CN102098246A - 峰值检测方法和通信系统 - Google Patents

Abstract

本发明公开了一种峰值检测方法和通信系统，其中，该方法包括：对本地母码执行相关运算后得到检测窗，根据检测窗中的相关值确定立方度量噪声因子和立方度量峰值因子；根据立方度量噪声因子和/或立方度量峰值因子，确定权值因子；利用权值因子对检测窗中的相关峰值、以及与该相关峰值相邻近的相关值执行加权平均操作，得到检测窗的相关峰检测值；将相关峰检测值与预设检测值相比较，如果相关峰检测值大于或等于预设检测值，则确定检测窗中存在用户。通过本发明，能够通过各检测窗峰值及噪声的波动来预测虚警和漏警的可能性，合理调整检测窗的相关峰检测值，从而可以在同样的信噪比条件下使虚警和漏警同时得到降低，提升检测性能。

Description

峰值检测方法和通信系统

技术领域

本发明涉及通信领域，尤其涉及一种峰值检测方法和通信系统。

背景技术

长期演进(Long Term Evolution，简称为LTE)的上行随机接入系统采用了专门的物理随机接入信道(Phisical Random Access Channel，简称为PRACH)。由于PRACH采用属于恒包络零自相关序列(Const Amplitude ZeroAuto-Corelation，简称为CAZAC)的ZC(Zadoff-off)序列对用户进行检测，这样LTE的上行随机接入系统可以采用时域相关法对用户进行检测。

在实际应用中，采用时域相关法对用户进行检测时，为了减少计算的复杂度，先将频域数据共轭点乘，再转换到时域，得到相关峰序列，然后在这组相关峰序列中对用户进行检测。由于LTE的上行随机接入系统不仅采用不同的ZC码，并且利用每一个ZC码的不同循环移位来区分用户，这样，在检测用户时，需要将本地相关值划分为不同的检测窗，不同用户的相关峰检测在不同的检测窗中进行。

目前，对于中低速小区和高速小区，检测用户的策略略有不同。对于中低速小区，由于其对频率偏移造成的影响很小，PRACH系统按照分配的循环移位对应长度来划分同一ZC序列内的不同用户，且系统只需要在相应的搜索窗中对用户进行检测；对于高速小区，由于其具有多普勒频移和ZC序列的循环移位特性，会导致RACH检测的相关峰发生偏移，这样会在一定位置出现同一搜索窗的复本，所以用户协议定义的某一用户的搜索窗是由主窗和复本搜索窗合并而成的，需要在用户的主窗和复本窗中均对用户进行检测。

无论是中低速小区还是高速小区，在对小区中的用户进行检测时，如果用户对应的检测窗中的相关峰超过某一检测门限，就需要超过该门限的那部分相关峰进行检测。目前，根据不同的信噪比，一般采用峰均比门限进行检测。但是，由于信道具有衰落特性且信道中存在信道噪声，所以会造成实际用户产生的相关峰会有一定程度的衰落，以致其幅度降到了检测门限以下，造成漏警；或者是由于各种噪声(包括多用户干扰)产生的与本地母码的相关值在某些时候得到抬升，以致其幅度降到了检测门限以下，造成虚警；为了避免漏警和虚警的产生，就需要调整检测门限。在进行检测门限调整时，提高门限可使虚警减少，但是漏警会随之增加；反之，降低门限可使漏警减少，但是虚警随之增加。

可以看出，现有技术中对于如何同时避免漏警和虚警，目前尚未提出有效的解决方案。

发明内容

针对相关技术中针对如何同时避免漏警和虚警的问题，本发明提出一种峰值检测方法，能够以更加合理的方式确定检测窗的相关峰检测值，从而避免漏警和虚警。

针对相关技术中针对如何同时避免漏警和虚警的问题，本发明还提出一种通信系统，能够以更加合理的方式确定检测窗的相关峰检测值，从而避免漏警和虚警。

本发明的技术方案是这样实现的：

一种峰值检测方法，包括：

对本地母码执行相关运算后得到检测窗，根据所述检测窗中的相关值确定立方度量噪声因子和立方度量峰值因子；

根据所述立方度量噪声因子和/或所述立方度量峰值因子，确定权值因子；

利用所述权值因子对所述检测窗中的相关峰值、以及与该相关峰值相邻近的相关值执行加权平均操作，得到所述检测窗的相关峰检测值；

将所述相关峰检测值与预设检测值相比较，如果所述相关峰检测值大于或等于所述预设检测值，则确定所述检测窗中存在用户。

其中，根据所述检测窗中的相关值确定立方度量峰值因子的操作包括：

计算每个检测窗的相关峰值，并对得到的所有检测窗的相关峰值执行立方度量函数操作，将得到的结果作为所述立方度量峰值因子。

优选地，可以根据以下公式得到所述立方度量峰值因子CM_CORR_Peak：

$\mathrm{CM}\_\mathrm{CORR}\_\mathrm{Peak}=\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)+M_0$

其中，CORR_time ^n，m_max(n)为第n个检测窗的相关峰值，M₀为立方度量常量，M₀的取值范围为(0，3)；

CM为立方度量函数，计算数组CORR_time ^n，m_max(n)的CM值如下：

$\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)=(\mathrm{db}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\mathrm{abs}\left(\mathrm{COR}{R}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)\right)}^3\right)\right)-1.5273)/1.85;$

或者，

$\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)=(\mathrm{db}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\left(\mathrm{COR}{R}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)\right)}^3\right)\right)-1.5273)/1.85$

其中，db为对数值转线性函数，rms为均方根函数，norm为正态归一化函数，abs为绝对值模函数。

其中，根据所述检测窗中的相关值确定立方度量噪声因子的操作包括：

对于每个检测窗，根据所述检测窗中除相关峰值以及与该相关峰值相邻近的相关值之外的其他所有相关值确定所述立方度量噪声因子。

优选地，可以根据以下公式得到所述立方度量噪声因子CM_CORR_Noise：

$\mathrm{CM}\_\mathrm{CORR}\_\mathrm{Noise}=\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\mathrm{left}}\right)=(\mathrm{db}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\mathrm{abs}\left(\mathrm{COR}{R}_{\mathrm{time}}^{n,m\_\mathrm{left}}\right)\right)}^3\right)\right)-1.5273)/1.85$

