CN109379151A - 时延估计方法、装置及系统 - Google Patents
时延估计方法、装置及系统 Download PDFInfo
- Publication number
- CN109379151A CN109379151A CN201811300489.9A CN201811300489A CN109379151A CN 109379151 A CN109379151 A CN 109379151A CN 201811300489 A CN201811300489 A CN 201811300489A CN 109379151 A CN109379151 A CN 109379151A
- Authority
- CN
- China
- Prior art keywords
- time
- time delay
- validated user
- delay
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/364—Delay profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种时延估计方法、装置及系统。时延估计方法，包括：在检测到NPRACH中的有效用户时，获取有效用户对应子载波的有效功率；采用路径传播模型处理有效功率，得到时延预估计值；根据时延门限值和时延预估计值，确定有效用户的时延估计类型，并基于时延估计类型获取有效用户的时延估计值。通过将路径传播模型处理有效用户对应子载波的有效功率，得到时延预估计值。并根据时延门限值和时延预估计值对有效用户进行时延估计类型的分类，基于不同时延估计类型的用户采用不同的处理方式，从而得到更准确的有效用户的时延估计值。
Description
技术领域
本发明涉及无线通信技术领域，特别是涉及时延估计方法、装置及系统。
背景技术
NB-IOT(窄带物联网，Narrow Band Internet of Things)技术是全球第三代合作伙伴计划(3GPP)提出的一种新型物联网技术，是万物互联网路的一个重要分支。它具备低成本、低功耗、广覆盖、低速率等特点，其应用场景包括：智能抄表、智能停车、物流跟踪、智慧城市及鞋类、可穿戴、医疗保健、智能电表等消费和工业连接设备等。
NB-IOT系统中，为了使用户终端的时间与接收设备的时间同步，需要在接收设备中进行用户终端的时延估计，并根据时延估计值调整用户终端的时间。在实现过程中，发明人发现传统技术中至少存在如下问题：目前NB-IOT系统中，接收终端对用户终端的时延估计误差大。
发明内容
基于此，有必要针对上述技术问题，提供一种时延估计方法、装置及系统。
一方面，本发明实施例提供一种时延估计方法，包括：
在检测到NPRACH中的有效用户时，获取有效用户对应子载波的有效功率；
采用路径传播模型处理有效功率，得到时延预估计值；
根据时延门限值和时延预估计值，确定有效用户的时延估计类型，并基于时延估计类型获取有效用户的时延估计值。
在其中一个实施例中，时延门限值为随机接入前导信号的宽跳频间隔的倒数；
根据时延门限值和时延预估计值，确定有效用户的时延估计类型，并基于时延估计类型获取有效用户的时延估计值的步骤包括：
在时延预估计值大于时延门限值时，根据有效用户每次重传的随机接入前导信号和随机接入前导信号的窄跳频间隔，基于粗时延估计算法得到粗时延估计值；
根据粗时延估计值，对有效用户每次重传的随机接入前导信号进行时域补偿；
根据时域补偿后的随机接入前导信号和宽跳频间隔，基于精时延估计算法，得到时延估计值。
在其中一个实施例中，还包括步骤：
在时延预估计值小于时延门限值时，根据随机接入前导信号和宽跳频间隔，基于精时延估计算法，得到时延估计值。
在其中一个实施例中，基于精时延估计算法，得到时延估计值的步骤包括：
获取有效用户每次重传的随机接入前导信号对应的精时延估计值；
对各精时延估计值进行概率分布密度统计，选取出概率密度大于预设概率密度门限值的精时延估计值；
获取选取出的精时延估计值的平均值，并将平均值确认为时延估计值。
在其中一个实施例中，获取有效用户对应子载波的有效功率的步骤，包括：
获取各空闲子载波的合并功率、有效用户的重传次数和有效用户对应的子载波的合并功率；空闲子载波为根据各剩余子载波的合并功率与目标功率门限值确定；剩余子载波为NPRACH中除有效用户对应的子载波以外的子载波；
根据各空闲子载波的合并功率、有效用户的重传次数和有效用户对应的子载波的合并功率，得到有效用户对应子载波的有效功率。
在其中一个实施例中，目标功率门限值为各剩余子载波的平均功率的预设倍数；平均功率为各剩余子载波的合并功率的平均值。
另一方面，本发明实施例提供一种时延估计装置，包括：
有效功率获取模块，在检测到NPRACH中的有效用户时，获取有效用户对应子载波的有效功率；
时延预估计值确定模块，采用路径传播模型处理有效功率，得到时延预估计值；
时延估计值获取模块，根据时延门限值和时延预估计值，确定有效用户的时延估计类型，并基于时延估计类型获取有效用户的时延估计值。
一种接收设备，接收设备用于实现上述任一项随机接入方法的步骤。
在其中一个实施例中，接收设备为基站或终端。
一种随机接入系统，包括连接各用户终端的接收设备；接收设备用于实现上述任一项随机接入方法的步骤。
在其中一个实施例中，接收设备为基站或终端。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项随机接入方法的步骤。
上述技术方案中的一个技术方案具有如下优点和有益效果：
通过将路径传播模型处理有效用户对应子载波的有效功率，得到时延预估计值。并根据时延门限值和时延预估计值对有效用户进行时延估计类型的分类，基于不同时延估计类型的用户采用不同的处理方式，从而得到更准确的有效用户的时延估计值。
附图说明
