CN101958746B - 无线终端的粗同步方法 - Google Patents

Abstract

本发明涉及无线通信领域，公开了一种无线终端的粗同步方法。本发明中，使用四个区域的特征窗，在a和c两个区域的归一化功率特征信息中取最小值，除以b和d两个区域的归一化功率特征信息的最大值，以得到R(n)，有效地克服了在计算R(n)时在时隙边上出现峰值的可能性，大大的降低了误检测率，并且提高了漏检测性能，在实际情况中粗同步漏检测性能可以提高3db。

Description

无线终端的粗同步方法

技术领域

本发明涉及无线通信领域，特别涉及无线终端的粗同步技术。 

背景技术

在时分同步码分多址(Time Division Synchronous Code DivisionMultiple Access，简称“TD-SCDMA”)，长期演进(Long Term Evolution，简称“LTE”)等通讯系统中，无线终端在开机后，需要进行小区的检测，并且检测出小区的同步信息(如在TD-SCDMA中，需要检测出子帧的同步信息)。 

在一般的通讯系统中，都包含有自相关和互相关特性比较好的导频序列，无线终端可以通过对接收到的信息用导频序列进行相关，来检测出小区的同步信息，但是由于在一个周期内(如TD-SCDMA中的1个子帧)进行相关，需要耗费很大的运算量，这会增加无线终端的功耗和成本；所以我们需要寻求其它的方法来检测出粗同步信息，比如可以通过通讯系统的功率特征信息(如TD-SCDMA子帧中的功率特征信息)来检测小区的粗同步信息，并且在小范围内再通过相关等方法检测其小区的精确同步信息和对应的训练序列码信息。 

TD-SCDMA系统中，终端中普遍使用功率特征窗来检测TD小区的粗同步信息，TD-SCDMA的子帧结构如图1所示。 

其中，在每个时隙(Time Slot，简称“TS”)的最后16个Chip(码片)为Gap(空隙)，在下行导频时隙(Downlink Pilot Time Slot，简称“DwPTS”)的前32个Chip为Gap，且在Gap时间段中基站无信息发送，所以子帧的第2个Slot前的功率特征信息如图2所示，其中最后160chip上行导频时隙(Uplink Pilot Time Slot，简称“UpPTS”)为手机接入时的发送信号，有可能无功率。 

TD-SCDMA系统中普遍采用的方法是利用64chip的Dwpts，以及其前面和后面32个Chip的Gap来检测粗同步信息，如图3所示。 

在图2和图3的Gap中，虽然基站无发送信息，但是在接收端，由于噪声的存在，所以无线终端还会收到一定的信号功率，所以在图2和图3中，Gap中还画上了一定的幅度。 

这样，计算接收信号第n点开始的 

$R_j\left(n\right)=\frac{b_j\left(n\right)}{(a_j\left(n\right)+c_j\left(n\right))}$ (公式1) 

其中： 

$a_j\left(n\right)=\underset{i=0}{\overset{32-1}{\mathrm{\Σ}}}\mathrm{RxDataPower}(n*\mathrm{NStepSize}+i)$ (公式2) 

$b_j\left(n\right)=\underset{i=0}{\overset{64-1}{\mathrm{\Σ}}}\mathrm{RxDataPower}(n*\mathrm{NStepSize}+32+i)$ (公式3) 

$c_j\left(n\right)=\underset{i=0}{\overset{32-1}{\mathrm{\Σ}}}\mathrm{RxDataPower}(n*\mathrm{NStepSize}+32+64+i)$ (公式4) 

其中RxDataPower(m)为无线终端收到的信号功率(步长为Chip)。在1个子帧内，以一定的步长(NStepSize Chip)滑动n，求R_j(n)，n＝0，1，2，3...N-1；N*NStepSize为一个子帧包含的Chip数目。再求R_j(n)中的最大值及其位置Pos_j；并且对多个子帧求Pos_j，j＝0，1，2...J-1；J为粗同步使用的子帧数，判决J个子帧中是否存在M(M＜＝J)个子帧的同步点位置(Pos_j)偏差小于门限，如果是粗同步成功，并且得出其同步点位置FinPos。 

上述的粗同步检测方法，不仅漏检测性能不如人意，还会存在很大的误 检测概率，在实际网络中会碰到如下问题： 

首先，如果不是BCH载波(无Dwpts和UpPTS信号)，通过上面的方法计算R_j(n)，会在时隙的边上出现峰值，因而会误解为BCH载波且粗同步成功。 

其次，若无线终端周边有其他无线终端在发送信号，则本无线终端会接收到，且其接收功率可能要比接收基站功率大(其他无线终端可能离本终端的距离比基站离本无线终端的距离要近的多)。若此时本无线终端正在进行粗同步检测，则计算出的R_j(n)会在其他无线终端发射的时隙边上出现很强的峰，导致检测出的同步位置不准确。 

