Methods, apparatus and systems for frequency-segmented compression and sharing

Abstract

Aspects of the present disclosure provide methods, devices and systems for transmission from a network device to a terminal device of a subset of codewords for a first bandwidth and information pertaining to a model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth. For each of the first bandwidth and the at least one second bandwidth, the network device may transmit to the terminal device, a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the respective subsets of codewords for the first bandwidth and the at least one second bandwidth. The terminal device may then reconstruct channel data based on the received subset of codewords for the first bandwidth, the information pertaining to the model, and the sets of coefficients for the first bandwidth and the at least one second bandwidth.

Description

METHODS, APPARATUS AND SYSTEMS FOR FREQUENCY-SEGMENTED COMPRESSION AND SHARINGRELATED APPLICATION

[0001] The present application is related to, and claims priority to, United States provisional patent application Serial No. 63 / 777,495, entitled “METHODS, APPARATUS AND SYSTEMS FOR FREQUENCY-SEGMENTED COMPRESSION AND SHAPING” , filed on March 25, 2025, the entire contents of which are hereby incorporated by reference.TECHNICAL FIELD

[0002] The present disclosure relates generally to wireless communications, and in particular to methods and apparatuses to enable frequency segmented compression and sharing.BACKGROUND

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

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

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

[0006] Some aspects of the present disclosure utilize Least Absolute Shrinkage and Selection Operator (LASSO) on Segmented Data Subsets whihch may enhance compression granularity by tuning each sub-band's dictionary, which may result in lowering overhead while retaining local fidelity.

[0007] Some aspects of the present disclosure utilize unified dictionary codebook ranking, which may allow advanced cross-segment analysis (e.g., Dynamic Mode Decomposition (DMD) ) by maintaining consistent codeword indexing, which may enable simpler and more accurate mode extraction.

[0008] Some aspects of the present disclosure may utilize DMD on segmented dictionaries or codebooks in order to captures correlated spatial / temporal / delay variations across multiple sub-bands, which may improve reconstruction accuracy without exponentially increasing overhead.

[0009] Some aspects of the present disclosure may provide protocol and signaling enhancements that may ensure interoperability across multi-vendor communication systems (an example of which may be a 6G communication system) by defining clear radio resource control / media access control / physical layer (RRC / MAC / PHY) procedures for dictionary or codeword transmission, DMD parameters, and partial updates.

[0010] Some aspects of the present disclosure may enable adaptive updates in order to dynamically recalculate segmentation and dictionaries or codebooks under changing conditions (such as, but not limited to bandwidth allocation, channel environment) , which may maintain efficient compression.

[0011] According to a first aspect, there is provided a method including: receiving a subset of codewords for a first bandwidth and information pertaining to a model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth; for each of the first bandwidth and the at least one second bandwidth, receiving a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the respective subsets of codewords for the first bandwidth and the at least one second bandwidth.

[0012] In some examples, the method further includes transmitting channel state information, wherein the channel state information is derived based on the received subset of codewords for the first bandwidth, the information pertaining to the model, and the sets of coefficients for the first bandwidth and the at least one second bandwidth.

[0013] In some examples, the method further includes reconstructing channel data, wherein the channel data is derived based on the received subset of codewords for the first bandwidth, the information pertaining to the model, and the sets of coefficients for the first bandwidth and the at least one second bandwidth.

[0014] In some examples, the method further includes receiving configuration information pertaining to the model comprising one or more of: a number of bandwidths in a resource bandwidth including the first bandwidth and the at least one second bandwidth; a number of parameters of the model; and an indication of the sparsity of the sparse representation.

[0015] In some examples, the model is a based on a Dynamic Mode Decomposition (DMD) .

[0016] In some examples, the method further includes: transmitting a request for receiving a subset of codewords of a codebook for the resource bandwidth.

[0017] In some examples, the request indicates a size of the subset of codewords.

[0018] In some examples, the request is made based on the processing capability of a terminal device.

[0019] In some examples, the method further includes receiving an indication of a size of the subset of codewords for the first bandwidth.

[0020] In some examples, the method further includes receiving information pertaining to at least one of: a size of the transmission resource bandwidth including the first bandwidth and the at least one second bandwidth; and a total number of bandwidths including the first bandwidth and the at least one second bandwidth.

[0021] In some examples, the method further includes transmitting at least one of: an indication of whether a terminal device is capable of performing compression of feedback information requested by a network device; and an indication of whether a subset of codewords for the first bandwidth or the at least one second bandwidth should be transmitted to a terminal device or the terminal device knows the subsets of codewords.

[0022] In some examples, the method further includes receiving one or more of: information pertaining to segmenting of the resource bandwidth into the first bandwidth and the at least one second bandwidth; codeword indices for codewords included in the subset of codewords; and information pertaining to a transformation or transform type applied to subsets of codewords of the first bandwidth and the at least one second bandwidth.

[0023] In some examples, the method further includes receiving one or more of: updated subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth; reordered subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth; and an indication to change from a first bandwidth segmentation to a second bandwidth segmentation.

[0024] In some examples, when a transform has been applied to the codewords in the subset of codewords for the first bandwidth or the at least one second bandwidth, the method further comprises receiving an identification of the transform.

[0025] In some examples, the transform is a linear transform or a non-linear transform.

[0026] In some examples, the method further includes performing a reverse of the transform to obtain the subset of codewords in an untransformed state.

[0027] In some examples, the method further includes transmitting an indication of capability to perform at least one of transforms and artificial intelligence-based compression methods.

[0028] In some examples, the method further includes transmitting a request for a revised version of the codebook.

[0029] In some examples, the method further includes receiving any one of: an updated subset of codewords for the first bandwidth; updated information pertaining to the model; andupdated information pertaining to the sets of coefficients for the first bandwidth and the at least one second bandwidth.

[0030] In some examples, signaling is transmitted or received using radio resource control (RRC) signaling or media access control (MAC) signaling.

[0031] In some examples, the reduced dimensionality of the subset of codewords is obtained by using one of: QR decomposition; singular value decomposition (SVD) ; or an artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.

[0032] In some examples, the subset of codewords of the first bandwidth is ordered based on significance.

[0033] According to a second aspect, there is provided a method including: transmitting a subset of codewords for a first bandwidth and information pertaining to a model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth; for each of the first bandwidth and the at least one second bandwidth, receiving a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the respective subsets of codewords for the first bandwidth and the at least one second bandwidth.

[0034] In some examples, the method further includes receiving channel state information, wherein the channel state information is derived based on the subset of codewords for the first bandwidth, the information pertaining to the model, and the sets of coefficients for the first bandwidth and the at least one second bandwidth.

[0035] In some examples, the method further includes segregating a transmission resource bandwidth into the first bandwidth and at least one second bandwidth.

[0036] In some examples, the method further includes constructing the subset of codewords for the first bandwidth.

[0037] In some examples, the constructing the subset of codewords for the first bandwidth is based on one or more of: channel bandwidth conditions; computational power of a UE when processing the subset of codewords; and channel quality.

[0038] In some examples, the method further includes ordering codewords in the subset of codewords for the first bandwidth.

[0039] In some examples, the ordering is based on significance.

[0040] In some examples, the method further includes ordering codewords in the subset of codewords for the at least one second bandwidth based on the ordering of the subset of codewords for the first bandwidth.

[0041] In some examples, the method further includes for each of the first bandwidth and the at least one second bandwidth, constructing the set of coefficients corresponding to a channel sparse representation based on the reduced dimensionality of the respective subsets of codewords for the first bandwidth and the at least one second bandwidth.

[0042] In some examples, the method further includes determining the model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth.

[0043] In some examples, the method further includes transmitting configuration information pertaining to the model comprising one or more of: a number of bandwidths including the first bandwidth and the at least one second bandwidth; a number of parameters of the model; and an indication of the sparsity of the sparse representation.

[0044] In some examples, the model is a based on a DMD.

[0045] In some examples, the method further includes transmitting information pertaining to at least one of: a size of the transmission resource bandwidth including the first bandwidth and the at least one second bandwidth; and a total number of bandwidths including the first bandwidth and the at least one second bandwidth.

[0046] In some examples, the method further includes receiving at least one of: an indication of whether a terminal device is capable of performing compression of feedback information requested by a network device; and an indication of whether a subset of codewords for the first bandwidth or the at least one second bandwidth should be transmitted to a terminal device or the terminal device knows the subsets of codewords.

[0047] In some examples, the method further includes transmitting one or more of: information pertaining to segmenting of the resource bandwidth into the first bandwidth and the at least one second bandwidth; codeword indices for codewords included in the subset of codewords; and information pertaining to a transformation or transform type applied to subsets of codewords of the first bandwidth and the at least one second bandwidth.

[0048] In some examples, the method further includes transmitting one or more of: updated subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth; reordered subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth; and an indication to change from a first bandwidth segmentation to a second bandwidth segmentation.

[0049] In some examples, the method further includes transforming codewords in the codebook for the first bandwidth or the at least one second bandwidth using a transform.

[0050] In some examples, the method further includes: transmitting an identification of the transform.

[0051] In some examples, the transformation is a linear transformation or a non-linear transformation.

[0052] In some examples, the method further includes receiving a request for receiving a subset of codewords of a codebook for the resource bandwidth.

[0053] In some examples, the request indicates a size of the subset of codewords.

[0054] In some examples, the request is made based on the processing capability of a terminal device.

[0055] In some examples, the method further includes transmitting an indication of a size of the subset of codewords for the first bandwidth.

[0056] In some examples, the method further includes receiving an indication of capability to perform at least one of transforms and artificial intelligence-based compression methods.

[0057] In some examples, the method further includes receiving a request for a revised version of the codebook.

[0058] In some examples, the method further includes receiving any one of: an updated subset of codewords for the first bandwidth; updated information pertaining to the model; and updated information pertaining to the sets of coefficients for the first bandwidth and the at least one second bandwidth.

[0059] In some examples, signaling is transmitted or received using RRC signaling or MAC signaling.

[0060] In some examples, the reduced dimensionality of the subset of codewords is obtained by using one of: QR decomposition; SVD; or an artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.

[0061] According to another aspect, there is provided an apparatus including: a processor; and a computer-readable medium having stored thereon, computer-executable instructions that, when executed, cause the apparatus to perform the method as described above or detailed below.

[0062] According to another aspect, there is provided an apparatus including: a module for implementing the method the method as described above or detailed below.

[0063] According to another aspect, there is provided non-transitory computer-readable storage medium, wherein the computer-readable storage medium stores computer-executable instructions that, when executed by a processor of an apparatus, enable the apparatus to perform the method as described above or detailed below.

[0064] According to a third aspect, a communication apparatus is described. The communication apparatus has a function of implementing the first aspect. For example, the communication apparatus includes a corresponding module, unit, or means for performing operations in the first aspect. The module, unit, or means may be specifically implemented by using software, may be implemented by using hardware, or may be implemented by using software in combination with hardware.

[0065] According to a fourth aspect, a communication apparatus is described. The communication apparatus has a function of implementing the second aspect. For example, the communication apparatus includes a corresponding module, unit, or means for performing operations in the second aspect. The module, unit, or means may be specifically implemented by using software, may be implemented by using hardware, or may be implemented by using software in combination with hardware.

[0066] According to a fifth aspect, another communication apparatus is described. The communication apparatus includes a memory and one or more processors. The memory is configured to store a part or all of a necessary computer program or instructions for implementing a function in the first aspect. The one or more processors may execute the computer program or the instructions, and when the computer program or the instructions is / are executed, the communication apparatus is enabled to implement the method in any possible design or implementation of the first aspect.

[0067] According to a sixth aspect, another communication apparatus is described. The communication apparatus includes a memory and one or more processors. The memory is configured to store a part or all of a necessary computer program or instructions for implementing a function in the second aspect. The one or more processors may execute the computer program or the instructions, and when the computer program or the instructions is / are executed, the communication apparatus is enabled to implement the method in any possible design or implementation of the first aspect.

[0068] In some implementations, the communication apparatus may further include an interface circuit, and the processor is configured to communicate with another apparatus or component through the interface circuit.

[0069] In some implementations, the communication apparatus may further include the memory.

[0070] The communication apparatus may be a terminal, a module in a terminal, or a chip responsible for a communication function in a terminal, for example, a modem chip (also referred to as a baseband chip) or an SoC chip or an SIP chip that includes a modem module.