图1为一个实施例中时延估计方法的应用环境图；
图2为一个实施例中一个随机接入前导信号的时频资源分布图；
图3为一个实施例中时延估计方法的流程示意图；
图4为又一个实施例中时延估计方法的流程示意图；
图5为一个实施例中基于精时延估计算法，得到时延估计值步骤的流程示意图；
图6为一个实施例中获取有效用户对应子载波的有效功率步骤的流程示意图；
图7为一个实施例中NPRACH两次重传中用户的时频分布示意图；
图8为一个实施例中延时估计方法的第一应用示意图；
图9为一个实施例中延时估计方法的第二应用示意图；
图10为一个实施例中延时估计方法的第三应用示意图；
图11为一个实施例中延时估计方法的第四应用示意图；
图12为一个实施例中时延估计装置的结构示意图；
图13为一个实施例中接收设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的信道估计方法，可以应用于如图1所示的应用环境中。其中，用户终端102与接收设备104进行通信。其中，用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备及NB-IOT终端；接收设备104可以为基站，也可以为终端，例如，电表，穿戴设备、接收机、微基站单元设备以及NB-IOT产品设备。
在NB-IOT系统中，用户终端102通过NPRACH(窄带物理随机接入信道，NarrowbandPhysical Random Access Channe)发送随机接入前导信号至接收设备104。NPRACH中划分了多个频点的子载波，子载波用于承载随机接入前导信号。随机接入前导信号为跳频信号，分为4个符号组信号(symbol group)，一个符号组信号中携带有5个符号。4个符号组信号跳频设置，承载于不同的子载波上。
如图2所示，为4个符号组信号的时频资源分布图。第1符号组信号和第2符号组信号之间的跳频间隔、第3符号组信号和第4符号组信号之间的跳频间隔均为随机接入前导信号的窄跳频间隔。第2符号组信号与第3符号组信号之间的跳频间隔为随机接入前导信号的宽跳频间隔。窄跳频间隔为3.75kHz，宽跳频间隔为22.5kHz。
在一个实施例中，如图3所示，提供一种时延估计方法，该方法可以应用于接收设备104中，包括步骤：
步骤S220，在检测到NPRACH中的有效用户时，获取有效用户对应子载波的有效功率。
具体的，NPRACH为窄带物理随机接入信道，即Narrowband Physical RandomAccess Channe。接收设备104在用户终端102每次重传随机接入前导信号后，接收NPRACH中各个子载波承载的信号，从中检测出有效用户对应的子载波，从而确认有效用户。每次确定了一个有效用户后，获取有效用户对应的子载波有效功率。有效功率根据系统噪声功率和每次重传的有效用户接收功率得到。
步骤S230，采用路径传播模型处理有效功率，得到时延预估计值。
具体的，根据有效功率通过路径传播模型进行数据处理，得到有效用户与接收设备104的预估距离，从而得到时延预估计值。在某些实施例中，路径传播模型可以是Longley-Rice模型、Durkin模型或Okumura模型。
步骤S240，根据时延门限值和时延预估计值，确定有效用户的时延估计类型，并基于时延估计类型获取有效用户的时延估计值。
具体的，时延门限值为预设门限参数，用于将有效用户按时延预估计值分类。将时延门限值与时延预估计值比较，根据比较结果确定有效用户的时延估计类型。不同的时延估计类型对应有相应的时延估计方式。因此基于确定的时延估计类型，进行相应的时延估计方式的时延估计，得到有效用户的时延估计值。
上述时延估计方法中，通过将路径传播模型处理有效用户对应子载波的有效功率，得到时延预估计值。并根据时延门限值和时延预估计值对有效用户进行时延估计类型的分类，基于不同时延估计类型的用户采用不同的处理方式，从而得到更准确的有效用户的时延估计值。
在一个实施例中，如图4所示，时延门限值为随机接入前导信号的宽跳频间隔的倒数。
根据时延门限值和时延预估计值，确定有效用户的时延估计类型，并基于时延估计类型获取有效用户的时延估计值的步骤包括：
步骤S241，在时延预估计值大于时延门限值时，根据有效用户每次重传的随机接入前导信号和随机接入前导信号的窄跳频间隔，基于粗时延估计算法得到粗时延估计值。
其中，有效用户每次重传的随机接入前导信号为从第一次重传开始到有效用户被检测出来的当前次重传，每一次重传时收到的该有效用户发送的随机接入前导信号。
具体的，时延预估计值大于时延门限值，则表示有效用户的时延较大。对有效用户每次重传的随机接入前导信号进行信道估计，得到每次重传的信道估计结果。根据每次重传的信道估计结果和窄跳频间隔，进行粗时延估计，得到有效用户每次重传的随机接入前导信号对应的粗时延估计值，进行平均值运算得到有效用户的粗时延估计值。
在一个具体的实施例中，以每次重传的随机接入前导信号为单位，进行粗时延估计。获取第2符号组信号和第3符号组信号的信道估计结果H1和窄跳频间隔Δfhop1，带入式1和式2，得到本次重传的随机接入前导信号对应的粗时延估计值ta1。
其中，H为相邻的符号组信号的信道估计结果；Δfhop为相邻的符号组信号之间的跳频间隔；s为H共轭相关结果；ta时延估计值。
对每次重传的随机接入前导信号进行粗时延估计之后，得到每次重传的随机接入前导信号对应的粗时延估计值，进行平均值运算，将平均值确定为有效用户的粗延时估计值。
步骤S242，根据粗时延估计值，对有效用户每次重传的随机接入前导信号进行时域补偿。
具体的，将有效用户每次重传的随机接入前导信号进行粗时延估计值的时域补偿。例如，粗时延估计值为32ms，将有效用户每次重传的随机接入前导信号在时域上搬移32ms，得到时延补偿后的随机接入前导信号。
步骤S243，根据时域补偿后的随机接入前导信号和宽跳频间隔，基于精时延估计算法，得到时延估计值。
