CN109076609B

CN109076609B - 用于前导码检测和到达时间估计的方法和接收器

Info

Publication number: CN109076609B
Application number: CN201780027755.2A
Authority: CN
Inventors: 林兴钦; Y-P·E·王; A·阿迪卡里
Original assignee: Telefonaktiebolaget LM Ericsson AB
Current assignee: Telefonaktiebolaget LM Ericsson AB
Priority date: 2016-05-06
Filing date: 2017-04-21
Publication date: 2021-04-27
Anticipated expiration: 2037-04-21
Also published as: US20190116066A1; US20170324587A1; RU2698918C1; CN109076609A; EP3453218B1; US10673653B2; EP3453218A1; IL262371B; RU2698918C9; US10148461B2; WO2017191522A1

Abstract

一种用于对单音跳频随机接入前导码执行前导码检测和到达时间ToA估计的接收器基带处理器(155)和方法。处理器FFT处理(11)接收的信号并识别逻辑音。对于每个逻辑音，处理器读取(12)接收的符号；确定(13)ToA估计；基于ToA估计形成(14)统计量；将统计量与前导码阈值进行比较(15,16)；以及当统计量大于或等于阈值时，确定(17)存在前导码并将ToA估计用于定时提前命令。

Description

用于前导码检测和到达时间估计的方法和接收器

技术领域

本公开一般涉及通信网络，并且更具体地涉及用于对诸如窄带物联网(NB-IoT)物理随机接入信道(NPRACH)之类的单音跳频随机接入前导码(preamble)执行前导码检测和到达时间(ToA)估计的接收器基带处理器和方法。

背景技术

窄带物联网(NB-IoT)是一种新兴的蜂窝技术，它将为延迟容忍应用中的具有低设备功耗的大量低吞吐量、低成本的设备提供改进的覆盖。已经为NB-IoT物理随机接入信道(NPRACH)设计了具有跳频的新单音(tone)信号。

例如，网络社会和IoT与蜂窝网络上关于设备成本、电池寿命和覆盖范围的新要求相关联。为了降低设备和模块成本，使用具有集成的功率放大器(PA)的片上系统(SoC)的解决方案是非常期望的。然而，当PA集成在SoC中时，可行的是当前最先进的PA技术允许20-23dBm的发射功率。该约束限制了上行链路“覆盖”，其与用户终端和基站之间允许多少的路径损耗有关。为了最大化集成的PA可实现的覆盖范围，有必要减少PA退避。当通信信号具有非统一的峰值平均功率比(PAPR)时，需要PA退避。PAPR越高，所需的PA退避越高。较高的PA退避也会导致较低的PA效率，从而导致较低的设备的电池寿命。因此，对于无线IoT技术，设计具有尽可能低的PAPR的上行链路通信信号对于实现关于设备成本、电池寿命和覆盖范围的性能目标是至关重要的。

目前，3GPP正在标准化NB-IoT技术。有来自现有的长期演进(LTE)生态系统(供应商和运营商)的强有力的支持以演进现有的LTE规范以包括所期望的NB IoT功能。这是由上市时间的考虑所驱动的，因为基于LTE的NB-IoT解决方案可以在更短的时间中被标准化和开发。然而，LTE上行链路基于用于上行链路数据和控制信道的单载波频分多址(SC-FDMA)调制，以及用于随机接入的Zadoff-Chu信号。这些信号都没有良好的PAPR属性。

为了帮助解决上述问题，已经在3GPP中提出并采用了新的随机接入前导码信号。新的随机接入前导码信号被称为单音跳频NB-IoT PRACH(NPRACH)。(参见RAN1主席的注释，3GPP TSG RAN WG1会议#84，圣朱利安斯，马耳他，2016年2月15日-19日)。随机接入前导码信号的生成包括串接N个前导码符号组，每个前导码符号包括单音。NPRACH使用以下跳跃模式，产生至少四个不同的子载波频率。在每四个符号组内应用内层固定大小的跳跃。在第一符号组和第二符号组之间以及第三符号组和第四符号组之间使用第一级单子载波跳跃。此外，两个单子载波跳跃是镜像的，即，如果第一跳跃是“向上”，则第二跳跃是“向下”，反之亦然。在第二符号组和第三符号组之间使用第二级6子载波跳跃。在四个符号组的组之间应用外层伪随机跳跃。

新的NPRACH信号基于单音，具有极低的PAPR，因此可以最大程度地减少对PA退避的需求，并最大化PA效率。如在任何OFDM符号间隔中，新的NPRACH信号与SC-FDMA和正交频分多址(OFDMA)兼容，新的NPRACH信号看起来像是一个单子载波的OFDM信号。

在一个实施例中，诸如基站的无线电网络节点从无线通信设备接收NPRACH信号，无线电网络节点内的基带处理器根据在不同符号组处跳跃单音不同频率距离的跳频模式，处理所接收的信号以试图检测包括多个符号组的随机接入前导码，其中在不同时间资源期间多个符号组中的每个符号组在单音上，其中每个符号组包括一个或多个符号。

注意，对于单个子载波信号，OFDM信号与SC-FDMA信号相同。此外，仔细设计跳频模式，使得(1)基站可以执行准确的到达时间估计，(2)PRACH可以充分利用频率资源，同时保持不同前导码的正交性。

