WO2024004218A1 - 端末、無線通信方法及び基地局 - Google Patents

端末、無線通信方法及び基地局 Download PDF

Info

Publication number
WO2024004218A1
WO2024004218A1 PCT/JP2022/026512 JP2022026512W WO2024004218A1 WO 2024004218 A1 WO2024004218 A1 WO 2024004218A1 JP 2022026512 W JP2022026512 W JP 2022026512W WO 2024004218 A1 WO2024004218 A1 WO 2024004218A1
Authority
WO
WIPO (PCT)
Prior art keywords
model
information
csi
performance
csi feedback
Prior art date
Application number
PCT/JP2022/026512
Other languages
English (en)
French (fr)
Inventor
春陽 越後
浩樹 原田
リュー リュー
Original Assignee
株式会社Ｎｔｔドコモ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社Ｎｔｔドコモ filed Critical 株式会社Ｎｔｔドコモ
Priority to PCT/JP2022/026512 priority Critical patent/WO2024004218A1/ja
Publication of WO2024004218A1 publication Critical patent/WO2024004218A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports

Definitions

  • the present disclosure relates to a terminal, a wireless communication method, and a base station in a next-generation mobile communication system.
  • LTE Long Term Evolution
  • 3GPP Rel. 10-14 is a specification for the purpose of further increasing capacity and sophistication of LTE (Third Generation Partnership Project (3GPP (registered trademark)) Release (Rel. 8, 9). was made into
  • LTE Long Term Evolution
  • 5G 5th generation mobile communication system
  • 5G+ plus
  • NR New Radio
  • E-UTRA Evolved Universal Terrestrial Radio Access
  • E-UTRAN Evolved Universal Terrestrial Radio Access Network
  • AI artificial intelligence
  • ML machine learning
  • CSI channel state information
  • Performance monitoring of the AI model may be performed at a terminal (terminal, user terminal, user equipment (UE)), or at a base station (BS).
  • UE user terminal
  • BS base station
  • no progress has been made in studying the specific life cycle management of performance monitoring in the UE/BS.
  • one of the purposes of the present disclosure is to provide a terminal, a wireless communication method, and a base station that can realize suitable overhead reduction/channel estimation/resource utilization.
  • a terminal includes a receiving unit that receives configuration information for reporting for performance monitoring regarding artificial intelligence (AI) based channel state information (CSI) feedback. , a control unit that controls transmission of a report regarding CSI measured based on the configuration information.
  • AI artificial intelligence
  • CSI channel state information
  • suitable overhead reduction/channel estimation/resource utilization can be achieved.
  • FIG. 1 is a diagram illustrating an example of an AI model management framework.
  • FIG. 2 is a diagram illustrating an example of CSI feedback using an encoder/decoder.
  • FIG. 3 is a diagram illustrating an example of a lifecycle management framework for performance monitoring in a UE according to an embodiment.
  • FIG. 4 is a diagram illustrating an example of a lifecycle management framework for performance monitoring in a BS according to an embodiment.
  • FIG. 5 is a diagram illustrating an example of performance monitoring in Embodiment 1.1.
  • FIG. 6 is a diagram illustrating an example of performance monitoring in Embodiment 1.2.
  • FIGS. 7A and 7B are diagrams illustrating an example of model evaluation in the second embodiment.
  • FIG. 8 is a diagram showing an example of model evaluation in the second embodiment.
  • FIG. 1 is a diagram illustrating an example of an AI model management framework.
  • FIG. 2 is a diagram illustrating an example of CSI feedback using an encoder/decoder.
  • FIG. 3
  • FIG. 9 is a diagram showing an example of performance monitoring in the sixth embodiment.
  • FIG. 10 is a diagram illustrating an example of a schematic configuration of a wireless communication system according to an embodiment.
  • FIG. 11 is a diagram illustrating an example of the configuration of a base station according to an embodiment.
  • FIG. 12 is a diagram illustrating an example of the configuration of a user terminal according to an embodiment.
  • FIG. 13 is a diagram illustrating an example of the hardware configuration of a base station and a user terminal according to an embodiment.
  • FIG. 14 is a diagram illustrating an example of a vehicle according to an embodiment.
  • AI Artificial Intelligence
  • ML machine learning
  • improved Channel State Information (CSI) feedback e.g., reduced overhead, improved accuracy, prediction
  • improved beam management e.g., improved accuracy, prediction in the time/spatial domain
  • position A terminal e.g., user terminal, user equipment (UE)/Base Station (BS)
  • BS Base Station
  • AI technology e.g., improve position estimation/prediction
  • the AI model may output at least one information such as an estimated value, a predicted value, a selected action, a classification, etc.
  • the UE/BS inputs channel state information, reference signal measurements, etc. to the AI model, and provides highly accurate channel state information/measurements/beam selection/position, future channel state information/radio link quality, etc. may be output.
  • AI may be read as an object (also referred to as a target, object, data, function, program, etc.) that has (implements) at least one of the following characteristics: ⁇ Estimation based on observed or collected information; - Selection based on observed or collected information; - Predictions based on observed or collected information.
  • estimation, prediction, and inference may be used interchangeably.
  • estimate the terms “estimate,” “predict,” and “infer” may be used interchangeably.
  • an object may be, for example, an apparatus, a device, etc., such as a UE or a BS. Furthermore, in the present disclosure, an object may correspond to a program/model/entity that operates on the device.
  • the AI model may be replaced by an object that has (implements) at least one of the following characteristics: ⁇ Produce estimates by feeding information, ⁇ Predict the estimated value by giving information, ⁇ Discover characteristics by providing information, ⁇ Select an action by providing information.
  • an AI model may refer to a data-driven algorithm that applies AI technology and generates a set of outputs based on a set of inputs.
  • AI models models, ML models, predictive analytics, predictive analysis models, tools, autoencoders (autoencoders), encoders, decoders, neural network models, AI algorithms, Schemes etc.
  • the AI model may be derived using at least one of regression analysis (eg, linear regression analysis, multiple regression analysis, logistic regression analysis), support vector machine, random forest, neural network, deep learning, etc.
  • the autoencoder may be interchanged with any autoencoder such as a stacked autoencoder or a convolutional autoencoder.
  • the encoder/decoder of the present disclosure may adopt models such as Residual Network (ResNet), DenseNet, RefineNet, etc.
  • a decoder decoding, decode/decoded, modification/change/control by a decoder, decompressing, decompress/decompressed, re- Reconstructing, reconstruct/reconstructed, etc. may be used interchangeably.
  • layers may be interchanged with layers (input layer, intermediate layer, etc.) used in the AI model.
  • the layers of the present disclosure include an input layer, an intermediate layer, an output layer, a batch normalization layer, a convolution layer, an activation layer, a dense layer, a normalization layer, a pooling layer, an attention layer, a dropout layer, It may correspond to at least one of the fully connected layers.
  • AI model training methods may include supervised learning, unsupervised learning, reinforcement learning, federated learning, and the like.
  • Supervised learning may refer to the process of training a model from input and corresponding labels.
  • Unsupervised learning may refer to the process of training a model without labeled data.
  • Reinforcement learning is the process of training a model from inputs (in other words, states) and feedback signals (in other words, rewards) resulting from the model's outputs (in other words, actions) in the environment in which the models are interacting. It can also mean
  • generation, calculation, derivation, etc. may be read interchangeably.
  • implementation, operation, operation, execution, etc. may be read interchangeably.
  • training, learning, updating, retraining, etc. may be used interchangeably.
  • inference, after-training, production use, actual use, etc. may be read interchangeably.
  • a signal may be interchanged with a signal/channel.
  • FIG. 1 is a diagram illustrating an example of an AI model management framework.
  • each stage related to the AI model is shown as a block.
  • This example is also expressed as AI model life cycle management.
  • the data collection stage corresponds to the stage of collecting data for generating/updating an AI model.
  • the data collection stage includes data reduction (e.g., deciding which data to transfer for model training/model inference), data transfer (e.g., to entities performing model training/model inference (e.g., UE, gNB)), and transfer data).
  • data collection may refer to a process in which data is collected by a network node, management entity, or UE for the purpose of AI model training/data analysis/inference.
  • process and “procedure” may be interchanged with each other.
  • model training is performed based on the data (training data) transferred from the collection stage.
  • This stage includes data preparation (e.g., performing data preprocessing, cleaning, formatting, transformation, etc.), model training/validation, and model testing (e.g., whether the trained model meets performance thresholds). verification), model exchange (e.g., transferring a model for distributed learning), model deployment/updating (deploying/updating a model to an entity that performs model inference), etc.
  • AI model training may refer to processing for training an AI model in a data-driven manner and obtaining a trained AI model for inference.
  • AI model validation may refer to a training sub-process for evaluating the quality of an AI model using a data set different from the data set used for model training. This sub-processing helps select model parameters that generalize beyond the dataset used to train the model.
  • AI model testing refers to a sub-process of training to evaluate the performance of the final AI model using a dataset different from the dataset used for model training/validation. You may. Note that unlike validation, testing does not have to be based on subsequent model tuning.
  • model inference is performed based on the data (inference data) transferred from the collection stage.
  • This stage includes data preparation (e.g., performing data preprocessing, cleaning, formatting, transformation, etc.), model inference, model monitoring (e.g., monitoring the performance of model inference), and model performance feedback (the entity performing model training). (feedback of model performance to actors), output (provide model output to actors), etc.
  • AI model inference may refer to processing for producing a set of outputs from a set of inputs using a trained AI model.
  • a UE side model may mean an AI model whose inference is completely performed in the UE.
  • a network side model may refer to an AI model whose inference is performed entirely in the network (eg, gNB).
  • the one-sided model may mean a UE-side model or a network-side model.
  • a two-sided model may refer to a pair of AI models in which joint inference is performed.
  • joint inference may include AI inference where the inference is performed jointly across the UE and the network, e.g., the first part of the inference is performed by the UE first and the remaining part is performed by the gNB. (or vice versa).
  • AI model monitoring may mean processing for monitoring the inference performance of an AI model, and may be interchanged with model performance monitoring, performance monitoring, etc.
  • model registration may mean making the model executable by assigning a version identifier to the model and compiling it on specific hardware used in the inference stage.
  • Model deployment also refers to delivering (or distributing) a fully developed and tested model runtime image (or image of an execution environment) to a target (e.g., UE/gNB) on which inference is performed. It may also mean ⁇ enabled''.
  • the actor stage includes action triggers (e.g., deciding whether to trigger an action on other entities), feedback (e.g., feeding back information necessary for training data/inference data/performance feedback), etc. May include.
  • action triggers e.g., deciding whether to trigger an action on other entities
  • feedback e.g., feeding back information necessary for training data/inference data/performance feedback
  • training of a model for mobility optimization may be performed, for example, in Operation, Administration and Maintenance (Management) (OAM) in a network (Network (NW)) / gNodeB (gNB).
  • OAM Operation, Administration and Maintenance
  • NW Network
  • gNodeB gNodeB
  • the former has advantages in interoperability, large storage capacity, operator manageability, and model flexibility (e.g., feature engineering). In the latter case, the advantage is that there is no need for model update latency or data exchange for model development.
  • Inference of the above model may be performed in the gNB, for example.
  • the entity that performs the training/inference may be different.
  • Functions of the AI model may include beam management, beam prediction, autoencoder (or information compression), CSI feedback, position positioning, etc.
  • the OAM/gNB may perform model training and the gNB may perform model inference.
  • a Location Management Function may perform model training, and the LMF may perform model inference.
  • the OAM/gNB/UE may perform model training and the gNB/UE (jointly) may perform model inference.
  • the OAM/gNB/UE may perform model training and the UE may perform model inference.
  • model activation may mean activating an AI model for a specific function.
  • Model deactivation may mean disabling an AI model for a particular function.
  • Model switching may mean deactivating the currently active AI model for a particular function and activating a different AI model.
  • model transfer may mean distributing the AI model over the air interface. This distribution may include distributing one or both of the parameters of the model structure known at the receiving end, or a new model with the parameters. This distribution may also include complete models or partial models. Model download may refer to model transfer from the network to the UE. Model upload may refer to model transfer from the UE to the network.
  • AI-based CSI feedback As a use case for utilizing AI models, CSI compression using a two-sided AI model is being considered. Such a CSI compression method may be referred to as AI-based CSI feedback, and may be implemented using an autoencoder, for example.
  • FIG. 2 is a diagram showing an example of CSI feedback using an encoder/decoder.
  • the UE inputs CSI to an encoder and transmits information (CSI feedback information) including encoded bits that are output from an antenna.
  • the BS inputs the bits of the received CSI feedback information into the corresponding decoder to obtain the output CSI.
  • the input CSI may include, for example, information on channel coefficients (elements of a channel matrix) or information on precoding coefficients (elements of a precoding matrix).
  • the CSI may correspond to information regarding channel conditions in the space-frequency domain.
  • the input may include information other than the CSI.
  • encoder/decoder may include pre-processing for input, post-processing for output, and the like.
  • the encoded bits are more compressed than the input information before being encoded, and a reduction in communication overhead related to CSI feedback can be expected.
  • the performance monitoring shown in FIG. 1 may be performed at the UE or at the BS.
  • AI-based CSI feedback no progress has been made in studying the specific life cycle management of performance monitoring in the UE/BS.
  • the present inventors conceived of a suitable method for implementing performance monitoring in the UE/BS.
  • A/B and “at least one of A and B” may be read interchangeably. Furthermore, in the present disclosure, “A/B/C” may mean “at least one of A, B, and C.”
  • Radio Resource Control RRC
  • RRC parameters RRC parameters
  • RRC messages upper layer parameters, fields, Information Elements (IEs), settings, etc.
  • IEs Information Elements
  • CE Medium Access Control Element
  • update command activation/deactivation command, etc.
  • the upper layer signaling may be, for example, Radio Resource Control (RRC) signaling, Medium Access Control (MAC) signaling, broadcast information, etc., or a combination thereof.
  • RRC Radio Resource Control
  • MAC Medium Access Control
  • MAC signaling may use, for example, a MAC Control Element (MAC CE), a MAC Protocol Data Unit (PDU), or the like.
  • Broadcast information includes, for example, a master information block (MIB), a system information block (SIB), a minimum system information (RMSI), and other system information ( Other System Information (OSI)) may also be used.
  • MIB master information block
  • SIB system information block
  • RMSI minimum system information
  • OSI Other System Information
  • the physical layer signaling may be, for example, downlink control information (DCI), uplink control information (UCI), etc.
  • DCI downlink control information
  • UCI uplink control information
  • an index an identifier (ID), an indicator, a resource ID, etc.
  • ID an identifier
  • indicator an indicator
  • resource ID a resource ID
  • sequences, lists, sets, groups, groups, clusters, subsets, etc. may be used interchangeably.
  • a panel, a UE panel, a panel group, a beam, a beam group, a precoder, an uplink (UL) transmitting entity, a transmission/reception point (TRP), a base station, and a spatial relation information (SRI) are described.
  • SRS resource indicator SRI
  • control resource set CONtrol REsource SET (CORESET)
  • Physical Downlink Shared Channel PDSCH
  • codeword CW
  • Transport Block Transport Block
  • TB transport Block
  • RS reference signal
  • antenna port e.g. demodulation reference signal (DMRS) port
  • antenna port group e.g.
  • DMRS port group groups (e.g., spatial relationship groups, Code Division Multiplexing (CDM) groups, reference signal groups, CORESET groups, Physical Uplink Control Channel (PUCCH) groups, PUCCH resource groups), resources (e.g., reference signal resources, SRS resource), resource set (for example, reference signal resource set), CORESET pool, downlink Transmission Configuration Indication state (TCI state) (DL TCI state), uplink TCI state (UL TCI state), unified TCI Unified TCI state, common TCI state, quasi-co-location (QCL), QCL assumption, etc. may be read interchangeably.
  • groups e.g., spatial relationship groups, Code Division Multiplexing (CDM) groups, reference signal groups, CORESET groups, Physical Uplink Control Channel (PUCCH) groups, PUCCH resource groups
  • resources e.g., reference signal resources, SRS resource
  • resource set for example, reference signal resource set
  • CORESET pool downlink Transmission Configuration Indication state (TCI state) (DL TCI state), up
  • CSI-RS Non Zero Power (NZP) CSI-RS, Zero Power (ZP) CSI-RS, and CSI Interference Measurement (CSI-IM) are: They may be read interchangeably. Additionally, the CSI-RS may include other reference signals.
  • NZP Non Zero Power
  • ZP Zero Power
  • CSI-IM CSI Interference Measurement
  • RS to be measured/reported may mean RS to be measured/reported for CSI reporting.
  • timing, time, time, slot, subslot, symbol, subframe, etc. may be read interchangeably.
  • direction, axis, dimension, domain, polarization, polarization component, etc. may be read interchangeably.
  • the RS may be, for example, a CSI-RS, an SS/PBCH block (SS block (SSB)), or the like.
  • the RS index may be a CSI-RS resource indicator (CSI-RS resource indicator (CRI)), an SS/PBCH block resource indicator (SS/PBCH block indicator (SSBRI)), or the like.
  • channel measurement/estimation includes, for example, a channel state information reference signal (CSI-RS), a synchronization signal (SS), a synchronization signal/broadcast channel (Synchronization Signal/Physical It may be performed using at least one of a Broadcast Channel (SS/PBCH) block, a demodulation reference signal (DMRS), a measurement reference signal (Sounding Reference Signal (SRS)), and the like.
  • CSI-RS channel state information reference signal
  • SS synchronization signal
  • SS/PBCH Broadcast Channel
  • DMRS demodulation reference signal
  • SRS Sounding Reference Signal
  • CSI includes a channel quality indicator (CQI), a precoding matrix indicator (PMI), and a CSI-RS resource indicator (CRI).
  • CQI channel quality indicator
  • PMI precoding matrix indicator
  • CRI CSI-RS resource indicator
  • SSBRI SS/PBCH Block Resource Indicator
  • LI Layer Indicator
  • RI Rank Indicator
  • L1-RSRP Reference in Layer 1 Signal received power (Layer 1 Reference Signal Received Power), L1-RSRQ (Reference Signal Received Quality), L1-SINR (Signal to Interference plus Noise Ratio), L1-SNR (Signal to Noise Ratio), channel matrix (or channel information regarding the precoding matrix (or precoding coefficients), and the like.
  • UCI UCI
  • CSI report CSI feedback
  • feedback information feedback bit
  • CSI feedback method CSI feedback scheme
  • CSI feedback scheme etc.
  • bits, bit strings, bit sequences, sequences, values, information, values obtained from bits, information obtained from bits, etc. may be interchanged.
  • the relevant entities are the UE and the BS in order to explain an AI model regarding communication between the UE and the BS, but the application of each embodiment of the present disclosure is not limited to this.
  • the UE and BS in the embodiment below may be replaced with a first UE and a second UE.
  • the UE, BS, etc. of the present disclosure may be replaced with any UE/BS.
  • FIG. 3 is a diagram illustrating an example of a lifecycle management framework for performance monitoring in a UE according to an embodiment.
  • the UE monitors the performance of the model and fallback scheme (non-AI based CSI feedback).
  • the UE evaluates the performance of the monitored/reported model and fallback scheme (non-AI based CSI feedback).
  • the UE reports the monitored performance to the NW.
  • the NW evaluates the performance of the reported model and fallback scheme.
  • the UE sends a request to the NW regarding which model should be applied or whether a fallback scheme should be applied.
  • the UE may be instructed which scheme (model) is to be activated.
  • the UE may activate some model or fallback scheme.
  • FIG. 4 is a diagram illustrating an example of a life cycle management framework for performance monitoring in a BS according to an embodiment.
  • the UE reports information for performance monitoring at the NW (BS).
  • the NW monitors the performance of the model and fallback scheme (non-AI based CSI feedback).
  • the NW evaluates the performance of the model and the fallback scheme.
  • the UE may be instructed which scheme (model) is to be activated.
  • the UE may activate some model or fallback scheme.
  • the first embodiment relates to performance monitoring at the UE.
  • the UE may be notified by the network about at least one of which AI models to monitor performance and non-AI based CSI feedback performance to monitor. Determination of the AI model to be monitored will be described later in a modification of the fifth embodiment.
  • non-AI-based CSI feedback may be referred to as a fallback scheme, and may correspond to a scheme in which the UE feeds back CQI, PMI, etc. that are fed back in existing standards.
  • a model whose performance is monitored may be referred to as a monitored model.
  • a model to be registered (to which registration is applied)/a model to be set may correspond to a model to be monitored/a model to be activated.
  • the UE may monitor real-time performance (which may be referred to as actual performance) if both an encoder and a decoder are also available at the UE.
  • Actual performance may mean the performance of the CSI calculated based on the output of the AI model compared to the target CSI.
  • the performance monitored in embodiment 1.1 may be at least one of the following: (1) Generalized Cosine Similarity (GCS) between the CSI calculated based on the output of the AI model and the target CSI of the AI model (for example, the CSI calculated based on channel measurements) )/Squared GCS (SGCS) (may include extended GCS/SGCS for layers > 1), (2) Communication quality calculated based on the output of the AI model. For example, under a specific resource allocation assumption, a CQI that satisfies a certain block error probability; (3) Normalized Mean Square Error (NMSE)/Mean Square Error (MSE) between the CSI calculated based on the output of the AI model and the target CSI of the AI model ).
  • GCS Generalized Cosine Similarity
  • the target CSI may be, for example, a CSI (calculated CSI) calculated based on channel measurements, or an ideal CSI (ideal CSI).
  • ideal CSI may mean an ideal CSI without error output from an AI model, or may mean CSI output from an AI model in response to a specific input (or any input). It can also mean The ideal CSI may also be called fixed CSI.
  • the CSI in (1)/(3) may be at least one of a precoding matrix, one or more precoding vectors, and one or more eigenvectors.
  • the CSI in (1)/(3) may be a quantized CSI.
  • the CSI calculated based on the output of the AI model in (1)/(3) may correspond to the CSI reconstructed by the AI model.
  • the CQI in (2) may be, for example, at least one of a wideband CQI, an average of subband CQIs, a weighted average of subband CQIs, a maximum/minimum of subband CQIs, and the like.
  • the specific resource allocation may correspond to the frequency/time resource allocation for reception of a certain channel/signal (e.g., PDSCH, PDCCH, corresponding DMRS), and what kind of resource allocation is specified in the standard ( For example, the expected number of symbols, number of resource blocks, etc.) may be defined.
  • a certain block error probability may be, for example, at least one of 0.1, 0.00001, etc.
  • FIG. 5 is a diagram showing an example of performance monitoring in Embodiment 1.1.
  • the CSI output from the decoder is the reconstructed CSI corresponding to the input to the encoder.
  • the decoder included in the UE is only provided for performance monitoring, and the CSI feedback transmitted by the UE is the output of the encoder.
  • the UE has at least one encoder and a corresponding decoder as shown.
  • the UE performs channel measurement based on the CSI-RS transmitted from the BS and obtains the channel matrix H.
  • the UE inputs H to the encoder and inputs the output obtained to the corresponding decoder to obtain a reconstructed channel matrix H'.
  • the UE estimates performance based on H and H'.
  • the UE may obtain W by performing specific processing on H (for example, Singular Value Decomposition (SVD)).
  • H for example, Singular Value Decomposition (SVD)
  • the UE inputs W to the encoder and inputs the obtained output to the corresponding decoder to obtain a reconstructed precoding matrix W'.
  • the UE estimates performance based on W and W'.
  • the UE pW may be obtained by performing the above-mentioned pretreatment.
  • the UE inputs pW to the encoder and inputs the obtained output to the corresponding decoder to obtain a reconstructed pre-processed precoding matrix pW'.
  • the UE may estimate the performance based on p-W and p-W', or estimate the performance based on W' obtained by applying the inverse preprocessing to W and p-W'. It may be estimated.
  • the UE may transmit a performance report to the BS as necessary.
  • Embodiment 1.1 highly reliable real-time performance can be monitored.
  • Embodiment 1.2 if an encoder is available at the UE, the UE may monitor the expected performance.
  • the performance monitored in Embodiment 1.2 may be at least one of the following: (1) Expected communication quality calculated based on the output of the AI model. For example, under a particular resource allocation assumption, the expected CQI that satisfies a certain block error probability, (2) The expected performance (e.g., expected noise variance) of the reconstructed CSI compared to the target CSI.
  • the specific resource allocation assumption, certain block error probability, and CQI in (1) may be the same as described for the performance in (2) of Embodiment 1.1.
  • FIG. 6 is a diagram showing an example of performance monitoring in Embodiment 1.2. Contents that may be the same as those in FIG. 4 will not be repeatedly described.
  • the UE has at least one encoder shown. In this example, the UE does not have a decoder corresponding to the encoder.
  • the UE may receive information on the expected performance of the AI model corresponding to the encoder's AI model from a third-party data server or NW.
  • the information may be included in AI model information (AI model information will be described later in this disclosure).
  • the data server may be interchanged with a repository, an uploader, a library, a cloud server, or simply a server. Further, the data server in the present disclosure may be provided by any platform such as GitHub (registered trademark), and may be operated by any company/organization.
  • GitHub registered trademark
  • the UE performs channel measurement based on the CSI-RS transmitted from the BS and obtains the H/W/pW corresponding to the target CSI. Further, the UE calculates (estimates) expected performance based on the target CSI and the above-mentioned expected performance information. If the UE only performs performance monitoring, the UE does not need to operate the encoder.
  • Embodiment 1.2 performance can be monitored even when the UE does not know the AI model of the decoder.
  • the UE may monitor the performance of non-AI based CSI feedback.
  • the UE may monitor performance for PMI of a certain codebook type (eg, Type I codebook, Type II codebook).
  • a certain codebook type eg, Type I codebook, Type II codebook.
  • the performance monitored in embodiment 1.3 may be at least one of the following: (1) CSI quantized by PMI (for example, precoding matrix corresponding to PMI) and target CSI of the AI model (for example, CSI calculated based on channel measurements (precoding matrix corresponding to)) GCS/SGCS between (may include enhanced GCS/SGCS for layers > 1), (2) Communication quality based on expected performance from non-AI-based CSI feedback. For example, a CQI for non-AI-based CSI feedback that satisfies a certain block error probability under certain resource allocation assumptions.
  • a precoding matrix (or precoding vector, eigenvector, etc.) reconstructed by PMI and a precoding matrix (or precoding vector, eigenvector, etc.) calculated based on channel measurements.
  • GCS/SGCS may be monitored.
  • the specific resource allocation assumption, certain block error probability, and CQI in (2) may be the same as described for the performance in (2) of Embodiment 1.1.
  • the UE can suitably perform a performance comparison between AI-based CSI feedback and non-AI-based CSI feedback.
  • the UE can appropriately perform performance monitoring.
  • the second embodiment relates to model evaluation at the UE.
  • the UE evaluates the performance of the CSI feedback method (model performance described in the first embodiment, performance with non-AI based CSI feedback, etc.) and determines which performance to report, which method to request, and which method to use. At least one of the following may be determined: whether to activate or not.
  • the UE may check (evaluate) whether at least one of the following conditions is met for one or more monitored performances:
  • Condition 1 The monitored performance of an active/registered/configured model or non-AI based CSI feedback is one monitor of an inactive model or non-AI based CSI feedback (e.g. another codebook type) smaller/larger than the performance
  • Condition 2 The monitored performance of the model to be registered/set is greater/less than the monitored performance of one of the non-AI based CSI feedbacks.
  • Condition 3 The monitored performance of a certain monitored model (e.g., active model) or non-AI-based CSI feedback is less than a threshold;
  • Condition 4 The monitored performance of a certain monitored model (e.g., a passive model) or non-AI-based CSI feedback is greater than a threshold;
  • Condition 5 The monitored performance of a certain monitored model or non-AI-based CSI feedback has changed more than Y times since the last performance report (sent).
  • - Condition 6 The monitored performance of a certain monitored model or non-AI-based CSI feedback falls below the threshold a certain number of times or more over a certain period of time.
  • the monitored performance may be read as the performance obtained by adding an offset X (X is, for example, a real number) to the monitored performance.
  • Offset X may be determined based on factors other than pure performance (reproducibility performance) (eg, unmonitored/monitor-free performance). By introducing an offset, it is possible to evaluate a model that comprehensively considers other factors.
  • the unmonitored/unnecessary performance may correspond to at least one of CSI feedback overhead, reliability (of the model/calculated value), model complexity, power consumption for calculation, etc. .
  • Values such as X, Y, threshold values may be specified in advance in the standard, may be determined based on the UE capabilities, may be notified to the UE from the NW, It may be included in the AI model information (may be determined based on the model). Information regarding values such as X, Y, threshold values, etc. may be specified/notified for each model/non-AI based CSI feedback, or may be specified/notified for each group of model/non-AI based CSI feedback, May be specified/notified for AI-based CSI feedback or non-AI-based CSI feedback.
  • Which (or which combination) of conditions 1 to 6 the UE should check may be specified/notified for each model/non-AI-based CSI feedback, or may be specified/notified for each group of model/non-AI-based CSI feedback. / may be specified/notified for AI-based CSI feedback or non-AI-based CSI feedback.
  • FIGS. 7A and 7B are diagrams showing an example of model evaluation in the second embodiment.
  • the performance being evaluated is the maximum subband CQI
  • the UE compares the CQI of AI models #1 and #2 and the CQI of the extended type II codebook as non-AI based CSI feedback.
  • the UE may, for example, activate the highest performing scheme among these.
  • FIG. 7A shows an example in which no offset is applied to each monitored performance.
  • the UE determines that model #1 has the highest monitored performance.
  • Condition 6 may include, for example, the following steps: - starting a timer when the first counter counts that the monitored performance is less than the first value for a first number of times or more; - Stop the timer when the second counter counts a second number of times or more that the monitored performance is greater than a second value while the timer is running; - resetting the second counter if the monitored performance is less than the first value while the timer is running; - resetting the first counter if the monitored performance is greater than the first value; - When the timer expires, the performance of the monitored model is evaluated as poor.
  • the first value may be a first threshold (threshold out ) or a first offset (offset out ) from a reference value (baseline value) for a specific model/non-AI-based CSI feedback. may be as low as the value.
  • the second value may be a second threshold (threshold in ) or a second offset (offset in ) from a reference value (baseline value) for the specific model/non-AI-based CSI feedback. It may be just as big.
  • resetting the counter may mean setting the counter to a specific value (for example, 0).
  • values such as the first/second threshold, baseline value, first/second offset, first/second counter, counter granularity, timer time length, etc. may be defined in advance in the standard, may be determined based on the UE capabilities, may be notified from the NW to the UE, or may be included in the AI model information (determined based on the model). ). Information regarding these values may be specified/notified for each model/non-AI-based CSI feedback, may be specified/notified for each group of model/non-AI-based CSI feedback, or may be specified/notified for each group of model/non-AI-based CSI feedback, or for each AI-based CSI feedback or May be specified/notified for non-AI based CSI feedback.
  • FIG. 8 is a diagram showing an example of model evaluation in the second embodiment.
  • the monitored performance is initially good, but when the first counter counts that it is less than a first value a first number of times, a timer is activated. Thereafter, the second counter counts a number of times that the monitored performance is greater than the second value while the timer is running, but the second counter does not exceed the second number of times, and the timer has expired, and the performance of this model is evaluated as low.
  • the UE evaluates the performance of one or more CSI feedback methods and selects the top K (K is an integer) performance for reporting/model request/model activation/model deactivation ( decision).
  • K performances may all be selected from the performances of AI-based CSI feedback, all of them may be selected from the performances of non-AI-based CSI feedback, or the K performances may be selected from the performances of AI-based CSI feedback and non-AI-based CSI feedback. It may be selected based on performance.
  • the UE evaluates the performance of one or more CSI feedback methods, determines the top K (K is an integer) performance from the performance of the AI-based CSI feedback, and determines the top K performance from the performance of the non-AI-based CSI feedback.
  • '(K' is an integer) performances may be determined.
  • Values such as K and K' may be specified in advance in the standard, may be determined based on the UE capabilities, may be notified to the UE from the NW, or may be notified from the model (may be determined based on a model).
  • the UE may derive performance based on one or more monitored performances and one or more unmonitored/unmonitored performances.
  • monitored performance may be averaged/weighted over a period of time when evaluated/compared.
  • Information regarding the period, averaging/weighting method, etc. may be specified in advance in the standard, may be determined based on the UE capability, may be notified from the NW to the UE, or may be linked to the model. (It may also be determined based on a model.)
  • the UE can appropriately perform model evaluation.
  • the third embodiment relates to performance reporting.
  • the UE may transmit a performance report based on information notified from the NW. For example, the UE may transmit performance reports in periodically/semi-persistent/aperiodically scheduled uplink resources based on RRC/MAC CE/DCI. In this case, the performance report may be included in the UCI. At this time, the UE may determine the reporting period/offset based on the RRC/MAC CE/DCI.
  • the UE may itself determine the trigger related to the performance report and transmit the performance report when the trigger is triggered. For example, the UE may transmit a performance report if the conditions described in the second embodiment (eg, at least one of conditions 1-6) are met. In this case, the performance report may be included in the MAC CE (because it can be transmitted if the PUSCH is scheduled).
  • the UE may send performance reports when a new model is activated/registered/configured.
  • the UE may also transmit a performance report when a timer based on the configured/specified parameters (eg, the timer shown in condition 6) expires.
  • the performance report may include information indicating one or more of the monitored performances shown in the first embodiment.
  • the number of pieces of information indicating the monitored performance included in the performance report may be determined based on K (/K') shown in the second embodiment.
  • the performance report may include information (eg, model ID, registered model ID, CSI report setting ID) indicating model/non-AI-based CSI feedback corresponding to the reported performance.
  • information eg, model ID, registered model ID, CSI report setting ID
  • the UE may determine the reported performance based on at least one of the following: - Performance evaluated under the conditions described in the second embodiment (for example, at least one of conditions 1-6), - Performance selected based on K (/K') shown in the second embodiment, -Performance determined to be reported based on notification from NW.
  • the above-mentioned notification may be, for example, an activation command for model/non-AI-based CSI feedback, or may be a notification including information indicating a reporting/monitoring target.
  • the UE may report the performance of activated/monitored models.
  • the UE may report the performance of model #2.
  • the UE may not report the performance of model #1.
  • the UE can appropriately transmit a performance report.
  • the fourth embodiment relates to model requests.
  • Model request transmission timing The transmission timing of the model request may be determined based on the performance report replaced with the model request in the description of the timing of the performance report in the third embodiment.
  • the model request may include information indicating the model/non-AI-based CSI feedback to be applied (eg, model ID, registered model ID, CSI report settings ID).
  • the model/non-AI based CSI feedback to be applied may correspond to the model/non-AI based CSI feedback corresponding to the reported performance described in the third embodiment (note that the performance may not be reported). good).
  • the model/non-AI based CSI feedback to be applied may be referred to as recommended model/non-AI based CSI feedback.
  • Type II and Enhanced Type II are available as non-AI-based CSI feedback, and only model #2 is activated.
  • the UE may select the non-AI based CSI feedback as the recommended model/non-AI based CSI feedback after evaluating the performance (eg, CQI) of these model/non-AI based CSI feedback.
  • the UE may report a model request to the NW indicating non-AI based CSI feedback.
  • the UE may transmit the information included in the performance report and the information included in the model request at the same time (for example, using one UCI/MAC CE).
  • the UE can appropriately transmit a model request.
  • the fifth embodiment relates to model activation/deactivation.
  • the UE may perform model activation/deactivation based on information notified from the NW. This information may be called a model activation/deactivation command and may be transmitted using RRC/MAC CE/DCI.
  • the model activation/deactivation command may include information indicating the model to be activated/deactivated/non-AI-based CSI feedback (e.g., model ID, registered model ID, CSI report configuration ID). .
  • the model activation/deactivation command may correspond to information indicating whether or not the model request described in the fourth embodiment has been accepted (for example, it may be called a model response).
  • the UE Upon sending a model request and receiving a corresponding model response, the UE activates the model indicated by the model request if the model response indicates acceptance of the model request, otherwise activates the model. May be deactivated.
  • the UE may decide which model/non-AI based CSI feedback to activate/deactivate on its own. For example, the UE may determine which model/non-AI-based CSI feedback to activate/deactivate if the conditions mentioned in the second embodiment (e.g., at least one of conditions 1-6) are met. .
  • the model/non-AI-based CSI feedback to activate/deactivate may correspond to the model/non-AI-based CSI feedback corresponding to the reported performance described in the third embodiment (note that the performance is not reported). ).