其中，CORR_time ^n，m_left为检测窗口的中除相关峰值以及与该相关峰值相邻近的相关值之外的其他所有相关值的集合，db为对数值转线性函数，rms为均方根函数，norm为正态归一化函数，abs为绝对值模函数。

其中，根据所述立方度量噪声因子和所述立方度量峰值因子确定权值因子的操作包括：

所述立方度量噪声因子大于第一噪声因子阈值，将所述立方度量噪声因子作为所述权值因子的增函数来表示所述权值因子；或者，

所述立方度量噪声因子大于第一噪声因子阈值且小于或等于第二噪声因子阈值，将所述立方度量噪声因子作为所述权值因子的减函数来表示所述权值因子；或者，

所述立方度量噪声因子大于或等于第一噪声因子阈值，且所述立方度量峰值因子大于或等于第一峰值因子阈值，将所述立方度量噪声因子作为所述权值因子的增函数、所述立方度量峰值因子作为所述权值因子的减函数来表示所述权值因子。

其中，可以利用下述公式计算所述相关峰检测值

$\frac{{\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }+\mathrm{factor}\_\mathrm{filter}\_\mathrm{pre}\·\mathrm{pre}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right)+\mathrm{factor}\_\mathrm{filter}\_\mathrm{bhd}\·\mathrm{bhd}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right)}{1+\mathrm{factor}\_\mathrm{filter}\_\mathrm{pre}+\mathrm{factor}\_\mathrm{filter}\_\mathrm{bhd}}$

其中，CORR_time ^n，m_max为检测窗口的相关峰值，pre(CORR_time ^n，m_max)为与CORR_time ^n，m_max相邻近的一个相关值，bhd(CORR_time ^n，m_max)为与CORR_time ^n，m_max相邻近的另一个相关值，·为相乘计算，factor_filter_pre为pre(CORR_time ^n，m_max)的权值因子，factor_filter_bhd为bhd(CORR_time ^n，m_max)的权值因子。

其中，所述确定立方度量噪声因子和立方度量峰值因子之前，所述方法还包括：

获得所述本地母码在频域上的频点值；

其中，利用下述公式计算所述本地母码的频点值Mothercode_freq ^u(k+1)：

$\mathrm{Mothercod}{e}_{\mathrm{freq}}^u(k+1)=e^{j\frac{\mathrm{\π}}{N_{\mathrm{ZC}}}u\·v\·(2\·v\·k+v+1)}\·{\mathrm{Mothercode}}_{\mathrm{freq}}^u\left(k\right),$ 其中，k为本地母码的频点个数，u为规定的本地母码的根序列序号。

或者，

利用下述公式计算所述本地母码的频点值Mothercode_freq ^u(k+1)：

$\mathrm{Mothercod}{e}_{\mathrm{freq}}^u(k+2)==e^{j\frac{2\mathrm{\π}}{N_{\mathrm{ZC}}}u\·v\·(2\·v\·k+2\·v+1)}\·{\mathrm{Mothercode}}_{\mathrm{freq}}^u\left(k\right),$ 其中，k为本地母码的频点个数，u为规定的本地母码的根序列序号。

进一步地，上述方法还包括：

将来自用户的接收信号转化为时域的基带信号；

将所述基带信号进行傅立叶变换，得到所述接收信号的频域值，并截取所述接收信号的部分频域值；

其中，利用下述公式截取所述接收信号的部分频域值，得到频域截取值Rxrach_N_ZC_bb_freq：

$\mathrm{Rxrach}\_Z_{\mathrm{ZC}}\_{\mathrm{bb}}_{\mathrm{freq}}=$

其中，Rxrach_N_DFT_bb_freq＝DFT(Rxrach_bb_time)，Rxrach_bb_time为基带信号，DFT为傅立叶变换函数，N_ZC为本地母码的码长度，end为Rxrach_N_DFT_bb_freq的码长度。

进一步地，上述方法还包括：

将所述频域截取值与所述本地母码的频点值共轭相乘，得到所述母码的参考频域值；

将所述参考频域值补零后执行傅立叶逆变换，得到所述本地母码在时域上的数据；

其中，利用下述公式计算所述本地母码的参考频域值CORR_freq：

${\mathrm{CORR}}_{\mathrm{freq}}=<\mathrm{Rxrach}\_N_{\mathrm{ZC}}\_{\mathrm{bb}}_{\mathrm{freq}},\mathrm{Mothercod}{e}_{\mathrm{freq}}^u>;$

其中，利用下述公式计算母码在时域上的数据CORR_time：

${\mathrm{CORR}}_{\mathrm{time}}=$

或者，

${\mathrm{CORR}}_{\mathrm{time}}=$

进一步地，上述还包括：

将本地母码母码在时域上的数据CORR_time划分为长度相等的多个检测窗；

其中，每个检测窗的长度为

round表示四舍五入，N_CS表示每个检测窗的循环移位的长度。

一种通信系统，用于执行上述方法。

借助于本发明的上述技术方案，能够通过各检测窗峰值及噪声的波动来预测虚警和漏警的可能性，合理调整检测窗的相关峰检测值，从而在同样的信噪比条件下可使虚警和漏警同时得到降低，提升检测性能。