[0071] According to a seventh aspect, a communication system is described. The communication system includes a processor and a computer-readable medium having stored thereon, computer executable isntructions that, when exectued, cause the system to perform the methods as any one of the possible designs of the first aspect or second aspect.

[0072] According to an eighth aspect, a computer-readable storage medium is described. The computer-readable storage medium stores computer-readable instructions, and when a computer reads and executes the computer-readable instructions, the computer is enabled to perform the method in any one of the possible designs of the first aspect or second aspect.

[0073] According to a ninth aspect, this application provides a computer program product. When a computer reads and executes the computer program product, the computer is enabled to perform the method in any one of the possible designs of the first aspect or second aspect.

[0074] According to a tenth aspect, this application provides a system including at least one of an apparatus at a UE of the present application, or an apparatus at a network device of the present application.

[0075] According to an eleventh aspect, this application provides a method performed by a system including at least one of an apparatus at a UE of the present application, and an apparatus at a network device of the present application.

[0076] This application encompasses various implementations, including not only method implementations, but also other implementations such as apparatus implementations and implementations related to non-transitory computer readable storage media. implementations may incorporate, individually or in combinations, the features disclosed herein.BRIEF DESCRIPTION OF THE DRAWINGS

[0077] For a more complete understanding of the present implementations, and the advantages thereof, reference is now made, by way of example, to the following descriptions taken in conjunction with the accompanying drawings, in which:

[0078] FIG. 1 is a schematic diagram of a communication system in which the present disclosure may occur.

[0079] FIG. 2 is another schematic diagram of a communication system in which the present disclosure may occur.

[0080] FIG. 3 is a block diagram illustrating units or modules in a device in which the present disclosure may occur.

[0081] FIG. 4 is a block diagram illustrating units or modules in a device in which the present disclosure may occur.

[0082] FIG. 5 is a block diagram illustrating units or modules in a device in which the present disclosure may occur.

[0083] FIG. 6 is a schematic diagram illustrating multiple steps of an example method in accordance with aspects of the present disclosure.

[0084] FIG. 7 is a schematic diagram illustrating re-ordering a codebook Ψi based on codeword typicalness in accordance with aspects of the present disclosure.

[0085] FIG. 8 is a schematic diagram illustrating multiple steps of another example method in accordance with aspects of the present disclosure.

[0086] FIG. 9 is a schematic diagram illustrating multiple steps of a method corresponding to that of FIG. 8 in which Sub-band dictionaries (or codebooks) are generated by LASSO method and the model over sub-band dictionaries is Dynamic Mode Decomposition (DMD) according to a first aspect of the present disclosure.

[0087] FIG. 10A is a block diagram of dictionary or codebook reordering in accordance with aspects of the present disclosure.

[0088] FIG. 10B is a signal flow diagram for signalling between a network node and a terminal device illustrating dictionary or codebook reordering in accordance with aspects of the present disclosure.

[0089] FIG. 11 is a signal flow diagram for signalling between a network node and a terminal device illustrating a messaging sequence for Frequency Segmentation and the use of DMD in accordance with aspects of the present disclosure.

[0090] FIG. 12 is a description of contents of a system information block (SIB) according to an aspect of the present disclosure.

[0091] FIG. 13 is a description of contents of a signaling message according to an aspect of the present disclosure.

[0092] FIG. 14 is a description of contents of another signaling message according to an aspect of the present disclosure.

[0093] FIG. 15 is a description of contents of a signaling message according to an aspect of the present disclosure.

[0094] FIG. 16 is a signal flow diagram for signaling between a network node and a terminal device according to an aspect of the present disclosure.DETAILED DESCRIPTION

[0095] For illustrative purposes, specific example implementations will now be explained in greater detail below in conjunction with the figures.

[0096] The implementations and examples set forth herein represent information sufficient to practice the claimed subject matter and illustrate ways of practicing such subject matter. Upon reading the following description in light of the accompanying figures, those of skill in the art will understand the concepts of the claimed subject matter and will recognize applications of these concepts not particularly addressed herein. It should be understood that these concepts and applications fall within the scope of the disclosure and the accompanying claims.

[0097] Moreover, it will be appreciated that any module, component, or device disclosed herein that executes instructions may include or otherwise have access to a non-transitory computer / processor readable storage medium or media for storage of information, such as computer / processor readable instructions, data structures, program modules, and / or other data. A non-exhaustive list of examples of non-transitory computer / processor readable storage media includes magnetic cassettes, magnetic tape, magnetic disk storage or other magnetic storage devices, optical disks such as compact disc read-only memory (CD-ROM) , digital video discs or digital versatile discs (i.e. DVDs) , Blu-ray DiscTM, or other optical storage, volatile and non-volatile, removable and non-removable media implemented in any method or technology, random-access memory (RAM) , read-only memory (ROM) , electrically erasable programmable read-only memory (EEPROM) , flash memory or other memory technology. Any such non-transitory computer / processor storage media may be part of a device or accessible or connectable thereto. Computer / processor readable / executable instructions to implement an application or module described herein may be stored or otherwise held by such non-transitory computer / processor readable storage media.

[0098] FIGS. 1, 2, 3, 4, and 5 following below provide context for a network and devices that may be in the network and that may implement aspects of the present disclosure.

[0099] FIG. 1 is a schematic illustration of an example communication system according to an implementation of the present disclosure. There is shown a communication system 100 that includes a radio access network (RAN) 120, one or more communication electronic devices (EDs) 10a, 110b, 110c, 110d, 110e, 110f, 110g, 110h, 110i, 110j (collectively referred to as 110) , a core network 130, a Public Switched Telephone Network (PSTN) 140, the Internet 150, and other networks 160. The RAN 120 may include, but is not limited to, a future generation RAN, or a legacy RAN such as, but not limited to, 5th generation (5G) , 4th generation (4G) , 3rd generation (3G) or 2nd generation (2G) radio access network. The RAN 120 may be, for example, an Evolved Universal Mobile Telecommunications System (UMTS) Terrestrial Radio Access Network (E-UTRAN) , a NextGen RAN (NG RAN) , or some other type of RAN. Examples of RAN 120 based on the evolution of telecommunications standards include, but are not limited to, GSM (Global System for Mobile Communications) and CDMA (Code Division Multiple Access) for 2G, UMTS (Universal Mobile Telecommunications System) based on WCDMA (Wideband Code Division Multiple Access) and CDMA2000 for 3G, LTE (Long-Term Evolution) and WiMAX (Worldwide Interoperability for Microwave Access) for 4G, and NR (New Radio) for 5G. In some implementations, The RAN 120 may use any radio access technology (RAT) in the wireless interface between the one or more EDs 110 and the RAN 120. In some implementations, the term “radio access” may refer to the future generation air interface standards which may include both terrestrial networks (TNs) and non-terrestrial networks (NTNs) . These networks will be described in greater detail below in conjunction with various implementations. The one or more communication EDs 110 (also referred to as “user equipment” ) are configured to connect (e.g., communicatively couple) with each other or to one or more network nodes 170a, 170b (collectively referred to as 170) in the RAN 120. The core network (CN) 130 is a part of the communication system 100 and consists of network nodes (e.g., 170a, 170b) which provide support for the network features and telecommunication services. In some implementations, the CN 130 may be dependent on the RAT used in the communication system 100. In other implementations, the CN 130 may be access-agnostic, i.e., the CN 130 may be independent of the RAT used in the communication system 100. There are different types of CN 130, for different 3rd Generation Partnership Project (3GPP) system generations. For example, the CN 130 is the Evolved Packet Core (EPC) in 4G, also known as the Evolved Packet System (EPS) . In another example, the CN 130 is the 5G Core (5GC) which was developed as part of the 5G System (5GS) . The CN 130 also enables integration of different 3GPP and non-3GPP access types. In some implementations and referring to FIG. 1, the CN 130 also provides the interface towards external networks that may include the PSTN 140, the Internet 150, and other networks 160 in the communication system 100.

[0100] In general, the communication system 100 facilitates interaction between multiple wireless or wired elements. The communication system 100 may transmit different types of content, such as voice, data, video, and / or text, through different transmission methods such as, but not limited to, broadcast, multicast, groupcast, and unicast. Additionally, the communication system 100 operates by allocating and / or sharing resources, such as carrier spectrum bandwidth, among its constituent elements.

[0101] The communication system 100 may provide a wide range of communication services and applications including, but not limited to, Enhanced Mobile Broadband (eMBB) services, Ultra-Reliable Low-Latency Communication (URLLC) services, Massive Machine Type Communication (mMTC) services, Integrated Sensing And Communication (ISAC) , immersive communication, Ultra-massive Machine-Type Communication (uMTC) , hyper reliable and low-latency communication, ubiquitous connectivity, integrated AI and communication, and other services that can be provided by a future generation communication system. The communication system 100 may provide other services and applications such as, but not limited to, earth monitoring, remote sensing, passive sensing and positioning, navigation and tracking, autonomous delivery and mobility and the like.

[0102] The communication system 100 may include a terrestrial communication system (or network) and / or a non-terrestrial communication system (or network) . The communication system 100 may provide a high degree of availability and robustness through a joint operation of the terrestrial communication system and the non-terrestrial communication system. For example, integrating a non-terrestrial communication system (or components thereof) into a terrestrial communication system can result in a heterogeneous network comprising multiple layers. The heterogeneous network may achieve better overall performance through efficient multi-link joint operation, more flexible functionality sharing, and faster physical layer link switching between terrestrial networks and non-terrestrial networks. The terrestrial communication system and the non-terrestrial communication system could be considered as sub-systems of the communication system 100.

[0103] FIG. 2 illustrates another example communication system 100 according to an implementation of the present disclosure, there is shown the communication system 100 includes EDs 110a, 110b, 110c, 110d (collectively referred to as ED 110) , RANs 120a, 120b, one or more CNs 130, a PSTN 140, the Internet 150, and other networks 160. Additionally, the communication system 100 may also include a non-terrestrial network (NTN) 120c. The RANs 120a and 120b may include network nodes 170a and 170b, respectively. Examples of network nodes 107a, 107b include base stations, which can be generally referred to as terrestrial network (TN) devices or terrestrial transmit and receive points (T-TRPs) 170a and 170b (collectively referred to as 170) . In this context, the terms "TRP" and "base station" are used interchangeably unless otherwise specified. For simplicity, this disclosure primarily refers to network nodes as base stations; however, unless explicitly stated otherwise, references to TRP are considered non-limiting and interchangeable. The T-TRPs 170a, 170b may be base stations mounted on a building or tower. In one implementation, the NTN 120c includes a RAN node such as a base station 172, which may be generally referred to as an NTN device, a non-terrestrial node, a non-terrestrial network device, a non-terrestrial base station, or a non-terrestrial transmit and receive point (NT-TRP) 172.

[0104] In some implementations, the NT-TRP 172 is not attached to the ground, for example, as in the case of an airborne base station. An airborne base station may be implemented using communication equipment supported or carried by a flying device. For example, a flying device may include, but is not limited to, an airborne platform (such as a blimp or an airship) , balloon, drone (such as quadcopter) , and other types of aerial vehicles. In some implementations, an airborne base station may be supported or carried by an unmanned aerial system (UAS) or an unmanned aerial vehicle (UAV) , such as a drone. An airborne base station may be a moveable or mobile base station that can be flexibly deployed in different locations to meet network demand. A satellite base station is another example of a non-terrestrial base station. A satellite base station may be implemented using communication equipment supported or carried by a satellite. A satellite base station may also be referred to as an orbiting base station. High altitude platforms are yet another example of non-terrestrial base stations, including international mobile telecommunication base stations.

[0105] As referred to herein, and unless specified otherwise, a “TRP” may also refer to a T-TRP or an NT-TRP, a “T-TRP” may also refer to a “TN TRP” , and an “NT-TRP” may also refer to an “NTN TRP” . The NTN 120c may be considered a RAN, sharing operational aspects with RANs 120a, 120b. The NTN 120c may include at least one NTN device and at least one corresponding terrestrial network device. The at least one NTN device may function as a transport layer device and the at least one corresponding terrestrial network device may function as a RAN node, communicating with the ED 110 via the NTN device. Additionally, there may be an NTN gateway on the ground (referred to as a terrestrial network device) that also functions as a transport layer device facilitating communication with both the NTN device and the RAN node. The RAN node may communicate with the ED 110 via the NTN device and the NTN gateway. In some implementations, the NTN gateway and the RAN node may be located within the same device.