  • the UE may report information regarding the activated model or information indicating that the active model is changed to the NW. In this case, model requests/performance reports are no longer necessary, so a reduction in communication overhead can be expected.
  • the UE may expect only one model/non-AI-based CSI feedback for a certain function to be active, or may expect multiple models/non-AI-based CSI feedback to be active.
  • the UE may apply the model to the calculation of CSI feedback information. Also, if a model is activated, the UE may not perform CSI calculation/CSI reporting based on configured non-AI-based CSI feedback that is not for performance monitoring purposes.
  • the UE may apply a non-AI based CSI feedback scheme to calculate the CSI feedback information.
  • the UE may be configured with information regarding the non-AI-based CSI feedback scheme to be applied if all models are not active (eg, using an RRC CSI report configuration information element).
  • the UE does not need to perform CSI feedback.
  • Model application time active/deactive time
  • the UE may activate/deactivate a model during the model application time.
  • the model application time may correspond to the period from the start time (start point) to the end time (end point).
  • the start time may be at least one of the following: ⁇ The last symbol for which a model activation/deactivation command is received or X units of time after the last symbol, - The last symbol that transmits HARQ information (eg, HARQ-ACK) corresponding to the model activation/deactivation command or X units of time after the last symbol.
  • HARQ information eg, HARQ-ACK
  • unit time may be read as at least one of a symbol, slot, subslot, subframe, second (millisecond), etc.
  • the end time may be at least one of the following: ⁇ Y units of time after the corresponding start time, Y units of time after the corresponding model activation/deactivation command is applied/received, - Until a new model activation/deactivation command is applied/received.
  • Values such as X and Y may be specified in advance in the standard, may be determined based on the UE capabilities, may be notified to the UE from the NW, or may be specified in the model. It may be linked information (may be determined based on a model).
  • the model activation/deactivation command may include information regarding model application time (eg, information indicating X/Y).
  • the UE may restart the start time of the model application time (in response to the new model activation/deactivation command). (may be updated to the above start time based on the start time).
  • the start time of the model application time may be restarted in at least one of the following cases: ⁇ If the model information specified by the above new model activation/deactivation command is the same as the model being applied, - If the above new model activation/deactivation command does not include information regarding model information/application time.
  • the UE may use different methods for determining (or updating) the start time/end time in the case of activation and the case of deactivation.
  • the UE may use different methods for determining (or updating) the start time/end time in the case of model activation/deactivation and in the case of fallback scheme activation/deactivation.
  • the UE can appropriately control model activation/deactivation.
  • the UE uses the AI model to be monitored as activation (activation)/deactivation (deactivation) and monitor activation (activation)/deactivation. The determination may be made based on the content replaced by deactivation.
  • the UE may monitor the configured AI model only if at least one of the following is satisfied regarding the configured AI model: ⁇ Receive activation for the model; ⁇ Determine the activation of the model; ⁇ During the application period of the model, ⁇ Until the performance of the model is determined (in other words, the performance has not yet been determined), ⁇ Until the performance of the model is reported (in other words, the performance has not been reported yet). ⁇ During a certain period of time after receiving the activation command (monitor triggering signal) for the monitor of the relevant model.
  • the above-mentioned certain period may correspond to a period in which the above-mentioned model application period is read as a model monitoring application period. That is, model activation/deactivation and model monitor activation/deactivation may be controlled separately or simultaneously.
  • the UE can appropriately control the model monitor.
  • the sixth embodiment relates to reporting for performance monitoring from the UE and performance monitoring at the BS.
  • the UE may report the following for performance monitoring for certain models (encoder, decoder) at the BS: - CSI feedback information (encoded bits) generated by the model, - CSI of non-AI-based CSI feedback corresponding to the above-mentioned AI-based CSI feedback.
  • the non-AI-based CSI feedback may be a non-AI-based PMI (PMI that is also defined in existing standards).
  • PMI non-AI-based PMI
  • this reported PMI will be simply referred to as PMI below.
  • this PMI may be a PMI calculated in consideration of post-processing (for example, DFT) of the AI model.
  • the above-mentioned CSI feedback information may be information obtained by encoding CSI (for example, channel matrix, precoding matrix, precoding vector, eigenvector) using an AI model, which is calculated by channel measurement and used to calculate PMI. In this case, there is no need to apply different processing for performance monitoring.
  • the above-mentioned CSI feedback information may be information obtained by encoding CSI (for example, channel matrix, precoding matrix, precoding vector, eigenvector) that is reconstructed based on PMI using an AI model.
  • performance monitoring can purely monitor the performance of the AI model without worrying about the influence of quantization errors caused by PMI.
  • the UE may determine the above PMI based on the notification from the NW. For example, the UE may determine that the PMI to be configured (reported) in the trigger state (CSI trigger state) regarding AI-based CSI feedback is the above PMI.
  • the UE may be configured to report CSI including CSI feedback information based on AI-based CSI feedback and the corresponding PMI.
  • the UE may be informed of CSI-RS resources/CSI-RS resource sets/CSI resource configurations/CSI report configurations for performance monitoring (reporting).
  • PMI non-AI-based PMI
  • PMI is PMI that is generated using a codebook without an AI model (for example, type I CSI feedback, type II CSI feedback, extended type II CSI feedback, and further extended type II CSI feedback). port selection CSI feedback, etc.).
  • FIG. 9 is a diagram showing an example of performance monitoring in the sixth embodiment.
  • the CSI output from the decoder is the reconstructed CSI corresponding to the input to the encoder.
  • the UE has at least one encoder shown and the BS has at least one decoder shown corresponding to the encoder that the UE has.
  • the UE performs channel measurement based on the CSI-RS transmitted from the BS, and calculates the CSI (for example, channel matrix H, precoding matrix W, and post-processing precoding matrix pW). good.
  • the UE reconfigures the PMI obtained by quantizing W (or pW), and the reconfigured precoding matrix QW (or the reconfigured preprocessed precoding matrix QW ) may be calculated.
  • the UE may input these CSIs/reconfigured CSIs into an encoder and transmit the resulting output as CSI feedback information in a report for performance monitoring. Additionally, the UE may include the illustrated PMI in a report for performance monitoring and transmit it.
  • the BS may perform performance monitoring (performance estimation, performance comparison) based on the received report for performance monitoring.
  • the illustrated decoders each correspond to an encoder on the UE side (for example, the bottom decoder is a decoder for inputting CSI feedback information and outputting H' which is a reconstructed version of H). Note that in this example, "'" indicates the output of the decoder (reconfigured CSI) corresponding to the CSI on the encoder side.
  • the BS inputs the CSI feedback information included in the report for performance monitoring to the corresponding decoder and outputs the reconfigured CSI.
  • the BS derives W' or QW' by applying SVD, inverse processing of preprocessing, etc. as necessary.
  • the BS reconstructs the PMI (here, the PMI obtained by quantizing W) included in the report for performance monitoring, and calculates the reconstructed CSI (Q-W) based on the PMI. .
  • the BS may determine a model with higher performance by comparing the obtained W' or QW' with QW.
  • the UE may be configured to report CSI including CSI feedback information based on AI-based CSI feedback and the corresponding PMI by one CSI trigger state.
  • one DCI can activate the CSI reporting required for performance monitoring at the BS.
  • one trigger state (corresponding to the RRC information element CSI-SemiPersistentOnPUSCH-TriggerState) of semi-persistent CSI transmitted using PUSCH requires only one CSI report configuration ID (CSI-ReportConfigId). associated with.
  • one trigger state of semi-persistent CSI transmitted using PUSCH may be associated with a plurality of CSI report configuration IDs (CSI-ReportConfigId).
  • the one trigger condition may be associated with non-AI-based CSI reporting information and AI-based CSI reporting information for performance monitoring.
  • the UE may send a report for performance monitoring to the BS including the outputs of models #1 and #2 and non-AI based CSI feedback (eg, PMI).
  • PMI non-AI based CSI feedback
  • Non-AI based CSI feedback granularity for reporting for performance monitoring The UE may use a different (eg, finer, more, expanded) granularity of non-AI-based CSI feedback for reporting for performance monitoring than the existing standard definition.
  • the UE may use different granularity than existing standards for at least one of the following parameters: Parameters related to broadband/subband phase coefficients (e.g. phaseAlphabetSize); ⁇ Parameters related to broadband/subband amplitude coefficients, - Parameters regarding the number of coefficients/non-zero coefficients (for example, codebook parameter settings regarding L, ⁇ , p_v, etc.), ⁇ Parameters related to the number of beams (e.g. numberOfBeams), - Parameters related to subbands of CSI feedback (e.g. numberOfPMI-SubbandsPerCQI-Subband, subBandSize).
  • Parameters related to broadband/subband phase coefficients e.g. phaseAlphabetSize
  • ⁇ Parameters related to broadband/subband amplitude coefficients e.g. phaseAlphabetSize
  • -Parameters regarding the number of coefficients/non-zero coefficients for example
  • the UE may apply the different granularity above only if some AI models for CSI feedback are registered/configured in the UE.
  • the BS can appropriately perform performance monitoring.
  • AI model information may mean information including at least one of the following: ⁇ AI model input/output information, ⁇ Pre-processing/post-processing information for AI model input/output, ⁇ Information on AI model parameters, ⁇ Training information for AI models (training information), ⁇ Inference information for AI models, ⁇ Performance information regarding AI models.
  • the input/output information of the AI model may include information regarding at least one of the following: - Contents of input/output data (e.g. RSRP, SINR, amplitude/phase information in channel matrix (or precoding matrix), information on angle of arrival (AoA), angle of departure (AoD)) ), location information), ⁇ Data auxiliary information (may be called meta information), - type of input/output data (e.g. immutable value, floating point number), - bit width of input/output data (e.g. 64 bits for each input value), - Quantization interval (quantization step size) of input/output data (for example, 1 dBm for L1-RSRP), - The range that input/output data can take (for example, [0, 1]).
  • - Contents of input/output data e.g. RSRP, SINR, amplitude/phase information in channel matrix (or precoding matrix), information on angle of arrival (AoA), angle of departure (AoD))
  • the information regarding AoA may include information regarding at least one of the azimuth angle of arrival and the zenith angle of arrival (ZoA). Further, the information regarding the AoD may include, for example, information regarding at least one of a radial azimuth angle of departure and a radial zenith angle of depth (ZoD).
  • the location information may be location information regarding the UE/NW.
  • Location information includes information (e.g., latitude, longitude, altitude) obtained using a positioning system (e.g., Global Navigation Satellite System (GNSS), Global Positioning System (GPS), etc.), and information (e.g., latitude, longitude, altitude) adjacent to the UE.
  • GNSS Global Navigation Satellite System
  • GPS Global Positioning System
  • Information on the serving (or serving) BS e.g., BS/cell identifier (ID), BS-UE distance, direction/angle of the BS (UE) as seen from the UE (BS),
  • the information may include at least one of the coordinates of the BS (UE) as seen from the BS (e.g., X/Y/Z axis coordinates, etc.), the specific address of the UE (e.g., Internet Protocol (IP) address), etc.
  • IP Internet Protocol
  • the location information of the UE is not limited to information based on the location of the BS, but may be information based on a specific point.
  • the location information may include information regarding its own implementation (for example, location/position/orientation of antennas, location/orientation of antenna panels, number of antennas, number of antenna panels, etc.).
  • the location information may include mobility information.
  • the mobility information may include information indicating at least one of the mobility type, the moving speed of the UE, the acceleration of the UE, the moving direction of the UE, and the like.
  • the mobility types are fixed location UE, movable/moving UE, no mobility UE, low mobility UE, and medium mobility UE.
  • environmental information may be information regarding the environment in which the data is acquired/utilized, such as frequency information (band ID, etc.), environment type information (indoor), etc. , outdoor, Urban Macro (UMa), Urban Micro (Umi), etc.), Line Of Site (LOS)/Non-Line Of Site (NLOS), etc. Good too.
  • LOS may mean that the UE and BS are in an environment where they can see each other (or there is no shielding), and NLOS may mean that the UE and BS are not in an environment where they can see each other (or there is a shield). It can also mean The information indicating LOS/NLOS may indicate a soft value (for example, probability of LOS/NLOS) or may indicate a hard value (for example, either LOS/NLOS).
  • meta information may mean, for example, information regarding input/output information suitable for an AI model, information regarding acquired/obtainable data, etc.
  • the meta information includes information regarding beams of RS (for example, CSI-RS/SRS/SSB, etc.) (for example, the pointing angle of each beam, 3 dB beam width, the shape of the pointing beam, (number of beams), gNB/UE antenna layout information, frequency information, environment information, meta information ID, etc.
  • RS for example, CSI-RS/SRS/SSB, etc.
  • the meta information may be used as input/output of the AI model.
  • the pre-processing/post-processing information for the input/output of the AI model may include information regarding at least one of the following: - whether to apply normalization (e.g., Z-score normalization, min-max normalization); - Parameters for normalization (e.g. mean/variance for Z-score normalization, minimum/maximum for min-max normalization), - Whether to apply a specific numerical conversion method (e.g. one hot encoding, label encoding, etc.); - Selection rules for whether or not to be used as training data.
  • normalization e.g., Z-score normalization, min-max normalization
  • Parameters for normalization e.g. mean/variance for Z-score normalization, minimum/maximum for min-max normalization
  • a specific numerical conversion method e.g. one hot encoding, label encoding, etc.
  • Selection rules for whether or not to be used as training data.
  • the information on the parameters of the AI model may include information regarding at least one of the following: ⁇ Weight (e.g. neuron coefficient (coupling coefficient)) information in the AI model, ⁇ Structure of the AI model, ⁇ Type of AI model as model component (e.g. ResNet, DenseNet, RefineNet, Transformer model, CRBlock, Recurrent Neural Network (RNN), Long Short Memory -Term Memory (LSTM)), Gated Recurrent Unit (GRU)), - Functions of the AI model as a model component (e.g. decoder, encoder).
  • ⁇ Weight e.g. neuron coefficient (coupling coefficient)
  • ⁇ Structure of the AI model e.g. ResNet, DenseNet, RefineNet, Transformer model, CRBlock, Recurrent Neural Network (RNN), Long Short Memory -Term Memory (LSTM)), Gated Recurrent Unit (GRU)
  • - Functions of the AI model as a model component e.g. decoder, encode
  • the weight information in the AI model may include information regarding at least one of the following: ⁇ Bit width (size) of weight information, ⁇ Quantization interval of weight information, - Granularity of weight information, ⁇ The range that weight information can take, ⁇ Weight parameters in the AI model, ⁇ Difference information from the AI model before update (if updating), ⁇ Weight initialization methods (e.g. zero initialization, random initialization (based on normal distribution/uniform distribution/truncated normal distribution), Xavier initialization (for sigmoid functions), He initialization (rectified) For Rectified Linear Units (ReLU)).
  • ⁇ Bit width (size) of weight information e.g. zero initialization, random initialization (based on normal distribution/uniform distribution/truncated normal distribution), Xavier initialization (for sigmoid functions), He initialization (rectified) For Rectified Linear Units (ReLU)).
  • the structure of the AI model may include information regarding at least one of the following: ⁇ Number of layers, - Type of layer (e.g. convolution layer, activation layer, dense layer, normalization layer, pooling layer, attention layer), ⁇ Layer information, - Time series specific parameters (e.g. bidirectionality, time step), - Parameters for training (e.g. type of function (L2 regularization, dropout function, etc.), where to put this function (e.g. after which layer)).
  • ⁇ Number of layers e.g. convolution layer, activation layer, dense layer, normalization layer, pooling layer, attention layer
  • ⁇ Layer information e.g. bidirectionality, time step
  • Parameters for training e.g. type of function (L2 regularization, dropout function, etc.), where to put this function (e.g. after which layer)).
  • the layer information may include information regarding at least one of the following: ⁇ Number of neurons in each layer, ⁇ Kernel size, ⁇ Stride for pooling layer/convolution layer, ⁇ Pooling method (MaxPooling, AveragePooling, etc.), ⁇ Residual block information, ⁇ Number of heads, ⁇ Normalization methods (batch normalization, instance normalization, layer normalization, etc.), - Activation function (sigmoid, tanh function, ReLU, leaky ReLU information, Maxout, Softmax).
  • an AI model may be included as a component of another AI model.
  • an AI model may be an AI model in which processing proceeds in the following order: ResNet as model component #1, a transformer model as model component #2, a dense layer, and a normalization layer.
  • the training information for the AI model may include information regarding at least one of the following: ⁇ Information for the optimization algorithm (e.g., optimization type (Stochastic Gradient Descent (SGD), AdaGrad, Adam, etc.), optimization parameters (learning rate, momentum, etc.) information, etc.), ⁇ Information on the loss function (for example, information on the metrics of the loss function (Mean Absolute Error (MAE), Mean Square Error (MSE)), cross entropy loss, NLLLoss, Kullback- Leibler (KL) divergence, etc.), parameters to be frozen for training (e.g. layers, weights), - parameters to be updated (e.g.
  • optimization type Stochastic Gradient Descent (SGD), AdaGrad, Adam, etc.
  • optimization parameters learning rate, momentum, etc.
  • ⁇ Information on the loss function for example, information on the metrics of the loss function (Mean Absolute Error (MAE), Mean Square Error (MSE)),
  • ⁇ Parameters for example, layers, weights
  • How to train/update the AI model e.g. (recommended) number of epochs, batch size, number of data used for training.
  • the inference information for the AI model may include information regarding branch pruning of a decision tree, parameter quantization, functions of the AI model, and the like.
  • the function of the AI model may correspond to at least one of, for example, time domain beam prediction, spatial domain beam prediction, an autoencoder for CSI feedback, an autoencoder for beam management, etc.
  • An autoencoder for CSI feedback may be used as follows: - The UE inputs the CSI/channel matrix/precoding matrix into the encoder's AI model and transmits the output encoded bits as CSI feedback (CSI report). - The BS inputs the received encoded bits into the decoder's AI model and reconstructs the output CSI/channel matrix/precoding matrix.
  • the UE/BS inputs sparse (or thick) beam-based measurements (beam quality, e.g. RSRP) into an AI model and outputs dense (or thin) beam quality. It's okay.
  • beam quality e.g. RSRP
  • the UE/BS may input time-series (past, current, etc.) measurement results (beam quality, e.g. RSRP) to the AI model and output future beam quality.
  • time-series past, current, etc.
  • beam quality e.g. RSRP
  • the performance information regarding the AI model may include information regarding the expected value of a loss function defined for the AI model.
  • the AI model information in the present disclosure may include information regarding the applicable range (applicable range) of the AI model.
  • the applicable range may be indicated by a physical cell ID, a serving cell index, etc.
  • Information regarding the scope of application may be included in the above-mentioned environmental information.
  • AI model information regarding a specific AI model may be predefined in a standard, or may be notified to the UE from a network (NW).
  • the AI model defined in the standard may be called a reference AI model.
  • AI model information regarding the reference AI model may be referred to as reference AI model information.
  • the AI model information in the present disclosure may include an index (for example, may be referred to as an AI model index, AI model ID, model ID, etc.) for identifying an AI model.
  • the AI model information in the present disclosure may include an AI model index in addition to/instead of the input/output information of the AI model described above.
  • the association between the AI model index and the AI model information (for example, input/output information of the AI model) may be predetermined in the standard, or may be notified from the NW to the UE.
  • the AI model information in the present disclosure may be associated with the AI model, and may also be referred to as AI model relevant information, simply related information, or the like.
  • the AI model related information does not need to explicitly include information for identifying the AI model.
  • the AI model related information may be information containing only meta information, for example.
  • a model ID may be mutually read as an ID corresponding to a set of AI models (model set ID). Further, in the present disclosure, the model ID may be interchanged with the meta information ID.
  • the meta information (or meta information ID) may be associated with beam-related information (beam settings) as described above. For example, the meta information (or meta information ID) may be used by the UE to select an AI model considering which beams the BS is using, or the UE may apply the deployed AI model. It may be used to inform the BS which beam to use for this purpose.
  • the meta information ID may be interchanged with an ID corresponding to a set of meta information (meta information set ID).
  • the notification of any information to the UE is performed by physical layer signaling (e.g., DCI), upper layer signaling (e.g., RRC) MAC CE), specific signals/channels (eg, PDCCH, PDSCH, reference signals), or a combination thereof.
  • physical layer signaling e.g., DCI
  • upper layer signaling e.g., RRC
  • MAC CE e.g., PDCCH, PDSCH, reference signals
  • specific signals/channels eg, PDCCH, PDSCH, reference signals
  • the MAC CE may be identified by including a new logical channel ID (LCID), which is not specified in the existing standard, in the MAC subheader.
  • LCID logical channel ID
  • the above notification When the above notification is performed by a DCI, the above notification includes a specific field of the DCI, a radio network temporary identifier (Radio Network Temporary Identifier (RNTI)), the format of the DCI, etc.
  • RNTI Radio Network Temporary Identifier
  • notification of any information to the UE in the above embodiments may be performed periodically, semi-persistently, or aperiodically.
  • notification of any information from the UE is performed using physical layer signaling (e.g., UCI), upper layer signaling (e.g., RRC).
  • MAC CE MAC CE
  • specific signals/channels eg, PUCCH, PUSCH, reference signals
  • the MAC CE may be identified by including a new LCID that is not defined in the existing standard in the MAC subheader.
  • the above notification may be transmitted using PUCCH or PUSCH.
  • notification of arbitrary information from the UE in the above embodiments may be performed periodically, semi-persistently, or aperiodically.
  • At least one of the embodiments described above may be applied if certain conditions are met.
  • the specific conditions may be specified in the standard, or may be notified to the UE/BS using upper layer signaling/physical layer signaling.
  • At least one of the embodiments described above may be applied only to UEs that have reported or support a particular UE capability.
  • the particular UE capability may indicate at least one of the following: - supporting specific processing/operation/control/information for at least one of the above embodiments; ⁇ Number of AI models to be monitored (may be a value for each function), ⁇ Maximum floating point operations (FLOPs (note that s is lowercase)) of the AI model that the UE can deploy (this means the amount of floating point operations), ⁇ Maximum number of parameters of AI model that UE can deploy, ⁇ Layers/algorithms/functions supported by the UE, ⁇ Calculating ability, ⁇ Data collection ability.
  • the specific UE capability may be a capability that is applied across all frequencies (commonly regardless of frequency) or a capability that is applied across all frequencies (e.g., cell, band, band combination, BWP, component carrier, etc.). or a combination thereof), or it may be a capability for each frequency range (for example, Frequency Range 1 (FR1), FR2, FR3, FR4, FR5, FR2-1, FR2-2). Alternatively, it may be a capability for each subcarrier spacing (SCS), or a capability for each Feature Set (FS) or Feature Set Per Component-carrier (FSPC).
  • SCS subcarrier spacing
  • FS Feature Set
  • FSPC Feature Set Per Component-carrier
  • the above-mentioned specific UE capability may be a capability that is applied across all duplex schemes (commonly regardless of the duplex scheme), or may be a capability that is applied across all duplex schemes (for example, Time Division Duplex).
  • the capability may be for each frequency division duplex (TDD)) or frequency division duplex (FDD)).
  • the UE configures/activates specific information related to the embodiment described above (or performs the operation of the embodiment described above) by upper layer signaling/physical layer signaling. / May be applied when triggered.
  • the specific information may be information indicating that the use of the AI model is enabled, arbitrary RRC parameters for a specific release (for example, Rel. 18), or the like.
  • the UE does not support at least one of the specific UE capabilities or is not configured with the specific information, for example, Rel. 15/16 operations may be applied.
  • the UE may be used for (for compression of) the transmission of information between the UE and the BS other than the CSI.
  • the UE generates information related to location (or positioning)/information related to location estimation in a location management function (LMF) according to at least one of the above-described embodiments (e.g., using an encoder). You may report it to the network.
  • the information may be channel impulse response (CIR) information for each subband/antenna port. By reporting this, the BS can estimate the location of the UE without reporting the angle/time difference of the received signals.
  • CIR channel impulse response
  • a terminal comprising: a control unit that controls the performance monitoring.
  • the control unit monitors the performance of the CSI calculated based on the output of the AI model compared to the target CSI.
  • a terminal comprising: a control unit that controls transmission of a report regarding CSI measured based on the configuration information.
  • the control unit includes in the report an output obtained by inputting the CSI into an AI model.
  • the control unit includes a Precoding Matrix Indicator (PMI) obtained based on the CSI in the report.
  • PMI Precoding Matrix Indicator
  • wireless communication system The configuration of a wireless communication system according to an embodiment of the present disclosure will be described below.
  • communication is performed using any one of the wireless communication methods according to the above-described embodiments of the present disclosure or a combination thereof.
  • FIG. 10 is a diagram illustrating an example of a schematic configuration of a wireless communication system according to an embodiment.
  • 5G NR 5th generation mobile communication system New Radio
  • 3GPP Third Generation Partnership Project
  • the wireless communication system 1 may support dual connectivity between multiple Radio Access Technologies (RATs) (Multi-RAT Dual Connectivity (MR-DC)).
  • MR-DC has dual connectivity between LTE (Evolved Universal Terrestrial Radio Access (E-UTRA)) and NR (E-UTRA-NR Dual Connectivity (EN-DC)), and dual connectivity between NR and LTE (NR-E -UTRA Dual Connectivity (NE-DC)).
  • RATs Radio Access Technologies
  • MR-DC has dual connectivity between LTE (Evolved Universal Terrestrial Radio Access (E-UTRA)) and NR (E-UTRA-NR Dual Connectivity (EN-DC)), and dual connectivity between NR and LTE (NR-E -UTRA Dual Connectivity (NE-DC)).
  • E-UTRA Evolved Universal Terrestrial Radio Access
  • EN-DC E-UTRA-NR Dual Connectivity
  • NE-DC NR-E -UTRA Dual Connectivity
  • the LTE (E-UTRA) base station (eNB) is the master node (Master Node (MN)), and the NR base station (gNB) is the secondary node (Secondary Node (SN)).
  • the NR base station (gNB) is the MN
  • the LTE (E-UTRA) base station (eNB) is the SN.
  • the wireless communication system 1 has dual connectivity between multiple base stations within the same RAT (for example, dual connectivity (NR-NR Dual Connectivity (NN-DC) where both the MN and SN are NR base stations (gNB)). )) may be supported.
  • dual connectivity NR-NR Dual Connectivity (NN-DC) where both the MN and SN are NR base stations (gNB)).
  • the wireless communication system 1 includes a base station 11 that forms a macro cell C1 with relatively wide coverage, and base stations 12 (12a-12c) that are located within the macro cell C1 and form a small cell C2 that is narrower than the macro cell C1. You may prepare.
  • User terminal 20 may be located within at least one cell. The arrangement, number, etc. of each cell and user terminal 20 are not limited to the embodiment shown in the figure. Hereinafter, when base stations 11 and 12 are not distinguished, they will be collectively referred to as base station 10.
  • the user terminal 20 may be connected to at least one of the plurality of base stations 10.
  • the user terminal 20 may use at least one of carrier aggregation (CA) using a plurality of component carriers (CC) and dual connectivity (DC).
  • CA carrier aggregation
  • CC component carriers
  • DC dual connectivity
  • Each CC may be included in at least one of a first frequency band (Frequency Range 1 (FR1)) and a second frequency band (Frequency Range 2 (FR2)).
  • Macro cell C1 may be included in FR1
  • small cell C2 may be included in FR2.
  • FR1 may be a frequency band below 6 GHz (sub-6 GHz)
  • FR2 may be a frequency band above 24 GHz (above-24 GHz). Note that the frequency bands and definitions of FR1 and FR2 are not limited to these, and FR1 may correspond to a higher frequency band than FR2, for example.
  • the user terminal 20 may communicate using at least one of time division duplex (TDD) and frequency division duplex (FDD) in each CC.
  • TDD time division duplex
  • FDD frequency division duplex
  • the plurality of base stations 10 may be connected by wire (for example, optical fiber, X2 interface, etc. compliant with Common Public Radio Interface (CPRI)) or wirelessly (for example, NR communication).
  • wire for example, optical fiber, X2 interface, etc. compliant with Common Public Radio Interface (CPRI)
  • NR communication for example, when NR communication is used as a backhaul between base stations 11 and 12, base station 11, which is an upper station, is an Integrated Access Backhaul (IAB) donor, and base station 12, which is a relay station, is an IAB donor. May also be called a node.
  • IAB Integrated Access Backhaul
  • the base station 10 may be connected to the core network 30 via another base station 10 or directly.
  • the core network 30 may include, for example, at least one of Evolved Packet Core (EPC), 5G Core Network (5GCN), Next Generation Core (NGC), and the like.
  • EPC Evolved Packet Core
  • 5GCN 5G Core Network
  • NGC Next Generation Core
  • Core Network 30 is, for example, User Plane Function (UPF), Access and Mobility Management Function (AMF), Session Management (SMF), Unified Data Management. T (UDM), ApplicationFunction (AF), Data Network (DN), Location Management Network Functions (NF) such as Function (LMF) and Operation, Administration and Maintenance (Management) (OAM) may also be included.
  • UPF User Plane Function
  • AMF Access and Mobility Management Function
  • SMF Session Management
  • UDM Unified Data Management.
  • AF ApplicationFunction
  • DN Data Network
  • NF Location Management Network Functions
  • NF Location Management Network Functions
  • LMF Location Management Network Functions
  • OAM Operation, Administration and Maintenance
  • the user terminal 20 may be a terminal compatible with at least one of communication systems such as LTE, LTE-A, and 5G.
  • an orthogonal frequency division multiplexing (OFDM)-based wireless access method may be used.
  • OFDM orthogonal frequency division multiplexing
  • CP-OFDM Cyclic Prefix OFDM
  • DFT-s-OFDM Discrete Fourier Transform Spread OFDM
  • OFDMA Orthogonal Frequency Division Multiple Access
  • SC-FDMA Single Carrier Frequency Division Multiple Access
  • a wireless access method may also be called a waveform.
  • other wireless access methods for example, other single carrier transmission methods, other multicarrier transmission methods
  • the UL and DL radio access methods may be used as the UL and DL radio access methods.
  • the downlink channels include a physical downlink shared channel (PDSCH) shared by each user terminal 20, a broadcast channel (physical broadcast channel (PBCH)), and a downlink control channel (physical downlink control). Channel (PDCCH)) or the like may be used.
  • PDSCH physical downlink shared channel
  • PBCH physical broadcast channel
  • PDCCH downlink control channel
  • uplink channels include a physical uplink shared channel (PUSCH) shared by each user terminal 20, an uplink control channel (PUCCH), and a random access channel. (Physical Random Access Channel (PRACH)) or the like may be used.
  • PUSCH physical uplink shared channel
  • PUCCH uplink control channel
  • PRACH Physical Random Access Channel
  • User data, upper layer control information, System Information Block (SIB), etc. are transmitted by the PDSCH.
  • User data, upper layer control information, etc. may be transmitted by PUSCH.
  • a Master Information Block (MIB) may be transmitted by PBCH.
  • Lower layer control information may be transmitted by PDCCH.
  • the lower layer control information may include, for example, downlink control information (DCI) that includes scheduling information for at least one of PDSCH and PUSCH.
  • DCI downlink control information
  • DCI that schedules PDSCH may be called DL assignment, DL DCI, etc.
  • DCI that schedules PUSCH may be called UL grant, UL DCI, etc.
  • PDSCH may be replaced with DL data
  • PUSCH may be replaced with UL data.
  • a control resource set (CONtrol REsource SET (CORESET)) and a search space may be used to detect the PDCCH.
  • CORESET corresponds to a resource for searching DCI.
  • the search space corresponds to a search area and a search method for PDCCH candidates (PDCCH candidates).
  • PDCCH candidates PDCCH candidates
  • One CORESET may be associated with one or more search spaces. The UE may monitor the CORESET associated with a certain search space based on the search space configuration.
  • One search space may correspond to PDCCH candidates corresponding to one or more aggregation levels.
  • One or more search spaces may be referred to as a search space set. Note that “search space”, “search space set”, “search space setting”, “search space set setting”, “CORESET”, “CORESET setting”, etc. in the present disclosure may be read interchangeably.
  • the PUCCH allows channel state information (CSI), delivery confirmation information (for example, may be called Hybrid Automatic Repeat Request ACKnowledgement (HARQ-ACK), ACK/NACK, etc.), and scheduling request ( Uplink Control Information (UCI) including at least one of SR)) may be transmitted.
  • CSI channel state information
  • delivery confirmation information for example, may be called Hybrid Automatic Repeat Request ACKnowledgement (HARQ-ACK), ACK/NACK, etc.
  • UCI Uplink Control Information including at least one of SR
  • a random access preamble for establishing a connection with a cell may be transmitted by PRACH.
  • downlinks, uplinks, etc. may be expressed without adding "link”.
  • various channels may be expressed without adding "Physical” at the beginning.
  • a synchronization signal (SS), a downlink reference signal (DL-RS), and the like may be transmitted.
  • the DL-RS includes a cell-specific reference signal (CRS), a channel state information reference signal (CSI-RS), and a demodulation reference signal (DeModulation).
  • Reference Signal (DMRS)), Positioning Reference Signal (PRS), Phase Tracking Reference Signal (PTRS), etc. may be transmitted.
  • the synchronization signal may be, for example, at least one of a primary synchronization signal (PSS) and a secondary synchronization signal (SSS).
  • a signal block including SS (PSS, SSS) and PBCH (and DMRS for PBCH) may be called an SS/PBCH block, SS Block (SSB), etc. Note that SS, SSB, etc. may also be called reference signals.
  • DMRS Downlink Reference Signal
  • UL-RS uplink reference signals
  • SRS Sounding Reference Signal
  • DMRS demodulation reference signals
  • UE-specific reference signal user terminal-specific reference signal
  • FIG. 11 is a diagram illustrating an example of the configuration of a base station according to an embodiment.
  • the base station 10 includes a control section 110, a transmitting/receiving section 120, a transmitting/receiving antenna 130, and a transmission line interface 140. Note that one or more of each of the control unit 110, the transmitting/receiving unit 120, the transmitting/receiving antenna 130, and the transmission path interface 140 may be provided.
  • this example mainly shows functional blocks that are characteristic of the present embodiment, and it may be assumed that the base station 10 also has other functional blocks necessary for wireless communication. A part of the processing of each unit described below may be omitted.
  • the control unit 110 controls the entire base station 10.
  • the control unit 110 can be configured from a controller, a control circuit, etc., which will be explained based on common recognition in the technical field related to the present disclosure.
  • the control unit 110 may control signal generation, scheduling (e.g., resource allocation, mapping), and the like.
  • the control unit 110 may control transmission and reception, measurement, etc. using the transmitting/receiving unit 120, the transmitting/receiving antenna 130, and the transmission path interface 140.
  • the control unit 110 may generate data, control information, a sequence, etc. to be transmitted as a signal, and may transfer the generated data to the transmitting/receiving unit 120.
  • the control unit 110 may perform communication channel call processing (setting, release, etc.), status management of the base station 10, radio resource management, and the like.
  • the transmitting/receiving section 120 may include a baseband section 121, a radio frequency (RF) section 122, and a measuring section 123.
  • the baseband section 121 may include a transmission processing section 1211 and a reception processing section 1212.
  • the transmitter/receiver unit 120 includes a transmitter/receiver, an RF circuit, a baseband circuit, a filter, a phase shifter, a measurement circuit, a transmitter/receiver circuit, etc., which are explained based on common understanding in the technical field related to the present disclosure. be able to.
  • the transmitting/receiving section 120 may be configured as an integrated transmitting/receiving section, or may be configured from a transmitting section and a receiving section.
  • the transmitting section may include a transmitting processing section 1211 and an RF section 122.
  • the reception section may include a reception processing section 1212, an RF section 122, and a measurement section 123.
  • the transmitting/receiving antenna 130 can be configured from an antenna described based on common recognition in the technical field related to the present disclosure, for example, an array antenna.
  • the transmitter/receiver 120 may transmit the above-mentioned downlink channel, synchronization signal, downlink reference signal, etc.
  • the transmitter/receiver 120 may receive the above-mentioned uplink channel, uplink reference signal, and the like.
  • the transmitting/receiving unit 120 may form at least one of a transmitting beam and a receiving beam using digital beamforming (e.g., precoding), analog beamforming (e.g., phase rotation), or the like.
  • digital beamforming e.g., precoding
  • analog beamforming e.g., phase rotation
  • the transmitting/receiving unit 120 (transmission processing unit 1211) performs Packet Data Convergence Protocol (PDCP) layer processing, Radio Link Control (RLC) layer processing (for example, RLC retransmission control), Medium Access Control (MAC) layer processing (for example, HARQ retransmission control), etc. may be performed to generate a bit string to be transmitted.
  • PDCP Packet Data Convergence Protocol
  • RLC Radio Link Control
  • MAC Medium Access Control
  • HARQ retransmission control for example, HARQ retransmission control
  • the transmitting/receiving unit 120 performs channel encoding (which may include error correction encoding), modulation, mapping, filter processing, and discrete Fourier transform (DFT) on the bit string to be transmitted.
  • a baseband signal may be output by performing transmission processing such as processing (if necessary), Inverse Fast Fourier Transform (IFFT) processing, precoding, and digital-to-analog conversion.
  • IFFT Inverse Fast Fourier Transform
  • the transmitting/receiving unit 120 may perform modulation, filter processing, amplification, etc. on the baseband signal in a radio frequency band, and may transmit the signal in the radio frequency band via the transmitting/receiving antenna 130. .
