CN112585874B - 用于信号检测的本底噪声估计 - Google Patents
用于信号检测的本底噪声估计 Download PDFInfo
- Publication number
- CN112585874B CN112585874B CN201880096421.5A CN201880096421A CN112585874B CN 112585874 B CN112585874 B CN 112585874B CN 201880096421 A CN201880096421 A CN 201880096421A CN 112585874 B CN112585874 B CN 112585874B
- Authority
- CN
- China
- Prior art keywords
- sample
- samples
- determining
- threshold
- sequence
- 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.)
- Active
Links
Images
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
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
- H04B1/1027—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
Abstract
本公开的实施例涉及用于信号检测的本底噪声估计。在示例实施例中,提供了一种方法。该方法包括基于预定义信号序列将接收信号变换为多个实值采样;确定针对采样的相应采样阈值;通过将采样与相应采样阈值相比较,来检测多个采样中的至少一个峰值采样和/或至少一个谷值采样;基于采样中除了检测到的至少一个峰值采样和/或检测到的至少一个谷值采样之外的其余采样来确定噪声水平;基于噪声水平,检测多个采样中的一个采样与预定义信号序列的匹配。以此方式,获得了更准确的噪声估计,并且因此可以获得信号检测的性能。
Description
技术领域
本公开的实施例一般涉及信号检测领域,尤其涉及用于信号检测的本底噪声估计。
背景技术
在无线通信系统中,诸如网络设备(诸如基站(BS))和终端设备或者两个终端设备之类的设备可以通过发送信号来彼此通信。在一些情况下,接收设备可能从一个以上的其他设备接收信号,并且可能不得不从接收信号中标识信号采样是否从那些设备之一被接收。接收设备可以检测接收信号是否与一组预定信号中的一个或多个相匹配,以便确定是否是其他设备发送了该信号。然而,由于设备之间的通信信道中的本底噪声以及由于同时传输而发生的干扰,所以只有高于阈值的采样才是用于信号检测的有效采样。通常根据接收信号中的噪声水平来设置被用于信号检测的阈值。接收信号中的噪声水平越高,阈值就被设置得越高。因此,本底噪声估计是信号检测中的重要任务。
发明内容
通常,本公开的示例实施例提供了用于信号检测的本底噪声估计的方案。
在第一方面,提供了一种方法。该方法包括:基于预定义信号序列将接收信号变换为多个采样,所述多个采样为实值采样;确定针对多个采样的相应采样阈值;通过将多个采样与相应采样阈值相比较来检测多个采样中的至少一个峰值采样和/或至少一个谷值采样;基于多个采样中除了检测到的至少一个峰值采样和/或检测到的至少一个谷值采样之外的其余采样来确定噪声水平;基于噪声水平,检测多个采样中的一个采样与预定义信号序列的匹配。
在第二方面,提供了一种设备。该设备包括至少一个处理器;包括计算机程序代码的至少一个存储器;至少一个存储器和计算机程序代码被配置为与至少一个处理器一起使设备执行动作,包括:基于预定义信号序列将接收信号变换为多个采样,多个采样为实值采样;确定针对多个采样的相应采样阈值;通过将多个采样与相应采样阈值相比较来检测多个采样中的至少一个峰值采样和/或至少一个谷值采样;基于多个采样中除了检测到的至少一个峰值采样和/或检测到的至少一个谷值采样之外的其余采样来确定噪声水平;基于噪声水平,检测多个采样中的一个采样与预定义信号序列的匹配。
在第三方面,提供了一种在其上存储计算机程序的计算机可读存储介质。该计算机程序在由处理器执行时使处理器执行根据第一方面的方法。
在第四方面,提供了一种计算机程序产品。该计算机程序产品被有形地存储在计算机程序上并且包括计算机程序,该计算机程序在由处理器执行时使处理器执行根据第一方面的方法。
应当理解,发明内容部分并无意标识本公开的实施例的关键或必要特征,也无意被用于限制本公开的范围。通过以下描述,本公开的其他特征将变得容易理解。
附图说明
现在将参考附图描述一些示例实施例,其中:
图1示出了可以在其中实现本公开的实施例的示例无线通信网络;
图2示出了其中高噪声水平估计导致信号漏检的示例;
图3示出了根据本公开的实施例的方法的流程图;
图4示出了根据本公开的实施例的检测峰值采样和/或谷值采样的方法的流程图;
图5示出了根据本公开的实施例的确定噪声水平的方法的流程图;
图6示出了根据本公开的实施例的针对不同信号序列检测到的峰值采样的示例;
图7和图8示出了根据常规方案和本公开的实施例的信号检测的比较示例;
图9A示出了根据本公开的实施例的针对不同信号序列检测到的峰值采样的示例;
图9B示出了根据本公开的实施例的为图9A中的相应采样序列设置的噪声水平的示例;
图10示出了根据常规方案和本公开的实施例的信号检测的比较的另一示例;以及
图11示出了适于实现本公开的实施例的设备的简化框图。
在所有附图中,相同或相似的附图标记表示相同或相似的元件。
具体实施方式
现在将参考一些示例实施例描述本公开的原理。应当理解,这些出于说明的目的描述了这些实施例,并且帮助本领域技术人员理解和实现本公开,而没有对本公开的范围提出任何限制。除了下文描述的方式以外,可以以各种方式来实现本文描述的公开内容。
