5G NR MIMO演进

在Rel-15和Rel-16中，NR见证了两个版本的标准化工作，以建立高吞吐量和灵活的MIMO框架。一般来说，MIMO是保证上下行覆盖率和实现高网络性能的关键技术。NR的早期部署为我们提供了一些关于不同用例中MIMO增强需求的线索，例如eMBB或URLLC。以下八个场景被确定为Rel-17的潜在增强目标。

• 场景1：大大减少上下行多波束操作的信令延迟/开销，其潜在用途是帮助小区间移动性。

• 场景2：通过配备多个面板的UE上行多波束操作增强上行吞吐量/覆盖和可靠性/健壮性；

• 场景3：增强的吞吐量/覆盖率和可靠性/健壮性（例如URLLC、IIOT），用于PDSCH以外信道的多TRP/面板传输，其潜在用途是帮助小区间移动性或同时TX/RX；

• 场景4：增强的上行传输方案（码本或非码本）以及改进的SRS覆盖/容量和触发，用于增强的基于互惠的下行操作和增强的上行吞吐量/覆盖；

• 情景5：FDD部分互易改善CSI反馈（精度或开销）的可行性研究；

• 场景6：增强UE在高速条件下的传输方案、CSI捕获/测量和解调性能（例如，多普勒频移预补偿、多普勒分量相关CSI反馈、增强鲁棒信道估计及其精度）的可行性研究；

• 场景7：通过改进CSI测量和报告时间表（特别是对于非周期CSI/CSI-RS），增强CSI采集（包括波束报告）；

• 场景8：提高固定无线接入（FWA：fixed wireless access）的数据速率

下面就一些场景的增强技术进行描述讨论。

场景4：上行增强

SRS灵活性触发：SRS是推导上下行CSI的重要工具，用于高性能的预编码和链路自适应。在现有的NR架构中，SRS的灵活性远远低于其它RS，例如CSI-RS，这使得SRS或其它上行信道/信号的传输受到很大的限制。

目前，AP SRS资源集的触发偏移量只能由RRC配置。触发偏移量的定义与上下行时隙无关。具体而言，对于配置的X触发偏移量和DCI时隙n，SRS在时隙n+X中传输。然而，该时隙n+X可能不是上行时隙，因此SRS可能不被发送。这限制了可能的PDCCH和SRS位置的选择。对于典型的时隙格式“DDDSU”，可能的候选PDCCH和SRS位置只能有8种情况。这将导致小区中多个UE的PDCCH容量问题或SRS容量问题。

此外，时隙格式可以由DCI format2-0动态更新。当SFI被DCI更改时，为SRS配置的RRC时隙偏移可能不再合适。图1中示出了一个示例。

这将限制SRS触发或时隙格式上的SFI指示。因此，这就需要通过允许动态SRS触发时隙偏移指示来解决这个限制。

覆盖：SRS覆盖对于上行MIMO和基于互易性的CSI捕获都是至关重要的。因此，Rel-17需要增强SRS覆盖以获得更好的上下行性能。

SRS覆盖增强方向有几种可能的方法。例如，一个可能的解决方案是允许gNB为SRS配置更灵活的频率位置。UE可以首先在子带中配置RB的子集。gNB在测量完所有子带后，可以配置一个子带，如图2所示的RB完整，这种两步探测将减少UE在每个SRS传输中需要的频率资源，从而提高SRS覆盖率                                        

另一个问题是，在当前NR中，SRS不能与其他上行信道/信号同时发送。这将导致小区边缘UE的覆盖问题。其原因是，如果对于小区中心UE不能同时发送上行信道/信号，则用于针对小区边缘UE以跳频或重复方式发送SRS的可用时域资源是相当有限的。

此外，对于免授权PUSCH，支持2-symol-periodicity  PUSCH以满足URLLC要求。因此，该PUSCH可以位于一个时隙中的大多数符号中，在该时隙中几乎不可能在剩余符号中传输SRS。这限制了2-symol-periodicity无授权PUSCH和SRS的配置，并防止满足基于GF-PUSCH的URLLC的时延要求。需要增强SRS和其他上行信道/信号的同时传输。

容量：当前NR只允许SRS在时隙中的最后6个符号。对于每个SRS资源，所有端口只能通过comb和CS来区分。这限制了SRS的容量。因此，需要通过使用更多的时域资源和更灵活的端口区分来提高SRS的容量。

此外，为了克服上下行之间的不平衡覆盖，UE需要更多的天线来执行更精细的波束赋形或频率选择性预编码。这将导致SRS容量的增加，即，更多SRS资源来执行更多上行波束训练，或更多SRS端口来实现从频率选择性预编码获得的增益。

最后，对于下行CSI采集，UE最多只能对信道进行4层的监测。但是，单个UE最多支持8层。为了缓解这一差距，允许UE探测8层信道以进行下行CSI捕获是有益的，特别是对于那些具有8Rx天线的UE。

因此，需要增强Rel-17中的SRS容量，以使gNB能够在一个集合中配置4个以上的SRS资源或在一个资源中配置4个以上的SRS端口，从而提高上行覆盖率。可以考虑的潜在解决方案包括更多的SRS符号（例如，允许在PUSCH之前传输SRS）、SRS符号之间的TD-OCC、较大的梳状值等。

早期NR部署表明UL覆盖率低于DL覆盖率。UL覆盖问题的一个潜在解决方案是为UE配备更多天线以执行频率选择性预编码。为了支持频率选择性码本，需要增强控制信令以平衡上行预编码性能和DCI开销。可能的解决方案包括 two-step DCI或two-DCI。对于前者，第二步DCI的存在和开销可以由第一步DCI控制。后者可以是两个DCI调度两个FDMed PUSCH，因此可以减少每个DCI的开销。一些现有的多TRP中多DCI的设计可以扩展以支持这种双DCI设计。控制信令设计应平衡几个方面，包括频率选择性预编码增益、DCI开销和UE复杂度以监视/解码PDCCH。

