NR R15中的TypeII CSI-Codebook量化反馈

系统模型

我们考虑一个下行的多小区多用户MIMO-OFDM系统，假设一共有$N$个子带(subband)，$S$个小区(cell)，每个小区被划分为3个部分（sectors）。在每个sector内，基站（BS）同时服务$K$个用户。另外，我们考虑的BS模型为双极化的UPA(UPA: Uniform Planar Array)，对每个极化方向，水平和竖直维度上分别有$N_1,N_2$个antenna ports，因此BS端一共有$N_p=2N_1{N}_2$个antenna ports。每个用户终端装备$N_r$根接收天线。这里我们以单流为例，位于第$s$小区的第$k$个用户，在第$n$个子带的接收信号为：
$${\mathbf{y}}_{s,k}[n]={\mathbf{H}}_{s,k}[n]{\mathbf{W}}_s[n]{\mathbf{x}}_s[n]+\sum _{j\ne s}{\mathbf{H}}_{j,k}[n]{\mathbf{W}}_j[n]{\mathbf{x}}_j[n]+{\mathbf{n}}_{s,k}[n]\text{\hspace{1em}(1)}$$

第$n$个子带上，${\mathbf{H}}_{s,k}[n]\in {\mathbb{C}}^{N_r\times N_p}$表征BS（第s个小区）与用户$k$之间的信道矩阵。${\mathbf{W}}_s[n]\in [{\mathbf{w}}_{s,1}[n],{\mathbf{w}}_{s,2}[n],\cdots ,{\mathbf{w}}_{s,K}[n]]\in {\mathbb{C}}^{N_p\times K}$是$K$个用户的预编码矩阵（precoder matrix），${\mathbf{x}}_s[n]=[{\mathbf{x}}_{s,1}[n],{\mathbf{x}}_{s,2}[n],\cdots ,{\mathbf{x}}_{s,K}[n]{]}^T\in {\mathbb{C}}^{K\times 1}$是BS发送的信号向量。

在该模型下，我们假设UE端能估计出信道矩阵${\mathbf{H}}_{s,k}[n]$，并且基于估计出的信道矩阵${\mathbf{H}}_{s,k}$（这里省略子带），得到预编码矩阵，并将该预编码矩阵反馈到BS端。

假设UE端采用的量化反馈方式为R15 Type II Codebook，该反馈方式包括

• wideband beam group
• beam combination coefficients (BCCs) of subband.

注意到，beam线性组合的方式，本质上来讲就是在空域（spatial domain）上进行压缩，因为信道的空间信息可以被表征为几个beam和相应的线性组合系数。

构建预编码矩阵：空域压缩（Spatial Domain Compression）

我们采用DFT基向量来表征beamforming vector，但是若信道中存在大量的散射体，那么BS就需要更多的beam来捕捉直视径和多条反射径，如下图所示，BS一共利用了$L$个beam来捕捉用户$k$的多径信道

具体来看，空域上的信道信息包含包含了宽带选择的几个beam，以及子带的BCCs。又因为信道的传播路径在两个极化方向上几乎没有差别，所以在两个天线极化方向上，我们使用相同的beam。

定义wideband beam group matrix ${\bar{\mathbf{W}}}_1\in {\mathbb{C}}^{N_p\times 2L}$
$${\bar{\mathbf{W}}}_1=\left[\begin{array}{cc}{\mathbf{b}}_1\cdots {\mathbf{b}}_L& 0\\ 0& {\mathbf{b}}_1\cdots {\mathbf{b}}_L\end{array}\right]\text{\hspace{1em}(2)}$$

其中bl∈CN1N2×1,  l∈{1,⋯ ,L}\boldsymbol b_l \in \mathbb C^{N_1 N_2 \times 1}, \ \ l \in\{1,\cdots, L\}bl​∈CN1​N2​×1,  l∈{1,⋯,L}是一个DFT基向量，对应于第$l$个beam，R15 TypeII CSI-Codebook规定这$L$个beam是相互正交的。因此${\bar{\mathbf{W}}}_1$解决了wideband beam group的问题，还有BCCs需要考虑。

对于单流（rank=1）的第$n$个子带，我们用向量${\mathbf{w}}_n\in {\mathbb{C}}^{2L\times 1}$来表征BCCs，一般是将信道矩阵的奇异向量映射到wideband beam group matrix ${\bar{\mathbf{W}}}_1$得到，即
$${\mathbf{w}}_n={\bar{\mathbf{W}}}_1^H{\mathbf{e}}_n\text{\hspace{1em}(3)}$$