再次，计算出的R_j(n)在时隙边上有可能存在很大的峰值，且常常会出现某些子帧的在时隙边上的R_j(n)会大于Dwpts位置的R_j(n)值，这样在J个子帧中Pos_j值靠近的子帧数常常会小于M，导致粗同步失败，影响漏检测性能。 

发明内容

本发明的目的在于提供一种无线终端的粗同步方法，可以大大降低粗同步的误检测率，并且在实际情况中粗同步漏检测性能可以提高3db。 

为解决上述技术问题，本发明的实施方式提供了一种无线终端的粗同步方法，包括以下步骤： 

接收无线信号并进行下采样，根据采样值在第j个功率特征窗周期中计算得到N个功率值； 

在预先设定的依次排列的四个区域中，分别计算功率值之和，得到四个区域的功率特征a_j(n)，b_j(n)，c_j(n)，d_j(n)； 

对a_j(n)，b_j(n)，c_j(n)，d_j(n)进行归一化，得到四个区域的归一化功率特征norm_a_j(n)，norm_b_j(n)，norn_c_j(n)，norm_d_j(n)； 

计算归一化功率特征norm_aj(n)和norm_c_j(n)中的最小值min_norm_ac_j(n)，计算归一化功率特征norm_b_j(n)和norm_d_j(n)中的最大值max_norm_bd_j(n)； 

计算R_j(n)＝(min_norm_ac_j(n)+η)/(max_norm_bd_j(n)+ε)； 

计算R_j(n)向量中的最大值及该最大值的位置； 

重复执行上述各步骤，得到J个功率特征窗周期中R_j(n)向量中的最大值的位置，并联合判决得到粗同步的同步点位置； 

其中，n＝0，1，2，...N-1；j＝0，1，2...J-1，η和ε是作为修正值的实数。 

本发明实施方式与现有技术相比，主要效果在于： 

有效地克服了在计算R(n)时在时隙边上出现峰值的可能性，大大地降低了误检测率，并且提高了漏检测性能，在实际情况中漏检测性能可以提高3db。 

附图说明

图1是现有技术中TD-SCDMA的子帧结构示意图； 

图2是现有技术中TD-SCDMA的子帧的第2个Slot前的功率特征信息示意图； 

图3是现有技术中TD-SCDMA利用64chip的Dwpts，以及其前面和后面32个Chip的Gap来检测粗同步信息的示意图； 

图4是本发明优选实施方式中无线终端的粗同步方法流程示意图； 

图5是本发明优选实施方式中所使用的有4段功率特征信息的特征窗示意图； 

图6是本发明另一实施方式中所使用的带有Gap的特征窗示意图； 

具体实施方式

在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。 

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。 

本发明的技术方案可以应用于TD-SCDMA和LTE等无线通信系统中。本发明各实施方式中所称的“功率特征窗周期”为系统的信号的发送周期。对于TD-SCDMA系统来说，功率特征窗周期为子帧；对于LTE系统来说，功率特征窗周期为帧或者半帧。 

本发明的无线终端的粗同步方法的优选实施方式的流程如图4所示。 

在步骤401中，计算第j功率特征窗周期接收信号的功率，设收到的信号为RxData_j(p)，p＝0，1，2...P-1，对于一般的通讯系统来说RxData_j(p)为复信号，包含I和Q两路信号； 

按照系统的精度要求，可以先对RxData_j(p)进行下采样，并且计算RxDataPow_j(q)； 

RxDataPow_j(q)＝RxData_j(q*DownSampRate+m)*conj(RxData_j(q*DownSampRate+m)) (公式5) 

其中DownSampRate为下采样率(可以为1，2，3...)，m为0，1...DownSampRate-1中的任意值，conj(a)为对a求共轭；q为0，1，2...Q-1；j＝0，1，2...J-1。 

此后进入步骤402，对NStepSize个点的功率进行求和 

${\mathrm{RxDataPowStep}}_j\left(k\right)=\underset{s=0}{\overset{\mathrm{NstepSize}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPow}}_j(k^{*}\mathrm{NStepSize}+s);$           (公式6) 