  • the transmitting/receiving section 120 may perform amplification, filter processing, demodulation into a baseband signal, etc. on the radio frequency band signal received by the transmitting/receiving antenna 130.
  • the transmitting/receiving unit 120 (reception processing unit 1212) performs analog-to-digital conversion, fast Fourier transform (FFT) processing, and inverse discrete Fourier transform (IDFT) on the acquired baseband signal. )) processing (if necessary), applying reception processing such as filter processing, demapping, demodulation, decoding (which may include error correction decoding), MAC layer processing, RLC layer processing and PDCP layer processing, User data etc. may also be acquired.
  • FFT fast Fourier transform
  • IDFT inverse discrete Fourier transform
  • the transmitting/receiving unit 120 may perform measurements regarding the received signal.
  • the measurement unit 123 may perform Radio Resource Management (RRM) measurement, Channel State Information (CSI) measurement, etc. based on the received signal.
  • the measurement unit 123 is the receiving power (for example, Reference Signal Received Power (RSRP)), Receive Quality (eg, Reference Signal Received Quality (RSRQ), Signal To InterfERENCE PLUS NOI. SE RATIO (SINR), Signal to Noise Ratio (SNR) , signal strength (for example, Received Signal Strength Indicator (RSSI)), propagation path information (for example, CSI), etc. may be measured.
  • the measurement results may be output to the control unit 110.
  • the transmission path interface 140 transmits and receives signals (backhaul signaling) between devices included in the core network 30 (for example, network nodes providing NF), other base stations 10, etc., and provides information for the user terminal 20.
  • signals backhaul signaling
  • devices included in the core network 30 for example, network nodes providing NF, other base stations 10, etc.
  • User data user plane data
  • control plane data etc. may be acquired and transmitted.
  • the transmitting unit and receiving unit of the base station 10 in the present disclosure may be configured by at least one of the transmitting/receiving unit 120, the transmitting/receiving antenna 130, and the transmission path interface 140.
  • the transmitting/receiving unit 120 may transmit configuration information for performance monitoring regarding artificial intelligence (AI) based channel state information (CSI) feedback. Further, the transmitting/receiving unit 120 may receive a report or a model request transmitted based on the performance monitoring.
  • AI artificial intelligence
  • CSI channel state information
  • the transmitting/receiving unit 120 may transmit setting information for reporting for performance monitoring regarding artificial intelligence (AI) based channel state information (CSI) feedback. Further, the transmitting/receiving unit 120 may receive a report regarding CSI measured based on the setting information.
  • AI artificial intelligence
  • CSI channel state information
  • FIG. 12 is a diagram illustrating an example of the configuration of a user terminal according to an embodiment.
  • the user terminal 20 includes a control section 210, a transmitting/receiving section 220, and a transmitting/receiving antenna 230. Note that one or more of each of the control unit 210, the transmitting/receiving unit 220, and the transmitting/receiving antenna 230 may be provided.
  • this example mainly shows functional blocks that are characteristic of the present embodiment, and it may be assumed that the user terminal 20 also has other functional blocks necessary for wireless communication. A part of the processing of each unit described below may be omitted.
  • the control unit 210 controls the entire user terminal 20.
  • the control unit 210 can be configured from a controller, a control circuit, etc., which will be explained based on common recognition in the technical field related to the present disclosure.
  • the control unit 210 may control signal generation, mapping, etc.
  • the control unit 210 may control transmission and reception using the transmitting/receiving unit 220 and the transmitting/receiving antenna 230, measurement, and the like.
  • the control unit 210 may generate data, control information, sequences, etc. to be transmitted as a signal, and may transfer the generated data to the transmitting/receiving unit 220.
  • the transmitting/receiving section 220 may include a baseband section 221, an RF section 222, and a measuring section 223.
  • the baseband section 221 may include a transmission processing section 2211 and a reception processing section 2212.
  • the transmitting/receiving unit 220 can be configured from a transmitter/receiver, an RF circuit, a baseband circuit, a filter, a phase shifter, a measuring circuit, a transmitting/receiving circuit, etc., which are explained based on common recognition in the technical field related to the present disclosure.
  • the transmitting/receiving section 220 may be configured as an integrated transmitting/receiving section, or may be configured from a transmitting section and a receiving section.
  • the transmitting section may include a transmitting processing section 2211 and an RF section 222.
  • the reception section may include a reception processing section 2212, an RF section 222, and a measurement section 223.
  • the transmitting/receiving antenna 230 can be configured from an antenna, such as an array antenna, as described based on common recognition in the technical field related to the present disclosure.
  • the transmitter/receiver 220 may receive the above-mentioned downlink channel, synchronization signal, downlink reference signal, etc.
  • the transmitter/receiver 220 may transmit the above-mentioned uplink channel, uplink reference signal, and the like.
  • the transmitting/receiving unit 220 may form at least one of a transmitting beam and a receiving beam using digital beamforming (e.g., precoding), analog beamforming (e.g., phase rotation), or the like.
  • digital beamforming e.g., precoding
  • analog beamforming e.g., phase rotation
  • the transmission/reception unit 220 (transmission processing unit 2211) performs PDCP layer processing, RLC layer processing (e.g. RLC retransmission control), MAC layer processing (e.g. , HARQ retransmission control), etc., to generate a bit string to be transmitted.
  • RLC layer processing e.g. RLC retransmission control
  • MAC layer processing e.g. , HARQ retransmission control
  • the transmitting/receiving unit 220 (transmission processing unit 2211) performs channel encoding (which may include error correction encoding), modulation, mapping, filter processing, DFT processing (as necessary), and IFFT processing on the bit string to be transmitted. , precoding, digital-to-analog conversion, etc., and output a baseband signal.
  • DFT processing may be based on the settings of transform precoding.
  • the transmitting/receiving unit 220 transmits the above processing in order to transmit the channel using the DFT-s-OFDM waveform.
  • DFT processing may be performed as the transmission processing, or if not, DFT processing may not be performed as the transmission processing.
  • the transmitting/receiving unit 220 may perform modulation, filter processing, amplification, etc. on the baseband signal in a radio frequency band, and may transmit the signal in the radio frequency band via the transmitting/receiving antenna 230. .
  • the transmitting/receiving section 220 may perform amplification, filter processing, demodulation into a baseband signal, etc. on the radio frequency band signal received by the transmitting/receiving antenna 230.
  • the transmission/reception unit 220 (reception processing unit 2212) performs analog-to-digital conversion, FFT processing, IDFT processing (if necessary), filter processing, demapping, demodulation, and decoding (error correction) on the acquired baseband signal. (which may include decoding), MAC layer processing, RLC layer processing, and PDCP layer processing may be applied to obtain user data and the like.
  • the transmitting/receiving unit 220 may perform measurements regarding the received signal.
  • the measurement unit 223 may perform RRM measurement, CSI measurement, etc. based on the received signal.
  • the measurement unit 223 may measure received power (for example, RSRP), reception quality (for example, RSRQ, SINR, SNR), signal strength (for example, RSSI), propagation path information (for example, CSI), and the like.
  • the measurement results may be output to the control unit 210.
  • the transmitting unit and receiving unit of the user terminal 20 in the present disclosure may be configured by at least one of the transmitting/receiving unit 220 and the transmitting/receiving antenna 230.
  • the transmitter/receiver 220 receives configuration information for performance monitoring (for example, CSI resource configuration) regarding artificial intelligence (AI) based channel state information (CSI) feedback. good.
  • the control unit 210 may control the performance monitoring.
  • the control unit 210 may monitor the performance of the CSI calculated based on the output of the AI model compared to the target CSI.
  • the control unit 210 may monitor the expected performance of the AI model.
  • the control unit 210 may monitor the performance of non-AI-based CSI feedback.
  • the transmitting/receiving unit 220 may also receive configuration information for reporting for performance monitoring regarding artificial intelligence (AI) based channel state information (CSI) feedback. Further, the control unit 210 may control transmission of a report regarding CSI measured based on the setting information.
  • AI artificial intelligence
  • CSI channel state information
  • the control unit 210 may include the output obtained by inputting the CSI into the AI model in the report.
  • the control unit 210 may include a Precoding Matrix Indicator (PMI) obtained based on the CSI in the report.
  • PMI Precoding Matrix Indicator
  • the control unit 210 may include in the report a CSI reconstructed from a precoding matrix indicator (PMI) obtained based on the CSI.
  • PMI precoding matrix indicator
  • each functional block may be realized using one physically or logically coupled device, or may be realized using two or more physically or logically separated devices directly or indirectly (e.g. , wired, wireless, etc.) and may be realized using a plurality of these devices.
  • the functional block may be realized by combining software with the one device or the plurality of devices.
  • functions include judgment, decision, judgement, calculation, calculation, processing, derivation, investigation, exploration, confirmation, reception, transmission, output, access, solution, selection, selection, establishment, comparison, assumption, expectation, and consideration. , broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, assigning, etc.
  • a functional block (configuration unit) that performs transmission may be called a transmitting unit, a transmitter, or the like. In either case, as described above, the implementation method is not particularly limited.
  • a base station, a user terminal, etc. in an embodiment of the present disclosure may function as a computer that performs processing of the wireless communication method of the present disclosure.
  • FIG. 13 is a diagram illustrating an example of the hardware configuration of a base station and a user terminal according to an embodiment.
  • the base station 10 and user terminal 20 described above may be physically configured as a computer device including a processor 1001, a memory 1002, a storage 1003, a communication device 1004, an input device 1005, an output device 1006, a bus 1007, etc. .
  • the hardware configuration of the base station 10 and the user terminal 20 may be configured to include one or more of each device shown in the figure, or may be configured not to include some of the devices.
  • processor 1001 may be implemented using one or more chips.
  • Each function in the base station 10 and the user terminal 20 is performed by, for example, loading predetermined software (program) onto hardware such as a processor 1001 and a memory 1002, so that the processor 1001 performs calculations and communicates via the communication device 1004. This is achieved by controlling at least one of reading and writing data in the memory 1002 and storage 1003.
  • predetermined software program
  • the processor 1001 operates an operating system to control the entire computer.
  • the processor 1001 may be configured by a central processing unit (CPU) that includes interfaces with peripheral devices, a control device, an arithmetic unit, registers, and the like.
  • CPU central processing unit
  • the above-mentioned control unit 110 (210), transmitting/receiving unit 120 (220), etc. may be realized by the processor 1001.
  • the processor 1001 reads programs (program codes), software modules, data, etc. from at least one of the storage 1003 and the communication device 1004 to the memory 1002, and executes various processes in accordance with these.
  • programs program codes
  • software modules software modules
  • data etc.
  • the control unit 110 may be realized by a control program stored in the memory 1002 and operated in the processor 1001, and other functional blocks may also be realized in the same way.
  • the memory 1002 is a computer-readable recording medium, and includes at least one of Read Only Memory (ROM), Erasable Programmable ROM (EPROM), Electrically EPROM (EEPROM), Random Access Memory (RAM), and other suitable storage media. It may be composed of one. Memory 1002 may be called a register, cache, main memory, or the like.
  • the memory 1002 can store executable programs (program codes), software modules, and the like to implement a wireless communication method according to an embodiment of the present disclosure.
  • the storage 1003 is a computer-readable recording medium, such as a flexible disk, a floppy (registered trademark) disk, a magneto-optical disk (for example, a compact disk (CD-ROM), etc.), a digital versatile disk, removable disk, hard disk drive, smart card, flash memory device (e.g., card, stick, key drive), magnetic stripe, database, server, or other suitable storage medium. It may be configured by Storage 1003 may also be called an auxiliary storage device.
  • a computer-readable recording medium such as a flexible disk, a floppy (registered trademark) disk, a magneto-optical disk (for example, a compact disk (CD-ROM), etc.), a digital versatile disk, removable disk, hard disk drive, smart card, flash memory device (e.g., card, stick, key drive), magnetic stripe, database, server, or other suitable storage medium. It may be configured by Storage 1003 may also be called an auxiliary storage device.
  • the communication device 1004 is hardware (transmission/reception device) for communicating between computers via at least one of a wired network and a wireless network, and is also referred to as a network device, network controller, network card, communication module, etc., for example.
  • the communication device 1004 includes, for example, a high frequency switch, a duplexer, a filter, a frequency synthesizer, etc. in order to realize at least one of frequency division duplex (FDD) and time division duplex (TDD). It may be configured to include.
  • FDD frequency division duplex
  • TDD time division duplex
  • the transmitter/receiver 120 (220) may be physically or logically separated into a transmitter 120a (220a) and a receiver 120b (220b).
  • the input device 1005 is an input device (eg, keyboard, mouse, microphone, switch, button, sensor, etc.) that accepts input from the outside.
  • the output device 1006 is an output device (for example, a display, a speaker, a light emitting diode (LED) lamp, etc.) that performs output to the outside. Note that the input device 1005 and the output device 1006 may have an integrated configuration (for example, a touch panel).
  • each device such as the processor 1001 and the memory 1002 is connected by a bus 1007 for communicating information.
  • the bus 1007 may be configured using a single bus, or may be configured using different buses for each device.
  • the base station 10 and user terminal 20 also include a microprocessor, a digital signal processor (DSP), an application specific integrated circuit (ASIC), a programmable logic device (PLD), a field programmable gate array (FPGA), etc. It may be configured to include hardware, and a part or all of each functional block may be realized using the hardware. For example, processor 1001 may be implemented using at least one of these hardwares.
  • DSP digital signal processor
  • ASIC application specific integrated circuit
  • PLD programmable logic device
  • FPGA field programmable gate array
  • channel, symbol and signal may be interchanged.
  • the signal may be a message.
  • the reference signal may also be abbreviated as RS, and may be called a pilot, pilot signal, etc. depending on the applicable standard.
  • a component carrier CC may be called a cell, a frequency carrier, a carrier frequency, or the like.
  • a radio frame may be composed of one or more periods (frames) in the time domain.
  • Each of the one or more periods (frames) constituting a radio frame may be called a subframe.
  • a subframe may be composed of one or more slots in the time domain.
  • a subframe may have a fixed time length (eg, 1 ms) that does not depend on numerology.
  • the numerology may be a communication parameter applied to at least one of transmission and reception of a certain signal or channel.
  • Numerology includes, for example, subcarrier spacing (SCS), bandwidth, symbol length, cyclic prefix length, transmission time interval (TTI), number of symbols per TTI, and radio frame configuration. , a specific filtering process performed by the transceiver in the frequency domain, a specific windowing process performed by the transceiver in the time domain, etc.
  • a slot may be composed of one or more symbols (Orthogonal Frequency Division Multiplexing (OFDM) symbols, Single Carrier Frequency Division Multiple Access (SC-FDMA) symbols, etc.) in the time domain. Furthermore, a slot may be a time unit based on numerology.
  • OFDM Orthogonal Frequency Division Multiplexing
  • SC-FDMA Single Carrier Frequency Division Multiple Access
  • a slot may include multiple mini-slots. Each minislot may be made up of one or more symbols in the time domain. Furthermore, a mini-slot may also be called a sub-slot. A minislot may be made up of fewer symbols than a slot.
  • PDSCH (or PUSCH) transmitted in time units larger than minislots may be referred to as PDSCH (PUSCH) mapping type A.
  • PDSCH (or PUSCH) transmitted using minislots may be referred to as PDSCH (PUSCH) mapping type B.
  • Radio frames, subframes, slots, minislots, and symbols all represent time units when transmitting signals. Other names may be used for the radio frame, subframe, slot, minislot, and symbol. Note that time units such as frames, subframes, slots, minislots, and symbols in the present disclosure may be read interchangeably.
  • one subframe may be called a TTI
  • a plurality of consecutive subframes may be called a TTI
  • one slot or one minislot may be called a TTI.
  • at least one of the subframe and TTI may be a subframe (1ms) in existing LTE, a period shorter than 1ms (for example, 1-13 symbols), or a period longer than 1ms. It may be.
  • the unit representing the TTI may be called a slot, minislot, etc. instead of a subframe.
  • TTI refers to, for example, the minimum time unit for scheduling in wireless communication.
  • a base station performs scheduling to allocate radio resources (frequency bandwidth, transmission power, etc. that can be used by each user terminal) to each user terminal on a TTI basis.
  • radio resources frequency bandwidth, transmission power, etc. that can be used by each user terminal
  • the TTI may be a transmission time unit of a channel-coded data packet (transport block), a code block, a codeword, etc., or may be a processing unit of scheduling, link adaptation, etc. Note that when a TTI is given, the time interval (for example, the number of symbols) to which transport blocks, code blocks, code words, etc. are actually mapped may be shorter than the TTI.
  • one slot or one minislot is called a TTI
  • one or more TTIs may be the minimum time unit for scheduling.
  • the number of slots (minislot number) that constitutes the minimum time unit of the scheduling may be controlled.
  • a TTI having a time length of 1 ms may be called a normal TTI (TTI in 3GPP Rel. 8-12), normal TTI, long TTI, normal subframe, normal subframe, long subframe, slot, etc.
  • TTI TTI in 3GPP Rel. 8-12
  • normal TTI long TTI
  • normal subframe normal subframe
  • long subframe slot
  • TTI that is shorter than the normal TTI may be referred to as an abbreviated TTI, short TTI, partial or fractional TTI, shortened subframe, short subframe, minislot, subslot, slot, etc.
  • long TTI for example, normal TTI, subframe, etc.
  • short TTI for example, short TTI, etc. It may also be read as a TTI having the above TTI length.
  • a resource block is a resource allocation unit in the time domain and frequency domain, and may include one or more continuous subcarriers (subcarriers) in the frequency domain.
  • the number of subcarriers included in an RB may be the same regardless of the numerology, and may be 12, for example.
  • the number of subcarriers included in an RB may be determined based on numerology.
  • an RB may include one or more symbols in the time domain, and may have a length of one slot, one minislot, one subframe, or one TTI.
  • One TTI, one subframe, etc. may each be composed of one or more resource blocks.
  • one or more RBs include a physical resource block (Physical RB (PRB)), a sub-carrier group (SCG), a resource element group (REG), a PRB pair, and an RB. They may also be called pairs.
  • PRB Physical RB
  • SCG sub-carrier group
  • REG resource element group
  • PRB pair an RB. They may also be called pairs.
  • a resource block may be configured by one or more resource elements (REs).
  • REs resource elements
  • 1 RE may be a radio resource region of 1 subcarrier and 1 symbol.
  • Bandwidth Part (also called partial bandwidth, etc.) refers to a subset of consecutive common resource blocks (RB) for a certain numerology in a certain carrier.
  • the common RB may be specified by an RB index based on a common reference point of the carrier.
  • PRBs may be defined in a BWP and numbered within that BWP.
  • BWP may include UL BWP (BWP for UL) and DL BWP (BWP for DL).
  • BWP UL BWP
  • BWP for DL DL BWP
  • One or more BWPs may be configured within one carrier for a UE.
  • At least one of the configured BWPs may be active and the UE may not expect to transmit or receive a given signal/channel outside of the active BWP.
  • “cell”, “carrier”, etc. in the present disclosure may be replaced with "BWP”.
  • the structures of the radio frame, subframe, slot, minislot, symbol, etc. described above are merely examples.
  • the number of subframes included in a radio frame, the number of slots per subframe or radio frame, the number of minislots included in a slot, the number of symbols and RBs included in a slot or minislot, the number of symbols included in an RB The number of subcarriers, the number of symbols within a TTI, the symbol length, the cyclic prefix (CP) length, and other configurations can be changed in various ways.
  • radio resources may be indicated by a predetermined index.
  • data, instructions, commands, information, signals, bits, symbols, chips, etc. which may be referred to throughout the above description, may refer to voltages, currents, electromagnetic waves, magnetic fields or magnetic particles, light fields or photons, or any of these. It may also be represented by a combination of
  • information, signals, etc. may be output from the upper layer to the lower layer and from the lower layer to at least one of the upper layer.
  • Information, signals, etc. may be input and output via multiple network nodes.
  • Input/output information, signals, etc. may be stored in a specific location (for example, memory) or may be managed using a management table. Information, signals, etc. that are input and output can be overwritten, updated, or added. The output information, signals, etc. may be deleted. The input information, signals, etc. may be transmitted to other devices.
  • Notification of information is not limited to the aspects/embodiments described in this disclosure, and may be performed using other methods.
  • the notification of information in this disclosure may be physical layer signaling (e.g., Downlink Control Information (DCI), Uplink Control Information (UCI)), upper layer signaling (e.g., Radio Resource Control (RRC) signaling, broadcast information (Master Information Block (MIB), System Information Block (SIB), etc.), Medium Access Control (MAC) signaling), other signals, or a combination thereof It may be carried out by physical layer signaling (e.g., Downlink Control Information (DCI), Uplink Control Information (UCI)), upper layer signaling (e.g., Radio Resource Control (RRC) signaling, broadcast information (Master Information Block (MIB), System Information Block (SIB), etc.), Medium Access Control (MAC) signaling), other signals, or a combination thereof It may be carried out by
  • the physical layer signaling may also be called Layer 1/Layer 2 (L1/L2) control information (L1/L2 control signal), L1 control information (L1 control signal), etc.
  • RRC signaling may be called an RRC message, and may be, for example, an RRC Connection Setup message, an RRC Connection Reconfiguration message, or the like.
  • MAC signaling may be notified using, for example, a MAC Control Element (CE).
  • CE MAC Control Element
  • notification of prescribed information is not limited to explicit notification, but may be made implicitly (for example, by not notifying the prescribed information or by providing other information) (by notification).
  • the determination may be made by a value expressed by 1 bit (0 or 1), or by a boolean value expressed by true or false. , may be performed by numerical comparison (for example, comparison with a predetermined value).
  • Software includes instructions, instruction sets, code, code segments, program code, programs, subprograms, software modules, whether referred to as software, firmware, middleware, microcode, hardware description language, or by any other name. , should be broadly construed to mean an application, software application, software package, routine, subroutine, object, executable, thread of execution, procedure, function, etc.
  • software, instructions, information, etc. may be sent and received via a transmission medium.
  • a transmission medium such as coaxial cable, fiber optic cable, twisted pair, Digital Subscriber Line (DSL), etc.
  • wired technology such as coaxial cable, fiber optic cable, twisted pair, Digital Subscriber Line (DSL), etc.
  • wireless technology such as infrared, microwave, etc.
  • Network may refer to devices (eg, base stations) included in the network.
  • precoding "precoding weight”
  • QCL quadsi-co-location
  • TCI state "Transmission Configuration Indication state
  • space space
  • spatial relation "spatial domain filter”
  • transmission power "phase rotation”
  • antenna port "antenna port group”
  • layer "number of layers”
  • Terms such as “rank”, “resource”, “resource set”, “resource group”, “beam”, “beam width”, “beam angle”, “antenna”, “antenna element”, and “panel” are interchangeable.
  • Base Station BS
  • Wireless base station Wireless base station
  • Fixed station NodeB
  • eNB eNodeB
  • gNB gNodeB
  • Access point "Transmission Point (TP)”, “Reception Point (RP)”, “Transmission/Reception Point (TRP)”, “Panel”
  • cell “sector,” “cell group,” “carrier,” “component carrier,” and the like
  • a base station is sometimes referred to by terms such as macrocell, small cell, femtocell, and picocell.
  • a base station can accommodate one or more (eg, three) cells. If a base station accommodates multiple cells, the overall coverage area of the base station can be partitioned into multiple smaller areas, and each smaller area is connected to a base station subsystem (e.g., an indoor small base station (Remote Radio Communication services can also be provided by the Head (RRH)).
  • a base station subsystem e.g., an indoor small base station (Remote Radio Communication services can also be provided by the Head (RRH)
  • RRH Remote Radio Communication services
  • the term “cell” or “sector” refers to part or all of the coverage area of a base station and/or base station subsystem that provides communication services in this coverage.
  • a base station transmitting information to a terminal may be interchanged with the base station instructing the terminal to control/operate based on the information.
  • MS Mobile Station
  • UE User Equipment
  • a mobile station is a subscriber station, mobile unit, subscriber unit, wireless unit, remote unit, mobile device, wireless device, wireless communication device, remote device, mobile subscriber station, access terminal, mobile terminal, wireless terminal, remote terminal. , handset, user agent, mobile client, client, or some other suitable terminology.
  • At least one of a base station and a mobile station may be called a transmitting device, a receiving device, a wireless communication device, etc.
  • a transmitting device may be called a transmitting device, a receiving device, a wireless communication device, etc.
  • the base station and the mobile station may be a device mounted on a moving object, the moving object itself, or the like.
  • the moving body refers to a movable object, and the moving speed is arbitrary, and naturally includes cases where the moving body is stopped.
  • the mobile objects include, for example, vehicles, transport vehicles, automobiles, motorcycles, bicycles, connected cars, excavators, bulldozers, wheel loaders, dump trucks, forklifts, trains, buses, carts, rickshaws, and ships (ships and other watercraft). , including, but not limited to, airplanes, rockets, artificial satellites, drones, multicopters, quadcopters, balloons, and items mounted thereon.
  • the mobile object may be a mobile object that autonomously travels based on a travel command.
  • the moving object may be a vehicle (for example, a car, an airplane, etc.), an unmanned moving object (for example, a drone, a self-driving car, etc.), or a robot (manned or unmanned). ).
  • a vehicle for example, a car, an airplane, etc.
  • an unmanned moving object for example, a drone, a self-driving car, etc.
  • a robot manned or unmanned.
  • at least one of the base station and the mobile station includes devices that do not necessarily move during communication operations.
  • at least one of the base station and the mobile station may be an Internet of Things (IoT) device such as a sensor.
  • IoT Internet of Things
  • FIG. 14 is a diagram illustrating an example of a vehicle according to an embodiment.
  • the vehicle 40 includes a drive unit 41, a steering unit 42, an accelerator pedal 43, a brake pedal 44, a shift lever 45, left and right front wheels 46, left and right rear wheels 47, an axle 48, an electronic control unit 49, various sensors (current sensor 50, (including a rotation speed sensor 51, an air pressure sensor 52, a vehicle speed sensor 53, an acceleration sensor 54, an accelerator pedal sensor 55, a brake pedal sensor 56, a shift lever sensor 57, and an object detection sensor 58), an information service section 59, and a communication module 60.
  • current sensor 50 including a rotation speed sensor 51, an air pressure sensor 52, a vehicle speed sensor 53, an acceleration sensor 54, an accelerator pedal sensor 55, a brake pedal sensor 56, a shift lever sensor 57, and an object detection sensor 58
  • an information service section 59 including a communication module 60.
  • the drive unit 41 is composed of, for example, at least one of an engine, a motor, and a hybrid of an engine and a motor.
  • the steering unit 42 includes at least a steering wheel (also referred to as a steering wheel), and is configured to steer at least one of the front wheels 46 and the rear wheels 47 based on the operation of the steering wheel operated by the user.
  • the electronic control unit 49 includes a microprocessor 61, a memory (ROM, RAM) 62, and a communication port (for example, an input/output (IO) port) 63. Signals from various sensors 50-58 provided in the vehicle are input to the electronic control unit 49.
  • the electronic control section 49 may be called an electronic control unit (ECU).
  • the signals from the various sensors 50 to 58 include a current signal from the current sensor 50 that senses the current of the motor, a rotation speed signal of the front wheel 46/rear wheel 47 obtained by the rotation speed sensor 51, and a signal obtained by the air pressure sensor 52.
  • air pressure signals of the front wheels 46/rear wheels 47 a vehicle speed signal acquired by the vehicle speed sensor 53, an acceleration signal acquired by the acceleration sensor 54, a depression amount signal of the accelerator pedal 43 acquired by the accelerator pedal sensor 55, and a brake pedal sensor.
  • 56 a shift lever 45 operation signal obtained by the shift lever sensor 57, and an object detection sensor 58 for detecting obstacles, vehicles, pedestrians, etc. There are signals etc.
  • the information service department 59 includes various devices such as car navigation systems, audio systems, speakers, displays, televisions, and radios that provide (output) various information such as driving information, traffic information, and entertainment information, and these devices. It consists of one or more ECUs that control the The information service unit 59 provides various information/services (for example, multimedia information/multimedia services) to the occupants of the vehicle 40 using information acquired from an external device via the communication module 60 or the like.
  • various information/services for example, multimedia information/multimedia services
  • the information service unit 59 may include an input device (for example, a keyboard, a mouse, a microphone, a switch, a button, a sensor, a touch panel, etc.) that accepts input from the outside, and an output device that performs output to the outside (for example, display, speaker, LED lamp, touch panel, etc.).
  • an input device for example, a keyboard, a mouse, a microphone, a switch, a button, a sensor, a touch panel, etc.
  • an output device that performs output to the outside (for example, display, speaker, LED lamp, touch panel, etc.).
  • the driving support system unit 64 includes millimeter wave radar, Light Detection and Ranging (LiDAR), a camera, a positioning locator (for example, Global Navigation Satellite System (GNSS), etc.), and map information (for example, High Definition (HD)). maps, autonomous vehicle (AV) maps, etc.), gyro systems (e.g., inertial measurement units (IMUs), inertial navigation systems (INS), etc.), artificial intelligence ( Artificial Intelligence (AI) chips, AI processors, and other devices that provide functions to prevent accidents and reduce the driver's driving burden, as well as one or more devices that control these devices. It consists of an ECU. Further, the driving support system section 64 transmits and receives various information via the communication module 60, and realizes a driving support function or an automatic driving function.
  • LiDAR Light Detection and Ranging
  • GNSS Global Navigation Satellite System
  • HD High Definition
  • maps for example, autonomous vehicle (AV) maps, etc.
  • gyro systems e.g.,
  • the communication module 60 can communicate with the microprocessor 61 and components of the vehicle 40 via the communication port 63.
  • the communication module 60 communicates via the communication port 63 with a drive unit 41, a steering unit 42, an accelerator pedal 43, a brake pedal 44, a shift lever 45, left and right front wheels 46, left and right rear wheels 47, which are included in the vehicle 40.
  • Data (information) is transmitted and received between the axle 48, the microprocessor 61 and memory (ROM, RAM) 62 in the electronic control unit 49, and various sensors 50-58.
  • the communication module 60 is a communication device that can be controlled by the microprocessor 61 of the electronic control unit 49 and can communicate with external devices. For example, various information is transmitted and received with an external device via wireless communication.
  • the communication module 60 may be located either inside or outside the electronic control unit 49.
  • the external device may be, for example, the base station 10, user terminal 20, etc. described above.
  • the communication module 60 may be, for example, at least one of the base station 10 and the user terminal 20 described above (it may function as at least one of the base station 10 and the user terminal 20).
  • the communication module 60 receives signals from the various sensors 50 to 58 described above that are input to the electronic control unit 49, information obtained based on the signals, and input from the outside (user) obtained via the information service unit 59. At least one of the information based on the information may be transmitted to an external device via wireless communication.
  • the electronic control unit 49, various sensors 50-58, information service unit 59, etc. may be called an input unit that receives input.
  • the PUSCH transmitted by the communication module 60 may include information based on the above input.
  • the communication module 60 receives various information (traffic information, signal information, inter-vehicle information, etc.) transmitted from an external device, and displays it on the information service section 59 provided in the vehicle.
  • the information service unit 59 is an output unit that outputs information (for example, outputs information to devices such as a display and a speaker based on the PDSCH (or data/information decoded from the PDSCH) received by the communication module 60). may be called.
  • the communication module 60 also stores various information received from external devices into a memory 62 that can be used by the microprocessor 61. Based on the information stored in the memory 62, the microprocessor 61 controls the drive unit 41, steering unit 42, accelerator pedal 43, brake pedal 44, shift lever 45, left and right front wheels 46, and left and right rear wheels provided in the vehicle 40. 47, axle 48, various sensors 50-58, etc. may be controlled.
  • the base station in the present disclosure may be replaced by a user terminal.
  • communication between a base station and a user terminal is replaced with communication between multiple user terminals (for example, it may be called Device-to-Device (D2D), Vehicle-to-Everything (V2X), etc.).
  • D2D Device-to-Device
  • V2X Vehicle-to-Everything
  • each aspect/embodiment of the present disclosure may be applied.
  • the user terminal 20 may have the functions that the base station 10 described above has.
  • words such as "uplink” and “downlink” may be replaced with words corresponding to inter-terminal communication (for example, "sidelink”).
  • uplink channels, downlink channels, etc. may be replaced with sidelink channels.
  • the user terminal in the present disclosure may be replaced by a base station.
  • the base station 10 may have the functions that the user terminal 20 described above has.
  • the operations performed by the base station may be performed by its upper node in some cases.
  • various operations performed for communication with a terminal may be performed by the base station, one or more network nodes other than the base station (e.g. It is clear that this can be performed by a Mobility Management Entity (MME), a Serving-Gateway (S-GW), etc. (though not limited thereto), or a combination thereof.
  • MME Mobility Management Entity
  • S-GW Serving-Gateway
  • Each aspect/embodiment described in this disclosure may be used alone, in combination, or may be switched and used in accordance with execution. Further, the order of the processing procedures, sequences, flowcharts, etc. of each aspect/embodiment described in this disclosure may be changed as long as there is no contradiction. For example, the methods described in this disclosure use an example order to present elements of the various steps and are not limited to the particular order presented.
  • LTE Long Term Evolution
  • LTE-A LTE-Advanced
  • LTE-B LTE-Beyond
  • SUPER 3G IMT-Advanced
  • 4G 4th generation mobile communication system
  • 5G 5th generation mobile communication system
  • 6G 6th generation mobile communication system
  • xG x is an integer or decimal number, for example
  • Future Radio Access FAA
  • RAT New-Radio Access Technology
  • NR New Radio
  • NX New radio access
  • FX Future generation radio access
  • GSM registered trademark
  • CDMA2000 Code Division Multiple Access
  • UMB Ultra Mobile Broadband
  • IEEE 802 .11 Wi-Fi (registered trademark)
  • IEEE 802.16 WiMAX (registered trademark)
  • IEEE 802.20 Ultra-WideBand (UWB), Bluetooth (registered trademark), and other appropriate wireless communication methods.
  • the present invention may be applied to systems to be used, next-generation systems expanded, modified,
  • the phrase “based on” does not mean “based solely on” unless explicitly stated otherwise. In other words, the phrase “based on” means both “based only on” and “based at least on.”
  • any reference to elements using the designations "first,” “second,” etc. does not generally limit the amount or order of those elements. These designations may be used in this disclosure as a convenient way to distinguish between two or more elements. Thus, reference to a first and second element does not imply that only two elements may be employed or that the first element must precede the second element in any way.
  • determining may encompass a wide variety of actions. For example, “judgment” can mean judging, calculating, computing, processing, deriving, investigating, looking up, search, inquiry ( For example, searching in a table, database, or other data structure), ascertaining, etc. may be considered to be “determining.”
  • judgment (decision) includes receiving (e.g., receiving information), transmitting (e.g., sending information), input (input), output (output), access ( may be considered to be “determining”, such as accessing data in memory (eg, accessing data in memory).
  • judgment is considered to mean “judging” resolving, selecting, choosing, establishing, comparing, etc. Good too.
  • judgment (decision) may be considered to be “judgment (decision)” of some action.
  • the "maximum transmit power" described in this disclosure may mean the maximum value of transmit power, the nominal maximum transmit power (the nominal UE maximum transmit power), or the rated maximum transmit power (the It may also mean rated UE maximum transmit power).
  • connection refers to any connection or coupling, direct or indirect, between two or more elements.
  • the coupling or connection between elements may be physical, logical, or a combination thereof. For example, "connection” may be read as "access.”
  • microwave when two elements are connected, they may be connected using one or more electrical wires, cables, printed electrical connections, etc., as well as in the radio frequency domain, microwave can be considered to be “connected” or “coupled” to each other using electromagnetic energy having wavelengths in the light (both visible and invisible) range.
  • a and B are different may mean “A and B are different from each other.” Note that the term may also mean that "A and B are each different from C”. Terms such as “separate” and “coupled” may also be interpreted similarly to “different.”
  • words meaning "good”, “bad”, “large”, “small”, “high”, “low”, “early”, “slow”, etc. may be read interchangeably. (Not limited to original, comparative, and superlative).
  • words meaning "good”, “bad”, “large”, “small”, “high”, “low”, “early”, “slow”, etc. are replaced with “i-th”. They may be interchanged as expressions (not limited to the original, comparative, and superlative) (for example, “the highest” may be interchanged with “the i-th highest”).

