CN109644497B - 使用前导码检测和随机接入信道参数的自动优化来控制网络流量的系统和方法 - Google Patents

Abstract

检测物理随机接入信道(RACH)前导码是通过基于接收的RACH前导码计算相关功率简档来完成的，其中可以对相关功率简档值进行排序。基于归一化的RACH检测阈值为每个相关功率简档值计算权重因子。基于权重因子来选择相关功率简档值的异常值峰值。将异常值峰值映射到RACH签名的第一集合以便标识与所接收的RACH前导码之一相关联的用户设备(UE)。然后，控制与所标识的UE相关联的网络通信的网络流量。

Description

使用前导码检测和随机接入信道参数的自动优化来控制网络流量的系统和方法

技术领域

示例实施例总体上涉及一种用于使用改进的前导码检测和所确定的随机接入信道参数的自动化来控制网络流量的系统和方法。

背景技术

图1示出了传统的第三代合作伙伴项目长期演变(3GPP LTE) 网络10。网络10包括互联网协议(IP)连接接入网络(IP-CAN)100 和IP分组数据网络(IP-PDN)1001。IP-CAN 100通常包括：服务网关(SGW)101；分组数据网络(PDN)网关(PGW)103；策略和计费规则功能(PCRF)106；移动性管理实体(MME)108和E-UTRAN 节点B(eNB)105(即，基站，出于本文中的目的，术语基站和eNB 可以可互换地使用)。虽然未示出，但是EPS的IP-PDN 1001部分可以包括应用或代理服务器、媒体服务器、电子邮件服务器等。

在IP-CAN 100内，eNB 105是所谓的演进通用移动电信系统 (UMTS)地面无线电接入网络(EUTRAN)的一部分，并且包括SGW 101、PGW 103、PCRF 106和MME 108的IP-CAN 100的一部分被称为演变分组核心(EPC)。尽管图1中仅示出了单个eNB 105，但是应当理解，EUTRAN可以包括任何数目的eNB。类似地，尽管图1 中仅示出了单个SGW、PGW和MME，但是应当理解，EPC可以包括任何数目的这些核心网络元件。

eNB 105为一个或多个用户设备(UE)110提供无线资源和无线电覆盖。也就是说，任何数目的UE 110可以连接(或附接)到eNB 105。 eNB 105可操作地耦合到SGW 101和MME108。

SGW 101路由和转发用户数据分组，同时还在UE的eNB间切换期间用作用户平面的移动性锚点。SGW 101还用作第三代合作伙伴项目长期演变(3GPP LTE)与其他3GPP技术之间的移动性的锚点。对于空闲UE 110，SGW 101终止下行链路数据路径并且在下行链路数据到达UE 110时触发寻呼。

PGW 103通过作为UE 110的业务的进入/退出点来提供UE 110 与外部分组数据网络(例如，IP-PDN)之间的连接。众所周知，给定的UE 110可以具有与用于访问多个PDN的多个PGW 103的同时连接。

PGW 103还执行策略实施、用于UE 110的分组过滤、计费支持、合法拦截和分组筛选，上述各项中的每个是众所周知的功能。PGW 103还用作3GPP与非3GPP技术之间的移动性的锚点，诸如全球微波接入互操作性(WiMAX)和第三代合作伙伴项目2(3GPP2(码分多址(CDMA)1X和增强语音数据优化(EvDO))。

仍然参考图1，eNB 105还可操作地耦合到MME 108。MME 108 是EUTRAN的控制节点，并且负责空闲模式UE 110寻呼和标记过程，包括重传。MME 108还负责在UE到网络的初始附接期间以及在涉及核心网络(CN)节点重定位的LTE内切换期间为UE选择特定SGW。 MME108通过与归属订户服务器(HSS)交互来认证UE 110，HSS 在图1中未示出。

非接入层(NAS)信令在MME 108处终止，并且负责为UE 110 生成和分配临时身份。MME 108还检查UE 110的授权以预占服务提供商的公共陆地移动网络(PLMN)，并且实施UE110漫游限制。 MME 108是网络中用于NAS信令的加密/完整性保护的终止点，并且处理安全密钥管理。

MME 108还提供用于LTE与2G/3G接入网络之间的移动性的控制平面功能，其中来自SGSN(未示出)的接口终止于MME 108。

策略和计费规则功能(PCRF)106是可以访问订户数据库、做出策略决定并且为订户设置计费规则的实体。

图2示出了传统的E-UTRAN节点B(eNB)105。eNB 105包括：存储器225；处理器210；调度器215；无线通信接口220；每个承载的无线电链路控制(RLC)缓冲器230；以及回程接口235。处理器 210还可以被称为核心网络实体处理电路、EPC实体处理电路等。处理器210可以包括物理地耦合在一起或分布式的一个或多个核心处理单元。处理器210控制eNB 105的功能(如本文中描述的)，并且可操作地耦合到存储器225和通信接口220。虽然图2中仅示出了一个处理器210，但是应当理解，典型的eNB 105中可以包括多个处理器。由处理器执行的功能可以使用硬件来实现。这样的硬件可以包括一个或多个中央处理单元(CPU)、数字信号处理器(DSP)、专用集成电路、现场可编程门阵列(FPGA)计算机等。贯穿本文档使用的术语处理器可以指代这些示例实现中的任何一个，但是该术语不限于这些示例。利用虚拟无线电接入网络(VRAN)架构，各种功能eNB组件可以分布在VRAN云内的多个处理电路和多个物理节点上。

eNB 105可以包括在各个几何覆盖扇区区域内服务于UE 110的一个或多个小区或扇区。每个小区可以单独包含图2中描绘的元素。在整个文档中，术语eNB、小区或扇区应当可互换地使用。

仍然参考图2，无线通信接口220包括各种接口，包括连接到一个或多个天线以无线地向/从UE 110传输/接收控制和数据信号的一个或多个发送器/接收器。回程接口235是与SGW 101、MME 108、其他eNB接口、或者与IP-CAN 100内的其他EPC网络元件和/或RAN 元件接口的eNB 105的部分。调度器215调度要由eNB 105向UE 110 传输和从UE 100接收的控制和数据通信。存储器225可以缓冲和存储正在eNB 105处处理、向eNB 105传输和从eNB105接收的数据。

调度器215可以基于表示业务优先级层次的服务质量(QoS)类标识符(QCI)来做出物理资源块(PRB)分配决策。目前在LTE中定义了九个QCI类，其中1表示最高优先级并且9表示最低优先级。 QCI 1到4被保留用于保证比特率(GBR)类，调度器为其保持某些特定数据流QoS特性。QCI 5到9被保留用于各种类别的最大努力 (Best Effort)业务。

随机接入信道(RACH)使得用户设备(UE)110能够执行各种任务，诸如初始接入通信网络10、上行链路同步、小区之间的切换以及从故障链路的恢复。因此，通过有效的RACH签名检测算法和 RACH参数的正确配置的使用来实现最佳随机接入性能对于优化通信网络的性能是至关重要的。

在eNB 105的无线接口220中发生的传统的随机接入信道(RACH) 前导码检测器依赖于本底噪声的估计以便设置前导码检测阈值。由于 RACH前导码检测中由于随机RACH传输、不可预测的调度决策和非高斯干扰而涉及的信号的非平稳性质，对本底噪声的足够准确的估计可能是不可实现的任务，并且这可能导致性能不佳的蜂窝系统。

用于配置RACH参数的传统的解决方案通常包括基于工程最佳实践的静态参数设置。也就是说，可以经由链路预算、流量工程计算和/或现场性能测量来执行这些静态参数设置。但是，静态参数配置解决方案可能会遇到一些缺点。首先，静态参数配置可能无法克服用于设置参数的计算与真实世界部署的实际情况之间的可能的不匹配。其次，静态配置可能不适应蜂窝网络中的不断变化的条件，尤其是在干扰和流量强度方面。第三，静态配置不能自主地调节RACH参数以反映网络架构随时间的变化，诸如小区拆分和小小区的插入。

传统的解决方案不能有效地避免通信信道的干扰，优化RACH覆盖，最小化与呼叫建立和切换相关的延迟，减少网络信令开销，以及获取随机接入与其他网络通信需求之间的最佳资源分配平衡。另外，由于通常需要频繁的人为干预，因此当RACH参数被静态配置时，经常经历高运营支出以维持通信网络。