其中，时域补偿后的随机接入前导信号为根据有效用户每次重传的随机接入前导信号进行时域补偿得到。因此，时域补偿后的随机接入前导信号与重传次数有一一对应关系。
具体的，对每次重传对应的时域补偿后的随机接入前导信号进行信道估计，得到每次重传对应的信道估计结果。根据每次重传对应的信道估计结果和宽跳频间隔，进行精时延估计，得到有效用户每次重传的随机接入前导信号对应的精时延估计值，进行平均值运算得到有效用户的精时延估计值，作为有效用户的时延估计值。
在一个具体的实施例中，以每次重传对应的、时延补偿后的随机接入前导信号为单位，进行精时延估计。获取第1符号组信号和第2符号组信号的信道估计结果H2，宽跳频间隔Δfhop2，带入式1和式2，得到本次重传的随机接入前导信号对应的第一精时延估计值ta2。获取第3符号组信号和第4符号组信号的信道估计结果H3，宽跳频间隔Δfhop2，带入式1和式2，得到本次重传的随机接入前导信号对应的第二精时延估计值。将ta2和ta3的平均值作为本次重传的随机接入前导信号对应的精时延估计值ta4。
对每次重传对应的时延补偿后的随机接入前导信号进行精时延估计之后，得到每次重传的随机接入前导信号对应的精时延估计值ta4，进行平均值运算，将平均值确定为有效用户的延时估计值。
在一个实施例中，如图4所示，根据时延门限值和时延预估计值，确定有效用户的时延估计类型，并基于时延估计类型获取有效用户的时延估计值的步骤，还包括：
步骤S246，在时延预估计值小于时延门限值时，根据随机接入前导信号和宽跳频间隔，基于精时延估计算法，得到时延估计值。
具体的，当时延预估计值小于时延门限值时，省略粗时延估计的过程。对有效用户每次重传的随机接入前导信号进行信道估计，得到每次重传的信道估计结果。根据每次重传的信道估计结果和宽跳频间隔，进行精时延估计，得到有效用户每次重传的随机接入前导信号对应的精时延估计值，进行平均值运算得到有效用户的时延估计值。
在一个实施例中，如图5所示，基于精时延估计算法，得到时延估计值的步骤包括：
步骤S247，获取有效用户每次重传的随机接入前导信号对应的精时延估计值。
步骤S248，对各精时延估计值进行概率分布密度统计，选取出概率密度大于预设概率密度门限值的精时延估计值；
步骤S249，获取选取出的精时延估计值的平均值，并将平均值确认为时延估计值。
具体的，对每次重传的随机接入前导信号对应的精时延估计值，进行概率密度统计。选取出概率密度大于预设概率密度门限值的精时延估计值，将选取出的精时延估计值进行平均值运算，得到时延估计值。选取概率密度较大的精时延估计值进行平均运算，得到的时延估计值更准确。
在一个实施例中，检测NPRACH中的有效用户的步骤在接收设备104中进行。用户终端102每隔预设时间间隔重发一次随机接入前导信号。接收设备104与用户终端102配合，每隔预设时间间隔搜索NPRACH中各子载波，识别各子载波上是否出现有效用户。
在一个实施例中，如图6所示，获取有效用户对应子载波的有效功率的步骤，包括：
步骤S212，获取各空闲子载波的合并功率、有效用户的重传次数和有效用户对应的子载波的合并功率。
其中，空闲子载波为根据各剩余子载波的合并功率与目标功率门限值确定。剩余子载波为NPRACH中除有效用户对应的子载波以外的子载波。
在NB-IOT系统中，规定NPRACH中的每个子载波可以对应一个用户，用户发送的随机接入前导信号，按预设跳频规则变换的承载在不同的子载波上，实现跳频方式的发送。因此，按预设跳频规则，可以得到当前的各子载波在之前的每次重传中处于的子载波位置。合并功率为一个子载波在每次重传中处于的子载波上的信号功率之和。
在一个实施例中，如图7所示，为NPRACH两次重传中用户的时频分布示意图。NPRACH中有12个子载波，4个用户。假设在第二次重传时检测到用户1为有效用户，本次重传用户1在NPRACH中占用的时频资源位置为(11，group0)、(10，group1)、(4，group2)、(5，group3)。根据预设跳频规则，得到用户1在第一次重传时NPRACH中占用的时频资源位置为(0，group0)、(1，group1)、(7，group2)、(6，group3)。将用户1对应子载波在第一次重传和第二次重传中，各时频资源位置上的功率进行合并叠加，就得到了用户1对应子载波的合并功率，即当前的5号子载波的合并功率。在第二次重传的最后，用户1对应的子载波为5号子载波。
具体的，根据预设跳频规则，统计各子载波的合并功率。有效用户对应的子载波的合并功率为，有效用户的随机接入前导信号在最后一次跳频时所在的子载波的合并功率。依次将剩余子载波的合并功率与目标功率门限值比较，确定空闲子载波和各空闲子载波的合并功率。
例如，如图7所示，第2次重传检测到用户1，可确定检测到用户1时，用户1对应的子载波为5号子载波。用户1对应子载波的合并功率即为5号子载波的合并功率。除5号子载波以外的子载波为剩余子载波。
步骤S213，根据各空闲子载波的合并功率、有效用户的重传次数和有效用户对应的子载波的合并功率，得到有效用户对应子载波的有效功率。
具体的，空闲子载波也就是没有被用户占用的子载波，空闲子载波的合并功率可以表征系统的噪声功率。将各空闲子载波的合并功率进行求和，得到Pn。根据式3，得到有效用户的有效功率P。其中，P1为有效用户对应的子载波的合并功率。N为有效用户的重传次数。
在一个实施例中，目标功率门限值为各剩余子载波的平均功率的预设倍数；平均功率为各剩余子载波的合并功率的平均值。
为了进一步说明本申请的技术方案，下面结合用户终端与接收设备之间的交互过程，提供以下实施例阐述本申请的具体实现过程。
在一个实施例中，基于上述的时延估计方法流程，实际应用本申请，面对如图8所示的应用场景，根据时延门限值将用户的时延估计类型分为近距离类型和远距离类型。待接入的用户1为为近距离类型的小区用户。设接收设备服务区域内，用户的重传配置参数为N_rep，用户的发送功率为Ptx。可以通过在接收设备中进行以下步骤实现时延估计：
