a seventh RS resource having a seventh RS resource ID associated with (e.g., using) the beam 3 of the beam set B, and a RS #B2 via an eighth RS resource having an eighth RS resource ID associated with (e.g., using) the beam 5 of the beam set B. In an example, the seventh RS resource and / or the eighth RS resource may be same as the third RS resource and / or the fifth RS resource, respectively. In another example, the seventh RS resource and / or the eighth RS resource may be different from the third RS resource and / or the fifth RS resource, respectively. The RSs for the beam set A (e.g., RS #A1, RS #A2, RS #A3, RS #A4, RS #A5, RS #A6) and the RSs for the beam set B (e.g., RS #B1, RS #B2) may be CSI-RSs and / or SSBs. An RS resource ID of a CSI-RS may be a CSI-RS resource ID or a CRI. An RS resource ID of a SSB may be an SSB index or a SSBRI. For beam prediction, the wireless device may measure the RS #B1 received via the seventh RS resource on the beam 3 of the beam set B and the RS #B2 received via the eighth RS resource on the beam 5 of the beam set B. The wireless device may not measure beams (e.g., RSs on the beams) other than the beam 3 and the beam 5 based on the other beams being not in the beam set B. The wireless device may input measurement results of the RS #B1 and the RS #B2 to AI / ML models / functionalities. The wireless device may predict / select the beam 5 (e.g., in solid line in the beam set A) and the beam 2 (e.g., in solid line in the beam set A) from the beam set A based on outputs of the AI / ML models / functionalities indicating that the beam 5 and the beam 2 having largest predicted RSRPs among the beam set A (e.g., top-2 predicted beams) . The predicted / selected beam 5 and beam 2 (e.g., and / or predicted RSRPs of the beam 5 and the beam 2) may be inference results of the AI / ML models / functionalities based on the input of the measurement results of the RS #B1 and the RS #B2 to the AI / ML models / functionalities. The wireless device may transmit a report comprising the inference results to the base station indicating the beam 5 and the beam 2 (e.g., or beam indexes of the beam 5 and the beam 2) in the beam set A. The wireless device may indicate the beam 5 (e.g., an index of the beam 5) using the fifth RS resource ID (e.g., CSI-RS resource ID, CRI, SSB index, or SSBRI) of the RS #A5 based on the beam set A in the report. The wireless device may not indicate the beam 5 (e.g., an index of the beam 5) using the eighth RS resource ID (e.g., CSI-RS resource ID, CRI, SSB index, or SSBRI) of the RS #B2 based on the beam set B in the report. The wireless device may indicate the beam 2 (e.g., an index of the beam 2) using the second RS resource ID (e.g., CSI-RS resource ID, CRI, SSB index, or SSBRI) of the RS #A2 based on the beam set A in the report.

[0080] FIG. 11illustrates an example of beam prediction and reporting for BM-Case 2 using UE-sided AI / ML approaches. In an example of FIG. 11 and referring to Fig. 10, a base station may transmit to a wireless device one or more RRC messages comprising one or more first configuration parameters. The one or more first configuration parameters may configure / indicate a first set of beams and a second set of beams. In an example, the one or more first configuration parameters may comprise / indicate a first CSI-RS resource set associated with the first set of beams. The first CSI-RS resource set may comprise one or more first CSI-RS resources (e.g., and / or one or more first SSB resources) , where each of the one or more first CSI-RS resources (e.g., and / or the one or more first SSB resources) is associated with (e.g., transmitted on / mapped to) a beam of the first set of beams. The base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., a beam index / ID of the beam) of the first set of beams based on a CSI-RS resource ID and / or a CRI of a CSI-RS resource, of the one or more first CSI-RS resources, associated with the beam. The base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., a beam index / ID of the beam) of the first set of beams based on an SSB index and / or an SSBRI of a SSB resource, of the one or more first SSB resources, associated with the beam. In an example, the one or more first configuration parameters may comprise / indicate a second CSI-RS resource set associated with the second set of beams. The second CSI-RS resource set may comprise one or more second CSI-RS resources (e.g., and / or one or more second SSB resources) , where each of the one or more second CSI-RS resources (e.g., and / or the one or more second SSB resources) is associated with (e.g., transmitted on / mapped to) a beam of the second set of beams. The base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., a beam index / ID of the beam) of the second set of beams based on a CSI-RS resource ID and / or a CRI of a CSI-RS resource, of the one or more second CSI-RS resources, associated with the beam. The base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., a beam index / ID of the beam) of the second set of beams based on an SSB index and / or an SSBRI of a SSB resource, of the one or more second SSB resources, associated with the beam. In an example, the first set of beams may be a beam set A for beam prediction / selection using AI / ML approaches (e.g., AI / ML models and / or AI / ML functionalities) . The second set of beams may be a beam set B for measuring reference signals, received via the second set of beams, to predict / select one or more beams from the beam set A. The beam set B may be the same as the beam set A. The beam set B may be different from the beam set A (e.g., the beam set B may be not a subset of the beam set A) . The beam set B may be a subset of the beam set A. In an example, one or more first CSI-RSs via the one or more first CSI-RS resources may be aperiodic / periodic / semi-persistent CSI-RSs. In an example, one or more second CSI-RSs via the one or more second CSI-RS resources may be aperiodic / periodic / semi-persistent CSI-RSs.

[0081] In an example of FIG. 11 and referring to Fig. 10, the one or more RRC messages may comprise one or more second configuration parameters configuring / indicating a value N indicating a number of time instances (e.g., N future time instances) to be reported / included in a report of inference results (e.g., a single report of inference results) of the AI / ML approaches, where N≥1 is an integer number. In an example of FIG. 11, a gap / duration between two adjacent time instances of the N time instances may comprise a number of d consecutive time slots, where d≥1. In an example, N∈ {1, 2, 4, 8} . In an example, the number d may be configured by higher layer parameter (e.g., parameter in a RRC message) . If the wireless device is configured with a periodic or semi-persistent CSI-RS resource set for channel measurement (e.g., RS resources of the second CSI-RS resource set associated with the beam set B) , the number of d may be equal to a periodicity of CSI-RS resource of the periodic / semi-persistent CSI-RS resource set. A start timing of the N time instances may be slot L, where L=n+δ, and a slot offset δ∈ {-nCSI_ref, 0, 1, 2} may be configured by higher layer parameter delta. The wireless device may generate the report of inference results transmitted in a slot n based on measurements of RS resources (e.g., of the second CSI-RS resource set) before the slot (n-nCSI_ref) , which may be a CSI reference resource of the report of inference results. A duration (e.g., an observation window) for measuring RS resources for the report of inference results may end at the slot (n-nCSI_ref) (e.g., the CSI reference resource of the report of inference results) .