发明内容

新的单音跳频NPRACH要求用于前导码检测和到达时间(ToA)估计的新的接收器算法。用于LTE中基于Zadoff-Chu序列的PRACH的传统相关算法不适用于NB-IoT中的NPRACH前导码检测和ToA估计。本公开提供了用于诸如NB-IoT中的NPRACH设计的单音跳频随机接入前导码的前导码检测和到达时间估计的接收器算法。该算法在NPRACH中实现了非常高的检测率、非常低的误报警率和准确的到达时间估计，这对于NB-IoT系统的正常运行非常重要。这些算法提供了不同的性能和复杂度权衡，并为诸如基站的网络设备的实现提供了重要指导。

在一个实施例中，本公开涉及接收器的基带处理器中的方法，该方法用于对单音跳频随机接入前导码执行前导码检测和ToA估计。该方法包括快速傅里叶变换(FFT)处理接收信号和识别逻辑音。对于每个逻辑音，该方法包括读取接收的符号；确定ToA估计；根据ToA估计形成统计量；将统计量与前导码阈值进行比较；以及当统计量大于或等于阈值时，确定存在前导码以及将ToA估计用于定时提前命令。

在另一实施例中，本发明涉及一种用于对单音跳频随机接入前导码执行前导码检测和ToA估计的接收器。接收器包括用于接收射频(RF)信号的接收器前端；以及用于处理接收的RF信号的基带处理器。基带处理器包括处理电路，该处理电路被配置为对接收的信号进行FFT处理并识别逻辑音，以及对于每个逻辑音，读取接收的符号；确定ToA估计；根据ToA估计形成统计量；将统计量与前导码阈值进行比较；当统计量大于或等于阈值时，确定存在前导码以及将ToA估计用于定时提前命令。

各种实施例的其他特征如从属权利要求中所要求的。鉴于以下描述和附图，实施例的其他益处和优点将是显而易见的。

附图说明

附图并入说明书中并形成说明书的一部分以说明本公开的一个或多个示例性实施例。从以下结合所附权利要求书并参考附图的详细描述中，将理解本公开的各种优点和特征，其中：

图1是示出本公开的示例性实施例中的到达时间(ToA)估计和前导码检测的整体方法的流程图；

图2是示出如在图1的步骤11中执行的接收信号的FFT处理的示例的说明图；

图3是具有五个符号的示例性PRACH符号组的说明图；

图4是示出逻辑音与物理音的关系的示例的说明图；

图5是示出联合估计ToA和残余载波频率偏移(CFO)估计的示例性实施例的流程图；

图6是示出在两步过程中分别估计ToA和残余CFO估计的示例性实施例的流程图；

图7是示出用于在图6的步骤61中估计残余CFO的第一示例性实施例的流程图；

图8是示出用于在图6的步骤61中估计残余CFO的第二示例性实施例的流程图；

图9是示出用于在图6的步骤61中估计残余CFO的第三示例性实施例的流程图；

图10是示出用于在图6的步骤62中估计ToA的第一示例性实施例的流程图；

图11是示出用于在图6的步骤62中估计ToA的第二示例性实施例的流程图；

图12是示出用于在图11的步骤111中确定粗定时估计的示例性实施例的流程图；

图13是示出用于在图11的步骤112中确定细化的定时估计的第一示例性实施例的流程图；

图14是示出用于在图11的步骤112中确定细化的定时估计的第二示例性实施例的流程图；以及

图15是本公开的示例性实施例中的接收器的基带处理器的简化框图。

具体实施方式

当使用单音跳频NPRACH时，本公开提供用于前导码检测和到达时间(ToA)估计的新的接收器算法。

在以下描述中，关于本专利公开的一个或多个实施例来阐述许多具体细节。然而，应该理解，可以在没有这些具体细节的情况下实践一个或多个实施例。在其他情况下，没有详细示出众所周知的电路、子系统、组件、结构和技术，以便使示例实施例不难理解。因此，本领域技术人员将理解，可以在没有这些具体细节的情况下实践本公开的实施例。

可以使用软件和固件或硬件的不同组合来实现本专利公开的一个或多个实施例。因此，可以使用在一个或多个电子设备或节点上存储和执行的代码和数据来实现图(例如，流程图)中所示的技术中的一种或多种技术。

在现有的LTE随机接入设计中，随机接入用于多种目的，例如在建立无线电链路时的初始接入、调度请求等。除了别的之外，随机接入的主要目的是实现上行链路同步，这对于维持LTE中的上行链路正交性是重要的。为了保持OFDMA或SC-FDMA系统中的不同用户设备(UE)之间的正交性，在基站处，每个UE的信号的到达时间(ToA)需要在OFDMA或SC-FDMA信号的循环前缀(CP)内。

在LTE中，随机接入可以是基于争用的或无争用的。基于争用的随机接入过程由以下四个步骤组成：(1)UE发送由eNodeB(eNB)接收的随机接入前导码(PRACH)；(2)eNB发送随机接入响应；(3)UE发送接入请求(调度的传输)；(4)eNB解决任何争用并提供上行链路授权。注意，只有步骤1涉及为随机接入而专门设计的物理层处理，而其余步骤2-4遵循上行链路和下行链路数据传输中使用的相同的物理层处理。对于无争用的随机接入，UE使用由基站分配的保留的前导码。在这种情况下，不需要争用解决，因此只需要步骤1和2。