1、将最大的重传次数N_rep作为最大循环次数，对NPRACH中的用户进行检测，在每一次的重传之后，对NPRACH中每个子载波进行载波功率合并，判断是否有有效的用户被检出。在第N次重传之后，用户1被正确检测出。记录该用户的重传次数为N次。
2、根据重传次数，获取重传次数与对应有效接收功率的关系。将步骤1当中，得到该用户1在N次重传中的合并功率P1。首先，判断NPRACH中是否存在有其他用户的存在，根据各子载波的合并功率，计算各剩余子载波合并功率的平均值Q，将功率平均值的N倍功率，即N*Q作为目标功率门限值。对于任意一个剩余子载波的合并功率，若其超出目标功率门限值，则判定该子载波上存在其他用户，不将该子载波作为空闲子载波功率统计。其次，计算空闲子载波的平均功率Pn，得到用户1的有效功率(P1-Pn)/N。
3、根据路径传播模型，得到用户1的覆盖距离D1。进而得到用户1的时延预估计值T1。
4、根据T1和时延门限值，确定用户1的时延估计类型，进而确定时延估计所需要的方法。具体而言，判断T1小于时延门限值，确定用户1的时延估计类型为近距离类型，选择第一种时延估计方式。根据用户1在N次重传中发送的N个随机接入前导信号和宽跳频间隔，采用精时延估计算法，得到用户1每次重传的时延集合(TA1，TA2，…TAN)。
5、对用户1的时延集合进行概率分布密度统计，选取概率密度大于N的的TA值，并进行平均。具体地，对上述时延估计集合，进行PDF(概率分布密度)统计，选取概率大于P的TA作为时延候选集，并对候选集内的TA进行平均，获取用户1的时延估计值TA。
在一个实施例中，实际应用本申请，面对如图9所示的应用场景，待接入的用户2为远距离类型的小区用户。设接收设备服务区域内，用户的重传配置参数为N_rep，用户的发送功率为Ptx。可以通过在接收设备中进行以下步骤实现时延估计：
1、循环对NPRACH中的用户进行检测，检测到用户2为有效用户，获取用户2的重传次数N。
2、根据用户2在N次重传中的合并功率和各空闲子载波在N次重传中的合并功率，得到用户的有效功率(P1-Pn)/N。
3、根据路径传播模型，分别得到用户2的覆盖距离D1。进而得到用户2的时延预估计值T1。
4、根据T1和时延门限值，确定用户2的时延估计类型，进而确定时延估计所需要的方法。具体而言，判断T1大于时延门限值，确定用户2的时延估计类型为远距离类型，选择第二种时延估计方式。根据用户2在N次重传中发送的的随机接入前导信号和窄跳频间隔，采用粗时延估计算法，得到用户2的粗时延估计值。根据粗时延估计值对用户2在N次重传中发送的N个随机接入前导信号进行时域补偿。根据补偿后的N个随机接入前导信号和粗时延跳频间隔，采用精时延估计算法，得到用户2每次重传的时延集合(TA1，TA2，…TAN)。
5、对用户2的时延集合进行概率分布密度统计，选取概率密度大于N的的TA值，并进行平均，得到用户2的时延估计值TA。
在一个实施例中，实际应用本申请，面对如图10所示的应用场景，待接入的用户1为近距离类型的小区用户，待接入的用户2为远距离类型的小区用户。设接收设备服务区域内，用户的重传配置参数为N_rep，用户的发送功率为Ptx。可以通过在接收设备中进行以下步骤实现时延估计：
1、将最大的重传次数N_rep作为最大循环次数，对NPRACH中的用户进行检测，在每一次的重传之后，对NPRACH中每个子载波进行载波功率合并，判断是否有有效的用户被检出。由于用户1为近距离类型的用户，在N次检测后，用户1被正确检测出。而用户2为远距离类型的用户，在N+M次检测后，用户2被正确检测出。记录对应用户的重传次数，用户1重传次数为N次，用户2重传次数为N+M次。
2、根据重传次数，获取重传次数与对应有效接收功率的关系。在N次检测后检出用户1，对于用户1，得到其在N次重传中的合并功率P1。判断NPRACH中是否存在有其他用户。首先计算各剩余子载波的合并功率的平均值Q，将功率平均值的N倍功率，即N*Q作为目标功率门限值。对于任意一个剩余子载波的合并功率，若其超出目标功率门限值，则判定该子载波上存在其他用户，不将该子载波作为空闲子载波功率统计。这里由于用户2在对应的子载波上，其合并功率超出了该门限值，在计算空闲子载波的平均功率时，需将其剔除，计算其他子帧波上的平均功率Pn，得到用户2的有效功率(P1-Pn)/N。同样，在N+M次检测后检出用户2，对于用户2，得到其在N+M次重传中的合并功率P2。进一步的，由于已经检测到用户1为有效用户，可把用户1所在子载波的合并功率减去用户1的有效功率，将这个差值作为用户1所在子载波的功率，这是可将用户1所在子载波作为空闲子载波统计。计算各空闲子帧波的合并功率的平均值Pn，得到用户2的有效功率(P2-Pn)/(N+M)。
3、根据路径传播模型，分别得到用户1与用户2的覆盖距离，D1与D2，进而得到用户1和用户2的时延预估计值T1与T2。
4、根据T1和时延门限值，确定用户1的时延估计类型，进而确定时延估计所需要的方法。根据T2和时延门限值，确定用户2的时延估计类型，进而确定时延估计所需要的方法。具体而言，对于用户1，判断T1小于时延门限值，确定用户1的时延估计类型为近距离类型，选择第一种时延估计方式。对用户1采用精时延估计算法，并获取用户1每次重传的时延集合U1＝(TA1，TA2，…TAN)。而对于用户2，判断T2大于时延门限值，确定用户2的时延估计类型为远距离类型，选择第二种时延估计方式。先采用粗时延估计算法，获取该粗时延估计值后，对用户2每次重传的随机接入前导信号进行时域补偿，然后再通过精时延估计算法，得到用户2每次重传的时延集合U2＝(TA1，TA2，…TAN)。