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本開示の一態様に係る端末は、人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリング向けの報告のための設定情報を受信する受信部と、前記設定情報に基づいて測定されるＣＳＩに関する報告の送信を制御する制御部と、を有する。本開示の一態様によれば、好適なオーバーヘッド低減／チャネル推定／リソースの利用を実現できる。

Description

端末、無線通信方法及び基地局
　本開示は、次世代移動通信システムにおける端末、無線通信方法及び基地局に関する。
　Universal　Mobile　Telecommunications　System（ＵＭＴＳ）ネットワークにおいて、更なる高速データレート、低遅延などを目的としてLong　Term　Evolution（ＬＴＥ）が仕様化された（非特許文献１）。また、ＬＴＥ（Third　Generation　Partnership　Project（３ＧＰＰ（登録商標））　Release（Ｒｅｌ．）８、９）の更なる大容量、高度化などを目的として、ＬＴＥ－Ａｄｖａｎｃｅｄ（３ＧＰＰ　Ｒｅｌ．１０－１４）が仕様化された。
　ＬＴＥの後継システム（例えば、5th　generation　mobile　communication　system（５Ｇ）、５Ｇ＋（plus）、6th　generation　mobile　communication　system（６Ｇ）、New　Radio（ＮＲ）、３ＧＰＰ　Ｒｅｌ．１５以降などともいう）も検討されている。
　将来の無線通信技術について、ネットワーク／デバイスの制御、管理などに、機械学習（Machine　Learning（ＭＬ））のような人工知能（Artificial　Intelligence（ＡＩ））技術を活用することが検討されている。
　ＡＩモデルの活用のユースケースとして、両側ＡＩモデルを用いるチャネル状態情報（Channel　State　Information（ＣＳＩ））圧縮が検討されている。このようなＣＳＩ圧縮方法は、ＡＩベースドＣＳＩフィードバックと呼ばれてもよく、例えば自己符号化器（オートエンコーダ（autoencoder））を用いて実現されてもよい。
　ところで、ＡＩモデルの性能モニタリングが検討されている。ＡＩモデルの性能モニタリングは、端末（terminal、ユーザ端末（user　terminal）、User　Equipment（ＵＥ））において行われてもよいし、基地局（Base　Station（ＢＳ））において行われてもよい。しかしながら、ＡＩベースドＣＳＩフィードバックに関して、ＵＥ／ＢＳにおける性能モニタリングの具体的なライフサイクル管理についてはまだ検討が進んでいない。
　性能モニタリングの実現方法を適切に規定しなければ、適切なオーバーヘッド低減／高精度なチャネル推定／高効率なリソースの利用が達成できず、通信スループット／通信品質の向上が抑制されるおそれがある。
　そこで、本開示は、好適なオーバーヘッド低減／チャネル推定／リソースの利用を実現できる端末、無線通信方法及び基地局を提供することを目的の１つとする。
　本開示の一態様に係る端末は、人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリング向けの報告のための設定情報を受信する受信部と、前記設定情報に基づいて測定されるＣＳＩに関する報告の送信を制御する制御部と、を有する。
　本開示の一態様によれば、好適なオーバーヘッド低減／チャネル推定／リソースの利用を実現できる。
図１は、ＡＩモデルの管理のフレームワークの一例を示す図である。 図２は、エンコーダ／デコーダを用いたＣＳＩフィードバックの一例を示す図である。 図３は、一実施形態に係るＵＥにおける性能モニタリングのライフサイクル管理フレームワークの一例を示す図である。 図４は、一実施形態に係るＢＳにおける性能モニタリングのライフサイクル管理フレームワークの一例を示す図である。 図５は、実施形態１．１における性能モニタリングの一例を示す図である。 図６は、実施形態１．２における性能モニタリングの一例を示す図である。 図７Ａ及び７Ｂは、第２の実施形態におけるモデル評価の一例を示す図である。 図８は、第２の実施形態におけるモデル評価の一例を示す図である。 図９は、第６の実施形態における性能モニタリングの一例を示す図である。 図１０は、一実施形態に係る無線通信システムの概略構成の一例を示す図である。 図１１は、一実施形態に係る基地局の構成の一例を示す図である。 図１２は、一実施形態に係るユーザ端末の構成の一例を示す図である。 図１３は、一実施形態に係る基地局及びユーザ端末のハードウェア構成の一例を示す図である。 図１４は、一実施形態に係る車両の一例を示す図である。
（無線通信への人工知能（Artificial　Intelligence（ＡＩ））技術の適用）
　将来の無線通信技術について、ネットワーク／デバイスの制御、管理などに、機械学習（Machine　Learning（ＭＬ））のようなＡＩ技術を活用することが検討されている。
　例えば、チャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックの向上（例えば、オーバーヘッド低減、正確度改善、予測）、ビームマネジメントの改善（例えば、正確度改善、時間／空間領域での予測）、位置測定の改善（例えば、位置推定／予測の改善）などのために、端末（terminal、ユーザ端末（user　terminal）、User　Equipment（ＵＥ））／基地局（Base　Station（ＢＳ））がＡＩ技術を活用することが検討されている。
　ＡＩモデルは、入力される情報に基づいて、推定値、予測値、選択される動作、分類、などの少なくとも１つの情報を出力してもよい。ＵＥ／ＢＳは、ＡＩモデルに対して、チャネル状態情報、参照信号測定値などを入力して、高精度なチャネル状態情報／測定値／ビーム選択／位置、将来のチャネル状態情報／無線リンク品質などを出力してもよい。
　なお、本開示において、ＡＩは、以下の少なくとも１つの特徴を有する（実施する）オブジェクト（対象、客体、データ、関数、プログラムなどとも呼ばれる）で読み替えられてもよい：
・観測又は収集される情報に基づく推定、
・観測又は収集される情報に基づく選択、
・観測又は収集される情報に基づく予測。
　本開示において、推定（estimation）、予測（prediction）、推論（inference）は、互いに読み替えられてもよい。また、本開示において、推定する（estimate）、予測する（predict）、推論する（infer）は、互いに読み替えられてもよい。
　本開示において、オブジェクトは、例えば、ＵＥ、ＢＳなどの装置、デバイスなどであってもよい。また、本開示において、オブジェクトは、当該装置において動作するプログラム／モデル／エンティティに該当してもよい。
　また、本開示において、ＡＩモデルは、以下の少なくとも１つの特徴を有する（実施する）オブジェクトで読み替えられてもよい：
・情報を与えること（feeding）によって、推定値を生み出す、
・情報を与えることによって、推定値を予測する、
・情報を与えることによって、特徴を発見する、
・情報を与えることによって、動作を選択する。
　また、本開示において、ＡＩモデルは、ＡＩ技術を適用し、入力のセットに基づいて出力のセットを生成するデータドリブンアルゴリズムを意味してもよい。
　また、本開示において、ＡＩモデル、モデル、ＭＬモデル、予測分析（predictive　analytics）、予測分析モデル、ツール、自己符号化器（オートエンコーダ（autoencoder））、エンコーダ、デコーダ、ニューラルネットワークモデル、ＡＩアルゴリズム、スキームなどは、互いに読み替えられてもよい。また、ＡＩモデルは、回帰分析（例えば、線形回帰分析、重回帰分析、ロジスティック回帰分析）、サポートベクターマシン、ランダムフォレスト、ニューラルネットワーク、ディープラーニングなどの少なくとも１つを用いて導出されてもよい。
　本開示において、オートエンコーダは、積層オートエンコーダ、畳み込みオートエンコーダなど任意のオートエンコーダと互いに読み替えられてもよい。本開示のエンコーダ／デコーダは、Residual　Network（ResNet）、DenseNet、RefineNetなどのモデルを採用してもよい。
　また、本開示において、エンコーダ、エンコーディング（encoding）、エンコードする／される（encode/encoded）、エンコーダによる修正／変更／制御、圧縮（compressing）、圧縮する／される（compress/compressed）、生成（generating）、生成する／される（generate/generated）などは、互いに読み替えられてもよい。
　また、本開示において、デコーダ、デコーディング（decoding）、デコードする／される（decode/decoded）、デコーダによる修正／変更／制御、展開（decompressing）、展開する／される（decompress/decompressed）、再構成（reconstructing）、再構成する／される（reconstruct/reconstructed）などは、互いに読み替えられてもよい。
　本開示において、（ＡＩモデルについての）レイヤは、ＡＩモデルにおいて利用されるレイヤ（入力層、中間層など）と互いに読み替えられてもよい。本開示のレイヤ（層）は、入力層、中間層、出力層、バッチ正規化層、畳み込み層、活性化層、デンス（dense）層、正規化層、プーリング層、アテンション層、ドロップアウト層、全結合層などの少なくとも１つに該当してもよい。
　本開示において、ＡＩモデルの訓練方法には、教師あり学習（supervised　learning）、教師なし学習（unsupervised　learning）、強化学習（Reinforcement　learning）、連合学習（federated　learning）などが含まれてもよい。教師あり学習は、入力及び対応するラベルからモデルを訓練する処理を意味してもよい。教師なし学習は、ラベル付きデータなしでモデルを訓練する処理を意味してもよい。強化学習は、モデルが相互作用している環境において、入力（言い換えると、状態）と、モデルの出力（言い換えると、アクション）から生じるフィードバック信号（言い換えると、報酬）と、からモデルを訓練する処理を意味してもよい。
　本開示において、生成、算出、導出などは、互いに読み替えられてもよい。本開示において、実施、運用、動作、実行などは、互いに読み替えられてもよい。本開示において、訓練、学習、更新、再訓練などは、互いに読み替えられてもよい。本開示において、推論、訓練後（after-training）、本番の利用、実際の利用、などは互いに読み替えられてもよい。本開示において、信号は、信号／チャネルと互いに読み替えられてもよい。
　図１は、ＡＩモデルの管理のフレームワークの一例を示す図である。本例では、ＡＩモデルに関連する各ステージがブロックで示されている。本例は、ＡＩモデルのライフサイクル管理とも表現される。
　データ収集ステージは、ＡＩモデルの生成／更新のためのデータを収集する段階に該当する。データ収集ステージは、データ整理（例えば、どのデータをモデル訓練／モデル推論のために転送するかの決定）、データ転送（例えば、モデル訓練／モデル推論を行うエンティティ（例えば、ＵＥ、ｇＮＢ）に対して、データを転送）などを含んでもよい。
　なお、データ収集は、ＡＩモデル訓練／データ分析／推論を目的として、ネットワークノード、管理エンティティ又はＵＥによってデータが収集される処理を意味してもよい。本開示において、処理、手順は互いに読み替えられてもよい。
　モデル訓練ステージでは、収集ステージから転送されるデータ（訓練用データ）に基づいてモデル訓練が行われる。このステージは、データ準備（例えば、データの前処理、クリーニング、フォーマット化、変換などの実施）、モデル訓練／バリデーション（検証）、モデルテスティング（例えば、訓練されたモデルが性能の閾値を満たすかの確認）、モデル交換（例えば、分散学習のためのモデルの転送）、モデルデプロイメント／更新（モデル推論を行うエンティティに対してモデルをデプロイ／更新）などを含んでもよい。
　なお、ＡＩモデル訓練（AI　model　training）は、データドリブンな方法でＡＩモデルを訓練し、推論のための訓練されたＡＩモデルを取得するための処理を意味してもよい。
　また、ＡＩモデルバリデーション（AI　model　validation）は、モデル訓練に使用したデータセットとは異なるデータセットを用いてＡＩモデルの品質を評価するための訓練のサブ処理を意味してもよい。当該サブ処理は、モデル訓練に使用したデータセットを超えて汎化するモデルパラメータの選択に役立つ。
　また、ＡＩモデルテスティング（AI　model　testing）は、モデル訓練／バリデーションに使用したデータセットとは異なるデータセットを使用して、最終的なＡＩモデルの性能を評価するための訓練のサブ処理を意味してもよい。なお、テスティングは、バリデーションとは異なり、その後のモデルチューニングを前提としなくてもよい。
　モデル推論ステージでは、収集ステージから転送されるデータ（推論用データ）に基づいてモデル推論が行われる。このステージは、データ準備（例えば、データの前処理、クリーニング、フォーマット化、変換などの実施）、モデル推論、モデルモニタリング（例えば、モデル推論の性能をモニタ）、モデル性能フィードバック（モデル訓練を行うエンティティに対してモデル性能をフィードバック）、出力（アクターに対してモデルの出力を提供）などを含んでもよい。
　なお、ＡＩモデル推論（AI　model　inference）は、訓練されたＡＩモデルを用いて入力のセットから出力のセットを産み出すための処理を意味してもよい。
　また、ＵＥ側（UE　side）モデルは、その推論が完全にＵＥにおいて実施されるＡＩモデルを意味してもよい。ネットワーク側（Network　side）モデルは、その推論が完全にネットワーク（例えば、ｇＮＢ）において実施されるＡＩモデルを意味してもよい。
　また、片側（one-sided）モデルは、ＵＥ側モデル又はネットワーク側モデルを意味してもよい。両側（two-sided）モデルは、共同推論（joint　inference）が行われるペアのＡＩモデルを意味してもよい。ここで、共同推論は、その推論がＵＥとネットワークにわたって共同で行われるＡＩ推論を含んでもよく、例えば、推論の第１の部分がＵＥによって最初に行われ、残りの部分がｇＮＢによって行われてもよい（又はその逆が行われてもよい）。
　また、ＡＩモデルモニタリング（AI　model　monitoring）は、ＡＩモデルの推論性能をモニタするための処理を意味してもよく、モデル性能モニタリング、性能モニタリングなどと互いに読み替えられてもよい。
　なお、モデルレジストレーション（model　registration）は、モデルにバージョン識別子を付与し、推論段階において利用される特定のハードウェアにコンパイルすることを介して当該モデルを実行可能にすることを意味してもよい。また、モデルデプロイメント（model　deployment）は、完全に開発されテストされたモデルのランタイムイメージ（又は実行環境のイメージ）を、推論が実施されるターゲット（例えば、ＵＥ／ｇＮＢ）に配信する（又は当該ターゲットにおいて有効化する）ことを意味してもよい。
　アクターステージは、アクショントリガ（例えば、他のエンティティに対してアクションをトリガするか否かの決定）、フィードバック（例えば、訓練用データ／推論用データ／性能フィードバックのために必要な情報をフィードバック）などを含んでもよい。
　なお、例えばモビリティ最適化のためのモデルの訓練は、例えば、ネットワーク（Network（ＮＷ））における保守運用管理（Operation、Administration　and　Maintenance（Management）（ＯＡＭ））／gNodeB（ｇＮＢ）において行われてもよい。前者の場合、相互運用、大容量ストレージ、オペレータの管理性、モデルの柔軟性（フィーチャーエンジニアリングなど）が有利である。後者の場合、モデル更新のレイテンシ、モデル展開のためのデータ交換などが不要な点が有利である。上記モデルの推論は、例えば、ｇＮＢにおいて行われてもよい。
　ユースケース（言い換えると、ＡＩモデルの機能）に応じて、訓練／推論を行うエンティティは異なってもよい。ＡＩモデルの機能（function）は、ビーム管理、ビーム予測、オートエンコーダ（又は情報圧縮）、ＣＳＩフィードバック、位置測位などを含んでもよい。
　例えば、メジャメントレポートに基づくＡＩ支援ビーム管理については、ＯＡＭ／ｇＮＢがモデル訓練を行い、ｇＮＢがモデル推論を行ってもよい。
　ＡＩ支援ＵＥアシステッドポジショニングについては、Location　Management　Function（ＬＭＦ）がモデル訓練を行い、当該ＬＭＦがモデル推論を行ってもよい。
　オートエンコーダを用いるＣＳＩフィードバック／チャネル推定については、ＯＡＭ／ｇＮＢ／ＵＥがモデル訓練を行い、ｇＮＢ／ＵＥが（ジョイントで）モデル推論を行ってもよい。
　ビーム測定に基づくＡＩ支援ビーム管理又はＡＩ支援ＵＥベースドポジショニングについては、ＯＡＭ／ｇＮＢ／ＵＥがモデル訓練を行い、ＵＥがモデル推論を行ってもよい。
　なお、モデルアクティベーションは、特定の機能のためのＡＩモデルを有効化することを意味してもよい。モデルディアクティベーションは、特定の機能のためのＡＩモデルを無効化することを意味してもよい。モデルスイッチングは、特定の機能のための現在アクティブなＡＩモデルをディアクティベートし、異なるＡＩモデルをアクティベートうることを意味してもよい。
　また、モデル転送（model　transfer）は、エアインターフェース上でＡＩモデルを配信することを意味してもよい。この配信は、受信側において既知のモデル構造のパラメータ、又はパラメータを有する新しいモデルの一方又は両方を配信することを含んでもよい。また、この配信は、完全なモデル又は部分的なモデルを含んでもよい。モデルダウンロードは、ネットワークからＵＥへのモデル転送を意味してもよい。モデルアップロードは、ＵＥからネットワークへのモデル転送を意味してもよい。
（ＡＩベースドＣＳＩフィードバック）
　ＡＩモデルの活用のユースケースとして、両側ＡＩモデルを用いるＣＳＩ圧縮が検討されている。このようなＣＳＩ圧縮方法は、ＡＩベースドＣＳＩフィードバックと呼ばれてもよく、例えばオートエンコーダを用いて実現されてもよい。
　図２は、エンコーダ／デコーダを用いたＣＳＩフィードバックの一例を示す図である。ＵＥは、エンコーダにＣＳＩを入力して出力されるエンコードされたビットを含む情報（ＣＳＩフィードバック情報）を、アンテナから送信する。ＢＳは、対応するデコーダに、受信したＣＳＩフィードバック情報のビットを入力して、出力されるＣＳＩを得る。
　入力のＣＳＩは、例えば、チャネル係数（チャネル行列の要素）の情報を含んでもよいし、プリコーディング係数（プリコーディング行列の要素）の情報を含んでもよい。言い換えると、当該ＣＳＩは、空間－周波数ドメインのチャネル状態に関する情報に該当してもよい。なお、入力にはＣＳＩ以外の情報が含まれてもよい。
　なお、デコーダから出力されるＣＳＩは、エンコーダへの入力に相当する再構成された（reconstructed）ＣＳＩであってもよいし、エンコーダへの入力とは異なるＣＳＩ（例えば、入力情報がチャネル係数の情報であれば、プリコーディング係数の情報など）であってもよい。
　なお、エンコーダ／デコーダは、入力に対する前処理（pre-processing）、出力に対する後処理（post-processing）などを含んでもよい。
　エンコードされたビットは、エンコードされる前の入力情報よりも圧縮されており、ＣＳＩフィードバックにかかる通信オーバーヘッドの低減が期待できる。
　ところで、図１で示した性能モニタリングは、ＵＥにおいて行われてもよいし、ＢＳにおいて行われてもよい。しかしながら、ＡＩベースドＣＳＩフィードバックに関して、ＵＥ／ＢＳにおける性能モニタリングの具体的なライフサイクル管理についてはまだ検討が進んでいない。
　性能モニタリングの実現方法を適切に規定しなければ、適切なオーバーヘッド低減／高精度なチャネル推定／高効率なリソースの利用が達成できず、通信スループット／通信品質の向上が抑制されるおそれがある。
　そこで、本発明者らは、ＵＥ／ＢＳにおける性能モニタリングの好適な実現方法を着想した。
　以下、本開示に係る実施形態について、図面を参照して詳細に説明する。各実施形態に係る無線通信方法は、それぞれ単独で適用されてもよいし、組み合わせて適用されてもよい。
　本開示において、「Ａ／Ｂ」及び「Ａ及びＢの少なくとも一方」は、互いに読み替えられてもよい。また、本開示において、「Ａ／Ｂ／Ｃ」は、「Ａ、Ｂ及びＣの少なくとも１つ」を意味してもよい。
　本開示において、アクティベート、ディアクティベート、指示（又は指定（indicate））、選択（select）、設定（configure）、更新（update）、決定（determine）などは、互いに読み替えられてもよい。本開示において、サポートする、制御する、制御できる、動作する、動作できるなどは、互いに読み替えられてもよい。
　本開示において、無線リソース制御（Radio　Resource　Control（ＲＲＣ））、ＲＲＣパラメータ、ＲＲＣメッセージ、上位レイヤパラメータ、フィールド、情報要素（Information　Element（ＩＥ））、設定などは、互いに読み替えられてもよい。本開示において、Medium　Access　Control制御要素（ＭＡＣ　Control　Element（ＣＥ））、更新コマンド、アクティベーション／ディアクティベーションコマンドなどは、互いに読み替えられてもよい。
　本開示において、上位レイヤシグナリングは、例えば、Radio　Resource　Control（ＲＲＣ）シグナリング、Medium　Access　Control（ＭＡＣ）シグナリング、ブロードキャスト情報などのいずれか、又はこれらの組み合わせであってもよい。
　本開示において、ＭＡＣシグナリングは、例えば、ＭＡＣ制御要素（MAC　Control　Element（ＭＡＣ　ＣＥ））、ＭＡＣ　Protocol　Data　Unit（ＰＤＵ）などを用いてもよい。ブロードキャスト情報は、例えば、マスタ情報ブロック（Master　Information　Block（ＭＩＢ））、システム情報ブロック（System　Information　Block（ＳＩＢ））、最低限のシステム情報（Remaining　Minimum　System　Information（ＲＭＳＩ））、その他のシステム情報（Other　System　Information（ＯＳＩ））などであってもよい。
　本開示において、物理レイヤシグナリングは、例えば、下りリンク制御情報（Downlink　Control　Information（ＤＣＩ））、上りリンク制御情報（Uplink　Control　Information（ＵＣＩ））などであってもよい。
　本開示において、インデックス、識別子（Identifier（ＩＤ））、インディケーター、リソースＩＤなどは、互いに読み替えられてもよい。本開示において、シーケンス、リスト、セット、グループ、群、クラスター、サブセットなどは、互いに読み替えられてもよい。
　本開示において、パネル、ＵＥパネル、パネルグループ、ビーム、ビームグループ、プリコーダ、Uplink（ＵＬ）送信エンティティ、送受信ポイント（Transmission/Reception　Point（ＴＲＰ））、基地局、空間関係情報（Spatial　Relation　Information（ＳＲＩ））、空間関係、ＳＲＳリソースインディケーター（SRS　Resource　Indicator（ＳＲＩ））、制御リソースセット（COntrol　REsource　SET（ＣＯＲＥＳＥＴ））、Physical　Downlink　Shared　Channel（ＰＤＳＣＨ）、コードワード（Codeword（ＣＷ））、トランスポートブロック（Transport　Block（ＴＢ））、参照信号（Reference　Signal（ＲＳ））、アンテナポート（例えば、復調用参照信号（DeModulation　Reference　Signal（ＤＭＲＳ））ポート）、アンテナポートグループ（例えば、ＤＭＲＳポートグループ）、グループ（例えば、空間関係グループ、符号分割多重（Code　Division　Multiplexing（ＣＤＭ））グループ、参照信号グループ、ＣＯＲＥＳＥＴグループ、Physical　Uplink　Control　Channel（ＰＵＣＣＨ）グループ、ＰＵＣＣＨリソースグループ）、リソース（例えば、参照信号リソース、ＳＲＳリソース）、リソースセット（例えば、参照信号リソースセット）、ＣＯＲＥＳＥＴプール、下りリンクのTransmission　Configuration　Indication　state（ＴＣＩ状態）（ＤＬ　ＴＣＩ状態）、上りリンクのＴＣＩ状態（ＵＬ　ＴＣＩ状態）、統一されたＴＣＩ状態（unified　TCI　state）、共通ＴＣＩ状態（common　TCI　state）、擬似コロケーション（Quasi-Co-Location（ＱＣＬ））、ＱＣＬ想定などは、互いに読み替えられてもよい。
　本開示において、ＣＳＩ－ＲＳ、ノンゼロパワー（Non　Zero　Power（ＮＺＰ））ＣＳＩ－ＲＳ、ゼロパワー（Zero　Power（ＺＰ））ＣＳＩ－ＲＳ及びＣＳＩ干渉測定（CSI　Interference　Measurement（ＣＳＩ－ＩＭ））は、互いに読み替えられてもよい。また、ＣＳＩ－ＲＳは、その他の参照信号を含んでもよい。
　本開示において、測定／報告されるＲＳは、ＣＳＩレポートのために測定／報告されるＲＳを意味してもよい。
　本開示において、タイミング、時刻、時間、スロット、サブスロット、シンボル、サブフレームなどは、互いに読み替えられてもよい。
　本開示において、方向、軸、次元、ドメイン、偏波、偏波成分などは、互いに読み替えられてもよい。
　本開示において、ＲＳは、例えば、ＣＳＩ－ＲＳ、ＳＳ／ＰＢＣＨブロック（ＳＳブロック（ＳＳＢ））などであってもよい。また、ＲＳインデックスは、ＣＳＩ－ＲＳリソースインディケーター（CSI-RS　Resource　Indicator（ＣＲＩ））、ＳＳ／ＰＢＣＨブロックリソースインディケーター（SS/PBCH　Block　Indicator（ＳＳＢＲＩ））などであってもよい。
　本開示において、チャネル測定／推定は、例えば、チャネル状態情報参照信号（Channel　State　Information　Reference　Signal（ＣＳＩ－ＲＳ））、同期信号（Synchronization　Signal（ＳＳ））、同期信号／ブロードキャストチャネル（Synchronization　Signal/Physical　Broadcast　Channel（ＳＳ／ＰＢＣＨ））ブロック、復調用参照信号（DeModulation　Reference　Signal（ＤＭＲＳ））、測定用参照信号（Sounding　Reference　Signal（ＳＲＳ））などの少なくとも１つを用いて行われてもよい。
　本開示において、ＣＳＩは、チャネル品質インディケーター（Channel　Quality　Indicator（ＣＱＩ））、プリコーディング行列インディケーター（Precoding　Matrix　Indicator（ＰＭＩ））、ＣＳＩ－ＲＳリソースインディケーター（CSI-RS　Resource　Indicator（ＣＲＩ））、ＳＳ／ＰＢＣＨブロックリソースインディケーター（SS/PBCH　Block　Resource　Indicator（ＳＳＢＲＩ））、レイヤインディケーター（Layer　Indicator（ＬＩ））、ランクインディケーター（Rank　Indicator（ＲＩ））、Ｌ１－ＲＳＲＰ（レイヤ１における参照信号受信電力（Layer　1　Reference　Signal　Received　Power））、Ｌ１－ＲＳＲＱ（Reference　Signal　Received　Quality）、Ｌ１－ＳＩＮＲ（Signal　to　Interference　plus　Noise　Ratio）、Ｌ１－ＳＮＲ（Signal　to　Noise　Ratio）、チャネル行列（又はチャネル係数）に関する情報、プリコーディング行列（又はプリコーディング係数）に関する情報などの少なくとも１つを含んでもよい。
　本開示において、ＵＣＩ、ＣＳＩレポート、ＣＳＩフィードバック、フィードバック情報、フィードバックビット、ＣＳＩフィードバック方法、ＣＳＩフィードバックスキームなどは、互いに読み替えられてもよい。また、本開示において、ビット、ビット列、ビット系列、系列、値、情報、ビットから得られる値、ビットから得られる情報などは、互いに読み替えられてもよい。
　本開示において、「モデル／非ＡＩベースドＣＳＩフィードバック」は、モデル、ＣＳＩフィードバック方法、ＣＳＩフィードバックスキームなどと互いに読み替えられてもよい。
　以下の実施形態では、ＵＥ－ＢＳ間の通信に関するＡＩモデルを説明するため、関連する主体はＵＥ及びＢＳであるが、本開示の各実施形態の適用は、これに限られない。例えば、別の主体間の通信（例えば、ＵＥ－ＵＥ間の通信）については、下記実施形態のＵＥ及びＢＳを、第１のＵＥ及び第２のＵＥで読み替えてもよい。言い換えると、本開示のＵＥ、ＢＳなどは、いずれも任意のＵＥ／ＢＳで読み替えられてもよい。
（無線通信方法）
　以下では、ＡＩベースドＣＳＩフィードバックに関して、ＵＥ／ＢＳにおける性能モニタリングのライフサイクル管理フレームワークにおける各ステップについて説明する。
　図３は、一実施形態に係るＵＥにおける性能モニタリングのライフサイクル管理フレームワークの一例を示す図である。
　性能モニタリングのステップでは、ＵＥは、モデル及びフォールバックスキーム（非ＡＩベースドＣＳＩフィードバック）の性能をモニタする。
　ＵＥにおけるモデル評価のステップでは、ＵＥは、モニタされる／報告されるモデル及びフォールバックスキーム（非ＡＩベースドＣＳＩフィードバック）の性能を評価する。
　性能報告のステップでは、ＵＥは、モニタされた上記性能をＮＷに報告する。
　ＮＷにおけるモデル評価のステップでは、ＮＷは、報告されるモデル及びフォールバックスキームの性能を評価する。
　モデル要求のステップでは、ＵＥは、どのモデルを適用すべきであるか、又はフォールバックスキームが適用されるべきか否かに関する要求を、ＮＷに送信する。
　モデルアクティベーション／ディアクティベーションのステップでは、ＵＥは、どのスキーム（モデル）がアクティベートされるかを指示されてもよい。ＵＥは、あるモデル又はフォールバックスキームをアクティベートしてもよい。
　なお、図示される一部のステップ（例えば破線で示されるステップ）は、必要に応じて実施されればよい。
　図４は、一実施形態に係るＢＳにおける性能モニタリングのライフサイクル管理フレームワークの一例を示す図である。
　性能モニタリング向けの報告のステップでは、ＵＥは、ＮＷ（ＢＳ）における性能モニタリングのための情報を報告する。
　ＮＷにおける性能モニタリングのステップでは、ＮＷは、モデル及びフォールバックスキーム（非ＡＩベースドＣＳＩフィードバック）の性能をモニタする。
　ＮＷにおけるモデル評価のステップでは、ＮＷは、モデル及びフォールバックスキームの性能を評価する。
　モデルアクティベーション／ディアクティベーションのステップでは、ＵＥは、どのスキーム（モデル）がアクティベートされるかを指示されてもよい。ＵＥは、あるモデル又はフォールバックスキームをアクティベートしてもよい。
　なお、図示される一部のステップ（例えば破線で示されるステップ）は、必要に応じて実施されればよい。
　以下で説明する各実施形態では、図３及び図４に示したステップの詳細を説明する。
＜第１の実施形態＞
　第１の実施形態は、ＵＥにおける性能モニタリングに関する。
　ＵＥは、どのＡＩモデルの性能をモニタするか、及び非ＡＩベースドＣＳＩフィードバックの性能をモニタするか、の少なくとも一方について、ネットワークから通知されてもよい。モニタ対象のＡＩモデルの判断については、第５の実施形態の変形例において後述する。
　本開示において、非ＡＩベースドＣＳＩフィードバックは、フォールバックスキームと呼ばれてもよく、既存の規格においてフィードバックされるＣＱＩ、ＰＭＩなどをＵＥがフィードバックするスキームに該当してもよい。
　本開示において、性能がモニタされるモデルは、モニタされるモデル（monitored　model）と呼ばれてもよい。なお、レジスタされる（レジストレーションが適用される）モデル／設定されるモデルは、モニタされるモデル／アクティベートされるモデルに該当してもよい。
　なお、ＵＥは、性能モニタリングのためのＣＳＩ－ＲＳリソース／ＣＳＩ－ＲＳリソースセット／ＣＳＩリソース設定／ＣＳＩレポート設定を通知されてもよい。
［実施形態１．１］
　実施形態１．１では、ＵＥにおいてエンコーダ及びデコーダも両方が利用可能である場合、ＵＥはリアルタイム性能（実際の性能と呼ばれてもよい）をモニタしてもよい。実際の性能は、ターゲットＣＳＩに比べた、ＡＩモデルの出力に基づいて算出されるＣＳＩの性能を意味してもよい。
　実施形態１．１においてモニタされる性能は、以下の少なくとも１つであってもよい：
　（１）ＡＩモデルの出力に基づいて算出されるＣＳＩと、ＡＩモデルのターゲットＣＳＩ（例えば、チャネル測定に基づいて算出されるＣＳＩ）との間の一般化コサイン類似度（Generalized　Cosine　Similarity（ＧＣＳ））／Squared　GCS（ＳＧＣＳ）（レイヤ＞１に対する拡張ＧＣＳ／ＳＧＣＳを含んでもよい）、
　（２）ＡＩモデルの出力に基づいて算出される通信品質。例えば、特定のリソース割り当ての想定において、あるブロック誤り確率を満たすＣＱＩ、
　（３）ＡＩモデルの出力に基づいて計算されるＣＳＩと、ＡＩモデルのターゲットＣＳＩとの間の正規化平均二乗誤差（Normalized　Mean　Square　Error（ＮＭＳＥ））／平均二乗誤差（Mean　Square　Error（ＭＳＥ））。
　ここで、本開示において、ターゲットＣＳＩは、例えば、チャネル測定に基づいて計算されるＣＳＩ（calculated　CSI）であってもよいし、理想ＣＳＩ（ideal　CSI）であってもよい。本開示において、理想ＣＳＩは、ＡＩモデルから出力される誤差のない理想的なＣＳＩを意味してもよいし、特定の入力（又は任意の入力）に対応してＡＩモデルから出力されるＣＳＩを意味してもよい。理想ＣＳＩは、固定ＣＳＩ（fixed　CSI）などと呼ばれてもよい。
　（１）／（３）におけるＣＳＩは、プリコーディング行列、１つ以上のプリコーディングベクトル及び１つ以上の固有ベクトルの少なくとも１つであってもよい。（１）／（３）におけるＣＳＩは、量子化されたＣＳＩであってもよい。（１）／（３）におけるＡＩモデルの出力に基づいて算出されるＣＳＩは、ＡＩモデルによって再構成されたＣＳＩに該当してもよい。
　（２）におけるＣＱＩは、例えば、広帯域ＣＱＩ、サブバンドＣＱＩの平均、サブバンドＣＱＩの加重平均、サブバンドＣＱＩの最大／最小などの少なくとも１つであってもよい。また、特定のリソース割り当ては、あるチャネル／信号（例えば、ＰＤＳＣＨ、ＰＤＣＣＨ、対応するＤＭＲＳ）の受信についての周波数／時間リソース割り当てに該当してもよく、規格においてどのようなリソース割り当てであるか（例えば、想定するシンボル数、リソースブロック数など）が規定されてもよい。また、あるブロック誤り確率は、例えば、０．１、０．００００１などの少なくとも１つであってもよい。
　図５は、実施形態１．１における性能モニタリングの一例を示す図である。本例では、簡単のため、デコーダから出力されるＣＳＩは、エンコーダへの入力に相当する再構成されたＣＳＩであると想定する。なお、ＵＥが有するデコーダは性能モニタリングのために設けられるに過ぎず、ＵＥが送信するＣＳＩフィードバックは、エンコーダの出力である。ＵＥは、図示される少なくとも１つのエンコーダと、対応するデコーダと、を有する。
　本例では、ＢＳから送信されるＣＳＩ－ＲＳに基づいてＵＥがチャネル測定を行い、チャネル行列Ｈを得る。ＵＥが有するエンコーダの入力がＨである場合、ＵＥは、エンコーダにＨを入力して得られる出力を、対応するデコーダに入力し、再構成されたチャネル行列Ｈ’を得る。ＵＥは、Ｈ及びＨ’に基づいて、性能を推定する。
　なお、ＵＥが有するエンコーダの入力がプリコーディング行列Ｗである場合、ＵＥは、Ｈに特定の処理（例えば、特異値分解（Singular　Value　Decomposition（ＳＶＤ）））を行ってＷを得てもよい。ＵＥは、エンコーダにＷを入力して得られる出力を、対応するデコーダに入力し、再構成されたプリコーディング行列Ｗ’を得る。ＵＥは、Ｗ及びＷ’に基づいて、性能を推定する。
　また、ＵＥが有するエンコーダの入力が前処理（例えば、逆離散フーリエ変換（Inverse　Discrete　Fourier　Transform（ＩＤＦＴ））及びサンプリング）が適用されたプリコーディング行列ｐ－Ｗである場合、ＵＥは、上述のＷに上述の前処理を行ってｐ－Ｗを得てもよい。ＵＥは、エンコーダにｐ－Ｗを入力して得られる出力を、対応するデコーダに入力し、再構成された前処理後のプリコーディング行列ｐ－Ｗ’を得る。ＵＥは、ｐ－Ｗ及びｐ－Ｗ’に基づいて、性能を推定してもよいし、Ｗ及びｐ－Ｗ’に前処理の逆処理を適用して得たＷ’に基づいて、性能を推定してもよい。
　なお、ＵＥは、必要に応じて性能報告をＢＳに送信してもよい。
　実施形態１．１によれば、信頼性の高いリアルタイム性能をモニタできる。
［実施形態１．２］
　実施形態１．２では、ＵＥにおいてエンコーダが利用可能である場合、ＵＥは期待性能をモニタしてもよい。
　実施形態１．２においてモニタされる性能（期待性能）は、以下の少なくとも１つであってもよい：
　（１）ＡＩモデルの出力に基づいて算出される期待される通信品質。例えば、特定のリソース割り当ての想定において、あるブロック誤り確率を満たす期待されるＣＱＩ、
　（２）ターゲットＣＳＩと比較した、再構成されるＣＳＩの期待される性能（例えば、期待されるノイズ分散）。
　（１）の特定のリソース割り当ての想定、あるブロック誤り確率、ＣＱＩについては、実施形態１．１の（２）の性能について説明した内容と同様であってもよい。
　図６は、実施形態１．２における性能モニタリングの一例を示す図である。図４と同様であってもよい内容については繰り返し説明しない。ＵＥは、図示される少なくとも１つのエンコーダを有する。本例では、ＵＥはエンコーダに対応するデコーダは有しない。
　本例では、ＵＥは、エンコーダのＡＩモデルに対応するＡＩモデルの期待性能の情報を、サードパーティのデータサーバ又はＮＷから受信してもよい。当該情報は、ＡＩモデル情報に含まれてもよい（ＡＩモデル情報については本開示において後述する）。
　なお、本開示において、データサーバは、レポジトリ、アップローダ、ライブラリ、クラウドサーバ、単にサーバなどと互いに読み替えられてもよい。また、本開示におけるデータサーバは、GitHub（登録商標）など任意のプラットフォームによって提供されてもよく、任意の企業／団体によって運営されてもよい。
　本例では、ＢＳから送信されるＣＳＩ－ＲＳに基づいてＵＥがチャネル測定を行い、ターゲットＣＳＩに該当するＨ／Ｗ／ｐ－Ｗを得る。また、ＵＥは、当該ターゲットＣＳＩ及び上述の期待性能の情報に基づいて、期待性能を算出（推定）する。性能モニタリングするだけであれば、ＵＥは、エンコーダを動作させなくてもよい。
　実施形態１．２によれば、ＵＥがデコーダのＡＩモデルを把握しない場合であっても性能をモニタできる。
［実施形態１．３］
　実施形態１．３では、ＵＥは非ＡＩベースドＣＳＩフィードバックの性能をモニタしてもよい。
　例えば、ＵＥは、あるコードブックタイプ（例えば、タイプＩコードブック、タイプＩＩコードブック）のＰＭＩについての性能をモニタしてもよい。
　実施形態１．３においてモニタされる性能は、以下の少なくとも１つであってもよい：
　（１）ＰＭＩによって量子化されるＣＳＩ（例えば、ＰＭＩに対応するプリコーディング行列）と、ＡＩモデルのターゲットＣＳＩ（例えば、チャネル測定に基づいて算出されるＣＳＩ（に対応するプリコーディング行列））との間のＧＣＳ／ＳＧＣＳ（レイヤ＞１に対する拡張ＧＣＳ／ＳＧＣＳを含んでもよい）、
　（２）非ＡＩベースドＣＳＩフィードバックから期待される性能に基づく通信品質。例えば、特定のリソース割り当ての想定において、あるブロック誤り確率を満たす非ＡＩベースドＣＳＩフィードバックのＣＱＩ。
　（１）について、例えば、ＰＭＩによって再構成されるプリコーディング行列（又はプリコーディングベクトル、固有ベクトルなど）と、チャネル測定に基づいて算出されるプリコーディング行列（又はプリコーディングベクトル、固有ベクトルなど）と、のＧＣＳ／ＳＧＣＳがモニタされてもよい。
　（２）の特定のリソース割り当ての想定、あるブロック誤り確率、ＣＱＩについては、実施形態１．１の（２）の性能について説明した内容と同様であってもよい。
　実施形態１．３によれば、実施形態１．１／１．２との組み合わせによって、ＡＩベースドＣＳＩフィードバックと非ＡＩベースドＣＳＩフィードバックとの性能比較を、ＵＥが好適に行うことができる。
　以上説明した第１の実施形態によれば、ＵＥは適切に性能モニタリングを実施できる。
＜第２の実施形態＞
　第２の実施形態は、ＵＥにおけるモデル評価に関する。
　ＵＥは、ＣＳＩフィードバック方法の性能（第１の実施形態で述べたモデル性能、非ＡＩベースドＣＳＩフィードバックによる性能など）を評価し、どの性能を報告するか、どの方法を要求するか、どの方法をアクティベートするか、などの少なくとも１つを決定してもよい。
　ＵＥは、１つ以上のモニタされる性能について、以下の条件のうち少なくとも１つを満たすかどうかをチェック（評価）してもよい：
　・条件１：アクティブな／レジスタされる／設定されるモデル又は非ＡＩベースドＣＳＩフィードバックのモニタされる性能が、ディアクティブなモデル又は非ＡＩベースドＣＳＩフィードバック（例えば別のコードブックタイプ）の１つのモニタされる性能より小さい／大きい、
　・条件２：レジスタされる／設定されるモデルのモニタされる性能が、非ＡＩベースドＣＳＩフィードバックの１つのモニタされる性能より大きい／小さい、
　・条件３：あるモニタされるモデル（例えば、アクティブなモデル）又は非ＡＩベースドＣＳＩフィードバックのモニタされる性能が、閾値より小さい、
　・条件４：あるモニタされるモデル（例えば、ディアクティブなモデル）又は非ＡＩベースドＣＳＩフィードバックのモニタされる性能が、閾値より大きい、
　・条件５：あるモニタされるモデル又は非ＡＩベースドＣＳＩフィードバックのモニタされる性能が、最後の性能報告（の送信）からＹ回より多く変化した、
　・条件６：あるモニタされるモデル又は非ＡＩベースドＣＳＩフィードバックのモニタされる性能が、一定期間にわたって一定回数以上閾値未満となった。
　なお、本開示において、モニタされる性能は、モニタされる性能にオフセットＸ（Ｘは例えば実数）を加えた性能と互いに読み替えられてもよい。オフセットＸは、純粋な性能（再現性能）とは別の要因（例えば、モニタされない／モニタ不要な性能）に基づいて決定されてもよい。オフセットを導入することによって、当該別の要因も包括的に考慮したモデル評価が可能である。
　ここで、モニタされない／モニタ不要な性能は、ＣＳＩフィードバックのオーバーヘッド、（モデル／算出される値の）信頼性、モデルの複雑さ、算出にかかる電力消費などの少なくとも１つに該当してもよい。
　Ｘ、Ｙ、閾値などの値（又は当該値に関する情報）は、予め規格において規定されてもよいし、ＵＥ能力に基づいて決定されてもよいし、ＮＷからＵＥに通知されてもよいし、ＡＩモデル情報に含まれてもよい（モデルに基づいて決定されてもよい）。Ｘ、Ｙ、閾値などの値に関する情報は、モデル／非ＡＩベースドＣＳＩフィードバックごとに規定／通知されてもよいし、モデル／非ＡＩベースドＣＳＩフィードバックのグループごとに規定／通知されてもよいし、ＡＩベースドＣＳＩフィードバック又は非ＡＩベースドＣＳＩフィードバックのために規定／通知されてもよい。
　ＵＥが条件１－６のどれ（又はどの組み合わせ）をチェックするかについては、モデル／非ＡＩベースドＣＳＩフィードバックごとに規定／通知されてもよいし、モデル／非ＡＩベースドＣＳＩフィードバックのグループごとに規定／通知されてもよいし、ＡＩベースドＣＳＩフィードバック又は非ＡＩベースドＣＳＩフィードバックのために規定／通知されてもよい。
　図７Ａ及び７Ｂは、第２の実施形態におけるモデル評価の一例を示す図である。本例では、評価される性能は最大サブバンドＣＱＩであり、ＵＥはＡＩモデル＃１及び＃２のＣＱＩと、非ＡＩベースドＣＳＩフィードバックとして拡張タイプＩＩコードブックのＣＱＩと、を比較する。ＵＥは、例えば、これらのうち最も性能が高いスキームをアクティベートしてもよい。
　図７Ａにおいては、各モニタされる性能にオフセットが適用されない例を示す。本例では、ＵＥは、モデル＃１のモニタされる性能が最も大きいと決定する。
　図７Ｂにおいては、モデル＃２のモニタされる性能にオフセットＸ（ただし、Ｘ＜０）が適用され、拡張タイプＩＩコードブックのモニタされる性能にオフセットＸ’（ただし、Ｘ’＞０）が適用される例を示す。本例では、ＵＥは、拡張タイプＩＩコードブックのモニタされる性能が最も大きいと決定する。
　条件６をより具体的に説明する。条件６は、例えば以下のステップを含んでもよい：
　・モニタされる性能が第１の値未満であることが第１のカウンタによって第１の回数以上カウントされると、タイマを起動する、
　・タイマが起動中、モニタされる性能が第２の値より大きいことが第２のカウンタによって第２の回数以上カウントされると、上記タイマを停止する、
　・タイマが起動中、モニタされる性能が第１の値未満である場合、第２のカウンタをリセットする、
　・モニタされる性能が第１の値より大きい場合、第１のカウンタをリセットする、
　・タイマが満了すると、モニタされるモデルの性能は低いと評価する。
　なお、第１の値は、第１の閾値（thresholdout）であってもよいし、特定のモデル／非ＡＩベースドＣＳＩフィードバックについての基準値（ベースライン値）から第１のオフセット（offsetout）だけ低い値であってもよい。
　また、第２の値は、第２の閾値（thresholdin）であってもよいし、特定のモデル／非ＡＩベースドＣＳＩフィードバックについての基準値（ベースライン値）から第２のオフセット（offsetin）だけ大きいであってもよい。
　なお、カウンタのリセットは、カウンタを特定の値（例えば、０）にすることを意味してもよい。
　ここで、第１／第２の閾値、ベースライン値、第１／第２のオフセット、第１／第２のカウンタ、カウンタの粒度、タイマの時間長などの値（又は当該値に関する情報）は、予め規格において規定されてもよいし、ＵＥ能力に基づいて決定されてもよいし、ＮＷからＵＥに通知されてもよいし、ＡＩモデル情報に含まれてもよい（モデルに基づいて決定されてもよい）。これらの値に関する情報は、モデル／非ＡＩベースドＣＳＩフィードバックごとに規定／通知されてもよいし、モデル／非ＡＩベースドＣＳＩフィードバックのグループごとに規定／通知されてもよいし、ＡＩベースドＣＳＩフィードバック又は非ＡＩベースドＣＳＩフィードバックのために規定／通知されてもよい。
　図８は、第２の実施形態におけるモデル評価の一例を示す図である。本例では、モニタされる性能は、最初は良いが、第１の値未満であることが第１のカウンタによって第１の回数以上カウントされると、タイマが起動される。その後、タイマが起動中にモニタされる性能が第２の値より大きいことが第２のカウンタによって何回かはカウントされたが、第２のカウンタが第２の回数以上にはならず、タイマが満了し、このモデルの性能は低いと評価される。
　第２の実施形態において、ＵＥは、１つ以上のＣＳＩフィードバック方法の性能を評価し、報告／モデル要求／モデルアクティベート／モデルディアクティベートのための上位Ｋ（Ｋは整数）個の性能を選択（決定）してもよい。
　この上記Ｋ個の性能は、全てＡＩベースドＣＳＩフィードバックの性能から選択されてもよいし、全て非ＡＩベースドＣＳＩフィードバックの性能から選択されてもよいし、ＡＩベースドＣＳＩフィードバック及び非ＡＩベースドＣＳＩフィードバックの性能から選択されてもよい。
　言い換えると、ＵＥは、１つ以上のＣＳＩフィードバック方法の性能を評価し、ＡＩベースドＣＳＩフィードバックの性能から上位Ｋ（Ｋは整数）個の性能を決定し、非ＡＩベースドＣＳＩフィードバックの性能から上位Ｋ’（Ｋ’は整数）個の性能を決定してもよい。
　Ｋ、Ｋ’などの値（又は当該値に関する情報）は、予め規格において規定されてもよいし、ＵＥ能力に基づいて決定されてもよいし、ＮＷからＵＥに通知されてもよいし、モデルに紐づいた情報でもよい（モデルに基づいて決定されてもよい）。
　なお、本開示において、ＵＥは、１つ以上のモニタされる性能と、１つ以上のモニタされない／モニタ不要な性能と、に基づいて性能を導出してもよい。また、本開示において、モニタされる性能は、評価／比較の際には、ある期間にわたって平均化／重みづけされてもよい。当該期間、平均化／重みづけ手法などに関する情報は、予め規格において規定されてもよいし、ＵＥ能力に基づいて決定されてもよいし、ＮＷからＵＥに通知されてもよいし、モデルに紐づいた情報でもよい（モデルに基づいて決定されてもよい）。
　以上説明した第２の実施形態によれば、ＵＥは適切にモデル評価を実施できる。
＜第３の実施形態＞
　第３の実施形態は、性能報告に関する。
［報告のタイミング］
　ＵＥは、ＮＷから通知される情報に基づいて性能報告を送信してもよい。例えば、ＵＥは、ＲＲＣ／ＭＡＣ　ＣＥ／ＤＣＩに基づいて、周期的／セミパーシステント／非周期的にスケジューリングされる上りリンクリソースにおいて、性能報告を送信してもよい。この場合、性能報告はＵＣＩに含まれてもよい。このとき、ＵＥは、報告の周期／オフセットを、ＲＲＣ／ＭＡＣ　ＣＥ／ＤＣＩに基づいて決定してもよい。
　ＵＥは、自身が性能報告に関するトリガを判断して、当該トリガがされた場合に性能報告を送信してもよい。例えば、ＵＥは、第２の実施形態で述べた条件（例えば、条件１－６の少なくとも１つ）が満たされる場合に、性能報告を送信してもよい。この場合、性能報告はＭＡＣ　ＣＥに含まれてもよい（ＰＵＳＣＨがスケジューリングされれば送信できるため）。
　ＵＥは、新しいモデルがアクティベート／レジスタ／設定される場合に、性能報告を送信してもよい。また、ＵＥは、設定／指定されるパラメータに基づくタイマ（例えば、条件６に示したタイマ）が満了する場合に、性能報告を送信してもよい。
［報告の内容］
　性能報告には、第１の実施形態で示した、１つ以上のモニタされる性能を示す情報が含まれてもよい。性能報告に含まれるモニタされる性能を示す情報の数は、第２の実施形態で示したＫ（／Ｋ’）に基づいて決定されてもよい。
　性能報告には、報告される性能に対応するモデル／非ＡＩベースドＣＳＩフィードバックを示す情報（例えば、モデルＩＤ、レジスタされるモデルＩＤ、ＣＳＩレポート設定ＩＤ）が含まれてもよい。
　ＵＥは、報告される性能を、以下の少なくとも１つに基づいて決定してもよい：
　・第２の実施形態で述べた条件（例えば、条件１－６の少なくとも１つ）において評価される性能、
　・第２の実施形態で示したＫ（／Ｋ’）に基づいて選択される性能、
　・ＮＷからの通知に基づいて報告対象として決定される性能。
　上記通知は、例えば、モデル／非ＡＩベースドＣＳＩフィードバックのアクティベーションコマンドであってもよいし、報告／モニタ対象を示す情報を含む通知であってもよい。ＵＥは、アクティベート／モニタされるモデルの性能を報告してもよい。
　例えば、ＵＥがモデル＃１及び＃２を有する場合であって、これらのうちモデル＃２のみがアクティベートされる場合、ＵＥは、モデル＃２の性能を報告してもよい。ＵＥは、モデル＃１の性能は報告しなくてもよい。
　以上説明した第３の実施形態によれば、ＵＥは適切に性能報告を送信できる。
＜第４の実施形態＞
　第４の実施形態は、モデル要求に関する。
［モデル要求の送信タイミング］
　モデル要求の送信タイミングは、第３の実施形態の性能報告のタイミングの説明において、性能報告をモデル要求で読み替えた内容に基づいて判断されてもよい。
［モデル要求の内容］
　モデル要求には、適用されるべきモデル／非ＡＩベースドＣＳＩフィードバックを示す情報（例えば、モデルＩＤ、レジスタされるモデルＩＤ、ＣＳＩレポート設定ＩＤ）が含まれてもよい。
　適用されるべきモデル／非ＡＩベースドＣＳＩフィードバックは、第３の実施形態において説明した報告される性能に対応するモデル／非ＡＩベースドＣＳＩフィードバックに該当してもよい（なお、性能は報告されなくてもよい）。適用されるべきモデル／非ＡＩベースドＣＳＩフィードバックは、推奨される（recommended）モデル／非ＡＩベースドＣＳＩフィードバックと呼ばれてもよい。
　例えば、ＵＥがモデル＃１及び＃２を有し、非ＡＩベースドＣＳＩフィードバックとしてはタイプＩＩ及び拡張タイプＩＩが利用できる場合であって、これらのうちモデル＃２のみがアクティベートされている場合を考える。ＵＥは、これらのモデル／非ＡＩベースドＣＳＩフィードバックの性能（例えばＣＱＩ）を評価した結果、非ＡＩベースドＣＳＩフィードバックを推奨されるモデル／非ＡＩベースドＣＳＩフィードバックとして選択してもよい。ＵＥは、非ＡＩベースドＣＳＩフィードバックを示すモデル要求をＮＷに報告してもよい。
　なお、ＵＥは、性能報告に含まれる情報及びモデル要求に含まれる情報を、同時に（例えば、１つのＵＣＩ／ＭＡＣ　ＣＥを用いて）送信してもよい。
　以上説明した第４の実施形態によれば、ＵＥは適切にモデル要求を送信できる。
＜第５の実施形態＞
　第５の実施形態は、モデルアクティベーション／ディアクティベーションに関する。
　ＵＥは、ＮＷから通知される情報に基づいてモデルアクティベーション／ディアクティベーションを実施してもよい。当該情報は、モデルアクティベーション／ディアクティベーションコマンドと呼ばれてもよく、ＲＲＣ／ＭＡＣ　ＣＥ／ＤＣＩを用いて送信されてもよい。
　モデルアクティベーション／ディアクティベーションコマンドには、アクティベート／ディアクティベートされるモデル／非ＡＩベースドＣＳＩフィードバックを示す情報（例えば、モデルＩＤ、レジスタされるモデルＩＤ、ＣＳＩレポート設定ＩＤ）が含まれてもよい。
　モデルアクティベーション／ディアクティベーションコマンドは、第４の実施形態で述べたモデル要求を受け入れたか否かを示す情報（例えば、モデル応答と呼ばれてもよい）に該当してもよい。ＵＥは、モデル要求を送信し、対応するモデル応答を受信すると、当該モデル応答がモデル要求を受け入れたことを示す場合にはモデル要求によって示されるモデルをアクティベートし、そうでない場合には当該モデルをディアクティベートしてもよい。
　ＵＥは、自分自身でアクティベート／ディアクティベートするモデル／非ＡＩベースドＣＳＩフィードバックを判断してもよい。例えば、ＵＥは、第２の実施形態で述べた条件（例えば、条件１－６の少なくとも１つ）が満たされる場合に、アクティベート／ディアクティベートするモデル／非ＡＩベースドＣＳＩフィードバックを判断してもよい。アクティベート／ディアクティベートするモデル／非ＡＩベースドＣＳＩフィードバックは、第３の実施形態において説明した報告される性能に対応するモデル／非ＡＩベースドＣＳＩフィードバックに該当してもよい（なお、性能は報告されなくてもよい）。
　ＵＥは、アクティベートされるモデルに関する情報又はアクティブなモデルが変更されることを示す情報を、ＮＷに報告してもよい。この場合、モデル要求／性能報告が不要になるため、通信オーバーヘッドの低減が期待できる。
　なお、ＵＥは、ある機能のためのモデル／非ＡＩベースドＣＳＩフィードバックは１つだけアクティブであることを予期してもよいし、複数アクティブであることを予期してもよい。
　あるモデルがアクティベートされる（アクティブである）場合、ＵＥは、当該モデルをＣＳＩフィードバック情報の計算に適用してもよい。また、あるモデルがアクティベートされる場合、ＵＥは、性能モニタリング用途でない設定された非ＡＩベースドＣＳＩフィードバックに基づくＣＳＩ計算／ＣＳＩ報告を行わなくてもよい。
　モデルが全てアクティブでない場合、ＵＥは、非ＡＩベースドＣＳＩフィードバックスキームをＣＳＩフィードバック情報の計算に適用してもよい。ＵＥは、モデルが全てアクティブでない場合に適用される非ＡＩベースドＣＳＩフィードバックスキームに関する情報を設定されてもよい（例えば、ＲＲＣのＣＳＩレポート設定情報要素を用いて）。
　また、モデルが全てアクティブでない場合、ＵＥは、ＣＳＩフィードバックを行わなくてもよい。
［モデル適用時間（アクティブ／ディアクティブ時間）］
　ＵＥは、モデル適用時間の間、あるモデルをアクティベート／ディアクティベートしてもよい。
　モデル適用時間は、開始時間（開始ポイント）から終了時間（終了ポイント）までの期間に該当してもよい。
　開始時間は、以下の少なくとも１つに該当してもよい：
　・モデルアクティベーション／ディアクティベーションコマンドを受信する最終シンボル又は当該最終シンボルからＸ単位時間後、
　・モデルアクティベーション／ディアクティベーションコマンドに対応するＨＡＲＱ情報（例えば、ＨＡＲＱ－ＡＣＫ）を送信する最終シンボル又は当該最終シンボルからＸ単位時間後。
　本開示において、単位時間は、シンボル、スロット、サブスロット、サブフレーム、秒（ミリ秒）などの少なくとも１つで読み替えられてもよい。
　終了時間は、以下の少なくとも１つに該当してもよい：
　・対応する開始時間からＹ単位時間後、
　・対応するモデルアクティベーション／ディアクティベーションコマンドが適用／受信されてからＹ単位時間後、
　・新しいモデルアクティベーション／ディアクティベーションコマンドが適用／受信されるまで。
　Ｘ、Ｙなどの値（又は当該値に関する情報）は、予め規格において規定されてもよいし、ＵＥ能力に基づいて決定されてもよいし、ＮＷからＵＥに通知されてもよいし、モデルに紐づいた情報でもよい（モデルに基づいて決定されてもよい）。モデルアクティベーション／ディアクティベーションコマンドは、モデル適用時間に関する情報（例えば、Ｘ／Ｙを示す情報）を含んでもよい。
　なお、ＵＥは、モデル適用時間中に新しいモデルアクティベーション／ディアクティベーションコマンドを受信する場合に、当該モデル適用時間の開始時間を再度開始してもよい（新しいモデルアクティベーション／ディアクティベーションコマンドに基づく上述の開始時間に更新してもよい）。モデル適用時間の開始時間を再度開始するのは、以下の少なくとも１つの場合であってもよい：
　・上記新しいモデルアクティベーション／ディアクティベーションコマンドによって指定されるモデル情報が、適用中のモデルと同じ場合、
　・上記新しいモデルアクティベーション／ディアクティベーションコマンドがモデル情報／適用時間に関する情報を含まない場合。
　なお、ＵＥは、アクティベーションの場合とディアクティベーションの場合とで、開始時間／終了時間の決定（又は更新）の方法を異ならせてもよい。
　また、ＵＥは、モデルアクティベーション／ディアクティベーションの場合と、フォールバックスキームアクティベーション／ディアクティベーションの場合とで、開始時間／終了時間の決定（又は更新）の方法を異ならせてもよい。
　以上説明した第５の実施形態によれば、ＵＥは適切にモデルアクティベーション／ディアクティベーションを制御できる。
［第５の実施形態の変形例（モニタ対象のＡＩモデルの判断）］
　ＵＥは、モニタ対象のＡＩモデルを、第５の実施形態のモデルアクティベーション／ディアクティベーションの説明において、アクティベート（アクティベーション）／ディアクティベート（ディアクティベーション）を、モニタのアクティベート（アクティベーション）／ディアクティベート（ディアクティベーション）で読み替えた内容に基づいて判断してもよい。
　ＵＥは、設定されるＡＩモデルに関して以下の少なくとも１つが満たされる場合にのみ、当該ＡＩモデルをモニタしてもよい：
　・当該モデルのアクティベーションを受信する、
　・当該モデルのアクティベーションを決定する、
　・当該モデルのモデル適用期間中、
　・当該モデルの性能が決定されるまで（言い換えると、まだ性能が決定されていない）、
　・当該モデルの性能が報告されるまで（言い換えると、まだ性能が報告されていない）、
　・当該モデルのモニタのアクティベーションコマンド（モニタのトリガリング信号）を受信してから一定期間中。
　上記一定期間は、上記モデル適用期間をモデルのモニタ適用期間に読み替えた期間に該当してもよい。つまり、モデルアクティベーション／ディアクティベーションと、モデルのモニタのアクティベーション／ディアクティベーションは、別々に制御されてもよいし、同時に制御されてもよい。
　以上説明した第５の実施形態の変形例によれば、ＵＥは適切にモデルのモニタを制御できる。
＜第６の実施形態＞
　第６の実施形態は、ＵＥからの性能モニタリング向けの報告と、ＢＳにおける性能モニタリングに関する。
［性能モニタリング向けの報告］
　ＵＥは、ＢＳにおけるあるモデル（エンコーダ、デコーダ）についての性能モニタリングのために、以下を報告してもよい：
　・当該モデルによって生成されるＣＳＩフィードバック情報（エンコードされたビット）、
　・上記ＡＩベースドＣＳＩフィードバックに対応する非ＡＩベースドＣＳＩフィードバックのＣＳＩ。
　ここで、当該非ＡＩベースドＣＳＩフィードバックは、非ＡＩベースドなＰＭＩ（既存の規格でも規定されるＰＭＩ）であってもよい。以下では、第６の実施形態では、この報告されるＰＭＩのことを単にＰＭＩと記載する。なお、このＰＭＩは、ＡＩモデルの後処理（例えば、ＤＦＴ）を考慮して算出されるＰＭＩであってもよい。
　上記ＣＳＩフィードバック情報は、チャネル測定によって算出され、かつＰＭＩの算出に用いられるＣＳＩ（例えば、チャネル行列、プリコーディング行列、プリコーディングベクトル、固有ベクトル）をＡＩモデルによってエンコードした情報であってもよい。この場合、性能モニタリングのために異なる処理を適用する必要がない。
　上記ＣＳＩフィードバック情報は、ＰＭＩに基づいて再構成されるＣＳＩ（例えば、チャネル行列、プリコーディング行列、プリコーディングベクトル、固有ベクトル）をＡＩモデルによってエンコードした情報であってもよい。この場合、性能モニタリングでは、ＰＭＩに起因する量子化誤差の影響を気にせず、純粋にＡＩモデルの性能をモニタできる。
　ＵＥは、ＮＷからの通知に基づいて、上記ＰＭＩを決定してもよい。例えば、ＵＥは、ＡＩベースドＣＳＩフィードバックに関するトリガ状態（ＣＳＩトリガ状態）において（報告が）設定されるＰＭＩを、上記ＰＭＩであると決定してもよい。
　ＵＥは、ＡＩベースドＣＳＩフィードバックに基づくＣＳＩフィードバック情報と、対応するＰＭＩと、を含むＣＳＩを報告することを設定されてもよい。ＵＥは、性能モニタリング（向けの報告）のためのＣＳＩ－ＲＳリソース／ＣＳＩ－ＲＳリソースセット／ＣＳＩリソース設定／ＣＳＩレポート設定を通知されてもよい。
　なお、ＰＭＩ（非ＡＩベースドなＰＭＩ）は、ＡＩモデルなしでコードブックを用いて生成されるＰＭＩ（例えば、タイプＩ　ＣＳＩフィードバック、タイプＩＩ　ＣＳＩフィードバック、拡張タイプＩＩ　ＣＳＩフィードバック、さらに拡張されるタイプＩＩポート選択ＣＳＩフィードバックなど）に該当してもよい。
　図９は、第６の実施形態における性能モニタリングの一例を示す図である。本例では、簡単のため、デコーダから出力されるＣＳＩは、エンコーダへの入力に相当する再構成されたＣＳＩであると想定する。ＵＥは、図示される少なくとも１つのエンコーダを有し、ＢＳは、ＵＥが有するエンコーダに対応する、図示される少なくとも１つのデコーダを有する。
　本例では、ＢＳから送信されるＣＳＩ－ＲＳに基づいてＵＥがチャネル測定を行い、ＣＳＩ（例えば、チャネル行列Ｈ、プリコーディング行列Ｗ、前処理後プリコーディング行列ｐ－Ｗ）を算出してもよい。また、ＵＥは、Ｗ（又はｐ－Ｗ）を量子化して得られるＰＭＩを再構成して、再構成されるプリコーディング行列Ｑ－Ｗ（又は再構成される前処理後プリコーディング行列Ｑ－Ｗ）を算出してもよい。
　ＵＥは、これらのＣＳＩ／再構成されるＣＳＩをエンコーダに入力して得られる出力を、ＣＳＩフィードバック情報として、性能モニタリング向けの報告に含めて送信してもよい。また、ＵＥは、図示されるＰＭＩを性能モニタリング向けの報告に含めて送信してもよい。
　ＢＳは、受信した性能モニタリング向けの報告に基づいて、性能モニタリング（性能推定、性能比較）を行ってもよい。図示されるデコーダは、それぞれＵＥ側のエンコーダに対応する（例えば、最下部のデコーダは、ＣＳＩフィードバック情報を入力して、Ｈを再構成したＨ’を出力するためのデコーダである）。なお、本例において、「’」は、エンコーダ側のＣＳＩに対応するデコーダの出力（再構成されたＣＳＩ）を示す。
　ＢＳは、性能モニタリング向けの報告に含まれるＣＳＩフィードバック情報を対応するデコーダに入力して、再構成されたＣＳＩを出力する。本例では、必要に応じてＳＶＤ、前処理の逆処理などを適用して、ＢＳはＷ’又はＱ－Ｗ’を導出する。
　また、ＢＳは、性能モニタリング向けの報告に含まれるＰＭＩ（ここでは、Ｗを量子化して得られるＰＭＩ）を再構成して、ＰＭＩに基づいて再構成されたＣＳＩ（Ｑ－Ｗ）を算出する。
　ＢＳは、得られたＷ’又はＱ－Ｗ’を、Ｑ－Ｗと比較することによって、より性能の高いモデルを決定してもよい。
　ＵＥは、セミパーシステントＣＳＩ報告について、１つのＣＳＩトリガ状態によって、ＡＩベースドＣＳＩフィードバックに基づくＣＳＩフィードバック情報と、対応するＰＭＩと、を含むＣＳＩを報告することを設定されてもよい。この場合、１つのＤＣＩによってＢＳにおける性能モニタリングに必要なＣＳＩ報告をアクティベートできる。
　なお、既存のＮＲ規格では、ＰＵＳＣＨを用いて送信されるセミパーシステントＣＳＩの１つのトリガ状態（ＲＲＣ情報要素CSI-SemiPersistentOnPUSCH-TriggerStateに対応）は、１つのＣＳＩ報告設定ＩＤ（CSI-ReportConfigId）のみに関連付けられる。一方で、第６の実施形態では、ＰＵＳＣＨを用いて送信されるセミパーシステントＣＳＩの１つのトリガ状態は、複数のＣＳＩ報告設定ＩＤ（CSI-ReportConfigId）に関連付けられてもよい。当該１つのトリガ状態は、性能モニタリング向けの非ＡＩベースドＣＳＩ報告の情報と、ＡＩベースドＣＳＩ報告の情報と、に関連付けられてもよい。
　例えば、ＵＥがモデル＃１及び＃２を有し、非ＡＩベースドＣＳＩフィードバックとしては拡張タイプＩＩが利用できる場合を考える。ＵＥは、モデル＃１及び＃２の出力と、非ＡＩベースドＣＳＩフィードバック（例えばＰＭＩ）と、を含む性能モニタリング向けの報告を、ＢＳに送信してもよい。
［性能モニタリング向けの報告についての非ＡＩベースドＣＳＩフィードバックの粒度］
　ＵＥは、性能モニタリング向けの報告についての非ＡＩベースドＣＳＩフィードバックの粒度として、既存の規格の定義とは異なる（例えば、より細かい、より多い、拡張された）粒度を用いてもよい。
　ＵＥは、以下の少なくとも１つのパラメータについて、既存の規格とは異なる粒度を用いてもよい：
　・広帯域／サブバンドの位相係数に関するパラメータ（例えば、phaseAlphabetSize）、
　・広帯域／サブバンドの振幅係数に関するパラメータ、
　・係数／非ゼロ係数の数に関するパラメータ（例えば、Ｌ、β、ｐ＿ｖなどに関するコードブックパラメータ設定など）、
　・ビーム数に関するパラメータ（例えば、numberOfBeams）、
　・ＣＳＩフィードバックのサブバンドに関連するパラメータ（例えば、numberOfPMI-SubbandsPerCQI-Subband、subBandSize）。
　ＵＥは、ＣＳＩフィードバックのためのいくつかのＡＩモデルがＵＥにレジスタ／設定されている場合にのみ、上記異なる粒度を適用してもよい。
　以上説明した第６の実施形態によれば、ＢＳは適切に性能モニタリングを実施できる。
＜補足＞
［ＡＩモデル情報］
　本開示において、ＡＩモデル情報は、以下の少なくとも１つを含む情報を意味してもよい：
　・ＡＩモデルの入力／出力の情報、
　・ＡＩモデルの入力／出力のための前処理／後処理の情報、
　・ＡＩモデルのパラメータの情報、
　・ＡＩモデルのための訓練情報（トレーニング情報）、
　・ＡＩモデルのための推論情報、
　・ＡＩモデルに関する性能情報。
　ここで、上記ＡＩモデルの入力／出力の情報は、以下の少なくとも１つに関する情報を含んでもよい：
　・入力／出力データの内容（例えば、ＲＳＲＰ、ＳＩＮＲ、チャネル行列（又はプリコーディング行列）における振幅／位相情報、到来角度（Angle　of　Arrival（ＡｏＡ））に関する情報、放射角度（Angle　of　Departure（ＡｏＤ））に関する情報、位置情報）、
　・データの補助情報（メタ情報と呼ばれてもよい）、
　・入力／出力データのタイプ（例えば、不変値（immutable　value）、浮動小数点数）、
　・入力／出力データのビット幅（例えば、各入力値について６４ビット）、
　・入力／出力データの量子化間隔（量子化ステップサイズ）（例えば、Ｌ１－ＲＳＲＰについて、１ｄＢｍ）、
　・入力／出力データが取り得る範囲（例えば、［０、１］）。
　なお、本開示において、ＡｏＡに関する情報は、到来方位角度（azimuth　angle　of　arrival）及び到来天頂角度（zenith　angle　of　arrival（ＺｏＡ））の少なくとも１つに関する情報を含んでもよい。また、ＡｏＤに関する情報は、例えば、放射方位角度（azimuth　angle　of　departure）及び放射天頂角度（zenith　angle　of　depature（ＺｏＤ））の少なくとも１つに関する情報を含んでもよい。
　本開示において、位置情報は、ＵＥ／ＮＷに関する位置情報であってもよい。位置情報は、測位システム（例えば、衛星測位システム（Global　Navigation　Satellite　System（ＧＮＳＳ）、Global　Positioning　System（ＧＰＳ）など））を用いて得られる情報（例えば、緯度、経度、高度）、当該ＵＥに隣接する（又はサービング中の）ＢＳの情報（例えば、ＢＳ／セルの識別子（Identifier（ＩＤ））、ＢＳ－ＵＥ間の距離、ＵＥ（ＢＳ）から見たＢＳ（ＵＥ）の方向／角度、ＵＥ（ＢＳ）から見たＢＳ（ＵＥ）の座標（例えば、Ｘ／Ｙ／Ｚ軸の座標）など）、ＵＥの特定のアドレス（例えば、Internet　Protocol（ＩＰ）アドレス）などの少なくとも１つを含んでもよい。ＵＥの位置情報は、ＢＳの位置を基準とする情報に限られず、特定のポイントを基準とする情報であってもよい。
　位置情報は、自身の実装に関する情報（例えば、アンテナの位置（location/position）／向き、アンテナパネルの位置／向き、アンテナの数、アンテナパネルの数など）を含んでもよい。
　位置情報は、モビリティ情報を含んでもよい。モビリティ情報は、モビリティタイプを示す情報、ＵＥの移動速度、ＵＥの加速度、ＵＥの移動方向などの少なくとも１つを示す情報を含んでもよい。
　ここで、モビリティタイプは、固定位置ＵＥ（fixed　location　UE）、移動可能／移動中ＵＥ（movable/moving　UE）、モビリティ無しＵＥ（no　mobility　UE）、低モビリティＵＥ（low　mobility　UE）、中モビリティＵＥ（middle　mobility　UE）、高モビリティＵＥ（high　mobility　UE）、セル端ＵＥ（cell-edge　UE）、非セル端ＵＥ（not-cell-edge　UE）などの少なくとも１つに該当してもよい。
　本開示において、（データのための）環境情報は、データが取得される／利用される環境に関する情報であってもよく、例えば、周波数情報（バンドＩＤなど）、環境タイプ情報（屋内（indoor）、屋外（outdoor）、Urban　Macro（UMa）、Urban　Micro（Umi）などの少なくとも１つを示す情報）、Line　Of　Site（ＬＯＳ）／Non-Line　Of　Site（ＮＬＯＳ）を示す情報などに該当してもよい。
　ここで、ＬＯＳは、ＵＥ及びＢＳが互いに見通せる環境にある（又は遮蔽物がない）ことを意味してもよく、ＮＬＯＳは、ＵＥ及びＢＳが互いに見通せる環境にない（又は遮蔽物がある）ことを意味してもよい。ＬＯＳ／ＮＬＯＳを示す情報は、ソフト値（例えば、ＬＯＳ／ＮＬＯＳの確率）を示してもよいし、ハード値（例えば、ＬＯＳ／ＮＬＯＳのいずれか）を示してもよい。
　本開示において、メタ情報は、例えば、ＡＩモデルに適した入力／出力情報に関する情報、取得した／取得できるデータに関する情報などを意味してもよい。メタ情報は、具体的には、ＲＳ（例えば、ＣＳＩ－ＲＳ／ＳＲＳ／ＳＳＢなど）のビームに関する情報（例えば、各ビームの指向している角度、３ｄＢビーム幅、指向しているビームの形状、ビームの数）、ｇＮＢ／ＵＥのアンテナのレイアウト情報、周波数情報、環境情報、メタ情報ＩＤなどを含んでもよい。なお、メタ情報は、ＡＩモデルの入力／出力として用いられてもよい。
　上記ＡＩモデルの入力／出力のための前処理／後処理の情報は、以下の少なくとも１つに関する情報を含んでもよい：
　・正規化（例えば、Ｚスコア正規化（標準化）、最小－最大（min-max）正規化）を適用するか否か、
　・正規化のためのパラメータ（例えば、Ｚスコア正規化については平均／分散、最小－最大正規化については最小値／最大値）、
　・特定の数値変換方法（例えば、ワンホットエンコーディング（one　hot　encoding）、ラベルエンコーディング（label　encoding）など）を適用するか否か、
　・訓練データとして用いられるか否かの選択ルール。
　例えば、入力情報ｘに対して前処理としてＺスコア正規化（ｘｎｅｗ＝（ｘ－μ）／σ。ここで、μはｘの平均、σは標準偏差）を行った正規化済み入力情報ｘｎｅｗをＡＩモデルに入力してもよく、ＡＩモデルからの出力ｙｏｕｔに後処理を掛けて最終的な出力ｙが得られてもよい。
　上記ＡＩモデルのパラメータの情報は、以下の少なくとも１つに関する情報を含んでもよい：
　・ＡＩモデルにおける重み（例えば、ニューロンの係数（結合係数））情報、
　・ＡＩモデルの構造（structure）、
　・モデルコンポーネントとしてのＡＩモデルのタイプ（例えば、Residual　Network（ResNet）、DenseNet、RefineNet、トランスフォーマー（Transformer）モデル、CRBlock、回帰型ニューラルネットワーク（Recurrent　Neural　Network（ＲＮＮ））、長・短期記憶（Long　Short-Term　Memory（ＬＳＴＭ））、ゲート付き回帰型ユニット（Gated　Recurrent　Unit（ＧＲＵ）））,
　・モデルコンポーネントとしてのＡＩモデルの機能（例えば、デコーダ、エンコーダ）。
　なお、上記ＡＩモデルにおける重み情報は、以下の少なくとも１つに関する情報を含んでもよい：
　・重み情報のビット幅（サイズ）、
　・重み情報の量子化間隔、
　・重み情報の粒度、
　・重み情報が取り得る範囲、
　・ＡＩモデルにおける重みのパラメータ、
　・更新前のＡＩモデルからの差分の情報（更新する場合）、
　・重み初期化（weight　initialization）の方法（例えば、ゼロ初期化、ランダム初期化（正規分布／一様分布／切断正規分布に基づく）、Xavier初期化（シグモイド関数向け）、He初期化（整流化線形ユニット（Rectified　Linear　Units（ＲｅＬＵ））向け））。
　また、上記ＡＩモデルの構造は、以下の少なくとも１つに関する情報を含んでもよい：
　・レイヤ数、
　・レイヤのタイプ（例えば、畳み込み層、活性化層、デンス（dense）層、正規化層、プーリング層、アテンション層）、
　・レイヤ情報、
　・時系列特有のパラメータ（例えば、双方向性、時間ステップ）、
　・訓練のためのパラメータ（例えば、機能のタイプ（Ｌ２正則化、ドロップアウト機能など）、どこに（例えば、どのレイヤの後に）この機能を置くか）。
　上記レイヤ情報は、以下の少なくとも１つに関する情報を含んでもよい：
　・各レイヤにおけるニューロン数、
　・カーネルサイズ、
　・プーリング層／畳み込み層のためのストライド、
　・プーリング方法（MaxPooling、AveragePoolingなど）、
　・残差ブロックの情報、
　・ヘッド（head）数、
　・正規化方法（バッチ正規化、インスタンス正規化、レイヤ正規化など）、
　・活性化関数（シグモイド、tanh関数、ＲｅＬＵ、リーキーＲｅＬＵの情報、Maxout、Softmax）。
　あるＡＩモデルは、別のＡＩモデルのコンポーネントとして含まれてもよい。例えば、あるＡＩモデルは、モデルコンポーネント＃１であるＲｅｓＮｅｔ、モデルコンポーネント＃２であるトランスフォーマーモデル、デンス層及び正規化層の順に処理が進むＡＩモデルであってもよい。
　上記ＡＩモデルのための訓練情報は、以下の少なくとも１つに関する情報を含んでもよい：
　・最適化アルゴリズムのための情報（例えば、最適化の種類（確率的勾配降下法（Stochastic　Gradient　Descent（ＳＧＤ）））、AdaGrad、Adamなど）、最適化のパラメータ（学習率（learning　rate）、モメンタム情報など）、
　・損失関数の情報（例えば、損失関数の指標（metrics）に関する情報（平均絶対誤差（Mean　Absolute　Error（ＭＡＥ））、平均二乗誤差（Mean　Square　Error（ＭＳＥ））、クロスエントロピーロス、NLLLoss、Kullback-Leibler（ＫＬ）ダイバージェンスなど））、
　・訓練用に凍結されるべきパラメータ（例えば、レイヤ、重み）、
　・更新されるべきパラメータ（例えば、レイヤ、重み）、
　・訓練用の初期パラメータであるべき（初期パラメータとして用いられるべき）パラメータ（例えば、レイヤ、重み）、
　・ＡＩモデルの訓練／更新方法（例えば、（推奨）エポック数、バッチサイズ、訓練に使用するデータ数）。
　上記ＡＩモデルのための推論情報は、決定木の枝剪定（branch　pruning）、パラメータ量子化、ＡＩモデルの機能などに関する情報を含んでもよい。ここで、ＡＩモデルの機能は、例えば、時間ドメインビーム予測、空間ドメインビーム予測、ＣＳＩフィードバック向けのオートエンコーダ、ビーム管理向けのオートエンコーダなどの少なくとも１つに該当してもよい。
　ＣＳＩフィードバック向けのオートエンコーダは、以下のように用いられてもよい：
　・ＵＥは、エンコーダのＡＩモデルに、ＣＳＩ／チャネル行列／プリコーディング行列を入力して出力される、エンコードされるビットを、ＣＳＩフィードバック（ＣＳＩレポート）として送信する、
　・ＢＳは、デコーダのＡＩモデルに、受信したエンコードされるビットを入力して出力される、ＣＳＩ／チャネル行列／プリコーディング行列を再構成する。
　空間ドメインビーム予測では、ＵＥ／ＢＳは、ＡＩモデルに、疎な（又は太い）ビームに基づく測定結果（ビーム品質。例えば、ＲＳＲＰ）を入力して、密な（又は細い）ビーム品質を出力してもよい。
　時間ドメインビーム予測では、ＵＥ／ＢＳは、ＡＩモデルに、時系列（過去、現在などの）測定結果（ビーム品質。例えば、ＲＳＲＰ）を入力して、将来のビーム品質を出力してもよい。
　上記ＡＩモデルに関する性能情報は、ＡＩモデルのために定義される損失関数の期待値に関する情報を含んでもよい。
　本開示におけるＡＩモデル情報は、ＡＩモデルの適用範囲（適用可能範囲）に関する情報を含んでもよい。当該適用範囲は、物理セルＩＤ、サービングセルインデックスなどによって示されてもよい。適用範囲に関する情報は、上述の環境情報に含まれてもよい。
　特定のＡＩモデルに関するＡＩモデル情報は、規格において予め定められてもよいし、ネットワーク（Network（ＮＷ））からＵＥに通知されてもよい。規格において規定されるＡＩモデルは、参照（reference）ＡＩモデルと呼ばれてもよい。参照ＡＩモデルに関するＡＩモデル情報は、参照ＡＩモデル情報と呼ばれてもよい。
　なお、本開示におけるＡＩモデル情報は、ＡＩモデルを特定するためのインデックス（例えば、ＡＩモデルインデックス、ＡＩモデルＩＤ、モデルＩＤなどと呼ばれてもよい）を含んでもよい。本開示におけるＡＩモデル情報は、上述のＡＩモデルの入力／出力の情報などに加えて／の代わりに、ＡＩモデルインデックスを含んでもよい。ＡＩモデルインデックスとＡＩモデル情報（例えば、ＡＩモデルの入力／出力の情報）との関連付けは、規格において予め定められてもよいし、ＮＷからＵＥに通知されてもよい。
　本開示におけるＡＩモデル情報は、ＡＩモデルに関連付けられてもよく、ＡＩモデル関連情報（relevant　information）、単に関連情報などと呼ばれてもよい。ＡＩモデル関連情報には、ＡＩモデルを特定するための情報は明示的に含まれなくてもよい。ＡＩモデル関連情報は、例えばメタ情報のみを含んだ情報であってもよい。
　本開示において、モデルＩＤは、ＡＩモデルのセットに対応するＩＤ（モデルセットＩＤ）と互いに読み替えられてもよい。また、本開示において、モデルＩＤは、メタ情報ＩＤと互いに読み替えられてもよい。メタ情報（又はメタ情報ＩＤ）は、上述したようにビームに関する情報（ビーム設定）と関連付けられてもよい。例えば、メタ情報（又はメタ情報ＩＤ）は、どのビームをＢＳが使用しているかを考慮してＵＥがＡＩモデルを選択するために用いられてもよいし、ＵＥがデプロイしたＡＩモデルを適用するためにＢＳがどのビームを使用すべきかを通知するために用いられてもよい。なお、本開示において、メタ情報ＩＤは、メタ情報のセットに対応するＩＤ（メタ情報セットＩＤ）と互いに読み替えられてもよい。
［ＵＥへの情報の通知］
　上述の実施形態における（ＮＷから）ＵＥへの任意の情報の通知（言い換えると、ＵＥにおけるＢＳからの任意の情報の受信）は、物理レイヤシグナリング（例えば、ＤＣＩ）、上位レイヤシグナリング（例えば、ＲＲＣシグナリング、ＭＡＣ　ＣＥ）、特定の信号／チャネル（例えば、ＰＤＣＣＨ、ＰＤＳＣＨ、参照信号）、又はこれらの組み合わせを用いて行われてもよい。
　上記通知がＭＡＣ　ＣＥによって行われる場合、当該ＭＡＣ　ＣＥは、既存の規格では規定されていない新たな論理チャネルＩＤ（Logical　Channel　ID（ＬＣＩＤ））がＭＡＣサブヘッダに含まれることによって識別されてもよい。
　上記通知がＤＣＩによって行われる場合、上記通知は、当該ＤＣＩの特定のフィールド、当該ＤＣＩに付与される巡回冗長検査（Cyclic　Redundancy　Check（ＣＲＣ））ビットのスクランブルに用いられる無線ネットワーク一時識別子（Radio　Network　Temporary　Identifier（ＲＮＴＩ））、当該ＤＣＩのフォーマットなどによって行われてもよい。
　また、上述の実施形態におけるＵＥへの任意の情報の通知は、周期的、セミパーシステント又は非周期的に行われてもよい。
［ＵＥからの情報の通知］
　上述の実施形態におけるＵＥから（ＮＷへ）の任意の情報の通知（言い換えると、ＵＥにおけるＢＳへの任意の情報の送信）は、物理レイヤシグナリング（例えば、ＵＣＩ）、上位レイヤシグナリング（例えば、ＲＲＣシグナリング、ＭＡＣ　ＣＥ）、特定の信号／チャネル（例えば、ＰＵＣＣＨ、ＰＵＳＣＨ、参照信号）、又はこれらの組み合わせを用いて行われてもよい。
　上記通知がＭＡＣ　ＣＥによって行われる場合、当該ＭＡＣ　ＣＥは、既存の規格では規定されていない新たなＬＣＩＤがＭＡＣサブヘッダに含まれることによって識別されてもよい。
　上記通知がＵＣＩによって行われる場合、上記通知は、ＰＵＣＣＨ又はＰＵＳＣＨを用いて送信されてもよい。
　また、上述の実施形態におけるＵＥからの任意の情報の通知は、周期的、セミパーシステント又は非周期的に行われてもよい。
［各実施形態の適用について］
　上述の実施形態の少なくとも１つは、特定の条件を満たす場合に適用されてもよい。当該特定の条件は、規格において規定されてもよいし、上位レイヤシグナリング／物理レイヤシグナリングを用いてＵＥ／ＢＳに通知されてもよい。
　上述の実施形態の少なくとも１つは、特定のＵＥ能力（UE　capability）を報告した又は当該特定のＵＥ能力をサポートするＵＥに対してのみ適用されてもよい。
　当該特定のＵＥ能力は、以下の少なくとも１つを示してもよい：
　・上記実施形態の少なくとも１つについての特定の処理／動作／制御／情報をサポートすること、
　・モニタされるＡＩモデルの数（機能ごとの値であってもよい）、
　・ＵＥがデプロイできるＡＩモデルの最大の浮動小数点演算（floating　point　operations（ＦＬＯＰｓ（なお、ｓは小文字）））（これは、浮動小数点演算量を意味する）、
　・ＵＥがデプロイできるＡＩモデルの最大のパラメータ数、
　・ＵＥがサポートするレイヤ／アルゴリズム／機能、
　・計算能力、
　・データ収集能力。
　また、上記特定のＵＥ能力は、全周波数にわたって（周波数に関わらず共通に）適用される能力であってもよいし、周波数（例えば、セル、バンド、バンドコンビネーション、ＢＷＰ、コンポーネントキャリアなどの１つ又はこれらの組み合わせ）ごとの能力であってもよいし、周波数レンジ（例えば、Frequency　Range　1（ＦＲ１）、ＦＲ２、ＦＲ３、ＦＲ４、ＦＲ５、ＦＲ２－１、ＦＲ２－２）ごとの能力であってもよいし、サブキャリア間隔（SubCarrier　Spacing（ＳＣＳ））ごとの能力であってもよいし、Feature　Set（ＦＳ）又はFeature　Set　Per　Component-carrier（ＦＳＰＣ）ごとの能力であってもよい。
　また、上記特定のＵＥ能力は、全複信方式にわたって（複信方式に関わらず共通に）適用される能力であってもよいし、複信方式（例えば、時分割複信（Time　Division　Duplex（ＴＤＤ））、周波数分割複信（Frequency　Division　Duplex（ＦＤＤ）））ごとの能力であってもよい。
　また、上述の実施形態の少なくとも１つは、ＵＥが上位レイヤシグナリング／物理レイヤシグナリングによって、上述の実施形態に関連する特定の情報（又は上述の実施形態の動作を実施すること）を設定／アクティベート／トリガされた場合に適用されてもよい。例えば、当該特定の情報は、ＡＩモデルの利用を有効化することを示す情報、特定のリリース（例えば、Ｒｅｌ．１８）向けの任意のＲＲＣパラメータなどであってもよい。
　ＵＥは、上記特定のＵＥ能力の少なくとも１つをサポートしない又は上記特定の情報を設定されない場合、例えばＲｅｌ．１５／１６の動作を適用してもよい。
　なお、上述の実施形態の少なくとも１つは、ＣＳＩ以外のＵＥ－ＢＳ間の情報の伝送（の圧縮のために）に用いられてもよい。例えば、ＵＥは、位置（又はポジショニング）に関する情報／ロケーション管理機能（Location　Management　Function（ＬＭＦ））における位置推定に関する情報を、上述の実施形態の少なくとも１つに従って（例えば、エンコーダを用いて生成し）ネットワークに報告してもよい。当該情報は、サブバンドごと／アンテナポートごとのチャネルインパルス応答（Channel　Impulse　Response（ＣＩＲ））の情報であってもよい。これを報告すると、受信信号の角度／時間差などを報告しなくてもＢＳはＵＥの位置を推定することができる。
（付記）
　本開示の一実施形態に関して、以下の発明を付記する。
［付記１］
　人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリングのための設定情報を受信する受信部と、
　前記性能モニタリングを制御する制御部と、を有する端末。
［付記２］
　前記制御部は、ターゲットＣＳＩに比べた、ＡＩモデルの出力に基づいて算出されるＣＳＩの性能をモニタする付記１に記載の端末。
［付記３］
　前記制御部は、ＡＩモデルの期待性能をモニタする付記１又は付記２に記載の端末。
［付記４］
　前記制御部は、非ＡＩベースドＣＳＩフィードバックの性能をモニタする付記１から付記３のいずれかに記載の端末。
（付記）
　本開示の一実施形態に関して、以下の発明を付記する。
［付記１］
　人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリング向けの報告のための設定情報を受信する受信部と、
　前記設定情報に基づいて測定されるＣＳＩに関する報告の送信を制御する制御部と、を有する端末。
［付記２］
　前記制御部は、前記ＣＳＩをＡＩモデルに入力して得られる出力を、前記報告に含める付記１に記載の端末。
［付記３］
　前記制御部は、前記ＣＳＩに基づいて得られるプリコーディング行列インディケーター（Precoding　Matrix　Indicator（ＰＭＩ））を、前記報告に含める付記１又は付記２に記載の端末。
［付記４］
　前記制御部は、前記ＣＳＩに基づいて得られるプリコーディング行列インディケーター（Precoding　Matrix　Indicator（ＰＭＩ））から再構成されるＣＳＩを、前記報告に含める付記１から付記３のいずれかに記載の端末。
（無線通信システム）
　以下、本開示の一実施形態に係る無線通信システムの構成について説明する。この無線通信システムでは、本開示の上記各実施形態に係る無線通信方法のいずれか又はこれらの組み合わせを用いて通信が行われる。
　図１０は、一実施形態に係る無線通信システムの概略構成の一例を示す図である。無線通信システム１（単にシステム１と呼ばれてもよい）は、Third　Generation　Partnership　Project（３ＧＰＰ）によって仕様化されるLong　Term　Evolution（ＬＴＥ）、5th　generation　mobile　communication　system　New　Radio（５Ｇ　ＮＲ）などを用いて通信を実現するシステムであってもよい。
　また、無線通信システム１は、複数のRadio　Access　Technology（ＲＡＴ）間のデュアルコネクティビティ（マルチＲＡＴデュアルコネクティビティ（Multi-RAT　Dual　Connectivity（ＭＲ－ＤＣ）））をサポートしてもよい。ＭＲ－ＤＣは、ＬＴＥ（Evolved　Universal　Terrestrial　Radio　Access（Ｅ－ＵＴＲＡ））とＮＲとのデュアルコネクティビティ（E-UTRA-NR　Dual　Connectivity（ＥＮ－ＤＣ））、ＮＲとＬＴＥとのデュアルコネクティビティ（NR-E-UTRA　Dual　Connectivity（ＮＥ－ＤＣ））などを含んでもよい。
　ＥＮ－ＤＣでは、ＬＴＥ（Ｅ－ＵＴＲＡ）の基地局（ｅＮＢ）がマスタノード（Master　Node（ＭＮ））であり、ＮＲの基地局（ｇＮＢ）がセカンダリノード（Secondary　Node（ＳＮ））である。ＮＥ－ＤＣでは、ＮＲの基地局（ｇＮＢ）がＭＮであり、ＬＴＥ（Ｅ－ＵＴＲＡ）の基地局（ｅＮＢ）がＳＮである。
　無線通信システム１は、同一のＲＡＴ内の複数の基地局間のデュアルコネクティビティ（例えば、ＭＮ及びＳＮの双方がＮＲの基地局（ｇＮＢ）であるデュアルコネクティビティ（NR-NR　Dual　Connectivity（ＮＮ－ＤＣ）））をサポートしてもよい。
　無線通信システム１は、比較的カバレッジの広いマクロセルＣ１を形成する基地局１１と、マクロセルＣ１内に配置され、マクロセルＣ１よりも狭いスモールセルＣ２を形成する基地局１２（１２ａ－１２ｃ）と、を備えてもよい。ユーザ端末２０は、少なくとも１つのセル内に位置してもよい。各セル及びユーザ端末２０の配置、数などは、図に示す態様に限定されない。以下、基地局１１及び１２を区別しない場合は、基地局１０と総称する。
　ユーザ端末２０は、複数の基地局１０のうち、少なくとも１つに接続してもよい。ユーザ端末２０は、複数のコンポーネントキャリア（Component　Carrier（ＣＣ））を用いたキャリアアグリゲーション（Carrier　Aggregation（ＣＡ））及びデュアルコネクティビティ（ＤＣ）の少なくとも一方を利用してもよい。
　各ＣＣは、第１の周波数帯（Frequency　Range　1（ＦＲ１））及び第２の周波数帯（Frequency　Range　2（ＦＲ２））の少なくとも１つに含まれてもよい。マクロセルＣ１はＦＲ１に含まれてもよいし、スモールセルＣ２はＦＲ２に含まれてもよい。例えば、ＦＲ１は、６ＧＨｚ以下の周波数帯（サブ６ＧＨｚ（sub-6GHz））であってもよいし、ＦＲ２は、２４ＧＨｚよりも高い周波数帯（above-24GHz）であってもよい。なお、ＦＲ１及びＦＲ２の周波数帯、定義などはこれらに限られず、例えばＦＲ１がＦＲ２よりも高い周波数帯に該当してもよい。
　また、ユーザ端末２０は、各ＣＣにおいて、時分割複信（Time　Division　Duplex（ＴＤＤ））及び周波数分割複信（Frequency　Division　Duplex（ＦＤＤ））の少なくとも１つを用いて通信を行ってもよい。
　複数の基地局１０は、有線（例えば、Common　Public　Radio　Interface（ＣＰＲＩ）に準拠した光ファイバ、Ｘ２インターフェースなど）又は無線（例えば、ＮＲ通信）によって接続されてもよい。例えば、基地局１１及び１２間においてＮＲ通信がバックホールとして利用される場合、上位局に該当する基地局１１はIntegrated　Access　Backhaul（ＩＡＢ）ドナー、中継局（リレー）に該当する基地局１２はＩＡＢノードと呼ばれてもよい。
　基地局１０は、他の基地局１０を介して、又は直接コアネットワーク３０に接続されてもよい。コアネットワーク３０は、例えば、Evolved　Packet　Core（ＥＰＣ）、5G　Core　Network（５ＧＣＮ）、Next　Generation　Core（ＮＧＣ）などの少なくとも１つを含んでもよい。
　コアネットワーク３０は、例えば、User　Plane　Function（ＵＰＦ）、Access　and　Mobility　management　Function（ＡＭＦ）、Session　Management　Function（ＳＭＦ）、Unified　Data　Management（ＵＤＭ）、ApplicationFunction（ＡＦ）、Data　Network（ＤＮ）、Location　Management　Function（ＬＭＦ）、保守運用管理（Operation、Administration　and　Maintenance（Management）（ＯＡＭ））などのネットワーク機能（Network　Functions（ＮＦ））を含んでもよい。なお、１つのネットワークノードによって複数の機能が提供されてもよい。また、ＤＮを介して外部ネットワーク（例えば、インターネット）との通信が行われてもよい。
　ユーザ端末２０は、ＬＴＥ、ＬＴＥ－Ａ、５Ｇなどの通信方式の少なくとも１つに対応した端末であってもよい。
　無線通信システム１においては、直交周波数分割多重（Orthogonal　Frequency　Division　Multiplexing（ＯＦＤＭ））ベースの無線アクセス方式が利用されてもよい。例えば、下りリンク（Downlink（ＤＬ））及び上りリンク（Uplink（ＵＬ））の少なくとも一方において、Cyclic　Prefix　OFDM（ＣＰ－ＯＦＤＭ）、Discrete　Fourier　Transform　Spread　OFDM（ＤＦＴ－ｓ－ＯＦＤＭ）、Orthogonal　Frequency　Division　Multiple　Access（ＯＦＤＭＡ）、Single　Carrier　Frequency　Division　Multiple　Access（ＳＣ－ＦＤＭＡ）などが利用されてもよい。
　無線アクセス方式は、波形（waveform）と呼ばれてもよい。なお、無線通信システム１においては、ＵＬ及びＤＬの無線アクセス方式には、他の無線アクセス方式（例えば、他のシングルキャリア伝送方式、他のマルチキャリア伝送方式）が用いられてもよい。
　無線通信システム１では、下りリンクチャネルとして、各ユーザ端末２０で共有される下り共有チャネル（Physical　Downlink　Shared　Channel（ＰＤＳＣＨ））、ブロードキャストチャネル（Physical　Broadcast　Channel（ＰＢＣＨ））、下り制御チャネル（Physical　Downlink　Control　Channel（ＰＤＣＣＨ））などが用いられてもよい。
　また、無線通信システム１では、上りリンクチャネルとして、各ユーザ端末２０で共有される上り共有チャネル（Physical　Uplink　Shared　Channel（ＰＵＳＣＨ））、上り制御チャネル（Physical　Uplink　Control　Channel（ＰＵＣＣＨ））、ランダムアクセスチャネル（Physical　Random　Access　Channel（ＰＲＡＣＨ））などが用いられてもよい。
　ＰＤＳＣＨによって、ユーザデータ、上位レイヤ制御情報、System　Information　Block（ＳＩＢ）などが伝送される。ＰＵＳＣＨによって、ユーザデータ、上位レイヤ制御情報などが伝送されてもよい。また、ＰＢＣＨによって、Master　Information　Block（ＭＩＢ）が伝送されてもよい。
　ＰＤＣＣＨによって、下位レイヤ制御情報が伝送されてもよい。下位レイヤ制御情報は、例えば、ＰＤＳＣＨ及びＰＵＳＣＨの少なくとも一方のスケジューリング情報を含む下り制御情報（Downlink　Control　Information（ＤＣＩ））を含んでもよい。
　なお、ＰＤＳＣＨをスケジューリングするＤＣＩは、ＤＬアサインメント、ＤＬ　ＤＣＩなどと呼ばれてもよいし、ＰＵＳＣＨをスケジューリングするＤＣＩは、ＵＬグラント、ＵＬ　ＤＣＩなどと呼ばれてもよい。なお、ＰＤＳＣＨはＤＬデータで読み替えられてもよいし、ＰＵＳＣＨはＵＬデータで読み替えられてもよい。
　ＰＤＣＣＨの検出には、制御リソースセット（COntrol　REsource　SET（ＣＯＲＥＳＥＴ））及びサーチスペース（search　space）が利用されてもよい。ＣＯＲＥＳＥＴは、ＤＣＩをサーチするリソースに対応する。サーチスペースは、ＰＤＣＣＨ候補（PDCCH　candidates）のサーチ領域及びサーチ方法に対応する。１つのＣＯＲＥＳＥＴは、１つ又は複数のサーチスペースに関連付けられてもよい。ＵＥは、サーチスペース設定に基づいて、あるサーチスペースに関連するＣＯＲＥＳＥＴをモニタしてもよい。
　１つのサーチスペースは、１つ又は複数のアグリゲーションレベル（aggregation　Level）に該当するＰＤＣＣＨ候補に対応してもよい。１つ又は複数のサーチスペースは、サーチスペースセットと呼ばれてもよい。なお、本開示の「サーチスペース」、「サーチスペースセット」、「サーチスペース設定」、「サーチスペースセット設定」、「ＣＯＲＥＳＥＴ」、「ＣＯＲＥＳＥＴ設定」などは、互いに読み替えられてもよい。
　ＰＵＣＣＨによって、チャネル状態情報（Channel　State　Information（ＣＳＩ））、送達確認情報（例えば、Hybrid　Automatic　Repeat　reQuest　ACKnowledgement（ＨＡＲＱ－ＡＣＫ）、ＡＣＫ／ＮＡＣＫなどと呼ばれてもよい）及びスケジューリングリクエスト（Scheduling　Request（ＳＲ））の少なくとも１つを含む上り制御情報（Uplink　Control　Information（ＵＣＩ））が伝送されてもよい。ＰＲＡＣＨによって、セルとの接続確立のためのランダムアクセスプリアンブルが伝送されてもよい。
　なお、本開示において下りリンク、上りリンクなどは「リンク」を付けずに表現されてもよい。また、各種チャネルの先頭に「物理（Physical）」を付けずに表現されてもよい。
　無線通信システム１では、同期信号（Synchronization　Signal（ＳＳ））、下りリンク参照信号（Downlink　Reference　Signal（ＤＬ－ＲＳ））などが伝送されてもよい。無線通信システム１では、ＤＬ－ＲＳとして、セル固有参照信号（Cell-specific　Reference　Signal（ＣＲＳ））、チャネル状態情報参照信号（Channel　State　Information　Reference　Signal（ＣＳＩ－ＲＳ））、復調用参照信号（DeModulation　Reference　Signal（ＤＭＲＳ））、位置決定参照信号（Positioning　Reference　Signal（ＰＲＳ））、位相トラッキング参照信号（Phase　Tracking　Reference　Signal（ＰＴＲＳ））などが伝送されてもよい。
　同期信号は、例えば、プライマリ同期信号（Primary　Synchronization　Signal（ＰＳＳ））及びセカンダリ同期信号（Secondary　Synchronization　Signal（ＳＳＳ））の少なくとも１つであってもよい。ＳＳ（ＰＳＳ、ＳＳＳ）及びＰＢＣＨ（及びＰＢＣＨ用のＤＭＲＳ）を含む信号ブロックは、ＳＳ／ＰＢＣＨブロック、SS　Block（ＳＳＢ）などと呼ばれてもよい。なお、ＳＳ、ＳＳＢなども、参照信号と呼ばれてもよい。
　また、無線通信システム１では、上りリンク参照信号（Uplink　Reference　Signal（ＵＬ－ＲＳ））として、測定用参照信号（Sounding　Reference　Signal（ＳＲＳ））、復調用参照信号（ＤＭＲＳ）などが伝送されてもよい。なお、ＤＭＲＳはユーザ端末固有参照信号（UE-specific　Reference　Signal）と呼ばれてもよい。
（基地局）
　図１１は、一実施形態に係る基地局の構成の一例を示す図である。基地局１０は、制御部１１０、送受信部１２０、送受信アンテナ１３０及び伝送路インターフェース（transmission　line　interface）１４０を備えている。なお、制御部１１０、送受信部１２０及び送受信アンテナ１３０及び伝送路インターフェース１４０は、それぞれ１つ以上が備えられてもよい。
　なお、本例では、本実施の形態における特徴部分の機能ブロックを主に示しており、基地局１０は、無線通信に必要な他の機能ブロックも有すると想定されてもよい。以下で説明する各部の処理の一部は、省略されてもよい。
　制御部１１０は、基地局１０全体の制御を実施する。制御部１１０は、本開示に係る技術分野での共通認識に基づいて説明されるコントローラ、制御回路などから構成することができる。
　制御部１１０は、信号の生成、スケジューリング（例えば、リソース割り当て、マッピング）などを制御してもよい。制御部１１０は、送受信部１２０、送受信アンテナ１３０及び伝送路インターフェース１４０を用いた送受信、測定などを制御してもよい。制御部１１０は、信号として送信するデータ、制御情報、系列（sequence）などを生成し、送受信部１２０に転送してもよい。制御部１１０は、通信チャネルの呼処理（設定、解放など）、基地局１０の状態管理、無線リソースの管理などを行ってもよい。
　送受信部１２０は、ベースバンド（baseband）部１２１、Radio　Frequency（ＲＦ）部１２２、測定部１２３を含んでもよい。ベースバンド部１２１は、送信処理部１２１１及び受信処理部１２１２を含んでもよい。送受信部１２０は、本開示に係る技術分野での共通認識に基づいて説明されるトランスミッター／レシーバー、ＲＦ回路、ベースバンド回路、フィルタ、位相シフタ（phase　shifter）、測定回路、送受信回路などから構成することができる。
　送受信部１２０は、一体の送受信部として構成されてもよいし、送信部及び受信部から構成されてもよい。当該送信部は、送信処理部１２１１、ＲＦ部１２２から構成されてもよい。当該受信部は、受信処理部１２１２、ＲＦ部１２２、測定部１２３から構成されてもよい。
　送受信アンテナ１３０は、本開示に係る技術分野での共通認識に基づいて説明されるアンテナ、例えばアレイアンテナなどから構成することができる。
　送受信部１２０は、上述の下りリンクチャネル、同期信号、下りリンク参照信号などを送信してもよい。送受信部１２０は、上述の上りリンクチャネル、上りリンク参照信号などを受信してもよい。
　送受信部１２０は、デジタルビームフォーミング（例えば、プリコーディング）、アナログビームフォーミング（例えば、位相回転）などを用いて、送信ビーム及び受信ビームの少なくとも一方を形成してもよい。
　送受信部１２０（送信処理部１２１１）は、例えば制御部１１０から取得したデータ、制御情報などに対して、Packet　Data　Convergence　Protocol（ＰＤＣＰ）レイヤの処理、Radio　Link　Control（ＲＬＣ）レイヤの処理（例えば、ＲＬＣ再送制御）、Medium　Access　Control（ＭＡＣ）レイヤの処理（例えば、ＨＡＲＱ再送制御）などを行い、送信するビット列を生成してもよい。
　送受信部１２０（送信処理部１２１１）は、送信するビット列に対して、チャネル符号化（誤り訂正符号化を含んでもよい）、変調、マッピング、フィルタ処理、離散フーリエ変換（Discrete　Fourier　Transform（ＤＦＴ））処理（必要に応じて）、逆高速フーリエ変換（Inverse　Fast　Fourier　Transform（ＩＦＦＴ））処理、プリコーディング、デジタル－アナログ変換などの送信処理を行い、ベースバンド信号を出力してもよい。
　送受信部１２０（ＲＦ部１２２）は、ベースバンド信号に対して、無線周波数帯への変調、フィルタ処理、増幅などを行い、無線周波数帯の信号を、送受信アンテナ１３０を介して送信してもよい。
　一方、送受信部１２０（ＲＦ部１２２）は、送受信アンテナ１３０によって受信された無線周波数帯の信号に対して、増幅、フィルタ処理、ベースバンド信号への復調などを行ってもよい。
　送受信部１２０（受信処理部１２１２）は、取得されたベースバンド信号に対して、アナログ－デジタル変換、高速フーリエ変換（Fast　Fourier　Transform（ＦＦＴ））処理、逆離散フーリエ変換（Inverse　Discrete　Fourier　Transform（ＩＤＦＴ））処理（必要に応じて）、フィルタ処理、デマッピング、復調、復号（誤り訂正復号を含んでもよい）、ＭＡＣレイヤ処理、ＲＬＣレイヤの処理及びＰＤＣＰレイヤの処理などの受信処理を適用し、ユーザデータなどを取得してもよい。
　送受信部１２０（測定部１２３）は、受信した信号に関する測定を実施してもよい。例えば、測定部１２３は、受信した信号に基づいて、Radio　Resource　Management（ＲＲＭ）測定、Channel　State　Information（ＣＳＩ）測定などを行ってもよい。測定部１２３は、受信電力（例えば、Reference　Signal　Received　Power（ＲＳＲＰ））、受信品質（例えば、Reference　Signal　Received　Quality（ＲＳＲＱ）、Signal　to　Interference　plus　Noise　Ratio（ＳＩＮＲ）、Signal　to　Noise　Ratio（ＳＮＲ））、信号強度（例えば、Received　Signal　Strength　Indicator（ＲＳＳＩ））、伝搬路情報（例えば、ＣＳＩ）などについて測定してもよい。測定結果は、制御部１１０に出力されてもよい。
　伝送路インターフェース１４０は、コアネットワーク３０に含まれる装置（例えば、ＮＦを提供するネットワークノード）、他の基地局１０などとの間で信号を送受信（バックホールシグナリング）し、ユーザ端末２０のためのユーザデータ（ユーザプレーンデータ）、制御プレーンデータなどを取得、伝送などしてもよい。
　なお、本開示における基地局１０の送信部及び受信部は、送受信部１２０、送受信アンテナ１３０及び伝送路インターフェース１４０の少なくとも１つによって構成されてもよい。
　なお、送受信部１２０は、人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリングのための設定情報を送信してもよい。また、送受信部１２０は、前記性能モニタリングに基づいて送信される報告又はモデル要求を受信してもよい。
　なお、送受信部１２０は、　人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリング向けの報告のための設定情報を送信してもよい。また、送受信部１２０は、前記設定情報に基づいて測定されるＣＳＩに関する報告を受信してもよい。
（ユーザ端末）
　図１２は、一実施形態に係るユーザ端末の構成の一例を示す図である。ユーザ端末２０は、制御部２１０、送受信部２２０及び送受信アンテナ２３０を備えている。なお、制御部２１０、送受信部２２０及び送受信アンテナ２３０は、それぞれ１つ以上が備えられてもよい。
　なお、本例では、本実施の形態における特徴部分の機能ブロックを主に示しており、ユーザ端末２０は、無線通信に必要な他の機能ブロックも有すると想定されてもよい。以下で説明する各部の処理の一部は、省略されてもよい。
　制御部２１０は、ユーザ端末２０全体の制御を実施する。制御部２１０は、本開示に係る技術分野での共通認識に基づいて説明されるコントローラ、制御回路などから構成することができる。
　制御部２１０は、信号の生成、マッピングなどを制御してもよい。制御部２１０は、送受信部２２０及び送受信アンテナ２３０を用いた送受信、測定などを制御してもよい。制御部２１０は、信号として送信するデータ、制御情報、系列などを生成し、送受信部２２０に転送してもよい。
　送受信部２２０は、ベースバンド部２２１、ＲＦ部２２２、測定部２２３を含んでもよい。ベースバンド部２２１は、送信処理部２２１１、受信処理部２２１２を含んでもよい。送受信部２２０は、本開示に係る技術分野での共通認識に基づいて説明されるトランスミッター／レシーバー、ＲＦ回路、ベースバンド回路、フィルタ、位相シフタ、測定回路、送受信回路などから構成することができる。
　送受信部２２０は、一体の送受信部として構成されてもよいし、送信部及び受信部から構成されてもよい。当該送信部は、送信処理部２２１１、ＲＦ部２２２から構成されてもよい。当該受信部は、受信処理部２２１２、ＲＦ部２２２、測定部２２３から構成されてもよい。
　送受信アンテナ２３０は、本開示に係る技術分野での共通認識に基づいて説明されるアンテナ、例えばアレイアンテナなどから構成することができる。
　送受信部２２０は、上述の下りリンクチャネル、同期信号、下りリンク参照信号などを受信してもよい。送受信部２２０は、上述の上りリンクチャネル、上りリンク参照信号などを送信してもよい。
　送受信部２２０は、デジタルビームフォーミング（例えば、プリコーディング）、アナログビームフォーミング（例えば、位相回転）などを用いて、送信ビーム及び受信ビームの少なくとも一方を形成してもよい。
　送受信部２２０（送信処理部２２１１）は、例えば制御部２１０から取得したデータ、制御情報などに対して、ＰＤＣＰレイヤの処理、ＲＬＣレイヤの処理（例えば、ＲＬＣ再送制御）、ＭＡＣレイヤの処理（例えば、ＨＡＲＱ再送制御）などを行い、送信するビット列を生成してもよい。
　送受信部２２０（送信処理部２２１１）は、送信するビット列に対して、チャネル符号化（誤り訂正符号化を含んでもよい）、変調、マッピング、フィルタ処理、ＤＦＴ処理（必要に応じて）、ＩＦＦＴ処理、プリコーディング、デジタル－アナログ変換などの送信処理を行い、ベースバンド信号を出力してもよい。
　なお、ＤＦＴ処理を適用するか否かは、トランスフォームプリコーディングの設定に基づいてもよい。送受信部２２０（送信処理部２２１１）は、あるチャネル（例えば、ＰＵＳＣＨ）について、トランスフォームプリコーディングが有効（enabled）である場合、当該チャネルをＤＦＴ－ｓ－ＯＦＤＭ波形を用いて送信するために上記送信処理としてＤＦＴ処理を行ってもよいし、そうでない場合、上記送信処理としてＤＦＴ処理を行わなくてもよい。
　送受信部２２０（ＲＦ部２２２）は、ベースバンド信号に対して、無線周波数帯への変調、フィルタ処理、増幅などを行い、無線周波数帯の信号を、送受信アンテナ２３０を介して送信してもよい。
　一方、送受信部２２０（ＲＦ部２２２）は、送受信アンテナ２３０によって受信された無線周波数帯の信号に対して、増幅、フィルタ処理、ベースバンド信号への復調などを行ってもよい。
　送受信部２２０（受信処理部２２１２）は、取得されたベースバンド信号に対して、アナログ－デジタル変換、ＦＦＴ処理、ＩＤＦＴ処理（必要に応じて）、フィルタ処理、デマッピング、復調、復号（誤り訂正復号を含んでもよい）、ＭＡＣレイヤ処理、ＲＬＣレイヤの処理及びＰＤＣＰレイヤの処理などの受信処理を適用し、ユーザデータなどを取得してもよい。
　送受信部２２０（測定部２２３）は、受信した信号に関する測定を実施してもよい。例えば、測定部２２３は、受信した信号に基づいて、ＲＲＭ測定、ＣＳＩ測定などを行ってもよい。測定部２２３は、受信電力（例えば、ＲＳＲＰ）、受信品質（例えば、ＲＳＲＱ、ＳＩＮＲ、ＳＮＲ）、信号強度（例えば、ＲＳＳＩ）、伝搬路情報（例えば、ＣＳＩ）などについて測定してもよい。測定結果は、制御部２１０に出力されてもよい。
　なお、本開示におけるユーザ端末２０の送信部及び受信部は、送受信部２２０及び送受信アンテナ２３０の少なくとも１つによって構成されてもよい。
　なお、送受信部２２０は、人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリングのための設定情報（例えば、ＣＳＩリソース設定）を受信してもよい。制御部２１０は、前記性能モニタリングを制御してもよい。
　制御部２１０は、ターゲットＣＳＩに比べた、ＡＩモデルの出力に基づいて算出されるＣＳＩの性能をモニタしてもよい。
　制御部２１０は、ＡＩモデルの期待性能をモニタしてもよい。
　制御部２１０は、非ＡＩベースドＣＳＩフィードバックの性能をモニタしてもよい。
　また、送受信部２２０は、人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリング向けの報告のための設定情報を受信してもよい。また、制御部２１０は、前記設定情報に基づいて測定されるＣＳＩに関する報告の送信を制御してもよい。
