CN101801066B - 在无线通信系统中实施小区搜索的方法 - Google Patents

Abstract

一种在无线通信系统中实施小区搜索的方法，该方法包含：接收前导信号；在多延迟值处使用多个伪噪声序列分别对经延迟的前导信号实施匹配滤波，以形成多个副本已滤波前导信号，并且将多个副本已滤波前导信号合并形成已滤波前导信号中的一个；重复匹配滤波步骤，形成多个已滤波前导信号；选择最大的已滤波前导信号；以及根据最大的已滤波前导信号确定估计的伪噪声序列指数以及估计的整数部分频率偏移。本发明提供的方法不但可以具有更小的运算量，而且可以提高整数部分频率偏移存在时的确定性。

Description

在无线通信系统中实施小区搜索的方法

技术领域

本发明有关于移动无线系统的小区搜索，更具体地，有关于在无线通信系统中实施小区搜索(cell research)的方法。

背景技术

由于正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)技术对于频率选择信道上的鲁棒性(robustness)以及考虑到多用户多速率传输上的灵活性等，OFDMA已经成为现代无线通信系统中最具有发展前景的技术之一。无线城域网络(Metropolitan Area Network，MAN)正交频分多址(以下，称为MAN-OFDMA)为人们所熟知，亦被采用作为IEEE 802.16的一种控制接口(air interface)。

对于时分双工(Time Division Duplex，TDD)模式运作而言，无线MAN-OFDMA面向连接(connection-oriented)网络，其中，每个帧都具有前导(preamble)、下行链路子帧(subframe)以及上行链路子帧。其中，前导与帧内的其它OFDM符号一样，均是一个具有循环前缀(Cyclic Prefix，CP)扩展的OFDM符号。前导和标准OFDM符号之间的差别为，前导系由基站(Base Station，BS)传输的114个可能的伪噪声(Pseudo-Noise，PN)序列(sequence)进行二进制相移键控(Binary-Phase Shift Keying，BPSK)调变。移动台(Mobile Station，MS)在114个可能性中检测传输的PN序列，然后BS的基本信息可以透过对下行链路子帧实施解调变而获得，其中BS的基本信息可例如为段(segment)指数(index)以及单元号码。检测PN序列的过程就可以称之为“小区搜索”。

虽然PN序列集的选择需要考虑很低的互相关特性，但是当将检测所使用的PN序列时，互相关值的存在仍不可忽略，因此，所需要的用于实施计算的功率会很高。此外，当考虑到整数部分频率偏移(integer part frequency offset)的存在时，不确定性就会提高，以致计算负担变得更重。

发明内容

考虑到现有技术中小区搜索过程中，整数部分频率偏移的存在时，不确定性会提高，计算负担也变得更重，所以本发明目的之一在于提供在无线通信系统中实施小区搜索的方法。

本发明提供一种在无线通信系统中实施小区搜索的方法，该方法包含：接收前导信号；使用第一伪噪声序列对该前导信号实施第一匹配滤波，以得到第一已滤波前导信号；使用第二伪噪声序列对该前导信号实施第二匹配滤波，以得到第二已滤波前导信号；调整该第二已滤波前导信号，以形成调整的已滤波前导信号；累加至少该第一已滤波前导信号以及该调整的已滤波前导信号以形成多个已累加前导信号中的一个；重复实施该第一匹配滤波步骤、该第二匹配滤波步骤、该调整步骤以及该累加步骤，以形成该多个已累加前导信号；自该多个已累加前导信号中选择最大的已累加前导信号；根据该最大的已累加前导信号，确定估计的伪噪声序列指数以及估计的整数部分频率偏移；根据该估计的伪噪声序列指数以及该估计的整数部分频率偏移，使用至少该第一伪噪声序列以及该第二伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号；以及根据多个已滤波前导信号中的该最大的已滤波前导信号，产生估计的伪噪声序列。

本发明另提供一种在无线通信系统中实施小区搜索的方法，该方法包含：接收前导信号；使用伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号中的一个；重复该匹配滤波步骤，形成多个已滤波前导信号；自该多个已滤波前导信号中选择最大的已滤波前导信号；以及根据该最大的已滤波前导信号确定估计的伪噪声序列指数以及估计的整数部分频率偏移，其中使用伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号中的一个的步骤包含：在多延迟值处使用该多个伪噪声序列分别对经延迟的该前导信号实施匹配滤波，以形成多个副本已滤波前导信号，并且将该多个副本已滤波前导信号合并形成该已滤波前导信号中的一个。

本发明再提供一种在无线通信系统中实施小区搜索的方法，该方法包含：接收前导信号；使用多个伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号；累加该多个已滤波前导信号以形成多个已累加前导信号中的一个；重复实施该匹配滤波步骤、该累加步骤，以形成该多个已累加前导信号；自该多个已累加前导信号中选择最大的已累加前导信号；以及根据该最大的已累加前导信号确定估计的伪噪声序列指数以及估计的整数部分频率偏移；根据该估计的伪噪声序列指数以及该估计的整数部分频率偏移，使用至少第一伪噪声序列以及第二伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号，其中，该第一伪噪声序列以及该第二伪噪声序列对应该估计的伪噪声序列指数以及该估计的整数部分频率偏移；以及自多个已滤波前导信号中的该最大的已滤波前导信号，产生估计的伪噪声序列。

本发明目提供的在无线通信系统中实施小区搜索的方法不但可以具有更小的运算量，而且可以提高整数部分频率偏移存在时实施小区搜索的确定性。

附图说明

图1为对于不同比例以及信号频宽的整数部分频率偏移表。

图2为接收到的频域信号的示意图。

图3为根据本发明的实施例的N_p＝3时的小区搜索算法的框图。

图4-图6为在无线通信系统中利用图3中的小区搜索算法，实施小区搜索算法的实施例的流程图。

图7为利用图3中的小区搜索算法而产生整数部分频率偏移集的实施例的流程图。

图8为帧边界粗糙估计时，前导中用于计算码距的窗口的示意图。

图9为在前导中用于计算码距的另一个窗口的示意图。

图10为估计噪声项的码距的窗口的示意图。

图11为用于确定合并多路径码距的数目的阈值的示意图。

具体实施方式

在说明书及权利要求当中使用了某些词汇来指称特定组件。所属领域中技术人员应可理解，制造商可能会用不同的名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。在通篇说明书及权利要求当中所提及的“包括”和“包含”为一开放式的用语，故应解释成“包含但不限定于”。以外，“耦接”一词在此为包含任何直接及间接的电气连接手段。间接的电气连接手段包括通过其它装置进行连接。

在一个实施例中，考虑IEEE 802.16的无线MAN-OFDMA中具有±20ppm频率偏移的MS的小区搜索算法。小区搜索块可以由分数部分(fractional-part)频率偏移估计(estimation)所激活，因此，可以假设分数部分频率偏移是可以忽略的。尽管如此，整数部分频率偏移的不确定性很大(在3.8GHz频带10MHz信号频宽时，在BS处考虑±2ppm频率偏移，则整数部分频率偏移为±9个副载波，sub-carrier)小区搜索算法可以覆盖大约从±0ppm到几百ppm范围的频率偏移。

根据RF销售商提供的数据表，MS的频率偏移的比例可以为小于±20ppm。根据频率偏移以及信号频宽的不同比例可以看出相应的整数部分频率偏移(如图1所示，图1为对于不同比例以及信号频宽的整数部分频率偏移表)，其中使用fint副载波标记可能出现的最大整数部分频率偏移。

