CN109874168B - 移动通信系统随机接入前导序列检测与定时提前量确定的方法 - Google Patents

Abstract

本发明针对高速移动通信中多普勒频率偏移较大的特点，提出了一种随机接入前导序列检测与定时提前量确定的方法，可以有效支持航空及地面的高速移动通信。其优点如下：本发明提供的方法保持了SZC序列检测算法对较大频偏的容忍性，同时解决了SZC检测算法在时延不是采样间隔的整倍数时出现的检测错误平底问题；PZC序列并不像SZC序列一样要求两个子序列是对称的，因而可支持更灵活的系统配置。

Description

移动通信系统随机接入前导序列检测与定时提前量确定的 方法

技术领域

本发明针对高速移动通信中多普勒频率偏移较大的特点，提出了一种随机接入前导序列检测与定时提前量确定的方法。该方法可用于各种高速、超高速通信场景，如高速铁路通信、飞行器与地面基站通信(空地通信)、飞行器与飞行器通信(空空通信)和飞行器与卫星之间通信(空天通信)等。

背景技术

近年来，将宽带网络服务范围扩展到高速、超高速移动通信场景，如为高空区域的客机、无人机等飞行器提供网络接入等，已成为学术界与工业界的研究热点之一[1]。一种方案是将长期演进(Long Term Evolution，LTE)、第五代(The Fifth Generation，5G)通信的新无线(New Radio，NR)系统的相关技术应用在航空通信中[2]。LTE技术已在陆地通信中使用数年，发展成熟，有望为高空飞行器提供高速、稳定的数据服务。NR作为下一代移动通信技术，也是应用于高速移动通信的候选技术之一。

随机接入是用户进行网络接入的初始步骤，是用户与基站之间进行通信的必要条件[3]。在航空通信场景下，飞行器较高的移动速度会导致较大的多普勒频移，降低了随机接入前导序列检测的成功率和定时提前量估计的准确率，增加了接入时延。LTE与NR系统中传统的随机接入检测算法[3]已经考虑了用户移动性导致的频率偏移的问题，设计了随机接入前导序列限制集来克服该问题。除此以外，改进的基于广义似然比检验(GeneralizedLikelihood Ratio Test，GLRT)的检测器[4]进一步提高了随机接入检测的可靠性。然而，以上算法只适用于频率偏移在1250Hz以下的场景。

另一方面，在LTE和NR支持的高速列车场景下，列车高速移动引起的频偏超过1250Hz。对此，第三代合作伙伴计划(3rd Generation Partnership Project，3GPP)设计了用于高铁随机接入的特殊前导序列集合[5]，但该设计仅能应对小于2.5kHz的频偏。

为了解决更大的频率偏移问题，文献[6]提出使用对称Zadoff-Chu(SymmetricZadoff-Chu，SZC)序列作为前导序列。SZC序列将两段共轭的Zadoff-Chu(ZC)序列并行发送，利用两段序列与本地序列的互相关函数峰值的关系，消除频率偏移的影响。这种算法可以克服任意大小的频率偏移，但在前导序列的时延不是接收机采样间隔的整倍数时，会出现检测错误平底。

发明内容

本发明为解决传统技术提供的方法用于各种高速、超高速移动通信场景进行前导序列检测时，会出现检测错误平底的的技术缺陷，提供了一种可用于各类高速、超高速移动通信系统的随机接入前导序列检测与定时提前量确定的方法。

为实现以上发明目的，采用的技术方案是：

一种移动通信系统随机接入前导序列检测与定时提前量确定的方法，包括以下内容：

(1)当终端进行随机接入时，选择根序列指数分别为u₁和u₂的两个ZC序列形成PZC序列，作为前导序列进行发送，发送信号的表达式为：

其中，x_u[n]表示根序列指数为u的ZC序列，N_ZC表示PZC序列的序列长度；

(2)对s[n]进行N_ZC点离散傅里叶变换得到频域信号，将频域信号到系统设定的子载波后再进行N点离散傅里叶逆变换得到时域信号，然后将时域信号进行射频发送；

(3)在基站端，基站对接收信号进行N点离散傅里叶变换，完成子载波解映射得到频域信号；然后对频率信号进行N_ZC点离散傅里叶逆变换得到接收序列：

其中mod为取余数运算符，N_d为估计的终端的往返时延，f_D表示多普勒频移，T_S＝T_SEQ/N_ZC表示采样间隔，T_SEQ表示序列持续时间；z[n]表示高斯白噪声；