在以下描述和权利要求中,除非另有定义,否则本文中使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常所理解的相同含义。
在本公开中对“一个实施例”、“实施例”、“示例实施例”等的引用指示所描述的实施例可以包括特定的特征、结构或特性,但不一定每个实施例都包括特定的特征、结构或特性。而且,这样的短语不一定指相同的实施例。此外,当结合实施例描述特定的特征、结构或特性时,无论是否明确描述,都可以认为结合其他实施例来影响这种特征、结构或特性是在本领域技术人员的知识范围内的。
应当理解,尽管在本文中可以使用术语“第一”和“第二”等来描述各种元素,但这些元素不应受到这些术语的限制。这些术语仅用于区分一个元素和另一个元素。例如,在不脱离示例实施例的范围的情况下,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。如本文中所使用的,术语“和/或”包括一个或多个所列术语的任何和所有组合。
本文中所使用的术语仅出于描述特定实施例的目的,并无意限制示例实施例。如本文中所使用的,除非上下文另外明确指出,否则单数形式“一”、“一个”和“该”也旨在包括复数形式。还将理解的是,当在本文中使用时,术语“包括”、“具有”和/或“包含”指定存在所陈述的特征、元件和/或组件等,但不排除存在或添加一个或多个其他特征、元件、组件和/或其组合。
如在本申请中使用的,术语“电路系统”可以指以下的一个或多个,或者以下全部:
(a)纯硬件电路实现(诸如仅在模拟和/或数字电路系统中的实现),和
(b)硬件电路和软件的组合,诸如(如果适用的话):
(i)一个或多个模拟和/或数字硬件电路与软件/固件的组合,以及
(ii)具有软件的一个或多个硬件处理器的任何部分(包括一个或多个数字信号处理器、软件和一个或多个存储器,它们一起工作以使诸如移动电话或服务器之类的装置执行各种功能),和
(c)需要软件(例如,固件)来运行的一个或多个硬件电路和/或一个或多个处理器,诸如一个或多个微处理器或一个或多个微处理器的一部分,但在不需要运行时该软件可能不存在。
电路系统的这个定义适用于该术语在本申请中,包括在任何权利要求中的所有使用。作为进一步的示例,如本申请中所使用的,术语电路系统也涵盖仅硬件电路或处理器(或多个处理器)的实现、或者硬件电路或处理器及它(或它们)随附软件和/或固件的一部分的实现。举例而言并且在适用于特定权利要求元素的情况下,术语电路系统还涵盖用于移动设备的基带集成电路或处理器集成电路,或者服务器、蜂窝网络设备或其他计算或网络设备中的类似集成电路。
如本文中所使用的,术语“无线通信网络”指的是遵循任何适当的无线通信标准的网络,诸如新无线电(NR)、长期演进(LTE)、高级LTE(LTE-A)、宽带码分多址(WCDMA)、高速分组接入(HSPA)等。“无线通信网络”也可以被称为“无线通信系统”。此外,可以根据任何适当的通信协议来在无线通信网络中执行网络设备之间、网络设备与终端设备之间或终端设备之间的通信,这样的通信协议包括但不限于全球移动通信系统(GSM)、通用移动电信系统(UMTS)、长期演进(LTE)、新无线电(NR)、无线局域网(WLAN)标准(诸如IEEE 802.11标准)、和/或当前已知或将来开发的任何其他合适的无线通信标准。
如本文中所使用的,术语“网络设备”指的是无线通信网络中的节点,终端设备经由该节点接入网络并从中接收服务。网络设备可以指的是基站(BS)或接入点(AP),例如节点B(NodeB或NB)、演进型NodeB(eNodeB或eNB)、NR NB(也被称为gNB)、远程无线电单元(RRU)、无线电头(RH)、远程无线电头(RRH)、中继、低功率节点(诸如毫微微、微微等),具体取决于所应用的术语和技术。
术语“终端设备”指的是可以能够进行无线通信的任何终端设备。作为示例而非限制,终端设备也可以被称为通信设备、用户设备(UE)、订户站(SS)、便携式订户站、移动站(MS)或接入终端(AT)。终端设备可以包括但不限于移动电话、蜂窝电话、智能电话、IP语音(VoIP)电话、无线本地环路电话、平板电脑、可穿戴终端设备、个人数字助理(PDA)、便携式计算机、台式计算机、图像捕获终端设备(诸如数码相机)、游戏终端设备、音乐存储和播放设备、车载无线终端设备、无线端点、移动台、笔记本电脑嵌入式设备(LEE)、笔记本电脑安装设备(LME)、USB加密狗、智能设备、无线用户驻地设备(CPE)等。在以下描述中,术语“终端设备”、“通信设备”、“终端”、“用户设备”和“UE”可以互换使用。
作为又一示例,在物联网(IOT)场景中,终端设备可以表示执行监视和/或测量并将此类监视和/或测量的结果发射到另一终端设备和/或网络设备的机器或其他设备。在这种情况下,终端设备可以是机器对机器(M2M)设备,其在3GPP上下文中可以被称为机器类型通信(MTC)设备。作为一个特定示例,终端设备可以是实现3GPP窄带物联网(NB-IoT)标准的UE。这样的机器或设备的示例是传感器、诸如功率计之类的计量设备、工业机械、或者家用或个人设备,例如冰箱、电视、诸如手表之类的个人可穿戴设备等。在其他情况下,终端设备可以表示能够监视和/或报告其操作状态或与其操作相关联的其他功能的交通工具或其他设备。
如本文中所使用的,下行链路(DL)传输指的是从网络设备到UE的传输,并且上行链路(UL)传输指的是相反方向的传输。也就是说,在DL中,网络设备是发射器,并且UE是接收器。在UL中,UE是发射器,并且网络设备是接收器。