可以假设前导检测及/或延迟的差动(differential)相关器(correlator)提供粗糙的帧/符号(symbol)同步，这样，就可以粗略知晓接收时序(timing)。因为前导符号当前在帧中不累积(accumulate)，所以后文只考虑频率选择慢衰落信道(frequency-selective slowly fading channel)的情况。

令s(t)表示前导的基频传输信号，

$s\left(t\right)=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}P\left[k\right]e^{j\frac{2\mathrm{\πWkt}}{N}},---\left(1\right)$

其中P[k]∈{0，±1}为在副载波k的符号值，其中k＝0，1，...，N-1；其中N表示所考虑系统的FFT长度；而W是传输信号的零点到零点(null-to-null)频宽。令f_i∈Z为整数部分频率偏移，在频率选择慢衰落信道上的接收到的低通等效信号r_LP(t)为：

$r_{\mathrm{LP}}\left(t\right)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{l}s(t-\frac{l}{W})e^{j2\mathrm{\π}{f}_i\frac{W}{N}t}+z_{\mathrm{LP}}\left(t\right)---\left(2\right)$

其中，ρ₀，ρ₁，...，ρ_L-1为分别具有方差

的相互独立的零均值复数值高斯随机变量(zero-mean complex-valued Gaussian random variable)，通过以速率W取样r_LP(t)，

$r\left[n\right]\≡r_{\mathrm{LP}}\left(\frac{n}{W}\right)$

$=\frac{1}{N}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_l\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}P\left[k\right]e^{j\frac{2\mathrm{\πk}(n-l)}{N}}{e}^{j\frac{2\mathrm{\π}{f}_{i}n}{N}}+z\left[n\right]$ 其中n＝0，1，...，N-1(3)

假设整数部分频率偏移以及所采用的PN序列相互独立且均匀分布，则最大后验(Maximum A Posteriori，MAP)概率检测规则为：

$({\hat{f}}_i,\hat{P})=\arg \underset{f_i,P^{\left(i\right)}}{\max }\mathrm{Pr}\left(r\right[n];n=\mathrm{0,1},...,N-1|P^{\left(i\right)},f_i),$

其中P⁽ⁱ⁾＝(P⁽ⁱ⁾[0]，P⁽ⁱ⁾[1]，...，P⁽ⁱ⁾[N-1])为第i个，即ith PN序列，以及

Pr(r[n]；n＝0，n＝1，...，N-1|P⁽ⁱ⁾，f_i)

＝∫∫...∫Pr(r[n]；n＝0，1，...，N-1|P⁽ⁱ⁾，f_i，ρ₀，ρ₁，...，ρ_L-1)×Pr(ρ₀，ρ₁，...，ρ_L-1)dρ₀dρ₁...dρ_L-1.

然后，

$({\hat{f}}_i,\hat{P})=\arg \underset{f_i,P^{\left(i\right)}}{\max }\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{{\left|{\mathrm{\Σ}}_{n=0}^{N-1}{r}^{*}\right[n\left]{\hat{s}}_{l,f_i}\right[n\left]\right|}^2}{{\hat{C}}_l^2+\frac{{\mathrm{\σ}}^2}{{\mathrm{\σ}}_l^2}}$

其中，

$s_{l,f_i}\left[n\right]\≡\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\left(P^{\left(i\right)}\right[k\left]e^{-j\frac{2\mathrm{\πkl}}{N}}\right)e^{j\frac{2\mathrm{\π}(k+f_i)n}{N}},$

$\left\{\begin{array}{cc}{\hat{s}}_{0,f_i}\left[n\right]\≡s_{0,f_i}\left[n\right]& l=0\\ {\hat{s}}_{l,f_i}\left[n\right]\≡s_{l,f_i}\left[n\right]-{\mathrm{\Σ}}_{\mathrm{\α}=0}^{l-1}{\hat{s}}_{\mathrm{\α},f_i}\left[n\right]\frac{\mathrm{\η}(l,\mathrm{\α})}{{\hat{C}}_{\mathrm{\α}}^2+\frac{{\mathrm{\σ}}^2}{{\mathrm{\σ}}_{\mathrm{\α}}^2}}& l\≠0\end{array}\right.,$

$\mathrm{\η}(\mathrm{\α},\mathrm{\β})\≡\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{s}_{\mathrm{\α},f_i}\left[n\right]{\hat{s}}_{\mathrm{\β},f_i}^{*}\left[n\right],$

$C_0^2\≡E\left\{{\left|P\right[k\left]\right|}^2\right\}={\mathrm{\σ}}_s^2,$

$\left\{\begin{array}{cc}{\hat{C}}_0^2\≡C_0^2& l=0\\ {\hat{C}}_l^2\≡C_0^2-{\mathrm{\Σ}}_{\mathrm{\α}=0}^{l-1}\frac{{\left|\mathrm{\η}(l,\mathrm{\α})\right|}^2}{{\hat{C}}_{\mathrm{\α}}^2+\frac{{\mathrm{\σ}}^2}{{\mathrm{\σ}}_{\mathrm{\α}}^2}}& l\≠0\end{array}\right.$

上标*代表共轭(conjugation)运算，当α≠β以及

时，透过忽略自生相关函数η(α，β)中的较小值，可以得到次最佳(suboptimal)的一种简化形式：

$({\hat{f}}_i,\hat{P})=\arg \underset{f_i,P^{\left(i\right)}}{\max }\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{{\left|{\mathrm{\Σ}}_{n=0}^{N-1}{r}^{*}\right[n\left]s_{l,f_i}\right[n\left]\right|}^2}{{\mathrm{\σ}}_s^2+\frac{{\mathrm{\σ}}^2}{{\mathrm{\σ}}_l^2}}.---\left(4\right)$

根据帕斯瓦尔公式(Parseval′s formula)，

${\left|\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{r}^{*}\right[n\left]s_{l.f_i}\right[n\left]\right|}^2={\left|\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{R}^{*}\right[k\left]S_{l,f_i}\right[k\left]\right|}^2,$

其中， $R\left[k\right]\≡{\mathrm{\Σ}}_{n=0}^{N-1}r\left[n\right]e^{-j\frac{2\mathrm{\πkn}}{N}}$ 以及 $S_{l,f_i}\left[k\right]\≡{\mathrm{\Σ}}_{n=0}^{N-1}{s}_{l,f_i}\left[n\right]e^{-j\frac{2\mathrm{\πkn}}{N}}$ 分别为r[n]与s[n]的N点FFT。

令 $s\left[n\right]\≡\frac{1}{N}{\mathrm{\Σ}}_{k=0}^{N-1}{P}^{\left(i\right)}\left[k\right]e^{j\frac{2\mathrm{\πkn}}{N}},$

$s_{l,f_i}\left[n\right]=s\left[{(n-l)}_N\right]e^{j\frac{{2\mathrm{\πf}}_{i}n}{N}}$

以及

$S_{l,f_i}\left[k\right]=P^{\left(i\right)}\left[{(k-f_i)}_N\right]e^{-j\frac{2\mathrm{\π}(k-f_i)l}{N}}.$

因此，等式(4)中的次最佳实现化为如下形式：

$({\hat{f}}_i,\hat{P})=\arg \underset{f_i,P^{\left(i\right)}}{\max }\mathrm{\μ}(f_i,P^{\left(i\right)})$

