CN101997590B - 随机接入信号的检测方法和基带处理板以及基站 - Google Patents

Abstract

本发明提供一种随机接入信号的检测方法和基带处理板以及基站，涉及无线通信领域，为解决现有技术中对随机接入序列进行检测的处理流程比较复杂的技术问题而发明。所述方法包括：基带处理板对基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；基带处理板对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；基带处理板对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；基带处理板对第三序列数据进行分窗检测，判断第三序列数据中是否有符合判断条件的数据；所述基带处理板将所述判断结果上报给用户处理板。本发明实现方法简单。

Description

随机接入信号的检测方法和基带处理板以及基站

技术领域

本发明涉及无线通信领域，尤其涉及一种随机接入信号的检测方法和基带处理板以及基站。

背景技术

随机接入技术是通信系统中媒体介入控制的一项重要技术。在LTE(LongTerm Evolution，长期演进)系统中，随机接入主要用于用户的初始注册以及用户资源带宽的申请。

现有LTE系统的随机接入前导采用ZC(Zadoff-Chu)序列，其特点为：相同根序列的不同循环移位之间和不同根序列之间的相关性都非常小，可以利用该性质，对随机接入序列进行相关的检测。如图1所示，该方法包括：对接收到的信号进行去CP(Cyclic Prefix，循环前缀)，频偏校正，降采样，FFT(Fast Fourier Transform，快速傅立叶变换)变换到频域，并与频域母码进行相关，将相关后的数据进行IFFT(Inverse Fast-Fourier-Transformation，快速傅里叶逆变换)变换到时域，并且进行多天线数据合并及preamble(前导)重复合并后，确定检测条件，即进行临时噪声及真实噪声均值估计，然后用计算出的相对门限及绝对门限，对合并窗中的信号分搜索窗进行检测，根据检测条件及绝对门限值判断是否有信号。由于接收的信号的幅度是变化的，后续计算相对门限及绝对门限的处理过程比较复杂。

发明内容

本发明要解决的技术问题是提供一种实现方法比较简单的随机接入信号的检测方法和基带处理板以及基站。

为解决上述技术问题，本发明的实施例提供技术方案如下：

一方面，提供一种随机接入信号的检测方法，包括：

基带处理板对基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；

所述基带处理板对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；

所述基带处理板对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；

所述基带处理板对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果，其中，所述判断条件是根据所述第三序列数据设定的；

所述基带处理板将所述判断结果上报给用户处理板。

其中，所述判断条件为以下三种条件的组合：

条件1：检测窗中的第三序列数据中的D(n)的数值大于相对门限，且所述数据D(n)与数据D(n-1)以及数据D(n+1)的数值之和，大于所述相对门限的3倍；

条件2：所述检测窗中的第三序列数据中的D(n)的数值的2倍大于所述检测窗中第三序列数据中的最大值；

条件3：所述检测窗中的第三序列数据中的D(n)和数据D(n-1)以及数据D(n+1)的数值之和，大于伪峰值的3倍；

其中，D(n)为所述第三序列数据中序号为n的数据，0≤n≤N-1，N为每根天线的信号长度，n为信号序号。

其中，所述相对门限由以下步骤获取：

所述基带处理板获取真实噪声均值；

所述基带处理板获取最小噪声均值；

所述基带处理板将所述真实噪声均值与所述最小噪声均值两者中的最大值，作为最终噪声均值；

所述基带处理板根据所述最终噪声均值和设定的相对门限前缀值，获取所述相对门限。

其中，所述基带处理板获取真实噪声均值的步骤包括：

所述基带处理板根据设定的临时噪声门限经验值及所述第三序列数据中的最大值，计算临时噪声门限；

所述基带处理板将所述第三序列数据中低于所述临时噪声门限的数据作为临时噪声数据；

所述基带处理板根据所述临时噪声数据，计算临时噪声均值；

所述基带处理板根据所述临时噪声均值及设定的相对门限前缀值，计算真实噪声门限；

所述基带处理板将低于所述真实噪声门限的临时噪声数据作为真实噪声数据；

所述基带处理板根据所述真实噪声数据，计算真实噪声均值。

其中，所述基带处理板获取最小噪声均值的步骤包括：

所述基带处理板根据相对门限经验值与漏检率之间的关系和相对门限经验值与虚警率之间的关系，获取满足预定漏检率和预定虚警率的相对门限经验值；

所述基带处理板根据所述获取的所述相对门限经验值和设定的相对门限前缀值，得到最小噪声均值；或者

所述基带处理板获取最小噪声均值的步骤包括：

所述基带处理板获取浮点真实噪声均值；

所述基带处理板将所述浮点真实噪声均值与设定的相对门限前缀值的浮点值相乘，得到浮点乘积；

所述基带处理板将所述浮点乘积转化为定点乘积；

所述基带处理板将所述定点乘积除以所述相对门限前缀值的定点值，得到最小噪声均值。

其中，所述第一序列数据中序号为n的数据为s(n)＝re(n)+j*im(n)，0≤n≤N-1，N为每根天线的信号长度，n为信号序号；

所述基带处理板对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据的步骤包括：

所述基带处理板计算所述至少一根天线的增益因子，即， $\mathrm{agc}\_\mathrm{factor}\left(i\right)=\frac{{\mathrm{\σ}}_{\mathrm{req}}\×5\×N}{4\×\mathrm{\Σ}\left(\right|\mathrm{re}\left(n\right)|+|\mathrm{im}\left(n\right)\left|\right)},$ 其中，σ_req为所述至少一根天线的期望因子均值，agc_factor(i)为天线序号为i的天线的增益因子；