其中，k＝0，1...K-1。 

此后进入步骤403，在预先设定的依次排列的四个区域中，分别计算功率值之和，得到四个区域的功率特征a_j(n)，b_j(n)，c_j(n)，d_j(n)。 

本发明的各实施方式中，计算a_j(n)，b_j(n)，c_j(n)，d_j(n)中说明的“依次排列”不是指四个区域必须无缝连接，仅是指有先后顺序，四个区域之间可以是无缝的，也可以有预定长度的空隙。 

现有技术的算法使用了功率特征的3段信息，计算a_j(n)，b_j(n)，c_j(n)，，如图3所示。本发明对现有技术的算法进行了改进，共使用4段功率特征信息的特征窗，如图5所示。 

在TD-SCDMA中，在同步点对上时，a区域为Subframe中Ts0的部分或者全部的接收信息，b区域对应于48chip Gap部分或者全部的接收数据，c区域对应于64Chip Dwpts部分或者全部的接收数据，d区域对应于96Chip Gap的部分或者全部接收数据，对于其它通讯系统，如LTE，可以对应于其相应的位置区域。 

计算 $a_j\left(n\right)=\underset{t=0}{\overset{\mathrm{La}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(n+t)$                             (公式7) 

计算 $b_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Lb}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(n+\mathrm{La}+t)$                         (公式8) 

计算 $c_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Lc}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(n+\mathrm{La}+\mathrm{Lb}+t)$                          (公式9) 

计算 $d_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Ld}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(n+\mathrm{La}+\mathrm{Lb}+\mathrm{Lc}+t)$                       (公式10) 

其中，n＝0，1，2，...N-1。 

为了减少运算量，可以对a_j(n)，b_j(n)，c_j(n)，d_j(n)的运算进行优化，即先通过公式7～10计算a_j(0)，b_j(0)，c_j(0)，d_j(0)；再计算a_j(n)，b_j(n)，c_j(n)，d_j(n)，n＝1，2，...N-1。具体如下： 

$a_j\left(0\right)=\underset{t=0}{\overset{\mathrm{La}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j\left(t\right)$

$b_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Lb}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(\mathrm{La}+t)$

$c_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Lc}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(\mathrm{La}+\mathrm{Lb}+t)$

$d_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Ld}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(\mathrm{La}+\mathrm{Lb}+\mathrm{Lc}+t)$

a_j(n)＝a_j(n-1)+RxDataPowStep_j(n+La-1)-RxDataPowStep_j(n-1)        (公式11) 

b_j(n)＝b_j(n-1)+RxDataPowStep_j(n+La+Lb-1)-RxDataPowStep_j(n+La-1)    (公式12) 

c_j(n)＝c_j(n-1)+RxDataPowStep_j(n+La+Lb+Lc-1)-RxDataPowStep_j(n+La+Lb-1) 

                                                              (公式13) 

d_j(n)＝d_j(n-1)+RxDataPowStep_j(n+La+Lb+Lc+Ld-1)-RxDataPowStep_j(n+La+Lb+Lc-1) 

                                                               (公式14) 

此后进入步骤404，对a_j(n)，b_j(n)，c_j(n)，d_j(n)进行归一化，得到四个区域的归一化功率特征norm_a_j(n)，norm_b_j(n)，norm_c_j(n)，norm_d_j(n)。 

由于La，和Lc，Lb和Ld的长度值很可能不相同，所以需要对其a_j(n)，b_j(n)，c_j(n)，d_j(n)值进行归一化。 

归一化实现的方法有多种，下面列举几种 

方法1： 

计算norm_a_j(n)＝a_j(n)/La                            (公式15) 

计算norm_b_j(n)＝b_j(n)/Lb                                  (公式16) 

计算norm_c_j(n)＝c_j(n)/Lc                                  (公式17) 

计算norm_d_j(n)＝d_j(n)/Ld                                  (公式18) 