[0106] A base station 170 (also referred to as a TRP as stated above) is a network element within a radio access network responsible for radio transmission and reception in one or more cells to or from the ED (such as a user equipment (UE) ) . In different implementations, the base station 170 may also be known as a base transceiver station (BTS) , a radio base station, a network node, a network device, a device on the network side, a transmit / receive node, a Node B, an evolved NodeB (eNodeB or eNB) , a Home eNodeB, a next Generation NodeB (gNB) , a transmission point (TP) , a site controller, an access point (AP) , a wireless router, a relay station, a terrestrial node, a terrestrial network device, a terrestrial base station, a non-terrestrial node, a non-terrestrial network device, a non-terrestrial base station, and a positioning node, among other possibilities. The base station 170 may be a macro base station (BS) , a pico BS, a relay node, a donor node, or combinations thereof. When the base station 170 performs (or is configured to perform) a method described herein, it may be interpreted as the base station itself, one or more modules (or units) in the base station, a circuit or chip, or a combination thereof, performing the method. For example, the circuit or chip may include a modem chip, also referred to as a baseband chip, a system on chip (SoC) including a modem core, system in package (SIP) , and the like, and may be responsible for one or more communication functions within the base station.

[0107] The EDs 110a-110d and TRPs 170a-170b, 172 are examples of communication equipment configured to implement some or all of the operations and / or implementations described herein. The T-TRP 170a forms part of the RAN 120a, which may include other TRPs, and / or other devices. Also, the TRP 170b forms part of the RAN 120b, which may include other TRPs, and / or devices. Each TRP 170a, 170b may transmit and / or receive wireless signals within a particular geographic region or area, sometimes referred to as a “cell” or a “coverage area” . The TRPs 170a-170b may be responsible for allocating and / or configuring resources and transmission and / or reception in a set of cell (s) . A cell is a radio network object that can be uniquely identified by a cell identification that is broadcasted over a geographical region or area from base stations associated with the cell. A cell can work in either FDD or TDD mode. A cell may be further divided into cell sectors, and a base station 170a-170b may, for example, employ one or more transceivers to provide services to one or more sectors. Some implementations, may include pico or femto cells if supported by the radio access technology. In some implementations, one or more transceivers could be used for each cell, such as with Multiple-Input Multiple-Output (MIMO) technology. The number of RANs 120a-120b shown is merely an example. Any number of RANs may be contemplated when designing the communication system 100.

[0108] A base station may be a single element, as shown in the figures, or multiple elements distributed throughout the corresponding RAN, or otherwise configured. In some implementations, a plurality of RAN nodes coordinate to assist the ED 110 in implementing radio access, and different RAN nodes separately implement and handle different functions of the base station. For example, the RAN node may be a central unit (CU) , a distributed unit (DU) , a CU-control plane (CP) , a CU-user plane (UP) , or a radio unit (RU) etc. The CU and the DU may be separately deployed, or included within the same element (i.e., a baseband unit (BBU) ) . The RU may be included in a radio frequency device or a radio frequency unit (i.e., a remote radio unit (RRU) , an active antenna unit (AAU) , or a remote radio head (RRH) ) . In different systems, the CU (or the CU-CP and the CU-UP) , the DU, or the RU may be known by different names, but their functions are understood by person skilled in the art. For example, in an open radio access network (ORAN) system, a CU may be referred to as an open CU (O-CU) , a DU may be referred to as an open DU (O-DU) , and a CU-CP may be referred to as an open CU-CP (O-CU-CP) . The CU-UP may also be referred to as an open CU-UP (O-CU-UP) , and the RU may also be referred to as an open RU (O-RU) . Any one of the CU (or the CU-CP, the CU-UP) , the DU, and the RU may be implemented using a software module, a hardware module, or a combination of a software module and a hardware module.

[0109] Furthermore, communication between different devices / apparatuses in various implementations of this disclosure may refer to direct communication (that is, without the need of forwarding by another device / apparatus) , or may refer to communication (s) between different devices / apparatuses via another device / apparatus (that is, requiring forwarding by another device / apparatus) . Alternatively, such communication (s) may involve one functional unit inside a device / apparatus using another functional unit within the device / apparatus to communicate with another device / apparatus. In other words, phrases such as "sending (or transmitting) information to... (an ED or a base station) " in this disclosure may be understood as a destination endpoint of the information being an ED or a base station, including, sending / transmitting information directly or indirectly to an ED or a base station. Similarly, phrases like "receiving information from... (an ED or a base station) " may be understood as a source endpoint of the information being an ED or a base station, including directly or indirectly receiving information from an ED or a base station. Between the source endpoint that sends the information and the destination endpoint, necessary processing such as, but not limited to, format conversion, digital-to-analog conversion, amplification, and filtering may be performed on the information. However, the destination endpoint may understand valid information from the source endpoint. A similar understanding applies to other descriptions in this disclosure without reiterating details already described. In the present disclosure, the terms "send" and "transmit" may be used interchangeably in different implementations of this disclosure.

[0110] The ED 110 is used to connect people, objects, machines, and other entities. The ED 110 may be widely used in various scenarios including, but not limited to, cellular communications, device-to-device (D2D) , vehicle to everything (V2X) , peer-to-peer (P2P) , machine-to-machine (M2M) , MTC, internet of things (IoT) , virtual reality (VR) , augmented reality (AR) , mixed reality (MR) , metaverse, digital twin, industrial control, self-driving, remote medical, smart grid, smart furniture, smart office, smart wearable, smart transportation, smart city, drones, robots, remote sensing, passive sensing, positioning, navigation and tracking, and autonomous delivery and mobility.

[0111] Each ED 110 represents any suitable end user device for wireless operation and may include such devices (or may be referred to as, but not limited to) a user equipment (UE) or a user device or a terminal device, a wireless transmit / receive unit (WTRU) , a mobile station, a fixed or mobile subscriber unit, a cellular telephone, a station (STA) , an MTC device, a personal digital assistant (PDA) , a smartphone, a laptop, a computer, a tablet, a wireless sensor, a consumer electronics device, a smart book, a vehicle, a car, a truck, a bus, a train, or an IoT device, wearable devices (such as a watch, a pair of glasses, head mounted equipment, etc. ) , an industrial device, or an apparatus (such as a module, modem, or chip) in the forgoing devices, among other possibilities. Future generation EDs 110 may be referred to by other terms. When an ED 110 performs (or is configured to perform) a method described herein, it may be interpreted as the ED itself, one or more modules (or units) in the ED, a circuit or chip, or a combination thereof, performing the method. For example, the circuit or chip may include a modem chip, also referred to as a baseband chip, a system on chip (SoC) including a modem core, or system in package (SIP) , and the like, and may be responsible for one or more communication functions in the ED.

[0112] Each ED 110 connected to TRPs 170a-170b, and / or TRPs 172 can be dynamically or semi-statically turned-on (i.e., established, activated, or enabled) , turned-off (i.e., released, deactivated, or disabled) and / or configured in response to one or more of: connection availability and connection necessity.

[0113] Any ED 110 may be alternatively or additionally configured to interface, access, or communicate with any of the TRPs 170a, 170b and 172, the Internet 150, the CN 130, the PSTN 140, the other networks 160, or any combination thereof. In some examples, the ED 110a may communicate an uplink (UL) and / or downlink (DL) transmission over a terrestrial air interface 190a with station-TRP 170a. In some examples, the EDs 110a, 110b, 110c, and 110d may also communicate directly with one another via one or more sidelink (SL) air interfaces 190b. In some examples, the EDs 110a, 110d may communicate using an UL and / or DL transmission over a non-terrestrial air interface 190c with NT-TRP 172.

[0114] An air interface (such as, for example, 190a, 190b, 190c) generally includes a number of components and associated parameters that collectively specify how a transmission is to be sent and / or received over a wireless communications link between two or more communicating devices such as EDs and base station (s) . For example, an air interface may include one or more components defining the waveform (s) , frame structure (s) , multiple access scheme (s) , protocol (s) , coding scheme (s) and / or modulation scheme (s) for conveying information (such as, data) over a wireless communications link. The air interfaces 190a and 190b may use similar communication technology, that may include any suitable radio access technology.

[0115] The non-terrestrial air interface 190c can enable communication between the EDs 110a, 110d and one or more NT-TRPs 172 via a wireless link or simply a link. For some examples, the link is a dedicated connection for unicast transmission, a connection for broadcast transmission, or a connection between a group of EDs 110 and one or more NT-TRPs 172 for multicast transmission.

[0116] The TRPs 170a-170b, 172 may communicate with one another over one or more air interfaces 190e, 190f using wireless communication links (such as radio frequency (RF) , microwave, infrared (IR) , etc. ) or wired communication links. The air interfaces 190e, 190f may utilize any suitable radio access technology, and may be substantially similar to the air interfaces 190a, 190c over which the EDs 110a-110d communicate with one or more of the TRP 170a-170b, 172 or they may be substantially different. For example, the communication system 100 may implement one or more channel access methods, such as Time Division Multiple Access (TDMA) , Frequency Division Multiple Access (FDMA) , Code Division Multiple Access (CDMA) , Single Carrier Frequency Division Multiple Access (SC-FDMA) , Low Density Signature Multicarrier Code Division Multiple Access (LDS-MC-CDMA) , Non-Orthogonal Multiple Access (NOMA) , Pattern Division Multiple Access (PDMA) , Lattice Partition Multiple Access (LPMA) , Resource Spread Multiple Access (RSMA) , and Sparse Code Multiple Access (SCMA) .

[0117] The RANs 120a and 120b are in communication with the CN 130 to provide the EDs 110a 110b, and 110c with various services such as voice, data, multimedia, and other services. The RANs 120a and 120b and / or the CN 130 may be in direct or indirect communication with one or more other RANs (not shown) , which may or may not be directly served by the CN 130, and may employ different radio access technologies from RAN 120a and / or RAN 120b. The CN 130 may also serve as a gateway access between (i) the RANs 120a and 120b and / or the EDs 110a 110b, and 110c, and (ii) other networks (such as the PSTN 140, the Internet 150, and the other networks 160) . In addition, some or all of the EDs 110a 110b, and 110c may include functionality for communicating with different wireless networks over different wireless links using different wireless technologies and / or protocols. For example, the EDs 110a 110b, and 110c communicate using different cellular communications protocols, such as, but not limited to, a Global System for Mobile Communications (GSM) protocol, a code-division multiple access (CDMA) network protocol, a Push-to-Talk (PTT) protocol, a PTT over Cellular (POC) protocol, a Universal Mobile Telecommunications System (UMTS) protocol, a 3GPP Long Term Evolution (LTE) protocol, a fifth generation (5G) protocol, a New Radio (NR) protocol, and the like. Instead of wireless communication (or in addition thereto) , the EDs 110a 110b, and 110c may communicate using wired communication channels to a service provider or switch (not shown) , and / or to the Internet 150. The PSTN 140 may include circuit switched telephone networks for providing plain old telephone service (POTS) . The Internet 150 may include a network of computers and subnets (intranets) or both, and incorporate protocols, such as internet protocol (IP) , transmission control protocol (TCP) , user datagram protocol (UDP) . EDs 110a 110b, and 110c may be multimode devices capable of operation according to multiple radio access technologies, and may incorporate one or multiple transceivers necessary to support such.

[0118] In addition, the communication system 100 may comprise a sensing agent (not shown) to manage the sensed data from ED 110 and / or any one of TRPs 170a, 170b, 172. In one implementation, the sensing agent may be part of any one of TRPs 170a, 170b, 172. In another implementation, the sensing agent is a separate node that can communicate with the CN 130 and / or the RAN 120 (such as any one of TRPs 170a, 170b, 172) .

[0119] FIG. 3 is a schematic illustration showing an apparatus 310 wirelessly communicating with another apparatus 320 within a communication system (e.g., the communication system 100) according to an implementation of the present disclosure. The apparatus 310 may be an electronic device (such as ED 110) . The apparatus 320 may be a network node (e.g., the network node 170) such as T-TRP 170 or an NT-TRP 172. Although only one apparatus 310, and one apparatus 320 are shown in the figure, the number of apparatus 310 and / or number of apparatus 320 can vary, potentially including one or more of each. For example, a single ED 110 may be served by a single T-TRP 170 (or a single NT-TRP 172) , or by multiple T-TRPs 170 (or multiple NT-TRPs 172) . Similarly, a single ED 110 may be served by one or more T-TRPs 170 and one or more NT-TRPs 172. Similarly, a single T-TRP 170 (or a single NT-TRP 172) may serve one or more EDs 110.