发明内容

至少一个示例实施例涉及一种用于控制通信网络中的网络流量的前导码检测方法。

在一个示例实施例中，用于控制通信网络中的网络流量的前导码检测方法包括由至少第一网络节点的至少第一处理器通过执行以下步骤来检测物理随机接入信道(RACH)前导码：基于接收的RACH 前导码的集合计算相关功率简档，对相关功率简档值进行排序，基于归一化的RACH检测阈值计算每个相关功率简档值的权重因子，基于权重因子选择相关功率简档值的异常值峰值，将异常值峰值映射到 RACH签名的第一集合以便标识与接收的RACH前导码之一相关联的至少一个UE；以及由第一处理器控制与所标识的至少一个UE相关联的网络通信的网络流量。

在一个示例实施例中，该方法包括通过使用前向连续均值消除(FCME)方法来检测RACH前导码。

在一个示例实施例中，RACH前导码的检测还包括：收集用于传输的RACH前导码的集合的噪声上升信息和前导码丢失信息，基于所收集的噪声上升信息计算通信网络的总体平均噪声上升，使用所收集的前导码丢失信息计算通信网络的平均漏检率，使用平均噪声上升和平均漏检率来确定目标接收器功率和功率增加。

在一个示例实施例中，RACH前导码的检测还包括通过执行以下步骤来确定归一化的RACH检测阈值：收集前导码虚警率信息，基于前导码虚警率信息计算通信网络的平均虚警率，以及基于平均虚警率确定归一化的RACH检测阈值，其中控制网络流量还包括向通信网络的UE广播归一化的RACH检测阈值。

在一个示例实施例中，该方法还包括：收集竞争率信息，基于所收集的竞争率信息计算通信网络的平均竞争率，基于平均竞争率确定机会时段，其中控制网络流量还包括向通信网络的UE广播机会时段。

在一个示例实施例中，该方法包括重复收集噪声上升信息和前导码丢失信息的步骤并且重复计算总体平均噪声上升和平均漏检率的步骤，直到所确定的目标接收功率和功率增加保持恒定；其中控制网络流量还包括：向通信网络的UE广播目标接收功率和功率增加，并且其中RACH前导码的检测还包括一旦所确定的目标接收功率和功率增加保持恒定，则通过执行以下步骤来确定归一化的RACH检测阈值：收集前导码虚警率信息，基于前导码虚警率信息计算通信网络的平均虚警率，以及基于平均虚警率确定归一化的RACH检测阈值，其中控制网络流量还包括向通信网络的UE广播归一化的RACH检测阈值。

在一个示例实施例中，该方法还包括重复收集前导码虚警率信息和计算平均虚警率的步骤，直到所确定的归一化的RACH检测阈值保持恒定；并且其中RACH前导码的检测还包括一旦所确定的目标接收器功率、功率增加和归一化的RACH检测阈值保持恒定，则通过执行以下步骤来确定机会时段：收集竞争率信息，基于所收集的竞争率信息计算通信网络的平均竞争率，基于平均竞争率确定机会时段，其中控制网络流量还包括向通信网络的UE广播机会时段。

在一个示例实施例中，该方法包括至少第一网络节点的至少第一处理器是多个处理器，多个处理器中的每个与专用于通信网络内的相应扇区的网络节点相关联，RACH前导码的检测还包括：每个处理器收集用于相应扇区的传输的RACH前导码的集合的噪声上升信息和前导码丢失信息，每个处理器基于相应扇区的所收集的噪声上升信息计算总体平均噪声上升，每个处理器使用来自每个相应扇区的所收集的前导码丢失信息计算相应扇区的平均漏检率，每个处理器与多个处理器中作为邻居处理器的至少一个其他处理器共享总体平均噪声上升和平均漏检率，每个处理器使用共享的平均噪声上升和共享的平均漏检率来确定相应扇区的目标接收功率和功率增加。

在一个示例实施例中，该方法还包括重复相应扇区的每个处理器收集噪声上升信息和前导码丢失信息的步骤，并且重复计算总体平均噪声上升和平均漏检率的步骤，直到所确定的目标接收功率和功率增加保持恒定；其中控制网络流量还包括每个处理器向相应扇区的UE 广播目标接收器功率和功率增加，并且其中RACH前导码的检测还包括一旦所确定的目标接收器功率和功率增加保持恒定，则通过执行以下步骤来确定归一化的RACH检测阈值：每个处理器收集相应扇区的前导码虚警率信息，每个处理器基于前导码虚警率信息计算相应扇区的平均虚警率，并且每个处理器基于平均虚警率确定相应扇区的归一化的RACH检测阈值，其中网络流量的控制还包括每个处理器向相应扇区的UE广播归一化的RACH检测阈值。

在一个示例实施例中，该方法还包括重复相应扇区的每个处理器收集前导码虚警率信息并且计算平均虚警率的步骤，直到所确定的归一化的RACH检测阈值保持恒定；其中RACH前导码的检测还包括一旦所确定的归一化的RACH检测阈值保持恒定，则通过执行以下步骤来确定机会时段：每个处理器收集相应扇区的竞争率信息，基于所收集的竞争率信息计算相应扇区的平均竞争率，每个处理器基于平均竞争率确定相应扇区的机会时段；并且其中网络流量的控制还包括每个处理器向相应扇区的UE广播目标接收功率、功率增加和机会时段。

至少另一示例实施例涉及一种通信网络中的至少第一网络节点。

在一个示例实施例中，至少第一网络节点包括至少第一处理器，至少第一处理器被配置为通过执行以下步骤来检测物理随机接入信道(RACH)前导码：基于接收的RACH前导码的集合计算相关功率简档，对相关功率简档值进行排序，基于归一化的RACH检测阈值计算每个相关功率简档值的权重因子，基于权重因子选择相关功率简档值的异常值峰值，将异常值峰值映射到RACH签名的第一集合以便标识与接收的RACH前导码之一相关联的至少一个UE；并且控制与所标识的至少一个UE相关联的网络通信的网络流量。

在一个示例实施例中，至少第一处理器还被配置为通过使用前向连续均值消除(FCME)方法来检测RACH前导码。

在一个示例实施例中，至少第一处理器还被配置为通过以下来检测RACH前导码：收集用于传输的RACH前导码的集合的噪声上升信息和前导码丢失信息，基于所收集的噪声上升信息计算通信网络的总体平均噪声上升，使用所收集的前导码丢失信息计算通信网络的平均漏检率，使用平均噪声上升和平均漏检率来确定目标接收器功率和功率增加。

在一个示例实施例中，至少第一处理器还被配置为通过执行以下步骤来确定归一化的RACH检测阈值来检测RACH前导码：收集前导码虚警率信息，基于前导码虚警率信息计算通信网络的平均虚警率，并且基于平均虚警率确定归一化的RACH检测阈值，其中至少第一处理器还被配置为通过向通信网络的UE广播归一化的RACH检测阈值来控制网络流量。

在一个示例实施例中，至少第一处理器还被配置为：收集竞争率信息，基于所收集的竞争率信息计算通信网络的平均竞争率，基于平均竞争率确定机会时段，其中至少第一处理器还被配置为通过向通信网络的UE广播机会时段来控制网络流量。

在一个示例实施例中，至少第一处理器还被配置为重复收集噪声上升信息和前导码丢失信息的步骤，并且重复计算总体平均噪声上升和平均漏检率的步骤，直到所确定的目标接收功率和功率增加保持恒定，其中至少第一处理器还被配置为通过向通信网络的UE广播目标接收功率和功率增加来控制网络流量，其中至少第一处理器还被配置为一旦所确定的目标接收功率和功率增加保持恒定，则通过执行以下步骤来确定归一化的RACH检测阈值来检测RACH前导码：收集前导码虚警率信息，基于前导码虚警率信息计算通信网络的平均虚警率，并且基于平均虚警率确定归一化的RACH检测阈值，至少第一处理器还被配置为通过向通信网络的UE广播归一化的RACH检测阈值来控制网络流量。

在一个示例实施例中，至少第一处理器还被配置为重复收集前导码虚警率信息并且计算平均虚警率的步骤，直到所确定的归一化的 RACH检测阈值保持恒定，其中至少第一处理器还被配置为一旦所确定的目标接收功率、功率提升和归一化的RACH检测阈值保持恒定，则通过执行以下步骤来确定机会时段来检测RACH前导码：收集竞争率信息，基于所收集的竞争率信息计算通信网络的平均竞争率，基于平均竞争率确定机会时段，其中至少第一处理器还被配置为通过向通信网络的UE广播机会时段来控制网络流量。