5、分别对U1和U2进行概率分布统计，获取概率分布大于N的对应的TA值，并进行平均，得到用户1的时延估计值和用户2的时延估计值。具体地，对上述时延估计集合U1和U2，分别进行PDF(概率分布密度)统计，选取概率大于P的TA作为时延候选集，并对候选集内的TA进行平均，获取用户1与用户2的时延估计值。
在一个实施例中，实际应用本申请，面对如图11所示的应用场景，待接入的用户包括，近距离类型的小区用户A个，远距离类型的小区用户B个。A和B均为正整数。设接收设备服务区域内，用户的重传配置参数为N_rep，用户的发送功率为Ptx。上述实施例中获取有效用户对应子载波的有效功率的步骤还可以由以下方式实现：
因为用户的增加，空闲子载波的数量随之减少，这对于目标功率门限值的判断会造成影响。然而对于不同覆盖区域的用户，接收设备的接收功率存在一定的差异，离接收设备越近的用户收到功率越大，根据路径损耗，可以对不同覆盖区域的用户功率做一个功率划分，从大到小分为P1，P2..Pm个级别。相应的，由于接收机的噪声大小一定，根据接收功率等级的划分，可以对检测用户以外的子载波进行是否有用户占用的判断。
在检测到有效用户之后，将剩余子载波的合并功率按照功进行排序P1，P2..Pmin。根据各个合并功率与其相近的功率级别，判断出空闲子载波。例如，对于Pmin，获取与它最相近的功率级别(设为Pn)，当K*Pmin<Pn则判定Pmin对应的子载波为空闲子载波，也可以作为判断其它子载波是否为空闲子载波的参考。其中，K值表征路径衰落的一些影响。基于上述的判别过程，将其他剩余子载波的合并功率分别与相应的功率级别进行判断，确定所有空闲子载波，获取各空闲子载波的合并功率的平均值Pv，根据式3得到该有效用户的有效功率。
在另一个实施例中，若K*Pmin>Pn，则有可能所有子载波都存在用户，此时可以通过比较子载波的合并功率与近似的功率等级，得到差值，记录每次重传与该差值的关系，由于接收机噪声功率是一定的，若每次功率差保持一致，可以将该功率差作为噪声功率。而对于已检测出的有效用户，在对下一个有效用户进行时延估计时，可将该子载波上的用户的有效功率减去，作为空闲子载波功率统计。最后我们通过计算所有空闲子载波上的平均功率Pn，以及有效子载波功率P，得到有效用户的有效功率(P-Pn)/N。
在一个实施例中，如图12所示，提供了一种时延估计装置，包括：
有效功率获取模块320，在检测到NPRACH中的有效用户时，获取有效用户对应子载波的有效功率；
时延预估计值确定模块330，采用路径传播模型处理有效功率，得到时延预估计值；
时延估计值获取模块340，根据时延门限值和时延预估计值，确定有效用户的时延估计类型，并基于时延估计类型获取有效用户的时延估计值。
在一个实施例中，时延门限值为随机接入前导信号的宽跳频间隔的倒数；还包括：
粗时延估计单元，用于在时延预估计值大于时延门限值时，根据有效用户每次重传的随机接入前导信号和随机接入前导信号的窄跳频间隔，基于粗时延估计算法得到粗时延估计值；
时域补偿单元，用于根据粗时延估计值，对有效用户每次重传的随机接入前导信号进行时域补偿；
第一精时延估计单元，用于根据时域补偿后的随机接入前导信号和宽跳频间隔，基于精时延估计算法，得到时延估计值。
在一个实施例中，还包括：
第二精时延估计单元，用于在时延预估计值小于时延门限值时，根据随机接入前导信号和宽跳频间隔，基于精时延估计算法，得到时延估计值。
在一个实施例中，还包括：
精时延估计值单元，用于获取有效用户每次重传的随机接入前导信号对应的精时延估计值；
筛选单元，用于对各精时延估计值进行概率分布密度统计，选取出概率密度大于预设概率密度门限值的精时延估计值；
时延估计值确定单元，用于获取选取出的精时延估计值的平均值，并将平均值确认为时延估计值。
在一个实施例中，还包括：
功率获取单元，用于获取各空闲子载波的合并功率、有效用户的重传次数和有效用户对应的子载波的合并功率；空闲子载波为根据各剩余子载波的合并功率与目标功率门限值确定；剩余子载波为NPRACH中除有效用户对应的子载波以外的子载波；
有效功率获取单元，用于根据各空闲子载波的合并功率、有效用户的重传次数和有效用户对应的子载波的合并功率，得到有效用户对应子载波的有效功率。
在一个实施例中，目标功率门限值为各剩余子载波的平均功率的预设倍数；平均功率为各剩余子载波的合并功率的平均值。
关于时延估计装置的具体限定可以参见上文中对于时延估计方法的限定，在此不再赘述。上述时延估计装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于接收设备中的处理器中，也可以以软件形式存储于接收设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种接收设备，该接收设备可以是终端，其内部结构图可以如图13所示。该接收设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该接收设备的处理器用于提供计算和控制能力。该接收设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该接收设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种时延估计方法。该接收设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该接收设备的输入装置可以是显示屏上覆盖的触摸层，也可以是接收设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图13中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的接收设备的限定，具体的接收设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种接收设备，接收设备用于实现上述任一项时延估计方法的步骤。