图1示出了在其中可以实现本公开的实施例的示例无线通信网络100。如图所示,无线通信网络100可以包括一个或多个设备,例如设备101、102-1、102-2和102-3。在图1的示例中,设备101被例示为网络设备,其可以是基站(BS)、节点B(NB)、演进型NB(eNB)、gNB、虚拟BS、基站收发器站(BTS)或基站子系统(BSS)、AP等的形式。设备102-1、102-2和102-3被例示为终端设备(或UE),其被统称为一个或多个“终端设备102”。
在通信时,设备101接收从一个或多个设备102发射的信号/(多个)信号。在一些实施例中,设备101也可以被称为接收器设备,并且设备102也可以被称为发射器设备。应当理解,在一些实施例中,网络设备可以向更少或更多的终端设备提供服务,并且在所示示例中,终端设备的数目并不暗示对本公开的范围的任何限制。在一些实施例中,网络设备(例如,图1中的网络设备101)可以在其覆盖范围内利用多个天线服务于终端设备,例如图1中的终端设备102。例如,网络设备101可以装备有多个发射天线和/或多个接收天线。同样,在一些实施例中,一些或所有终端设备102可以装备有用于发射和/或接收的多个天线。另外,可以将多个终端设备102调度为在相同或重叠的时频资源中进行发射或接收,从而形成多用户MIMO(MU-MIMO)方案。因此,在一些场景中,可能需要接收器设备(其可以是网络设备或UE)检测从多个天线发射的信号。
当接收到信号时,网络设备101可以检测接收信号是否与一个或多个预定义信号序列相匹配。用于信号检测的这种方法之一是网络设备101与终端设备102之间的随机访问过程。通常,随机访问允许网络设备101估计终端设备102的上行链路传输定时并将其调整到循环前缀的一部分以内。当网络设备101成功接收到随机接入前导时,它向终端设备102发送随机接入响应,该随机接入响应指示成功接收到的前导的标识(ID)(被称为前导ID)以及定时提前量(TA)和上行链路资源分配信息。如果前导ID与终端设备102所发送的相匹配,则终端设备102将假定其前导已被网络设备101成功标识,并将使用接收到的TA来调整其上行链路定时并获得同步。可以从满足恒定幅度零自相关(CAZAC)属性的Zadoff-Chu(ZC)序列生成随机访问前导(也被称为随机评估信号或物理随机访问信道(PRACH)签名)。确定循环移位偏移的大小,以便无论终端设备102的延迟扩展和时间不确定性如何,这些序列的零相关区域(ZCZ)都能确保PRACH序列的正交性。
为了检测接收信号是否与ZC序列相匹配,网络设备101将接收信号从时域复数值采样变换为实值的功率延迟分布(power delay profile,PDP)采样。基于PDP采样来执行信号序列检测和时间偏移估计。通常,由于设备之间的通信信道中的噪声以及由于同时传输而发生的干扰,所以只有高于阈值的采样才是用于信号检测的有效采样。通常根据接收信号中的噪声水平来设置用于信号检测的阈值。接收信号中的噪声水平越高,阈值就被设置得越高。因此,为了执行信号检测,首先检测接收信号中的噪声水平,然后该噪声水平被用来确定一个阈值,用以将高于该阈值的PDP采样检测为与预定义信号序列相匹配。接收信号中存在的噪声也可以被称为本底噪声。
鉴于上述,本底噪声检测是信号检测中的一个重要任务。如果噪声水平被低估,则较低的阈值被设置,那么将会选择出太多无效的PDP采样用于信号检测,这将导致错误检测。如果噪声水平被高估,则较高的阈值被设置,那么将使一些有效的PDP采样被排除用于信号检测,这将导致目标信号的漏检。
图2示出了其中高噪声水平估计导致信号漏检的示例。图2中的曲线图(A)示出了从接收信号变换的PDP采样202的序列。PDP采样202的序列可以被处理为PDP采样204的序列,并且PDP采样202可以与基于噪声的阈值206相比较以确定有效采样,如图2中的曲线图(B)中所示。在曲线图(A)和(B)中,横轴表示PDP采样的索引,纵轴表示PDP采样的量值。注意,由于对PDP采样202的序列进行插值操作,在图(B)中的PDP采样的数目增加了一倍。执行插值操作是为了提高TA分辨率。在曲线图B中,高于基于噪声的阈值206的PDP采样被检测为用于信号检测的有效采样。然而,由于非常高的噪声水平估计,阈值206被设置为高值,并且因此漏过了三个PDP采样,而实际上总共有五个前导被发射。
应当理解,尽管上面描述了PRACH签名的检测,但是诸如网络设备之类的接收设备也可以诸如在参考信号以及其他信号的通信中从接收信号中检测其他类型的信号序列。还应当理解,尽管在图1中示出了用于网络设备和终端设备的通信系统,但在其他使用情况下,在诸如对等通信系统之类的其他通信系统中也可能需要信号检测。在这些使用情况下,可以在对等设备(终端设备)而不是网络设备中执行信号检测。
存在一些用于本底噪声估计的常规方案,尤其是用于PRACH签名检测的方案。在第一种方案中,一个群集检测窗口被定义为包括信号的多径。通过扫描信号的PDP采样中的群集检测窗口来检测PRACH签名。在群集检测窗口内,将PDP峰值累积,并且最大峰值的时间被用作暂定的到达时间。从其余的PDP采样中测量出噪声水平,但群集检测窗口内的采样未被使用。到达信号检测阈值(被称为阈值A)被设置为计算出的噪声水平加上偏移值。在群集检测窗口内大于阈值A的PDP采样被累积作为接收信号。将累积的信号功率与检测阈值(被称为阈值B)相比较,该阈值根据计算出的噪声水平加上偏移值而被确定。可以调整偏移值,以达到0.1%的误报概率。如果累积的信号功率大于阈值B,则将其标识为用于信号检测的有效采样,或者如果签名未被发射,则将其标识为误报。此外,群集检测窗口中的PDP的峰值功率被检测为到达定时,被用于确定定时提前。
该方案中的一个困难是为阈值A/B设置偏移值以保证误报概率。通常,偏移值被设置为与计算出的噪声水平的绝对偏差,这可能并非一直都是理想的。另一个困难在于估算噪声水平时如何尽可能完全排除PDP峰值的影响。由于这些困难,根据该方案,不可能估计出用于信号检测的准确噪声水平。