在一个示例实施例中，其中至少第一处理器包括多个处理器，多个处理器中的每个与通信网络内的相应扇区相关联，至少第一处理器还被配置为通过以下方式来检测RACH前导码：每个处理器收集用于相应扇区的传输的RACH前导码的集合的噪声上升信息和前导码丢失信息，每个处理器基于用于相应扇区的所收集的噪声上升信息计算总体平均噪声上升，每个处理器使用来自每个相应扇区的所收集的前导码丢失信息计算用于相应扇区的平均漏检率，每个处理器与多个处理器中作为邻居处理器的至少一个其他处理器共享总体平均噪声上升和平均漏检率，每个处理器使用共享的平均噪声上升和共享的平均漏检率来确定用于相应扇区的目标接收器功率和功率增加。

在一个示例实施例中，其中至少第一处理器还被配置为重复相应扇区的每个处理器收集噪声上升信息和前导码丢失信息的步骤，并且重复计算总体平均噪声上升和平均漏检率的步骤，直到所确定的目标接收功率和功率增加保持恒定，其中至少第一处理器还被配置为通过以下来控制网络流量：每个处理器向相应扇区的UE广播目标接收功率和功率增加，并且其中至少第一处理器还被配置为通过以下方式来检测RACH前导码：一旦所确定的目标接收功率和功率增加保持恒定，则通过执行以下步骤来确定归一化的RACH检测阈值：每个处理器收集用于相应扇区的前导码虚警率信息，每个处理器基于前导码虚警率信息计算用于相应扇区的平均虚警率，并且每个处理器基于平均虚警率确定用于相应扇区的归一化的RACH检测阈值，其中至少第一处理器还被配置为通过每个处理器向相应扇区的UE广播归一化的RACH 检测阈值来控制网络流量。

在一个示例实施例中，其中至少第一处理器还被配置为重复相应扇区的每个处理器收集前导码虚警率信息并且计算平均虚警率的步骤，直到所确定的归一化的RACH检测阈值保持恒定，其中至少第一处理器还被配置为通过以下来检测RACH前导码：一旦所确定的归一化的RACH检测阈值保持恒定，则通过执行以下步骤来确定机会时段：每个处理器收集相应扇区的竞争率信息，基于所收集的竞争率信息计算相应扇区的平均竞争率，每个处理器根据平均竞争率确定用于相应扇区的机会时段；并且其中至少第一处理器还被配置为通过每个处理器向相应扇区的UE广播目标接收功率、功率增加和机会时段来控制网络业务。

附图说明

通过参考附图详细描述示例实施例，示例实施例的上述和其他特征和优点将变得更加明显。附图旨在描绘示例实施例，并且不应当被解释为限制权利要求的预期范围。除非明确说明，否则附图不应当被视为按比例绘制。

图1示出了传统的第三代合作伙伴项目长期演变(3GPP LTE) 网络；

图2示出了传统的E-UTRAN节点B(eNB)；

图3示出了根据示例实施例的重新配置的eNB内的无线接口；

图4示出了根据示例实施例的重新配置的eNB；

图5示出了根据示例实施例的重新配置的3GPP LTE网络；

图6示出了根据示例实施例的随机接入信道(RACH)签名检测方法；

图7示出了根据示例实施例的使用RACH签名检测的漏检的概率；

图8示出了根据示例实施例的使用RACH签名检测的虚警检测的概率；

图9示出了根据示例实施例的使用RACH签名检测的平均试验次数；

图10示出了根据示例实施例的集中式LTE架构；

图11A示出了根据示例实施例的优化功率的方法；

图11B示出了根据示例实施例的优化功率的方法；

图11C示出了根据示例实施例的优化功率的方法；

图12示出了根据示例实施例的在优化功率的方法中使用的缩放函数；

图13示出了根据示例实施例的使用优化功率的方法的PRACH目标接收功率的演变；

图14示出了根据示例实施例的使用优化功率的方法的漏检概率的演变；

图15示出了根据示例实施例的使用优化功率的方法的虚警概率的演变；

图16示出了根据示例实施例的使用优化功率的方法的平均试验次数的演变；

图17示出了根据示例实施例的归一化阈值与虚警概率的对数之间的关系；

图18示出了根据示例实施例的用于优化阈值的方法；

图19示出了根据示例实施例的RACH强度与RACH机会时段之间的关系；

图20示出了根据示例实施例的对于不同RACH机会时段τ_RACH的RACH前导码冲突概率与RACH强度之间的关系；

图21示出了根据示例实施例的优化周期性的方法；

图22示出了根据示例实施例的综合RACH参数优化；

图23示出了根据示例实施例的分散式LTE架构；

图24A示出了根据示例实施例的分散式功率优化；

图24B示出了根据示例实施例的分散式功率优化；

图24C示出了根据示例实施例的分散式功率优化；

图25示出了根据示例实施例的分散式综合RACH参数优化；

图26示出了根据示例实施例的对于RACH过程的用户设备与 eNB之间的消息交换的一个通信图；以及

图27示出了根据示例实施例的对于RACH过程的用户设备与 eNB之间的消息交换的另一通信图。

具体实施方式

虽然示例实施例能够具有各种修改和替代形式，但是其实施例在附图中以示例的方式示出并且将在本文中详细描述。然而，应当理解，没有意图将示例实施例限于所公开的特定形式，相反，示例实施例将覆盖落入权利要求范围内的所有修改、等同物和替代物。在整个附图的描述中，相同的数字表示相同的元素。

在更详细地讨论示例实施例之前，应当注意，一些示例实施例被描述为被描绘为流程图的过程或方法。尽管流程图将操作描述为顺序过程，但是很多操作可以并行、并发或同时执行。另外，可以重新布置操作的顺序。这些过程可以在其操作完成时终止，但是也可以具有图中未包括的附加步骤。过程可以对应于方法、函数、过程、子例程、子程序等。

下面讨论的方法(其中一些由流程图说明)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或其任何组合来实现。当用软件、固件、中间件或微代码实现时，用于执行必要任务的程序代码或代码段可以存储在诸如存储介质(诸如非暂态存储介质)等机器或计算机可读介质中。处理器可以执行必要的任务。

本文中公开的具体结构和功能细节仅仅是为了描述示例实施例的目的。然而，本发明可以以很多替代形式来实施，并且不应当被解释为仅限于本文中阐述的实施例。

应当理解，尽管本文中可以使用术语第一、第二等来描述各种元素，但是这些元素不应当受这些术语的限制。这些术语仅用于区分一个元素与另一元素。例如，第一元素可以被称为第二元素，并且类似地，第二元素可以被称为第一元素，而没有脱离示例实施例的范围。如本文中使用的，术语“和/或”包括一个或多个相关联的所列项目的任何和所有组合。

应当理解，当一个元件被称为“连接”或“耦合”到另一元件时，它可以直接连接或耦合到另一元件，或者可以存在中间元件。相反，当一个元件被称为“直接连接”或“直接耦合”到另一元件时，不存在中间元件。用于描述元件之间关系的其他词语应当以类似的方式来解释(例如，“在......之间”与“直接在......之间”、“相邻”与“直接相邻”等)。

本文中使用的术语仅用于描述特定实施例的目的，并不旨在限制示例实施例。如本文中使用的，单数形式“一个(a)”、“一个(an)”和“所述(the)”也旨在包括复数形式，除非上下文另有明确说明。将进一步理解，术语“包括(comprises)”、“包括(comprising)”、“包括(includes)”和/或“包括(including)”当在本文中使用时指定所述特征、整体、步骤、操作、元素和/或组件的存在，但是不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或其组的存在或添加。

还应当注意，在一些替代实现中，所记载的功能/动作可以不按图中所示的顺序发生。例如，连续示出的两个图实际上可以同时执行，或者有时可以以相反的顺序执行，这取决于所涉及的功能/动作。

除非另外定义，否则本文中使用的所有术语(包括技术和科学术语)具有与示例实施例所属领域的普通技术人员通常理解的含义相同的含义。应当进一步理解，术语(例如，在常用词典中定义的术语) 应当被解释为具有与其在相关领域的上下文中的含义相一致的含义，并且将不应当在理想化或过于正式的意义上理解，除非本文中如此明确定义。