NB-IoT PRACH用于与LTE中类似的目的，并且重用LTE中的随机接入过程。在基于争用的随机接入过程的步骤1中，PRACH前导码不占用整个随机接入段，留下一些时间作为保护时间(GT)。对于靠近eNB的UE，GT可以跟随前导码。对于小区边缘的UE，GT可以在前导码之前。如早前所述，为了最大化PA效率和覆盖范围，希望使PRACH前导码尽可能接近恒定包络。此外，PRACH前导码应该被设计成使得基站可以执行准确的到达时间估计。在以下描述中，术语“PRACH信号”和“PRACH前导码”可互换使用。

图1是示出了本公开的示例性实施例中的单音跳频随机接入前导码的到达时间(ToA)估计和前导码检测的整体方法的流程图。该方法可以在接收器的基带处理器中执行。在步骤11，处理器FFT处理接收信号并识别逻辑音。对于每个逻辑音，处理器执行步骤12到18。在步骤12，在每个逻辑音上读取接收的符号。在步骤13，确定到达时间(ToA)估计。在步骤14，基于ToA估计形成统计量。在步骤15，将统计量与阈值进行比较。在步骤16，确定统计量是否大于或等于阈值。如果是，则该方法移动到步骤17，其中处理器确定存在前导码并且将ToA估计用于定时提前命令。当统计量小于阈值时，该方法可以反而移动到步骤18，其中处理器丢弃ToA估计。

图2是示出在图1的步骤11中执行的接收信号的FFT处理的示例的说明图。FFT窗口被示出用于由循环前缀(CP)和5个符号组成的PRACH符号组的处理。

图3是具有CP和5个符号的PRACH符号组31的基本结构的一个示例的说明图。符号组基本上是单音OFDM信号。然而，与非CP部分由单个符号组成的传统OFDM符号不同，PRACH符号组的非CP部分可以由一个或多个符号组成。当前的3GPP协议规定一个CP(长度为266.7μs或66.7μs)和五个符号(0,1,2,3,4)构成基本符号组。

多个OFDM符号组(每个OFDM符号组如图3所示)被串联以形成PRACH前导码。但是，相同PRACH前导码的符号组的频率位置根据一些跳跃模式而变化。

图4是示出逻辑音与物理音的关系的示例的说明图。垂直轴指示频域，其中每个单位指示音。水平轴指示时域，其中每个单位是一个符号组的。因此，每个矩形指示符号组的时频位置，其结构如图3所示。图中有48个物理音，该图中可以有48个逻辑音。作为示例，该图突出显示被称为逻辑音“0”的一个逻辑音，而未示出其他逻辑音。标记为“0”的矩形一起构成逻辑音“0”。

如上所述，所公开的用于前导码检测和到达时间(ToA)估计的接收器算法被设计用于诸如NB-IoT中的NPRACH设计的单音跳频随机接入前导码。本公开集中于两种基本方法：用于联合ToA和残余载波频率偏移估计的接收器算法(图5)，以及用于具有残余载波频率偏移估计的两步ToA估计的接收器算法(图6)。在两步算法中，执行残余CFO估计，然后进行ToA估计。描述了用于残余CFO估计的三种备选方案(图7-9)，以及描述了用于ToA估计的两种备选方案(图10-11)。用于ToA估计的备选方案是(1)基于最大似然规则的直接搜索(图10)，以及(2)基于1音跳跃镜像的粗定时估计加上基于6音和/或伪随机跳跃的细化的定时估计(图11)。在图12中提供用于确定粗定时估计的细节。在图13-14中提供用于确定细化的定时估计的两种备选方案。图15中提供了被配置为执行该方法的接收器的示例性实施例。

为了开发用于新NPRACH设计的接收器算法，首先需要从基带处理器的角度理解所接收的随机接入信号看起来像什么。

初步分析

为简单起见，假设每个符号组仅有一个符号以用于以下分析。该结果将扩展到下面五个符号的符号组。连续基带等效OFDM信号可写为：

上述等式中的符号定义如下。

-N：FFT大小

-S[k；m]：第m个OFDM符号的第k个子载波上的符号

-T_d：OFDM符号的数据部分的持续时间

-T_cp：OFDM符号的CP的持续时间

-T_s＝T_d+T_cp：OFDM符号的持续时间

-I_A(t)：指示功能：如果t∈A，则它等于1，否则为0

因此，如果以OFDM采样率对连续波形进行采样，则第m个OFDM符号的第n个采样由下式给出：

其中

是按照OFDM样本的CP长度。

对于NPRACH的传输，信道看似平坦。更一般地，由于NB-IoT的系统带宽是180kHz并且NPRACH跳跃进一步被限制在45kHz带宽内，所以可以通过1抽头(tap)信道对信道建模。具体地，第m个OFDM符号的第n个样本的信道增益被建模为：

h[n；m]＝a[m]δ(n-D)

其中D是要估计的未知延迟，a[m]是第m个OFDM符号处的信道增益。通过设计，CP足够长以覆盖未知延迟，因此延迟D小于N_cp。

信道模型中的另一个隐含假设是信道在一个OFDM符号内是不变的。这是正常OFDM传输的常见假设。如果信道在一个OFDM符号内变化，则接收的OFDM信号将经历信道间干扰(ICI)。