然后进行(4)～(6)的前导序列检测；

(4)基站将接收序列和本地序列进行互相关操作，得到接收序列与本地序列

的互相关函数的模的平方，表示为：

由于根序列指数不同的ZC序列可认为是近似正交的，将式(1)、式(2)、式(3)代入式(4)，可得到：

(5)基站通过下式判断是否接收到前导序列：

集合M定义为M＝{0,1,…,N_ZC-1}，u_i取u₁或u₂其中的一个序列，γ为根据目标虚警概率预先设定的阈值；

(6)若步骤(5)中判断有终端发送了前导序列，则进一步对终端的往返时延进行估计，首先，寻找c_u1[m]的峰值位置：

(7)寻找与

匹配的

的峰值

回顾式(5)，得到

出现峰值的位置应满足以下条件

其中F＝round(f_DT_SEQ)，round(·)表示取整运算；消去N_d后可得

根据实际的应用场景设定f_D的最大值

的取值，使得F的取值有限；基于此，给定

后，在有限集合内寻找

保证

和

的匹配性；具体地，定义集合M₂为

其中f＝-F_max,-(F_max-1),…,-1,0,1,…,F_max，则可在M₂中搜索得到

为

基于式(7)、式(11)计算出

后，再代入式(8)消去F，可得

注意到N_d∈{0,1,…,N_ZC-1}，因此选择满足式(12)的N_d的估计值

即为往返时延的估计值；

基站将往返时延的估计值发送给终端，由终端根据往返时延的估计值确定发送上行数据的时间提前量，从而达到上行同步的目的。

与传统技术相比，本发明的有益效果是：

本发明提出了一种使用成对Zadoff-Chu(Paired Zadoff-Chu，PZC)序列作为前导序列的检测和定时提前量确定方法，可以有效支持航空通信及地面高速通信。其优点如下：本发明提供的方法保持了SZC序列检测算法对较大频偏的容忍性，同时解决了SZC检测算法在时延不是采样间隔的整倍数时出现的检测错误平底问题；PZC序列并不像SZC序列一样要求两个子序列是对称的，因而可支持更灵活的系统配置。

附图说明

图1为随机接入前导序列发送与接收系统模型示意图。

图2为出现峰值能量泄露时的SAV-CCF示例图。

图3为PZC序列检测与定时提前量确定算法的流程图。

图4为不同场景下的错误检测率性能对比图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

以下结合附图和实施例对本发明做进一步的阐述。

实施例1

图1是本发明采用的随机接入前导序列发送与接收系统模型的示意图。该模型包含基站(Base Station，BS)和终端(User Equipment，UE)两类设备实体。根据通信场景的不同，BS可以是地面基站，也可以是安装在飞行器上的基站或是卫星基站等；UE可以是空中高速飞行器或地面高速终端。

首先，UE选取要发送的前导序列，并进行N_ZC点(N_ZC是序列长度，并且是一个质数)离散傅里叶变换(Discrete Fourier Transform，DFT)得到频域信号，将其映射到系统设定的子载波后再进行N点离散傅里叶逆变换(Inverse Discrete Fourier Transform，IDFT)得到时域信号用于射频发送。在接收端，BS对接收信号进行N点DFT，完成子载波解映射得到频域信号后，再进行N_ZC点IDFT获得接收序列，完成前导序列检测。如果检测到有UE发送了前导序列，根据接收序列估计UE的往返时延(Round-Trip Delay，RTD)。随后BS将RTD的估计值发送给UE，由UE根据RTD将发送上行数据的时间提前，从而达到上行同步的目的。

图1中UE的N_ZC点DFT、子载波映射和N点IDFT步骤实际上是LTE中的单载波频分多址(Single-Carrier Frequency-Division Multiple Access，SC-FDMA)信号的生成过程，可以等效于一个过采样的过程[3]。同理，BS进行的是从SC-FDMA信号中提取原信号的过程，等同于降采样的过程。因此，整个系统可以用一个单载波的发送-接收模型来分析。设UE发送的前导序列为s[n]，则BS处的接收序列为

其中：N_d是UE的RTD(以采样点为单位)；mod为取余数运算符，是因为循环前缀(Cyclic Prefix，CP)的存在；f_D是多普勒频移，满足

为f_D的最大值；T_S＝T_SEQ/N_ZC是采样间隔，T_SEQ是序列持续时间；z[n]是高斯白噪声(Additive WhiteGaussian Noise，AWGN)。为了方便分析，式(1)使用的是仅考虑了时间偏移、频率偏移、AWGN的模型。