用于噪声水平估计的另一种常规方案是通过计算PDP采样的所有采样的均值并将计算出的均值乘以常数值来设置噪声水平。该常数值可以假设在具有不相关高斯噪声的加性高斯白噪声(AWGN)信道中不存在前导传输,通过进行理论计算而被确定。在接收信号中存在许多前导的情况下,则噪声水平可能被高估,然后检测阈值将被设置得过高,并且可能会发生许多漏检。
在常规方案中获得实际噪声水平的更好近似的一种可能方式是在均值计算之前丢弃高于预定水平的峰值;因此可以实现更准确的阈值。更具体地说,首先可以如下计算所有PDP采样的均值:
其中,ms是所有采样的均值,NIFFT是变换后的所有PDP采样的数目并且znca(i)是在分集天线的数目Na和附加序列重复次数Nnca上非相干累积的PDP采样,其可以被表示如下:
然后,通过从小于阈值TA(阈值A)的那些采样中重新计算均值来实现噪声水平估计,其可以被表示如下:
其中是所估计的噪声水平,并且NS是满足条件(znca(i)<TA)的采样的数目。Afactor可以被简单地设置为1或基于AWGN从理论上导出。已熟知的是,对于零均值复数AWGN,功率包络遵循中心卡方分布。自由度n由将许多高斯随机变量累加在一起来确定。对于复杂信号,n=2NaNnca。在天线与序列合并后,Afactor可以被确定为:
最后,用于信号检测的另一个阈值(阈值B)可以被计算为:
TB=λw·Tr (5)
其中Tr是通过应用上述理论准则的阈值常数,其可以根据正确的误报级别而被调整。
以上这个优化方案利用相对阈值而不是绝对阈值来检测前导,这避免了如其他常规方案中那样为解决累积分布函数(CDF)函数而进行的费力工作,从而消除了CDF对噪声方差的依赖性。然而,选择合适的Afactor仍然是困难的。已经提出将因子1用于噪声水平估计。但事实证明,由于排除了过多的PDP采样,在一些场景中会衍生太多的小噪声功率,并导致误报率超出目标。
另一提议是使用基于AWGN假设的Afactor的理论计算,但在接收信号中存在许多前导的情况下,ms可以被估计为远高于真实噪声水平,从而在噪声估计中无法排除一些峰值并最终由于高阈值而导致许多漏检。
鉴于上述,信号检测中最重要的任务是精确估计本底噪声,这是信号检测的基础并保证检测性能。本公开的实施例提供了一种更准确的用于信号检测的本底噪声估计的方案。在本公开的方案中,不是通过丢弃高于预定级别的峰值采样来计算噪声水平或在群集检测窗口中排除采样的情况下对所有采样取平均来计算噪声水平,而是提出了一种新方法来检测至少一个峰值采样,然后基于除了检测到的至少一个峰值采样和/或检测到的至少一个谷值采样之外的其余采样,确定针对预定义信号序列的噪声水平。可以通过将采样与为对应采样所确定的相应采样阈值相比较来检测峰值采样和/或谷值采样。噪声水平被用于基于噪声水平来检测多个采样中的一个采样与预定义信号序列的匹配。以此方式,获得了更准确的噪声估计,并且因此可以获得信号检测的性能。
图3示出了根据本公开的实施例的方法300的流程图。方法300可以由图1的网络100中的网络设备101或者对接收信号执行信号检测的任何其他设备来实现。出于讨论的目的,参考图1描述方法300。
在框310,网络设备101基于预定义信号序列将接收信号变换为多个采样。预定义信号序列是设备用来生成要被发射的信号或信号序列的序列。接收方和发射方都知道该信号序列。在某个信道中接收到信号后,网络设备101将检测该信号是否包含根据预定义信号序列生成的信息(诸如一个或多个采样)。在一些情况下,预定义信号序列可以是根序列或根序列的循环移位版本。在一些实施例中,可能存在一个以上的预定义信号序列在使用中。在这种情况下,发送侧的不同终端设备102可以发射从不同的预定义信号序列生成的序列。然后,网络设备101可能要确定接收信号是否包括从一个或多个预定义信号序列生成的一个或多个采样。
预定义信号序列的一个示例是Zadoff-Chu(ZC)序列。可以设计不同的ZC序列以满足恒定幅度零自相关(CAZAC)属性。终端设备102可以将ZC序列的循环移位版本发射到网络设备101。也可以确定由不同终端设备102使用的循环移位偏移的尺寸,以便无论终端设备102的延迟扩展和时间不确定性如何,序列的零相关区(ZCZ)都能确保发射序列的正交性。
在一些其他示例中,只要接收信号可以被变换为实值采样,就可以使用具有类似CAZAC属性的其他信号序列。例如,PRACH信号可以用具有零自相关和低互相关属性的任何信号代替,由此,接收序列的PDP采样被定义为:
其中zu(l)是在接收信号y(n)与长度为NZC的参考搜索ZC序列xu(n)的滞后l处的离散周期相关函数。
接收信号可以是从一个或多个终端设备102同时发射的信号的组合,其可以基于一个或多个预定义信号序列而生成。接收信号的变换取决于网络设备101中用于信号接收的处理。在一些实施例中,为了执行随后的信号匹配,将从接收信号变换出具有实值量值的多个采样。网络设备101可以选择预定义信号序列之一来变换接收信号,以便检测在从该预定义信号序列生成的信号中是否存在任何采样。
取决于预定义信号序列,变换后的采样可以是不同的。在一些实施例中,可以根据任何合适的信号变换技术来将接收信号变换到功率域。例如,可以通过在接收信号上的频域周期性相关和在分集天线上的等增益组合来计算多个采样。通常,接收信号可以是时域信号,因此可以对接收信号执行至少时频变换(诸如离散傅立叶变换(DFT))以获得采样。在一些实施例中,多个采样可以被变换为实值功率延迟分布(PDP)采样。可以按顺序对多个采样进行索引。