给定发送的信号和信道模型，接收器处第m个OFDM符号的第n个样本由下式给出：

其中Δf是残余载波频率偏移(由OFDM采样率归一化)，v[n；m]是加性高斯白噪声。残余载波频率偏移是由于小区搜索中的不完美的频率估计。稍后将清楚的是，该残余载波频率偏移对ToA估计具有显著影响。

对于每个OFDM符号，接收器丢弃开始的N_cp个样本并对剩余N个样本执行FFT。在OFDM符号时间m处的第l个子载波上的接收符号由下式给出：

可以看出，所接收的符号由三项组成：(i)信号项，(ii)ICI项，以及(iii)噪声项。更明确地说，

假设数据符号

是已知的，目标是在存在未知信道增益a[m]、残余载波频率偏移Δf、ICI和噪声的情况下估计延迟D。关于上述等式中的信号项的若干评论是按照顺序的。

-e^jπ(N-1)Δf是恒定的相移，不能与复信道增益a[m]区分开来。

-如果Δf不是0，则

是实数且小于1。因此该项意味着一些信号功率损耗。然而，如果NΔf很小，则该值接近1，意味着信号功率损失可忽略不计。

-

从一个OFDM符号到另一个OFDM符号而变化，但它是在一个OFDM符号时间内的恒定相移。

-

是与延迟和子载波索引成比例的相移。

根据分析，可以看出有三种可能的导频设计以帮助基站估计ToA：

1)导频跨越一个OFDM符号但跨越多个子载波。在这种情况下，可以通过评估在子载波上发送的接收符号之间的相移来估计延迟D。但有一点需要注意：两个相邻导频的位置在频域中不应相距太远；否则，可能存在2pi相位模糊。

2)导频跨越多个OFDM符号但被限于在每个OFDM符号中使用一个子载波。在这种情况下，需要在OFDM符号上跳跃以帮助基站估计延迟D。如果不应用跳跃，则由于延迟D引起的相移

不能与复信道增益区分开。

3)导频跨越多个OFDM符号以及跨越每个OFDM符号中的多个子载波。在这种情况下，从ToA估计的角度来看，在OFDM符号上跳跃是不需要的。但跳跃可能有益于其他目的，诸如频率分集和小区间干扰随机化。

对于NPRACH，请注意，在每个符号组处，传输仅使用一个子载波。将符号组m使用的子载波索引表示为Ω(m)，其是从符号组索引到子载波索引的映射。Ω(m)的具体形式由NPRACH采用的跳频模式确定。

将上述结果扩展到符号组中具有多个符号的更一般情况是直截了当的。符号的滥用，符号组m中的第i个接收符号(在接收器处在FFT之后)由下式给出：

其中u[m]是在符号组m处的发送的NPRACH前导码的符号值。

接收器算法

基于上述初步分析中的结果和讨论，该部分公开了使基站能够检测随机接入前导码并估计ToA的算法。一个实施例以ToA估计开始，然后利用相应的ToA估计统计量来确定(即，检测)前导码的存在。

ToA估计

A.联合ToA和残余CFO估计

图5是示出联合估计ToA估计和残余CFO估计的示例性实施例的流程图。在步骤51，将所接收的符号和导频符号的共轭逐元素相乘以创建L个符号组。在步骤52，L个符号组被分割成L/Q个块，每个块具有Q个符号组。在步骤53，对于Q个符号组的每个块，形成具有零值元素的二维数组。在步骤54，当二维数组中的元素的位置对应于Q个符号组中的符号的二维时频网格中的位置时，零值元素被更新为该符号的值。在步骤55，对于每个二维数组，执行二维FFT以获得二维FFT输出。在步骤56，非相干地合并L/Q个二维FFT输出以获得二维数组。在步骤57，找到二维数组中的最大值的位置。在步骤58，将二维数组中的最大值的位置转换为ToA和残余CFO估计。

ToA和残余CFO可以被联合估计如下：

联合ToA和残余CFO估计的上述规则是直观的。该估计(Δf^＊，D^＊)是产生所发送的前导码符号和所接收的符号的最大相关性的估计，其中由于ToA和残余CFO引起的接收的符号的相移被该估计校正。注意，估计规则采用二维离散时间傅立叶变换(DTFT)的形式。因此，通过利用FFT可以在频域中高效地执行搜索(Δf^＊，D^＊)。

B.具有残余CFO估计的两步ToA估计

图6是示出示例性实施例的流程图，其中不是ToA和残余CFO的联合估计，而是在两步过程中分别估计ToA和残余CFO估计。在步骤61，首先估计残余CFO(Δf^＊)并且校正其影响，然后在步骤62估计ToA D^＊。

1.残余CFO估计：基于频域中接收的符号，可以在该步骤中应用产生足够准确估计的任何CFO估计算法。下面描述了三种备选方案。

备选方案1：残余CFO的近似最大似然估计。

图7是示出用于在图6的步骤61中估计残余CFO的第一示例性实施例的流程图。在步骤71，将所接收的符号和导频符号的共轭逐元素相乘以创建符号组。在步骤72，L个符号组被分割成L/Q个块，每个块具有Q个符号组。在步骤73，对于Q个符号组的每个块，形成具有零值元素的二维数组。在步骤74，当二维数组中的元素的位置对应于Q个符号组中的符号的二维时频网格中的位置时，零值元素被更新为该符号的值。在步骤75，对于二维数组中的每一行，执行一维FFT以获得一维FFT输出。在步骤76，所有一维FFT输出被非相干合并以获得一维数组。在步骤77，找到一维数组中的最大值的位置。在步骤78，将一维数组中的最大值的位置转换为残余CFO估计。