所述基带处理板根据所述增益因子和所述第一序列数据，生成第二序列数据。

其中，所述至少一根天线为至少两根时，所述基带处理板对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果的步骤之前，还包括：

所述基带处理板对各个天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据；

所述基带处理板对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果的步骤具体为：

所述基带处理板对所述第四序列数据进行分窗检测，判断所述第四序列数据中是否有符合判断条件的数据，生成判断结果。

其中，所述基带处理板对各个天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据的步骤包括：

所述基带处理板获取所述至少两根天线的增益因子的最大值；

所述基带处理板根据所述增益因子的最大值，对所述至少两根天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据，即， $E\left(n\right)=\mathrm{\Σ}\frac{\mathrm{agc}\_\mathrm{factor}\left(i\right)}{\mathrm{agc}\_\mathrm{factor}\_\max }\×D(i,n),$ 其中，agc_factor(i)为天线序号为i的天线的增益因子，agc_factor_max为所述至少两根天线的增益因子的最大值，D(i，n)为天线序号为i的天线的第三序列数据中信号序号为n的数据，E(n)为第四序列数据中信号序号为n的数据。

另一方面，提供一种基带处理板，包括：

降采样单元，用于对基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；

自动增益控制处理单元，用于对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；

第三序列数据生成单元，用于对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；

分窗检测单元，用于对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果，其中，所述判断条件是根据所述第三序列数据设定的；

上报单元，用于将所述判断结果上报给用户处理板。

其中，所述的基带处理板，还包括：判断条件设定单元，所述判断条件设定单元设定的判断条件为以下三种条件的组合：

条件1：检测窗中的第三序列数据中的D(n)的数值大于相对门限，且所述数据D(n)与数据D(n-1)以及数据D(n+1)的数值之和，大于所述相对门限的3倍；

条件2：所述检测窗中的第三序列数据中的D(n)的数值的2倍大于所述检测窗中第三序列数据中的最大值；

条件3：所述检测窗中的第三序列数据中的D(n)和数据D(n-1)以及数据D(n+1)的数值之和，大于伪峰值的3倍；

其中，D(n)为所述第三序列数据中序号为n的数据，0≤n≤N-1，N为每根天线的信号长度，n为信号序号。

所述至少一根天线为至少两根时，所述基带处理板还包括：

多天线合并单元，用于对各个天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据；

所述分窗检测单元还用于：对所述第四序列数据进行分窗检测，判断所述第四序列数据中是否有符合判断条件的数据，生成判断结果。

其中，所述第一序列数据中序号为n的数据为s(n)＝re(n)+j*im(n)，0≤n≤N-1，N为每根天线的信号长度，n为信号序号；

所述自动增益控制单元包括：

增益因子计算子单元，用于计算所述至少一根天线的增益因子，即， $\mathrm{agc}\_\mathrm{factor}\left(i\right)=\frac{{\mathrm{\σ}}_{\mathrm{req}}\×5\×N}{4\×\mathrm{\Σ}\left(\right|\mathrm{re}\left(n\right)|+|\mathrm{im}\left(n\right)\left|\right)},$ 其中，σ_req为所述至少一根天线的期望因子均值，agc_factor(i)为所述天线序号为i的天线的增益因子；

第二序列数据计算子单元，用于根据所述增益因子和所述第一序列数据，生成第二序列数据。

另一方面，提供一种基站，包括：基带处理板和用户处理板，所述基带处理板包括：

降采样单元，用于对所述基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；

自动增益控制处理单元，用于对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；

第三序列数据生成单元，用于对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；

分窗检测单元，用于对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果，其中，所述判断条件是根据所述第三序列数据设定的；

上报单元，用于将所述判断结果上报给所述用户处理板。

本发明的实施例具有以下有益效果：

上述方案中，由于基带处理板对第一序列数据进行基带自动增益控制处理，使得信号稳定地固定在一定范围内，便于后续判断条件的确定，简化了处理流程。

附图说明

图1为现有技术中对随机接入序列进行检测的流程示意图；

图2为本发明实施例所述的随机接入信号的检测方法的一实施例的流程示意图；

图3为本发明实施例所述的随机接入信号的检测方法的另一实施例的流程示意图；

图4为图3所述的随机接入信号的检测方法的实施例中获取相对门限的流程示意图；

图5为图3所述的随机接入信号的检测方法的实施例中获取真实噪声门限的流程示意图；

图6为图3所述的随机接入信号的检测方法的实施例中获取最小噪声均值的流程示意图；

图7为图3所述的随机接入信号的检测方法的实施例中获取最小噪声均值的另一流程示意图；

图8为本发明所述的随机接入信号的检测方法的应用场景的流程示意图；

图9为本发明所述的基带处理板的实施例的结构示意图；

图10为本发明所述的基带处理板的另一实施例的结构示意图；

图11为本发明所述的基站的一实施例的结构示意图。

具体实施方式

为使本发明的实施例要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明的实施例针对现有技术中对随机接入序列进行检测的处理流程比较复杂的技术问题，提供一种随机接入信号的检测方法和基带处理板以及基站。

如图2所示，为本发明实施例所述的随机接入信号的检测方法，包括：

步骤21，基带处理板对基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；

步骤22，所述基带处理板对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；

步骤23，所述基带处理板对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；

步骤24，所述基带处理板对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果，其中，所述判断条件是根据所述第三序列数据设定的；