LTE和NR的随机接入过程采用单个ZC序列作为前导序列[3]。在文献[6]提出的SZC序列中，前导序列是一对互为共轭的ZC序列的叠加。与这些方案不同，本发明提出的PZC序列可由根序列指数不同的任意两个ZC序列叠加而成，因此支持更加灵活、更多选择的系统配置方式，这在网络用户数量较多、因而需要配置更多不同的前导序列时尤为有利。当UE进行随机接入时，选择根序列指数分别为u₁和u₂(u₁,u₂∈{1,2,…,N_ZC-1})的两个ZC序列形成PZC序列发送，其表达式为

其中x_u[n]表示根序列指数为u的ZC序列，其定义为

BS将接收序列和本地接收序列进行互相关操作，得到接收序列与本地序列

的互相关函数的模的平方(Squared Absolute Value of Cross-Correlation Function，SAV-CCF)，可表示为

由于根序列指数不同的ZC序列可认为是近似正交的，将式(1)、式(2)、式(3)代入式(4)，可得到

其中

BS判断是否接收到某个前导序列的准则为

其中集合M定义为M＝{0,1,…,N_ZC-1}，u_i可取u₁或u₂的其中一个序列，γ是一个根据目标虚警概率(False Alarm Probability，FAP)预先设定的阈值。

若判断有UE发送了前导序列，则进一步对UE的RTD进行估计。首先，寻找

的峰值位置，即

下一步需要寻找与

匹配的

的峰值

文献[6]采用了与求解

相同的方法来求解

即

然而，该方法可能会导致出现

与

不匹配的情况。这是因为，当UE的RTD不是采样间隔的整倍数时，

的峰值会出现能量泄露，即峰值的左右两侧会出现一个小峰值，导致峰值的判别存在模糊性。作为例子，图2给出了没有噪声的条件下，UE的RTD恰好是(Z+0.5)T_s(Z为整数)时SAV-CCF的示例图。从图2可以看到，SAV-CCF在m＝419和m＝420处出现了相同的峰值。

为解决上述问题，寻找匹配的

和

本发明先根据式(7)确定

再在特定范围内寻找

回顾式(5)，容易得到

出现峰值的位置应满足以下条件

其中F＝round(f_DT_SEQ)，round(·)表示取整运算。消去N_d后可得

在上式中，虽然BS无法知道F的值，但可以根据实际的应用场景来设定f_D的最大值

的取值，使得F的可能取值是有限的。基于此，给定

后，就可以在有限集合内寻找

保证

和

的匹配性。具体地，定义集合M₂为

其中f＝-F_max,-(F_max-1),…,-1,0,1,…,F_max，则可在M₂中搜索得到

为

基于式(7)、式(12)计算出

后，再代入式(9)消去F，可得

注意到N_d∈{0,1,…,N_ZC-1}，因此选择满足式(13)的N_d的估计值

即为RTD的估计值。

作为总结，图3给出了本发明提出的PZC序列检测与定时提前量确定算法的流程图。类似地，也可以先寻找峰值位置

再寻找与其匹配的峰值位置

最后用同样的方法估计RTD，此处不再赘述。

实施例2

为更充分地阐述本发明所具有的有益效果，以下结合具体实施例的仿真分析及结果，进一步对本发明的有效性和先进性予以说明。

以下针对空天通信、空空通信和空地通信三种超高速移动通信场景进行随机接入前导序列检测与定时提前量确定的仿真。其中，空天通信场景使用[7]中的信道模型，空空通信和空地通信场景使用[8]中的信道模型。表1给出了3种仿真场景下的最大RTD、随机接入前导序列长度、根序列指数、采样频率等主要参数信息。在该组参数设置下，UE的RTD为随机数值，不是采样间隔的整倍数。

在图4中，我们对不同信噪比(Signal-to-Noise Ratio，SNR)下的传统SZC算法[6]和本发明提出的PZC算法的错误检测概率(Missed Detection Probability，MDP)进行了比较。当有UE发送了前导序列，但BS认为没有检测到该序列，或BS检测到该序列但估计RTD错误，都认为是错误的检测。通过图4可以看出，由于SAV-CCF的峰值能量泄露问题，传统的SZC算法在空天、空空、空地三种信道下的MDP曲线都产生了错误平底。这是由于检测端对接收信号的RTD没有任何先验知识，接收序列与本地序列的SAV-CCF总存在一定概率出现图2所示的能量泄露的情况，导致搜索到的两段ZC序列的SAV-CCF的峰值位置不匹配，致使系统MDP性能下降。而该问题并不能通过增大SNR来改善。与此相比，PZC检测算法有更严格的峰值搜索准则，保证搜索到的两个ZC序列的SAV-CCF的峰值是匹配的，同时还能准确估计出UE的RTD，因此有效消除了误检测率平底。因此，本发明提出的PZC序列检测与定时提前量确定算法拥有比传统SZC算法更优越的MDP性能。

表1仿真参数表

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

参考文献

[1]N.Tadayon,G.Kaddoum and R.Noumeir,"Inflight broadband connectivityusing cellular networks,"IEEE Access,vol.4,pp.1595-1606,Mar.2016.