附图说明

图1是根据本发明实施例的峰值检测方法的流程图；

图2是根据本发明实施例的相关值数据的数据序例示意图；

图3是根据本发明实施例的峰值检测方法的详细处理流程图；

图4是根据本发明实施例的通信系统的组成结构连接图。

具体实施方式

利用现有的方法进行PRACH检测，由于信道带来的包络和相位有较大波动时，不仅使得正常的相关峰值会有较大波动，而且检测窗内相关峰值之外的其他相关值中还会出现较大伪峰，这样会造成检测门限以下的相关值的数据幅度波动较大。由于检测门限以下的值(除去用户相关峰值旁的采样点值，即除去相关峰值邻近的相关值)构成的序列会产生较大的峰均比，考虑到利用立方度量(Cubic Metric，简称为CM)量度峰均比对虚警的影响，比利用峰均功率比(Peak to Average Power Ratio，简称为PAPR)量度峰均比对虚警的影响更加准确，本发明提出一种峰值检测方法，通过对检测窗内的相关值执行CM函数操作来调整检测窗的权值因子，以根据该权值因子对相关峰值进行调整，使得LTE基站在PRACH接入，且信噪比较低或信道波动较大时，提高PRACH的检测性能。

图1是本发明实施例的峰值检测方法的步骤流程图，如图1所示，包括以下处理：

步骤S101，对于对本地母码执行相关运算后得到检测窗(即对于对本地母码执行相关运算后得到的每个检测窗)，根据检测窗中的相关值确定立方度量噪声因子(CM_CORR_Noise)和立方度量峰值因子(CM_CORR_Peak)；

步骤S102，根据立方度量噪声因子和立方度量峰值因子，确定权值因子；

步骤S103，利用权值因子对检测窗中的相关峰值、以及与该相关峰值相邻近的相关值执行加权平均操作，得到检测窗的相关峰检测值；

步骤S104，将相关峰检测值与预设检测值相比较，如果相关峰检测值大于或等于预设检测值，则确定检测窗中存在用户。

在现有技术中，对本地母码执行相关运算的过程为：本地母码接收到来自用户的接收信号时，会将本地母码直接转换为时域数据，并将本地母码的时域数据与接收信号的时域数据执行操作，得到相关操作后的相关值，由于该操作的计算量较大，会浪费网络资源。为了减少计算量，节省网络资源，在本发明实施例中，对本地母码执行相关运算的过程进行了改进，该进后的对本地母码执行相关运算的过程为：是将本地母码转化为频域数据，并将来自用户的接收信号转化为时域的基带信号后，通过对时域的基带信号进行傅立叶变换，将时域的基带信号转化为频域数据，然后将本地母码的频域数据与基带信号的频域数据之间共轭相乘，最后将共轭相乘后的结果执行傅立叶逆变换，得到进行相关操作后的母码，即，先将接收RACH信号变到频域与本地母码频域数据进行内积运算，然后将内积运算后的结果补0后进行傅立叶逆变换，得到相关操作后的多个相关值，将该多个相关值划分为长度相同的多个检测窗。

下面对CM_CORR_Noise和CM_CORR_Peak的确定方法、以及利用CM_CORR_Noise和CM_CORR_Peak调整权值因子的方式进行说明。

CM_CORR_Peak：对本地母码执行相关运算后，得到相关操作后的多个相关值，将该多个相关值划分为长度相同的多个检测窗，对于每个母码的所有检测窗来说，每个检测窗的CM_CORR_Peak值是相同的，即，每个母码有一个CM_CORR_Peak值。计算CM_CORR_Peak时，可以通过计算母码的每个检测窗的相关峰值，并将对母码的所有检测窗的相关峰值执行立方度量函数操作后的结果作为该母码的所有检测窗的CM_CORR_Peak。具体地，可以通过下述公式确定CM_CORR_Peak：

$\mathrm{CM}\_\mathrm{CORR}\_\mathrm{Peak}=\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)+M_0$

其中，CORR_time ^n，m_max(n)为第n个检测窗的相关峰值，每个检测窗的相关峰值均可以通过现有技术的方法来确定，这里不再赘述，M₀为立方度量常量，M₀的取值范围为(0，3)；

CM为立方度量函数，计算数组CORR_time ^n，m_max(n)的CM值如下：

$\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)=(\mathrm{db}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\mathrm{abs}\left(\mathrm{COR}{R}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)\right)}^3\right)\right)-1.5273)/1.85;$

或者，

$\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)=(\mathrm{db}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\left(\mathrm{COR}{R}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)\right)}^3\right)\right)-1.5273)/1.85$

其中，db为对数值转线性函数，rms为均方根函数，norm为正态归一化函数，abs为绝对值模函数。

CM_CORR_Noise：对于母码的每个检测窗来说，每个检测窗的CM_CORR_Noise值是分别计算的，即，每个检测窗独立计算各自的CM_CORR_Noise，同一母码的每个检测窗会有不同的CM_CORR_Noise，并且，在不同的环境下CM_CORR_Noise的值也不同。对于每个检测窗，计算CM_CORR_Peak时，根据该检测窗中除相关峰值以及与该相关峰值相邻近的相关值之外的其他相关值确定CM_CORR_Noise，即，把检测窗中相关峰值及该相关峰值左右的某些点去掉，利用剩下的相关值计算CM_CORR_Noise，例如，利用图2所示各检测窗中低于实际检测阈值的那些相关值来计算CM_CORR_Noise，具体地，可以通过下述公式确定CM_CORR_Noise：

$\mathrm{CM}\_\mathrm{CORR}\_\mathrm{Noise}=\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\mathrm{left}}\right)=(\mathrm{db}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\mathrm{abs}\left(\mathrm{COR}{R}_{\mathrm{time}}^{n,m\_\mathrm{left}}\right)\right)}^3\right)\right)-1.5273)/1.85$

其中，CORR_time ^n，m_left为检测窗口的中除相关峰值以及与该相关峰值相邻近的相关值之外的其他所有相关值的集合，db为对数值转线性函数，rms为均方根函数，norm为正态归一化函数，abs为绝对值模函数。