注意，相同子载波上的接收符号引起由未知ToA D导致的相同相移。换句话说，

对于接收符号是相同的，使得对于某些子载波k有Ω(m)＝k。因此，可以从每个子载波上的接收符号来提取估计统计量，以及可以跨不同子载波非相干地合并估计统计量。这种估计规则在以下等式中明确给出：

注意，上述估计规则采用一维离散时间傅立叶变换(DTFT)的形式。因此，可以通过利用FFT在频域中高效地执行搜索Δf^＊。

备选2：每个符号组中符号的差分处理。

图8是示出用于在图6的步骤61中估计残余CFO的第二示例性实施例的流程图。在步骤81，基带处理器对每个符号组中的符号进行差分处理，其中从符号1开始，符号组中的每个符号(0，1，2，3，4)乘以该符号组中的前一个符号的共轭以生成输出符号。在步骤82，对来自每个符号组中的差分处理的所有输出符号求和，得到每个符号组的单个符号值。在步骤83，对所有符号组的单个符号值求和以获得最终符号。在步骤84，基于最终符号的相位来估计残余CFO。

以符号组m为例：

通过这种差分处理，可以通过检查频域中的相移来容易地估计残余CFO。只要SNR不是太低，这种方法就可以正常工作。该估计方法总结在以下等式中：

备选方案3：利用跳频镜像。

图9是示出用于在图6的步骤61中估计残余CFO的第三示例性实施例的流程图。在步骤91，将所接收的符号和导频符号的共轭逐元素相乘以创建L个符号组。在步骤92，L个符号组被分割成L/4个块，每个块具有四个符号组(0，1，2，3)。在步骤93，对于四个符号组的每个块，基带处理器分别对符号组0和1以及符号组2和3中的符号进行差分处理。组0中的每个符号乘以组1中具有组中的相同的相对位置的符号的共轭以产生输出符号，以及组2中的每个符号乘以组3中具有组中的相同的相对位置的符号的共轭以产生输出符号。在步骤94，对于四个符号组的每个块，对从差分处理获得的输出符号求和，得到新符号。在步骤95，对通过对输出符号求和而获得的L/4个新符号求和，得到最终符号。在步骤96，基于最终符号的相位来估计残余CFO。

注意，4符号组中的两个单子载波跳跃是镜像的，即，如果(符号组0和1之间)第一个单音跳跃是“向上”，则(符号组2和3之间)第二个单音跳频是“向下”，反之亦然。因此，可以利用这种镜像来消除由于未知的ToA而引起的相移的影响。以符号组0，1，2和3为例。如果跳跃是由下而上，那么：

如果跳跃是由上而下，那么：

在这两种情况下，如果将两个等式相加，则：

可以看出，由未知的ToA D引起的相移被消除，因此能够相应地估计残余载波频率偏移。当D远小于N(例如，D不大于N/8)时，该方法工作最好。如果D接近N，则由ToA引起的相移的消除可能太粗糙，因此由于残余CFO导致的相移可能被嵌入在消除的相位噪声中，导致不准确的残余CFO估计。该估计方法总结在以下等式中：

其中r表示每四个符号组的第r次重复。

2.ToA估计：下面描述了两种备选方案。

备选方案1：直接搜索ToA。

图10是示出用于在图6的步骤62中估计ToA的第一示例性实施例的流程图。在步骤101，将所接收的符号和导频符号的共轭逐元素相乘以创建L个符号组。在步骤102，使用残余CFO估计来校正相移。在步骤103，L个符号组被分割成L/Q个块，每个块具有Q个符号组。在步骤104，执行搜索以找到产生最大统计量的ToA值，该最大统计量是来自L/Q个块的统计量的绝对值的和。

使用估计的残余CFO，由于残余CFO引起的相移可以如下被校正：

然后可以通过在可行范围上搜索来估计ToA：

备选方案2：粗+细化的计时估计。

图11是示出用于在图6的步骤62中估计ToA的第二示例性实施例的流程图。在步骤111，基于1音跳跃来确定粗定时估计。在步骤112，基于6音和/或随机跳跃来确定细化的定时估计。

a.基于1音跳跃的粗ToA估计。

图12是说明用于在图11的步骤111中确定粗定时估计的示例性实施例的流程图。在步骤121，将所接收的符号和导频符号的共轭逐元素相乘以创建L个符号组。在步骤122，L个符号组被分割成L/4个块，每个块具有四个符号组(0，1，2，3)。在步骤123，对于四个符号组的每个块，基带处理器分别对符号组0和1以及符号组2和3中的符号进行差分处理。组0中的每个符号乘以组1中具有组中的相同的相对位置的符号的共轭以产生输出符号，以及组2中的每个符号乘以组3中具有组中的相同的相对位置的符号的共轭以产生输出符号。在步骤124，对于四个符号组的每个块，对从差分处理获得的输出符号求和，得到新符号。在步骤125，对于四个符号组的每个块，当1-音跳跃为由下而上时，新符号被取共轭，否则该符号保持不变。当由于跳跃导致音索引从符号组0减少到符号组1以及由于跳跃导致音索引从符号组2增加到符号组3时，1音跳跃被定义为由下而上。在步骤126，对共轭之后的L/4个符号求和，得到最终符号。在步骤127，基于最终符号的相位生成粗定时估计。