步骤25，所述基带处理板将所述判断结果上报给用户处理板。

上述方案中，由于基带处理板对第一序列数据进行基带自动增益控制处理，使得信号稳定地固定在一定范围内，便于后续判断条件的确定，简化了处理流程。

如图3所示，为本发明实施例所述的随机接入信号的检测方法，本实施例应用于所述至少一根天线为至少两根的情景，所述方法包括：

步骤31，基带处理板对基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；所述第一序列数据中序号为n的数据为s(n)＝re(n)+j*im(n)，0≤n≤N-1，N为每根天线的信号长度，n为信号序号；

步骤32，所述基带处理板计算所述至少一根天线的增益因子，即， $\mathrm{agc}\_\mathrm{factor}\left(i\right)=\frac{{\mathrm{\σ}}_{\mathrm{req}}\×5\×N}{4\×\mathrm{\Σ}\left(\right|\mathrm{re}\left(n\right)|+|\mathrm{im}\left(n\right)\left|\right)},$ 其中，σ_req为所述至少一根天线的期望因子均值，agc_factor(i)为天线序号为i的天线的增益因子；

步骤33，所述基带处理板根据所述增益因子和所述第一序列数据，生成第二序列数据。该步骤具体为：所述增益因子乘以所述第一序列数据，得到第二序列数据。

步骤34，所述基带处理板对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；其中，离散傅里叶变换处理可以为快速傅里叶变换处理，也可以为其他运算处理，离散傅里叶变换逆处理可以为快速傅里叶变换逆处理，也可以为其他运算处理。

步骤35，所述基带处理板对各个天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据；该步骤35具体为：

首先，所述基带处理板获取所述至少两根天线的增益因子的最大值；

然后，所述基带处理板根据所述增益因子的最大值，对所述至少两根天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据，即， $E\left(n\right)=\mathrm{\Σ}\frac{\mathrm{agc}\_\mathrm{factor}\left(i\right)}{\mathrm{agc}\_\mathrm{factor}\_\max }\×D(i,n),$ 其中，agc_factor(i)为天线序号为i的天线的增益因子，agc_factor_max为所述至少两根天线的增益因子的最大值，D(i，n)为天线序号为i的天线的第三序列数据中信号序号为n的数据，E(n)为第四序列数据中信号序号为n的数据。本发明实施例带有AGC增益因子的天线合并处理方式中，不同的天线对信号放大缩小的比例不同，在天线合并处同时对增益因子的权重进行处理，使得信号在合并时较为真实地反应信息。

步骤36，所述基带处理板对所述第四序列数据进行分窗检测，判断所述第四序列数据中是否有符合判断条件的数据，生成判断结果。

步骤37，所述基带处理板将所述判断结果上报给用户处理板。

其中，所述判断条件是根据所述第三序列数据设定的；所述判断条件为以下三种条件的组合：

条件1：检测窗中的第三序列数据中的D(n)的数值大于相对门限，且所述数据D(n)与数据D(n-1)以及数据D(n+1)的数值之和，大于所述相对门限的3倍；

条件2：所述检测窗中的第三序列数据中的D(n)的数值的2倍大于所述检测窗中第三序列数据中的最大值；

条件3：所述检测窗中的第三序列数据中的D(n)和数据D(n-1)以及数据D(n+1)的数值之和，大于伪峰值的3倍；

其中，D(n)为所述第三序列数据中序号为n的数据，0≤n≤N-1，N为每根天线的信号长度，n为信号序号。

其中，如图4所示，所述相对门限由以下步骤获取：

步骤41，所述基带处理板获取真实噪声均值；

步骤42，所述基带处理板获取最小噪声均值；

步骤43，所述基带处理板将所述真实噪声均值与所述最小噪声均值两者中的最大值，作为最终噪声均值；

步骤44，所述基带处理板根据所述最终噪声均值和设定的相对门限前缀值，获取所述相对门限。该步骤具体为：将所述最终噪声均值乘以设定的相对门限前缀值，得到所述相对门限。

其中，如图5所示，步骤41中所述基带处理板获取真实噪声均值的步骤包括：

步骤411，所述基带处理板根据设定的临时噪声门限经验值及所述第三序列数据中的最大值，计算临时噪声门限；该步骤具体为：设定的临时噪声门限经验值乘以所述序列数据D(n)中的最大值，得到临时噪声门限。

步骤412，所述基带处理板将所述第三序列数据中低于所述临时噪声门限的数据作为临时噪声数据；

步骤413，所述基带处理板根据所述临时噪声数据，计算临时噪声均值；

步骤414，所述基带处理板根据所述临时噪声均值及设定的相对门限前缀值，计算真实噪声门限；该步骤具体为，计算所述临时噪声数据的平均值，作为临时噪声均值。

步骤415，所述基带处理板将低于所述真实噪声门限的临时噪声数据作为真实噪声数据；

步骤416，所述基带处理板根据所述真实噪声数据，计算真实噪声均值。该步骤具体为：计算所述真实噪声数据的平均值，作为真实噪声均值。

其中，如图6所示，步骤42中所述基带处理板获取最小噪声均值的步骤包括：

步骤421，所述基带处理板根据相对门限经验值与漏检率之间的关系和相对门限经验值与虚警率之间的关系，获取满足预定漏检率和预定虚警率的相对门限经验值；

步骤422，所述基带处理板根据所述获取的所述相对门限经验值和设定的相对门限前缀值，得到最小噪声均值。该步骤具体为，所述获取的相对门限经验值除以设定的相对门限前缀值，得到最小噪声均值。

可选的，如图7所示，步骤42中所述基带处理板获取最小噪声均值的步骤包括：

步骤423，所述基带处理板通过浮点算法，获取浮点真实噪声均值；由于在定点平台和实测中，定点的最小噪声均值为零；而在浮点算法平台中，最小的噪声均值不为0，因此可以统计出该值。