在框320,网络设备101确定针对多个采样的相应采样阈值。然后在框330,网络设备通过将多个采样与相应采样阈值相比较来检测多个采样中的至少一个峰值采样和/或至少一个谷值采样。与来自本底噪声的采样相比,峰值/谷值采样具有显著的量值。除了一个或多个峰值和谷值采样之外的采样可以被称为噪声采样。在信号传输中,如果有有效采样/前导被发射,则采样/前导的量值与噪声的量值明显不同。根据本公开的实施例,期望首先检测多个采样是否包括一个或多个峰值采样和/或一个或多个谷值采样,以便从噪声水平估计中排除检测到的一个或多个采样,因为检测到的这些一个或多个采样不可能是噪声。
为了检测多个采样中的一个采样是否是峰值/谷值采样,为该采样动态地确定采样阈值。将采样(即采样的量值)与采样阈值相比较,以确定该采样是峰值采样、谷值采样还是噪声采样。取决于实际情况,可以从多个采样中检测到一个或多个峰值采样和/或一个或多个谷值采样。下文将详细描述采样阈值的确定和一个或多个峰值/谷值采样的检测。
在框340,网络设备101基于多个采样中除了在框330处的检测到的至少一个峰值采样和/或检测到的至少一个谷值采样之外的其余采样来确定噪声水平。噪声水平指示在接收信号或基于预定义信号序列变换的多个采样中的噪声功率。噪声可能是由于通信信道中的噪声和/或来自各种源的干扰而产生。通过从噪声估计中排除一个或多个峰值采样和/或一个或多个谷值采样,可以提高估计的噪声水平的准确性。在一些实施例中,如果在多个采样中没有检测到峰值或谷值采样,则网络设备101可以基于所有多个采样来确定噪声水平。
在一些实施例中,可以通过对除了一个或多个峰值和/或谷值采样以外的其余采样取平均来确定噪声水平。这非常适用于在网络设备101和终端设备102之间仅定义了一个可能的信号序列的情况。在一些其他实施例中,如果使用了多个预定义信号序列,那么在多个采样包括从不同信号序列生成的采样的情况下可能发生序列间干扰。这样的序列间干扰被认为是多个采样中的噪声。因此,在一些实施例中,进一步基于至少部分地消除序列间干扰来进一步确定用于预定义信号序列的噪声水平,这将在下文详细描述。以此方式,可以针对不同的预定义信号序列确定不同的噪声水平。
在框350,网络设备101基于噪声水平来检测多个采样中的一个采样与预定义信号序列的匹配。应当理解,可以根据要采用的不同信号检测技术来改变信号检测中的噪声水平的使用。在一些实施例中,网络设备101可以基于噪声水平来确定检测阈值,然后通过将多个采样中的一个采样与检测阈值相比较来检测该采样是否与预定义信号序列相匹配。在一些实施例中,噪声水平被确定得越高,检测阈值就被设置得越高。例如,可以基于以预定因子(其可以具有固定值或动态值)对噪声水平进行加权来设置检测阈值。
通常,如果检测到采样之一高于检测阈值,则可以将该采样标识为针对预定义信号序列的有效采样。可以对一个或多个有效采样进行进一步处理(诸如,在同一检测窗口中进行碰撞检测(collision detection))以确定采样是否与当前信号序列相匹配。如果检测结果指示多个采样中的一个采样与信号序列相匹配,则网络设备101可以按照配置或要求的那样执行进一步的操作。本公开的范围在这方面不受限制。
举例来说,在PRACH传输的情况下,如果网络设备101在接收信号中确定PRACH签名(采样),则网络设备101可以为上层提供PRACH签名的ID(可能还与关于在信号检测中确定的定时偏移的信息一起)。上层可以向终端设备102通知PRACH签名的ID以及可能的定时提前。
图4示出了根据本公开实施例的检测峰值采样和/或谷值采样400的方法的流程图。方法400可以被认为是方法300中的框320和框330的示例实施例。方法400可以由图1的网络100中的网络设备101或者对接收信号执行信号检测的任何其他设备来实现。出于讨论的目的,参考图1描述方法400。网络设备101确定多个采样中的每个采样是峰值采样、谷值采样还是噪声采样。
网络设备101在框410从多个采样中选择一个采样作为当前采样,并且在框420确定当前采样是否是多个采样中的最后一个采样。网络设备101可以根据多个采样的索引来选择采样。例如,多个采样中的第一个采样可以首先被选择。当然,选择顺序不会影响采样阈值的确定以及随后的峰值/谷值/噪声采样的确定。当前采样可以被表示为R(i)。
在框430,网络设备101确定针对当前采样R(i)的采样阈值。在一些实施例中,网络设备101通过对当前采样之前的预定数目的采样求平均来确定采样阈值。也就是说,采样阈值的确定是基于循环卷积法的。可以通过使用具有预定长度的窗口,沿着变换后的采样进行滑动,来选择预定数目的采样。可以例如根据峰值采样或谷值采样的宽度来预先配置窗口的长度或预定数目。例如,预定数目可以被配置为5、3、7等。所确定的采样阈值也可以被称为当前采样R(i)的平滑均值。
为了执行采样阈值的循环卷积确定,在一些实施例中,可以将多个采样之中的预定数目的采样的副本填充到序列的开始。在一个实施例中,可以将采样序列的末尾中的预定数目的采样(最后的预定数目的采样)填充到序列的开始。以此方式,对于多个采样之中的第一个采样,其采样阈值可以通过对该第一采样之前填充的预定数目的采样求平均来确定。同样地,对于多个采样之中的第二个采样,其采样阈值可以通过对第一个采样和在第二个采样之前填充的其他采样求平均来确定。
在一些实施例中,在通过求平均确定针对当前采样R(i)的采样阈值时,如果将预定数目的采样之一检测为峰值采样或谷值采样,这指示该采样与噪声采样明显不同,那么可以基于至少一个先前的采样对该采样进行平滑。也就是说,峰值或谷值采样的量值被平滑,以获得平滑后的量值。然后,将平滑后的峰值或谷值采样与其他采样求平均,以确定采样阈值。在一些实施例中,可以通过确定该采样与该采样之前的至少一个采样(诸如先前的相邻采样)的加权和,来执行对预定数目的采样中的峰值或谷值采样的平滑。针对当前采样的采样阈值可以通过对平滑后的峰值或谷值采样以及预定数目的采样中除了该峰值或谷值采样之外的其余采样求平均来确定。对于被检测为噪声采样的那些采样,可以将其实际量值用于求平均。