[0120] The apparatus 310 may include one or more processors 210. For clarity and to avoid overcrowding the illustration, only a single processor 210 is illustrated. The apparatus 310 may further include a transmitter 201 and a receiver 203 coupled to one or more antennas 204. For clarity, only a single antenna 204 is illustrated. One, some, or all of the antennas 204 may alternatively be panels. In some implementations, the transmitter 201 and the receiver 203 are separate from each other. In other implementations, the transmitter 201 and the receiver 203 may be integrated into a single unit, for example, as a transceiver. The transceiver is configured to modulate data or other content for transmission by the one or more antennas 204 or a network interface controller (NIC) . The transceiver may also be configured to demodulate data or other content received by the one or more antennas 204. A transceiver may include any suitable structure for generating signals for wireless or wired transmission and / or for processing signals received through wireless or wired communication. Each antenna 204 includes any suitable structure for transmitting and / or receiving wireless or wired signals. The apparatus 310 may include a memory 208. In some implementations, the apparatus 310 may include multiple memories 208. Only a single transmitter 201, receiver 203, processor 210, memory 208, and antenna 204 is illustrated for simplicity, but the apparatus 310 may include one or more other components. In some implementations of the present disclosure, the transceiver (or transmitter 201 and / or receiver 203) may be viewed as an interface circuit.

[0121] The memory 208 is configured to store instructions used to perform operations described herein. The memory 208 may also be configured to store data that is used, generated, or collected by the apparatus 310. For example, the memory 208 can store software instructions or modules configured to implement some or all of the functionalities and / or operations described herein and that which are executed by the one or more processors 210.

[0122] The apparatus 310 may further include one or more input / output devices (not shown) or interfaces. The input / output devices or interfaces facilitate interaction with a user or other devices in the network. Each input / output device or interface includes suitable components for facilitating transmission of information to a user and reception of information from a user, and for various network interface communications. Such components may include, but are not limited to, a speaker, microphone, keypad, keyboard, display, touch screen, and the like.

[0123] The processor 210 may be configured to perform (or control the apparatus 310 to perform) operations (or methods) described herein as being performed by the apparatus 310. For example, the processor 210 performs or controls the apparatus 310 to perform the operations of: a) receiving one or more transport blocks (TBs) , b) using a resource for decoding at least one of the received TBs, c) releasing the resource for decoding another of the received TBs, and / or d) receiving configuration information configuring a resource. Specifically, the operations may include tasks related to: preparing a transmission for UL transmission to the apparatus 320, processing DL transmissions received from the apparatus 320, and handling SL transmission to and from another apparatus 310. Processing operations related to preparing a transmission for UL transmission may include operations such as, but not limited to, encoding, modulating, transmit beamforming, and generating symbols for transmission. Processing operations related to processing DL transmissions may include operations such as, but not limited to, receive beamforming, demodulating and decoding received symbols. Processing operations related to processing SL transmissions may include operations such as, but not limited to, transmit / receive beamforming, modulating / demodulating and encoding / decoding symbols. Depending upon the implementation, a DL transmission may be received by the receiver 203, possibly using receive beamforming, and the processor 210 may extract signaling from the DL transmission (such as by detecting and / or decoding the signaling) . An example of signaling may be a reference signal transmitted by the apparatus 320. In some implementations, the processor 210 implements the transmit beamforming and / or the receive beamforming based on the indication of beam direction, such as beam angle information (BAI) , received from the apparatus 320. In some implementations, the processor 210 may be configured to perform operations relating to network access (such as initial access) and / or downlink synchronization, which includes operations for detecting a synchronization sequence, decoding and obtaining the system information, and the like. In some implementations, the processor 210 may perform channel estimation, such as using a reference signal received from the apparatus 320.

[0124] Although not illustrated, in some implementations, the processor 210 may either be a part of the transmitter 201 or a part of the receiver 203 or a part of both the transmitter 201 and the receiver 203. Although not illustrated, in some implementations, the memory 208 may be a part of the processor 210.

[0125] The processor 210, along with the processing components of the transmitter 201 and the receiver 203 may each be implemented by one or more processors that may the same or different. These processors are configured to execute instructions stored in a memory (such as in the memory 208) .

[0126] The apparatus 320 includes one or more processors 260 (only one processor 260 is illustrated) . The apparatus 320 may further include one or more transmitters 252 and one or more receivers 254 coupled to one or more antennas 256. Only a single antenna 256 is illustrated to avoid clutter in the illustration. One, some, or all of the antennas 256 may alternatively be panels. In some implementations, the transmitter 252 and the receiver 254 are separate from each other. In other implementations, the transmitter 252 and the receiver 254 may be integrated into a single unit such as, for example, as a transceiver. The apparatus 320 may further include a memory 258. In some implementations, the apparatus 320 may include multiple memories 258. The apparatus 320 may further include a scheduler 253. Only a single transmitter 252, receiver 254, processor 260, memory 258, antenna 256 and scheduler 253 are illustrated for simplicity, however the apparatus 320 may include one or more other components. In the present disclosure, in some implementations, the transceiver (or transmitter 252 and / or receiver 254) may be viewed as an interface circuit.

[0127] In some implementations, various components of the apparatus 320 may be distributed. For example, some of the modules of the apparatus 320 may be located remotely from the equipment housing the antennas 256 for the apparatus 320 (and therefore also can be viewed as one or more nodes) . These modules, which can be considered as one or more nodes, may be coupled to the equipment that houses the antennas 256 over a communication link (not shown) , sometimes referred to as front haul, such as the Common Public Radio Interface (CPRI) . Therefore, in some implementations, the term apparatus 320 may also refer to network-side nodes that perform processing operations such as, but not limited to, determining the location of the apparatus 310, resource allocation (scheduling) , message generation, and encoding / decoding, and that which are not necessarily part of the equipment that houses the antennas 256 of the apparatus 320. The nodes may also be coupled to other apparatuses 320. In some implementations, the apparatus 320 may actually be a plurality of nodes that are operating together to serve the apparatus 310, such as through the use of coordinated multipoint transmissions, or through the use of ORAN system as described above in the disclosure.

[0128] The processor 260 is configured to perform operations including those related to: preparing a transmission for DL transmission to the apparatus 310, processing an UL transmission received from the apparatus 310, preparing a transmission for backhaul transmission to another apparatus 320, and processing a transmission received over backhaul from another apparatus 320. Processing operations related to preparing a transmission for DL or backhaul transmission may include operations such as, but not limited to, encoding, modulating, precoding (such as MIMO precoding) , transmit beamforming, and generating symbols for transmission. Processing operations related to processing received transmissions in the UL or over backhaul may include operations such as, but not limited to, receive beamforming, demodulating received symbols, and decoding received symbols. The processor 260 may also be configured to perform operations relating to network access (such as initial access) and / or DL synchronization, such as generating the content of synchronization signal blocks (SSBs) , generating the system information, and the like. In some implementations, the processor 260 is further configured to generate an indication of beam direction, such as BAI, which may be scheduled for transmission by the scheduler 253 which will be described below. In some implementations, the processor 260 implements the transmit beamforming and / or receive beamforming based on beam direction information (such as BAI) received from another apparatus 320. The processor 260 is configured to perform other network side processing operations described herein, such as, but not limited to, determining the location of the apparatus 310, determining where to deploy another apparatus 320, and the like. In some implementations, the processor 260 may generate signaling data, to configure one or more parameters of the apparatus 310 and / or one or more parameters of another apparatus 320. Any signaling data generated by the processor 260 is sent by the transmitter 252. In some implementations, the apparatus 320 implements physical layer processing. In some implementations, the apparatus 320 may perform higher layer functions such as those at the Medium Access Control (MAC) or Radio Link Control (RLC) layers in addition to physical layer processing. In the apparatus 320, the scheduler 253 may be coupled to the processor 260 or integrated within the processor 260. In some implementations, the scheduler 253 may be integrated within the apparatus 320 or may be operated separately from the apparatus 320. The scheduler 253 may schedule UL, DL, SL, and / or backhaul transmissions, including issuing scheduling grants and / or configuring scheduling-free (such as “configured grant” ) resources.

[0129] The apparatus 320 may further include a memory 258 that is configured to store instructions for performing the operations described herein. The memory 258 may also store data that is used, generated, or collected by the apparatus 320. For example, the memory 258 can store software instructions or modules configured to implement some or all of the functionalities and / or implementations described herein and that which are executed by the processor 260.

[0130] Although not illustrated, the processor 260 may be implemented as part of the transmitter 252 and / or a part of the receiver 254. Although not illustrated, in some implementations, the processor 260 may implement the scheduler 253 and the memory 258 may be implemented as part of the processor 260.

[0131] The processor 260, the scheduler 253, the processing components of the transmitter 252, and the processing components of the receiver 254 may each be implemented by the same or different processors that are configured to execute instructions stored in a memory, such as in the memory 258.

[0132] The apparatus 320 and / or the apparatus 310 may include other components, not shown or described herein for the sake of clarity.

[0133] Note that the term “signaling” , as used herein, may alternatively be referred to as control signaling, control message, control information, or message for simplicity. Signaling between a base station (such as the TRP 170a. 170b, 172) and a UE or sensing device (such as ED 110) , or signaling between a different UE or sensing device (such as between ED 110a and ED 110b) may be carried in physical layer signaling (also called as dynamic signaling) , which is transmitted in a physical layer control channel. For DL, the physical layer signaling may be known as downlink control information (DCI) which is transmitted in a physical downlink control channel (PDCCH) . For UL, the physical layer signaling may be known as uplink control information (UCI) which is transmitted in a physical uplink control channel (PUCCH) . For SL, signaling between different UEs or sensing devices (such as between ED 110a and ED 110b) may be known as SL control information (SCI) which is transmitted in a physical sidelink control channel (PSCCH) . Signaling may be carried in a higher layer (such as higher than physical layer) signaling, which is transmitted in a physical layer data channel, such as in a physical downlink shared channel (PDSCH) for downlink signaling, in a physical uplink shared channel (PUSCH) for uplink signaling, and in a physical sidelink shared channel (PSSCH) for SL signaling. Higher layer signaling may also be called static signaling, or semi-static signaling. The higher layer signaling may include radio resource control (RRC) protocol signaling or media access control -control element (MAC-CE) signaling. Signaling may be included in a combination of physical layer signaling and higher layer signaling.

[0134] It should be noted that in the present disclosure, “information” , when different from “message” , may be carried within a single message, or may be carried in multiple separate messages.

[0135] FIG. 4 illustrates an example apparatus 410 according to an implementation of the present disclosure. The apparatus 410 may be a communication device or an apparatus implemented in a communication device such as the ED 110 or the TRPs 170a, 170b, 172. For example, the apparatus 410 implemented in an ED may be an integrated circuit, which in some instances may be referred to as a chip, a modem, a modem chip, a baseband chip, or a baseband processor. In some implementations, one or more integrated circuits can be packaged into a system-on-chip, a system-in-package, or a multi-chip module. The apparatus 410 can include one or more integrated circuits and other discrete components. In some implementations, the apparatus 410 may be a module within the ED 110, or within the apparatus 310. In some implementations, the apparatus 410 may be a module within one of the TRPs 170a, 170b, 172, or the apparatus 320.

[0136] In an example, the apparatus 410 may include one or more processors 411, and an interface circuit 412. The apparatus 410 may further include a memory 413. The one or more processors 411 are configured to process signals and execute one or more communication protocols. The memory 413 is configured to store at least a part of corresponding computer program instructions and / or data. In an example, the one or more processors 411 execute the computer program instructions stored in the memory 413 to implement related operations (for example, inputting, outputting, receiving, and transmitting) in the method implementations disclosed herein. In some implementations, the memory 413 being configured to store the corresponding computer program instructions and / or data may mean that the memory 413 is configured to store all of the corresponding computer program instructions and / or data for execution by the one or more processors 411. In some implementations, the memory 413 being configured to store the corresponding computer program instructions and / or data may mean that the memory 413 is configured to store a part of the corresponding computer program instructions and / or data. For example, the part of the corresponding computer program instructions and / or data may include computer program instructions and / or data that need to be currently executed by the one or more processors 411. Thus, the memory 413 may store different parts of computer program instructions and / or data for a plurality of times for the one or more processors 411 to perform related operations in the method implementations disclosed herein. As a communication interface, the interface circuit 412 is configured to implement communication with another component. For example, the interface circuit 412 may communicate a signal with another apparatus or system such as a radio frequency processing apparatus, or another processor. The signal may include or carry information intended as a payload, such as user data, control information, etc. The signal may also include or carry information useful to a receiver, but not necessarily as a payload, such as a pilot signal or reference signal. Communicating the signal may include transmitting the signal to another component or device. Communicating the signal may additionally or alternatively include receiving the signal from another component or device. “Transmitting” the signal may include outputting the signal to a component or device that is directly or indirectly coupled to the interface circuit 412. “Receiving” the signal may include inputting or obtaining the signal from a component or device that is directly or indirectly couped to the interface circuit 412. Optionally, to reduce a load of the one or more processors, a baseband signal processing circuit 414 may be also disposed to implement processing of at least a part of baseband signals, including signal demodulation, modulation, encoding, decoding, or the like.