步骤424，所述基带处理板将所述浮点真实噪声均值与设定的相对门限前缀值的浮点值相乘，得到浮点乘积；

步骤425，所述基带处理板将所述浮点乘积转化为定点乘积；

步骤426，所述基带处理板将所述定点乘积除以所述相对门限前缀值的定点值，得到最小噪声均值。

上述方案中，进行基带自动增益控制处理，可以将信号稳定控制在一定的工作电平，便于算法中最小噪声均值的确定；最小噪声确定以后，仅仅用计算出的真实噪声均值与最小噪声均值进行比较，如果真实噪声均值小于设定的最小噪声均值时，则真实噪声均值用最小噪声均值替换；操作方法简单，并且省去了现有技术中绝对门限的计算，在判断条件中也省去了峰值与绝对门限比较等步骤；本方法运用在高信噪比的情况下，不会提高漏检率，且有效抑制了虚警率，提高系统的可靠性，减少资源的无效损耗，提高系统可靠性。

如图8所示，为本发明所述的随机接入信号的检测方法的应用场景，包括如下步骤：

步骤81，对基站的至少两根天线接收的数据进行去CP，频偏校正，降采样，为基站的至少两根天线生成第一矩阵数据，即降采样后的数据。第一矩阵数据中数据可以表示为复数s(i，n)＝re(i，n)+j*im(i，n)，其中，0≤i≤I-1，i为天线的序号，I为基站侧的接收天线总数，n为每根天线的数据的序号，N为每根天线的数据量，即每根天线的信号长度。

步骤82，对降采样后的数据进行基带AGC(Automatic Gain Control，自动增益控制)处理，生成第二矩阵数据，因此能够将信号稳定在一定的工作范围内，使得最小噪声均值被固定。可选的，AGC处理也可以在步骤一中进行，即先进行AGC处理，再进行降采样处理。但在，降采样处理后进行AGC处理，可以只对尽量少的数据进行步骤二的处理，减小资源占用。

其中，AGC的处理，可以有以下两种方法。

第一种方法包括以下步骤：

首先，计算天线序号为i的天线的均方差σ(i)，即：

$\mathrm{\σ}\left(i\right)=\sqrt{\frac{\mathrm{\Σ}(\mathrm{re}{(i,n)}^2+\mathrm{im}{(i,n)}^2)}{N\left(i\right)}};$

然后，计算天线序号为i的天线的增益因子agc_factor(i)，即： $\mathrm{agc}\_\mathrm{factor}\left(i\right)=\frac{{\mathrm{\σ}\left(i\right)}_{\mathrm{req}}}{\mathrm{\σ}\left(i\right)},$ 其中，σ(i)_req为根据工作电平设定的期望因子均值。最后，对信号进行AGC处理，即：

s′(i，n)＝agc_factor(i)×s(i，n)。

第二种方法包括以下步骤：

首先，计算天线序号为i的天线的增益因子agc_factor(i)，即：

$\mathrm{agc}\_\mathrm{factor}\left(i\right)=\frac{{\mathrm{\σ}\left(i\right)}_{\mathrm{req}}\×5\×N}{4\×\mathrm{\Σ}\left(\right|\mathrm{re}(i,n)|+|\mathrm{im}(i,n)\left|\right)},$

然后，对信号进行AGC处理，即：

s′(i，n)＝agc_factor(i)×s(i，n)。

第二种方法的简化算法中，直接采用信号的实部及虚部的绝对值的和进行计算，可以省去平方和开根等计算，有效地节省了资源。

步骤83，对AGC处理后的数据进行FFT处理，变换到频域，并与频域母码进行相关，经过IFFT处理，变换到时域，生成第三矩阵数据。该步骤与现有技术相似，故不再赘述。

步骤84，对生成的第三矩阵数据进行多天线合并，并且进行重复格式的合并，生成序列数据D(n)，其中的多天线合并采用带有步骤二中的AGC增益因子权值信息进行合并，也就是采用增益因子最大值归一的天线合并处理方式。此处也可加入天线权值信息对天线进行合并。然后，preamble重复格式合并，得到序列数据D(n)。该步骤具体为：如果preamble重复，则重复部分直接对应相加。

其中，对信号进行多天线合并的步骤具体为：

首先，计算所有天线中AGC增益因子的最大值，agc_factor_max＝max(agc_factor(i))；

然后，对所有天线的相同序号的数据进行多天线合并， $D\left(n\right)=\mathrm{\Σ}\frac{\mathrm{agc}\_\mathrm{factor}\left(i\right)}{\mathrm{agc}\_\mathrm{factor}\_\max }\×\mathrm{data}(i,n).$

由于在步骤二中的AGC计算，已经将数据范围控制在一定的工作范围以内，在天线合并时所能采用的比特已经有所规定，所以本方案中采用增益因子最大值归一的天线合并处理方式。

以基站侧有两根天线为例：

假设天线1和天线2的信号序号为1的数据分别为data(1)，data(2)，天线1和天线2的AGC增益因子分别为factor(1)，factor(2)，为了保证数据合并后不超过工作范围，

当factor(1)＞factor(2)时，

$D\left(1\right)=\mathrm{data}\left(1\right)+\frac{\mathrm{factor}\left(2\right)}{\mathrm{factor}\left(1\right)}\×\mathrm{data}\left(2\right).$

当factor(1)＜factor(2)时，

$D\left(1\right)=\frac{\mathrm{factor}\left(1\right)}{\mathrm{factor}\left(2\right)}\×\mathrm{data}\left(1\right)+\mathrm{data}\left(2\right).$