[0082] In an example of FIG. 11 and referring to Fig. 10, the one or more second configuration parameters may configure / indicate a value K indicating a number of beams to be reported / included for each time instance of the N time instances in the report of inference results (e.g., a single inference report) , where K≥1 is an integer number. The wireless device may receive the one or more second CSI-RSs (e.g., and / or the one or more second SSBs) via the one or more second CSI-RS resources (e.g., and / or the one or more second SSB resources) on the beam set B during a past time duration (e.g., an observation window) . The wireless device may measure the one or more second CSI-RSs (e.g., and / or the one or more second SSBs) . The wireless device may input measurement results of the one or more second CSI-RSs (e.g., and / or the one or more second SSBs) into the AI / ML models / functionalities. In an example, the wireless device may predict / select, based on output of the AI / ML models / functionalities indicating that K beams of the beam set A having largest predicted RSRPs among the beam set A, the K beams for the each time instance of the N time instances. The wireless device may transmit the report of inference results (e.g., a single report of inference results) of the AI / ML models / functionalities (e.g., AI / ML approaches) indicating the predicted / selected K beams of the beam set A for the each time instance of the N time instance. The report of inference results may comprise / indicate CRIs and / or SSBRIs associated with the K beams for the each time instance of the N time instance. The report of inference results may further comprise / indicate predicted RSRPs of the K beams for the each time instance of the N time instances.

[0083] In existing technologies, for monitoring beam prediction accuracy of a first set of predicted beams with largest predicted RSRPs, a wireless device may select a second set of beams with largest measured RSRPs among a set of beams, where the second set of measured beams are measured at a monitoring instance. In an example, the wireless device may determine beam prediction accuracy of the first set of predicted beams based on a number of overlapped beams between the first set of predicted beams and the second set of measured beams.

[0084] Implementing the existing technologies, the wireless device may fail to monitor the beam prediction accuracy of the first set of predicted beams using the second set of measured beams measured at the monitoring instance. For example, the first set of predicted beams may be predicted at a time instance much earlier / later than the monitoring instance. Due to channel variation, the monitoring instance may not be valid for monitoring the beam prediction accuracy of the first set of predicted beams. For example, the first set of predicted beams may not overlap with the set of beams at the monitoring instance. Due to beam set mismatch, the monitoring instance may not be valid for monitoring the beam prediction accuracy of the first set of predicted beams. Consequently, the wireless device may overestimate a number of beam prediction errors of the first set of predicted beams using the second set of measured beams at the monitoring instance.

[0085] Embodiments of the present disclosure may enable a wireless device to determine beam prediction accuracy of a set of predicted beams at a valid monitoring instance. For example, a wireless device may select, from a first set of beams, a first number of beams for a monitoring instance. The wireless device may select the first number of beams based on the first number of beams having largest measured RSRPs among the first set of beams. The wireless device may determine, based on a number of overlapped beams between the first set of beams and a second number of beams being greater than or equal to the first number, the monitoring instance being valid for beam prediction accuracy monitoring of the second number of beams. The wireless device may transmit a monitoring report indicating the beam prediction accuracy of the second number of beams for the monitoring instance. Embodiments of the present disclosure may enable a wireless device to determine a proper performance metric for beam prediction accuracy monitoring. For example, a wireless device may receive, from a base station, a message configuring a first value indicating a number of beams in a first set of measured beams and a second value indicating a number of beams in a second set of predicted beams. The first set of measured beams may be associated with the second set of predicted beams. In response to the first value being less than or equal to the second value, the wireless device may determine beam prediction accuracy of the second set of predicted beams based on the second set of predicted beams comprising the first set of measured beams. In response to the first value being greater than the second value, the wireless device may determine beam prediction accuracy of the second set of predicted beams based on the first set of measured beams comprising the second set of predicted beams, and the second set of predicted beams comprising a beam of the first set of measured beams with a largest measured RSRP. The wireless device may transmit, to the base station, a monitoring report indicating the beam prediction accuracy of the second set of predicted beams.

[0086] Implementing the embodiments of the present disclosure may enable a wireless device to determine beam prediction accuracy of a set of predicted beams based on a set of measured beams at a valid monitoring instance. Implementing the embodiments of the present disclosure may reduce errors for determining beam prediction accuracy of a set of predicted beams. Implementing the embodiments of the present disclosure may reduce a number of beam prediction accuracy calculations at invalid monitoring instances. Implementing the embodiments of the present disclosure may reduce power consumption for beam prediction accuracy monitoring. Implementing the embodiments of the present disclosure may reduce signaling overhead for indicating beam prediction accuracy in a monitoring report. Implementing the embodiments of the present disclosure may increase configuration flexibility of a first set of predicted beams and a second set of measured beams for beam prediction accuracy monitoring of the first set of predicted beams.