注意，NPRACH跳频中的1音跳跃使得大的ToA估计范围(因此支持大的小区大小)成为可能。可以基于1-音跳跃来执行粗ToA估计。进一步注意，两个单子载波跳跃是镜像的，即，如果第一跳跃是“向上”，则第二跳跃是“向下”，反之亦然。因此，可以利用该镜像来消除粗定时估计中的残余CFO的影响。换句话说，不需要针对该粗定时估计而调用在步骤1中执行的残余CFO估计。以符号组0，1，2和3为例。如果跳跃是由下而上，那么：

因此，

如果跳跃是由上而下，那么

因此，

可以看出，由残余CFO消除引起的相移以及因此ToA可以在相位域中被相应地估计。该估计方法被总结在以下等式中：

其中

A[i，r]＝(y[i；4r]u*[4r])*y[i；4r+1]u*[4r+1]+(y[i；4r+2]u*[4r+2])*y[i；4r+3]u*[4r+3]

B.基于6音跳跃和/或伪随机跳跃的细化的ToA估计。

图13是示出用于在图11的步骤112中确定细化的定时估计的第一示例性实施例的流程图。可以通过利用NPRACH中包括6音跳跃和伪随机跳跃的更大的跳跃距离来细化粗定时估计。该示例性实施例仅基于6音跳跃。为此，首先利用步骤1中估计的残余CFO来校正由于残余CFO引起的相移。

在步骤131，将所接收的符号和导频符号的共轭逐元素相乘以创建L个符号组。在步骤132，使用残余CFO估计来校正相移。在步骤133，L个符号组被分割成L/4个块，每个块具有四个符号组(0，1，2，3)。在步骤134，对于四个符号组的每个块，基带处理器对符号组1和2中的符号进行差分处理，其中组1中的每个符号乘以组2中具有组中的相同的相对位置的符号的共轭以生成输出符号。在步骤135，对于四个符号组的每个块，对从差分处理获得的输出符号求和，得到新符号。在步骤136，对于四个符号组的每个块，当6音跳跃为向上时，新符号被取共轭，否则保持该符号不变。当音索引由于跳跃而从符号组1增加到符号组2时，6音跳跃被定义为向上。在步骤137，对共轭后的L/4个符号求和，得到最终符号。在步骤138，基于最终符号的相位生成细化的定时估计候选集合。在步骤139，从候选集合中选择最接近粗定时估计的细化的定时估计。

可以如下利用残余CFO估计来校正相移：

以符号组1和2为例。如果6音跳跃为向下，则：

如果6音跳跃为向上，则：

可以看出，可以在相位域中相应地估计ToA。该估计方法总结在以下等式中：

其中

注意，上述细化的估计产生M个细化估计的集合。M的选择取决于小区大小(即，ToA估计范围)。例如，对于35km的小区大小，由于2＊Pi相位模糊，可能存在来自6音跳跃的6个细化的定时估计候选，因此M＝6。

注意，还可以进一步使用符号组0和3来细化定时估计，其跳跃距离也是6个音。然而，符号组0和3在时域中更远，因此在残余CFO校正之后它们的使用对多普勒和残余CFO更敏感。因此，它是能量增益与对多普勒和残余CFO的鲁棒性之间的权衡。如果使用符号组0和3，则B[r]的定义可以更改为以下等式：

最终的定时估计可以被选择如下：

图14是示出用于在图11的步骤112中确定细化的定时估计的第二示例性实施例的流程图。在步骤141，将所接收的符号和导频符号的共轭逐元素相乘以创建L个符号组。在步骤142，使用残余CFO估计来校正相移。在步骤143，L个符号组被分割成L/4个块，每个块具有四个符号组(0，1，2，3)。在步骤144，对于四个符号组的每个块，基带处理器分别对符号组1和2以及符号组0和3中的符号进行差分处理。组1中的每个符号乘以组2中具有组中相同的相对位置的符号的共轭，组0中的每个符号乘以组3中具有组中相同的相对位置的符号的共轭以产生输出符号。在步骤145，对于四个符号组的每个块，对从差分处理获得的输出符号求和，得到新符号。在步骤146，对于四个符号组的每个块，当6音跳跃为向上时，新符号被取共轭，否则该符号保持不变。当音索引由于跳跃而从符号组1增加到符号组2时，6音跳跃被定义为向上，其中当对于符号组1和2而言6音跳跃为向上时，对于符号组0和3，跳跃也是向上。在步骤147，对共轭后的L/4个符号求和，得到最终符号。在步骤148，基于最终符号的相位生成细化的定时估计候选集合。在步骤149，选择最接近粗定时估计的来自候选集合的细化的定时估计。

NPRACH检测

利用如上所述获得的估计(Δf^＊，D^＊)，可以确定前导码的存在。在一个实施例中，可以利用基于阈值的方法来检测NB-IoT中的NPRACH。用于与检测阈值进行比较的统计量的一种可能选择是J(Δf^＊，D^＊)。对于两步法，J(Δf^＊，D^＊)并不容易获得。但它可以根据残余CFO和ToA的估计来计算。可替代地，顺着估计而获得的任何合理统计量可用于此目的。为简单起见，相同的符号“J(Δf^＊，D^＊)”用于指代这些可能的度量中的任何一个。