现有的天线合并方式为：combineData＝∑data_i，而本发明实施例带有AGC增益因子的天线合并处理方式中，不同的天线对信号放大缩小的比例不同，在天线合并处同时对增益因子的权重进行处理，使得信号在合并时较为真实地反应信息。

步骤85，计算真实噪声均值，具体为：

首先，根据设定的临时噪声门限经验值(通常，浮点值设定为0.6)及合并后的序列数据D(n)中的最大值，计算临时噪声门限。该步骤具体为：将临时噪声门限经验值乘以序列数据D(n)中的最大值。其中，临时噪声门限经验值为小于1并且大于0.5的数。

然后，将序列数据D(n)中低于临时噪声门限T1的数据作为临时噪声数据，并根据临时噪声数据计算临时噪声均值，也就是说，计算临时噪声数据的平均值，作为临时噪声均值。

然后，根据临时噪声均值及设定的相对门限前缀值，计算真实噪声门限。该步骤具体为，将临时噪声均值乘以设定的相对门限前缀值，其中，设定的相对门限前缀值的大小与发射格式、基站侧接收天线数以及Ncs(循环移位)有关。

最后，将低于真实噪声门限的临时噪声数据为真实噪声数据，并计算真实噪声均值。也就是说，计算真实噪声数据的平均值，作为真实噪声均值。

步骤86，将真实噪声均值与最小噪声均值进行比较，取两值中的最大值，作为最终噪声均值，即：最终噪声均值＝max(真实噪声均值，设定的最小噪声均值)。以下描述获取最小噪声均值的方法。

第一种获取最小噪声均值的方法为：

根据预先的RACH(Random Access Channel，随机接入信道)检测获得的相对门限经验值与漏检率及虚警率的关系图得到，在图上可以计算出满足预定漏检率和预定虚警率需要的相对门限的大小，该实施例中，设定漏检率为1％，设定虚警率为1‰时，用相对门限经验值除以设定的相对门限前缀值，即可得到需要最小噪声均值。

另一种获取最小噪声均值的方法为：

由于相对门限是由最终噪声均值与设定的相对门限前缀值的乘积得到的，在实际环境中，在高信噪比的情况下，会出现求得的真实噪声均值为0的情况。如果在计算乘积中出现0，则最终相对门限结果必为0。浮点仿真和实际测试以及定点仿真的不同在于，浮点算法中可以全精度的进行计算，并保留所有的精度信息，且不会出现真实噪声均值为0的情况，所以可以在浮点算法中设定相同的初始条件(即相同的循环前缀等)，得出与定点仿真及实际测试中相同设置条件下(其中，相同的设置条件包括接收端天线数、Ncs、逻辑根序列、前导格式(format0～format4)、频偏大小等。)的浮点真实噪声均值，且与设定的相对门限前缀值的浮点值相乘，将乘积转化成定点值，将定点值除以相对门限前缀值的定点值，得到最小噪声均值。

步骤87，根据设定的相对门限前缀值和最终噪声均值，生成相对门限，该步骤具体为，即相对门限等于最终噪声均值乘以设定的相对门限前缀值，即相对门限＝最终噪声均值*设定的相对门限的前缀值。相对门限是在设定的相对门限前缀值的基础上抬升一定的值。

步骤88，使用判断条件，对合并得到序列数据进行分窗检测，搜索所有的搜索窗，得出是否有RACH信号的判断结果。其中，分窗检测包括如下3个判断条件中的组合。该步骤具体为：判断序列数据中是否存在符合判断条件的数据，如果存在，则说明有RACH信号，否则，说明没有RACH信号。

判断条件1：检测窗中的合并得到数据中有大于相对门限Thr1的数据D(n)，且与该数据左右2点的数据D(n-1)、D(n+1)之和大于相对门限Thr1的3倍。

判断条件2：检测窗中的合并得到数据D(n)的2倍大于所在检测窗中合并得到数据D(n)的最大值。

判断条件3：检测窗中的合并得到数据D(n)及其左右2点的数据D(n-1)、D(n+1)之和，大于伪峰值的3倍。

其中，搜索窗为：根据Ncs(循环移动)及Cv值，从合并窗中分离出每个搜索窗的起始位置及窗长。

检测窗为：在搜索窗中，去掉每个搜索窗中的最后几个数据，这几个数据是由于过采样造成前一搜索窗的虚警，由余下的有效数据组成的检测窗。

伪峰值为：如果UE(用户终端)距离NodeB(基站)的时延较小，则峰值会出现在检测窗的起始位置，那么峰值点在搜索窗起点时的过采样就会造成前一搜索窗的虚警。为了避免这种现象，去掉每个搜索窗的最后几个数据，这几个被去掉数据中的最大值称为伪峰值。

步骤89，上报检测结果给MAC(媒体接入控制层)，结束前导检测。

现有的RACH(Random Access Channel，随机接入信道)检测方法在低信噪比的情况下，能满足检测性能的要求，漏检为1％，虚警为1‰。但对于高信噪比的情况，根据实际测试和定点仿真的结果来看，虚警率在高信噪比的情况下，不能满足检测性能的要求。对于最终噪声估计的值，低信噪比的结果比高信噪比的噪声估计结果更准确，用相对门限及绝对门限的双重约束可以达到要求。但是对于高信噪比，相对门限的值在实际计算中很小，所以相对门限的值小于绝对门限的值。绝对门限如果设定的值偏低，则虚警率会较高，如果设定的值较高，漏检率会提高。现有的方法在实际测试与仿真中，不能完全满足对检测性能中漏检率与虚警率的综合要求。本发明提供了一种随机接入前导的峰值检测方法，以解决高信噪比下存在虚警偏高的问题，从而提高系统的可靠性，减少系统无效信令开销，同时降低由虚警引起的资源损耗，具有以下有益效果：