[0087] FIG. 12 illustrates an example of reporting beam prediction accuracy of predicted beams using UE-sided AI / ML models. FIG. 12 illustrates a Top-M / K rule, where M≤K. In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, a base station may transmit to a wireless device one or more RRC messages comprising one or more first configuration parameters. The one or more first configuration parameters may configure / indicate a first set of beams and a second set of beams. In an example, the one or more first configuration parameters may comprise / indicate a first CSI-RS resource set associated with (e.g., transmitted via) the first set of beams. The first CSI-RS resource set may comprise one or more first RS resources. The one or more first RS resources may be one or more first CSI-RS resources and / or one or more first SSB resources. Each of the one or more first RS resources may be associated with (e.g., transmitted via / mapped to) a beam of the first set of beams. When the one or more first RS resources comprise the one or more first CSI-RS resources, the base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., or a beam index / ID of the beam) of the first set of beams based on a CSI-RS resource ID (e.g., or a CRI) of a RS resource, of the one or more first RS resources, associated with the beam. When the one or more first RS resources comprise the one or more first SSB resources, the base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., or a beam index / ID of the beam) of the first set of beams based on an SSB index (e.g., or an SSBRI) of a RS resource, of the one or more first RS resources, associated with the beam. In an example, the one or more first configuration parameters may comprise / indicate a second CSI-RS resource set associated with (e.g., transmitted via) the second set of beams. The second CSI-RS resource set may comprise one or more second RS resources. The one or more second RS resource may comprise one or more second CSI-RS resources and / or one or more second SSB resources. Each of the one or more second RS resources may be associated with (e.g., transmitted via / mapped to) a beam of the second set of beams. When the one or more second RS resources comprise the one or more second CSI-RS resources, the base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., a beam index / ID of the beam) of the second set of beams based on a CSI-RS resource ID (e.g., or a CRI) of a RS resource, of the one or more second RS resources, associated with the beam. When the one or more second RS resources comprise the one or more second SSB resources, the base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., or a beam index / ID of the beam) of the second set of beams based on an SSB index (e.g., or an SSBRI) of a RS resource, of the one or more second RS resources, associated with the beam. In an example, the first set of beams may be a beam set A for beam prediction / selection using AI / ML approaches (e.g., AI / ML models and / or AI / ML functionalities) . The second set of beams may be a beam set B for measuring reference signals, received via the second set of beams, to predict / select one or more beams from the beam set A. In an example, one or more first RSs via the one or more first RS resources may be aperiodic / periodic / semi-persistent RSs. In an example, one or more second RSs via the one or more second RS resources may be aperiodic / periodic / semi-persistent RSs.

[0088] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, the one or more RRC messages may comprise one or more second configuration parameters configuring / indicating a value K. The value K may indicates a number of predicted beams to be reported / included for a prediction instance of an inference report, where K≥1 is an integer number. The wireless device may receive the one or more second RSs via the one or more second RS resources on the beam set B during a past time duration (e.g., an observation window) . The wireless device may measure the one or more second RSs. The wireless device may input measurement results of the one or more second RSs into the AI / ML models / functionalities. In an example, the wireless device may predict / select, based on output of the AI / ML models / functionalities indicating that K beams of the beam set A having largest predicted RSRPs among the beam set A, the K beams for the prediction instance. The wireless device may transmit the report of inference results of the AI / ML models / functionalities (e.g., AI / ML approaches) indicating the predicted / selected K beams of the beam set A for the prediction instance. The report of inference results may comprise / indicate CRIs and / or SSBRIs associated with the K beams for the prediction instance. The report of inference results may further comprise / indicate predicted RSRPs of the K beams for the prediction instance. In an example of BM-Case 1 using AI / ML approaches, a prediction instance of an inference report may be a timing (e.g., a slot) of a CSI reference resource associated with the inference report. In an example of BM-Case 1 using AI / ML approaches, a prediction instance of an inference report may be a timing (e.g., a slot) of a latest measured RS resource before a CSI reference resource associated with the inference report. In an example of BM-Case 2 using AI / ML approaches, a prediction instance of an inference report may be a time instance (e.g., one of predicted future time instance) reported in (e.g., associated with) the inference report.

[0089] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, the one or more RRC messages may comprise one or more third configuration parameters configuring / indicating a value NC. The value NC may indicate a number of monitoring instances (e.g., or monitoring samples, monitoring time instances, performance monitoring instances) associated with a monitoring report (e.g., to be reported / included in the monitoring report) , where NC≥1 is an integer number.

[0090] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, the one or more RRC messages may comprise one or more fourth configuration parameters configuring / indicating a third set of beams. The third set of beams may be a beam set C for performance monitoring at the NC monitoring instances. The beam set C may be same as the beam set A. The beam set C may be a subset of the beam set A. A first beam set may be a subset of a second beam set based on beams of the first beam set being within the second beam set and at least one beam of the second beam set being not within the first beam set. The one or more fourth configuration parameters may further configure a third CSI-RS resource set associated with (e.g., transmitted via) the third set of beams. The third CSI-RS resource set may comprise one or more third RS resources. The one or more third RS resources may be one or more third CSI-RS resources and / or one or more third SSB resources. Each of the one or more third RS resources may be associated with (e.g., transmitted via / mapped to) a beam of the third set of beams. When the one or more third RS resources comprise the one or more third CSI-RS resources, the base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., or a beam index / ID of the beam) of the third set of beams based on a CSI-RS resource ID (e.g., or a CRI) of a RS resource, of the one or more third RS resources, associated with the beam. When the one or more third RS resources comprise the one or more third SSB resources, the base station and the wireless device may identify / indicate / recognize / determine a beam (e.g., or a beam index / ID of the beam) of the third set of beams based on an SSB index (e.g., or an SSBRI) of a RS resource, of the one or more third RS resources, associated with the beam.

[0091] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, the one or more RRC messages may comprise one or more fifth configuration parameters configuring / indicating a value M. The value M may indicate a number of measured beams with largest measured RSRPs among the third set of beams (e.g., the beam set C) , where M≥1 is an integer number.

[0092] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, for BM-Case 2, the one or more RRC messages may comprise one or more sixth configuration parameters configuring / indicating a value N. The value N may indicate a number of time instances (e.g., N future time instances) to be reported / included in a report of inference results (e.g., a single report of inference results) of the AI / ML approaches, where N≥1 is an integer number.

[0093] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, the one or more first configuration parameters, the one or more second configuration parameters, the one or more third configuration parameters, the one or more fourth configuration parameters, the one or more fifth configuration parameters and / or the one or more sixth configuration parameters may be pre-configured to the wireless device.

[0094] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, the wireless device may select / predict, from the first set of beams (e.g., the beam set A) , a first set of K beams having largest predicted RSRPs for a first prediction instance. The wireless device may select / predict, from the first set of beams (e.g., the beam set A) , a second set of K beams having largest predicted RSRPs for a second prediction instance. The wireless device may measure the one or more third RS resources associated with (e.g., transmitted via / mapped to) the third set of beams (e.g., the beam set C) at a first monitoring instance of the NC monitoring instances. Based on measured RSRPs of the one or more third RS resources at the first monitoring instance, the wireless device may select, from the third set of beams, a first set of M beams (e.g., a first beam set M) based on the first set of M beams having largest measured RSRPs among the third set of beams for the first monitoring instance. The wireless device may measure the one or more third RS resources associated with (e.g., transmitted via / mapped to) the third set of beams (e.g., the beam set C) at a second monitoring instance of the NC monitoring instances. Based on measured RSRPs of the one or more third RS resources at the second monitoring instance, the wireless device may select, from the third set of beams, a second set of M beams (e.g., a second beam set M) based on the second set of M beams having largest measured RSRPs among the third set of beams for the second monitoring instance.