在一个具体的实施例中，接收设备为基站或终端。
在一个实施例中，提供了一种时延估计系统，包括连接各用户终端的接收设备；接收设备用于实现上述任一项时延估计方法的步骤。
在一个具体的实施例中，接收设备为基站或终端。
在一个实施例中，提供了一种计算机可读存储介质，计算机程序被处理器执行时实现上述任一项时延估计方法的步骤。
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流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种时延估计方法，其特征在于，包括：
在检测到NPRACH中的有效用户时，获取所述有效用户对应子载波的有效功率；
采用路径传播模型处理所述有效功率，得到时延预估计值；
根据时延门限值和所述时延预估计值，确定所述有效用户的时延估计类型，并基于所述时延估计类型获取所述有效用户的时延估计值。
2.根据权利要求1所述的时延估计方法，其特征在于；所述时延门限值为随机接入前导信号的宽跳频间隔的倒数；
根据时延门限值和所述时延预估计值，确定所述有效用户的时延估计类型，并基于所述时延估计类型获取所述有效用户的时延估计值的步骤包括：
在所述时延预估计值大于所述时延门限值时，根据所述有效用户每次重传的随机接入前导信号和随机接入前导信号的窄跳频间隔，基于粗时延估计算法得到粗时延估计值；
根据所述粗时延估计值，对所述有效用户每次重传的随机接入前导信号进行时域补偿；
根据所述时域补偿后的随机接入前导信号和所述宽跳频间隔，基于精时延估计算法，得到所述时延估计值。
3.根据权利要求2所述的时延估计方法，其特征在于，还包括步骤：
在所述时延预估计值小于所述时延门限值时，根据所述随机接入前导信号和所述宽跳频间隔，基于精时延估计算法，得到所述时延估计值。
4.根据权利要求2或3所述的时延估计方法，其特征在于，基于精时延估计算法，得到所述时延估计值的步骤包括：
获取所述有效用户每次重传的随机接入前导信号对应的精时延估计值；
对各所述精时延估计值进行概率分布密度统计，选取出概率密度大于预设概率密度门限值的精时延估计值；
获取选取出的精时延估计值的平均值，并将所述平均值确认为所述时延估计值。
5.根据权利要求4所述的时延估计方法，其特征在于，获取所述有效用户对应子载波的有效功率的步骤，包括：
获取各空闲子载波的合并功率、所述有效用户的重传次数和所述有效用户对应的子载波的合并功率；所述空闲子载波为根据各剩余子载波的合并功率与目标功率门限值确定；所述剩余子载波为NPRACH中除所述有效用户对应的子载波以外的子载波；
根据各所述空闲子载波的合并功率、所述有效用户的重传次数和所述有效用户对应的子载波的合并功率，得到所述有效用户对应子载波的有效功率。
6.根据权利要求5所述的时延估计方法，其特征在于，所述目标功率门限值为各所述剩余子载波的平均功率的预设倍数；所述平均功率为各所述剩余子载波的合并功率的平均值。
7.一种时延估计装置，其特征在于，包括：
有效功率获取模块，在检测到NPRACH中的有效用户时，获取所述有效用户对应子载波的有效功率；
时延预估计值确定模块，采用路径传播模型处理所述有效功率，得到时延预估计值；
时延估计值获取模块，根据时延门限值和所述时延预估计值，确定所述有效用户的时延估计类型，并基于所述时延估计类型获取所述有效用户的时延估计值。
8.一种接收设备，其特征在于，所述接收设备用于实现权利要求1至6中任一项所述方法的步骤。
9.根据权利要求8所述的接收设备，其特征在于，所述接收设备为基站或终端。
10.一种随机接入系统，其特征在于，包括连接各用户终端的接收设备；
所述接收设备用于实现权利要求1至6中任一项所述方法的步骤。
11.根据权利要求10所述的接收设备，其特征在于，所述接收设备为基站或终端。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811300489.9A CN109379151B (zh) | 2018-11-02 | 2018-11-02 | 时延估计方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811300489.9A CN109379151B (zh) | 2018-11-02 | 2018-11-02 | 时延估计方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109379151A true CN109379151A (zh) | 2019-02-22 |
| CN109379151B CN109379151B (zh) | 2022-07-29 |
Family
ID=65397365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811300489.9A Active CN109379151B (zh) | 2018-11-02 | 2018-11-02 | 时延估计方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109379151B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112702782A (zh) * | 2020-12-17 | 2021-04-23 | 康佳集团股份有限公司 | 一种降低用户面时延的方法、存储介质及终端设备 |
| CN113029147A (zh) * | 2021-03-04 | 2021-06-25 | 东南大学 | 一种直达波空中传播时延的估计方法 |