(1)在基带处理部分加入AGC处理，将信号稳定在一定的工作范围，便于后续最小噪声均值的确定。

(2)操作步骤简单，仅做一次噪声均值与设定最小均值的比较，如果前者小于后者就替换，反之无任何操作。操作简单，步骤占用时间少，满足对RACH的时延要求。

(3)在高信噪比的情况下，不提高漏检的情况下，有效抑制了虚警，提高系统的可靠性，并减小资源的无效损耗。

(4)不影响低信噪比情况下的检测性能。由于在高信噪比下，真实前导信号的附近几个值也较大，在进行噪声筛选时被剔除，未被计入噪声均值的计算中，导致在高信噪比时计算出的噪声均值偏小，设定最小均值噪声实际上是给噪声均值进行了补偿，使其更加逼近实际的噪声均值。

(5)本发明采用设定最小噪声均值的方法，补偿高信噪比下噪声估计时均值的损失，有效抑制虚警，从而提高系统性能。

(6)可以有效地抑制高信噪比下的虚警，并且保证低信噪比的检测性能不受到影响，减少虚警，提高系统的可靠性，减小系统的信令开销。

如图9所示，本发明提供一种基带处理板90，包括：

降采样单元91，用于对基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；

自动增益控制处理单元92，用于对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；

第三序列数据生成单元93，用于对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；

分窗检测单元94，用于对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果，其中，所述判断条件是根据所述第三序列数据设定的；

上报单元95，用于将所述判断结果上报给用户处理板。

上述方案中，由于基带处理板对第一序列数据进行基带自动增益控制处理，使得信号稳定地固定在一定范围内，便于后续判断条件的确定，简化了处理流程。

如图10所示，所述的基带处理板90还包括：判断条件设定单元96，所述判断条件设定单元设定的判断条件为以下三个条件的组合：

条件1：检测窗中的第三序列数据中的D(n)的数值大于相对门限，且所述数据D(n)与数据D(n-1)以及数据D(n+1)的数值之和，大于所述相对门限的3倍；

条件2：所述检测窗中的第三序列数据中的D(n)的数值的2倍大于所述检测窗中第三序列数据中的最大值；

条件3：所述检测窗中的第三序列数据中的D(n)和数据D(n-1)以及数据D(n+1)的数值之和，大于伪峰值的3倍；

其中，D(n)为所述第三序列数据中序号为n的数据，0≤n≤N-1，N为每根天线的信号长度，n为信号序号。

当所述至少一根天线为至少两根时，所述基带处理板还包括：多天线合并单元97，用于对各个天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据；

分窗检测单元94具体为：对所述第四序列数据进行分窗检测，判断所述第四序列数据中是否有符合判断条件的数据，生成判断结果。

多天线合并单元97具体包括：

增益因子的最大值获取子单元，用于获取所述至少两根天线的增益因子的最大值；

合并子单元，用于根据所述增益因子的最大值，对所述至少两根天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据，即， $E\left(n\right)=\mathrm{\Σ}\frac{\mathrm{agc}\_\mathrm{factor}\left(i\right)}{\mathrm{agc}\_\mathrm{factor}\_\max }\×D(i,n),$ 其中，agc_factor(i)为天线序号为i的天线的增益因子，agc_factor_max为所述至少两根天线的增益因子的最大值，D(i，n)为天线序号为i的天线的第三序列数据中信号序号为n的数据，E(n)为第四序列数据中信号序号为n的数据。本发明实施例带有AGC增益因子的天线合并处理方式中，不同的天线对信号放大缩小的比例不同，在天线合并处同时对增益因子的权重进行处理，使得信号在合并时较为真实地反应信息。

可选的，所述第一序列数据中序号为n的数据为s(n)＝re(n)+j*im(n)，0≤n≤N-1，N为每根天线的信号长度，n为信号序号；所述自动增益控制单元92包括：

增益因子计算子单元，用于计算所述至少一根天线的增益因子，即， $\mathrm{agc}\_\mathrm{factor}\left(i\right)=\frac{{\mathrm{\σ}}_{\mathrm{req}}\×5\×N}{4\×\mathrm{\Σ}\left(\right|\mathrm{re}\left(n\right)|+|\mathrm{im}\left(n\right)\left|\right)},$ 其中，σ_req为所述至少一根天线的期望因子均值，agc_factor(i)为天线序号为i的天线的增益因子；

第二序列数据计算子单元，用于根据所述增益因子和所述第一序列数据，生成第二序列数据。

可选的，判断条件设定单元96还包括：相对门限获取子单元。其中，相对门限获取子单元具体包括：

真实噪声均值获取子模块，用于获取真实噪声均值；

最小噪声均值获取子模块，用于获取最小噪声均值；

最终噪声均值计算子模块，用于将所述真实噪声均值与所述最小噪声均值两者中的最大值，作为最终噪声均值；

相对门限获取子模块，用于根据所述最终噪声均值和设定的相对门限前缀值，获取所述相对门限。

真实噪声均值获取子模块具体为：根据设定的临时噪声门限经验值及所述第三序列数据中的最大值，计算临时噪声门限；将所述第三序列数据中低于所述临时噪声门限的数据作为临时噪声数据；根据所述临时噪声数据，计算临时噪声均值；根据所述临时噪声均值及设定的相对门限前缀值，计算真实噪声门限；将低于所述真实噪声门限的临时噪声数据作为真实噪声数据；根据所述真实噪声数据，计算真实噪声均值。