方法2：计算norm_a_j(n)＝a_j(n)*Lc/La，norm_b_j(n)＝b_j(n)*Ld/Lb， 

norm_c_j(n)＝c_j(n)，norm_d_j(n)＝d_j(n)； 

方法3：计算norm_a_j(n)＝a_j(n)，norm_b_j(n)＝b_j(n)， 

norm_c_j(n)＝c_j(n)*La/Lc，norm_d_j(n)＝d_j(n)*Lb/Ld； 

方法4：计算norm_a_j(n)＝a_j(n)*Lc/La，norm_b_j(n)＝b_j(n)， 

norm_c_j(n)＝c_j(n)，norm_d_j(n)＝d_j(n)*Lb/Ld； 

方法5：计算norm_a_j(n)＝a_j(n)，norm_b_j(n)＝b_j(n)*Ld/Lb， 

norm_c_j(n)＝c_j(n)*La/Lc，norm_d_j(n)＝d_j(n)； 

方法6：计算norm_a_j(n)＝a_j(n)*β₁，norm_b_j(n)＝b_j(n)*β₂， 

norm_c_j(n)＝c_j(n)*β₃，norm_d_j(n)＝d_j(n)*β₄； 

方法7：计算norm_a_j(n)＝a_j(n)，norm_b_j(n)＝b_j(n)， 

norm_c_j(n)＝c_j(n)，norm_d_j(n)＝d_j(n)； 

其中，β₁，β₂，β₃，β₄为和La，Lb，Lc，Ld相关的参数，n＝0，1，2，...N-1。 

此后进入步骤405，计算R_j(n)。 

求norm_a_j(n)和norm_c_j(n)的最小值，并且求norm_b_j(n)和norm_d_j(n)的最大值： 

min_norm_ac_j(n)＝min(norm_a_j(n)，norm_c_j(n))              (公式19) 

max_norm_bd_j(n)＝max(norm_b_j(n)，norm_d_j(n))              (公式20) 

求R_j(n)＝min_norm_ac_j(n)/max_norm_bd_j(n)；                (公式21) 

其中，n＝0，1，2，...N-1。 

此后进入步骤406，计算R_j(n)向量中的最大值和该最大值所对应的位置。 

对向量R_j(n)n＝0，1，...N-1，求最大值；设其最大值为Max_R_j，对应位置为Max_Pos_j。 

此后进入步骤407，判断是否已拥有J个功率特征窗周期中的R_j(n)向量最大值所对应位置Max_Pos的数据，如果是则进入步骤408，否则回到步骤401。其中J为粗同步所使用的功率特征窗周期的数目。 

换句话说，步骤401至406需要连续循环J次，在连续J个功率特征窗周期中求得R_j(n)向量中最大值所对应的位置，以便更为准确地判定粗同步的同步点位置。 

在步骤408中，根据J个功率特征窗周期中的Max_Pos_j，联合判决求粗同步的同步点位置FinPos。 

下面说明判决粗同步是否成功，并且得出粗同步检测位置FinPos的一种方案。 

先计算各个功率特征窗周期检测出同步位置之间的偏差 

Pos_dist(u，v)＝|Max_Pos_u-Max_Pos_v|，                     (公式22) 

其中，u＝0，1，2...J-1，v＝0，1，2...J-1。 

对于每个u，统计Pos_dist(u，v)小于(或者小于等于)门限DistThresh的个数，v＝0，1，2...J-1；设其为NumInThresh(u)； 

在NumInThresh(u)中求最大值，设其为 MaxNumInThresh＝max(NumInThresh(u))，u＝0，1，2...J-1；设MaxNumU为NumInThresh(u)中值为MaxNumInThresh的各成员所对应的功率特征窗周期号的集合。 

如果MaxNumInThresh大于(或者大于等于门限)M，那么认为粗同步成功。 

MaxNumU是个集合，如果其成员数只有1个，求最后检测出的粗同步位置FinPos＝Max_Pos_MaxNumU；如果其成员不止一个，FinPos可以在 

中任选一个或者求其平均。 

计算FinPos还可以通过其它方法进行平均，由于具体的平均算法不是本发明的核心，这里不再进行描述。 

上面说明的是本发明的一个优选实施方式，本发明并不限于这种实施方式，还可以对此实施方式进行各种各样的变化，下面举一些变化的例子，这些变化相互之间还可以组合。 

变化一：步骤401和步骤402可以合并为一个步骤，直接求RxDataPowStep_j(k)，即 

${\mathrm{RxDataPowStep}}_j\left(k\right)=\underset{s=0}{\overset{\mathrm{NstepSize}-1}{\mathrm{\Σ}}}{\left|{\mathrm{RxData}}_j((k*\mathrm{NStepSize}+s)*\mathrm{DownSampRate}+m)\right|}^2$

                                                      (公式23) 

m为0～DownSampRate-1中的任意值，k＝0，1，2，...K-1。 

变化二：在步骤403中使用带有Gap(空隙)的特征窗。 

a_j(n)，b_j(n)，c_j(n)，c_j(n)还可以使用如图6所示的特征窗。该特征窗可以替代图5所示的特征窗。 

a_j(n)，b_j(n)，c_j(n)，c_j(n)的计算方法也相应地变化为如下方式： 

计算 $a_j\left(n\right)=\underset{t=0}{\overset{\mathrm{La}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(n+t)$ (公式24) 