[2]M.Vondra et al.,"Performance study on seamless DA2GC for aircraftpassengers toward 5G,"IEEE Commun.Mag.,vol.55,no.11,pp.194-201,Nov.2017.

[3]S.Sesia,I.Toufik,and M.Baker,LTE-The UMTS Long Term Evolution:FromTheory to Practice,2^nd ed.,John Wiley and Sons,Aug.2011.

[4]J.Tao and L.Yang,"Improved Zadoff-Chu sequence detection in thepresence of unknown multipath and carrier frequency offset",IEEECommun.Lett.,vol.22,no.5,pp.747-750,Mar.2018.

[5]"Study on performance enhancements for high speed scenario,"3GPPTR 36.878 V13.0.0,Jan.2016.

[6]G.Cui,Y.He,P.Li,and W.Wang,"Enhanced timing advanced estimationwith symmetric Zadoff-Chu sequences for satellite systems,"IEEE Commun.Lett.,vol.19,no.5,pp.747-750,May 2015.

[7]ETSI TS 102 744-2-2,"Satellite Earth Stations and Systems(SES)；Family SL Satellite Radio Interface(Release 1)；Part 2:Physical LayerSpecifications；Sub-part 2:Radio Transmission and Reception,"V1.1.1,Oct.2015.

[8]E.Haas,"Aeronautical channel modeling,"IEEE Trans.Veh.Technol.,vol.51,no.2,pp.254-264,Mar.2002.

Claims (1)

1.移动通信系统随机接入前导序列检测与定时提前量确定的方法，其特征在于：包括以下内容：

(1)当终端进行随机接入时，选择根序列指数分别为u₁和u₂的两个PZC序列作为前导序列进行发送，PZC表示成对Zadoff-Chu序列，发送信号的表达式为：

其中，

表示根序列指数为u₁的PZC序列，N_ZC表示PZC序列的序列长度；

(2)对s[n]进行N_ZC点离散傅里叶变换得到频域信号，将频域信号到系统设定的子载波后再进行N点离散傅里叶逆变换得到时域信号，然后将时域信号进行射频发送；

(3)在基站端，基站对接收信号进行N点离散傅里叶变换，完成子载波解映射得到频域信号；然后对频率信号进行N_ZC点离散傅里叶逆变换得到接收序列：

其中mod为取余数运算符，N_d为估计的终端的往返时延，f_D表示多普勒频移，T_S＝T_SEQ/N_ZC表示采样间隔，T_SEQ表示序列持续时间；z[n]表示高斯白噪声；

然后进行(4)～(6)的前导序列检测；

(4)基站将接收序列和本地序列进行互相关操作，得到接收序列与本地序列

的互相关函数的模的平方，表示为：

由于根序列指数不同的ZC序列可认为是近似正交的，将式(1)、式(2)、式(3)代入式(4)，ZC表示Zadoff-Chu序列，可得到：

(5)基站通过下式判断是否接收到前导序列：

集合M定义为M＝{0,1,…,N_ZC-1}，u_i取u₁或u₂其中的一个序列，γ为根据目标虚警概率预先设定的阈值；

(6)若步骤(5)中判断有终端发送了前导序列，则进一步对终端的往返时延进行估计，首先，寻找

的峰值位置：

(7)寻找与

匹配的

的峰值

回顾式(5)，得到

出现峰值的位置应满足以下条件

其中F＝round(f_DT_SEQ)，round(·)表示取整运算；消去N_d后可得

根据实际的应用场景设定f_D的最大值

的取值，使得F的取值有限；基于此，给定

后，在有限集合内寻找

保证

和

的匹配性；具体地，定义集合M₂为

其中f＝-F_max,-(F_max-1),…,-1,0,1,…,F_max，则可在M₂中搜索得到

为

基于式(7)、式(11)计算出

后，再代入式(8)消去F，可得

注意到N_d∈{0,1,…,N_ZC-1}，因此选择满足式(12)的N_d的估计值

即为往返时延的估计值；

基站将往返时延的估计值发送给终端，由终端根据往返时延的估计值确定发送上行数据的时间提前量，从而达到上行同步的目的。

Images