| WO2024082884A1 (zh) * | 2022-10-17 | 2024-04-25 | 中兴通讯股份有限公司 | 宽带信号的补偿方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106488557A (zh) * | 2016-10-28 | 2017-03-08 | 中国人民解放军信息工程大学 | 基于WiFi信号的LDCC‑PDF分级时延估计方法 |
| CN106793065A (zh) * | 2016-08-12 | 2017-05-31 | 北京展讯高科通信技术有限公司 | Ue定位方法及系统 |
| US20170324587A1 (en) * | 2016-05-06 | 2017-11-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Preamble detection and time-of-arrival estimation for a single-tone frequency hopping random access preamble |
| CN108633103A (zh) * | 2017-03-20 | 2018-10-09 | 华硕电脑股份有限公司 | 针对系统信息请求的随机接入程序的方法和设备 |
| US20180310341A1 (en) * | 2017-04-24 | 2018-10-25 | Qualcomm Incorporated | Frequency hopping configuration for a multi-tone physical random access channel transmission |
-
2018
- 2018-11-02 CN CN201811300489.9A patent/CN109379151B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170324587A1 (en) * | 2016-05-06 | 2017-11-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Preamble detection and time-of-arrival estimation for a single-tone frequency hopping random access preamble |
| CN106793065A (zh) * | 2016-08-12 | 2017-05-31 | 北京展讯高科通信技术有限公司 | Ue定位方法及系统 |
| CN106488557A (zh) * | 2016-10-28 | 2017-03-08 | 中国人民解放军信息工程大学 | 基于WiFi信号的LDCC‑PDF分级时延估计方法 |
| CN108633103A (zh) * | 2017-03-20 | 2018-10-09 | 华硕电脑股份有限公司 | 针对系统信息请求的随机接入程序的方法和设备 |
| US20180310341A1 (en) * | 2017-04-24 | 2018-10-25 | Qualcomm Incorporated | Frequency hopping configuration for a multi-tone physical random access channel transmission |
Non-Patent Citations (1)
| Title |
|---|
| HUAWEI: "NPRACH enhancement for cell radius extension", 《3GPP》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112702782A (zh) * | 2020-12-17 | 2021-04-23 | 康佳集团股份有限公司 | 一种降低用户面时延的方法、存储介质及终端设备 |
| CN113029147A (zh) * | 2021-03-04 | 2021-06-25 | 东南大学 | 一种直达波空中传播时延的估计方法 |
| WO2021208662A1 (zh) * | 2021-03-04 | 2021-10-21 | 东南大学 | 一种直达波空中传播时延的估计方法 |
| US11906646B2 (en) | 2021-03-04 | 2024-02-20 | Southeast University | Method for estimating the over-the-air propagation delay of direct wave |
| WO2024082884A1 (zh) * | 2022-10-17 | 2024-04-25 | 中兴通讯股份有限公司 | 宽带信号的补偿方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109379151B (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109379151A (zh) | 时延估计方法、装置及系统 | |
| Akin et al. | Effective capacity analysis of cognitive radio channels for quality of service provisioning | |
| CN102113381B (zh) | 用于小区导频检测的连续检测和消除 | |
| CN102113389B (zh) | 动态IoT设置点和干扰控制的方法 、装置及处理器 | |
| CN103141067B (zh) | 频带识别方法、装置 | |