[0095] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, in response to the first prediction instance being associated with (e.g., linked to) the first monitoring instance, the wireless device may determine the first monitoring instance being valid for beam prediction accuracy monitoring of the first set of K beams for the first prediction instance based on a number of overlapped beams between the third set of beams (e.g., the beam set C) and the first set of K beams being greater than or equal to the value M. In response to the second prediction instance being associated with (e.g., linked to) the second monitoring instance, the wireless device may determine the second monitoring instance being not valid for beam prediction accuracy monitoring of the second set of K beams for the second prediction instance based on a number of overlapped beams between the third set of beams (e.g., the beam set C) and the second set of K beams being less than the value M.

[0096] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, an inference report, associated with a prediction instance, may have an inference report ID. A monitoring report, associated with a monitoring instance, may have a monitoring report ID. A wireless device may determine the prediction instance being associated with (e.g., linked to) the monitoring instance based on the inference report ID being associated with the monitoring report ID. For example, the association between the inference report and the monitoring report may be based on the inference report ID being included / indicated in configuration parameters of the monitor report, and / or the monitoring report ID being included / indicated in configuration parameters of the inference report. In an example, the first set of K beams may be associated with the first set of M beams based on the association (e.g., the linkage) between the first prediction instance and the first monitoring instance. The second set of K beams may be associated with the second set of M beams based on the association (e.g., the linkage) between the second prediction instance and the second monitoring instance.

[0097] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, based on determining the first monitoring instance being valid for beam prediction accuracy monitoring of the first set of K beams, the wireless device may determine / calculate beam prediction accuracy of the first set of K beams based on a comparison between the first set of K beams and the first set of M beams. In an example, the wireless device may determine beam prediction of the first set of K beams being correct / accurate based on the first set of M beams being within the first set of K beams (e.g., the first set of M beams being same as the first set of K beams or the first set of M beams being a subset of the first set of K beams) , in response to the third set of beams (e.g., the beam set C) being a subset of the first set of beams (e.g., the beam set A) . In an example, the wireless device may determine beam prediction of the first set of K beams being not correct / accurate (e.g., wrong / prediction error) based on the first set of M beams being not within the first set of K beams (e.g., the first set of M beams comprising at least one beam which is not in the first set of K beams) , in response to the third set of beams (e.g., the beam set C) being a subset of the first set of beams (e.g., the beam set A) . Based on determining the second monitoring instance being not valid for beam prediction accuracy monitoring of the second set of K beams, the wireless device may not calculate beam prediction accuracy of the second set of K beams based on a comparison between the second set of K beams and the second set of M beams.

[0098] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, based on determining the first monitoring instance being valid for beam prediction accuracy monitoring of the first set of K beams, the wireless device may determine / calculate beam prediction accuracy of the first set of K beams based on a comparison between the first set of K beams and a first set of Mmin beams. In an example, a RRC message may configure / indicate the threshold value Mmin for beam prediction accuracy calculation / determination, where 1≤Mmin<M. The first set of Mmin beams may be a subset of the first set of M beams. In an example, the wireless device may determine beam prediction of the first set of K beams being correct / accurate based on the first set of Mmin beams being within the first set of K beams (e.g., the first set of Mmin beams being same as the first set of K beams or the first set of Mmin beams being a subset of the first set of K beams) , in response to the third set of beams (e.g., the beam set C) being a subset of the first set of beams (e.g., the beam set A) . In an example, the wireless device may determine beam prediction of the first set of K beams being not correct / accurate (e.g., wrong / prediction error) based on the first set of Mmin beams being not within the first set of K beams (e.g., the first set of Mmin beams comprising at least one beam which is not in the first set of K beams) , in response to the third set of beams (e.g., the beam set C) being a subset of the first set of beams (e.g., the beam set A) . Based on determining the second monitoring instance being not valid for beam prediction accuracy monitoring of the second set of K beams, the wireless device may not calculate beam prediction accuracy of the second set of K beams based on a comparison between the second set of K beams and a second set of Mmin beams, wherein the second set of Mmin beams is a subset of the second set of M beams.

[0099] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, in response to the first prediction instance being associated with (e.g., linked to) the first monitoring instance, the wireless device may determine the first monitoring instance being valid for beam prediction accuracy monitoring of the first set of K beams for the first prediction instance based on a number of overlapped beams between the third set of beams (e.g., the beam set C) and the first set of K beams being greater than or equal to a threshold value Mmin. In an example, a RRC message may configure / indicate the threshold value Mmin for both checking monitoring instance validity and calculating beam prediction accuracy, where 1≤Mmin<M. In response to the second prediction instance being associated with (e.g., linked to) the second monitoring instance, the wireless device may determine the second monitoring instance being not valid for beam prediction accuracy monitoring of the second set of K beams for the second prediction instance based on a number of overlapped beams between the third set of beams (e.g., the beam set C) and the second set of K beams being less than the threshold value Mmin. Based on determining the first monitoring instance being valid for beam prediction accuracy monitoring of the first set of K beams, the wireless device may determine / calculate beam prediction accuracy of the first set of K beams based on a comparison between the first set of K beams and a first set of Mmin beams. The first set of Mmin beams may be a subset of the first set of M beams. In an example, the wireless device may determine beam prediction of the first set of K beams being correct / accurate based on the first set of Mmin beams being within the first set of K beams (e.g., the first set of Mmin beams being same as the first set of K beams or the first set of Mmin beams being a subset of the first set of K beams) , in response to the third set of beams (e.g., the beam set C) being a subset of the first set of beams (e.g., the beam set A) . In an example, the wireless device may determine beam prediction of the first set of K beams being not correct / accurate (e.g., wrong / prediction error) based on the first set of Mmin beams being not within the first set of K beams (e.g., the first set of Mmin beams comprising at least one beam which is not in the first set of K beams) , in response to the third set of beams (e.g., the beam set C) being a subset of the first set of beams (e.g., the beam set A) . Based on determining the second monitoring instance being not valid for beam prediction accuracy monitoring of the second set of K beams, the wireless device may not calculate beam prediction accuracy of the second set of K beams based on a comparison between the second set of K beams and a second set of Mmin beams, wherein the second set of Mmin beams is a subset of the second set of M beams.