示例实施例的部分和相应的详细描述以软件或算法和对计算机存储器内的数据位的操作的符号表示的形式给出。这些描述和表示是本领域普通技术人员通过其有效地将他们工作的实质传达给本领域其他普通技术人员的描述和表示。本文中使用和通常使用的术语“算法”被认为是导致期望结果的自相一致的步骤序列。这些步骤需要物理地操纵物理量。通常，尽管不是必须的，但是这些量采用能够被存储、传输、组合、比较和以其他方式操纵的光学、电学或磁信号的形式。有时，主要出于通用的原因，已经证明将这些信号称为比特、值、元素、符号、字符、术语、数字等是方便的。

在以下描述中，将参考操作的动作和符号表示(例如，以流程图的形式)来描述说明性实施例，执行操作可以被实现为执行特定任务或实现特定抽象数据类型的程序模块或功能过程，包括例程、程序、对象、组件、数据结构等，并且可以使用现有网络元件处的现有硬件来实现。这种现有硬件可以包括一个或多个中央处理单元(CPU)、数字信号处理器(DSP)、专用集成电路、现场可编程门阵列(FPGA) 计算机等。

然而，应当记住，所有这些和类似术语都应当与适当的物理量相关联，并且仅仅是应用于这些量的方便标签。除非另外特别说明，或者从讨论中很清楚，否则诸如“处理(processing)”或“计算(computing)”或“计算(calculating)”或“确定(determining)”或“显示(displaying)”等术语是指计算机系统或类似的电子计算设备的动作和过程，该设备将被表示为计算机系统的寄存器和存储器内的物理电子量的数据操纵和转换成类似地被表示为计算机系统存储器或寄存器或其他这样的信息存储、传输或显示设备内的物理量的其他数据。

还应当注意，示例实施例的软件实现方面通常在某种形式的程序存储介质上编码或者在某种类型的传输介质上实现。程序存储介质可以是任何非暂态存储介质，诸如磁性(例如，软盘或硬盘驱动器)或光学(例如，光盘只读存储器，或“CD ROM”)，并且可以是只读的或随机接入的。类似地，传输介质可以是双绞线、同轴电缆、光纤或本领域已知的某种其他合适的传输介质。示例实施例不受任何给定实现的这些方面的限制。

一般方法：

通过有效的RACH签名检测算法和RACH参数的正确配置来实现最佳随机接入性能(其可以适应于在蜂窝网络的实际部署中遇到的各种情况)可以满足至少以下五个目标。

A)避免对通信信道的过度干扰；

B)实现预期的RACH覆盖；

C)最小化与呼叫建立、切换等有关的延迟；

D)减少与标识分配、资源授权等相关的网络信令开销；以及

E)获取随机接入与其他通信需求之间的适当的资源分配平衡。

上面列出的五个目标可以在指标方面进行量化，并且这些指标在本文档的其余部分中称为“网络指标”。由于与多个参数的同时优化相关联的网络问题的多维性，并且由于蜂窝网络的动态特性(具有变化的业务负载和变化的干扰模式)，自动和自适应RACH参数设置方法可以帮助正确的网络操作。更具体地，可以经由示例实施例来优化以下参数中的一些或全部。在本文档的其余部分中，这些参数称为“RACH参数”。

1)RACH初始目标接收功率P_0，RACH；

2)RACH发送功率增加(ramp-up)P_ramp，RACH；

3)归一化的RACH前导码检测阈值τ_RACH；

4)RACH资源分配周期τ_RACH。

在示例实施例的上下文中，RACH参数1)和2)的优化可以直接影响目标A)、B)、C)；RACH参数3)的优化可以直接影响目标C)和D)；并且RACH参数4)的优化可以直接影响目标A)、 C)和E)。为此，示例实施例提供了一种自适应RACH参数优化解决方案，该方案可以被设计为处理同时受RACH参数1)到4)影响的性能约束。

结构实施例：

图3示出了可以被包括在重新配置的eNB 105a中的无线接口 220a(参见图4)。无线接口220a可以包括多个天线信号处理链(101a 到101n)。虽然可以包括多个链101，但是为了简单起见，为简洁起见，这里仅描述单个链101a。如图3所示，接口220a可以包括接收器天线102a，接收器天线102a接收通过链101a发送的数据和信息。链101a可以包括循环前缀去除器103a和具有长度N_DFT的离散傅里叶变换(DFT)123a。N_DFT的值可以取决于系统的采样率(例如，具有20MHz带宽的系统可以包括值等于24576的N_DFT)。链101a 还可以包括子载波选择器107a、逐符号复数乘法器109a和执行零填充的零填充器111a(即，填充器111a可以在正在处理的序列符号的末尾插入零序列，使得信号的总长度可以适合具有长度N_cor的 IFFT)。逆快速傅里叶变换(IFFT)113a可以执行具有长度N_cor的逆快速傅里叶变换(IFFT)。值N_cor可以大于符号中的RACH 前导码的长度(即，839)。通常，N_cor可以被设置为1024。逐符号计算器115a可以执行每个符号的平方绝对值的逐符号计算。加法器117可以执行由每个天线信号处理链101计算的符号的逐符号相加。然后，签名检测块119可以基于随机变量Y(离开加法器117)执行签名检测。也就是说，签名检测块119可以搜索和分类由Y表示的相关功率简档中的峰值。生成器131可以根据3GPP技术规范36.211“物理信道和调制”来生素数长度Zadoff-Chu根序列。离散傅里叶变换器 133可以对由定序器131生成的复符号执行长度为N_ZC的离散傅里叶变换(DFT)。通常，长度N_ZC可以等于值839。共轭器135可以执行离开离散傅里叶变换133的符号的逐符号复共轭操作。离开接口220a的信号121可以是与在eNB 105a处检测到的签名相对应的信号。

图4示出了包括图3的无线接口220a(如上所述)的重新配置的 eNB 105a。eNB105a包括RACH检测例程(RDR)300，RDR 300可以包括处理器210可以运行和/或执行以便执行图6、11A-11C、18、 21-22、24A-24C和25-26(参见下面的描述)所示的方法的算法和方法步骤信息。处理器210还控制图3所示的接口220a的组件的功能。

图5示出了包括重新配置的eNB 105a(图4中示出)的重新配置的网络10a。

RACH签名检测方法：

与RACH签名检测算法的表征相关的是(从图3的加法器117传输的)随机变量Y，该变量可以是长度为N_cor的向量，即，

如下所述。

其中N_RX可以是eNB 105a处的接收器天线的数目，并且X_k可以假设为方差为σ²的复数零均值。

使用等式1，由每个Y_j表示的随机变量的分布可以通过自由度为 2N_RX的卡方分布来近似。在归一化(通过使得σ²＝1)之后，可以如下所示书写累积分布函数(CDF)。

假设M是要在由Y表示的相关功率简档中搜索的指标的数目，则所有M个指标低于归一化阈值T_RACH的概率可以由

给出。因此，一个或多个指标高于T_RACH的概率可以被定义为虚警概率P_FA，如下所示。

通过将P_FA设置为具体值，可以使用等式2和3以数字方式确定 T_RACH。作为示例，表1示出了对于M＝13·64＝832以及N_RX和P_FA值的若干组合的归一化阈值T_RACH。

表1：

在签名检测过程的传统实现中，归一化阈值T_RACH通常需要通过相关功率简档的本底噪声来缩放以便提供要在检测中使用的实际阈值 T′_RACH。然而，由于随机RACH传输、不可预测的调度决策和非高斯干扰而引起的Y的非平稳性质，估计本底噪声可能是困难的，并且可能导致T′_RACH的不准确的结果。因此，使用对本底噪声是盲目的检测算法可能是有利的。以下是描述基于前向连续均值消除(FCME)方法的签名检测的算法(算法1)。该算法的输入包括相关功率简档