其中，

$\mathrm{\μ}(f_i,P^{\left(i\right)})=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{{\left|\frac{1}{N}{\mathrm{\Σ}}_{k=0}^{N-1}{R}^{*}\right[k\left]S_{l,f_i}\right[k\left]\right|}^2}{{\mathrm{\σ}}_s^2+\frac{{\mathrm{\σ}}^2}{{\mathrm{\σ}}_l^2}}$

$=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{{\left|\frac{1}{N}{\mathrm{\Σ}}_{k=0}^{N-1}{R}^{*}\right[k\left]P^{\left(i\right)}\right[{(k-f_i)}_N\left]e^{-j\frac{2\mathrm{\π}(k-f_i)}{N}}\right|}^2}{{\mathrm{\σ}}_s^2+\frac{{\mathrm{\σ}}^2}{{\mathrm{\σ}}_l^2}}$

$=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{{\left|\frac{1}{N}{\mathrm{\Σ}}_{k=0}^{N-1}R\right[k\left]P^{\left(i\right)}\right[{\left({k-f}_i\right)}_N\left]e^{j2\mathrm{\πkl}/N}\right|}^2}{{\mathrm{\σ}}_s^2+\frac{{\mathrm{\σ}}^2}{{\mathrm{\σ}}_l^2}}---\left(5\right)$

$\mathrm{\μ}(f_i,P^{\left(i\right)})=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|\frac{1}{N}{\mathrm{\Σ}}_{k=0}^{N-1}{T}^{\left(i\right)}\right[k\left]e^{j2\mathrm{\πkl}/N}\right|}^2\·{\mathrm{\ξ}}_l,$

其中 ${\mathrm{\ξ}}_1={\mathrm{\σ}}_l^2/({\mathrm{\σ}}_l^2{\mathrm{\σ}}_s^2+{\mathrm{\σ}}^2).$

等式(6)中的

项实际上是T⁽ⁱ⁾[k]的N点IFFT。因此，令 $t^{\left(i\right)}\left[l\right]\≡1/N\·{\mathrm{\Σ}}_{k=0}^{N-1}{T}^{\left(i\right)}\left[k\right]e^{j2\mathrm{\πkl}/N},$

$\mathrm{\μ}(f_i,P^{\left(i\right)})=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|t^{\left(i\right)}\right[l\left]\right|}^2\·{\mathrm{\ξ}}_l---\left(7\right)$

另外，请注意对于k∈{0，1，...，N-1}，P⁽ⁱ⁾[(k-f_i)_N]∈{0，±1}，由此T⁽ⁱ⁾[k]的计算就不包括乘运算(multiplication)。

对于每一个可能的整数部分频率偏移以及每一个可能的PN序列而言，需要计算码距(metric)，IFFT所需的运算次数为114×(2[Δf_max/df]+3)，此运算次数很大，例如，可以为114×21＝2166。尽管如此，减少整数部分频率偏移以及PN序列的候选者(candidate)的数目也是可能的。

为了减少整数部分频率偏移的候选者，需要考虑所接收到的时域信号：

$r\left[n\right]=\frac{1}{N}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_l\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}P\left[k\right]e^{j2\mathrm{\πk}(n-l)/N}{e}^{2\mathrm{\π}{f}_{i}n/N}+z\left[n\right]$

$=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\left(\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{l}P\right[k\left]e^{-j2\mathrm{\πkl}/N}\right)e^{2\mathrm{\π}(k+f_i)n/N}+z\left[n\right].$

接收到的频域信号为：

$R\left[k\right]=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}r\left[n\right]e^{-j2\mathrm{\πnk}/N}$

$=\frac{1}{N}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_l\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{k^{\′}=0}{\overset{N-1}{\mathrm{\Σ}}}P\left[k^{\′}\right]e^{j2\mathrm{\π}(k-k^{\′}+f_i)n/N}{e}^{-2\mathrm{\πkl}/N}+Z\left[k\right]$

$=\frac{1}{N}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_l\underset{k^{\′}=0}{\overset{N-1}{\mathrm{\Σ}}}P\left[k^{\′}\right]\left(\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{e}^{j2\mathrm{\π}(k-k^{\′}+f_i)n/N}\right)e^{-2\mathrm{\πkl}/N}+Z\left[k\right]$

$=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{l}P\left[{(k-f_i)}_N\right]e^{-2\mathrm{\πkl}/N}+Z\left[k\right]$

$=H\left[k\right]P\left[{(k-f_i)}_N\right]+Z\left[k\right]$

其中

$Z\left(k\right)=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}z\left[n\right]e^{-j2\mathrm{\πnk}/N}$

以及

$H\left(k\right)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_l{e}^{-j2\mathrm{\πnl}/N}=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_n{e}^{-j2\mathrm{\πnk}/N}$

而且，上述运算中，对于n≥L，假设ρ_n＝0。

对于任何PN序列P，当k≠-426+s(mod3)≡s(mod3)时P[k]＝0，s为P的段指数(segment index)。所以，

$R\left[k\right]=H\left[k\right]P\left[{(k-f_i)}_N\right]+Z\left[k\right]$

$=\left\{\begin{array}{cc}H\left[k\right]P\left[{(k-f_i)}_N\right]+Z\left[k\right],& k\≡f_i+s\left(\mathrm{mod}3\right)\\ Z\left[k\right],& \mathrm{otherwise}\end{array}\right.;$

图2为接收到的频域信号的示意图。在图2中，可以看到，接收到的信号由载波k中噪声组成，其中，k≠f_i+s(mod3)。因此，可以提出一个方案以减少整数部分频率偏移的候选者的数目。首先，

$\underset{k\≡\mathrm{seg}\left(\mathrm{mod}3\right)}{\mathrm{\Σ}}{\left|R\right[k\left]\right|}^2---\left(8\right)$

对于seg＝0，1，2，计算等式(8)，然后标记seg^*＝arg max_seg∑_{k≡seg(mod3)}|R[k]²。然后，仅在

f_i+s＝seg^*(mod3)

的情况下考虑整数部分频率偏移f_i。并且令：f_d＝f_i+s。既然f_i+s∈{-f_int，-f_int+1，...，f_int+1，f_int+2}，那么需处理的f_d的候选者数目就可以减少到[(2f_int+3)/3]。令P⁽ⁱ⁾为具有段指s⁽ⁱ⁾.的第i个PN序列，即ith PN序列。等式(5)中的码距就可以记为：

$\mathrm{\μ}(f_i,P^{\left(i\right)})=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{{\left|\frac{1}{N}{\mathrm{\Σ}}_{k=0}^{N-1}{R}^{*}\right[k\left]P^{\left(i\right)}\right[{(k-f_d+s^{\left(i\right)})}_N\left]e^{j2\mathrm{\πkl}/N}\right|}^2}{{\mathrm{\σ}}_s^2+\frac{{\mathrm{\σ}}^2}{{\mathrm{\σ}}_l^2}}$

$=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{T}^{\left(i\right)}\right[k\left]e^{j2\mathrm{\πkl}/N}\right|}^2\·{\mathrm{\ξ}}_l$

$=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|t^{\left(i\right)}\right[l\left]\right|}^2\·{\mathrm{\ξ}}_l---\left(9\right)$

其中，T⁽ⁱ⁾[k]＝R^*[k]P⁽ⁱ⁾[(k-f_d+s⁽ⁱ⁾)N]以及现在，此码距仅需要在f_d≡seg*(mod3)时计算。因此，对于一个给定的f_d，114个PN序列中的一个的码距就可以透过实施一次IFFT运算而得到。