[0100] In an example of FIG. 12 and referring to FIG. 10 and FIG. 11, the wireless device may transmit, to the base station, the monitoring report indicating beam prediction accuracy of the NC monitoring instances associated with the monitoring report. The monitoring report may comprise a beam accuracy indicator (BAI) field for the indication of the beam prediction accuracy of the NC monitoring instances. In an example, the BAI field may comprise / indicate a first value NP. The first value NP may indicate a number of NP monitoring instances when the wireless device determines beam prediction being correct / accurate. The BAI field may comprise / indicate a second value NV. The second value NV may indicate a number of NV valid monitoring instances of the NC monitoring instances. The BAI field may comprise / indicate a third value NE. The third value NE may a number of NE monitoring instances when the wireless device determines beam prediction being not correct / accurate (e.g., wrong / prediction error) . In another example, the BAI field may comprise / indicate a value of NP / NV for the indication of the beam prediction accuracy of the NC monitoring instances associated with the monitoring report.

[0101] FIG. 13 illustrates examples of checking monitoring instance validity and calculating beam prediction accuracy using UE-sided AI / ML models. In FIG. 13 and referring to FIG. 12, a base station may configure to a wireless device a beam set A for beam prediction and a beam set C for beam prediction accuracy monitoring. The beam set A may comprise a beam 1, a beam 2, a beam 3, a beam 4, a beam 5, and a beam 6. A RS #1 may be configured to the beam 1, a RS #2 may be configured to the beam 2 and so on. The beam set C may comprise the beam 1, 3, and 5. The beam set C is a subset of the beam set A. The base station may configure to the wireless device a value K=3 indicating a number of predicted beams with largest predicted RSRPs among the beam set A. The base station may configure to the wireless device a value M=2 indicating a number of measured beams with largest measured RSRPs among the beam set C.

[0102] In an example of FIG. 13, for a prediction instance, a wireless device may determine a beam set K comprising the beam 3, 4, and 5 based on the beam 3, 4, and 5 having largest predicted RSRPs among the beam set A. The wireless device may determine a monitoring instance associated with the prediction instance being valid for beam prediction accuracy monitoring of the beam set K for the prediction instance based on a number of overlapped beams between the beam set K and the beam set C being greater than or equal to M (e.g., M=2 and two overlapped beams (beam 3 and 5) are in both the beam set K and the beam set C) . In an example, at a first monitoring instance associated with the prediction instance, the wireless device may select a first beam set M comprising the beam 3 and 5 based on the beam 3 and 5 having largest measured RSRPs among the beam set C at the first monitoring instance. The wireless device may determine beam prediction of the beam set K being correct / accurate based on the first beam set M being a subset of the beam set K at the first monitoring instance. In an example, at a second monitoring instance associated with the prediction instance, the wireless device may select a second beam set M comprising the beam 1 and 3 based on the beam 1 and 3 having largest measured RSRPs among the beam set C at the second monitoring instance. The wireless device may determine beam prediction of the beam set K being not correct / accurate (e.g., wrong / prediction error) based on the second beam set M comprising a beam (e.g., the beam 1) that is not in the beam set K at the second monitoring instance.

[0103] In another example of FIG. 13, the base station may configure a threshold value Mmin=1 to the wireless device. The threshold value Mmin may indicate a number of overlapped beams between a beam set M and the beam set K for calculating beam prediction accuracy. For a prediction instance, a wireless device may determine a beam set K comprising the beam 3, 4, and 5 based on the beam 3, 4, and 5 having largest predicted RSRPs among the beam set A. The wireless device may determine a monitoring instance associated with the prediction instance being valid for beam prediction accuracy monitoring of the beam set K for the prediction instance based on a number of overlapped beams between the beam set K and the beam set C being greater than or equal to M (e.g., M=2 and two overlapped beams (beam 3 and 5) are in both the beam set K and the beam set C) . In an example, at a first monitoring instance associated with the prediction instance, the wireless device may select a first beam set M comprising the beam 3 and 5 based on the beam 3 and 5 having largest measured RSRPs among the beam set C at the first monitoring instance. The wireless device may determine beam prediction of the beam set K being correct / accurate based on a number of overlapped beams between the first beam set M and the beam set K being greater than or equal to the threshold value Mmin (e.g., Mmin=1 and two overlapped beams (beam 3 and 5) are in both the beam set K and the first beam set M) . In an example, at a second monitoring instance associated with the prediction instance, the wireless device may select a second beam set M comprising the beam 1 and 3 based on the beam 1 and 3 having largest measured RSRPs among the beam set C at the second monitoring instance. The wireless device may determine beam prediction of the beam set K being correct / accurate based on a number of overlapped beams between the second beam set M and the beam set K being greater than or equal to the threshold value Mmin (e.g., Mmin=1 and 1 overlapped beam (beam 3) is in both the beam set K and the second beam set M) .

[0104] FIG. 14 illustrates examples of checking monitoring instance validity and calculating beam prediction accuracy using UE-sided AI / ML models. In FIG. 14 and referring to FIG. 13, a base station may configure to a wireless device a beam set A for beam prediction and a beam set C for beam prediction accuracy monitoring. The beam set A may comprise a beam 1, a beam 2, a beam 3, a beam 4, a beam 5, and a beam 6. A RS #1 may be configured to the beam 1, a RS #2 may be configured to the beam 2 and so on. The beam set C may comprise the beam 1, 3, and 5. The beam set C is a subset of the beam set A. The base station may configure to the wireless device a value K=3 indicating a number of predicted beams with largest predicted RSRPs among the beam set A. The base station may configure to the wireless device a value M=2 indicating a number of measured beams with largest measured RSRPs among the beam set C.

[0105] In an example of FIG. 14, for a prediction instance, a wireless device may determine a beam set K comprising the beam 4, 5, and 6 based on the beam 4, 5, and 6 having largest predicted RSRPs among the beam set A. The wireless device may determine a monitoring instance associated with prediction instance being not valid for beam prediction accuracy monitoring of the beam set K for the prediction instance based on a number of overlapped beams between the beam set K and the beam set C being less than M (e.g., M=2 and only one overlapped beam (beam 5) is in both the beam set K and the beam set C) . The wireless device may not calculate beam prediction accuracy of the beam set K based on the monitoring instance being associated with the prediction instance and the monitoring instance being not valid.