例如，CORR_time ^n，m_left可以为：

${\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\mathrm{left}}=\left\{\begin{array}{c}{\mathrm{CORR}}_{\mathrm{time}}^n|{\mathrm{CORR}}_{\mathrm{time}}^n\&NotEqual;{\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max },{\mathrm{CORR}}_{\mathrm{time}}^n\&NotEqual;\mathrm{pre}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right),\\ {\mathrm{CORR}}_{\mathrm{time}}^n\&NotEqual;\mathrm{bhd}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right)\end{array}\right\};$

其中，CORR_time ^n，m_max为检测窗的相关峰值，pre(CORR_time ^n，m_max)为与CORR_time ^n，m_max相邻近的一个相关值，bhd(CORR_time ^n，m_max)为与CORR_time ^n，m_max相邻近的另一个相关值，为了简单描述，这里仅以与相关峰值相邻近的两个相关值为例。

利用CM_CORR_Noise或CM_CORR_Peak，可以直接调整实际的检测门限，也可以调整检测窗相关峰值的权值因子、以及与该相关峰值邻近的相关值的权值因子。例如，利用CM_CORR_Noise或CM_CORR_Peak直接调整实际的检测门限的调整方式为：如果测得的CM_CORR_Noise大于预设的立方度量噪声因子，此时可能发生了虚警，则调高检测门限，如果测得的CM_CORR_Peak大于预设的立方度量峰值因子，此时可能发生了漏警，则调低检测门限，这样，相比于现有技术中信噪比(signal to noise ratio，简称为SNR)下不对检测门限进行调整，可以同时降低虚警和漏警的发生概率。

在本发明中，主要利用CM_CORR_Noise和/或CM_CORR_Peak调整检测窗内相关峰值的权值因子、以及与该相关峰值邻近的相关值的权值因子，具体地，可以分为以下几种调整方式：

调整方式1：计算出CM_CORR_Noise，在一般情况下，检测窗中除相关峰值以及与该相关峰值相邻近的相关值之外的其他相关值的波动较小，即正常情况下CM_CORR_Noise的值较小。如果CM_CORR_Noise大于第一噪声因子阈值(例如15)，检测窗中除相关峰值以及与该相关峰值相邻近的相关值之外的其他相关值的波动较大，此时可能发生了漏警，这时可以将CM_CORR_Noise作为权值因子的增函数来表示权值因子，用以减小权值因子。

调整方式2：计算出CM_CORR_Peak，如果各检测窗中的相关峰的波动较大，则各检测窗的相关峰值数据构成的集合的CM_CORR_Peak也较大，即CM_CORR_Peak大于第一峰值因子阈值(例如1.3)，此时可能发生了漏警，这时可以CM_CORR_Peak作为权值因子的减函数来表示权值因子，用以减小权值因子。

调整方式3：计算出CM_CORR_Noise，如果CM_CORR_Noise大于第一噪声因子阈值(例如15)且小于或等于第二噪声因子阈值(例如8.5)，此时可能发生了虚警，这时可以将CM_CORR_Noise作为权值因子的减函数来表示权值因子，用以减小权值因子。

调整方式4：计算出CM_CORR_Noise和CM_CORR_Peak，如果CM_CORR_Noise大于预设的第二噪声因子(例如8.5)，且CM_CORR_Peak大于预设的第二峰值因子(例如1)，此时可以将CM_CORR_Noise作为权值因子的增函数、CM_CORR_Peak作为权值因子的减函数来表示权值因子。

这样，在利用CM_CORR_Noise和CM_CORR_Peak调整子窗内相关峰极值数据与其相邻的权值时，如果CM_CORR_Noise较大或CM_CORR_Peak较小，则可以调低检测窗内相关峰值的权值因子、以及调低与该相关峰值邻近的相关值的权值因子，这样，在一定程度上等效于调低了实际的检测门限，反之亦然。具体地，这种调整可以分下述两种情况：情况1：当相关峰值波动很大而相关峰值之外数据波动很小时，可以按照相关峰波动来调整滤波器系数权值，不用考虑相关峰值之外的数据波动；情况2：当相关峰值之外的数据波动较大时，即使当相关峰值波动很小，也可能发生漏警，这时应该调低与该相关峰值邻近的相关值的权值因子。

基于上述几种调整方式，可以看出，考虑到相关值数据波动对虚警和漏警的影响，当CM_CORR_Noise大于正常值一定程度时，发生虚警的概率很大，而当CM_CORR_Noise特别大时，发生虚警的概率较少，而发生漏警的概率很大，此时应该调高与相关峰值邻近的相关值的权值因子，即调高相关峰值左右的滤波器系数权值，相当于调高检测门限；当CM_CORR_Peak大于正常值一定程度时，发生漏警的概率大大增加，可以根据相关峰值和相关峰值之外的CM_CORR_Noise波动以及CM_CORR_Peak的波动来调整相关峰值，此时应该调低相关峰值邻近的相关值的权值因子，即调低相关峰值左右的滤波器系数权值，相当于调低检测门限。这样，就很好的解决了虚警和漏警的矛盾，同时降低了虚警和漏警发生概率，提升了检测性能。

图3是本发明实施例的峰值检测方法的步骤流程图，在该实例中，采用列向量的方式来表示向量，如图3所示，包括以下处理：

步骤S301，基站获得当前母码的频域数据Mothercode_freq ^u，具体地，可以通过下述两种方式获得当前母码的频域数据Mothercode_freq ^u。

方式1：可以首先计算出Mothercode_freq ^u(0)，并利用迭代法计算出当前母码的频点值Mothercode_freq ^u(k+1)：

$\mathrm{Mothercod}{e}_{\mathrm{freq}}^u(k+1)==e^{j\frac{\mathrm{\&pi;}}{N_{\mathrm{ZC}}}u\&CenterDot;v\&CenterDot;(2\&CenterDot;v\&CenterDot;k+v+1)}\&CenterDot;{\mathrm{Mothercode}}_{\mathrm{freq}}^u\left(k\right)$