接下来，提供一个仅使用一次IFFT运算而计算多于一个PN序列的码距的方法。首先，N_p可以直接累加。令

$Q^{\left(i_g\right)}=P^{\left(i_g{N}_p\right)}+P^{(i_g{N}_p+1)}+...+P^{(i_g{N}_p+N_p-1)}---\left(10\right)$

以及

${\mathrm{\Φ}}^{\left(i_g\right)}\left[k\right]=R\left[k\right]Q^{\left(i_g\right)}\left[{(k-f_i)}_N\right]---\left(11\right)$

其中，

然后，可以获得如下相应的时域信号

${\mathrm{\Φ}}^{\left(i_g\right)}\left[l\right]=1/N\·\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\Φ}}^{\left(i_g\right)}\left[k\right]e^{j2\mathrm{\πkl}/N}.$

接下来，可以计算等式(9)中的码距，然后对应最大码距的

以及

选择如下：

$({\hat{f}}_d,{\hat{i}}_g)=\arg \underset{f_d,i_g}{\max }\mathrm{\μ}(f_d,i_g)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|{\mathrm{\φ}}^{\left(i_g\right)}\right[i\left]\right|}^2\·{\mathrm{\ξ}}_l.$

最后，N_p个PN的码距就可以在合并序列

中分别累加。并且令：

${\hat{i}}^{\′}=\arg \underset{i}{\max }\widetilde{\mathrm{\μ}}\left(P^{\left(i\right)}\right)$

其中

$\widetilde{\mathrm{\μ}}\left(p^{\left(I\right)}\right)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}R\right[k\left]P^{\left(i\right)}\right[{(k-{\hat{f}}_d+s^{\left(i\right)})}_N\left]e^{j2\mathrm{\πkl}/N}\right|}^2{\mathrm{\ξ}}_l,$

所估计的PN序列的指数为依此处理步骤，完成小区搜索算法的IFFT运算的总次数为：[114/N_P]·[(2_fit+3)/3]+N_p。其中，当N_p很大时，所需IFFT运算的总次数就可以减少，但是性能也会降低。因此，N_p应该权衡运算复杂性以及性能而决定。

此外，等式(10)中直接累加N_p PN序列，对于合并PN序列而言不是一个好的算法。等式(11)中的合并因此可以调整如下

${\mathrm{\Φ}}^{\left(i_g\right)}\left[k\right]=\underset{q=0}{\overset{N_p-1}{\mathrm{\Σ}}}R\left[{(k-{\mathrm{\Δ}}_f\·[q/2\left]\right)}_N\right]P^{(i_g{N}_p+q)}\left[{(k-f_d+s^{(i_g{N}_p+q)}-{\mathrm{\Δ}}_f\·[q/2\left]\right)}_N\right]j^{(1-{(-1)}^q)/2}---\left(12\right)$

其中，Δ_f为用于合并PN序列的一个载波偏移。而且将PN序列与具有因子(factor)j的奇数指数相乘。

举例说明，以N_p＝4为例，等式(12)中的合并可以如下，而且Δ_f的值也可以确定。对于N_p＝4，等式(12)可以表示为

其中，i_g＝0，1，...，28。为了简化上述计算，考虑对于i_g＝0的码距：

$\mathrm{\μ}(f_d,0)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\Φ}}^{\left(0\right)}\right[k\left]e^{j2\mathrm{\πkl}/N}\right|}^2{\mathrm{\ξ}}_l$

$=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}|\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\left(R\right[k\left]P^{\left(0\right)}\right[{(k-f_d+s^{\left(0\right)})}_N]e^{j2\mathrm{\πkl}/N}+R[k\left]P^{\left(1\right)}\right[{(k-f_d+s^{\left(1\right)})}_N\left]e^{j2\mathrm{\πkl}/N+\mathrm{j\π}/2}\right)$

$+R\left[k\right]P^{\left(2\right)}\left[{(k-f_d+s^{\left(2\right)})}_N\right]e^{j2\mathrm{\π}(k+{\mathrm{\Δ}}_f)l/N}+R\left[k\right]P^{\left(3\right)}\left[{(k-f_d+s^{\left(3\right)})}_N\right]e^{j2\mathrm{\π}(k+{\mathrm{\Δ}}_f)l/N+\mathrm{j\π}/2}{|}^2{\mathrm{\ξ}}_l$

$=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}({\left|\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}R\right[k\left]P^{\left(0\right)}\right[{(k-f_d+s^{\left(0\right)})}_N\left]e^{j2\mathrm{\πkl}/N}\right|}^2+{\left|\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}R\right[k\left]P^{\left(1\right)}\right[{(k-f_d+s^{\left(1\right)})}_N\left]e^{j2\mathrm{\πkl}/N}\right|}^2$

$+{\left|\frac{1}{N}\underset{k=0}{\mathrm{\Σ}}R\right[k\left]P^{\left(2\right)}\right[{(k-f_d+s^{\left(2\right)})}_N\left]e^{j2\mathrm{\πkl}/N}\right|}^2+{\left|\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}R\right[k\left]P^{\left(3\right)}\right[{(k-f_d+s^{\left(3\right)})}_N\left]e^{j2\mathrm{\πkl}/N}\right|}^2){\mathrm{\ξ}}_l$

$+\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{2}{N^2}\left(\underset{p\≠q}{\mathrm{\Σ}}\mathrm{Re}\right\{A^{\left(p\right)}{\left(A^{\left(q\right)}\right)}^{*}\left\}\right){\mathrm{\ξ}}_l$

$=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}({\left|t^{\left(0\right)}\right[l\left]\right|}^2+{\left|t^{\left(1\right)}\right[l\left]\right|}^2+{\left|t^{\left(2\right)}\right[l\left]\right|}^2+{\left|t^{\left(3\right)}\right[l\left]\right|}^2){\mathrm{\ξ}}_l+\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{2}{N^2}\left(\underset{p\≠q}{\mathrm{\Σ}}\mathrm{Re}\right\{A^{\left(p\right)}{\left(A^{\left(q\right)}\right)}^{*}\left\}\right){\mathrm{\ξ}}_l---\left(13\right)$

其中，

$A^{\left(p\right)}=\underset{k=0}{\mathrm{\Σ}}R\left[k\right]P^{\left(p\right)}\left[{(k-f_d+s^{\left(p\right)})}_N\right]e^{j2\mathrm{\π}(k+{\mathrm{\Δ}}_f[p/2\left]\right)l/N+\mathrm{j\π}(1-{(-1)}^p)/4.}$

首先考虑交叉项(cross term)Re{A⁽⁰⁾(A⁽¹⁾)^*}

$\mathrm{Re}\left\{A^{\left(0\right)}{\left(A^{\left(1\right)}\right)}^{*}\right\}$

$=\mathrm{Re}\left\{\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{k^{\′}=0}{\overset{N-1}{\mathrm{\Σ}}}R\right[k\left]P^{\left(0\right)}\right[{(k-f_d+s^{\left(0\right)})}_N\left]e^{j2\mathrm{\πkl}/N}{R}^{*}\right[k^{\′}\left]P^{\left(1\right)}\right[{(k^{\′}-f_d+s^{\left(1\right)})}_N\left]e^{-j2{\mathrm{\πk}}^{\′}l/N-\mathrm{j\π}/2}\right\}$