| US20100317291A1 (en) | Methods and apparatus for controlling resource use in a wireless communications system | |
| CN109391972A (zh) | 支持载波聚合的终端到终端通信的资源选择方法及装置 | |
| Qin et al. | Malicious user detection based on low-rank matrix completion in wideband spectrum sensing | |
| CN103873171B (zh) | 基于多用户互协作的协作频谱感知决策融合方法 | |
| CN108833040A (zh) | 基于强化学习的智能频谱协同感知方法 | |
| Khan et al. | A double adaptive approach to tackle malicious users in cognitive radio networks | |
| CN108207022A (zh) | 功率调整方法及装置 | |
| CN106160980A (zh) | 信道质量指示cqi估计方法及装置 | |
| Singh et al. | Threshold optimization of a finite sample-based cognitive radio network using energy detector | |
| Elias et al. | An analysis of energy detector based on improved approximations of the chi-square distributions | |
| CN104038313A (zh) | 在存在几乎空白子帧(abs)时的信号译码 | |
| CN109474952A (zh) | 一种参考信号的处理方法和用户终端 | |
| Ashok et al. | Performance Analysis of Energy Spotting and Cyclostationary Methods in Cognitive Radio | |
| Khalid et al. | A weighted fusion scheme for cooperative spectrum sensing based on past decisions | |
| Giweli et al. | Spectrum sensing in cognitive radio networks: QoS considerations | |
| CN109756283A (zh) | Geo卫星通信系统下行链路的频谱感知方法以及装置 | |
| CN101753174B (zh) | 自适应频谱检测方法和系统 | |
| Oksanen | Machine learning methods for spectrum exploration and exploitation | |
| Zhang et al. | An Improved Cluster-Based Cooperative Spectrum Sensing Algorithm. | |
| CN103947148B (zh) | 一种非连续传输检测装置及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200110 Address after: 510663 Shenzhou Road, Guangzhou Science City, Guangzhou economic and Technological Development Zone, Guangdong, 10 Applicant after: COMBA TELECOM SYSTEMS (CHINA) Ltd. Address before: 510663 Shenzhou Road 10, Guangzhou Science City, Guangzhou economic and Technological Development Zone, Guangzhou, Guangdong Applicant before: COMBA TELECOM SYSTEMS (CHINA) Ltd. Applicant before: COMBA TELECOM SYSTEMS (GUANGZHOU) Ltd. Applicant before: COMBA TELECOM TECHNOLOGY (GUANGZHOU) Ltd. Applicant before: TIANJIN COMBA TELECOM SYSTEMS Ltd. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 510663 Shenzhou Road, Guangzhou Science City, Guangzhou economic and Technological Development Zone, Guangdong, 10 Applicant after: Jingxin Network System Co.,Ltd. Address before: 510663 Shenzhou Road, Guangzhou Science City, Guangzhou economic and Technological Development Zone, Guangdong, 10 Applicant before: COMBA TELECOM SYSTEMS (CHINA) Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |