CN103178913A - 一种lte中zc参考序列参数估计方法 - Google Patents

Abstract

本发明公开了一种LTE中ZC参考序列参数估计方法，包括如下步骤：对ZC参考序列进行采集数据，得到有关于ZC参考序列的数据，记为r(0),r(1),…,r(N-1)；利用接收信号进行自相关估计参数N_ZC；接收数据预处理，根据ZC参考序列的性质，将接收到的相邻的两个数据进行复数相乘构成新的数据序列；MUSIC算法估计根指数u，其中，MUSIC算法中的搜索矢量本发明在与LTE发射端不做上层通信的前提下可以估计出其中ZC参考序列的参数：参考序列长度N_ZC和根指数u，且该方法估计准确，正确估计的概率大于95%。

Description

一种LTE中ZC参考序列参数估计方法

技术领域

本发明涉及无线通信系统中参数的估计技术，特别是涉及LTE标准中Zadoff-Chu（ZC）参考序列的参数估计技术。

背景技术

近年来随着全球微波互联接入（Worldwide Interoperability for MicrowaveAccess，WiMAX）技术的迅猛发展，第三代合作伙伴计划（The3rd GenerationPartnership Project，3GPP）组织启动了长期演进（Long Term Evolution，LTE）项目。LTE标准作为从第三代移动通信系统（3G）向第四代移动通信系统（4G）演进的主流标准，其应用场景越来越多。在某些被动接收LTE参考信号进行处理的应用中，比如基于LTE中ZC参考信号进行被动定位的系统中，由于接收端并不与LTE通信系统中上层通信，所以接收端并不知道LTE上层中规定的ZC参考序列的参数，这时接收端必须对其参数进行估计。

恒包络零自相关（Const Amplitude Zero Auto-Correlation，CAZAC）序列是形式为的复数值信号，CAZAC序列是在LTE中应用十分广泛的一个参考序列^[57]。

1、用户标识。在LTE中采用CAZAC序列作为随机接入前导序列，以不同的循环移位值来作为用户的唯一标识。

2、系统同步。CAZAC序列被应用于LTE同步过程中的主同步信号和辅同步信号，不仅提供时间和频率同步，而且提供用户设备（User Equipment，UE）物理层小区标识和循环前缀长度。

3、信道估计。在LTE上行链路中采用CAZAC序列作为解调参考信号，这类参考信号主要用于信道估计中的相干解调。

LTE中应用最为广泛的CAZAC序列是Zadoff-Chu（ZC）序列。ZC序列是形式为的复数值信号，ZC序列是在LTE中应用十分广泛的一个参考序列。在LTE中采用ZC序列作为随机接入前导序列，以不同的循环移位值来作为用户的唯一标识。ZC序列被应用于LTE同步过程中的主同步信号和辅同步信号，不仅提供时间和频率同步，而且提供用户设备（User Equipment，UE）物理层小区标识和循环前缀长度。

LTE中应用最为广泛的参考序列是Zadoff-Chu（ZC）序列，其定义如下：

其中u∈{1,...N_ZC-1}是ZC序列的根指数，与N_ZC互质；l可以是任意整数。

根据上述的ZC序列的数学表达式特点，可以得到以下两个性质

性质一：

性质二：

ZC序列具有恒包络特性、理想的相关特性、傅里叶变换后仍然是ZC序列等重要特点，可以利用这些特点来对其进行参数估计。

发明内容

发明目的：由于在LTE实际应用中ZC序列中的参数序列长度N_ZC和根指数u，在基于LTE终端的被动定位等应用中，接收端不进行上层之间的通信，所以接收端可能并不知道这两个参数具体为何值，为此必须首先估计这两个参数。本发明的目的是为了在接收端与发射端不做上层通信的前提下，对LTE终端发射的LTE信号中ZC参考序列参数进行估计。

技术方案：一种LTE中ZC参考序列参数估计方法，步骤包括：

步骤一：对ZC参考序列进行采集数据，得到有关于ZC参考序列的数据，记为r(0),r(1),…,r(N-1)；

步骤二：利用接收信号进行自相关估计参数N_ZC；

步骤三：接收数据预处理，根据ZC参考序列的性质，将接收到的相邻的两个数据进行复数相乘构成新的数据序列，即

其中，复高斯白噪声w(k)＝βa(k+1)v^*(k)+βv(k+1)a^*(k)+v(k+1)v^*(k)，a(k)是ZC序列信号，v(k)是复高斯白噪声，β是信号幅度传播衰减因子，k=0,1,2...N_ZC-1；

步骤四：MUSIC算法估计根指数u，其中，MUSIC算法中的搜索矢量 $e=[1,e^{j2\mathrm{\πu}/N_{\mathrm{ZC}}},...,e^{j2\mathrm{\πu}(P-1)/N_{\mathrm{ZC}}}].$