计算 $b_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Lb}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(n+\mathrm{La}+\mathrm{Lga}+t)$ (公式25) 

计算 $c_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Lc}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(n+\mathrm{La}+\mathrm{Lga}+\mathrm{Lb}+\mathrm{Lgb}+t)$ (公式26) 

计算 $d_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Ld}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(n+\mathrm{La}+\mathrm{Lga}+\mathrm{Lb}+\mathrm{Lgb}+\mathrm{Lc}+\mathrm{Lgc}+t)$ (公式27) 

其中，n＝0，1，2，...N-1。 

为了减少运算量，可以对a_j(n)，b_j(n)，c_j(n)，d_j(n)的运算进行优化。 

先通过公式7～10计算a_j(0)，b_j(0)，c_j(0)，d_j(0)；再计算a_j(n)，b_j(n)，c_j(n)，d_j(n)，n＝1，2，...N-1。具体地说： 

$a_j\left(0\right)=\underset{t=0}{\overset{\mathrm{La}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j\left(t\right)$

$b_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Lb}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(\mathrm{La}+\mathrm{Lga}+t)$

$c_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Lc}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(\mathrm{La}+\mathrm{Lga}+\mathrm{Lb}+\mathrm{Lgb}+t)$

$d_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Ld}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(\mathrm{La}+\mathrm{Lga}+\mathrm{Lb}+\mathrm{Lgb}+\mathrm{Lc}+\mathrm{Lgc}+t)$

a_j(n)＝a_j(n-1)+RxDataPowStep_j(n+La-1)-RxDataPowStep_j(n-1)       (公式28) 

b_j(n)＝b_j(n-1)+RxDataPowStep_j(n+La+Lga+Lb-1)-RxDataPowStep_j(n+La+Lga-1) 

                                                                (公式29) 

c_j(n)＝c_j(n-1)+RxDataPowStep_j(n+La+Lga+Lb+Lgb+Lc-1)... 

       -RxDataPowStep_j(n+La+Lga+Lb+Lgb-1)                       (公式30) 

d_j(n)＝d_j(n-1)+RxDataPowStep_j(n+La+Lga+Lb+Lgb+Lc+Lgc+Ld-1)... 

-RxDataPowStep_j(n+La+Lga+Lb+Lgb+Lc+Lgc-1)              (公式31) 

其中，n＝1，2，...N-1，La为a区域的步长数，Lb为b区域的步长数，Lc为c区域的步长数，Ld为d区域的步长数，Lga为a区域与b区域之间空隙的步长数，Lgb为b区域与c区域之间空隙的步长数，Lgc为c区域与d区域之间空隙的步长数。 

变化3：步骤405中的公式21，即计算R_j(n)的公式，可以修改为如下形式： 

R_j(n)＝(min_norm_ac_j(n)+η)/(max_norm_bd_j(n)+ε)，其中η和ε为修正值。 

虽然通过参照本发明的某些优选实施方式，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，例如将上述方法的步骤在实现时合并为一个步骤、或者对某些步骤进行拆分分解为多个步骤、或者对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计等，而不偏离本发明的精神和范围。 

Claims (21)

1.一种无线终端的粗同步方法，其特征在于，包括以下步骤：

接收无线信号并进行下采样，根据采样值在第j个功率特征窗周期中计算得到N个功率值；

在预先设定的依次排列的四个区域中，分别计算功率值之和，得到四个区域的功率特征a_j(n)，b_j(n)，c_j(n)，d_j(n)；

对a_j(n)，b_j(n)，c_j(n)，d_j(n)进行归一化，得到四个区域的归一化功率特征norm_a_j(n)，norm_b_j(n)，norm_c_j(n)，norm_d_j(n)；

计算归一化功率特征norm_a_j(n)和norm_c_j(n)中的最小值min_norm_ac_j(n)，并计算归一化功率特征norm_b_j(n)和norm_d_j(n)中的最大值max_norm_bd_j(n)；

计算R_j(n)＝(min_norm_ac_j(n)+η)/(max_norm_bd_j(n)+ε)；

计算R_j(n)向量中的最大值及该最大值的位置；

重复执行上述各步骤，得到J个功率特征窗周期中R_j(n)向量中的最大值的位置Max_Pos_j，并联合判决这J个功率特征窗周期中的Max_Pos_j值，得到粗同步的同步点位置；