[0106] In another example of FIG. 14, the base station may configure a threshold value Mmin=1 to the wireless device. The threshold value Mmin may indicate a number of overlapped beams between a beam set M and the beam set K for both determining / checking monitoring instance validity and calculating beam prediction accuracy. For a prediction instance, a wireless device may determine a beam set K comprising the beam 4, 5, and 6 based on the beam 4, 5, and 6 having largest predicted RSRPs among the beam set A. The wireless device may determine a monitoring instance associated with the prediction instance being valid for beam prediction accuracy monitoring of the beam set K for the prediction instance based on a number of overlapped beams between the beam set K and the beam set C being greater than or equal to Mmin (e.g., Mmin=1 and one overlapped beam (beam 5) is in both the beam set K and the beam set C) . In an example, at a first monitoring instance associated with the prediction instance, the wireless device may select a first beam set M comprising the beam 3 and 5 based on the beam 3 and 5 having largest measured RSRPs among the beam set C at the first monitoring instance. The wireless device may determine beam prediction of the beam set K being correct / accurate based on a number of overlapped beams between the first beam set M and the beam set K being greater than or equal to the threshold value Mmin (e.g., Mmin=1 and one overlapped beam (beam 5) is in both the beam set K and the first beam set M) . In an example, at a second monitoring instance associated with the prediction instance, the wireless device may select a second beam set M comprising the beam 1 and 3 based on the beam 1 and 3 having largest measured RSRPs among the beam set C at the second monitoring instance. The wireless device may determine beam prediction of the beam set K being not correct / accurate (e.g., wrong / prediction error) based on a number of overlapped beams between the second beam set M and the beam set K being less than the threshold value Mmin (e.g., Mmin=1 and no overlapped beam is in both the beam set K and the second beam set M) .

[0107] FIG. 15 illustrates examples of association between a prediction instance and a monitoring instance using UE-sided AI / ML models. In an example of FIG. 15 and referring to FIG 10 to FIG. 12, a base station may configure a number of NC≥1 monitoring instances (e.g., monitoring samples, performance monitoring instances, RS transmission occasions of a beam set C) to a wireless device for beam prediction accuracy monitoring. The wireless device may measure RS resources transmitted via a beam set C at each of the NC monitoring instances. The wireless device may select a beam set M with largest measured RSRPs among the beam set C at the each of the NC monitoring instances. The RS resources measured at the NC monitoring instances may before a CSI reference resource of a CSI report. The CSI report may be a monitoring report indicating beam prediction accuracy at the NC monitoring instances. The NC monitoring instances may be associated with the monitoring report (e.g., the CSI report) . The wireless device may select / predict a beam set K for each prediction instance of one or more prediction instances. The each prediction instance of the one or more prediction instances may be associated with an inference report. In an example of BM-Case 1 using UE-sided AI / ML models, a prediction instance of an inference report may be a timing (e.g., a slot) of a CSI reference resource associated with the inference report. In an example of BM-Case 1 using UE-sided AI / ML models, a prediction instance of an inference report may be a timing (e.g., a slot) of a latest measured RS resource before a CSI reference resource associated with the inference report. In an example of BM-Case 2 using UE-sided AI / ML models, a prediction instance of an inference report may be a time instance (e.g., one of predicted future time instance) reported in (e.g., associated with) the inference report (e.g., 1st time instance, 2nd time instance in FIG. 11) . The one or more prediction instances may be associated with the NC monitoring instances. The wireless device may determine the association between the one or more prediction instances and the NC monitoring instances based on the beam set C being same as the beam set A or the beam set C being a subset of the beam set A. The wireless device may determine the association between the one or more prediction instances and the NC monitoring instances based on inference reports associated with the one or more prediction instances having a report ID of the monitoring report associated with the NC monitoring instances.

[0108] In an example of FIG. 15 and referring to FIG 10 to FIG. 12, the wireless device may determine whether a monitoring instance being valid or not for beam prediction accuracy monitoring of a prediction instance associated with the monitoring instance based on a time duration around the monitoring instance, a time distance between the monitoring instance and the prediction instance, a CSI reference resource of a monitoring report associated with the monitoring instance, and / or a RSRP difference between a predicted RSRP of a beam (e.g., in the beam set K) and a measured RSRP of the beam (e.g., in the beam set M) . For example, the wireless device may determine a first monitoring instance (e.g., 1st monitoring instance filled with upward diagonal in FIG. 15) of the NC monitoring instances being not valid for beam prediction accuracy monitoring of the first prediction instance (e.g., 1st prediction instance without fill in FIG. 15) based on the first prediction instance being associated with the first monitoring instance and the first prediction instance being not within a time duration around the first monitoring instance. For example, the wireless device may determine a second monitoring instance (e.g., 2nd monitoring instance filled with upward diagonal in FIG. 15) of the NC monitoring instances being valid for beam prediction accuracy monitoring of the second prediction instance (e.g., 2nd prediction instance without fill in FIG. 15) based on the second prediction instance being associated with the second monitoring instance, the second prediction instance being within a time duration around the second monitoring instance, and the second prediction instance being closer to the second monitoring instance compared to the first prediction instance within the time duration around the second monitoring instance. For example, the wireless device may determine a third monitoring instance (e.g., 3rd monitoring instance filled with upward diagonal in FIG. 15) of the NC monitoring instances being not valid for beam prediction accuracy monitoring of the third prediction instance (e.g., 3rd prediction instance without fill in FIG. 15) based on the third prediction instance being associated with the third monitoring instance, the third prediction instance being within a time duration around the third monitoring instance, and the third prediction instance being after the CSI reference resource of the monitoring report (e.g., the CSI report) associated with the third monitoring instance.

[0109] FIG. 16 illustrates an example of reporting beam prediction accuracy of predicted beams using UE-sided AI / ML models. In an example of FIG. 16 and referring to FIG. 12, a base station may transmit to a wireless device one or more RRC messages configuring a beam set A for beam prediction / selection, a beam set B to predict / select one or more beams from the beam set A, a value K indicating a number of predicted beams to be reported / included for a prediction instance of an inference report, a value NC indicating a number of monitoring instances (e.g., or monitoring samples, monitoring time instances, performance monitoring instances) associated with a monitoring report, a beam set C for performance monitoring at the NC monitoring instances, a value M indicating a number of measured beams with largest measured RSRPs among the beam set C, and / or a value N indicating a number of time instances (e.g., N future time instances) to be reported / included in a report of inference results.