归一化RACH检测阈值(T_RACH)和不包含异常值(I)的集合的初始大小。

算法1——基于FCME的RACH签名检测：

图6示出了根据示例实施例的随机接入信道(RACH)签名检测方法。如步骤S300所示，处理器210可以引起签名检测块119按升序对功率简档值T_j进行排序，即

其中

其中

stopFlag＝0，并且k＝I，同时(stopFlag＝0)∧(k≤N_cor)。在步骤S302中，处理器210然后可以计算要与值

一起使用的加权因子T_k，其中加权因子可以被定义为T_k＝T_RACH/k。

在步骤S304中，处理器210可以确定是否

如果该关系式成立，则在步骤S306中，处理器210可以确定与所传输的签名相对应的异常值

使得

基于异常值的确定，在步骤S308中，处理器210然后可以将

的元素重新映射到原始指标空间(即，签名窗口)，于是该过程可以在步骤S310 处停止。

如果在步骤S304中处理器210确定关系式

不成立，则在步骤S312中，处理器210可以在步骤S312中递增k(k＝k+1)，于是处理器可以确定k是否小于或等于Ncor(在步骤S314中)，并且如果k小于或等于Ncor，则处理器重复步骤S302(否则，该过程在步骤S316处结束)。

图7至图9描绘了与图6的方法的性能相关的模拟结果。具体地，图7示出了作为可以为随机接入通信设置的目标接收功率的函数的整个网络的漏检概率。如该图所示，图6的前向连续均值消除(FCME) 方法和阈值缩放(即，传统方法)示出了与仅对较低目标接收功率具有一些微小影响的功率增加(PRamp)大致相同的性能。图8描绘了作为传输RACH前导码的UE 110的目标接收功率电平的函数的虚警的概率。如图8所示，图6的方法与传统的阈值缩放相比具有明显的优点。图9描绘了作为传输RACH前导码的UE 110的目标接收功率电平的函数的平均试验次数。如图9所示，FCME和阈值缩放示出了类似的性能，尽管PRamp对于较低目标接收功率的尝试次数具有一些影响。

RACH初始目标接收功率P_0，RACH和功率增加P_ramp，RACH的优化：

在初始小区同步过程之后，UE 110可以解码与小区接入有关的有用信息。具体地，系统信息块2(SIB2，在图26的步骤S900中)可以向所有UE 110广播，并且该广播可以携带与RACH参数有关的信息，RACH参数可以包括RACH初始目标接收功率P_0，RACH和功率增加P_ramp，RACH。在解码RACH参数之后，UE 110可以调节RACH前导码的发送功率P_RACH，如下所示。

P_RACH(k)＝min{P_max，P_0，RACH-P_loss+(k-1)P_ramp，RACH+Δ_preamble}， 等式4 其中P_max可以是可以由UE 110传输的最大功率，P_loss可以是要补偿的路径损耗(使用下行链路参考信号估计的)，k可以是与eNB 105a 的前导码检测相关联的尝试次数，并且Δ_preamble可以是可以取决于正在传输的RACH前导码的类型的功率偏移。

如上所述，由P_0，RACH和P_ramp，RACH定义的功率电平可以直接反映网络指标A)-C)。在这种情况下，可以周期性地监测指标A)-C)，使得可以进行对P_0，RACH和P_ramp，RACH的适当的调节。

在网络指标A)的情况下，P_0，RACH和P_ramp，RACH可以以两种方式影响网络干扰水平。

首先，物理随机接入信道(PRACH)(其具有由P_0，RACH和P_ramp，RACH控制的发送功率，并且传输RACH前导码)可能导致相邻扇区的数据/ 控制信道(PUSCH/PUCCH)中的干扰。

其次，在检测到来自特定UE 110的RACH前导码(图26的步骤 S902中的消息1)之后，eNB 105a可以确认(图26的步骤S904中的消息2)。然后，UE 110可以对eNB 105a进行响应(图26的步骤 S906中的消息3)，其通常可以利用从成功检测到的消息1导出的功率设置，在上行链路数据信道PUSCH上被发送。携带消息3的PUSCH 的部分可能导致相邻扇区的数据/控制信道中的干扰。然后，消息3 干扰的强度可以是P_0，RACH和功率增加P_ramp，RACH的累积的函数。

为了测量网络指标A)使得可以控制P_0，RACH和P_ramp，RACH，可以使用与所接收的干扰功率和热噪声功率相关联的eNB 105a测量，如下所示。

等式5描述了由消息1(图26的步骤S902)在时间t对扇区v的物理资源块p的干扰。注意，

可以是项

均总和(即，由源自扇区u的消息1在时间t对扇区v的物理资源块p的干扰)。同样，消息3在时间t对扇区v的物理资源块p的干扰如等式6所示。

在时间t扇区v的物理资源块p上的热噪声可以定义为N_v，t(p)。在接收器分集的情况下，上面描述的所有量可以表示每个分集分支中的测量的线性平均。

基于上述量，可以使用单个参数来表示网络指标A)。该参数可以被指定为噪声上升R_v，t(p)，并且可以如下定义。

其中该变量与在时间t扇区v的物理资源块p相关。注意，来自特定起源扇区u的分量

或分量

或者这些分量中没有任何一个可以对本底噪声R_v，t(p)有贡献。每个干扰分量的贡献可以跨网络的多个扇区取决于物理资源块的相对对准。

为了测量网络指标B)和C)，可以量化用于在时间t在扇区v中的第1次试验的前导码丢失率M_v，t(l)。M_v，t(l)可以定义如下。

其中D_v，t(l)可以是在时间t在扇区v中的第1次试验期间利用消息3 验证的前导码的数目，并且S_v，t(l)可以是针对在时间t在扇区v中的第1 次尝试发送的前导码的总数目。在计数器D_v，t(l)和S_v，t(l)二者中，可以排除被检测为竞争解决过程的结果的前导码。此外，从实现的角度来看，计数器D_v，t(l)和S_v，t(l)可以从作为对eNB 105a向UE发送的UE信息请求消息的响应而接收的信息中获取(参见图27)。

等式7和8中的值可以针对某个时刻t被定义。但是，出于系统优化的目的，R_v，t(p)和M_v，t(l)在一段时间内的平均值是有用的。这在下面的等式中示出。

其中T可以定义为可以在其间进行测量的采样周期。

使用等式9和10中描述的量，RACH参数P_0，RACH和P_ramp，RACH可以从下面描述的多目标优化程序中获取。

其中R_[kT]＝(R_[kT](1)，R_[kT](2)，…)，

M_[kT]＝(M_[kT](1)，M_[kT](2)，…)，

R_max可以是最大可容忍噪声上升，M_max(l)可以是在第1次试验中的最大可容忍前导码丢失率，并且N_sector可以是系统中可以被优化的扇区的总数目。虽然可以考虑更复杂的成本函数，但在最简单的情况下，函数f(·)和 g(·)描述这些变量R_v，[kT](p)和M_v，[kT](l)在整个扇区v上的平均值。

集中式架构(算法2)：

图10示出了集中式架构，其涉及与地理区域501中的多个eNB (105a1-105a6，与图4的eNB 105a相同)通信的中心局500(或中央节点)。中心局500可以包括处理器502、存储器504、与每个eNB 105a通信的无线接口506、以及回程508。功率优化例程(POR)510 可以被包括在存储器中。处理器502可以引起POR 510执行下面描述的图11A-11C所示的方法流程图的方法步骤。

参考图10，该架构可以用于控制RACH参数(例如，P_0，RACH和 P_ramp，RACH)。为此，诸如R_v，t(p)和M_v，t(k)等的测量可以在由每个相应的eNB 105a服务的个体扇区v内被收集。然后可以经由网络通信接口将测量值发送到中心局500以执行在等式11中定义的优化。

由等式11定义的多目标优化程序可以使用诸如可以使用帕累托最优性概念的进化算法等数值方法来求解。或者，可以单独地优化等式11中的目标向量中的每个元素，但是彼此协调。实现后一种方法的具体方法如图11A-11C所示。

算法2——优化功率：

在算法2中，噪声上升和前导码丢失率(即，分别是R_max、M_max，1和 M_max)的最大容许值可以彼此一致地设置，这是因为可能导致P_0，RACH和 P_ramp，RACH的变化的交织效应。在该上下文中，可以选择缩放常数γ_P和γ_R以及缩放函数

和

使得可以保持网络指标上的收敛速度和振荡的平衡。注意，缩放函数

和

可以设计成避免由于被漏检率和干扰水平驱动的功率更新而导致的“乒乓”情况。函数

和

的一般形状如图12所示。此外，精度值

和∈_R还可以被配置为通过避免RACH参数的不必要的改变来为网络指标提供附加稳定性。最后，函数Q{·}可以负责将连续值映射到由网络支持的离散的P_ramp，RACH值，函数Q{·}可以基于模拟。