　制御部２１０は、前記ＣＳＩをＡＩモデルに入力して得られる出力を、前記報告に含めてもよい。
　制御部２１０は、前記ＣＳＩに基づいて得られるプリコーディング行列インディケーター（Precoding　Matrix　Indicator（ＰＭＩ））を、前記報告に含めてもよい。
　制御部２１０は、前記ＣＳＩに基づいて得られるプリコーディング行列インディケーター（Precoding　Matrix　Indicator（ＰＭＩ））から再構成されるＣＳＩを、前記報告に含めてもよい。
（ハードウェア構成）
　なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
　ここで、機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、みなし、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。例えば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting　unit）、送信機（transmitter）などと呼称されてもよい。いずれも、上述したとおり、実現方法は特に限定されない。
　例えば、本開示の一実施形態における基地局、ユーザ端末などは、本開示の無線通信方法の処理を行うコンピュータとして機能してもよい。図１３は、一実施形態に係る基地局及びユーザ端末のハードウェア構成の一例を示す図である。上述の基地局１０及びユーザ端末２０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
　なお、本開示において、装置、回路、デバイス、部（section）、ユニットなどの文言は、互いに読み替えることができる。基地局１０及びユーザ端末２０のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
　例えば、プロセッサ１００１は１つだけ図示されているが、複数のプロセッサがあってもよい。また、処理は、１のプロセッサによって実行されてもよいし、処理が同時に、逐次に、又はその他の手法を用いて、２以上のプロセッサによって実行されてもよい。なお、プロセッサ１００１は、１以上のチップによって実装されてもよい。
　基地局１０及びユーザ端末２０における各機能は、例えば、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４を介する通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
　プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（Central　Processing　Unit（ＣＰＵ））によって構成されてもよい。例えば、上述の制御部１１０（２１０）、送受信部１２０（２２０）などの少なくとも一部は、プロセッサ１００１によって実現されてもよい。
　また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、制御部１１０（２１０）は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。
　メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、Read　Only　Memory（ＲＯＭ）、Erasable　Programmable　ROM（ＥＰＲＯＭ）、Electrically　EPROM（ＥＥＰＲＯＭ）、Random　Access　Memory（ＲＡＭ）、その他の適切な記憶媒体の少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施形態に係る無線通信方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
　ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、フレキシブルディスク、フロッピー（登録商標）ディスク、光磁気ディスク（例えば、コンパクトディスク（Compact　Disc　ROM（ＣＤ－ＲＯＭ）など）、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク）、リムーバブルディスク、ハードディスクドライブ、スマートカード、フラッシュメモリデバイス（例えば、カード、スティック、キードライブ）、磁気ストライプ、データベース、サーバ、その他の適切な記憶媒体の少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。
　通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（Frequency　Division　Duplex（ＦＤＤ））及び時分割複信（Time　Division　Duplex（ＴＤＤ））の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の送受信部１２０（２２０）、送受信アンテナ１３０（２３０）などは、通信装置１００４によって実現されてもよい。送受信部１２０（２２０）は、送信部１２０ａ（２２０ａ）と受信部１２０ｂ（２２０ｂ）とで、物理的に又は論理的に分離された実装がなされてもよい。
　入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、Light　Emitting　Diode（ＬＥＤ）ランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
　また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
　また、基地局１０及びユーザ端末２０は、マイクロプロセッサ、デジタル信号プロセッサ（Digital　Signal　Processor（ＤＳＰ））、Application　Specific　Integrated　Circuit（ＡＳＩＣ）、Programmable　Logic　Device（ＰＬＤ）、Field　Programmable　Gate　Array（ＦＰＧＡ）などのハードウェアを含んで構成されてもよく、当該ハードウェアを用いて各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
（変形例）
　なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。例えば、チャネル、シンボル及び信号（シグナル又はシグナリング）は、互いに読み替えられてもよい。また、信号はメッセージであってもよい。参照信号（reference　signal）は、ＲＳと略称することもでき、適用される標準によってパイロット（Pilot）、パイロット信号などと呼ばれてもよい。また、コンポーネントキャリア（Component　Carrier（ＣＣ））は、セル、周波数キャリア、キャリア周波数などと呼ばれてもよい。
　無線フレームは、時間領域において１つ又は複数の期間（フレーム）によって構成されてもよい。無線フレームを構成する当該１つ又は複数の各期間（フレーム）は、サブフレームと呼ばれてもよい。さらに、サブフレームは、時間領域において１つ又は複数のスロットによって構成されてもよい。サブフレームは、ニューメロロジー（numerology）に依存しない固定の時間長（例えば、１ｍｓ）であってもよい。
　ここで、ニューメロロジーは、ある信号又はチャネルの送信及び受信の少なくとも一方に適用される通信パラメータであってもよい。ニューメロロジーは、例えば、サブキャリア間隔（SubCarrier　Spacing（ＳＣＳ））、帯域幅、シンボル長、サイクリックプレフィックス長、送信時間間隔（Transmission　Time　Interval（ＴＴＩ））、ＴＴＩあたりのシンボル数、無線フレーム構成、送受信機が周波数領域において行う特定のフィルタリング処理、送受信機が時間領域において行う特定のウィンドウイング処理などの少なくとも１つを示してもよい。
　スロットは、時間領域において１つ又は複数のシンボル（Orthogonal　Frequency　Division　Multiplexing（ＯＦＤＭ）シンボル、Single　Carrier　Frequency　Division　Multiple　Access（ＳＣ－ＦＤＭＡ）シンボルなど）によって構成されてもよい。また、スロットは、ニューメロロジーに基づく時間単位であってもよい。
　スロットは、複数のミニスロットを含んでもよい。各ミニスロットは、時間領域において１つ又は複数のシンボルによって構成されてもよい。また、ミニスロットは、サブスロットと呼ばれてもよい。ミニスロットは、スロットよりも少ない数のシンボルによって構成されてもよい。ミニスロットより大きい時間単位で送信されるＰＤＳＣＨ（又はＰＵＳＣＨ）は、ＰＤＳＣＨ（ＰＵＳＣＨ）マッピングタイプＡと呼ばれてもよい。ミニスロットを用いて送信されるＰＤＳＣＨ（又はＰＵＳＣＨ）は、ＰＤＳＣＨ（ＰＵＳＣＨ）マッピングタイプＢと呼ばれてもよい。
　無線フレーム、サブフレーム、スロット、ミニスロット及びシンボルは、いずれも信号を伝送する際の時間単位を表す。無線フレーム、サブフレーム、スロット、ミニスロット及びシンボルは、それぞれに対応する別の呼称が用いられてもよい。なお、本開示におけるフレーム、サブフレーム、スロット、ミニスロット、シンボルなどの時間単位は、互いに読み替えられてもよい。
　例えば、１サブフレームはＴＴＩと呼ばれてもよいし、複数の連続したサブフレームがＴＴＩと呼ばれてよいし、１スロット又は１ミニスロットがＴＴＩと呼ばれてもよい。つまり、サブフレーム及びＴＴＩの少なくとも一方は、既存のＬＴＥにおけるサブフレーム（１ｍｓ）であってもよいし、１ｍｓより短い期間（例えば、１－１３シンボル）であってもよいし、１ｍｓより長い期間であってもよい。なお、ＴＴＩを表す単位は、サブフレームではなくスロット、ミニスロットなどと呼ばれてもよい。
　ここで、ＴＴＩは、例えば、無線通信におけるスケジューリングの最小時間単位のことをいう。例えば、ＬＴＥシステムでは、基地局が各ユーザ端末に対して、無線リソース（各ユーザ端末において使用することが可能な周波数帯域幅、送信電力など）を、ＴＴＩ単位で割り当てるスケジューリングを行う。なお、ＴＴＩの定義はこれに限られない。
　ＴＴＩは、チャネル符号化されたデータパケット（トランスポートブロック）、コードブロック、コードワードなどの送信時間単位であってもよいし、スケジューリング、リンクアダプテーションなどの処理単位となってもよい。なお、ＴＴＩが与えられたとき、実際にトランスポートブロック、コードブロック、コードワードなどがマッピングされる時間区間（例えば、シンボル数）は、当該ＴＴＩよりも短くてもよい。
　なお、１スロット又は１ミニスロットがＴＴＩと呼ばれる場合、１以上のＴＴＩ（すなわち、１以上のスロット又は１以上のミニスロット）が、スケジューリングの最小時間単位となってもよい。また、当該スケジューリングの最小時間単位を構成するスロット数（ミニスロット数）は制御されてもよい。
　１ｍｓの時間長を有するＴＴＩは、通常ＴＴＩ（３ＧＰＰ　Ｒｅｌ．８－１２におけるＴＴＩ）、ノーマルＴＴＩ、ロングＴＴＩ、通常サブフレーム、ノーマルサブフレーム、ロングサブフレーム、スロットなどと呼ばれてもよい。通常ＴＴＩより短いＴＴＩは、短縮ＴＴＩ、ショートＴＴＩ、部分ＴＴＩ（partial又はfractional　TTI）、短縮サブフレーム、ショートサブフレーム、ミニスロット、サブスロット、スロットなどと呼ばれてもよい。
　なお、ロングＴＴＩ（例えば、通常ＴＴＩ、サブフレームなど）は、１ｍｓを超える時間長を有するＴＴＩで読み替えてもよいし、ショートＴＴＩ（例えば、短縮ＴＴＩなど）は、ロングＴＴＩのＴＴＩ長未満かつ１ｍｓ以上のＴＴＩ長を有するＴＴＩで読み替えてもよい。
　リソースブロック（Resource　Block（ＲＢ））は、時間領域及び周波数領域のリソース割当単位であり、周波数領域において、１つ又は複数個の連続した副搬送波（サブキャリア（subcarrier））を含んでもよい。ＲＢに含まれるサブキャリアの数は、ニューメロロジーに関わらず同じであってもよく、例えば１２であってもよい。ＲＢに含まれるサブキャリアの数は、ニューメロロジーに基づいて決定されてもよい。
　また、ＲＢは、時間領域において、１つ又は複数個のシンボルを含んでもよく、１スロット、１ミニスロット、１サブフレーム又は１ＴＴＩの長さであってもよい。１ＴＴＩ、１サブフレームなどは、それぞれ１つ又は複数のリソースブロックによって構成されてもよい。
　なお、１つ又は複数のＲＢは、物理リソースブロック（Physical　RB（ＰＲＢ））、サブキャリアグループ（Sub-Carrier　Group（ＳＣＧ））、リソースエレメントグループ（Resource　Element　Group（ＲＥＧ））、ＰＲＢペア、ＲＢペアなどと呼ばれてもよい。
　また、リソースブロックは、１つ又は複数のリソースエレメント（Resource　Element（ＲＥ））によって構成されてもよい。例えば、１ＲＥは、１サブキャリア及び１シンボルの無線リソース領域であってもよい。
　帯域幅部分（Bandwidth　Part（ＢＷＰ））（部分帯域幅などと呼ばれてもよい）は、あるキャリアにおいて、あるニューメロロジー用の連続する共通ＲＢ（common　resource　blocks）のサブセットのことを表してもよい。ここで、共通ＲＢは、当該キャリアの共通参照ポイントを基準としたＲＢのインデックスによって特定されてもよい。ＰＲＢは、あるＢＷＰで定義され、当該ＢＷＰ内で番号付けされてもよい。
　ＢＷＰには、ＵＬ　ＢＷＰ（ＵＬ用のＢＷＰ）と、ＤＬ　ＢＷＰ（ＤＬ用のＢＷＰ）とが含まれてもよい。ＵＥに対して、１キャリア内に１つ又は複数のＢＷＰが設定されてもよい。
　設定されたＢＷＰの少なくとも１つがアクティブであってもよく、ＵＥは、アクティブなＢＷＰの外で所定の信号／チャネルを送受信することを想定しなくてもよい。なお、本開示における「セル」、「キャリア」などは、「ＢＷＰ」で読み替えられてもよい。
　なお、上述した無線フレーム、サブフレーム、スロット、ミニスロット及びシンボルなどの構造は例示に過ぎない。例えば、無線フレームに含まれるサブフレームの数、サブフレーム又は無線フレームあたりのスロットの数、スロット内に含まれるミニスロットの数、スロット又はミニスロットに含まれるシンボル及びＲＢの数、ＲＢに含まれるサブキャリアの数、並びにＴＴＩ内のシンボル数、シンボル長、サイクリックプレフィックス（Cyclic　Prefix（ＣＰ））長などの構成は、様々に変更することができる。
　また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースは、所定のインデックスによって指示されてもよい。
　本開示においてパラメータなどに使用する名称は、いかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式などは、本開示において明示的に開示したものと異なってもよい。様々なチャネル（ＰＵＣＣＨ、ＰＤＣＣＨなど）及び情報要素は、あらゆる好適な名称によって識別できるので、これらの様々なチャネル及び情報要素に割り当てている様々な名称は、いかなる点においても限定的な名称ではない。
　本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
　また、情報、信号などは、上位レイヤから下位レイヤ及び下位レイヤから上位レイヤの少なくとも一方へ出力され得る。情報、信号などは、複数のネットワークノードを介して入出力されてもよい。
　入出力された情報、信号などは、特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報、信号などは、上書き、更新又は追記をされ得る。出力された情報、信号などは、削除されてもよい。入力された情報、信号などは、他の装置へ送信されてもよい。
　情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。例えば、本開示における情報の通知は、物理レイヤシグナリング（例えば、下り制御情報（Downlink　Control　Information（ＤＣＩ））、上り制御情報（Uplink　Control　Information（ＵＣＩ）））、上位レイヤシグナリング（例えば、Radio　Resource　Control（ＲＲＣ）シグナリング、ブロードキャスト情報（マスタ情報ブロック（Master　Information　Block（ＭＩＢ））、システム情報ブロック（System　Information　Block（ＳＩＢ））など）、Medium　Access　Control（ＭＡＣ）シグナリング）、その他の信号又はこれらの組み合わせによって実施されてもよい。
　なお、物理レイヤシグナリングは、Layer　1／Layer　2（Ｌ１／Ｌ２）制御情報（Ｌ１／Ｌ２制御信号）、Ｌ１制御情報（Ｌ１制御信号）などと呼ばれてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC　Connection　Setup）メッセージ、ＲＲＣ接続再構成（RRC　Connection　Reconfiguration）メッセージなどであってもよい。また、ＭＡＣシグナリングは、例えば、ＭＡＣ制御要素（ＭＡＣ　Control　Element（ＣＥ））を用いて通知されてもよい。
　また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的な通知に限られず、暗示的に（例えば、当該所定の情報の通知を行わないことによって又は別の情報の通知によって）行われてもよい。
　判定は、１ビットで表される値（０か１か）によって行われてもよいし、真（true）又は偽（false）で表される真偽値（boolean）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
　ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
　また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（Digital　Subscriber　Line（ＤＳＬ））など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
　本開示において使用する「システム」及び「ネットワーク」という用語は、互換的に使用され得る。「ネットワーク」は、ネットワークに含まれる装置（例えば、基地局）のことを意味してもよい。
　本開示において、「プリコーディング」、「プリコーダ」、「ウェイト（プリコーディングウェイト）」、「擬似コロケーション（Quasi-Co-Location（ＱＣＬ））」、「Transmission　Configuration　Indication　state（ＴＣＩ状態）」、「空間関係（spatial　relation）」、「空間ドメインフィルタ（spatial　domain　filter）」、「送信電力」、「位相回転」、「アンテナポート」、「アンテナポートグル－プ」、「レイヤ」、「レイヤ数」、「ランク」、「リソース」、「リソースセット」、「リソースグループ」、「ビーム」、「ビーム幅」、「ビーム角度」、「アンテナ」、「アンテナ素子」、「パネル」などの用語は、互換的に使用され得る。
　本開示においては、「基地局（Base　Station（ＢＳ））」、「無線基地局」、「固定局（fixed　station）」、「ＮｏｄｅＢ」、「ｅＮＢ（ｅＮｏｄｅＢ）」、「ｇＮＢ（ｇＮｏｄｅＢ）」、「アクセスポイント（access　point）」、「送信ポイント（Transmission　Point（ＴＰ））」、「受信ポイント（Reception　Point（ＲＰ））」、「送受信ポイント（Transmission/Reception　Point（ＴＲＰ））」、「パネル」、「セル」、「セクタ」、「セルグループ」、「キャリア」、「コンポーネントキャリア」などの用語は、互換的に使用され得る。基地局は、マクロセル、スモールセル、フェムトセル、ピコセルなどの用語で呼ばれる場合もある。
　基地局は、１つ又は複数（例えば、３つ）のセルを収容することができる。基地局が複数のセルを収容する場合、基地局のカバレッジエリア全体は複数のより小さいエリアに区分でき、各々のより小さいエリアは、基地局サブシステム（例えば、屋内用の小型基地局（Remote　Radio　Head（ＲＲＨ）））によって通信サービスを提供することもできる。「セル」又は「セクタ」という用語は、このカバレッジにおいて通信サービスを行う基地局及び基地局サブシステムの少なくとも一方のカバレッジエリアの一部又は全体を指す。
　本開示において、基地局が端末に情報を送信することは、当該基地局が当該端末に対して、当該情報に基づく制御／動作を指示することと、互いに読み替えられてもよい。
　本開示においては、「移動局（Mobile　Station（ＭＳ））」、「ユーザ端末（user　terminal）」、「ユーザ装置（User　Equipment（ＵＥ））」、「端末」などの用語は、互換的に使用され得る。
　移動局は、加入者局、モバイルユニット、加入者ユニット、ワイヤレスユニット、リモートユニット、モバイルデバイス、ワイヤレスデバイス、ワイヤレス通信デバイス、リモートデバイス、モバイル加入者局、アクセス端末、モバイル端末、ワイヤレス端末、リモート端末、ハンドセット、ユーザエージェント、モバイルクライアント、クライアント又はいくつかの他の適切な用語で呼ばれる場合もある。
　基地局及び移動局の少なくとも一方は、送信装置、受信装置、無線通信装置などと呼ばれてもよい。なお、基地局及び移動局の少なくとも一方は、移動体（moving　object）に搭載されたデバイス、移動体自体などであってもよい。
　当該移動体は、移動可能な物体をいい、移動速度は任意であり、移動体が停止している場合も当然含む。当該移動体は、例えば、車両、輸送車両、自動車、自動二輪車、自転車、コネクテッドカー、ショベルカー、ブルドーザー、ホイールローダー、ダンプトラック、フォークリフト、列車、バス、リヤカー、人力車、船舶（ship　and　other　watercraft）、飛行機、ロケット、人工衛星、ドローン、マルチコプター、クアッドコプター、気球及びこれらに搭載される物を含み、またこれらに限られない。また、当該移動体は、運行指令に基づいて自律走行する移動体であってもよい。
　当該移動体は、乗り物（例えば、車、飛行機など）であってもよいし、無人で動く移動体（例えば、ドローン、自動運転車など）であってもよいし、ロボット（有人型又は無人型）であってもよい。なお、基地局及び移動局の少なくとも一方は、必ずしも通信動作時に移動しない装置も含む。例えば、基地局及び移動局の少なくとも一方は、センサなどのInternet　of　Things（ＩｏＴ）機器であってもよい。
　図１４は、一実施形態に係る車両の一例を示す図である。車両４０は、駆動部４１、操舵部４２、アクセルペダル４３、ブレーキペダル４４、シフトレバー４５、左右の前輪４６、左右の後輪４７、車軸４８、電子制御部４９、各種センサ（電流センサ５０、回転数センサ５１、空気圧センサ５２、車速センサ５３、加速度センサ５４、アクセルペダルセンサ５５、ブレーキペダルセンサ５６、シフトレバーセンサ５７、及び物体検知センサ５８を含む）、情報サービス部５９と通信モジュール６０を備える。
　駆動部４１は、例えば、エンジン、モータ、エンジンとモータのハイブリッドの少なくとも１つで構成される。操舵部４２は、少なくともステアリングホイール（ハンドルとも呼ぶ）を含み、ユーザによって操作されるステアリングホイールの操作に基づいて前輪４６及び後輪４７の少なくとも一方を操舵するように構成される。
　電子制御部４９は、マイクロプロセッサ６１、メモリ（ＲＯＭ、ＲＡＭ）６２、通信ポート（例えば、入出力（Input/Output（ＩＯ））ポート）６３で構成される。電子制御部４９には、車両に備えられた各種センサ５０－５８からの信号が入力される。電子制御部４９は、Electronic　Control　Unit（ＥＣＵ）と呼ばれてもよい。
　各種センサ５０－５８からの信号としては、モータの電流をセンシングする電流センサ５０からの電流信号、回転数センサ５１によって取得された前輪４６／後輪４７の回転数信号、空気圧センサ５２によって取得された前輪４６／後輪４７の空気圧信号、車速センサ５３によって取得された車速信号、加速度センサ５４によって取得された加速度信号、アクセルペダルセンサ５５によって取得されたアクセルペダル４３の踏み込み量信号、ブレーキペダルセンサ５６によって取得されたブレーキペダル４４の踏み込み量信号、シフトレバーセンサ５７によって取得されたシフトレバー４５の操作信号、物体検知センサ５８によって取得された障害物、車両、歩行者などを検出するための検出信号などがある。
　情報サービス部５９は、カーナビゲーションシステム、オーディオシステム、スピーカー、ディスプレイ、テレビ、ラジオ、といった、運転情報、交通情報、エンターテイメント情報などの各種情報を提供（出力）するための各種機器と、これらの機器を制御する１つ以上のＥＣＵとから構成される。情報サービス部５９は、外部装置から通信モジュール６０などを介して取得した情報を利用して、車両４０の乗員に各種情報／サービス（例えば、マルチメディア情報／マルチメディアサービス）を提供する。
　情報サービス部５９は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサ、タッチパネルなど）を含んでもよいし、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、ＬＥＤランプ、タッチパネルなど）を含んでもよい。
　運転支援システム部６４は、ミリ波レーダ、Light　Detection　and　Ranging（ＬｉＤＡＲ）、カメラ、測位ロケータ（例えば、Global　Navigation　Satellite　System（ＧＮＳＳ）など）、地図情報（例えば、高精細（High　Definition（ＨＤ））マップ、自動運転車（Autonomous　Vehicle（ＡＶ））マップなど）、ジャイロシステム（例えば、慣性計測装置（Inertial　Measurement　Unit（ＩＭＵ））、慣性航法装置（Inertial　Navigation　System（ＩＮＳ））など）、人工知能（Artificial　Intelligence（ＡＩ））チップ、ＡＩプロセッサといった、事故を未然に防止したりドライバの運転負荷を軽減したりするための機能を提供するための各種機器と、これらの機器を制御する１つ以上のＥＣＵとから構成される。また、運転支援システム部６４は、通信モジュール６０を介して各種情報を送受信し、運転支援機能又は自動運転機能を実現する。
　通信モジュール６０は、通信ポート６３を介して、マイクロプロセッサ６１及び車両４０の構成要素と通信することができる。例えば、通信モジュール６０は通信ポート６３を介して、車両４０に備えられた駆動部４１、操舵部４２、アクセルペダル４３、ブレーキペダル４４、シフトレバー４５、左右の前輪４６、左右の後輪４７、車軸４８、電子制御部４９内のマイクロプロセッサ６１及びメモリ（ＲＯＭ、ＲＡＭ）６２、各種センサ５０－５８との間でデータ（情報）を送受信する。
　通信モジュール６０は、電子制御部４９のマイクロプロセッサ６１によって制御可能であり、外部装置と通信を行うことが可能な通信デバイスである。例えば、外部装置との間で無線通信を介して各種情報の送受信を行う。通信モジュール６０は、電子制御部４９の内部と外部のどちらにあってもよい。外部装置は、例えば、上述の基地局１０、ユーザ端末２０などであってもよい。また、通信モジュール６０は、例えば、上述の基地局１０及びユーザ端末２０の少なくとも１つであってもよい（基地局１０及びユーザ端末２０の少なくとも１つとして機能してもよい）。
　通信モジュール６０は、電子制御部４９に入力された上述の各種センサ５０－５８からの信号、当該信号に基づいて得られる情報、及び情報サービス部５９を介して得られる外部（ユーザ）からの入力に基づく情報、の少なくとも１つを、無線通信を介して外部装置へ送信してもよい。電子制御部４９、各種センサ５０－５８、情報サービス部５９などは、入力を受け付ける入力部と呼ばれてもよい。例えば、通信モジュール６０によって送信されるＰＵＳＣＨは、上記入力に基づく情報を含んでもよい。
　通信モジュール６０は、外部装置から送信されてきた種々の情報（交通情報、信号情報、車間情報など）を受信し、車両に備えられた情報サービス部５９へ表示する。情報サービス部５９は、情報を出力する（例えば、通信モジュール６０によって受信されるＰＤＳＣＨ（又は当該ＰＤＳＣＨから復号されるデータ／情報）に基づいてディスプレイ、スピーカーなどの機器に情報を出力する）出力部と呼ばれてもよい。
　また、通信モジュール６０は、外部装置から受信した種々の情報をマイクロプロセッサ６１によって利用可能なメモリ６２へ記憶する。メモリ６２に記憶された情報に基づいて、マイクロプロセッサ６１が車両４０に備えられた駆動部４１、操舵部４２、アクセルペダル４３、ブレーキペダル４４、シフトレバー４５、左右の前輪４６、左右の後輪４７、車軸４８、各種センサ５０－５８などの制御を行ってもよい。
　また、本開示における基地局は、ユーザ端末で読み替えてもよい。例えば、基地局及びユーザ端末間の通信を、複数のユーザ端末間の通信（例えば、Device-to-Device（Ｄ２Ｄ）、Vehicle-to-Everything（Ｖ２Ｘ）などと呼ばれてもよい）に置き換えた構成について、本開示の各態様／実施形態を適用してもよい。この場合、上述の基地局１０が有する機能をユーザ端末２０が有する構成としてもよい。また、「上りリンク（uplink）」、「下りリンク（downlink）」などの文言は、端末間通信に対応する文言（例えば、「サイドリンク（sidelink）」）で読み替えられてもよい。例えば、上りリンクチャネル、下りリンクチャネルなどは、サイドリンクチャネルで読み替えられてもよい。
　同様に、本開示におけるユーザ端末は、基地局で読み替えてもよい。この場合、上述のユーザ端末２０が有する機能を基地局１０が有する構成としてもよい。
　本開示において、基地局によって行われるとした動作は、場合によってはその上位ノード（upper　node）によって行われることもある。基地局を有する１つ又は複数のネットワークノード（network　nodes）を含むネットワークにおいて、端末との通信のために行われる様々な動作は、基地局、基地局以外の１つ以上のネットワークノード（例えば、Mobility　Management　Entity（ＭＭＥ）、Serving-Gateway（Ｓ－ＧＷ）などが考えられるが、これらに限られない）又はこれらの組み合わせによって行われ得ることは明らかである。
　本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
　本開示において説明した各態様／実施形態は、Long　Term　Evolution（ＬＴＥ）、LTE-Advanced（ＬＴＥ－Ａ）、LTE-Beyond（ＬＴＥ－Ｂ）、ＳＵＰＥＲ　３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、4th　generation　mobile　communication　system（４Ｇ）、5th　generation　mobile　communication　system（５Ｇ）、6th　generation　mobile　communication　system（６Ｇ）、xth　generation　mobile　communication　system（ｘＧ（ｘは、例えば整数、小数））、Future　Radio　Access（ＦＲＡ）、Ｎｅｗ－Radio　Access　Technology（ＲＡＴ）、New　Radio（ＮＲ）、New　radio　access（ＮＸ）、Future　generation　radio　access（ＦＸ）、Global　System　for　Mobile　communications（ＧＳＭ（登録商標））、ＣＤＭＡ２０００、Ultra　Mobile　Broadband（ＵＭＢ）、ＩＥＥＥ　８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ　８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ　８０２．２０、Ultra-WideBand（ＵＷＢ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切な無線通信方法を利用するシステム、これらに基づいて拡張、修正、作成又は規定された次世代システムなどに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ又はＬＴＥ－Ａと、５Ｇとの組み合わせなど）適用されてもよい。
　本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
　本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素の参照は、２つの要素のみが採用され得ること又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
　本開示において使用する「判断（決定）（determining）」という用語は、多種多様な動作を包含する場合がある。例えば、「判断（決定）」は、判定（judging）、計算（calculating）、算出（computing）、処理（processing）、導出（deriving）、調査（investigating）、探索（looking　up、search、inquiry）（例えば、テーブル、データベース又は別のデータ構造での探索）、確認（ascertaining）などを「判断（決定）」することであるとみなされてもよい。
　また、「判断（決定）」は、受信（receiving）（例えば、情報を受信すること）、送信（transmitting）（例えば、情報を送信すること）、入力（input）、出力（output）、アクセス（accessing）（例えば、メモリ中のデータにアクセスすること）などを「判断（決定）」することであるとみなされてもよい。
　また、「判断（決定）」は、解決（resolving）、選択（selecting）、選定（choosing）、確立（establishing）、比較（comparing）などを「判断（決定）」することであるとみなされてもよい。つまり、「判断（決定）」は、何らかの動作を「判断（決定）」することであるとみなされてもよい。
　また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
　本開示に記載の「最大送信電力」は送信電力の最大値を意味してもよいし、公称最大送信電力（the　nominal　UE　maximum　transmit　power）を意味してもよいし、定格最大送信電力（the　rated　UE　maximum　transmit　power）を意味してもよい。
　本開示において使用する「接続された（connected）」、「結合された（coupled）」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的であっても、論理的であっても、あるいはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。
　本開示において、２つの要素が接続される場合、１つ以上の電線、ケーブル、プリント電気接続などを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域、光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。
　本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
　本開示において、「含む（include）」、「含んでいる（including）」及びこれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
　本開示において、例えば、英語でのa,　an及びtheのように、翻訳によって冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
　本開示において、「以下」、「未満」、「以上」、「より多い」、「と等しい」などは、互いに読み替えられてもよい。また、本開示において、「良い」、「悪い」、「大きい」、「小さい」、「高い」、「低い」、「早い」、「遅い」などを意味する文言は、互いに読み替えられてもよい（原級、比較級、最上級を限らず）。また、本開示において、「良い」、「悪い」、「大きい」、「小さい」、「高い」、「低い」、「早い」、「遅い」などを意味する文言は、「ｉ番目に」を付けた表現として互いに読み替えられてもよい（原級、比較級、最上級を限らず）（例えば、「最高」は「ｉ番目に最高」と互いに読み替えられてもよい）。
　本開示において、「の（of）」、「のための（for）」、「に関する（regarding）」、「に関係する（related　to）」、「に関連付けられる（associated　with）」などは、互いに読み替えられてもよい。
　以上、本開示に係る発明について詳細に説明したが、当業者にとっては、本開示に係る発明が本開示中に説明した実施形態に限定されないということは明らかである。本開示に係る発明は、請求の範囲の記載に基づいて定まる発明の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とし、本開示に係る発明に対して何ら制限的な意味をもたらさない。