最小噪声均值获取子模块包括：

相对门限经验值获取子模块，用于根据相对门限经验值与漏检率之间的关系和相对门限经验值与虚警率之间的关系，获取满足预定漏检率和预定虚警率的相对门限经验值；

最小噪声均值计算子模块，用于根据所述获取的所述相对门限经验值和设定的相对门限前缀值，得到最小噪声均值；

或者，最小噪声均值获取子模块具体为：

浮点真实噪声均值获取子模块，用于获取浮点真实噪声均值；

浮点乘积获取子模块，用于将所述浮点真实噪声均值与设定的相对门限前缀值相乘，得到浮点乘积；

定点乘积获取子模块，用于将所述浮点乘积转化为定点乘积；

最小噪声均值计算子模块，用于将所述定点乘积除以所述相对门限前缀值的定点值，得到最小噪声均值。

如图11所示，为本发明所述的一种基站70，包括：基带处理板(BP，Baseband Process Board)90和用户处理板80，所述基带处理板90包括：

降采样单元91，用于对所述基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；

自动增益控制处理单元92，用于对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；

第三序列数据生成单元93，用于对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；

分窗检测单元94，用于对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果，其中，所述判断条件是根据所述第三序列数据设定的；

上报单元95，用于将所述判断结果上报给所述用户处理板(UPB，UserProcess Board)80。

该实施例中未详细描述的现有技术，可以参考申请号为200810126188.9的发明专利。也可以参考协议3GPP TS 36.211：Evolved UniversalTerrestrial Radio Access(E-UTRA，进化的UMTS陆地无线接入)；PhysicalChannels and Modulation LTE物理层标准)。

所述方法实施例是与所述装置实施例相对应的，在方法实施例中未详细描述的部分参照装置实施例中相关部分的描述即可，在装置实施例中未详细描述的部分参照方法实施例中相关部分的描述即可。

本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括如上述方法实施例的步骤，所述的存储介质，如：磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

在本发明各方法实施例中，所述各步骤的序号并不能用于限定各步骤的先后顺序，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，对各步骤的先后变化也在本发明的保护范围之内。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种随机接入信号的检测方法，其特征在于，包括：

基带处理板对基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；

所述基带处理板对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；

所述基带处理板对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；

所述基带处理板对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果，其中，所述判断条件是根据所述第三序列数据设定的；

所述基带处理板将所述判断结果上报给用户处理板；

所述基带处理板对所述第一序列数据进行基带自动增益控制处理生成第二序列数据的步骤包括：所述基带处理板计算所述至少一根天线的增益因子，其中，所述增益因子可根据以下公式计算：

其中，σ_req为所述至少一根天线的期望因子均值，agc_factor(i)为天线序号为i的天线的增益因子，N(i)为天线序号为i的天线的信号长度，n为第一序列数据中的信号序号且0≤n≤N-1；

或者

所述增益因子根据以下公式计算：首先，计算天线序号为i的天线的均方差σ(i)，即：

N(i)为天线序号为i的天线的信号长度；然后，计算天线序号为i的天线的增益因子agc_factor(i)，即：其中，σ(i)_req为根据工作电平设定的期望因子均值；

所述基带处理板根据所述增益因子和所述第一序列数据，生成第二序列数据；

所述至少一根天线为至少两根时，所述基带处理板对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果的步骤之前，还包括：所述基带处理板对各个天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据；

所述基带处理板对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果的步骤具体为：所述基带处理板对所述第四序列数据进行分窗检测，判断所述第四序列数据中是否有符合判断条件的数据，生成判断结果。