图11A描绘了使用算法2方法使用集中式架构(诸如图10的架构)确定RACH功率参数所涉及的方法步骤的流程图。具体地，在步骤S400中，CO 500的处理器502可以设置k＝1，并且

以便从集中式系统中的N_sector个扇区收集测量值R_v，[kT](p)和M_v，[kT](l)(图 10)，其中该信息集合来自多个基站eNB的处理器210的集合 (105a1-105a6，其中每个eNB可以与图4的eNB 105a相同)。在步骤S402中，处理器502可以计算网络的平均噪声上升，其中计数器p 可以对应于消息1和/或3(图26)可能引起干扰的物理资源块，并且 N_p可以是这样的资源块的总数，其中在关系式

中，p＝1到N_p。

在步骤S404中，处理器502可以计算网络的总体平均噪声上升，其由

定义。在步骤S406中，处理器502然后可以对于l＝1到N_l使用关系式

计算网络的平均漏检率。在步骤S408中，处理器502可以使用

计算用于第二试验(和另外的试验)的平均漏检率。

在步骤S410中，处理器502可以确定关系式

是否成立，如果是，则在步骤S412中，处理器502可以基于 P_0，RACH(k)＝P_0，RACH(k-1)-γ_P(M_max，1-M_[kT](1))来调节目标接收功率，其中 M₁_Flag(k)＝1。

如果在步骤S410中关系式

不成立，则在步骤 S414中，处理器502可以通过P_0，RACH(k)＝P_0，RACH(k-1)调节目标接收功率，其中M₁_Flag(k)＝0。

在步骤S412或S414之后，在步骤S416(图11B)中，处理器 502可以确定关系式

是否成立，并且如果是，则在步骤 S420中，处理器502可以通过 P_ramp，RACH(k)＝Q_ramp{P_ramp，RACH(k-1)-γ_R(M_max-M_[kT])}调节功率增加P_ramp，RACH(k)，其中M₂_Flag(k)＝1。否则，处理器502可以根据P_ramp，RACH(k)＝P_ramp，RACH(k-1)调节功率，其中在步骤S418中M₂_Flag(k)＝0。

在步骤S420或S422之后，处理器502可以通过调节 R₁_Flag(k)＝0和R₂_Flag(k)＝0来调节P_0，RACH(k)或 P_ramp，RACH(k)以控制噪声上升。

在步骤S424中，处理器502然后确定关系式R_[kT]-R_max＞∈_R是否成立，并且如果是，则处理器502然后确定(在步骤S426中)关系式

是否也成立，并且如果是，则处理器502然后使用

调节接收功率以控制噪声增加，其中在步骤S428中R₁_Flag(k)＝1。否则，如果处理器502确定步骤S426的确定为否定，则在步骤S430，处理器然后确定关系式

是否成立(其中肯定响应引起处理器502执行步骤S432，并且否定响应引起处理器502执行步骤S434)。如果处理器502对步骤S424的询问返回否定响应，则处理器502接下来执行步骤S434。

在步骤S432(图11C)中，处理器502可以通过计算

来调节接收功率以控制噪声增加，其中R₂_Flag(k)＝1。然后在步骤S434中，处理器 210可以通过确定

知

来计算最后的N_γ个采样周期的“乒乓”情况的强度。

在步骤S436中，处理器502可以通过递增k(k＝k+1)来进入下一采样周期，并且然后返回到步骤S400(图11A)。

图13-16示出了与使用图10的集中式架构来确定功率电平相关联的仿真结果。具体地，图13-16示出了对于RACH目标接收功率 P_0，RACH的控制算法对所研究的网络指标的影响。该模拟包括双环 120度扇形蜂窝网络(即，57个扇区)，具有环绕、向下倾斜、路径损耗、阴影衰落和在地理区域上的统一的用户分布。假设随机接入是泊松分布，强度为32个前导码/扇区/秒。对于P_0，RACH的控制算法包括步骤S412的实现，其中γ_P＝20，M_max，1＝0.1并且T＝0.1 秒。注意，可以选择其他值γ_P和M_max，1以提供更好的系统稳定性。

图13描绘了P_0，RACH在一段时间内的演变，其中示出了FCME 方法比传统阈值缩放更好地执行。图14描绘了漏检概率在一段时间内的演变。在这种情况下，两种签名检测方法都在M_max，1＝0.1实现了收敛。图15描绘了虚警概率在一段时间内的演变。在该图中，FCME 方法提供优于传统阈值缩放方法的优点。图16描绘了平均试验次数随时间推移的演变。

归一化的RACH前导码检测阈值T_RACH的优化(算法3)：

T_RACH的优化可以分别对网络指标C)和D)(即，最小化和延迟以及网络信令的减少)具有直接影响。如上所述，可以通过计算等式 8和10中定义的前导码丢失率来在eNB 105a中测量网络指标C)。另一方面，为了测量网络指标D)，可以定义被称为“前导码虚警率”的新量。对于在时间t的扇区v前导码虚警率F_v，t可以定义如下。

其中

是在时间t在扇区v中接收的消息3的数目(参见图26)，并且

是由扇区v在时间t发送的消息2的数目(参见图26)。与上面定义的其他量类似，时间平均的F_v，t也可能更方便，并且该值可以如下所示定义。

T_RACH的优化也可以由类似于等式11的优化程序来定义。等式14 (下面)提供这样的优化。

其中

F_max可以是最大可容忍虚警率，并且N_sector可以是系统中可以优化的扇区总数。虽然可以考虑更复杂的成本函数，但在最简单的情况下，函数f(·)描述了整个扇区v中变量 F_v，[kT]的平均值。

为了解决由等式14定义的问题，图10描绘的系统架构可以与基于梯度的优化方法一起使用。在该架构中，中心局(CO 500)可以通过运行被保存到存储器的功率优化例程(POR 510)来执行下面描述的方法步骤，该例程包括用于执行方法步骤的算法。或者，可以使用等式3中给出的T_RACH与P_FA之间的依赖性来提供更简单的方法来找到T_RACH的最佳值。在这种情况下，图17描绘了对于M＝832 并且N_RX＝{1，2，4}的T_RACH与log₁₀(P_FA)之间的关系。对于各种各样的P_FA值，T_RACH与log₁₀(P_FA)之间的关系近似是线性的。每个N_RX值的斜率α_FA总结在表2中(如下所示)。

表2：

因此，使用表2中提供的斜率，可以从当前阈值

计算新的归一化的阈值

使得可以从当前的虚警概率

达到目标虚警概率 P_FA，target。为此，以下等式可以定义这些关系。

算法3——前导码检测阈值的优化：

归一化RACH前导码检测阈值(如上所述)的优化反映在图18 所示的方法中。如图18的步骤S500所示，CO 500的处理器502可以设置k＝1，并且然后处理器502可以从地理区域501的多个基站 (eNB 105a1-105a6)收集测量值F_v，[kT]以进行进一步处理。重要的是要注意，在区域501的每个eNB 105a中，相应eNB 105的处理器210 可以基于等式12和13来计算测量值F_v，[kT]，其中该信息可以存储在eNB 105a的存储器225中，直到处理器500请求该存储的信息。然后，在步骤S502中，处理器502可以通过确定

来计算网络的平均虚警率。

在步骤S504中，处理器502可以确定关系式F_max-F_[kT]＞∈_FA是否成立，并且如果是，则在步骤S508中，处理器502可以通过 T_RACH(k)＝α_FA·[log₁₀(F_max)-log₁₀(F_[kT])]+T_RACH(k-1)来更新阈值。否则，处理器 502可以在步骤S506中确定T_RACH(k)＝T_RACH(k-1)。在步骤 S506或S508之后，处理器502可以在步骤S510中递增k(k＝k+1)，并且返回到步骤S500以重复算法2的过程。

RACH机会时段τ_RACH的优化(算法4)：

通过控制RACH机会时段τ_RACH(即，可以为随机接入通信提供 PRACH机会时隙的频率)，可以实现网络指标E)的优化。在该上下文中，eNB 105a可以提供指示网络指标E)的适合性的测量值，其中测量值可以是“竞争率”。对于在时间t的扇区v的竞争率C_v，t可以如下定义。