其中，u为规定的当前母码的根序列序号，k为当前母码的频点个数，当前母码为长码时，k的取值为[0，838]，即当前母码中包括839个频点，当前母码为短码时，k的取值为[0，138]，即当前母码中包括139个频点。

方式2：可以首先计算出Mothercode_freq ^u(0)，并根据Mothercode_freq ^u(0)计算出Mothercode_freq ^u(1)，再利用迭代法计算出当前母码的频点值Mathercode_freq ^u(k+2)：

$\mathrm{Mothercod}{e}_{\mathrm{freq}}^u(k+2)==e^{j\frac{2\mathrm{\&pi;}}{N_{\mathrm{ZC}}}u\&CenterDot;v\&CenterDot;(2\&CenterDot;v\&CenterDot;k+2\&CenterDot;v+1)}\&CenterDot;{\mathrm{Mothercode}}_{\mathrm{freq}}^u\left(k\right)$

通过方式2，可以根据Mothercode_freq ^u(0)迭代算出Mothercode_freq ^u(2)、Mothercode_freq ^u(4)、Mothercode_freq ^u(6)...，即k为偶数时的频点值，并可以根据Mothercode_freq ^u(1)迭代算出Mothercode_freq ^u(3)、Mothercode_freq ^u(5)、Mothercode_freq ^u(7)...，即k为奇数时的频点值，u为规定的当前母码的根序列序号，u的取值为[1，N_zc_1]的自然数v为u对N_zc的模倒数，即 $v=\frac{m\&times;N_{\mathrm{zc}}+1}{u},$ v的大小仅与u有关，m取值为使u×v＝m×Nzc+1成立的最小m值，N_zc为本地母码的码长度，u和v一一对应。

在具体实现过程中，可以采用上述方式1或方式2中的任一种来计算当前母码的频域数据Mothercodefrequ。

步骤S302，将当前母码的频域数据Mothercode_freq ^u与接收信号进行相关运算，为了描述清楚，将该步骤分为以下4个子步骤进行描述：

第一步，基站将接收到的PRACH数据抽取到1.92M，得到Rxrach_bb_time(该过程可以通过现有技术的方法来实现)，并将Rxrach_bb_time再作N_DFT点的离散傅里叶变换(Discrete Fourier Transform，简称为DFT)，得到Rxrach_N_DFT_bb_freq＝DFT(Rxrach_bb_time)，其中，当前母码为长码时，将Rxrach_bb_time进行1536点或2048点的DFT变换，当前母码为短码时，将Rxrach_bb_time进行256或512点的DFT变换；

第二步，截取Rxrach_N_DFT_bb_freq中的部分频域数据Rxrach_N_ZC_bb_freq：

$\mathrm{Rxrach}\_N_{\mathrm{ZC}}\_{\mathrm{bb}}_{\mathrm{freq}}=$

其中，当前母码为长码时，N_zc取值为839，end取值为1536或2048，当前母码为短码时，N_zc取值为139，end取值为256或512，截取数据的主要思想是：删除Rxrach_N_DFT_bb_freq中高频部分的频域数据，保留Rxrach_N_DFT_bb_freq中低频部分的频域数据。

第三步，将Rxrach_N_ZC_bb_freq与Mothercode_freq ^u进行共轭相乘，得到CORR_freq：

${\mathrm{CORR}}_{\mathrm{freq}}=<\mathrm{Rxrach}\_N_{\mathrm{ZC}}\_{\mathrm{bb}}_{\mathrm{freq}},\mathrm{Mothercod}{e}_{\mathrm{freq}}^u>$

第四步，将频域数据CORR_freq中间如下补0，使得补后的频域数据CORR_freq中包括1536个值或256或512个值(当前母码为长码时，CORR_freq中包括1536或2048个值，当前母码为短码时，CORR_freq中包括256或512个值)，再将补0后的频域数据CORR_freq做N_DFT点离散傅里叶逆变换(Inverse Discrete FourierTransform，简称为IDFT)，得到时域相关数据CORR_time：

${\mathrm{CORR}}_{\mathrm{time}}=$

或

${\mathrm{CORR}}_{\mathrm{time}}=$

其中，当前母码为长码时，将补0后的频域数据CORR_freq进行1536点的IDFT变换，当前母码为短码时，将补0后的频域数据CORR_freq进行256或512点的IDFT变换，将变换结果CORR_time取模的平方，也可以不取模平方。若不取模平方，后面S307计算权值因子的拟合参数会有所调整，具体地，如果CORR_time取模平方，CM_CORR_Peak和CM_CORR_Noise为相关值能量的三阶累积量，如果CORR_time不取模平方，CM_CORR_Peak和CM_CORR_Noise为相关值幅度的三阶累积量。

上述步骤S301至步骤S302为本发明实施例中对本地母码执行相关运算的过程。

步骤S303，将步骤S302中计算出的数据CORR_time划分为若干长度为的子窗，其中，round表示四舍五入，N_CS表示每个检测窗的循环移位的长度。

将第n(n＝0，1、2...)个子窗(即上文所述的检测窗)内的相关值数据集记为CORR_time ⁿ，第n个子窗内第m个点的相关值数据记为CORR_time ^n，m，找出该子窗内的相关峰数据幅度最大的值CORR_time ^n，m_max(即上文所述的最大相关峰值)，其中， $m\_\max =\arg \underset{m}{\max }\left(\mathrm{abs}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m}\right)\right),$ 并计算本子窗内与相关峰值左右邻近的两个相关值pre(CORR_time ^n，m_max)和bhd(CORR_time ^n，m_max)(也可以是左右若干个相关值)，具体地，可以通过下述公式求得pre(CORR_time ^n，m_max)和bhd(CORR_time ^n，m_max)：

对于本地母码执行相关运算后得到的每个检测窗，找到每个检测窗的m_max，以及每个检测窗的相关峰值、pre(CORR_time ^n，m_mx)、bhd(CORR_time ^n，m_max)。