$=\mathrm{Re}\{-j\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{k^{\′}=0}{\mathrm{\Σ}}R[k\left]R^{*}\right[k\left]P^{\left(0\right)}\right[{(k-f_d+s^{\left(0\right)})}_N\left]P^{\left(1\right)}\left[{(k^{\′}-f_d+s^{\left(1\right)})}_N\right]e^{j2\mathrm{\π}(k-k^{\′})l/N}\right\}$

当k≠k′时，对于R[k]R^*[k]＝|R[k]²，R[k]R^*[k′]很小。因此，上述等式就可以约为

$\mathrm{Re}\left\{A^{\left(0\right)}{\left(A^{\left(1\right)}\right)}^{*}\right\}$

$\≈\mathrm{Re}\{-j\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|R\right[k\left]\right|}^2{P}^{\left(0\right)}[{(k-f_d+s^{\left(0\right)})}_N\left]P^{\left(1\right)}\right[{(k-f_d+s^{\left(1\right)})}_N\left]\right\}---\left(14\right)$

$=0,$

由于上述运算中，|R[k]²，P⁽⁰⁾[(k-f_d+s⁽⁰⁾)_N]以及P⁽¹⁾[(k-f_d+s⁽¹⁾)_N]对于所有k＝0，1，...，N-1都是实数。然后，再考虑交叉项

$\mathrm{Re}\left\{A^{\left(0\right)}{\left(A^{\left(2\right)}\right)}^{*}\right\}$

$=\mathrm{Re}\left\{\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{k^{\′}=0}{\overset{N-1}{\mathrm{\Σ}}}R\right[k\left]P^{\left(0\right)}\right[{(k-f_d+s^{\left(0\right)})}_N\left]e^{j2\mathrm{\πkl}/N}{R}^{*}\right[k^{\′}\left]P^{\left(2\right)}\right[{(k^{\′}-f_d+s^{\left(2\right)})}_N\left]e^{-j2\mathrm{\π}(k^{\′}+{\mathrm{\Δ}}_f)/N}\right\}$

$=\mathrm{Re}\left\{e^{-j2\mathrm{\π}{\mathrm{\Δ}}_{f}l/N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{k^{\′}=0}{\overset{N-1}{\mathrm{\Σ}}}R\right[k\left]R^{*}\right[k^{\′}\left]P^{\left(0\right)}\right[{(k-f_d+s^{\left(0\right)})}_N\left]P^{\left(2\right)}\right[{(k^{\′}-f_d+s^{\left(2\right)})}_N\left]e^{j2\mathrm{\π}(k-k^{\′})l/N}\right\}.$

与等式(14)相似，约等方程式就可以记作

$\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{Re}\left\{A^{\left(0\right)}{\left(A^{\left(2\right)}\right)}^{*}\right\}$

$\≈\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{Re}\left\{e^{-j2\mathrm{\π}{\mathrm{\Δ}}_{f}l/N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|R\right[k\left]\right|}^2{P}^{\left(0\right)}\right[{(k-f_d+s^{\left(0\right)})}_N\left]P^{\left(2\right)}\right[{(k-f_d+s^{\left(2\right)})}_N\left]\right\}$

$=\mathrm{Re}\{\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{e}^{-j2\mathrm{\π}{\mathrm{\Δ}}_{f}l/N}\·B\}---\left(15\right)$

其中

$B=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|R\right[k\left]\right|}^2{P}^{\left(0\right)}\left[{(k-f_d+s^{\left(0\right)})}_N\right]P^{\left(2\right)}\left[{(k-f_d+s^{\left(2\right)})}_N\right]$

不是l的函数。令Δ_f＝N/2，等式(15)就可以写为

不失一般性，假设传输第0个PN序列，即0^thPN，P⁽⁰⁾。因此，考虑等式(14)以及等式(16)，等式(13)就可以记作

$\mathrm{\μ}(f_d,0)\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}({\left|t^{\left(0\right)}\right[l\left]\right|}^2+{\left|t^{\left(1\right)}\right[l\left]\right|}^2+{\left|t^{\left(2\right)}\right[l\left]\right|}^2+{\left|t^{\left(3\right)}\right[l\left]\right|}^2){\mathrm{\ξ}}_l+\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{2}{N^2}\left(\underset{p\≠q}{\mathrm{\Σ}}\mathrm{Re}\right\{A^{\left(p\right)}{\left(A^{\left(q\right)}\right)}^{*}\left\}\right){\mathrm{\ξ}}_l$

$\≈\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|t^{\left(0\right)}\right[l\left]\right|}^2{\mathrm{\ξ}}_l+\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{2}{N^2}\left(\underset{p\≠q}{\mathrm{\Σ}}\mathrm{Re}\right\{{\text{A}}^{\left(p\right)}{\left(A^{\left(q\right)}\right)}^{*}\left\}\right){\mathrm{\ξ}}_l$

$\≈\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|t^{\left(0\right)}\right[l\left]\right|}^2{\mathrm{\ξ}}_l$

如果任何两个截然不同的PN序列的互相关约为零，那么ξ_l对于所有的l就约为常数，而且L为偶数。从上述方程式，可以看出包含传输的PN序列的合并信号的码距可以接近传输的PN序列的码距。

上述例子考虑了N_p＝4的情况，假设对于不同的l.，ξ_l均为常数，则Δ_f以确定为N/2。而且，对于任何N_p，Δ_f可以选择如下

${\mathrm{\Δ}}_f=\frac{N}{\left[\frac{N_p}{2}\right]}$

如果ξ_l不是常数，上述选择并非最佳的选择，但是对于任何可能的ξ_l’而言上述选择均为一个合适的选择。

实践中，信道脉冲响应(channel impulse response，CIR)的统计特性都是未知的，所以码距就可以简化为

$\mathrm{\μ}(f_d,P^{\left(i\right)})=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|t^{\left(i\right)}\right[l\left]\right|}^2.$

如果使用以上码距来估计整数部分频率偏移以及应用的PN序列，那么性能会降低，如下式所示：

$({\hat{f}}_d,\hat{P})=\arg \underset{f_d,P^{\left(i\right)}}{\max }\mathrm{\μ}(f_d,P^{\left(i\right)}).$

既然

为已知，因此在等式(9)中，仅当

时，在码距计算中需要累加。因此，码距可以调整为

$\mathrm{\μ}(f_d,P^{\left(i\right)})=\underset{l\∈L_{N_{\mathrm{path}}}}{\mathrm{\Σ}}{\left|t^{\left(i\right)}\right[l\left]\right|}^2,$

其中，

为最大的N_path码距|t⁽ⁱ⁾[m]|²之一，其中m＝0，1，...，L-1}.。进一步说，既然 $|a+\mathrm{jb}|=\sqrt{a^2+b^2}\≈\max (a,b)+\min (a,b)/2={|a+\mathrm{jb}|}_a.,$ 所以|·|可以用来代替|·|²的运算以避免乘法的计算。而且，|·|_a运算可以用来接近|·|的运算。因此，最终所用的码距就可以记作

$\mathrm{\μ}(f_d,P^{\left(i\right)})=\underset{l\∈L_P}{\mathrm{\Σ}}{\left|t^{\left(i\right)}\right[l\left]\right|}_a$

$=\underset{l\∈L_P}{\mathrm{\Σ}}\max \left(\mathrm{Re}\right\{t^{\left(i\right)}\left[l\right]\},\mathrm{Im}\{t^{\left(i\right)}\left[l\right]\left\}\right)+\frac{1}{2}\min \left(\mathrm{Re}\right\{t^{\left(i\right)}\left[l\right]\},\mathrm{Im}\{t^{\left(i\right)}\left[l\right]\left\}\right)$