在一些实施例中,假设将预定数目的采样中的峰值或谷值采样表示为R(j)(其也表示该采样的量值),可以通过对采样R(j)及其相邻采样(诸如其先前采样R(j-1))进行加权来确定该采样R(j)的平滑后的量值。采样R(j)的平滑后的量值可以被表示为filteredR(j)。在一些实施例中,可以对预定数目的采样中的每个采样进行平滑,以获得其平滑后的量值。先前采样R(j-1)的平滑后的量值可以被表示为filteredR(j-1)。如上所提及,如果采样是噪声采样(不是峰值或谷值采样),则其量值保持不变,即,filtered R(j)=R(j)。如果假定在对采样R(j)进行加权时使用加权因子(被称为α),则可以通过加权来将采样R(j)的平滑量值确定为:filteredR(j)=αR(j)+(1-α)filteredR(j-1)。以此方式,平滑结果从先前的采样传播,并且继续在对随后的采样进行平滑时被使用。
在一些实施例中,加权因子α被定义为预定数目的采样中的峰值或谷值采样对当前采样的采样阈值作贡献的加权因子。可以将加权因子预先配置为介于0到1之间的任何值。注意,如果在预定数目的采样中检测到两个或多个峰值或谷值采样,则可以以类似的方式确定其平滑后的量值(平滑后的量值)。对平滑后的采样求平均以确定采样阈值。
在框440,网络设备101将当前采样(R(i))与针对当前采样确定的采样阈值之间的差异与差异阈值相比较,以确定该差异是否高于差异阈值。当前采样(R(i))与采样阈值之间的差异是通过将当前采样的绝对值(即当前采样的量值)减去采样阈值而计算出的,被表示为abs(R(i)-采样阈值)。
差异阈值被定义为峰值采样或谷值采样超出平滑均值(即采样阈值)的程度。在一些实施例中,差异阈值可以被预先配置为任何值。在一些实施例中,可以根据当前采样之前的预定数目的采样的偏差程度来确定被用于当前采样的差异阈值。更具体地,可以通过将偏差程度乘以预定因子来计算差异阈值。预定因子可以被预先配置为任何值。偏差程度指示采样偏离平滑均值的程度,并且在一些示例中,偏差程度可以被确定为当前采样之前的预定数目的采样的标准偏差。在一些实施例中,类似于以上讨论的对预定数目的采样求平均,预定采样的平滑量值可以被用来计算标准偏差,而不是采样的实际量值。
如果差异高于采样阈值,这意味着当前采样超出相邻采样的平滑均值很大程度,则网络设备101可以确定该采样可能是潜在的峰值或谷值采样,然后在框450,网络设备101确定当前采样(即,当前采样的量值)是否高于采样阈值。如果网络设备101确定当前采样高于采样阈值(即,当前采样显著高于相邻采样的平滑均值),那么在框460,将当前采样检测为峰值采样。如果网络设备101确定当前采样低于采样阈值(即,当前采样显著低于相邻采样的平滑均值),那么在框470,将当前采样检测为谷值采样。
如果在框440处网络设备101确定差异不高于采样阈值(即,abs(R(i)-采样阈值)小于或等于差异阈值),则网络设备101在框480处检测到当前采样是噪声采样。也就是说,除了峰值采样或谷值采样之外的那些采样都是潜在的噪声采样。应当理解,可以省略框480,并且可以通过丢弃在框460和470处检测到的一个或多个峰值和/或谷值采样,来检测接收信号的多个采样中的噪声采样。
在框460、470或480处确定当前采样是峰值采样、谷值采样还是噪声采样之后,网络设备101返回到框410,以从多个采样中选择另一个采样作为当前采样。在一些实施例中,网络设备101可以存储被标识为峰值采样或谷值采样的当前采样的索引。
通过方法400,可以从接收信号的多个采样中检测一个或多个峰值采样和/或谷值采样。如上文在方法300中所提及的,可以通过丢弃峰值和/或谷值采样来确定噪声水平,并且可以仅基于其余采样(即,噪声采样)来计算噪声水平。在通信系统中仅使用一个预定义信号序列的情况下,可以通过对噪声采样求平均来计算噪声水平。
在使用一个以上的预定义信号序列的情况下,在确定噪声水平时可以考虑序列间干扰。图5示出了根据本公开实施例的在考虑序列间干扰的情况下确定噪声水平500的方法的流程图。方法500可以被认为是方法300中的框340的示例实施例。方法500可以由图1的网络100中的网络设备101或者对接收信号执行信号检测的任何其他设备来实现。出于讨论的目的,参考图5描述方法500。网络设备101为发送信号的一个或多个终端设备102潜在使用的每个预定义信号序列确定噪声水平。所考虑的每个预定义信号序列在下文都可以被称为当前预定义信号序列。
在框510,网络设备101基于其余采样来确定原始噪声水平。其余采样是多个采样中除了峰值和/或谷值采样之外的噪声采样。原始噪声水平可以被认为是序列内噪声水平,而没有考虑与其他信号序列的序列间干扰。在一些实施例中,原始噪声水平可以以与当仅考虑一个信号序列时确定噪声水平的方式相类似的方式来确定,例如通过对其余采样求平均。举例来说,原始噪声水平可以被计算为其余采样的均值。在一些替代示例中,原始噪声水平可以通过将其余采样的均值乘以预定因子或通过对其余采样的加权值求平均来确定。应当理解,在其他实施例中,可以以除了求平均的方式之外的其他方式基于其余采样来确定原始噪声水平,并且本公开的范围在这方面不受限制。
然后,网络设备101可以确定当前预定义信号序列与一个或多个其他预定义信号序列之间的序列间干扰水平,以从原始噪声水平中消除序列间干扰,为当前预定义信号序列获得更准确的噪声水平。为了确定序列间干扰,在框520,网络设备101确定针对至少一个另外的预定义信号序列而检测到的峰值采样的总和。对于一个或多个另外的预定义信号序列中的每一个,网络设备101可以以与针对当前预定义信号序列相似的方式从基于另外的预定义信号序列所变换的多个采样中检测峰值采样。为了简洁,这里省略了详细描述。
网络设备101可以基于该总和来确定序列间干扰水平。具体地,在框530,网络设备101通过将总和除以用于将接收信号变换为多个采样的系数,来确定序列间干扰水平。在一些示例中,系数可以是时频变换的大小,例如,离散傅立叶逆变换(IDFT)的大小。