其中D_v，t可以是在时间t在扇区v中检测到的前导码的总数目，并且Ａ_v，t可以是被授权访问网络而不需要“竞争解决”过程的UE 110 的总数目。

与上面定义的其他网络测量类似，系统优化目的决定使用时间平均C_v，t，如下面的等式所示。

其中T可以定义为可以收集测量值的采样周期。

可以定义优化程序以找到τ_RACH的最佳值，如下所示。

其中

C_max可以是最大可容忍竞争率， N_sector可以是系统中可以被优化的扇区的总数，并且f(·)可以描述整个扇区v中变量C_v，[kT]的平均值。

类似于归一化阈值T_RACH，可以实现用于解决等式18中的问题的更简单的手段，其中假设在每对连续RACH前导码传输之间存在具有用于到达间隔时间的参数λ的指数分布。在任何给定时间跨度τ中， RACH前导码传输的数目k可以根据泊松分布来分布，如下所示。

根据等式19，特定UE 110在时间跨度τ期间所见的冲突概率p_col可以如下书写。

因此，对于特定p_col和时间跨度τ，所支持的强度λ可以如下确定。

因为在每个扇区中存在N_preamble个可用正交前导码，所以对于特定 p_col和特定RACH机会时段τ_RACH，所支持的RACH强度λ_RACH可以如下确定。

算法4——优化周期：

图19描绘了作为RACH机会时段(对于每个扇区64个前导码) 的函数的所支持的RACH强度，其中对于N_prearmble＝64并且 p_col＝{0.001，0.01，0.1}，RACH强度λ_RACH随着RACH机会时段τ_RACH而变化。图20描绘了对于N_preamble＝64并且τ_RACH＝{1，2，5，10，15，20}ms，作为RACH强度λ_RACH的函数的冲突概率p_col。基于图20，可以构造查找表，该查找表将p_col大于最大可容忍概率p_max的每个对(τ_RACH，p_col)映射到新的对(τ′_RACH，p′_col)，其中p′_col≤p_max并且τ′_RACH可以是最大可能的RACH机会时段。在图20中也描绘了对于λ_RACH＝200个前导码/扇区/秒，τ_RACH＝20ms、p_col＝～0.06到τ′_RACH＝2ms、p′_col＝～0.006的映射示例。

图21是提供用于优化τ_RACH的方法的方法流程图，其中查找表Δ_col可以使用图20中描绘的过程来构造。在步骤S600中，处理器502可以使得k＝1，并且然后CO 500的处理器502可以从地理区域501中的 eNB 105a收集测量值C_v，[kT]以进行进一步处理。具体地，在每个eNB 105a中，处理器210可以基于等式16和17计算

其中该信息然后可以存储在存储器225中，直到处理器502请求该信息。然后，在步骤S602中，处理器502可以通过计算

来计算网络的平均竞争率。

在步骤S604中，处理器502然后可以确定关系式|C_max-C_[kT]|＞∈_col是否成立，并且如果是，则处理器502然后可以基于查找表调节RACH 机会时段，其中在步骤S606中τ_RACH(k)＝τ_RACH(k-1)+Δ_col(τ_RACH(k-1)，C_[kT])。否则，处理器502可以在步骤S608中确定τ_RACH(k)＝τ_RACH(k-1)。在步骤 S606或S608之后，处理器可以在步骤S610中增加k(k＝k+1)，并且然后将过程返回到步骤S600。

全面的RACH优化程序(算法5)：

先前的示例实施例(如上所述)将各个RACH参数的优化视为独立过程。然而，实际上，RACH参数之间存在相互作用。例如，改变归一化阈值T_RACH不仅可以影响前导码虚警率，还可以影响前导码丢失率，这反过来可能需要调节RACH目标接收功率P_0，RACH。由于RACH参数之间的依赖性，图22是描绘全面地优化多个RACH参数的方法的流程图。

如图22所示，提供了一种全面的RACH优化方法。具体地，在步骤S650中，处理器502可以设置k＝1，并且然后运行算法2的迭代(参见图11A-11C)以确定

然后，在步骤S652中，处理器502可以确定关系式 (P_0，RACH(k)＝P_0，RACH(k-1))∧(P_ramp，RACH(k)＝P_ramp，RACH(k-1))是否成立，并且如果是，则在步骤S654中，处理器502可以运行算法3(图18)以确定T_RACH(k)，其中T_RACH(k)＝算法3(T_RACH(k-1)，F_max，α_FA，∈_FA)。否则，该方法可以进行到步骤S660，其中处理器502递增(K＝K+1)，并且返回到步骤S650。

在步骤S654之后，在步骤S656中，处理器502可以确定是否 T_RACH(k)＝T_RACH(k-1)，并且如果是，则在步骤S658中，处理器502可以运行算法4(图21)以确定τ_RACH(k)＝算法4(τ_RACH(k-1)，C_max，Δ_col，∈_col)。如果处理器502确定步骤S656的询问是否定的，或者如果处理器502完成步骤S658，则处理器502在步骤S660中递增k(k＝k+1)，并且将过程返回到步骤S650。

分散式RACH优化程序(算法6)：

与图10相关联的示例实施例(集中式层级)属于依赖于中心局 500的层级，中心局500能够从特定地理区域501内的eNB 105a收集测量值，其中测量值被处理使得用新计算的RACH参数来更新eNB 105a。然而，这种集中式解决方案假定(1)通信接口可用于在中心局500与eNB 105a之间传送信息，(2)部署是同构的(即，所有eNB 105a提供相同的覆盖特性)，以及(3)在所考虑的地理区域501中的业务是同构的。在这些条件不满足的情况下，分散式解决方案可以表现得更好。因此，图23描绘了分散式层级，其中每个eNB105a具有与图4所示的相同的结构，并且干扰测量值901经由无线接口235 在相邻eNB 105a之间传输。

因为RACH前导码检测阈值T_RACH和机会周期τ_RACH的变化对相邻扇区的性能具有低影响，所以可以在每个扇区中独立地执行优化(即，以分散的方式)。在这种情况下，对图18和图21的方法的唯一需要的改变涉及设置N_sector＝1，其中优化在本地和独立地在逐扇区的基础上执行。

但是，由于P_0，RACH和P_ramp，RACH的变化影响相邻扇区中的干扰水平，所以扇区之间的少量协调可以改善性能。具体地，相邻扇区可与能够交换关于由于P_0，RACH和P_ramp，RACH的变化而经历的干扰水平的信息。eNB 105a之间的干扰信息的这种交换可以使用等式 9中定义的量R_v，[kT](p)来完成。图24A-24C提供了实现用于优化 P_0，RACH和P_ramp，RACH的分散式解决方案的方法，其中eNB 105a1-105a5的任何处理器210可以执行方法步骤(并且，eNB 105a1-105a5中的每个与图4的eNB 105a相同)。

在图24A的步骤S700中，在从扇区w的N_neighbors个相邻扇区收集测量M_w，[kT](l)和R_v，[kT](p)之前，用于任何一个扇区w(与eNB 105a1-105a5中的任何一个相关联)的处理器210可以设置k＝1，并且

在步骤S702中，处理器210然后可以计算扇区w的N_neighbors个相邻扇区的平均噪声上升。使用关系式

计数器p可以对应于消息1和/或3(图26)可以引起干扰的物理资源块，并且N_p可以是对于p＝1到N_p的这种资源块的总数。

在步骤S704中，处理器210可以使用

计算相邻扇区的总体平均噪声上升。在步骤S706中，处理器210然后可以使用关系式

计算第二试验(和另外的试验) 的平均漏检率。

在步骤S708中，处理器210可以确定是否

并且如果是，则处理器210可以在步骤S710中使用 P_ramp，RACH(k)＝Q_ramp{P_ramp，RACH(k-1)-γ_R(M_max-M_w，[kT])}来调节目标接收功率，其中M₁_Flag(k)＝1.。否则，处理器210可以在步骤S712中计算 P_0，RACH(k)＝P_0，RACH(k-1)，其中M₁_Flag(k)＝0。

在步骤S710或S712之后，处理器可以通过在步骤S714中确定是否

来确定是否调节功率增加P_ramp，RACH(k)，其中如果该关系成立，则在步骤S718中，处理器210可以通过计算 P_ramp，RACH(k)＝Q_ramp{P_ramp，RACH(k-1)-γ_R(M_max-M_w，[kT])}来调节功率增加。否则，处理器210可以通过在步骤S716中确定P_ramp，RACH(k)＝P_ramp，RACH(k-1)，M₂_Flag(k)＝0来调节功率增加。