2.根据权利要求1所述的随机接入信号的检测方法，其特征在于，所述判断条件为是否同时满足以下三种条件：

条件1：检测窗中的第三序列数据中的D(n)的数值大于相对门限，且所述数据D(n)与数据D(n-1)以及数据D(n+1)的数值之和，大于所述相对门限的3倍；

条件2：所述检测窗中的第三序列数据中的D(n)的数值的2倍大于所述检测窗中第三序列数据中的最大值；

条件3：所述检测窗中的第三序列数据中的D(n)和数据D(n-1)以及数据D(n+1)的数值之和，大于伪峰值的3倍；

其中，D(n)为所述第三序列数据中序号为n的数据，0≤n≤N-1，N为每根天线的信号长度，n为信号序号。

3.根据权利要求2所述的随机接入信号的检测方法，其特征在于，所述相对门限由以下步骤获取：

所述基带处理板获取真实噪声均值；

所述基带处理板获取最小噪声均值；

所述基带处理板将所述真实噪声均值与所述最小噪声均值两者中的最大值，作为最终噪声均值；

所述基带处理板根据所述最终噪声均值和设定的相对门限前缀值，获取所述相对门限。

4.根据权利要求3所述的随机接入信号的检测方法，其特征在于，所述基带处理板获取真实噪声均值的步骤包括：

所述基带处理板根据设定的临时噪声门限经验值及所述第三序列数据中的最大值，计算临时噪声门限；

所述基带处理板将所述第三序列数据中低于所述临时噪声门限的数据作为临时噪声数据；

所述基带处理板根据所述临时噪声数据，计算临时噪声均值；

所述基带处理板根据所述临时噪声均值及设定的相对门限前缀值，计算真实噪声门限；

所述基带处理板将低于所述真实噪声门限的临时噪声数据作为真实噪声数据；

所述基带处理板根据所述真实噪声数据，计算真实噪声均值。

5.根据权利要求3所述的随机接入信号的检测方法，其特征在于，

所述基带处理板获取最小噪声均值的步骤包括：

所述基带处理板根据相对门限经验值与漏检率之间的关系和相对门限经验值与虚警率之间的关系，获取满足预定漏检率和预定虚警率的相对门限经验值；

所述基带处理板根据所述获取的所述相对门限经验值和设定的相对门限前缀值，得到最小噪声均值；或者

所述基带处理板获取最小噪声均值的步骤包括：

所述基带处理板获取浮点真实噪声均值；

所述基带处理板将所述浮点真实噪声均值与设定的相对门限前缀值的浮点值相乘，得到浮点乘积；

所述基带处理板将所述浮点乘积转化为定点乘积；

所述基带处理板将所述定点乘积除以所述相对门限前缀值的定点值，得到最小噪声均值。

6.根据权利要求1所述的随机接入信号的检测方法，其特征在于，所述第一序列数据中序号为n的数据为s(n)=re(n)+j*im(n)。

7.根据权利要求6所述的随机接入信号的检测方法，其特征在于，所述基带处理板对各个天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据的步骤包括：

所述基带处理板获取所述至少两根天线的增益因子的最大值；

所述基带处理板根据所述增益因子的最大值，对所述至少两根天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据，即，

其中，agc_factor(i)为天线序号为i的天线的增益因子，agc_factor_max为所述至少两根天线的增益因子的最大值，D(i，n)为天线序号为i的天线的第三序列数据中信号序号为n的数据，E(n)为第四序列数据中信号序号为n的数据。

8.一种基带处理板，其特征在于，包括：

降采样单元，用于对基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；

自动增益控制处理单元，用于对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；

第三序列数据生成单元，用于对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；

分窗检测单元，用于对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果，其中，所述判断条件是根据所述第三序列数据设定的；

上报单元，用于将所述判断结果上报给用户处理板；

所述自动增益控制单元包括：

增益因子计算子单元，用于计算所述至少一根天线i的增益因子，其中，所述增益因子可根据以下公式计算：

其中，σ_req为所述至少一根天线的期望因子均值，agc_factor(i)为天线序号为i的天线的增益因子，N(i)为天线序号为i的天线的信号长度，n为第一序列数据中的信号序号且0≤n≤N-1；

或者

所述增益因子根据以下公式计算：首先，计算天线序号为i的天线的均方差σ(i)，即：

N(i)为天线序号为i的天线的信号长度；然后，计算天线序号为i的天线的增益因子agc_factor(i)，即：

其中，σ(i)_req为根据工作电平设定的期望因子均值；

第二序列数据计算子单元，用于根据所述增益因子和所述第一序列数据，生成第二序列数据；

所述至少一根天线为至少两根时，所述基带处理板还包括：

多天线合并单元，用于对各个天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据；

所述分窗检测单元还用于：对所述第四序列数据进行分窗检测，判断所述第四序列数据中是否有符合判断条件的数据，生成判断结果。

9.根据权利要求8所述的基带处理板，其特征在于，还包括：判断条件设定单元，所述判断条件设定单元设定的判断条件为是否同时满足以下三种条件：

条件1：检测窗中的第三序列数据中的D(n)的数值大于相对门限，且所述数据D(n)与数据D(n-1)以及数据D(n+1)的数值之和，大于所述相对门限的3倍；

条件2：所述检测窗中的第三序列数据中的D(n)的数值的2倍大于所述检测窗中第三序列数据中的最大值；

条件3：所述检测窗中的第三序列数据中的D(n)和数据D(n-1)以及数据D(n+1)的数值之和，大于伪峰值的3倍；

其中，D(n)为所述第三序列数据中序号为n的数据，0≤n≤N-1，N为每根天线的信号长度，n为信号序号。

10.根据权利要求8或9所述的基带处理板，其特征在于，所述第一序列数据中序号为n的数据为s(n)=re(n)+j*im(n)。

11.一种基站，包括：基带处理板和用户处理板，其特征在于，

所述基带处理板包括：

降采样单元，用于对所述基站的至少一根天线接收的至少一个前导信号进行降采样处理，为每根天线生成第一序列数据；

自动增益控制处理单元，用于对所述第一序列数据进行基带自动增益控制处理，生成第二序列数据；

第三序列数据生成单元，用于对所述第二序列数据进行离散傅里叶变换处理，并与频域母码进行相关，经过离散傅里叶变换逆处理，生成第三序列数据；

分窗检测单元，用于对所述第三序列数据进行分窗检测，判断所述第三序列数据中是否有符合判断条件的数据，生成判断结果，其中，所述判断条件是根据所述第三序列数据设定的；

上报单元，用于将所述判断结果上报给所述用户处理板；

所述自动增益控制单元包括：

增益因子计算子单元，用于计算所述至少一根天线i的增益因子，其中，所述增益因子可根据以下公式计算：

其中，σ_req为所述至少一根天线的期望因子均值，agc_factor(i)为天线序号为i的天线的增益因子，N(i)为天线序号为i的天线的信号长度，n为第一序列数据中的信号序号且0≤n≤N-1；

或者

所述增益因子根据以下公式计算：首先，计算天线序号为i的天线的均方差σ(i)，即：

N(i)为天线序号为i的天线的信号长度；然后，计算天线序号为i的天线的增益因子agc_factor(i)，即：

其中，σ(i)_req为根据工作电平设定的期望因子均值；；

第二序列数据计算子单元，用于根据所述增益因子和所述第一序列数据，生成第二序列数据；

所述至少一根天线为至少两根时，所述基带处理板还包括：

多天线合并单元，用于对各个天线的第三序列数据中信号序号相同的数据进行多天线合并，生成第四序列数据；

所述分窗检测单元还用于：对所述第四序列数据进行分窗检测，判断所述第四序列数据中是否有符合判断条件的数据，生成判断结果。

Images