其中

为最大的N_path码距|t⁽ⁱ⁾[m]_a之一，其中m＝0，1，...，L-1}。等式(8)可以调整为

$\underset{k\≡\mathrm{seg}\left(\mathrm{mod}3\right)}{\mathrm{\Σ}}{\left|R\right[k\left]\right|}_a$

上述计算中，seg＝0，1，2，而且seg^*可以记作seg^*＝argmax_seg∑_{k≡seg(mod3)}|R[K]_a。

请参考图3至图7。图3为根据本发明的实施例的N_p＝3时的小区搜索算法的框图。图4-图6为在无线通信系统中利用图3中的小区搜索算法，实施小区搜索算法的实施例的流程图。图7为利用图3中的小区搜索算法而产生整数部分频率偏移集的实施例的流程图。请首先参阅图4，在无线通信系统中实施小区搜索的一个方法可以描述为如下步骤：

步骤400：接收前导信号。

步骤401：使用第一伪噪声序列对该前导信号实施匹配滤波，以形成第一已滤波前导信号。

步骤402：使用第二伪噪声序列对该前导信号实施匹配滤波，以形成第二已滤波前导信号。

步骤403：调整第二已滤波前导信号，以形成调整的已滤波前导信号。

步骤404：累加至少第一已滤波前导信号与调整的已滤波前导信号，以形成多个已累加前导信号中的一者。

步骤405：自多个已累加前导信号中选择一个最大的已累加前导信号。

步骤406：根据最大的已累加前导信号，确定估计的伪噪声序列指数以及估计的整数部分频率偏移。

步骤407：根据该估计的伪噪声序列指数以及该估计的整数部分频率偏移，使用至少第一伪噪声序列以及第二伪噪声序列对经延迟的前导信号实施匹配滤波，以形成多个已滤波前导信号，其中，第一伪噪声序列以及第二伪噪声序列对应估计的伪噪声序列指数以及估计的整数部分频率偏移。

步骤408：根据多个已滤波前导信号中的最大的已滤波前导信号，产生一个估计的伪噪声序列。

请参阅图3，在步骤400中接收到前导信号r[n]，然后使用第一PN序列以及第二PN序列对接收到前导信号r[n]实施匹配滤波，例如，第一PN序列为PN序列

而第二PN序列可以为PN序列

或者PN序列以分别形成第一已滤波前导信号以及第二已滤波前导信号(步骤401-402)。然后就可以调整第二已滤波前导信号，例如，通过实施相位旋转90°或者通过实施N/2载波偏移，以形成调整的已滤波前导信号(步骤403)。然后，累加至少第一已滤波前导信号以及调整的已滤波前导信号，以形成多个已累加前导信号中的一者(步骤404)，也可称之为合并码距。例如，步骤401-404可以重复进行，以覆盖PN序列与整数部分频率偏移的所有可能组合，如上述过程，就可以形成多个已累加前导信号。自多个已累加前导信号中，选择一个最大的(步骤405)，然后依赖于多个已累加前导信号中哪个具有最大值，就可以确定估计的PN序列指数

以及整数部分频率偏移

(步骤406)。然后，估计的PN序列指数

就可以对应一组N_p PN序列，例如，对应一个第一PN序列以及第二PN序列。在获得整数频率偏移

之前，就可以储存前导R(k)的FFT输出数据，其中k＝0，1，...，N-1。在得到估计的整数部分频率偏移

以及估计的PN序列指数之后，使用至少第一PN序列以及第二PN序列

对经延迟的前导信号实施匹配滤波，以形成多个已滤波前导信号也就是说，在多个延迟值处，根据估计的PN序列指数

以及估计的整数部分频率偏移使用该第一伪噪声序列对经延迟的该前导信号实施匹配滤波，以形成多个已滤波前导信号(步骤407)，其中，第一PN序列以及第二PN序列，例

如

对应估计的PN序列指数以及估计的整数部分频率偏移

依赖于多个已滤波前导信号中哪个最大，产生估计的PN序列(步骤408)也就是说，在选择出最大的码距之后，就可以产生估计的PN序列的指数，然后就可以完成小区搜索运作。请注意，使用至少该第一伪噪声序列以及该第二伪噪声序列对经延迟的该前导信号实施匹配滤波，以形成多个已滤波前导信号的步骤进一步包含：在多个延迟值处，使用至少该第一伪噪声序列以及该第二伪噪声序列该第一伪噪声序列对经延迟的该前导信号实施匹配滤波，以形成多个已滤波前导信号；其中，形成该第一已滤波前导信号的步骤包含：合并该多个已滤波前导信号以形成该第一已滤波前导信号。

请参阅图5，在无线通信系统中实施小区搜索的另一个方法包含如下步骤：

步骤500：接收前导信号。

步骤501：使用伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号中的一个。

步骤502：自多个已滤波前导信号中选择一个最大的。

步骤503：根据最大的已滤波前导信号确定估计的伪噪声序列指数以及估计的整数部分频率偏移。

图5中的方法与图4中的方法相似，首先接收前导信号r[n](步骤500)。然后，使用伪噪声序列，例如

对前导信号r[n]实施匹配滤波，以形成多个已滤波前导信号中的一个(步骤501)。例如，步骤501可以重复进行，以覆盖PN序列以及整数部分频率偏移的所有可能组合，而形成多个已滤波前导信号。自多个已滤波前导信号中选择一个最大的(步骤502)。然后，根据最大的已滤波前导信号确定估计的伪噪声序列指数

以及估计的整数部分频率偏移

(步骤503)。

请参阅图6，图6为在无线通信系统中实施小区搜索的又一个方法的流程图，包含以下步骤：

步骤600：接收前导信号。

步骤601：使用多个伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号。

步骤602：累加多个已滤波前导信号以形成多个已累加前导信号中的一个。

步骤603：自多个已累加前导信号中选择一个最大的。

步骤604：根据最大的已累加前导信号，确定估计的伪噪声序列指数以及估计的整数部分频率偏移。

步骤605：根据该估计的伪噪声序列指数以及估计的整数部分频率偏移，使用多个伪噪声序列，例如，至少第一伪噪声序列以及第二伪噪声序列对经延迟的前导信号实施匹配滤波，以形成估计的伪噪声序列指数以及估计的整数部分频率偏移，以形成多个已滤波前导信号中的一个，其中第一伪噪声序列以及第二伪噪声序列对应估计的伪噪声序列指数以及估计的整数部分频率偏移。

步骤606：根据多个已滤波前导信号中的最大的已滤波前导信号，产生一个估计的伪噪声序列。

如图6所示的方法中，在接收到前导信号(步骤600)之后，使用多个PN序列，例如

以及

对该前导信号实施匹配滤波，以形成多个已滤波前导信号(步骤601)。累加多个已滤波前导信号以形成多个已累加前导信号中的一个(步骤602)。然后，从多个已累加前导信号中选择一个最大的(步骤603)，根据最大的已累加前导信号，确定估计的PN序列指数

以及估计的整数部分频率偏移

(步骤604)。在这个点上，因为估计的PN序列指数

可以代表多于一个的已滤波前导信号，例如，三个已滤波前导信号，所以就可以在多个延迟值处，根据该估计的伪噪声序列指数以及估计的整数部分频率偏移，使用多个伪噪声序列中的每一个对经延迟的前导信号实施匹配滤波，以形成对应的多个副本，即多个已滤波前导信号，也就是说使用第一PN序列，例如以及第二PN序列，例如