其中${\mathbf{e}}_n\in {\mathbb{C}}^{N_p\times 1}$是信道在第$n$个子带的奇异向量。

注意到，在实际应用中TypeII CSI-Codebook的幅度调整可以分为WB+SB和WB-only两种方式，这里我们主要关注前者，即WB+SB，因此，实际应用中的wideband matrix${\mathbf{W}}_1$为
$${\mathbf{W}}_1=\left[\begin{array}{cc}{\mathbf{b}}_1\cdots {\mathbf{b}}_L& 0\\ 0& {\mathbf{b}}_1\cdots {\mathbf{b}}_L\end{array}\right]\left[\begin{array}{cccc}{a}_1^{WB}& 0& \cdots & 0\\ 0& a_2^{WB}& \ddots & ⋮\\ ⋮& \ddots & \ddots & 0\\ 0& \cdots & 0& a_{2L}^{WB}\end{array}\right]\text{\hspace{1em}(4)}$$

右侧的对角矩阵表征WB幅度。

另一方面，subband矩阵${\mathbf{W}}_2$同时携带幅度和相位信息，一般写为
$${\mathbf{W}}_2=\left[\begin{array}{cccc}{a}_1^{SB}& 0& \cdots & 0\\ 0& a_2^{SB}& \ddots & ⋮\\ ⋮& \ddots & \ddots & 0\\ 0& \cdots & 0& a_{2L}^{SB}\end{array}\right]\left[\begin{array}{c}{e}^{j{\varphi }_1}\\ e^{j{\varphi }_2}\\ ⋮\\ e^{j{\varphi }_{2L}}\end{array}\right]\text{\hspace{1em}(5)}$$

对于宽带通信系统，一般会涉及多个subband，即对不同的$n$，矩阵${\mathbf{W}}_2$并不相同，且互相之间是并行的。我们用下图表征预编码矩阵
$$\mathbf{W}={\mathbf{W}}_1{\mathbf{W}}_2\text{\hspace{1em}(6)}$$

wideband和subband结构如下图所示

（注意到，虽然上图所显示的结构在频域上是并行的，但是我们可以利用频域的相关性，类比空域，在频域上进行压缩。）

矩阵映射得到Beam线性组合的系数

我们将计算BCCs的步骤拆分为以下三步

• 计算信道协方矩阵，对第$n$个子带
  $${\mathbf{R}}_n={\mathbf{H}}_{s,k}^H[n]{\mathbf{H}}_{s,k}[n]\in {\mathbb{C}}^{N_p\times N_p}\text{\hspace{1em}(7)}$$

• 将信道协方差矩阵${\mathbf{R}}_n$映射到Wideband beam group matrix ${\bar{\mathbf{W}}}_1$上，
  $${\hat{\mathbf{R}}}_n={\bar{\mathbf{W}}}_1^H{\mathbf{R}}_n{\bar{\mathbf{W}}}_1\in {\mathbb{C}}^{2L\times 2L}\text{\hspace{1em}(8)}$$

• ${\hat{\mathbf{R}}}_n$的特征分解
  $${\hat{\mathbf{R}}}_n=\mathbf{U}\mathbf{\Sigma }{\mathbf{U}}^H\in {\mathbb{C}}^{2L\times 2L}\text{\hspace{1em}(9)}$$

对于单流数据传输，主特征值对应的主特征向量就 ${\mathbf{w}}_n={\mathbf{u}}_1\in {\mathbb{C}}^{2L}$ 是第$n$个子带上的BCCs。

相位预处理

[2] 对相位预处理有较为详尽的说明，这里简述其中心思想。相位预处理的中心思想就是尽可能减少最强Beam的量化误差，为此，对第$n$个子带，我们要求BCCs上的$2L$个相位都减去最强beam所对应的相位，这样就保证了最强beam的量化损失是最小的。

幅度量化

[3] 详细阐述了Type II CSI Codebook幅度量化，并提出了一种最优的和次优的幅度量化方法，读者若是感兴趣可以继续深入。

参考

[1] Z. Liu, S. Sun, Q. Gao and H. Li, “CSI Feedback Based on Spatial and Frequency Domains Compression for 5G Multi-User Massive MIMO Systems,” 2019 IEEE/CIC International Conference on Communications in China (ICCC), 2019, pp. 834-839, doi: 10.1109/ICCChina.2019.8855979.
[2] R1-1906348, “Phase preprocessing for type ii csi enhancement,” https:// www.3gpp.org/ftp/tsg ran/WG1 RL1/TSGR1 97/Docs/, 3GPP, Tech. Rep., 2019.
[3] H. Miao, M. D. Mueck and M. Faerber, “Amplitude Quantization for Type-2 Codebook Based CSI Feedback in New Radio System,” 2018 European Conference on Networks and Communications (EuCNC), 2018, pp. 1-9, doi: 10.1109/EuCNC.2018.8442609.