场景3：多TRP/面板增强

多TRP/面板增强的目标场景是gNB可以配备多个TRP或面板，以获得更高的吞吐量、更高的可靠性和更好的部署灵活性等。

Rel-16支持基于单PDCCH和多PDCCH的多TRP/面板传输解决方案。只有非常基本的功能在Rel-16时间框架内完成。对于基于单个PDCCH和多个PDCCH的解决方案，一套有助于实现高性能的技术组件是不可能完成的。这些细节包括单个PDCCH的CSI测量/报告增强，以及多PDCCH的优化CSI反馈、PUSCH、SRS。

Rel-16中的另一个重要遗留问题是URLLC的多TRP/面板。这些增强的主要目标是提高不同信道的可靠性，例如PDSCH、PDCCH、PUSCH、PUCCH等。然而，最终只支持PDSCH可靠性增强。如果是这样的话，我们应该不断提高Rel-17中PDCCH/PUSCH/PUCCH的可靠性，使整个系统正常工作，这样NR URLLC就可以实现更多的垂直用例。

场景6：增强型高速移动

高铁是全球许多地区的重要部署场景。Rel-15 NR可以提供一些基本的特性来促进高高铁中的数据传输，例如，附加的DMRS符号等。然而，先前的MIMO规范性工作从未针对这种情况定制MIMO特性。因此，该场景的性能远远不是最佳的。

高移动性在多个方面影响系统性能，包括CSI/信道老化、多普勒效应对信道跟踪和QCL参数等。因此，高移动性场景下的MIMO增强可以包括CSI反馈/预测、QCL更新和波束/信道跟踪等方面。此外，上述基于M-TRP的可靠性增强还可以考虑高移动性场景。

场景2：增强型多波束

多波束工作是克服高频段大路径损耗的一个重要特性。

在Rel-16中，协议没有按计划提供UE多面板传输的特性。如果可以同时传输多个UE面板，则可以实现更精细的波束赋形或更多MIMO层，这使得上行具有更好的性能。在对不同MPUE假设的研究中，已经证明多面板同时传输提供了显著的性能增益。因此，重要的是要支持多个面板可以一次激活，一个或多个面板可以用于传输和接收。

为了便于UE多面板发送和接收，需要包括一些相关的增强细节，例如，面板特定功率控制、基于组的CSI/波束报告以及不同信道/信号的同时发送和接收。

场景7：增强型快速CSI处理

NR Rel-15支持快速CSI报告，以促进URLLC用例，这在当前规范中称为CSI延迟需求1。通过触发快速CSI报告，gNB可以以极低的时延获取CSI，从而在短时间内调度紧急的URLLC流量。快速CSI报告通过使用以下Z/Z'表（TS 38.214中的表5.4-1）来实现UE CSI处理，其中Z是PDCCH和触发的CSI报告之间的时间间隔，Z'是关联的CSI-RS和触发的CSI报告之间的时间间隔。

可见，利用快速CSI报告，gNB可以获得自包含的CSI。然而，考虑到UE处理资源在如此短的时延内计算CSI报告，NR限制了快速CSI报告必须占用所有UE CSI处理单元（CPU：CSI processing unit）。这一关键限制基本上使得快速CSI报告在实际部署中不太有用。具体地说，当eMBB和URLLC服务在同一UE中复用时，它防止网络获取快速CSI。

图3中示出了一个例子，其中UE总共有5个CPU。在本例中，gNB在eMBB服务的时隙0中触发CSI报告，CSI报告安排在时隙3中。根据当前规范，此CSI报告从时隙0到时隙3占用一个CPU。在时隙2中，gNB需要为紧急URLLC流量突发触发CSI报告。但是，无法触发此CSI，因为在时隙2中，一个CPU已被占用。这个CSI将被视为正常CSI而不是快速CSI。这将给URLLC带来更大的延迟。如何满足URLLC的时延要求是一个重要的问题，需要通过增强UE处理来实现CSI的快速上报。

未来MIMO演进研究

上面讨论的范围被认为是Rel-17中规范性工作的主要范围。如果时间预算允许，可以考虑通过启动Rel-17中的一些研究来为未来的MIMO演进做准备。最近引起很多兴趣的一个领域是人工智能（AI：artificial intelligence）。人工智能的潜在好处是

1. 以更少的信令开销获得更准确的反馈

2. 减少DL控制信令开销

3. 帮助网络做出更快更明智的决定

4. 这些潜在的好处转化为更好的系统性能，例如在吞吐量和可靠性方面

图4说明了可能需要标准化影响的四种可能的人工智能模型。

MIMO是物理层人工智能应用中需要考虑的领域之一。AI应用的一个示例是基于部分信道互易性的CSI预测，例如在如图5所示的FDD情况下。这将与场景5中的目标和用例一致

• FDD信道在上下行基本路径的意义上也具有互易性，这些基本路径通常是稀疏的。通过使用机器学习或预测技术，FDD DL-CSI可以在有限的UE反馈下通过信道互易获得。

• 对于有限的子载波，潜在的增强可以参数化CSI反馈

另一个例子是考虑高速场景的波束/CSI跟踪。

• AI模型：一个UE的当前动作（t0）或未来预测（t1，t2…）是基于来自相关UE的测量/事件，通过考虑它们的历史（t-1，t-2…）和位置戳（p+m）来共同推导的。比如：gNB的调度/波束跟踪

• UE可以通过基于过去的测量（t-1，t-2）运行AI算法来预测未来的事件/测量（t1）。预测结果反馈给gNB，例如UE处的移动性/CSI预测