第三PN序列，例如来对经延迟的前导信号实施匹配滤波，以形成多个已滤波前导信号(步骤605)，其中，第一PN序列以及第二PN序列对应估计的伪噪声序列指数以及估计的整数部分频率偏移。然后，根据多个已滤波前导信号中的最大的已滤波前导信号产生一个估计的伪噪声序列(步骤606)其中，使用多个伪噪声序列(至少第一伪噪声序列以及第二伪噪声序列)对经延迟的该前导信号实施匹配滤波，以形成多个已滤波前导信号的步骤包含：在多个延迟值处，使用多个伪噪声序列中每一者对经延迟的该前导信号实施匹配滤波，以形成对应的多个副本，即多个已滤波前导信号，以及合并该多个副本的每一者以形成对应经延迟的该前导信号的多个已滤波前导信号。

图7为用于减少搜索传输的PN序列以及整数部分频率偏移所需的次数而降低频域不确定性的方法。为了降低频域的不确定性，整数部分频率偏移集可以通过产生接收前导信号副载波的三个和而得到。在步骤700中产生相应的指数为3的倍数，即3n的副载波的幅度的第一和值值，例如，副载波0，副载波3，副载波6，以及副载波9等等的副载波。在步骤701中产生相应的指数是3的倍数偏移1，即3n加1的副载波的幅度的第二和值，例如副载波1，副载波4，副载波7以及副载波10等等的副载波。而且，在步骤702中产生相应的指数是3的倍数偏移2，即3n加2的副载波的幅度的第三和值，例如副载波2，副载波5，副载波8以及副载波11等等的副载波。透过检测第一和值，第二和值以及第三和值中的最大的值，即确定第一和值，第二和值以及第三和值中的最大和值(步骤703)，可以确定对应最大和的整数部分频率偏移集(步骤704)。例如，如果整数部分频率偏移为8个副载波，那么前导信号将仅仅在副载波8，副载波11，以及副载波14等载波处有值，而最大和值将为第三和值。从而，即将使用前导信号匹配滤波的整数部分频率偏移的候选者的数目就可以减少2/3，即，大致为前导信号匹配滤波的整数部分频率偏移的候选者的1/3，也就约为前导信号的副载波的数量的三分之一，或者约为前导信号的信道数量的三分之一，相应的，n的范围大致为1到前导信号匹配滤波信道数量的三分之一的整数。如图7所示的方法可以整合到图4，图5以及图6的方法中。

请参阅图8，图8为帧边界粗糙估计时，前导中用于计算码距的窗口的示意图。图8显示了前导部分。因为在粗糙的时序估计之后存在时序的误差，所以在CP间隔内的一个位置开始收集OFDM信号，以避免由时序误差引起的符号间干扰(inter-symbol interference，ISI)。窗口的长度W以及L取决于时序的不确定性以及延迟扩展。如图8所示，

$\mathrm{\μ}(f_d,P^{\left(i\right)})=\underset{l\∈L_{N_{\mathrm{path}}}}{\mathrm{\Σ}}\left|t^{\left(i\right)}{\left[l\right]}_a\right|$

其中， $L_{N_{\mathrm{path}}}=\{l:64-W\≤l\≤64+W+L-1,{\left|t^{\left(i\right)}\right[l\left]\right|}_a$ 为最大的N_path码距|t⁽ⁱ⁾[m]_a之一，其中m＝64-W，65-W，...，63+W+L}。完整的窗口长度为2W+L。

请参阅图9，图9为在前导中用于计算码距的另一个窗口的示意图。在图8中，仅仅考虑具有中等延迟扩展的信道。尽管如此，有时也会遇到具有较大延迟扩展的信道，例如SUI-5信道。在此情况下，可以调整窗口长度W到足够大，使得可以覆盖多路径延迟扩展。但是，AWGN信道的性能将由于使用较大的窗口长度W而降低。因此，本发明提供了对于具有较大延迟扩展的AWGN信道以及衰落信道具有同样鲁棒性的方法。

选择码距的窗口可以调整为 $L_{N_{\mathrm{path}}}=\{l:T_{\mathrm{shift}}-W\≤l\≤T_{\mathrm{shift}}+W+1,{\left|t^{\left(i\right)}\right[l\left]\right|}_a$ 为最大的N_path码距|t⁽ⁱ⁾[m]_a之一，其中，m＝T_shift-W，T_shift-W+1，...，T_shift+W}.。而且，窗口总长度可以为2W+1。如图9中的调整示意图所示。

请参阅图10，图10为估计噪声项码距的窗口的示意图。正如图10所示，选择长度为W_noise的窗口用于估计噪声项的码距。对于估计噪声项的码距而言，不仅需要仔细选择窗口长度，而且还需要认真选择窗口位置。如图10所示，噪声项的码距可以从位置T_shift+N_CP到T_shift+N_CP+W_noise-1进行平均。也就是说，噪声项

的估计码距可以如下等式所示：

${\widehat{\mathrm{\μ}}}_{\mathrm{noise}}=\frac{1}{W_{\mathrm{noise}}}\underset{t=T_{\mathrm{shift}}+N_{\mathrm{CP}}}{\overset{T_{\mathrm{shift}}+N_{\mathrm{CP}}+W_{\mathrm{noise}}-1}{\mathrm{\Σ}}}{\left|t^{\left(i\right)}\right[l\left]\right|}_a.$

然后，可以设定阈值＝eta×噪声项，即

如果最大的码距比阈值大，那么码距

不改变。否则，就使用仅最大的两个码距|t⁽ⁱ⁾[l]_a累加条件下的码距

如图11所示，图11为用于确定合并多路径码距的数目的阈值的示意图。对于较高的SNR，很小，μ_thres也很小。因此，μ(f_d，P⁽ⁱ⁾)中累加的码距的数目通常为N_path。对于较低的SNR，上述数目通常为2。对于AWGN信道而言，系统通常运行在SNR较低的情况下。

因此，在上述情况下，当计算合并信号的码距时，可以计算如下等式：

$\mathrm{\μ}(f_d,i_g)=\left\{\begin{array}{cc}{\mathrm{\Σ}}_{l\∈L_{N_{\mathrm{path}}}}{\left|{\mathrm{\φ}}^{\left(i_g\right)}\right[l\left]\right|}_a,& \mathrm{if}{\max }_{l\∈L_{N_{\mathrm{path}}}}{\left|{\mathrm{\φ}}^{\left(i_g\right)}\right[l\left]\right|}_a>{\mathrm{\η}}_1\·{\widehat{\mathrm{\μ}}}_{\mathrm{noise}}\\ {\mathrm{\Σ}}_{l\∈L_2}{\left|{\mathrm{\φ}}^{\left(i_g\right)}\right[l\left]\right|}_a,& \mathrm{otherwise}\end{array}\right.,$

其中，f_d≡seg^*(mod3)以及i_g＝0，1，...，[114/N_p]-1.