其中，n＝0，1，2，...N-1；j＝0，1，2...J-1，η和ε是作为修正值的实数。

2.如权利要求1所述的无线终端的粗同步方法，其特征在于，该无线终端是时分同步码分多址系统的终端，所述功率特征窗周期是子帧。

3.如权利要求1所述的无线终端的粗同步方法，其特征在于，该无线终端是长期演进系统的终端，所述功率特征窗周期是帧或者半帧。

4.如权利要求1所述的无线终端的粗同步方法，其特征在于，

η＝0，ε＝0。

5.如权利要求1所述的无线终端的粗同步方法，其特征在于，所述根据采样值在第j个功率特征窗周期中计算得到N个功率值的步骤包括以下子步骤：

计算采样点的功率RxDataPow_j(q)

RxDataPow_j(q)＝RxData_j(q^*DownSampRate+m)^*conj(RxData_j(q^*DownSampRate+m))；

对NStepSize个点的功率进行求和

${\mathrm{RxDatapowStep}}_j\left(k\right)=\underset{s=0}{\overset{\mathrm{NStepSize}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPow}}_j(k*\mathrm{NStepSize}+s);$

其中，RxData_j(p)为收到的信号，DownSampRate为对RxData_j(p)进行下采样的下采样率，m为0，1...DownSampRate-1中的任意值，conj(a)为对a求共轭，NStepSize为粗同步时域上的分辨率，p＝0，1，2...P-1，k＝0，1...K-1，q＝0，1，2...Q-1。

6.如权利要求1所述的无线终端的粗同步方法，其特征在于，所述根据采样值在第j个功率特征窗周期中计算得到N个功率值的步骤中，根据以下公式求得每个功率值：

${\mathrm{RxDataPowStep}}_j\left(k\right)\underset{s=0}{\overset{\mathrm{NStepSize}-1}{\mathrm{\Σ}}}{\left|{\mathrm{RxData}}_j((k*\mathrm{NStepSize}+s)*\mathrm{DownSampRate}+m)\right|}^{2,}$

其中，RxData_j(p)为收到的信号，DownSampRate为对RxData_j(p)进行下采样的下采样率，m为0，1...DownSampRate-1中的任意值，NStepSize为粗同步时域上的分辨率，p＝0，1，2...P-1，k＝0，1...K-1，q＝0，1，2...Q-1。

7.如权利要求1所述的无线终端的粗同步方法，其特征在于，计算a_j(n)，b_j(n)，c_j(n)，d_j(n)的所述依次排列的四个区域是无缝地首尾连接的四个区域。

8.如权利要求7所述的无线终端的粗同步方法，其特征在于，通过以下方式计算a_j(n)，b_j(n)，c_j(n)，d_j(n)：

$a_j\left(n\right)=\underset{t=0}{\overset{\mathrm{La}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(n+t)$

$b_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Lb}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(n+\mathrm{La}+t)$

$c_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Lc}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(n+\mathrm{La}+\mathrm{Lb}+t)$

$d_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Ld}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(n+\mathrm{La}+\mathrm{Lb}+\mathrm{Lc}+t)$

其中，La为a区域中的步长数，Lb为b区域中的步长数，Lc为c区域中的步长数，Ld为d区域的步长数； ${\mathrm{RxDatapowStep}}_j\left(k\right)=\underset{s=0}{\overset{\mathrm{NStepSize}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPow}}_j(k*\mathrm{NStepSize}+s);$ 其中，RxDataPow_j()为采样点的功率，k＝0，1...K-1。

9.如权利要求7所述的无线终端的粗同步方法，其特征在于，通过以下方式计算a_j(n)，b_j(n)，c_j(n)，d_j(n)：

$a_j\left(0\right)=\underset{t=0}{\overset{\mathrm{La}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j\left(t\right)$

$b_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Lb}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(\mathrm{La}+t)$

$c_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Lc}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(\mathrm{La}+\mathrm{Lb}+t)$

$d_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Ld}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(\mathrm{La}+\mathrm{Lb}+\mathrm{Lc}+t)$

a_j(n)＝a_j(n-1)+RxDataPowStep_j(n+La-1)-RxDataPowStep_j(n-1)

b_j(n)＝b_j(n-1)+RxDataPowStep_j(n+La+Lb-1)-RxDataPowStep_j(n+La-1)

c_j(n)＝c_j(n-1)+RxDataPowStep_j(n+La+Lb+Lc-1)-RxDataPowStep_j(n+La+Lb-1)

d_j(n)＝d_j(n-1)+RxDataPowStep_j(n+La+Lb+Lc+Ld-1)-RxDataPowStep_j(n+La+Lb+Lc-1)其中，n＝1，2，...N-1，La为a区域中的步长数，Lb为b区域中的步长数，Lc为c区域中的步长数，Ld为d区域的步长数；