[0137] The apparatus 410 may be the processor 210 (or 260) within the apparatus 310 (or 320) , in some scenarios, or may be included within the processor 210 (or 260) within the apparatus 310 (or 320) in some scenarios. The apparatus 410 may be a baseband chip or may include a baseband chip. In some implementations, the apparatus 410 may be independently packaged into a chip. In some implementations, the apparatus 310 (or 320) includes different types of chips. The apparatus 410 may be packaged into a processor chip (for example, an SoC chip or an SIP chip) with the different types of chips. In some implementations, the apparatus 410 may be packaged into a chip with some or all of circuits of a radio frequency processing system that may further be included in the apparatus 310 (or 320) .

[0138] FIG. 5 illustrates example apparatus 510 according to an implemenation of the present disclosure. The apparatus 510 may include corresponding modules or units configured to implement methods and / or implementations described herein. In some implementations, the apparatus 510 includes a processing unit 512 and a communication unit 513. Optionally, the apparatus 510 may further include a storage unit 511 configured to store apparatus program code (or instructions) and / or data.

[0139] The apparatus 510 may be an ED side apparatus, for example, an ED or a module in an ED, or a circuit or a chip responsible for a communication function in an ED. In some implementations, apparatus 510 may be the apparatus 310. The processing unit 512 may be the processor 210. The communication unit 513 may comprise a receiving unit and / or a transmitting unit. The receiving unit and / or the transmitting unit may be the transmitter 201 and / or the receiver 203 respectively. The storage unit 511 may be the memory 208.

[0140] The apparatus 510 may be a base station side apparatus, for example, a base station or a module in a base station, or a circuit or a chip responsible for a communication function in a base station. In some implementations, apparatus 510 may be apparatus 320. The processing unit 512 may be the processor 260 (the scheduler 253 may also be included) . The communication unit 513 may comprise a receiving unit and / or a transmitting unit. The receiving unit and / or the transmitting unit may be the transmitter 252 and / or the receiver 254 respectively. The storage unit 511 may be the memory 258.

[0141] In some implementations, when the apparatus 510 is an ED 110 or a module in an ED 110, a function of the apparatus 510 may be implemented by one or more processors. Specifically, the processor may include a modem chip, or a SoC chip or an SIP chip that includes a modem core. A function of the communication unit 513 may be implemented by a transceiver circuit.

[0142] In some implementations, when the apparatus 510 is a circuit or a chip that is responsible for a communication function in an ED 110, such as a modem chip, a SoC chip or an SIP chip that includes a modem core -a function of the processing unit 512 may be implemented by a circuit system within the chip which includes one or more processors. A function of the communication unit 513 may be implemented by an interface circuit or a data transceiver circuit on the chip.

[0143] It may be understood that the units in the apparatus 510 may be logical or functional. Each function may correspond to one functional unit, or two or more functions may be integrated into a single functional unit. In actual implementation, all or some of the units may be integrated into a single physical entity, or may be distributed across different physical entities. In addition, the functional units may be implemented in the form of hardware, software, or a combination of hardware and software. Whether a function is implemented in the form of hardware or software depends on particular applications and design constraint conditions of the technical solutions. A person skilled in the art may use different methods to implement the described functions for specific applications, but it should not be considered that the implementation goes beyond the scope of this disclosure.

[0144] In an example, a functional unit in any one of the apparatuses may be configured as one or more integrated circuits for implementing the methods disclosed herein, for example, as one or more application-specific integrated circuits (application-specific integrated circuits, ASICs) , one or more central processing units (CPUs) , one or more microprocessors or microprocessor units (MPUs) , one or more microcontrollers or microcontroller units (MCUs) , one or more digital signal processors (DSPs) , one or more field programmable gate arrays (FPGAs) , or a combination of these.

[0145] In an example, the storage unit 511 may include a random access memory, a flash memory, a read-only memory, a programmable read-only memory, an electrically erasable programmable memory, and / or a register.

[0146] A processor may be referred to as a processor system, an application processor, a baseband processor or a processor circuit. The processor may include one or a combination of one or more central processing units (CPUs) , one or more digital signal processors (DSPs) , one or more microprocessors (microprocessor units, MPUs) , one or more microcontrollers (microcontroller units, MCUs) , one or more graphics processing units (GPUs) , one or more field programmable gate arrays (FPGAs) , one or more artificial intelligence processors (AI processors) , or one or more neural network processing units (NPUs) .

[0147] Memory or a storage unit may include one or more of the following storage media: a random access memory (RAM) , a static random access memory (static RAM, SRAM) , a dynamic random access memory (dynamic RAM, DRAM) , a phase-change memory (PCM) , a resistive random access memory (resistive RAM, ReRAM) , a magnetoresistive random access memory (magnetoresistive RAM, MRAM) , a ferroelectric random access memory (ferroelectric RAM, FRAM) , a cache, a register, a read-only memory (ROM) , a flash memory (flash memory) , an erasable programmable read-only memory (erasable programmable ROM, EPROM) , a hard disk, and the like. In an example, computer program instructions used to execute implementations may be stored in a non-volatile memory, for example, at least a part of a memory or storage unit (for example, one or more of a ROM, a flash memory, an EPROM, or a hard disk) . When a terminal runs, a part or all of corresponding computer program instructions may be loaded to a memory that has a higher transmission speed with the processor, for example, at least a part of a memory or a storage unit (for example, one or more of a RAM, an SRAM, a DRAM, a PCM, a RERAM, an MRAM, a FRAM, a cache, or a register) , so that the processor executes the computer program instructions to perform the steps in the method implementations disclosed herein.

[0148] In recent years, there has been growing interest in data-driven and artifical intelligence (AI) based approaches for wireless communication systems. Standard documents such as 3GPP TR 38.901 have defined channel models that are used for system evaluation in 5G and future wirelsss networks..

[0149] However, with the accelerated development of future networks, the size of channel datasets, often structured as multi-dimensional tensors, has been rapidly increasing. Maintaining interoperability across different vendors’A I-driven solutions requires large-scale sharing of these datasets over the air interface. Conventional solutions often focus on small datasets or rely on basic compression codecs without considering multi-dimensional structure, frequency-segmentation methods, or dynamic dictionary reordering. Quantization (Codec) -Based Channel Dataset Compression

[0150] Conventional channel data compression techniques that appear in standard documents (e.g., 3GPP technical report (TR) 36.873 v12.7.0 for 3D channel models, 3GPP TR 38.901 v18.0.0 for NR channel modeling) typically treat channel datasets as a number of snapshots for compression. These compression methods often do not address the scale and complexity foreseen for future wireless networks. Sparse-Coding-Based Channel Dataset Compression

[0151] There has been some disclosure of how to sparsify large channel datasets as a single entity, and such disclosure highlights the utility of learned dictionaries (or codebooks) for channel data compression. However, such disclosure is primarily performed as monolithic structures (i.e., a single dictionary for the entire data) . Quantization-Based Channel Dataset Compression

[0152] Existing codec-based channel compression techniques often fail to handle the ever-increasing data size considered for further wireless networks. Such rigid quantization approaches are not designed for dynamic or multi-tier compression. The existing codec-based channel compression techniques typically compress entire frequency bands in one shot uniformly, neglecting the possibility of segment-level for a higher compression ratio. As a result, a compressed channel dataset may still be too big for sharing over the air interface. This may prevent signaling protocols currently used in existing wireless networks from being optimized for exchanging large, compressed three dimesional / four dimensional (3D / 4D) channel datasets over the air interface. Sparse-Coding-Based Channel Dataset Compression

[0153] Prior approaches do not exploit the distinct characteristics of different frequency segments. Prior approaches typically compress entire frequency bands in one shot, neglecting the possibility of making use of segment-level persistent inter-correlations or modes for better compression. Similarly, existing standards (e.g., 3GPP RRC, MAC) do not define specialized signaling for segment-based compression dictionaries or multi-band modes, causing inefficiencies in large-scale data transfer.

[0154] Some functionalities of the present disclosure may include one or more of: efficient compression of large-scale channel tensors in order to drastically reduce the size of channel datasets  used in future wireless networks while maintaining accuracy; providing an adaptive and multi-tier dictionary (or codebook) in order to allow different UEs or network vendors  to choose variable fidelity levels for reconstructed channel data; segmentation of a dataset in order to segment a broad frequency range for higher compression ratio and more  flexible channel reconstruction, which may benefit specialized use cases such as real-time spatial artifical intelligence (AI) ; providing efficient model extraction; enabling finding a model across the dictionaries of the segmented subsets to extract the temporal and spatial and  delay correlations of the channel dataset. Such a model may be a linear or non-linear function, a machine learning method, or any function that maps one sub-band dictionary to others. An example of a model may be Dynamic Mode Decomposition (DMD) , in which, it identifies modes that capture the temporal and spatial and delay correlations (or modes) of the channel dataset; and protocol and signaling support in order to define new or enhanced 3GPP protocols (RRC / MAC / PHY-level) for  signaling, exchanging, and updating compressed datasets over the air interface. Segmented Dictionary-based Compression

[0155] As part of segmented dictionary-based compression, an entire channel dataset may be divided into several smaller data subsets, for example in terms of frequency sub-bands, and a reference model trained for each data subset (for each frequency sub-band) , and a smaller, segment-specific reference model and sparse representations may be generated for each data subset. This reference model may be a codebook dictionary, a sparse representation of the dataset, a machine learning model, or, generally, a pair of functions mapping from channel data to a latent variable space, and from the latent variable space back to the channel data. The latent variable space may be sparse.

[0156] An example of a reference model may include a segment-specific dictionary (or codebook) and a sparse representation for each data subset as a result of applying Least Absolute Shrinkage and Selection Operator (LASSO) individually on each data subset (each sub-band) . Unified Dictionary Ranking and Reuse

[0157] The dictionary entries in one reference data subset (i.e. sub-band) may be ranked by importance. In some examples, this may be the first data subset or sun-band.

[0158] The same ordering may be applied to the other dictionaries on other data subsets (i.e. sub-bands) so that model extraction (such as DMD) can work effectively across all data subsets. Model Extraction (such as DMD-based Mode Extraction) Across Data Subsets

[0159] A model may be computed over the set of dictionaries from all data subsets, thereby leveraging a consistent dictionary index space. Such a model may be a linear functions or a non-linear function, a machine learning method, or any function that maps one sub-band dictionary to other sub-band dictionaries.

[0160] An example for this model extraction is DMD, where the extraction obtains eigen-modes that capture correlated temporal or spatial evolutions across different subsets (i.e. frequencies) . Integrated Protocol Support

[0161] 3GPP RRC / MAC / PHY signaling may be extended or redefined to handle segment-based dictionary updates, reordering messages, and DMD parameters. Adaptive Update Mechanism

[0162] In some examples, segmentation and dictionaries may be dynamically recalculated if the network bandwidth or channel conditions change.

[0163] Some aspects of the present disclosure may be deployed in current or future wireless networks comprising terrestrial transmit receive point (T-TRP) nodes and non-terrestrial transmit receive points (NT-TRP) nodes such as those shown in FIGS. 2 and 3.

[0164] In some examples, a core network, such as core network 130 in FIG. 2, hosts artifical intelligence / machine learning (AI / ML) servers that manage dictionary training, segmentation strategies, and DMD computations.

[0165] In some examples, edge servers that may be co-located with base stations may handle real-time dictionary updates.

[0166] In some examples, user equipment / electronic device (UE / ED) devices receive one or more of compressed channel data and sub-band dictionary model (such as DMD) parameters and reconstructing local channel information for AI-driven tasks, which may include dynamic beamforming or environment sensing.