这种基于阈值的前导码检测可能会出现两个错误事件：

1.丢失检测(即，假阴性)：存在随机接入前导码，但统计量J(Δf^＊，D^＊)不超过检测阈值。

2.误报警(即，假阳性)：不存在随机接入前导码，但统计量J(Δf^＊，D^＊)超过检测阈值。

显然，在设定检测阈值时存在折衷。增加检测阈值降低了误报警率，代价是增加了丢失检测的可能性。对于蜂窝系统中的随机接入前导码检测，通常选择检测阈值使得误报警率低于某个目标。使用所选择的检测阈值，系统可以测量丢失检测的概率。

可以根据噪声功率估计来设置检测阈值。可替代地，不依赖于噪声功率估计来设置检测阈值，而是根据噪声功率估计来对检测度量J(Δf^＊，D^＊)进行归一化。

图15是本公开的示例性实施例中的接收器的基带处理器的简化框图。诸如基站151的无线电网络节点被示出为包括RF发射器152，其利用天线系统153来向UE发送下行链路信号和数据。接收器前端154通过天线系统从UE接收上行链路无线电信号和数据，并将信号提供给基带处理器155。基站还可以包括定时和控制单元156和核心网接口单元157。

基带处理器155可以包括处理电路158、存储器159和调度器160。存储器可以存储计算机程序指令，当由处理电路执行时，该计算机程序指令实现上述算法。为此，处理电路可以包括FFT处理器161、ToA估计单元162、残余CFO估计单元163、被配置为计算前导码检测统计量的统计单元164、以及被配置为将统计量与前导码检测阈值进行比较的前导码检测器165。

应当注意，上述实施例说明而不是限制本发明，并且本领域技术人员将能够在不脱离所附权利要求的范围的情况下设计许多备选实施例。权利要求中的任何附图标记不应被解释为限制其范围。

Claims

1.一种在接收器的基带处理器中用于对单音跳频随机接入前导码执行前导码检测和到达时间ToA估计的方法，所述方法包括：

快速傅立叶变换FFT处理接收信号和识别逻辑音；和

对于每个逻辑音：

读取接收的符号；

确定ToA估计和残余载波频率偏移CFO估计；

基于所述ToA估计和所述残余CFO估计形成统计量；

比较所述统计量与前导码阈值；和

当所述统计量大于或等于所述阈值时，确定前导码存在并将所述ToA估计用于定时提前命令。

2.根据权利要求1所述的方法，还包括：当所述统计量小于所述阈值时，确定所述前导码不存在并丢弃所述ToA估计。

3.根据权利要求1所述的方法，其中，在窄带物联网NB-IoT物理随机接入信道NPRACH上发送所述随机接入前导码。

4.根据权利要求1所述的方法，其中确定ToA估计和残余CFO估计包括联合确定所述ToA估计和所述残余CFO估计。

5.根据权利要求4所述的方法，其中联合确定所述ToA估计和所述残余CFO估计包括：

对所接收的符号和导频符号的共轭逐元素相乘以创建L个符号组；

将所述L个符号组分割成L/Q个块，每个块具有Q个符号组，其中Q＝4；

对于Q个符号组的每个块，形成具有零值元素的二维数组；

当所述二维数组中的元素的位置对应于Q个符号组中的符号的二维时频网格中的位置时，将零值元素更新为该符号的值；

对于每个二维数组，执行二维FFT以获得二维FFT输出；

非相干合并L/Q个二维FFT输出以获得二维数组；

找到所述二维数组中最大值的位置；和

将所述二维数组中的最大值的位置转换到所述ToA和所述残余CFO估计。

6.根据权利要求1所述的方法，其中确定ToA估计和残余CFO估计包括分别确定所述残余CFO估计，然后确定所述ToA估计。

7.根据权利要求6所述的方法，其中确定所述残余CFO估计包括：

将接收的符号和导频符号的共轭逐元素相乘以创建L个符号组；

对于Q个符号组的每个块，形成具有零值元素的二维数组；

当所述二维数组中的元素的位置对应于所述Q个符号组中的符号的二维时频网格中的位置时，将零值元素更新为该符号的值；

对于所述二维数组中的每一行，执行一维FFT以获得一维FFT输出；

非相干地合并所有一维FFT输出以获得一维数组；

找到所述一维数组中最大值的位置；和

将所述一维数组中的最大值的位置转换到所述残余CFO估计。

8.根据权利要求7所述的方法，其中，确定所述残余CFO估计包括：

执行每个符号组中的符号0,1,2,3,4的差分处理，其中从符号1开始，将符号组中的每个符号乘以该组中前一个符号的共轭以产生输出符号；

将来自每个符号组中的差分处理的所有输出符号求和，得到针对每个符号组的单个符号值；

将所有符号组的单个符号值相加以获得最终符号；和

基于所述最终符号的相位来估计所述残余CFO。

9.根据权利要求6所述的方法，其中确定所述残余CFO估计包括：

将所述L个符号组分割成L/4个块，每个块具有四个符号组(0,1,2,3)；

对于四个符号组的每个块，分别对符号组0和1以及符号组2和3中的符号进行差分处理，其中组0中的每个符号乘以组1中具有组中相同的相对位置的符号的共轭以产生输出符号，组2中的每个符号乘以组3中具有组中相同的相对位置的符号的共轭以产生输出符号；