${\mathrm{RxDatapowStep}}_j\left(k\right)=\underset{s=0}{\overset{\mathrm{NStepSize}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPow}}_j(k*\mathrm{NStepSize}+s),$ 其中，k＝0，1...K-1。

10.如权利要求1所述的无线终端的粗同步方法，其特征在于，计算a_j(n)，b_j(n)，c_j(n)，d_j(n)的所述依次排列的四个区域中任意两个相邻区域之间有预定长度的空隙。

11.如权利要求10所述的无线终端的粗同步方法，其特征在于，通过以下方式计算a_j(n)，b_j(n)，c_j(n)，d_j(n)：

$a_j\left(n\right)=\underset{t=0}{\overset{\mathrm{La}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(n+t)$

$b_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Lb}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(n+\mathrm{La}+\mathrm{lga}+t)$

$c_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Lc}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(n+\mathrm{La}+\mathrm{Lga}+\mathrm{Lb}+\mathrm{Lgb}+t)$

$d_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Ld}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(n+\mathrm{La}+\mathrm{Lga}+\mathrm{Lb}+\mathrm{Lgb}+\mathrm{Lc}+\mathrm{Lgc}+t)$

其中，La为a区域中的步长数，Lb为b区域中的步长数，Lc为c区域中的步长数，Lc为c区域的步长数，Lga为a区域与b区域之间空隙的步长数，Lgb为b区域与c区域之间空隙的步长数，Lgc为c区域与d区域之间空隙的步长数； ${\mathrm{RxDatapowStep}}_j\left(k\right)=\underset{s=0}{\overset{\mathrm{NStepSize}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPow}}_j(k*\mathrm{NStepSize}+s),$ 其中，RxDataPow_j()为采样点的功率，k＝0，1...K-1。

12.如权利要求10所述的无线终端的粗同步方法，其特征在于，通过以下方式计算a_j(n)，b_j(n)，c_j(n)，d_j(n)：

$a_j\left(0\right)=\underset{t=0}{\overset{\mathrm{La}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j\left(t\right)$

$b_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Lb}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(\mathrm{La}+\mathrm{Lga}+t)$

$c_j\left(n\right)=\underset{t=0}{\overset{\mathrm{Lc}-1}{\mathrm{\Σ}}}{\mathrm{RxDatapowStep}}_j(\mathrm{La}+\mathrm{Lga}+\mathrm{Lb}+\mathrm{Lgb}+t)$

$d_j\left(0\right)=\underset{t=0}{\overset{\mathrm{Ld}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPowStep}}_j(\mathrm{La}+\mathrm{Lga}+\mathrm{Lb}+\mathrm{Lgb}+\mathrm{Lc}+\mathrm{Lgc}+t)$

a_j(n)＝a_j(n-1)+RxDataPowStep_j(n+La-1)-RxDataPowStep_j(n-1)

b_j(n)＝b_j(n-1)+RxDataPowStep_j(n+La+Lga+Lb-1)-RxDataPowStep_j(n+La+Lga-1)

c_j(n)＝c_j(n-1)+RxDataPowStep_j(n+La+Lga+Lb+Lgb+Lc-1)...

-RxDataPowStep_j(n+La+Lga+Lb+Lgb-1)

d_j(n)＝d_j(n-1)+RxDataPowStep_j(n+La+Lga+Lb+Lgb+Lc+Lgc+Ld-1)...

-RxDataPowStep_j(n+La+Lga+Lb+Lgb+Lc+Lgc-1)

其中，n＝1，2，...N-1，La为a区域的步长数，Lb为b区域的步长数，Lc为c区域的步长数，Ld为d区域的步长数，Lga为a区域与b区域之间空隙的步长数，Lgb为b区域与c区域之间空隙的步长数，Lgc为c区域与d区域之间空隙的步长数； ${\mathrm{RxDatapowStep}}_j\left(k\right)=\underset{s=0}{\overset{\mathrm{NStepSize}-1}{\mathrm{\Σ}}}{\mathrm{RxDataPow}}_j(k*\mathrm{NStepSize}+s),$ 其中，k＝0，1...K-1。