[0110] In an example of FIG. 16 and referring to FIG. 12, the wireless device may select / predict, from the beam set A, a set of K beams having largest predicted RSRPs among the beam set A for a prediction instance. The wireless device may select, from the beam set C, a set of M beams having largest measured RSRPs among the beam set C at a monitoring instance. The monitoring instance may be associated with the prediction instance. In response to a number of overlapped beams between the beam set C and the beam set K being greater than or equal to the value M, the wireless device may determine / calculate beam prediction accuracy of the beam set K for the prediction instance based on a comparison between the beam set K and the beam set M.

[0111] In an example, the wireless device may determine beam prediction of the beam set K being correct / accurate based on the beam set M being within the beam set K, when the beam set C is a subset of the beam set A. In an example, the wireless device may determine beam prediction of the beam set K being not correct / accurate (e.g., wrong / prediction error) based on the beam set M being not within the beam set K, when the beam set C is a subset of the beam set A.

[0112] In an example of FIG. 16 and referring to FIG. 12, the wireless device may transmit, to the base station, the monitoring report indicating beam prediction accuracy of the NC monitoring instances associated with the monitoring report.

[0113] FIG. 17 illustrates an example of reporting beam prediction accuracy of predicted beams using UE-sided AI / ML models. In an example of FIG. 17 and referring to FIG. 10 to FIG. 16, a base station may transmit to a wireless device one or more RRC messages configuring a beam set A for beam prediction / selection, a beam set B to predict / select one or more beams from the beam set A, a value K indicating a number of predicted beams to be reported / included for a prediction instance of an inference report, a value NC indicating a number of monitoring instances (e.g., or monitoring samples, monitoring time instances, performance monitoring instances) associated with a monitoring report, a beam set C for performance monitoring at the NC monitoring instances, a value M indicating a number of measured beams with largest measured RSRPs among the beam set C, and / or a value N indicating a number of time instances (e.g., N future time instances) to be reported / included in a report of inference results.

[0114] In an example of FIG. 17, the wireless device may determine beam prediction accuracy of a beam set K (e.g., with largest predicted RSRPs among the beam set A) for a prediction instance based on a comparison of the value M and the value K. The wireless device may determine to perform beam prediction accuracy monitoring and reporting following FIG. 12 (e.g., a Top-M / K rule) based on M≤K. The wireless device may determine to perform prediction accuracy monitoring and reporting following a Top-K / M rule based on M>K. In an example pf the Top-K / M rule, the wireless device may determine a monitoring instance being valid for beam prediction accuracy monitoring of the beam set K for the prediction instance associated with the monitoring instance based on the beam set K being a subset of a beam set M (e.g., with largest measured RSRPs among the beam set C at the monitoring instance) . The wireless device may determine the monitoring instance being valid for beam prediction accuracy monitoring of the beam set K further based on the beam set K comprising a beam of the beam set M, where the beam has the largest measured RSRP (e.g., top-1 beam) among the beam set M. The wireless device may transmit, to the base station, the monitoring report indicating beam prediction accuracy of the NC monitoring instances associated with the monitoring report.

[0115] In an example, a wireless device may determine a monitoring instance being valid for beam prediction accuracy monitoring of a prediction instance associated with the monitoring instance based on a beam of a beam set K (e.g., associated with the prediction instance) being within a beam set M (e.g., associated with the monitoring instance) , and a RSRP difference between a predicted RSRP of the beam and a measured RSRP of the beam being less than or equal to an RSRP threshold value. The determining of the monitoring instance being valid may be further based on the beam having the largest measured RSRP among the beam set M and / or the beam having the largest predicted RSRP among the beam set K. An RRC message may comprise / indicate the RSRP threshold value to the wireless device.

[0116] In an example, a wireless device may determine a monitoring instance being not valid for beam prediction accuracy monitoring of a prediction instance associated with the monitoring instance based on a beam of a beam set K (e.g., associated with the prediction instance) being within a beam set M (e.g., associated with the monitoring instance) , and a RSRP difference between a predicted RSRP of the beam and a measured RSRP of the beam being larger than an RSRP threshold value. The determining of the monitoring instance being not valid may be further based on the beam having the largest measured RSRP among the beam set M and / or the beam having the largest predicted RSRP among the beam set K. An RRC message may comprise / indicate the RSRP threshold value to the wireless device.

[0117] In an example, a wireless device may determine beam prediction of a beam set K (e.g., for a prediction instance) being correct / accurate based on a beam of the beam set K being within a beam set M (e.g., of a monitoring instance associated with the prediction instance) , and a RSRP difference between a predicted RSRP of the beam and a measured RSRP of the beam being less than or equal to an RSRP threshold value. The determining of the beam prediction of the beam set K being correct / accurate may be further based on the beam having the largest measured RSRP among the beam set M and / or the beam having the largest predicted RSRP among the beam set K. An RRC message may comprise / indicate the RSRP threshold value to the wireless device.

[0118] In an example, a wireless device may determine beam prediction of a beam set K (e.g., for a prediction instance) being not correct / accurate (e.g., wrong / prediction error) based on a beam of the beam set K being within a beam set M (e.g., of a monitoring instance associated with the prediction instance) , and a RSRP difference between a predicted RSRP of the beam and a measured RSRP of the beam being larger than an RSRP threshold value. The determining of the beam prediction of the beam set K being not correct / accurate (e.g., wrong / prediction error) may be further based on the beam having the largest measured RSRP among the beam set M and / or the beam having the largest predicted RSRP among the beam set K. An RRC message may comprise / indicate the RSRP threshold value to the wireless device.