对于四个符号组的每个块，将从差分处理获得的输出符号求和，得到新符号；

将通过对乘积求和获得的L/4个新符号求和，得到最终符号；和

基于所述最终符号的相位来估计所述残余CFO。

10.根据权利要求6所述的方法，其中确定所述ToA估计包括：

使用所述残余CFO估计来校正所述接收的符号的相移；

将所述L个符号组分割成L/Q个块，每个块具有Q个符号组，其中Q＝4；和

通过基于最大似然规则执行直接搜索来搜索产生最大统计量的ToA值，所述最大统计量是来自L/Q个块的统计量的绝对值的总和。

11.根据权利要求6所述的方法，其中确定所述ToA估计包括：

基于1音跳跃确定粗定时估计；和

基于6音和/或随机跳跃确定细化的定时估计。

12.根据权利要求11所述的方法，其中，确定所述粗定时估计包括：

将所述L个符号组分割成成L/4个块，每个块具有四个符号组(0,1,2,3)；

对于四个符号组的每个块，对从差分处理获得的输出符号求和，得到新符号；

对于四个符号组的每个块，当1-音跳跃为由下向上时，将新符号取共轭，否则保持该符号不变，其中当音索引由于跳跃从符号组0减少到符号组1，以及音索引由于跳跃从符号组2增加到符号组3时，1-音跳跃为由下向上；

将共轭后的L/4个符号求和，得到最终符号；和

基于所述最终符号的相位生成粗定时估计。

13.根据权利要求11所述的方法，其中，确定所述细化的定时估计包括：

使用所述残余CFO估计来校正所述接收的符号的相移；

对于四个符号组的每个块，对符号组1和2中的符号进行差分处理，其中组1中的每个符号乘以组2中具有组中相同的相对位置的符号的共轭以产生输出符号；

对于四个符号组的每个块，当6音跳跃为向上时，将新符号取共轭，否则保持该符号不变，其中当音索引由于跳跃从符号组1增加到符号组2时，6音跳跃为向上；

将共轭后的L/4个符号求和，得到最终符号；

基于所述最终符号的相位生成细化的定时估计候选集合；和

从所述候选集合中选择最接近粗定时估计的细化的定时估计。

14.根据权利要求11所述的方法，其中，确定所述细化的定时估计包括：

使用所述残余CFO估计来校正所述接收的符号的相移；

对于四个符号组的每个块，分别对符号组1和2以及符号组0和3中的符号进行差分处理，其中组1中的每个符号乘以组2中具有组中相同的相对位置的符号的共轭以产生输出符号，组0中的每个符号乘以组3中具有组中相同的相对位置的符号的共轭以产生输出符号；

对于四个符号组的每个块，当6音跳跃为向上时，将所述新符号取共轭，否则保持该符号不变，其中当音索引由于跳跃从符号组1增加到符号组2时，6音跳跃为向上，其中当对于符号组1和2而言6音跳跃为向上时，对于符号组0和3而言跳跃也是向上；

将共轭后的L/4个符号求和，得到最终符号；

基于所述最终符号的相位生成细化的定时估计候选集合；和

15.一种接收器，其用于对单音跳频随机接入前导码进行前导码检测和到达时间ToA估计，所述接收器包括：

接收器前端，用于接收射频RF信号；和

基带处理器，用于处理接收的RF信号，其中，所述基带处理器包括处理电路，所述处理电路被配置为：

快速傅里叶变换FFT处理接收的信号并识别逻辑音；和

对于每个逻辑音：

读取接收的符号；

确定ToA估计和残余载波频率偏移CFO估计；

基于所述ToA估计和所述残余CFO估计形成统计量；

比较所述统计量与前导码阈值；和

当所述统计量大于或等于所述阈值时，确定存在前导码并且将所述ToA估计用于定时提前命令。

16.根据权利要求15所述的接收器，其中，所述处理电路还被配置为：当所述统计量小于所述阈值时，确定所述前导码不存在并且丢弃所述ToA估计。

17.根据权利要求15所述的接收器，其中，所述随机接入前导码在窄带物联网NB-IoT物理随机接入信道NPRACH上发送。

18.根据权利要求15所述的接收器，其中所述处理电路包括ToA估计单元，其被配置为联合确定所述ToA估计和所述残余CFO估计。

19.根据权利要求15所述的接收器，其中所述处理电路包括残余CFO估计单元和ToA估计单元，其中所述残余CFO估计单元和所述ToA估计单元被配置为分别确定所述残余CFO估计，然后确定所述ToA估计。

20.根据权利要求19所述的接收器，其中，所述ToA估计单元被配置为通过基于最大似然规则执行直接搜索来确定ToA，其中，所述ToA估计单元被配置为：

使用所述残余CFO估计来校正所述接收的符号的相移；

搜索产生最大统计量的ToA值，该最大统计量是来自L/Q个块的统计量的绝对值的和。

21.根据权利要求19所述的接收器，其中，所述ToA估计单元被配置为通过确定粗定时估计然后确定细化的定时估计来确定ToA。

22.根据权利要求21所述的接收器，其中，所述ToA估计单元被配置为基于1-音跳跃来确定所述粗定时估计，以及基于6音和/或随机跳跃来确定所述细化的定时估计。

23.根据权利要求22所述的接收器，其中，所述ToA估计单元被配置为通过以下步骤确定所述细化的定时估计：

生成细化的定时估计候选集合；和