[0167] Some example scenarios in which aspects of the present disclosure may be used include, by are not limited to: Ultra-Reliable Low-Latency Communications (URLLC) : High fidelity reconstruction of channel data for mission- critical tasks requires segment-based compression and fast updates; Massive Machine-Type Communication (mMTC) : Thousands of devices can leverage partial dictionaries for reduced  overhead, ensuring scalable connectivity; and Enhanced Mobile Broadband (eMBB) : Segment-based compression benefits high-throughput applications by tailoring  reconstruction fidelity to each sub-band.

[0168] In some aspects of the disclosure, there is provided a top-level process flow for segment-based LASSO, dictionary ranking, and DMD. Steps described below with reference to a flow diagram in FIG. 6 are a particular example of a process flow.

[0169] Step 1A: Collect channel data in the network node. The network node (e.g., base station, edge server) aggregates raw channel data or receives raw channel data from user equipment.

[0170] Step 1B: Segment frequency bands and train a reference model for each data subset for each band. Such a reference model may be a codebook dictionary, a sparse representation of the dataset, a machine learning model, or, generally, a pair of functions mapping from channel data to a latent variable space, and from the latent variable space back to the channel data. The latent variable space may be sparse. The overall bandwidth H is subdivided into smaller frequency sub-bands as indicated below H=[h1, h2, …, hk] , where k is an integer number of sub-bands in the channel data.

[0171] For each sub-band, the network node (e.g., base station, edge server) may independently train a sub-reference model and sparse representations of the sub-channel data.

[0172] For example, a LASSO-based sparsification can be applied for each data subset for each band to generate the reference model.

[0173] Step1B-1: Generate the sub-dictionary for the first sub-band: where Ψ1 is the first-band dictionary and h1 is the first sub-band data.

[0174] Step1B-2: Obtain the codeword indices from Ψ1 to construct the other sub-band dictionaries Ψi, i=2, 3, …, k, where k is the integer number of sub-bands.

[0175] Step1B-3: Reduce dimensional space on Ψi. For example, a QR decomposition:

[0176] Alternatively, an SVD decomposition may be used

[0177] Or, a proprietary AI-based approach may be used.

[0178] Step1B-4: Generate where k is the integer number of sub-bands For example, sparse representation for the first sub-band is obtained by: α is a free parameter and

[0179] Step 1C: Rank and reorder dictionary entries for the first band. Rank the dictionary of the first sub-band by codeword importance.

[0180] FIG. 7 is a flow chart that shows an example re-ordering process for codebooks Ψi, i=1, 2, …, k. In step 710, the first sub-band data is obtained, for example as described above with regard to step 1-B1.

[0181] Step 720 includes applying a pivoted QR decomposition to the s-domain sparse representation on first sub-band data to reorder the dictionary Ψ′i based on the typicalness of the codewords. where Q1 is an orthonormal matrix, R1 is an upper triangular matrix, and P1 is a permutation matrix that orders the codewords  based on their typicalness for the first sub-band data. the permutation matrix P1 is calculated based on sparse representation of the first sub-band data h1 and the corresponding dictionary Ψ1 in the low-dimensional space: Ate step 730, the reordered dictionary over all the sub-band data is then represented as Ψ′i= ΨiP1, and sparse coefficients are  updated as

[0182] This permutation matrix is applied to all the sub-band dictionaries Ψ′i= ΨiP1, i=1, 2, …, k.

[0183] Some examples may reuse this ranking order for the dictionaries of the subsequent sub-bands to maintain consistency, essential for compression over sub-bands.

[0184] Step 1D: Obtain a model over the sub-band dictionaries across all segments or subsets. This model can be a linear or non-linear function, a machine learning method, or any function that maps the first sub-band dictionary Ψ′1 to Ψ′i. The parameters of this model will be considered as the sparse representation of the model over sub-dictionaries.

[0185] For example, DMD may be applied to the dictionaries across all segments or subsets. Unified indexing to compute DMD eigen-modes may be used for each sub-band’s dictionary. The operator (s) may be captured by extracting temporal / spatial behavior across segments. 1-Goal: determine G as a linear operator that satisfies 2-SVD on Ψ1 = UΣVH, 3-Compute the projection of G on to the column space of UH as 4-Compute the eigen decomposition of as to obtain the eigenvectors and  eigenvalues Λ of and G share the same eigenvalues Λ. 5-Compute the eigenvectors of G as The eigendecomposition of G is then given by GΓ=ΓΛ 6-Compute the linear operator G based on the pair (Γ, Λ) as G=Γ ΛΓ-1 7-(Γ, Λ) represents the DMD of the data Ψ1 and Ψi.

[0186] Step 1E: Construct the scalable sub-dictionaries. The dataset-manager network device determines the needs and capacities of data-consumer devices and constructs subsets of the dictionaries for each sub-band: where i=1, 2, 3, …, k, k is the number of sub-bands, and ni is the number of codewords in the sub-dictionary Ψ′i, sub.

[0187] Step 1F: Transmit compressed datasets and signaling to UEs. The datasets may include a sub-dictionary of the first band, model parameters over sub-band dictionaries (for example, DMD modes and eigen values) , plus sparse representations for all bands. The sparse respresentations may be obtained by performing reduction of the dimensionality of the subset of codewords by using one of: QR decomposition; singular value decomposition (SVD) ; or an artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.

[0188] In some examples, 3GPP RRC / MAC signaling elements for dictionary updates, model parameters over sub-band dictionaries (for example DMD modes and eigen values) announcements, and segmentation boundaries may be included.

[0189] Step 1G: UE reconstructs channel data using the received dictionary entries, model parameters over sub-band dictionaries (for example DMD modes and eigen values) , and sub-band sparse representations.

[0190] If the segmentation approach changes, return to Step 1B and recalculate the dictionaries under new segmentation rules.

[0191] FIG. 8 is another represenation of steps 1A to 1G that are described above and also shown in FIG. 6, having a specific example of the model. In FIG. 8, step 810 corresponds to step 1A of FIG. 6. In FIG. 8, step 820 corresponds to step 1B-2 of FIG. 6. In FIG. 8, step 830 corresponds to step 1B-3 of FIG. 6. In FIG. 8, step 840 corresponds to step 1C of FIG. 6. In FIG. 8, step 850 corresponds to step 1D of FIG. 6. In FIG. 8, step 860 corresponds to step 1E of FIG. 6. In FIG. 8, step 870 corresponds to steps 1F and 1G of FIG. 6.

[0192] In FIG. 8, Fi is a linear or non-linear function, a machine learning method, or any function that maps the first sub-band dictionary Ψ′1 to Ψ′i. To reconstruct only Ψ′1,  and parameters for the model Fi, sub needs to be transmitted.

[0193] FIG. 9 is yet another represenation of steps 1A to 1G that are described above and also shown in FIG. 6, having a different specific example of the model than FIG. 8.

[0194] In FIG. 9, step 910 corresponds to step 1A of FIG. 6. In FIG. 9, step 920 corresponds to step 1B-2 of FIG. 6. In FIG. 9, step 930 corresponds to step 1B-3 of FIG. 6. In FIG. 9, step 940 corresponds to step 1C of FIG. 6. In FIG. 9, step 950 corresponds to step 1D of FIG. 6. In FIG. 9, step 960 corresponds to step 1E of FIG. 6. In FIG. 9, step 970 corresponds to steps 1F and 1G of FIG. 6.

[0195] FIG. 9 gives an example of the flowchart of the general system in which the sub-band dictionaries are generated by LASSO method and the model over sub-band dictionaries is Dynamic Mode Decomposition (DMD) .

[0196] Some examples of the present disclosure provide a detailed account of how the ranked dictionary is uniformly applied to other frequency data subset or segments. Initial Ranking in Reference Band

[0197] In some embodiments, performing an initial ranking in reference band may include identifying the most significant codewords in the first band using an importance metric (e.g., magnitude in the sparse representation) . Ranking Replication

[0198] In some embodiments, performing a ranking replication may include copying the same rank ordering (index 1, index 2, etc. ) to dictionaries of subsequent bands. Partial Dictionary Requests

[0199] In some examples, terminal devices, such as UEs, with limited processing may request the top X%of the dictionary, where X is an integer value.

[0200] In some examples, protocol messages such as “Dictionary-Subset-Request” and “Dictionary-Subset-Response” may be used that define how each terminal device negotiates the fraction of dictionary entries the terminal device is capable of processing.

[0201] FIG. 10A shows an example block diagram of signaling and FIG. 10B shows an example of a signal flow diagram between a network node 1001, such as, for example, a base station, and a terminal device 1002, such as, for example, a UE, for transmitting and receiving the re-ordered sub-dictionaries.

[0202] At step 1010, the client side device 1002 evalutates channel quality between the terminal device 1002 and the network node 1001. At step 1020, the terminal device 1002 transmits a request for X%of a dictionary. In response to the request, at step 1030, the network node 1001 transmits configuration parameters to the terminal device 1002 to enable the terminal device 1002 to receive dictionary information. The configuration information includes at least the number of codewords ni. At 1040, the terminal device 1002 prepares to receive dictionary information from the network side node 1001. At step 1050, the network side node 1001 transmits the dictionary information to the terminal device 1002.

[0203] Some examples of the present disclosure utilize DMD as a particular example of generating a model over multiple sub-band dictionaries.

[0204] The following paragraphs provide an example of how to compute DMD once the dictionaries are consistently indexed.: Multiple Sub-band Dictionaries

[0205] After ranking, each sub-band dictionary of a group of multiple sub-band dictionaries is aligned in dimension and index meaning. Collective DMD Computation

[0206] The system (e.g., base station or network server) assembles a combined data matrix from sub-band dictionaries to compute eigenvectors and eigenvalues.

[0207] The consistent indexing ensures that each codeword’s position corresponds to the same spatial feature and / or temporal feature and / or delay feature across two or more segments. DMD Operator &Modes

[0208] The DMD operator A is extracted, capturing the evolution across at least one of frequency segments, over time snapshots if the data is collected over multiple intervals or over transmit (Tx) antenna port snapshots if the data is collected over multiple spatial intervals.

[0209] The resulting modes are transmitted to client side devices, which include UEs, in a new message for accurate reconstruction. An example of this may be a “DMD-Parameters-Config” message that include the modes. The modes may be more generally considered as parameters.

[0210] FIG. 11 shows an example signal flow diagram 1100 for signaling between a network node 1101, such as, for example, a base station, and a terminal device 1102, such as a UE. The signal flow diagram 1100 includes steps performed at the network node 1101 including frequency segmentation and DMD. Steps of the diagram 1100 also indicate the informing signals about the dimension of the sub-dictionaries, DMD, sparse representation, and the number of sub-bands, and related parameters.

[0211] Although not shown in FIG. 11, the UE, or more generally a terminal device 1102, may transmit feeback to the network node 1101 based on the reconstructed channel data. In a particular example, the feedback may be channel state information (CSI) .

[0212] Some examples of the present disclosure provide details of how RRC / MAC / PHY layers may be extended: Pre-Connection

[0213] During this step, the network node periodically broadcasts information about the dictionary Ψi that is utilized in system information blocks (SIBs) . In particular, the network node transmits the dimension of each sub-band dictionary, Ψi, and the number of segmentation blocks or sub-bands. This informs the terminal devices that the network node is utilizing a sparsity-based CSI compression scheme, and provides information to the terminal devices, such as memory allocation required, processing complexity, and other information inferred from the matrices’ dimensions. The terminal device receives, parses and stores these specifications, and may prepare for receiving the matrices when the terminal device starts connection to the network node.

[0214] FIG. 12 is an example of two fields, one or more of which may be included in a System Information Block (SIB) or a dedicated RRC message, the two fields including a dictionary dimension or size and a subband dimension or size. RRC Connection RRC Extensions

[0215] When the terminal device connects to the network node, the terminal device initiates an RRC connection request (`RRCConnectionRequest`) message. This message includes information for connecting to the network node, and additionally the terminal device informs the network node about capabilities of the terminal device to compute the CSI compression indicated by the network node. If the terminal device cannot initiate the RRC connection request, the communication may fall back to a standard communication protocol with less computation on the terminal device side. Additionally, the terminal device informs the network node whether the terminal device requires the matrices to be transmitted, or if the terminal device already has access to the matrices, for example, from a previous connection to the network node.