13.如权利要求1至12中任一项所述的无线终端的粗同步方法，其特征在于，所述对a_j(n)，b_j(n)，c_j(n)，d_j(n)进行归一化的步骤中，通过以下方式进行归一化：

norm_a_j(n)＝a_j(n)/La

norm_b_j(n)＝b_j(n)/Lb

norm_c_j(n)＝c_j(n)/Lc

norm_d_j(n)＝d_j(n)/Ld

其中，La为a区域的步长数，Lb为b区域的步长数，Lc为c区域的步长数，Ld为d区域的步长数。

14.如权利要求1至12中任一项所述的无线终端的粗同步方法，其特征在于，所述对a_j(n)，b_j(n)，c_j(n)，d_j(n)进行归一化的步骤中，通过以下方式进行归一化：

norm_a_j(n)＝a_j(n)，norm_b_j(n)＝b_j(n)

norm_c_j(n)＝c_j(n)，norm_d_j(n)＝d_j(n)。

15.如权利要求1至12中任一项所述的无线终端的粗同步方法，其特征在于，所述对a_j(n)，b_j(n)，c_j(n)，d_j(n)进行归一化的步骤中，通过以下方式进行归一化：

norm_a_j(n)＝a_j(n)^*Lc/La，norm_b_j(n)＝b_j(n)^*Ld/Lb，

norm_c_j(n)＝c_j(n)，norm_d_j(n)＝d_j(n)

其中，La为a区域的步长数，Lb为b区域的步长数，Lc为c区域的步长数，Ld为d区域的步长数。

16.如权利要求1至12中任一项所述的无线终端的粗同步方法，其特征在于，所述对a_j(n)，b_j(n)，c_j(n)，dj(n)进行归一化的步骤中，通过以下方式进行归一化：

norm_a_j(n)＝a_j(n)，norn_b_j(n)＝b_j(n)，

norn_c_j(n)＝c_j(n)^*La/Lc，norn_d_j(n)＝d_j(n)^*Lb/Ld

其中，La为a区域的步长数，Lb为b区域的步长数，Lc为c区域的步长数，Ld为d区域的步长数。

17.如权利要求1至12中任一项所述的无线终端的粗同步方法，其特征在于，所述对a_j(n)，b_j(n)，c_j(n)，d_j(n)进行归一化的步骤中，通过以下方式进行归一化：

norm_a_j(n)＝a_j(n)^*Lc/La，norm_b_j(n)＝b_j(n)，

norm_c_j(n)＝c_j(n)，norm_d_j(n)＝d_j(n)^*Lb/Ld

其中，La为a区域的步长数，Lb为b区域的步长数，Lc为c区域的步长数，Ld为d区域的步长数。

18.如权利要求1至12中任一项所述的无线终端的粗同步方法，其特征在于，所述对a_j(n)，b_j(n)，c_j(n)，d_j(n)进行归一化的步骤中，通过以下方式进行归一化：

norm_a_j(n)＝a_j(n)，norm_b_j(n)＝b_j(n)^*Ld/Lb，

norm_c_j(n)＝c_j(n)^*La/Lc，norm_d_j(n)＝d_j(n)

其中，La为a区域的步长数，Lb为b区域的步长数，Lc为c区域的步长数，Ld为d区域的步长数。

19.如权利要求1至12中任一项所述的无线终端的粗同步方法，其特征在于，所述对a_j(n)，b_j(n)，c_j(n)，d_j(n)进行归一化的步骤中，通过以下方式进行归一化：

norm_a_j(n)＝a_j(n)^*β₁，norm_b_j(n)＝b_j(n)^*β₂，

norm_c_j(n)＝c_j(n)^*β₃，norm_d_j(n)＝d_j(n)^*β₄

其中，La为a区域的步长数，Lb为b区域的步长数，Lc为c区域的步长数，Ld为d区域的步长数，β₁，β₂，β₃，β₄为和La，Lb，Lc，Ld相关的参数。

20.如权利要求1所述的无线终端的粗同步方法，其特征在于，所述联合判决的步骤中，对粗同步成功判断准则为：如有M个特征窗周期的Max_Pos_j值之间偏差小于某个门限，则认为粗同步成功并且得出粗同步位置，其中M为小于等于J的预设门限。

21.如权利要求20中所述的无线终端的粗同步方法，其特征在于，所述联合判决的步骤中，如果在小于等于J个功率特征窗周期内已经找到M个特征窗周期的Max_Pos_j值之间偏差小于门限，则认为粗同步成功，得出粗同步位置，并且提前结束粗同步过程。

Images