同样的，当计算N_p个PN序列

的码距时，需要计算下面的等式：

$\widetilde{\mathrm{\μ}}\left(P^{\left(i\right)}\right)=\left\{\begin{array}{cc}{\mathrm{\Σ}}_{l\∈L_{N_{\mathrm{path}}}}{\left|t^{\left(i\right)}\right[l\left]\right|}_a,& \mathrm{if}{\max }_{l\∈L_{N_{\mathrm{path}}}}{\left|t^{\left(i\right)}\right[l\left]\right|}_a>{\mathrm{\η}}_2\·{\widehat{\mathrm{\μ}}}_{\mathrm{noise}}\\ {\mathrm{\Σ}}_{l\∈L_2}{\left|t^{\left(i\right)}\right[l\left]\right|}_a,& \mathrm{otherwise}\end{array}\right.$

其中， $i={\hat{i}}_g{N}_P,{\hat{i}}_g{N}_P+1,...,{\hat{i}}_g{N}_P+N_P-1.$

总之，本发明描述了考虑非零均值的整数部分频率偏移的小区搜索算法。联合(Joint)整数部分频率偏移以及传输PN序列估计因子(estimator)可以基于最大似度(Maximum-Likelihood，ML)标准而导出。较优的实现需要格拉姆-施密特(Gram-Schmidt)程序，以减轻由PN序列的非类似脉冲自生相关(non-impulse-likeauto-correlation)引起的干扰，而格拉姆-施密特(Gram-Schmidt)程序复杂度很高。因此，为简化复杂度可以导出次优实现。导出的小区搜索算法的核心运算可以通过实施IFFT运算而减少复杂度。本发明提供了具有较小的性能降低的，用于减少整数频偏及PN序列的不确定性的方法，可以在低成本情况下实现快速小区搜索。

任何本领域技术人员在不脱离本发明精神和范围内，当可做些许的更动与润饰，因此本发明的保护范围当视所附权利要求所界定者为准。

Claims (9)

1.一种在无线通信系统中实施小区搜索的方法，该方法包含：

接收前导信号；

使用第一伪噪声序列对该前导信号实施第一匹配滤波，以得到第一已滤波前导信号；

使用第二伪噪声序列对该前导信号实施第二匹配滤波，以得到第二已滤波前导信号；

调整该第二已滤波前导信号，以形成调整的已滤波前导信号；

累加至少该第一已滤波前导信号以及该调整的已滤波前导信号以形成多个已累加前导信号中的一个；

重复实施该第一匹配滤波步骤、该第二匹配滤波步骤、该调整步骤以及该累加步骤，以形成该多个已累加前导信号；

自该多个已累加前导信号中选择最大的已累加前导信号；

根据该最大的已累加前导信号，确定估计的伪噪声序列指数以及估计的整数部分频率偏移；

根据该估计的伪噪声序列指数以及该估计的整数部分频率偏移，使用至少该第一伪噪声序列以及该第二伪噪声序列对经延迟的该前导信号实施匹配滤波，以形成多个已滤波前导信号，其中，该第一伪噪声序列以及该第二伪噪声序列对应该估计的伪噪声序列指数以及该估计的整数部分频率偏移；以及

根据该多个已滤波前导信号中最大的已滤波前导信号，产生一估计的伪噪声序列。

2.如权利要求第1项所述的在无线通信系统中实施小区搜索的方法，其特征在于，进一步包含：

产生该前导信号的信道数为3n的幅度的第一和值；

产生该前导信号的信道数为3n加1的幅度的第二和值；

产生该前导信号的信道数为3n加2的幅度的第三和值；

确定该第一和值、该第二和值以及该第三和值中的最大和值；以及

根据该最大和值确定整数部分频率偏移集；

其中，n的范围为1到该前导信号的信道的数量的三分之一的整数；以及

其中，接收该前导信号为接收具有该整数部分频率偏移集的整数部分频率偏移的前导信号偏移。

3.如权利要求第1项所述的在无线通信系统中实施小区搜索的方法，其特征在于，调整该第二已滤波前导信号，以形成调整的已滤波前导信号的步骤为相位旋转该第二已滤波前导信号，以形成该调整的已滤波前导信号。

4.如权利要求第1项所述的在无线通信系统中实施小区搜索的方法，其特征在于，调整该第二已滤波前导信号，以形成调整的已滤波前导信号的步骤为载波偏移该第二已滤波前导信号以形成该调整的已滤波前导信号。

5.一种在无线通信系统中实施小区搜索的方法，该方法包含：

接收前导信号；

使用伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号中的一个；

重复该匹配滤波步骤，形成多个已滤波前导信号；

自该多个已滤波前导信号中选择最大的已滤波前导信号；以及

根据该最大的已滤波前导信号确定估计的伪噪声序列指数以及估计的整数部分频率偏移，

其中使用伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号中的一个的步骤包含：在多延迟值处使用该多个伪噪声序列分别对经延迟的该前导信号实施匹配滤波，以形成多个副本已滤波前导信号，并且将该多个副本已滤波前导信号合并形成该已滤波前导信号中的一个。

6.如权利要求第5项所述的在无线通信系统中实施小区搜索的方法，其特征在于，进一步包含：

产生该前导信号的信道数为3n的幅度的第一和值；

产生该前导信号的信道数为3n加1的幅度的第二和值；

产生该前导信号的信道数为3n加2的幅度的第三和值；

确定该第一和值，该第二和值以及该第三和值中最大和值；以及

根据该最大和值确定整数部分频率偏移集；

其中，n的范围为1到该前导信号的信道的数量的三分之一的整数；以及

其中，接收该前导信号为接收具有该整数部分频率偏移集的一整数部分频率偏移的前导信号。

7.一种在无线通信系统中实施小区搜索的方法，该方法包含：

接收前导信号；

使用多个伪噪声序列对该前导信号实施匹配滤波，以形成多个已滤波前导信号；

累加该多个已滤波前导信号以形成多个已累加前导信号中的一个；

重复实施该匹配滤波步骤、该累加步骤，以形成该多个已累加前导信号；

自该多个已累加前导信号中选择最大的已累加前导信号；以及

根据该最大的已累加前导信号确定估计的伪噪声序列指数以及估计的整数部分频率偏移；

根据该估计的伪噪声序列指数以及该估计的整数部分频率偏移，使用至少第一伪噪声序列以及第二伪噪声序列对经延迟的该前导信号实施匹配滤波，以形成多个已滤波前导信号，其中，该第一伪噪声序列以及该第二伪噪声序列对应该估计的伪噪声序列指数以及该估计的整数部分频率偏移；以及

自多个已滤波前导信号中的该最大的已滤波前导信号，产生估计的伪噪声序列。

8.如权利要求第7项所述的在无线通信系统中实施小区搜索的方法，其特征在于，包含：

产生该前导信号的信道数为3n的幅度的第一和值；

产生该前导信号的信道数为3n加1的幅度的第二和值；

产生该前导信号的信道数为3n加2的幅度的第三和值；

确定该第一和值，该第二和值以及该第三和值中最大和值；以及

根据该最大和值确定整数部分频率偏移集；

其中，n的范围为1到该前导信号的信道的数量的三分之一的整数；以及

其中，接收该前导信号为接收具有该整数部分频率偏移集的整数部分频率偏移的前导信号。

9.如权利要求第8项所述的在无线通信系统中实施小区搜索的方法，其特征在于，使用至少第一伪噪声序列以及第二伪噪声序列对经延迟的该前导信号实施匹配滤波，以形成多个已滤波前导信号的步骤包含：

在多个延迟值处，使用多个伪噪声序列中每一者对经延迟的该前导信号实施匹配滤波，以形成对应的多个副本；以及

合并该多个副本的每一者以形成对应经延迟的该前导信号的多个已滤波前导信号。

Images