[0216] FIG. 13 is an example of a RRCReconfiguration message or MAC CE message. The RRCReconfiguration message or MAC CE message may include some or all of the following information. A first information informs whether the terminal device, such as a UE can perform the CSI compression indicated by the network node, such as a BS, identified as “SparseCompressionAck” . This information may be representative of a “true” or “false” value and may, for example, be a single bit, 1 or 0. A second information may inform whether the terminal device requires the Ψ′i matrix to be transmitted by the network node (true) , or if the terminal device already has access to the Ψ′i matrix (false) , for example from a previous connection, The second information is identfied in this example as “DictionaryRequest” .

[0217] Once the network node receives the `RRCConnectionRequest` message, the network node performs a procedure for establishing a RRC Connection. Additionally, based on the fields `BasisRequest` and `DictionaryRequest` in the ‘RRCConnectionRequest’ message, the network node allocates downlink resources to transmit the requested matrices. The network node then responds with a `RRCConnectionSetup` message, which is a message that includes the information about the downlink resources where the network node will transmit the requested matrices.

[0218] After the ‘RRCConnectionRequest’ message, a ‘RRCConnectionReconfiguration’ message may be sent from the network node. As shown in FIG. 14, the ‘RRCConnectionReconfiguration’ message may include contents such as, but not limited to, a segmentation configuration ( ‘SegmentationConfig’ ) Information Element (IE) indicating sub-band boundaries and dictionary references, a sub-dictionary allocation ( ‘SubDictionalryIndex) IE lists codeword indices or a range representing the top X%of codewords, where X is an integer value, a transform type ( “TransformationType” ) IE that may be a 2-bit field, such as a value of “00” indicates no transform, a value of “01” indicates a DFT transform, a value of “10” indicates a DCT transform, and a value of “11” indicates a FFT transform, and a model parameter ( ‘DictionaryModelParam’ ) IE specifying the model parameters over sub-band dictionaries (for example DMD operator) . MAC Control Elements

[0219] FIG. 15 illustrates an example of a new MAC Control Element (CE) might carry partial dictionary updates ( ‘UpdateSignal’ ) , reordering signals ( ‘ReorderSignal’ ) , or triggers that command the UEs to switch from one sub-band segmentation to another ( ‘SegmentChangeSignal’ ) .

[0220] The MAC CE shown in FIG. 15 may be used in a layered architecture including any of PHY, MAC, RRC.

[0221] FIG. 16 is an example signal flow diagram 1600 for signaling between a network node 1601, such as, for example, a base station, and a terminal device 1602, such as a UE. The signal flow diagram 1600 includes steps performed at the network node 1601 and the terminal device 1602.

[0222] As a general overview of a method shown in the signal flow diagram of FIG. 16, the network node 1601 uses information related to the channel, such as the overall bandwidth and possibly the channel quality, as well as possibly information related to the terminal device 1602, such as the computational power of terminal device 1602, that the network node 1601 is in communication with. The network node 1601 generates (or constructs) and transmits a subset of codewords for a first bandwidth of a bandwidth being used to communicate with the terminal device 1602 and information pertaining to a model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth. The terminal device 1602 uses the subset of codewords and information pertaining to the model to determine channel state information and sends feedback to the network node 1601.

[0223] As part of the generating of the subset of codewords for a first bandwidth, the network node may segregate a transmission resource bandwidth into the first bandwidth and at least one second bandwidth.

[0224] As part of generating the subset of codeworks, the network node 1601 may order codewords in the subset of codewords for the first bandwidth. In some examples, the ordering is based on significance. In some examples. ordering codewords in the subset of codewords for the at least one second bandwidth is based on the ordering of the subset of codewords for the first bandwidth.

[0225] In some examples, for each of the first bandwidth and the at least one second bandwidth, the generating the set of coefficients corresponding to a channel sparse representation is based on the reduced dimensionality of the respective subsets of codewords for the first bandwidth and the at least one second bandwidth.

[0226] In some examples, the network node determines the model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth.

[0227] At step 1610, the terminal device 1602 may optionally transmit an indication of capability to perform at least one of transforms and artificial intelligence-based compression methods. In some examples, the terminal device 1602 may also transmit at least one of: an indication of whether a terminal device is capable of performing compression of feedback information requested by a network device; and an indication of whether a subset of codewords for the first bandwidth or the at least one second bandwidth should be transmitted to the terminal device 1602 or the terminal device 1602 knows the subsets of codewords. The indications may be used, as described above, by the network node 1601 when constructing the subset of codewords.

[0228] At step 1620, the network node 1601 generates (or constructs) the subset of codewords for a first bandwidth of a bandwidth being used to communicate with the terminal device 1602 and the model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth as described above. Examples of how the network node 1601 may generate the subsets of codewords and the model are described in further detail above and with reference to steps 1A to 1E of FIG. 6, FIG. 7, blocks 810 to 860 of FIG. 8 and blocks 910 to 960 of FIG. 9.

[0229] At step 1630, the terminal device 1602 receives configuration information transmitted by the network node 1601 pertaining to the model. The configuration information may include one or more of: a number of bandwidths in a resource bandwidth including the first bandwidth and the at least one second bandwidth; a number of parameters of the model; and an indication of the sparsity of the sparse representation. In some examples, configuration information may also include an indication of a size of the subset of codewords for the first bandwidth. In some examples, the configuration information may include a size of the transmission resource bandwidth including the first bandwidth and the at least one second bandwidth; and a total number of bandwidths including the first bandwidth and the at least one second bandwidth.

[0230] In some examples, the configuration may include information including at least one of: pertaining to segmenting of the resource bandwidth into the first bandwidth and the at least one second bandwidth; codeword indices for codewords included in the subset of codewords; and information pertaining to a transform type applied to subsets of codewords of the first bandwidth and the at least one second bandwidth.

[0231] In some examples, a transform may be applied to the codewords in the subset of codewords for the first bandwidth or the at least one second bandwidth by the network node 1601 before the codewords are transmitted to the terminal device 1602. In such situations, the terminal device 1602 receives an identification of the transform from the network node 1601. The transform may be a linear transform or a non-linear transform. When the transform is used on the codewords, the terminal device 1602 performs a reverse of the transform to obtain the subset of codewords in an untransformed state.

[0232] At step 1640 the terminal device 1602 receives from the network node 1601 a subset of codewords for a first bandwidth and information pertaining to a model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth. In some examples, the subset of codewords of the first bandwidth is ordered based on significance. Examples of how the network node 1601 transmits and the terminal device 1602 receives the subsets of codewords and information pertaining to the model are described in further detail above in step 1F of FIG. 6, block 870 of FIG. 8 and block 970 of FIG. 9.

[0233] At step 1650, the terminal device 1602, for each of the first bandwidth and the at least one second bandwidth, receives from the network node 1601 a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the respective subsets of codewords for the first bandwidth and the at least one second bandwidth. In some examples, the reduced dimensionality of the subset of codewords is obtained by using one of: QR decomposition; singular value decomposition (SVD) ; or an artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients. Examples of how the network node 1601 transmits and the terminal device 1602 receives the set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the respective subsets of codewords are described in further detail above in step 1F of FIG. 6, block 870 of FIG. 8 and block 970 of FIG. 9.

[0234] At step 1660, the terminal device 1602 reconstructs channel data. The channel data is derived based on the received subset of codewords for the first bandwidth, the information pertaining to the model, and the sets of coefficients for the first bandwidth and the at least one second bandwidth. Examples of how the terminal device 1602 reconstructs channel data are described in further detail above in step 1G of FIG. 6, block 870 of FIG. 8 and block 970 of FIG. 9.

[0235] At step 1670, the terminal device 1602 transmits channel state information to the network node 1601. The channel state information may be derived based on the received subset of codewords for the first bandwidth, the information pertaining to the model, and the sets of coefficients for the first bandwidth and the at least one second bandwidth.

[0236] At step 1680, the terminal device 1602 may optionally transmit to the network node 1601 a request for receiving the subset of codewords of a codebook for the resource bandwidth. The request may indicate a size of the subset of codewords. In some examples, the request is made based on the processing capability of a terminal device. While shown occuring subsequent to the terminal deive 1602 transmitting channel state information suggesting that in this example the terminal device may be requesting an updated or revised set of codewords. It should be understood that the terminal device 1602 may also transmit the request prior to step 1610 near the beginning of the process and making the request for the first time.

[0237] In some examples, at step 1690 anytime after the terminal device 1602 has recevied for the first time the subsets of codewords, the terminal device 1602 may receive one or more of: updated subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth; reordered subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth; and an indication to change from a first bandwidth segmentation to a second bandwidth segmentation.

[0238] As noted above, in some examples, the terminal device may transmit a request for a revised version of the codebook.

[0239] In some examples, for example at step 1690 either in response to the request for the revised version of the codebook or without sending the request, the terminal device may receive any one of: an updated subset of codewords for the first bandwidth; updated information pertaining to the model; and updated information pertaining to the sets of coefficients for the first bandwidth and the at least one second bandwidth.

[0240] Signaling between the terminal device and the network node may be transmitted or received using radio resource control (RRC) signaling or media access control (MAC) signaling.

[0241] Some aspects of the present disclosure may highlight new IEs or MAC CE fields for dictionary references, rank updates, sub-band definitions, and the model parameters over sub-band dictionaries (for example DMD parameters) .

[0242] Some aspects of the present disclosure utilize LASSO on Segmented Data Subsets whihch may enhance compression granularity by tuning each sub-band's dictionary, which may result in lowering overhead while retaining local fidelity.

[0243] Some aspects of the present disclosure utilize unified dictionary codebook ranking, which may allow advanced cross-segment analysis (e.g., DMD) by maintaining consistent codeword indexing, which may enable simpler and more accurate mode extraction.

[0244] Some aspects of the present disclosure may utilize DMD on segmented dictionaries or codebooks in order to captures correlated spatial / temporal / delay variations across multiple sub-bands, which may improve reconstruction accuracy without exponentially increasing overhead.

[0245] Some aspects of the present disclosure may provide protocol and signaling enhancements that may ensure interoperability across multi-vendor 6G systems by defining clear RRC / MAC / PHY procedures for dictionary or codeword transmission, DMD parameters, and partial updates.

[0246] Some aspects of the present disclosure may enable adaptive updates in order to dynamically recalculate segmentation and dictionaries or codebooks under changing conditions (such as, but not limited to bandwidth allocation, channel environment) , which may maintain efficient compression.

[0247] It should be undersatood that the segmented approach described herein may be adapted to Wi-Fi or fixed-wire networks where channel coherence intervals differ, potentially providing even greater benefits in dense multipath environments.

[0248] Although LASSO is described as being in the dislosure, it should be understood that LASSO may be replaced with alternative sparse-coding algorithms (e.g., orthogonal matching pursuit (OMP) , Group LASSO) while retaining the segmented concept and unified dictionary ranking for DMD.

[0249] Future networks may offload dictionary computations and DMD analyses to edge AI accelerators or cloud servers, distributing the processing load and further improving latency.

[0250] It should also be understood that time segmentation, spatial segmentation, or multi-dimensional segmentation of the channel data may complement frequency segmentation, expanding the range of use cases (e.g., for real-time UAV monitoring) .

[0251] In the present disclosure, the terms “a” or “an” are defined to mean “at least one” , that is, these terms do not exclude a plural number of items, unless stated otherwise.

[0252] In the present disclosure, terms such as “substantially” , “generally” and “about” , which modify a value, condition or characteristic of a feature of an example embodiment, should be understood to mean that the value, condition or characteristic is defined within tolerances that are acceptable for the proper operation of the example embodiment for its intended application.

[0253] In the present disclosure, unless stated otherwise, the terms “connected” and “coupled” , and derivatives and variants thereof, refer herein to any structural or functional connection or coupling, either direct or indirect, between two or more elements. For example, the connection or coupling between the elements can be acoustical, mechanical, optical, electrical, thermal, logical, or any combinations thereof.

[0254] In the present disclosure, expressions such as “match” , “matching” and “matched” , including variants and derivatives thereof, are intended to refer herein to a condition in which two or more elements are either the same or within some predetermined tolerance of each other. That is, these terms are meant to encompass not only “exactly” or “identically” matching the two elements but also “substantially” , “approximately” or “subjectively” matching the two or more elements, as well as providing a higher or best match among a plurality of matching possibilities.

[0255] In the present disclosure, the expression “based on” is intended to mean “based at least partly on” , that is, this expression can mean “based solely on” or “based partially on” , and so should not be interpreted in a limited manner. More particularly, the expression “based on” could also be understood as meaning “depending on” , “representative of” , “indicative of” , “associated with” or similar expressions.