应当理解,框520和530提供了用于确定当前预定义信号序列与其他预定义信号序列之间的序列间干扰的示例实施例。在其他实施例中,可以使用其他技术来测量序列间干扰,并且本公开的范围在这方面不受限制。
网络设备101基于原始噪声水平和序列间干扰来确定针对当前预定义信号序列的噪声水平。具体地,在框540,网络设备101通过将原始噪声水平减去序列间干扰水平的加权值来确定噪声水平。例如,可以用预定因子对序列间干扰进行加权,其被定义为将从其他信号序列扣除序列间干扰的程度。预定义因子可以被预先配置为任何值,诸如0.5、0.6、0.7等。然后可以通过从原始噪声水平中减去加权的序列间干扰来确定噪声水平。
在一些实施例中,如果相减的结果大于零,则将该结果确定为噪声水平。在一些实施例中,如果在一些情况下相减的结果小于或等于零,则可以将噪声水平设置为预定的下限,该下限被用来确保在真实的物理含义上的噪声水平的值。
通过方法500,可以确定特定于预定义信号序列的噪声水平。噪声水平被用来确定检测阈值,该检测阈值可以被用来与一个或多个采样相比较,以确定采样是否与预定义信号序列相匹配。另外,网络设备101可以为潜在使用的多个信号序列中的每一个确定更准确的噪声水平,这将进一步改善对于信号序列的信号检测。
应当理解,尽管在本公开的一些实施例中可以确定针对不同的预定义信号序列的噪声水平,但如果网络设备101知道仅一个信号序列被用于生成接收信号的采样,则也可以将噪声水平直接设置为噪声采样的平均值。
根据本公开的各种实施例,可以更准确地估计用于信号检测的噪声水平。可以改变用于不同信号序列的噪声水平,使得即使终端设备使用不同的信号序列来生成发射信号,也更有可能从接收信号中检测到用于号传输的所有采样。
图6至图10示出了根据本公开的实施例的噪声估计的性能。图6示出了根据本公开的实施例的针对不同信号序列检测到的峰值采样。在图6的示例中,在第一预定义信号序列(即,第一根序列)上发射五个PRACH前导并且设置AWGN信道。图6中的曲线图(A)示出了在第一预定义信号序列上变换的采样序列610,并且图6中的曲线图(B)示出了在第二预定义信号序列上变换的采样序列620。图6中的曲线图(C)示出了从采样序列610检测到的峰值采样612的标记,并且曲线图(D)示出了从采样序列620检测到的峰值采样622的标记。可以看出,这五个采样在针对第一信号序列的采样序列中被准确地检测到,指示在第一预定义信号序列上接收到五个PRACH前导。至于第二预定义信号序列,没有检测到峰值采样。
图7示出了根据常规方案和本公开的实施例的信号检测的比较示例。在图7的示例中,在第一预定义信号序列(即,第一根序列)上发射五个PRACH前导。图7中的曲线图(A)示出了根据常规方案,针对在第一预定义信号序列上变换的采样序列710,设置了基于噪声的阈值(也被称为检测阈值)712。由于噪声估计高,所以阈值712被设置为高值。由于基于噪声的高阈值712,在第一预定义信号序列上没有检测到前导,这是不准确的。图7中的曲线图(B)示出了根据本公开实施例针对在第一预定义信号序列上变换的采样序列710所设置的基于噪声的阈值集714。如图所示,基于本公开的实施例的噪声水平估计,针对第一预定义信号序列适当地设置基于噪声的阈值714,因此所有五个峰值采样被检测为PRACH前导。
图7中的曲线图(C)示出了根据常规方案,基于噪声的阈值722被用于在第二预定义信号序列上变换的采样序列720。针对第二预定义信号序列没有检测到PRACH前导。图7中的曲线图(D)示出了针对在第二预定义信号序列上变换的采样序列720,具体设置了基于噪声的阈值724。如可以看出的,基于噪声的阈值724高于针对第一预定义信号序列设置的基于噪声的阈值714。适当的基于噪声的阈值724将使得在第二预定义信号序列上没有检测到PRACH前导。应当注意,在该示例中,终端设备仅在信号序列之一上发射PRACH前导,并且当从任何其他信号序列观察时,采样可能仅具有噪声并且没有序列间干扰被检测到。
图8示出了根据常规方案和本公开的实施例的信号检测的比较的另一示例。在图8的示例中,在第一根序列上发射5个PRACH前导,在其他根序列上不存在前导,并设置扩展的典型城市模型(ETU)信道。图8中的曲线图(A)示出了根据常规方案,针对在第一预定义信号序列上变换的采样序列810,设置了基于噪声的阈值集812。由于基于噪声的阈值812较高,将在第一预定义信号序列上检测到三个前导,这导致了对其他两个前导的漏检。图8中的曲线图(B)示出了根据本公开的实施例针对在第一预定义信号序列上变换的采样810的序列所设置的基于噪声的阈值集814。如图所示,基于本公开的实施例的噪声估计,针对第一预定义信号序列适当地设置基于噪声的阈值814,因此全部五个峰值采样被检测为PRACH前导。
图8中的曲线图(C)示出了根据常规方案,基于噪声的阈值822被用于在第二预定义信号序列上变换的采样序列820。针对第二预定义信号序列没有检测到PRACH前导。图8中的曲线图(D)示出了为在第二预定义信号序列上变换的采样序列820具体设置了基于噪声的阈值824。如可以看出的,基于噪声的阈值824高于针对第一预定义信号序列设置的基于噪声的阈值814。适当的基于噪声的阈值824将使得在第二预定义信号序列上没有检测到PRACH前导。应当注意,在该示例中,由于由多径衰落效应引起的ETU信道上的峰值采样的较大方差,对于常规方案和本公开的实施例倾向于发生更多的漏检。