Claims

1.A method comprising:receiving, by a wireless device from a base station, a message configuring:a first set of beams for beam prediction; anda second set of beams being a subset of the first set of beams;predicting, from the first set of beams, a first number of beams having largest predicted reference signal received powers (RSRPs) among the first set of beams;selecting, from the second set of beams and for a monitoring instance, a second number of beams having largest measured RSRPs among the second set of beams;in response to the second number being less than or equal to the first number, determining the monitoring instance being valid for beam prediction accuracy monitoring of the first number of beams based on:a number of overlapped beams between the second set of beams and the first number of beams being greater than or equal to the second number; andthe first number of beams being associated with the second number of beams; andtransmitting, to the base station, a report indicating the beam prediction accuracy of the predicted first number of beams for the monitoring instance.2.A method comprising:selecting, by a wireless device and from a first set of beams, a first number of beams for a monitoring instance based on the first number of beams having largest measured reference signal received powers (RSRPs) among the first set of beams;determining, based on a number of overlapped beams between the first set of beams and a second number of beams being greater than or equal to the first number, the monitoring instance being valid for beam prediction accuracy monitoring of the second number of beams; andtransmitting a report indicating the beam prediction accuracy of the second number of beams for the monitoring instance.3.The method of claim 2, further comprising receiving one or more radio resource control (RRC) messages comprising configuration parameters indicating:the first set of beams; anda second set of beams for beam prediction, wherein the first set of beams is a subset of the second set of beams.4.The method of claim 3, further comprising predicting, from the second set of beams, the second number of beams having largest predicted RSRPs among the second set of beams.5.The method of claim 4, wherein the determining is further based on the first number of beams being associated with the second number of beams.6.The method of claim 5, wherein the one or more RRC messages further indicates:the first number; andthe second number indicating a number of predicted beams for a prediction instance of an inference report, wherein the second number is greater than or equal to the first number.7.The method of claim 6, further comprising determining beam prediction of the second number of beams for the monitoring instance being accurate based on a number of overlapped beams between the first number of beams and the second number of beams being equal to the first number.8.The method of claim 6, wherein the one or more RRC messages further indicates a threshold value for calculating beam prediction accuracy.9.The method of claim 8, wherein the threshold value is less than or equal to the first number.10.The method of claim 9, further comprising determining beam prediction of the second number of beams for the monitoring instance being accurate based on a number of overlapped beams between the first number of beams and the second number of beams being greater than or equal to the threshold value.11.The method of claim 5, wherein the report comprises a beam accuracy indicator (BAI) field for the indication of the beam prediction accuracy of the second number of beams for the monitoring instance.12.The method of claim 11, wherein the BAI field indicates whether beam prediction of the second number of beams for the monitoring instance being accurate or not.13.The method of claim 11, wherein the BAI field indicates a number of accurate predictions of the second number of beams associated with one or more valid monitoring instances of the report.14.The method of claim 13, wherein the BAI field further indicates a number of the one or more valid monitoring instances of the report.15.The method of claim 5, further comprising determining the first number of beams being associated with the second number of beams based on:an inference report indicating the second number of beams having a first report identity (ID) ; andthe report associated with the monitoring instance having a second report ID, wherein the first report ID is associated with the second report ID.16.The method of claim 5, further comprising determining the first number of beams being associated with the second number of beams based on the first set of beams being the subset of the second set of beams.17.The method of claim 5, further comprising determining the first number of beams being associated with the second number of beams based on a prediction instance of the second number of beams being linked to the monitoring instance of the first number of beams.18.The method of claim 17, wherein the prediction instance of the second number of beams indicates a timing of a channel state information (CSI) reference resource of an inference report, the inference report indicates the second number of beams.19.The method of claim 17, wherein the prediction instance of the second number of beams indicates a future time instance associated with the second number of beams.20.The method of claim 5, wherein the determining the monitoring instance being valid is based on a prediction instance of the second number of beams being a closet prediction instance of the monitoring instance in time domain.21.The method of claim 20, wherein the determining the monitoring instance being valid is based on the prediction instance of the second number of beams being within a time duration of the monitoring instance.22.The method of claim 20, wherein the determining the monitoring instance being valid is based on the prediction instance of the second number of beams being no later than a channel state information (CSI) reference resource of the report associated with the monitoring instance.23.The method of claim 20, wherein the determining the monitoring instance being valid is based on:a beam with a predicted RSRP being one of the second number of beams;the beam with a measured RSRP being one of the first number of beams; anda difference between the predicted RSRP and the measured RSRP being less than or equal to an RSRP threshold value.24.The method of claim 23, wherein the beam has the largest measured RSRP among the first number of beams.25.The method of claim 5, wherein the predicting the second number of beams is based on outputs of an artificial intelligence machine learning (AI / ML) model.26.A wireless device comprising:one or more processors; andmemory storing instructions that, when executed by the one or more processors, cause the wireless device to perform the method of any one of claims 1 to 25.27.A non-transitory computer-readable storage medium comprising instructions that, when executed by one or more processors, cause the one or more processors to perform the method of any one of claims 1 to 25.28.A system comprising:a base station comprising one or more first processors; and first memory storing first instructions that, when executed by the one or more first processors, cause the base station to:receive a report indicating beam prediction accuracy of a second number of beams for a monitoring instance; anda wireless device comprising one or more second processors; and second memory storing second instructions that, when executed by the one or more second processors, cause the wireless device to:select, from a first set of beams, a first number of beams for the monitoring instance based on the first number of beams having largest measured reference signal received powers (RSRPs) among the first set of beams;determine, based on a number of overlapped beams between the first set of beams and a second number of beams being greater than or equal to the first number, the monitoring instance being valid for beam prediction accuracy monitoring of the second number of beams; andtransmit the report.29.A method comprising:selecting, by a wireless device and from a first set of beams, a first number of beams based on the first number of beams having largest measured reference signal received powers (RSRPs) among a first set of beams;determining, using the first number of beams, beam prediction accuracy of a second number of beams based on:a number of overlapped beams between the first set of beams and the second number of beams being greater than or equal to the first number; andthe second number of beams being associated with the first number of beams; andtransmitting a report indicating the beam prediction accuracy of the second number of beams.30.A method comprising:receiving, by a wireless device from a base station, a message configuring:a first value indicating a number of beams in a first set of measured beams; anda second value indicating a number of beams in a second set of predicted beams, wherein the first set of measured beams is associated with (e.g., ID) the second set of predicted beams;determining beam prediction accuracy of the second set of predicted beams based on one of:in response to the first value being less than or equal to the second value, the second set of predicted beams comprising the first set of measured beams; orin response to the first value being greater than the second value:the first set of measured beams comprising the second set of predicted beams; andthe second set of predicted beams comprising a beam of the first set of measured beams with a largest measured reference signal received power (RSRP) ; andtransmitting, to the base station, a report indicating the beam prediction accuracy of the second set of predicted beams.

Images