在步骤S716或S718之后，处理器210可以通过在步骤S720中复位标志R₁_Flag(k)＝0和R₂_Flag(k)＝0来调节P_0，RACH(k) 或P_ramp，RACH(k)以控制相邻扇区中的噪声上升。

在步骤S720之后，在步骤S724中，处理器210可以确定是否 R_[kT]-R_max＞∈_R，并且如果是，则在步骤S722中，处理器210然后可以在步骤S726中确定是否

如果步骤S722的回答是肯定的，则在步骤S726中，处理器210可以确定

其中R₁_Flag(k)＝1(步骤S726)。否则，在步骤S728中，处理器210可以在步骤S728中确定

在步骤S728中，如果处理器210做出肯定的确定，则在步骤S730 中，处理器210可以通过计算

来进行调节以控制噪声上升，其中R₂_Flag(k)＝1。否则，在步骤S732中，方法可以继续，其中在步骤S732中，处理器210可以计算最后的N_γ个采样周期的“乒乓”情况的强度，其中

并且

然后，在步骤S734 中，计数器可以递增(K＝K+1)，以便前进到下一采样周期。

如在图10所示的集中式架构中，可以为每个扇区w植入综合的RACH参数优化过程。在用于优化所有RACH参数的分散方法中，分别地，图24A-24C的方法可以用于控制P_0，RACH和P_ramp，RACH，并且图18和21的分散式方法可以用于控制T_RACH和τ_RACH。图25是描绘在分散式层级中全面优化RACH参数的方法的流程图(如图23所示)。

在图25中(算法7)，eNB 105a1-105a5的任何处理器210可以执行这些方法步骤。在步骤S800中，处理器210可以设置k＝1，并且然后对扇区w执行算法6(图24A-24B)的迭代，其中

注意，其他算法可以仅在P_0，RACH(k)和P_ramp，RACH(k)稳定时运行。

在步骤S802中，处理器210可以确定是否 (P_0，RACH(k)＝P_0，RACH(k-1))∧(P_ramp，RACH(k)＝P_ramp，RACH(k-1))，并且如果是，则在步骤S804中，处理器210可以针对扇区w运行算法3(图18)的分散式版本的迭代，其中[T_RACH(k)]＝算法3(T_RACH(k-1)，F_max，α_FA，∈_FA)。应当注意，其他算法可以仅在T_RACH(k)稳定时运行。否则，如果处理器210未确定步骤S802是肯定的，则处理器210可以在步骤S810中结束该方法。

在步骤S804之后，在步骤S806中，处理器210可以确定是否 T_RACH(k)＝T_RACH(k-1)，并且如果是，则在步骤S808中，处理器可以针对扇区w执行算法4(图21)的分散式版本的迭代，其中[τ_RACH(k)]＝算法 4(τ_RACH(k-1)，C_max，Δ_col，∈_col)。否则，处理器210结束该方法(步骤S810)。

在步骤S808之后，处理器210结束该方法(步骤S810)。

已经描述了示例实施例，显然示例实施例可以以多种方式改变。这些变化不应当被视为脱离示例实施例的预期精神和范围，并且对于本领域技术人员很清楚的所有这样的修改旨在被包括在所附权利要求的范围内。

Claims (10)

1.一种用于通信网络中的检测方法，包括：

由网络节点的至少一个处理器通过执行以下步骤来检测物理随机接入信道签名：

计算相关功率简档，所述相关功率简档包括用于接收到的所述物理随机接入信道签名的相关功率简档值，

将所述相关功率简档值排序成排序的相关功率简档值，

为每个排序的相关功率简档值：

基于归一化的物理随机接入信道检测阈值来计算权重因子，

如果所述排序的相关功率简档值大于所述权重因子乘以所述排序的相关功率简档值之前的所述排序的相关功率分布值的总和，则选择所述排序的相关功率简档值和该排序的相关功率简档值之后的排序的相关功率简档值作为异常值峰值，

将所述异常值峰值映射到所述接收到的物理随机接入信道签名。

2.根据权利要求1所述的方法，包括

通过进一步执行以下步骤检测所述接收到的物理随机接入信道签名：

收集针对所述接收到的物理随机接入信道签名的噪声上升信息和前导码丢失信息，

基于所收集的噪声上升信息来计算所述通信网络的总体平均噪声上升，

使用所收集的前导码丢失信息来计算所述通信网络的平均漏检率，

使用所述平均噪声上升和所述平均漏检率来确定目标接收器功率和功率增加。

3.根据权利要求1所述的方法，其中

通过以下步骤进一步执行所述物理随机接入信道签名的所述检测：

确定所述归一化的物理随机接入信道检测阈值：

收集前导码虚警率信息，

基于所述前导码虚警率信息来计算所述通信网络的平均虚警率，以及

基于所述平均虚警率来确定所述归一化的随机接入信道检测阈值，

控制网络流量还包括：

向所述通信网络的用户设备广播所述归一化的随机接入信道检测阈值。

4.根据权利要求1所述的方法，还包括：

收集竞争率信息，

基于所收集的竞争率信息来计算所述通信网络的平均竞争率，

基于所述平均竞争率来确定机会时段。

5.根据权利要求2所述的方法，其中

重复收集噪声上升信息和前导码丢失信息的步骤，并且重复计算总体平均噪声上升和平均漏检率的步骤，直到所确定的目标接收器功率和所述功率增加保持恒定；以及

其中，通过以下步骤进一步执行所述接收到的物理随机接入信道签名的所述检测：

一旦所确定的目标接收器功率和所述功率增加保持恒定，则通过执行以下步骤来确定所述归一化的随机接入信道检测阈值：

收集前导码虚警率信息，

基于所述前导码虚警率信息来计算所述通信网络的平均虚警率，以及

基于所述平均虚警率来确定所述归一化的随机接入信道检测阈值，

其中控制网络流量还包括：

向所述通信网络的用户设备广播所述归一化的随机接入信道检测阈值。

6.一种通信网络中的网络节点，所述网络节点包括：

处理器，被配置为，

通过执行以下步骤来检测接收到物理随机接入信道签名：

计算相关功率简档，所述相关功率简档包括用于所述接收到的物理随机接入信道签名的相关功率简档值，

将所述相关功率简档值排序成排序的相关功率简档值，为每个所述排序的相关功率简档值：

基于归一化的随机接入信道检测阈值来计算权重因子，

如果所述排序的相关功率简档值大于所述权重因子乘以所述排序的相关功率简档值之前的所述排序的相关功率分布值的总和，则选择所述排序的相关功率简档值和该排序的相关功率简档值之后的排序的相关功率简档值作为异常值峰值，

将所述异常值峰值映射到所述接收到的物理随机接入信道签名。

7.根据权利要求6所述的至少第一网络节点，其中

所述处理器还被配置为通过以下来检测所述物理随机接入信道签名：

收集用于所述接收到的物理随机接入信道签名的噪声上升信息和前导码丢失信息，

基于所收集的噪声上升信息来计算所述通信网络的总体平均噪声上升，

使用所收集的前导码丢失信息来计算所述通信网络的平均漏检率，

使用所述平均噪声上升和所述平均漏检率来确定目标接收器功率和功率增加。

8.根据权利要求6所述的网络节点，其中

所述处理器还被配置为通过执行以下步骤来通过确定所述归一化的随机接入信道检测阈值以检测所述接收到的物理随机接入信道签名：

收集前导码虚警率信息，

基于所述前导码虚警率信息来计算所述通信网络的平均虚警率，以及

基于所述平均虚警率来确定所述归一化的物理随机接入信道检测阈值。

9.根据权利要求6所述的网络节点，其中所述处理器还被配置为：

收集竞争率信息，

基于所收集的竞争率信息来计算所述通信网络的平均竞争率，

基于所述平均竞争率来确定机会时段。

10.根据权利要求7所述的网络节点，其中所述处理器还被配置为：

重复收集噪声上升信息和前导码丢失信息的步骤，并且重复计算总体平均噪声上升和平均漏检率的步骤，直到所确定的目标接收器功率和所述功率增加保持恒定，

其中所述处理器还被配置为一旦所确定的目标接收器功率和所述功率增加保持恒定，则通过执行以下步骤来通过确定所述归一化的随机接入信道检测阈值以检测物理随机接入信道签名：

收集前导码虚警率信息，

基于所述前导码虚警率信息来计算所述通信网络的平均虚警率，以及

基于所述平均虚警率来确定所述归一化的随机接入信道检测阈值。

Images