[0256] In the present disclosure, the terms "system" and "network" may be used interchangeably in different implementations of this application. "At least one" means one or more, and "a plurality of" means two or more. The term "and / or" describes an association relationship of associated objects, and indicates that three relationships may exist. For example, A and / or B may indicate the following three cases: Only A exists, both A and B exist, and only B exists, where A and B may be singular or plural. The character " / " indicates an "or" relationship between associated objects. "At least one of the following items (pieces) " or a similar expression thereof indicates any combination of these items, including a single item (piece) or any combination of a plurality of items (pieces) . For example, "at least one of A, B, or C" includes: only A; only B; only C; A and B; A and C; B and C; or A, B, and C, and "at least one of A, B, and C" may also be understood as including: only A; only B; only C; A and B; A and C; B and C; or A, B, and C. In addition, unless otherwise specified, ordinal numbers such as "first" and "second" in implementations of this application are used to distinguish between a plurality of objects, and are not used to limit a sequence, a time sequence, priorities, or importance of the plurality of objects.

[0257] A person skilled in the art should understand that implementationsof this application may be provided as a method, an apparatus (or system) , computer-readable storage medium, or a computer program product. Therefore, this application may use a form of a hardware-only embodiment, a software-only embodiment, or an embodiment with a combination of software and hardware. Moreover, this application may use a form of a computer program product that is implemented on one or more computer-usable storage media (including but not limited to a disk memory, an optical memory, and the like) that include computer-usable program code.

[0258] This application is described with reference to the flowcharts and / or block diagrams of the method, the device (system) , and the computer program product according to this application. It should be understood that computer program instructions may be used to implement each process and / or each block in the flowcharts and / or the block diagrams and a combination of a process and / or a block in the flowcharts and / or the block diagrams. The computer program instructions may be provided for a general-purpose computer, a dedicated computer, an embedded processor, or a processor of another programmable data processing device and enable a machine to execute the instructions. When executed by any computer or the processor of a programmable data processing device, the instructions cause the apparatus to implement specific functions as described in one or more procedures in the flowcharts and / or one or more blocks in the block diagrams. The computer program instructions may alternatively be stored in a computer-readable memory that can indicate a computer or another programmable data processing device to work in a specific manner, so that the instructions stored in the computer-readable memory generate an artifact that includes an instruction apparatus. The instruction apparatus implements a specific function in one or more procedures in the flowcharts and / or one or more blocks in the block diagrams.

[0259] The computer program instructions may alternatively be loaded onto a computer or another programmable data processing device, so that a series of operations and steps are performed on the computer or the another programmable device, so that computer-implemented processing is generated. Therefore, the instructions executed on the computer or on another programmable device provide steps for implementing specific functions as described in one or more procedures in the flowcharts and / or one or more blocks in the block diagrams.

[0260] It is clear that a person skilled in the art can make various modifications and variations to this application without departing from the scope of this disclosure. This disclosure is intended to cover these modifications and variations of this application provided that they fall within the scope of protection defined by the following claims and their equivalent technologies.

Claims

A method comprising:receiving a subset of codewords for a first bandwidth and information pertaining to a model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth;for each of the first bandwidth and the at least one second bandwidth, receiving a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the respective subsets of codewords for the first bandwidth and the at least one second bandwidth.The method of claim 1 further comprising:transmitting channel state information, wherein the channel state information is derived based on the received subset of codewords for the first bandwidth, the information pertaining to the model, and the sets of coefficients for the first bandwidth and the at least one second bandwidth.The method of claim 1 or 2 further comprising:reconstructing channel data, wherein the channel data is derived based on the received subset of codewords for the first bandwidth, the information pertaining to the model, and the sets of coefficients for the first bandwidth and the at least one second bandwidth.The method of any one of claims 1 to 3 further comprising receiving configuration information pertaining to the model comprising one or more of:a number of bandwidths in a resource bandwidth including the first bandwidth and the at least one second bandwidth;a number of parameters of the model; andan indication of the sparsity of the sparse representation.The method of any one of claims 1 to 4, wherein the model is a based on a Dynamic Mode Decomposition (DMD) .The method of any one of claims 1 to 5 further comprising transmitting a request for receiving a subset of codewords of a codebook for the resource bandwidth.The method of claim 6, wherein the request indicates a size of the subset of codewords.The method of claim 6 or 7, wherein the request is made based on the processing capability of a terminal device.The method of any one of claims 1 to 8 further comprising receiving an indication of a size of the subset of codewords for the first bandwidth.The method of any one of claims 1 to 9 further comprising receiving information pertaining to at least one of:a size of the transmission resource bandwidth including the first bandwidth and the at least one second bandwidth; anda total number of bandwidths including the first bandwidth and the at least one second bandwidth.The method of any one of claims 1 to 10 further comprising transmitting at least one of:an indication of whether a terminal device is capable of performing compression of feedback information requested by a network device; andan indication of whether a subset of codewords for the first bandwidth or the at least one second bandwidth should be transmitted to a terminal device or the terminal device knows the subsets of codewords.The method of any one of claims 1 to 11 further comprising receiving one or more of:information pertaining to segmenting of the resource bandwidth into the first bandwidth and the at least one second bandwidth;codeword indices for codewords included in the subset of codewords; andinformation pertaining to a transform type applied to subsets of codewords of the first bandwidth and the at least one second bandwidth.The method of any one of claims 1 to 12 further comprising receiving one or more of:updated subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth;reordered subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth; andan indication to change from a first bandwidth segmentation to a second bandwidth segmentation.The method of any one of claims 1 to 13, wherein when a transform has been applied to the codewords in the subset of codewords for the first bandwidth or the at least one second bandwidth, the method further comprises receiving an identification of the transform.The method of claim 14, wherein the transform is a linear transform or a non-linear transform.The method of claim 14 or 15 further comprising performing a reverse of the transform to obtain the subset of codewords in an untransformed state.The method of any one of claims 1 to 16 further comprising transmitting an indication of capability to perform at least one of transforms and artificial intelligence-based compression methods.The method of any one of claims 1 to 17 further comprising transmitting a request for a revised version of the codebook.The method of any one of claims 1 to 18 further comprising receiving any one of:an updated subset of codewords for the first bandwidth;updated information pertaining to the model; andupdated information pertaining to the sets of coefficients for the first bandwidth and the at least one second bandwidth.The method of any one of claims 1 to 19, wherein signaling is transmitted or received using radio resource control (RRC) signaling or media access control (MAC) signaling.The method of any one of claims 1 to 20, wherein the reduced dimensionality of the subset of codewords is obtained by using one of:QR decomposition;singular value decomposition (SVD) ; oran artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.The method of any one of claims 1 to 21, wherein the subset of codewords of the first bandwidth is ordered based on significance.A communication apparatus, configured to perform the method of any one of claims 1 to 22.An apparatus, the apparatus comprising:one or more processors; anda memory storing instructions which, when executed by the one or more processors, cause the apparatus to perform the method of any one of claims 1 to 22.A computer program product storing instructions which, when executed, cause an apparatus to perform the method of any one of claims 1 to 22.A computer-readable storage medium having instructions stored thereon which, when executed by one or more processors, cause the one or more processors to perform the method of any one of claims 1 to 22.A method comprising:transmitting a subset of codewords for a first bandwidth and information pertaining to a model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth;for each of the first bandwidth and the at least one second bandwidth, receiving a set of coefficients corresponding to a channel sparse representation based on a reduced dimensionality of the respective subsets of codewords for the first bandwidth and the at least one second bandwidth.The method of claim 27 further comprising:receiving channel state information, wherein the channel state information is derived based on the subset of codewords for the first bandwidth, the information pertaining to the model, and the sets of coefficients for the first bandwidth and the at least one second bandwidth.The method of claim 27 or 28 further comprising segregating a transmission resource bandwidth into the first bandwidth and at least one second bandwidth.The method of any one of claims 27 to 29 further comprising constructing the subset of codewords for the first bandwidth.The method of claim 30, wherein the constructing the subset of codewords for the first bandwidth is based on one or more of:channel bandwidth conditions;computational power of a user equipment (UE) when processing the subset of codewords; andchannel quality.The method of any one of claims 27 to 31 further comprising ordering codewords in the subset of codewords for the first bandwidth.The method of claim 32, wherein the ordering is based on significance.The method of claim 32 or 33 further comprising ordering codewords in the subset of codewords for the at least one second bandwidth based on the ordering of the subset of codewords for the first bandwidth.The method of any one of claims 27 to 34 further comprising, for each of the first bandwidth and the at least one second bandwidth, constructing the set of coefficients corresponding to a channel sparse representation based on the reduced dimensionality of the respective subsets of codewords for the first bandwidth and the at least one second bandwidth.The method of any one of claims 27 to 35 further comprising determining the model relating the subset of codewords for the first bandwidth with a subset of codewords for at least one second bandwidth.The method of any one of claims 27 to 36 further comprising transmitting configuration information pertaining to the model comprising one or more of:a number of bandwidths including the first bandwidth and the at least one second bandwidth;a number of parameters of the model; andan indication of the sparsity of the sparse representation.The method of any one of claims 27 to 37, wherein the model is a based on a Dynamic Mode Decomposition (DMD) .The method of any one of claims 27 to 38 further comprising transmitting information pertaining to at least one of:a size of the transmission resource bandwidth including the first bandwidth and the at least one second bandwidth; anda total number of bandwidths including the first bandwidth and the at least one second bandwidth.The method of any one of claims 27 to 39 further comprising receiving at least one of:an indication of whether a terminal device is capable of performing compression of feedback information requested by a network device; andan indication of whether a subset of codewords for the first bandwidth or the at least one second bandwidth should be transmitted to a terminal device or the terminal device knows the subsets of codewords.The method of any one of claims 27 to 40, further comprising transmitting one or more of:information pertaining to segmenting of the resource bandwidth into the first bandwidth and the at least one second bandwidth;codeword indices for codewords included in the subset of codewords; andinformation pertaining to a transform type applied to subsets of codewords of the first bandwidth and the at least one second bandwidth.The method of any one of claims 27 to 41 further comprising transmitting one or more of:updated subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth;reordered subsets of codewords for at least one of the first bandwidth and the at least one second bandwidth; andan indication to change from a first bandwidth segmentation to a second bandwidth segmentation.The method of any one of claims 27 to 42 further comprising transforming codewords in the codebook for the first bandwidth or the at least one second bandwidth using a transform.The method of any one of claims 27 to 43 further comprising transmitting an identification of the transform.The method of claim 44, wherein the transform is a linear transform or a non-linear transform.The method of any one of claims 27 to 45 further comprising receiving a request for receiving a subset of codewords of a codebook for the resource bandwidth.The method of claim 46, wherein the request indicates a size of the subset of codewords.The method of claim 46 or 47, wherein the request is made based on the processing capability of a terminal device.The method of any one of claims 27 to 48 further comprising transmitting an indication of a size of the subset of codewords for the first bandwidth.The method of any one of claims 27 to 49 further comprising receiving an indication of capability to perform at least one of transforms and artificial intelligence-based compression methods.The method of any one of claims 27 to 50 further comprising receiving a request for a revised version of the codebook.The method of any one of claims 27 to 51 further comprising receiving any one of:an updated subset of codewords for the first bandwidth;updated information pertaining to the model; andupdated information pertaining to the sets of coefficients for the first bandwidth and the at least one second bandwidth.The method of any one of claims 27 to 52, wherein signaling is transmitted or received using radio resource control (RRC) signaling or media access control (MAC) signaling.The method of any one of claims 27 to 53, wherein the reduced dimensionality of the subset of codewords is obtained by using one of:QR decomposition;singular value decomposition (SVD) ; oran artificial intelligence-based algorithm unknown to a network device that is a recipient of the transmitted set of coefficients.A communication apparatus, configured to perform the method of any one of claims 27 to 47.An apparatus comprising:one or more processors; anda memory storing instructions which, when executed by the one or more processors, cause the apparatus to perform the method of any one of claims 27 to 54.A computer program product storing instructions which, when executed, cause an apparatus to perform the method of any one of claims 27 to 54.A computer-readable storage medium having instructions stored thereon which, when executed by one or more processors, cause the one or more processors to perform the method of any one of claims 27 to 54.A communication system, wherein the communication system comprises a first communication apparatus configured to perform the method of any one of claims 1 to 22 and a second communication apparatus configured to perform the method of any one of claims 27 to 54.

Images