在具体实现过程中，对于每个检测窗，可以找出相对于该检测窗窗数据最大的多个相关峰值，按照步骤S303计算相应的CORR_time ⁿ、pre(CORR_time ^n，m_max)、bhd(CORR_time ^n，m_max)，并对每组CORR_time ⁿ、pre(CORR_time ^n，m_max)、bhd(CORR_time ^n，m_max)执行步骤S304至步骤S311的操作。

步骤S304，假设配置的峰均比检测门限为DetectThreshold(单位db)，计算每个子窗内的噪声功率σ²，可以通过下述公式计算σ²：

${\mathrm{\&sigma;}}^2=\mathrm{mean}\left\{{\mathrm{CORR}}_{\mathrm{time}}^n\right|{\mathrm{CORR}}_{\mathrm{time}}^n\&le;\mathrm{mean}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\mathrm{left}}\right)\&CenterDot;\mathrm{db}\left(\mathrm{DetectThreshold}\right)\},$ mean表示均值函数；

获得每个子窗的Peak_n(即上文所述的CORR_time ^n，m_max)，对于每个子窗，将Peak_n分别与1.6*σ²·db(DetectThreshold)、0.5*σ²·db(DetectThreshold)进行比较，如果Peak_n满足Peak_n≤l₁*σ²·db(DetectThreshold)(其中，l₁为第一比例因子，l₁的取值为[0，0.6】，例如0.5)与Peak_n≥l₂*σ²·db(DetectThreshold)(其中，l₂为第二比例因子，l₂的取值为【1.5，3】，例如1.6)中的任一个，则进入步骤S310；如果Peak_n不满足Peak_n≤l₁*σ²·db(DetectThreshold)与Peak_n≥l₂*σ²·db(DetectThreshold)中的任一个，则进入到步骤S305。

步骤S305，根据步骤S303计算出所有子窗的CORR_time ^n，m_max(n)，计算立方度量峰值因子CM_CORR_Peak，具体地，可以通过下述公式确定CM_CORR_Peak：

$\mathrm{CM}\_\mathrm{CORR}\_\mathrm{Peak}=\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)+M_0$

其中，M₀为立方度量常量，M₀的取值范围为(0，3)，优选地，M₀可以取值为0.8236，CM为立方度量(Cubic Metric)函数，计算数组A的CM值如下：

CM(A)＝(db(rms(norm(abs(A))³))-1.5273)/1.85

上式中db为对数值转线性函数，rms为均方根函数，norm为正态归一化函数，abs为绝对值模函数，表达式分别如下：

db(A)＝20□log₁₀(A)； $\mathrm{rms}\left(A\right)=\sqrt{\mathrm{mean}\left(A^2\right)};$ norm(A)＝A/rms(A)，其中，mean表示均值函数。

通过步骤S305，可以得到对当前母码执行相关运算后得到的每个检测窗的CM_CORR_Peak，其中，每个检测窗的CM_CORR_Peak的值均相等。

步骤S306，对于每个子窗，去除本子窗内的相关峰值以及与该相关峰值相邻近的相关值，并根据剩下的其他所有相关值确定立方度量噪声因子CM_CORR_Noise，优选地，可以去除上述确定的 ${\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max },\mathrm{pre}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right),\mathrm{bhd}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right),$ 剩下的其他所有相关值为：

${\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\mathrm{left}}=\left\{\begin{array}{c}{\mathrm{CORR}}_{\mathrm{time}}^n|{\mathrm{CORR}}_{\mathrm{time}}^n\&NotEqual;{\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max },{\mathrm{CORR}}_{\mathrm{time}}^n\&NotEqual;\mathrm{pre}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right),\\ {\mathrm{CORR}}_{\mathrm{time}}^n\&NotEqual;\mathrm{pre}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right)\end{array}\right\}$

计算此组数据CORR_time ^n，m_left的CM值CM(CORR_time ^n，m_left)，即

$\mathrm{CM}\_\mathrm{CORR}\_\mathrm{Noise}=\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\mathrm{left}}\right)=$

$(\mathrm{db}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\mathrm{abs}\left(\mathrm{COR}{R}_{\mathrm{time}}^{n,m\_\mathrm{left}}\right)\right)}^3\right)\right)-1.5273)/1.85$

通过步骤S306，可以得到每个检测窗的CM_CORR_Noise，每个检测窗独立计算各自的CM_CORR_Noise，同一母码的每个检测窗可能会有不同的CM_CORR_Noise。

步骤S307，根据计算出的CM_CORR_Peak及每个子窗内的CM_CORR_Noise来计算factor_filter_pre、factor_filter_bhd、factor_filter_middle，其中，factor_filter_pre表示相关值pre(COR_time ^n，m_max)的权值因子、factor_filter_bhd表示相关值factor_filter_bhd的权值因子、factor_filter_middle表示相关峰值CORR_time ^n，m_max的权值因子，factor_filter_pre、factor_filter_bhd的值可以完全相同，也可以部分相同，还可以完全不同。例如，下面是以峰均比作为判断标准，得到的其他峰值检测门限或峰值权值与检测数据峰均比的拟合关系：

if CM_CORR_Noise＞15

factor_filter_pre＝factor_filter_bhd＝factor_filter＝

0.375-(1-exp(15-CM_CORR_Noise)·0.375)·0.5

elseif CM_CORR_Peak＞1.3

factor_filter_pre＝factor_filter_bhd＝factor_filterfactor_filter＝

                                                                  ；

0.375+exp(1.3-CM_CORR_Peak)

elseif CM_CORR_Peak＞1&&CM_CORR_Noise＞8.5

factor_filter_pre＝factor_filter_bhd＝factor_filter＝

                                                      ；

(CM_CORR_Noise-8.5)·(1.618-CM_CORR_Peak)+0.375

elseif CM_CORR_Noise＞8.5

factor_filter_pre＝factor_filter_bhd＝factor_filterfactor_filter＝

                                                                  ；

(0.2+(1-exp(CM_CORR_Noise-8.5))·0.3)·0.5

else

factor_filter＝0.375；

(为降低计算复杂度，exp函数也可用多项式代替，如用poly函数代替： $\mathrm{poly}\left(A\right)=1+A+\frac{A^2}{2}+\frac{A^3}{6}+\frac{A^4}{24}$ )