本发明采用上述技术方案，具有以下有益效果：本发明在与LTE发射端不做上层通信的前提下可以估计出其中ZC参考序列的参数：参考序列长度N_ZC和根指数u。并且该方法估计非常准确，正确估计的概率都大于95%。

附图说明

图1为本发明实施例的蜂窝移动通信系统示意图；

图2为本发明实施例的流程图；

图3为本发明实施例的ZC序列长度相关法估计示意图；

图4为本发明实施例的不同信噪比情况下1000次独立实验中ZC序列根指数u正确估计次数分布直方图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

接收端接收到的信号都是ZC序列的信号，而且只考虑没有多径情况下的ZC序列参数估计，根据式（2），接收端得到的信号可以表达为

其中，信号a(n)是ZC序列信号，β是其幅度传播衰减因子，v(n)是复高斯白噪声，n＝0,1,2,...,N'-1，k＝nmod(N_ZC)，接收信号长度N'远大于ZC序列长度N_ZC。

图1为本发明实施例的蜂窝移动通信系统示意图；图2为本发明实施例的流程图，在一种实施例中，LTE中ZC参考序列参数估计方法的步骤包括：

步骤一：对ZC参考序列进行采集数据；

对LTE中ZC参考序列所对应的频带进行采样，得到有关于ZC参考序列的数据，记为r(0),r(1),…,r(N-1)。

步骤二：利用接收信号进行自相关估计参数N_ZC；

如图3所示，利用接收信号的自相关序列的相关峰之间的位置关系，可以得到ZC序列长度N_ZC；其中，接收序列的自相关函数为：

$\mathrm{cor}\left(k\right)=\underset{i=0}{\overset{N-k}{\mathrm{\Σ}}}r\left(i\right)r(i+k)---\left(5\right)$

步骤三：接收数据预处理；

根据ZC序列的性质一，可以将接收到的相邻的两个数据进行复数相乘构成新的数据序列，即

其中，w(k)＝βa(k+1)v^*(k)+βv(k+1)a^*(k)+v(k+1)v^*(k)，假设其功率谱密度为

步骤四：MUSIC算法估计根指数u；

根据式（6）中的x(k)得到P×P的相关矩阵，利用MUSIC算法可以估计根指数u。可以将该上一步骤中的信号x(k)改写成如下自相关矩阵的形式：

$R=E[x\·x^H]---\left(7\right)$

自相关矩阵R是一个Toeplitz矩阵，下面对式（8）其进行特征值分解

R＝UΣU^H   （8）

其中，Σ＝diag(λ₁,λ₂,...,λ_P)。

根据式（8）可得自相关矩阵R的特征值分别如下

${\mathrm{\λ}}_i=\left\{\begin{array}{cc}{\mathrm{\λ}}_i^s+{\mathrm{\σ}}_v^2& i=1\\ {\mathrm{\σ}}_v^2& i=2,...,P\end{array}\right.---\left(9\right)$

将式（9）中特征值按降序排列，即λ₁≥λ₂≥...≥λ_P，且u₁,u₂,...,u_P是对应特征值的特征矢量。

构造以下MUSIC算法搜索函数

$P_{\mathrm{MU}}\left(\mathrm{\ω}\right)=\frac{1}{\underset{i=2}{\overset{P}{\mathrm{\Σ}}}{\left|e{\left(\mathrm{\ω}\right)}^H{u}_i\right|}^2}---\left(10\right)$

其中，MUSIC算法中的搜索矢量

使得P_MU(ω)取得峰值的ω便是所要求的频率。

实验在matlab平台上分别在区间[50,100]之间随机生成ZC序列长度N_ZC和在区间[1,50]之间随机生成ZC序列根指数u，并且保证u与N_ZC是互质的。

如图4所示，在不同信噪比环境下1000次独立ZC序列参数估计的正确估计结果。当信噪比高于0dB的时候，ZC序列参数估计是非常准确的，正确估计的概率都大于95%。

Claims (1)

1.一种LTE中ZC参考序列参数估计方法，参数分别是参数序列长度N_ZC和根指数u，其特征在于，包括如下步骤：

步骤一：对ZC参考序列进行采集数据，得到有关于ZC参考序列的数据，记为r(0),r(1),…,r(N-1)；

步骤二：利用接收信号进行自相关估计参数N_ZC；

步骤三：接收数据预处理，根据ZC参考序列的性质，将接收到的相邻的两个数据进行复数相乘构成新的数据序列；即

其中，复高斯白噪声w(k)＝βa(k+1)v^*(k)+βv(k+1)a^*(k)+v(k+1)v^*(k)，a(k)是ZC序列信号，v(k)是复高斯白噪声，β是信号幅度传播衰减因子，k=0,1,2...N_ZC-1；

步骤四：MUSIC算法估计根指数u，其中，MUSIC算法中的搜索矢量 $e=[1,e^{j2\mathrm{\πu}/N_{\mathrm{ZC}}},...,e^{j2\mathrm{\πu}(P-1)/N_{\mathrm{ZC}}}].$

Images