Claims (6)

  1. 　人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリング向けの報告のための設定情報を受信する受信部と、
    　前記設定情報に基づいて測定されるＣＳＩに関する報告の送信を制御する制御部と、を有する端末。
  2. 　前記制御部は、前記ＣＳＩをＡＩモデルに入力して得られる出力を、前記報告に含める請求項１に記載の端末。
  3. 　前記制御部は、前記ＣＳＩに基づいて得られるプリコーディング行列インディケーター（Precoding　Matrix　Indicator（ＰＭＩ））を、前記報告に含める請求項１に記載の端末。
  4. 　前記制御部は、前記ＣＳＩに基づいて得られるプリコーディング行列インディケーター（Precoding　Matrix　Indicator（ＰＭＩ））から再構成されるＣＳＩを、前記報告に含める請求項１に記載の端末。
  5. 　人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリング向けの報告のための設定情報を受信するステップと、
    　前記設定情報に基づいて測定されるＣＳＩに関する報告の送信を制御するステップと、を有する端末の無線通信方法。
  6. 　人工知能（Artificial　Intelligence（ＡＩ））ベースドチャネル状態情報（Channel　State　Information（ＣＳＩ））フィードバックに関して、性能モニタリング向けの報告のための設定情報を送信する送信部と、
    　前記設定情報に基づいて測定されるＣＳＩに関する報告を受信する受信部と、を有する基地局。
PCT/JP2022/026512 2022-07-01 2022-07-01 端末、無線通信方法及び基地局 WO2024004218A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/026512 WO2024004218A1 (ja) 2022-07-01 2022-07-01 端末、無線通信方法及び基地局

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/026512 WO2024004218A1 (ja) 2022-07-01 2022-07-01 端末、無線通信方法及び基地局

Publications (1)

Publication Number Publication Date
WO2024004218A1 true WO2024004218A1 (ja) 2024-01-04

Family

ID=89381818

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/026512 WO2024004218A1 (ja) 2022-07-01 2022-07-01 端末、無線通信方法及び基地局

Country Status (1)

Country Link
WO (1) WO2024004218A1 (ja)

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LENOVO: "Further aspects of AI/ML for CSI feedback", 3GPP DRAFT; R1-2204418, 3RD GENERATION PARTNERSHIP PROJECT (3GPP), MOBILE COMPETENCE CENTRE ; 650, ROUTE DES LUCIOLES ; F-06921 SOPHIA-ANTIPOLIS CEDEX ; FRANCE, vol. RAN WG1, no. e-Meeting; 20220509 - 20220520, 29 April 2022 (2022-04-29), Mobile Competence Centre ; 650, route des Lucioles ; F-06921 Sophia-Antipolis Cedex ; France, XP052144021 *
NEC: "Discussion on AI/ML for CSI feedback enhancement", 3GPP DRAFT; R1-2203939, 3RD GENERATION PARTNERSHIP PROJECT (3GPP), MOBILE COMPETENCE CENTRE ; 650, ROUTE DES LUCIOLES ; F-06921 SOPHIA-ANTIPOLIS CEDEX ; FRANCE, vol. RAN WG1, no. e-Meeting; 20220509 - 20220520, 29 April 2022 (2022-04-29), Mobile Competence Centre ; 650, route des Lucioles ; F-06921 Sophia-Antipolis Cedex ; France, XP052153273 *

Similar Documents

Publication Publication Date Title
WO2024004218A1 (ja) 端末、無線通信方法及び基地局
WO2024004217A1 (ja) 端末、無線通信方法及び基地局
WO2024004219A1 (ja) 端末、無線通信方法及び基地局
WO2024004220A1 (ja) 端末、無線通信方法及び基地局
WO2024013852A1 (ja) 端末、無線通信方法及び基地局
WO2024013851A1 (ja) 端末、無線通信方法及び基地局
WO2024004194A1 (ja) 端末、無線通信方法及び基地局
WO2024053071A1 (ja) 端末、無線通信方法及び基地局
WO2023218650A1 (ja) 端末、無線通信方法及び基地局
WO2024004187A1 (ja) 端末、無線通信方法及び基地局
WO2024004189A1 (ja) 端末、無線通信方法及び基地局
WO2024004186A1 (ja) 端末、無線通信方法及び基地局
WO2024004188A1 (ja) 端末、無線通信方法及び基地局
WO2023218543A1 (ja) 端末、無線通信方法及び基地局
WO2023218544A1 (ja) 端末、無線通信方法及び基地局
WO2024100725A1 (ja) 端末、無線通信方法及び基地局
WO2024106380A1 (ja) 端末、無線通信方法及び基地局
WO2024029087A1 (ja) 端末、無線通信方法及び基地局
WO2024106379A1 (ja) 端末、無線通信方法及び基地局
WO2024029089A1 (ja) 端末、無線通信方法及び基地局
WO2024029088A1 (ja) 端末、無線通信方法及び基地局
WO2023199438A1 (ja) 端末、無線通信方法及び基地局
WO2023199437A1 (ja) 端末、無線通信方法及び基地局
WO2023199439A1 (ja) 端末、無線通信方法及び基地局
WO2024075262A1 (ja) 端末、無線通信方法及び基地局

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22949491

Country of ref document: EP

Kind code of ref document: A1