在该实例中，为了描述方便，假设factor_filter_pre、factor_bhd两者的值相同，记为factor_filter，即相关值pre(CORR_time ^n，m_max)的权值因子、相关值factor_filter_bhd的权值因子均相同，相关峰值COR_time ^n，m_max的权值因子factor_filter_middle归一化为1。但在实际处理过程中，并不限于此，可以根据上文中所述的调整方式分别为pre(CORR_time ^n，m_max)、factor_filter_bhd、CORR_time ^n，m_max调整权值因子。

通过步骤S307，可以计算出每个检测窗的权值因子。

步骤S308，通过下述公式计算每个检测窗的相关峰检测值

$\frac{{\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }+\mathrm{factor}\_\mathrm{filter}\_\mathrm{pre}\&CenterDot;\mathrm{pre}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right)+\mathrm{factor}\_\mathrm{filter}\_\mathrm{bhd}\&CenterDot;\mathrm{bhd}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right)}{1+\mathrm{factor}\_\mathrm{filter}\_\mathrm{pre}+\mathrm{factor}\_\mathrm{filter}\_\mathrm{bhd}}$

步骤S309，对于每个检测窗，将步骤S308中计算出的

与σ²·db(DetectThreshold)进行比较，若

则进入步骤S310，否则进入步骤S311。

步骤S310，检测窗中存在用户。

步骤S311，检测窗中不存在用户。

根据上述步骤S301至S311，可以对当前母码执行相关运算后的各检测窗依次进行检测，如果当前母码检测完毕，则获取下一个母码相关运算后的第一个检测窗的相关数据进行，并根据上述步骤S301至S309对该母码相关运算后的所有检测窗依次进行检测，直至本小区内的所有母码均检测完毕。

图4是根据本发明实施例的通信系统的组成结构图，如图4所示，该通信系统包括：

立方度量因子确定模块401，用于对本地母码执行相关运算后得到的每个检测窗，根据检测窗中的相关值确定立方度量噪声因子和立方度量峰值因子；

权值因子确定模块402，用于根据立方度量噪声因子和/或立方度量峰值因子，确定权值因子；

相关峰检测值确定模块403，用于利用权值因子对检测窗中的相关峰值、以及与该相关峰值相邻近的相关值执行加权平均操作，得到检测窗的相关峰检测值；

检测模块404，用于将相关峰检测值与预设检测值相比较，如果相关峰检测值大于或等于预设检测值，则确定检测窗中存在用户。

图4是与前面方法对应的系统，系统的工作过程以及工作原理在方法部分已经进行了详细描述，在此不再赘述，参照方法中相应部分的描述即可。

借助于本发明的上述技术方案，能够通过各检测窗峰值及噪声的波动来预测虚警和漏警的可能性，合理调整检测窗的相关峰检测值，从而在同样的信噪比条件下可使虚警和漏警同时得到降低，提升检测性能，例如，即使是在低信噪比条件下，采用本发明后，同样可以明显有效提高LTE中PRACH检测的性能。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种峰值检测方法，其特征在于，包括：

对本地母码执行相关运算后得到检测窗，根据所述检测窗中的相关值确定立方度量噪声因子和立方度量峰值因子；

根据所述立方度量噪声因子和/或所述立方度量峰值因子，确定权值因子；

利用所述权值因子对所述检测窗中的相关峰值、以及与该相关峰值相邻近的相关值执行加权平均操作，得到所述检测窗的相关峰检测值；

将所述相关峰检测值与预设检测值相比较，如果所述相关峰检测值大于或等于所述预设检测值，则确定所述检测窗中存在用户。

2.根据权利要求1所述的方法，其特征在于，根据所述检测窗中的相关值确定立方度量峰值因子的操作包括：

计算每个检测窗的相关峰值，并对得到的所有检测窗的相关峰值执行立方度量函数操作，将得到的结果作为所述立方度量峰值因子。

3.根据权利要求2所述的方法，其特征在于，根据以下公式得到所述立方度量峰值因子CM_CORR_Peak：

$\mathrm{CM}\_\mathrm{CORR}\_\mathrm{Peak}=\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)+M_0$

其中，CORR_time ^n，m_max(n)为第n个检测窗的相关峰值，M₀为立方度量常量，M₀的取值范围为(0，3)；

CM为立方度量函数，计算数组CORR_time ^n，m_max(n)的CM值如下：

$\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)=(\mathrm{ab}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\mathrm{abs}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)\right)}^3\right)\right)-1.5273)/1.85;$

或者，

$\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)=(\mathrm{ab}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max \left(n\right)}\right)\right)}^3\right)\right)-1.5273)/1.85$

其中，db为对数值转线性函数，rms为均方根函数，norm为正态归一化函数，abs为绝对值模函数。

4.根据权利要求1所述的方法，其特征在于，根据所述检测窗中的相关值确定立方度量噪声因子的操作包括：

对于每个检测窗，根据所述检测窗中除相关峰值以及与该相关峰值相邻近的相关值之外的其他所有相关值确定所述立方度量噪声因子。

5.根据权利要求4所述的方法，其特征在于，根据以下公式得到所述立方度量噪声因子CM_CORR_Noise：

$\mathrm{CM}\_\mathrm{CORR}\_\mathrm{Noise}=\mathrm{CM}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\mathrm{left}}\right)=$

$(\mathrm{ab}\left(\mathrm{rms}\left(\mathrm{norm}{\left(\mathrm{abs}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\mathrm{left}}\right)\right)}^3\right)\right)-1.5273)/1.85$

其中，CORR_time ^n，m_left为检测窗口的中除相关峰值以及与该相关峰值相邻近的相关值之外的其他所有相关值的集合，db为对数值转线性函数，rms为均方根函数，norm为正态归一化函数，abs为绝对值模函数。

6.根据权利要求1所述的方法，其特征在于，根据所述立方度量噪声因子和/或所述立方度量峰值因子确定权值因子的操作包括：

所述立方度量噪声因子大于第一噪声因子阈值，将所述立方度量噪声因子作为所述权值因子的增函数来表示所述权值因子；或者，

所述立方度量噪声因子大于第一噪声因子阈值且小于或等于第二噪声因子阈值，将所述立方度量噪声因子作为所述权值因子的减函数来表示所述权值因子；或者，

所述立方度量噪声因子大于或等于第一噪声因子阈值，且所述立方度量峰值因子大于或等于第一峰值因子阈值，将所述立方度量噪声因子作为所述权值因子的增函数、所述立方度量峰值因子作为所述权值因子的减函数来表示所述权值因子。

7.根据权利要求1所述的方法，其特征在于，利用下述公式计算所述相关峰检测值

$\frac{{\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }+\mathrm{factor}\_\mathrm{filter}\_\mathrm{pre}\&CenterDot;\mathrm{pre}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right)+\mathrm{factor}\_\mathrm{filter}\_\mathrm{bhd}\&CenterDot;\mathrm{bhd}\left({\mathrm{CORR}}_{\mathrm{time}}^{n,m\_\max }\right)}{1+\mathrm{factor}\_\mathrm{filter}\_\mathrm{pre}+\mathrm{factor}\_\mathrm{filter}\_\mathrm{bhd}}$

其中，CORR_time ^n，m_max为检测窗口的相关峰值，pre(CORR_time ^n，m_max)为与CORR_time ^n，m_max相邻近的一个相关值，bhd(CORR_time ^n，m_max)为与CORR_time ^n，m_max相邻近的另一个相关值，·为相乘计算，factor_filter_pre为pre(CORR_time ^n，m_max)的权值因子，factor_filter_bhd为bhd(CORR_time ^n，m_max)的权值因子。

8.根据权利要求1至7中任一项所述的方法，其特征在于，所述确定立方度量噪声因子和立方度量峰值因子之前，所述方法还包括：

获得所述本地母码在频域上的频点值；

其中，利用下述公式计算所述本地母码的频点值Mothercode_freq ^u(k+1)：

${\mathrm{Mothercode}}_{\mathrm{freq}}^u(k+1)=e^{j\frac{\mathrm{\&pi;}}{N_{\mathrm{ZC}}}u\&CenterDot;v\&CenterDot;(2\&CenterDot;v\&CenterDot;k+v+1)}\&CenterDot;{\mathrm{Mothercode}}_{\mathrm{freq}}^u\left(k\right),$ k为本地母码的频点个数，u为规定的本地母码的根序列序号，u的取值为[1，N_zc-1]的自然数v为u对N_zc的模倒数，即 $v=\frac{m\&times;N_{\mathrm{zc}}+1}{u},$ v的大小仅与u有关，m取值为使u×v＝m×Nzc+1成立的最小m值，N_zc为本地母码的码长度，u和v一一对应。

或者，

利用下述公式计算所述本地母码的频点值Mothercode_freq ^u(k+1)：

${\mathrm{Mothercode}}_{\mathrm{freq}}^u(k+2)==e^{j\frac{2\mathrm{\&pi;}}{N_{\mathrm{ZC}}}u\&CenterDot;v(2\&CenterDot;v\&CenterDot;k+2\&CenterDot;v+1)}\&CenterDot;{\mathrm{Mothercode}}_{\mathrm{freq}}^u\left(k\right),$ k为本地母码的频点个数，u为规定的本地母码的根序列序号，u的取值为[1，N_zc-1]的自然数v为u对N_zc的模倒数，即 $v=\frac{m\&times;N_{\mathrm{zc}}+1}{u},$ v的大小仅与u有关，m取值为使u×v＝m×Nzc+1成立的最小m值，N_zc为本地母码的码长度，u和v一一对应。

9.根据权利要求8所述的方法，其特征在于，还包括：

将来自用户的接收信号转化为时域的基带信号；

将所述基带信号进行傅立叶变换，得到所述接收信号的频域值，并截取所述接收信号的部分频域值；

其中，利用下述公式截取所述接收信号的部分频域值，得到频域截取值Rxrach_N_ZC_bb_freq：

其中，Rxrach_N_DFT_bb_freq＝DFT(Rxrach_bb_time)，Rxrach_bb_time为基带信号，DFT为傅立叶变换函数，N_ZC为本地母码的码长度，end为Rxrach_N_DFT_bb_freq的码长度。

10.根据权利要求9所述的方法，其特征在于，还包括：

将所述频域截取值与所述本地母码的频点值共轭相乘，得到所述母码的参考频域值；

将所述参考频域值补零后执行傅立叶逆变换，得到所述本地母码在时域上的数据；

其中，利用下述公式计算所述本地母码的参考频域值CORR_freq：

${\mathrm{CORR}}_{\mathrm{freq}}=<\mathrm{Rxrach}\_N_{\mathrm{ZC}}\_b_{\mathrm{freq}},{\mathrm{Mothercode}}_{\mathrm{freq}}^u>;$

其中，利用下述公式计算母码在时域上的数据CORR_time：

或者，利用下述公式计算母码在时域上的数据CORR_time：

${\mathrm{CORR}}_{\mathrm{time}}=$

11.根据权利要求10所述的方法，其特征在于，还包括：

将本地母码母码在时域上的数据CORR_time划分为长度相等的多个检测窗；

其中，每个检测窗的长度为round表示四舍五入，N_CS表示每个检测窗的循环移位的长度。

12.一种通信系统，其特征在于，用于执行权利要求1至11中任一项所述的方法。

Images