图9A示出了根据本公开实施例的针对不同信号序列检测到的峰值采样。在图9A的示例中,在第二预定义信号序列(即,第二根序列)上发射五个PRACH前导。图9A中的曲线图(A)示出了在第一预定义信号序列上变换的采样序列910,并且图9A中的曲线图(B)示出了在第二预定义信号序列上变换的采样序列920。曲线图(C)示出了从采样序列910检测到的峰值采样912的标记,并且曲线图(D)示出了从采样序列920检测到的峰值采样922的标记。可以看出,针对第一信号序列没有检测到峰值采样。在曲线图(D)中,在针对第二信号序列的采样序列920中准确地检测到五个采样,尽管还检测到一些附加的峰值采样。但是,由于这些微小的峰值的功率非常小,因此噪声功率估计的准确性完全不会受到影响,因此检测阈值能够被准确地计算出。
图9B示出了针对在第一和第二信号序列上变换的相应的采样序列910和采样序列920,设置了基于噪声的阈值。曲线图(E)示出了为第一信号序列适当地设置了基于噪声的阈值932,使得从采样序列910中没有检测到峰值采样,并且曲线图(F)示出了也针对第二信号序列,适当地设置了基于噪声的阈值934,使得从采样序列920中检测到五个准确的峰值采样。注意,由于对曲线图(A)和(B)中的采样序列进行插值操作,因此在曲线图(E)和(F)中的采样的数目增加了一倍。
图10示出了根据常规方案和本公开的实施例的信号检测的比较的另一示例。在图10的示例中,第一预定义信号序列和第二预定义信号序列均具有PRACH前导。
图10中的曲线图(A)示出了根据常规方案针对在第一预定义信号序列上变换的采样序列1010,设置了基于噪声的阈值集1012。由于基于噪声的高阈值1012,在第一预定义信号序列上没有检测到前导,这是不准确的。图10中的曲线图(B)示出了根据本公开的实施例针对在第一预定义信号序列上变换的采样序列1010,设置了基于噪声的阈值集1014。如图所示,针对第一预定义信号序列适当地设置了基于噪声的阈值1014,因此所有四个峰值采样都被检测为第一预定义信号序列中的PRACH前导。
图10中的曲线图(C)示出了根据常规方案,基于噪声的阈值1022被用于在第二预定义信号序列上变换的采样序列1020。根据常规方案,针对第二预定义信号序列检测一个PRACH前导。图10中的曲线图(D)示出了针对在第二预定义信号序列上变换的采样序列1020,具体设置了基于噪声的阈值1024。如图所示,针对第二预定义信号序列适当地设置了基于噪声的阈值1024,因此一个峰值采样被检测为第二预定义信号序列中的PRACH前导。
在一些实施例中,能够执行方法300至500中的任何方法的装置(例如,网络设备101)可以包括用于执行方法300至500中的任何方法的各个步骤的部件。该部件可以以任何合适的形式而被实现。例如,该部件可以以电路或软件模块而被实现。
在一些实施例中,该装置包括:用于基于预定义信号序列将接收信号变换为多个采样的部件,多个采样为实值采样;用于确定针对多个采样的相应采样阈值的部件;通过将多个采样与相应采样阈值相比较来检测多个采样中的至少一个峰值采样和/或至少一个谷值采样的部件;用于基于多个采样中除了检测到的至少一个峰值采样和/或检测到的至少一个谷值采样之外的其余采样来确定噪声水平的部件;以及用于基于噪声水平来检测多个采样中的一个采样与预定义信号序列的匹配的部件。
在一些实施例中,用于确定相应采样阈值的部件包括:对于多个采样中的给定采样,用于通过对给定采样之前的预定数目的采样求平均来确定针对给定采样的相应采样阈值的部件。
在一些实施例中,用于确定针对给定采样的相应采样阈值的部件包括:用于响应于预定数目的采样中的第一采样被检测为峰值采样或谷值采样而基于第一采样之前的至少一个采样对第一采样进行平滑的部件;以及用于通过对平滑后的第一采样和预定数目的采样中除了第一采样之外的其余采样求平均来确定针对给定采样的相应采样阈值的部件。
在一些实施例中,用于确定相应采样阈值的部件还包括:用于响应于多个采样之中在给定采样之前的采样的数目低于预定数目而在多个采样之中在给定采样之前的填充一个数目的其他采样副本。
在一些实施例中,用于检测检测到的至少一个峰值采样和/或检测到的至少一个谷值采样的部件包括:对于多个采样中的给定采样,用于将给定采样与给定采样的采样阈值之间的差异与差异阈值相比较的部件;用于响应于差异高于差异阈值而确定给定采样是高于还是低于采样阈值的部件;用于响应于确定给定采样高于采样阈值而检测到给定采样为峰值采样的部件;以及用于响应于确定给定采样的采样低于采样阈值而检测到给定采样为谷值采样的部件。
在一些实施例中,用于检测检测到的至少一个峰值采样和/或检测到的至少一个谷值采样的部件还包括:用于确定预定数目的采样的偏差程度的部件;以及用于通过将偏差程度乘以预定因子来确定差异阈值的部件。
在一些实施例中,用于确定噪声水平的部件还包括:用于基于其余采样确定原始噪声水平的部件;用于确定预定义信号序列与至少一个另外的预定义信号序列之间的序列间干扰水平的部件;以及用于通过原始噪声水平减去序列间干扰水平的加权值来确定噪声水平的部件。
在一些实施例中,用于确定序列间干扰水平的部件包括:用于确定针对至少一个另外的预定义信号序列检测到的峰值采样的总和的部件;以及用于基于总和来确定序列间干扰水平的部件。
在一些实施例中,用于基于总和来确定序列间干扰水平的部件包括:用于通过将总和除以将接收信号变换为多个采样的系数来确定序列间干扰水平的部件。
在一些实施例中,用于检测多个采样中的一个采样与预定义信号序列的匹配的部件包括:用于基于噪声水平确定检测阈值的部件;以及用于通过将多个采样中的一个采样与检测阈值相比较来检测多个采样中的该采样是否与预定义信号序列相匹配的部件。
在一些实施例中,用于将接收信号变换为多个采样的部件包括:用于将接收信号变换为多个功率延迟分布(PDP)采样的部件。
在一些实施例中,预定义信号序列包括Zadoff-Chu(ZC)序列。
图11示出了装置1100的简化框图,该装置可以被体现为或被包括在接收器设备例如如图1中所示的终端设备102或网络设备101中。
装置1100包括诸如数据处理器(DP)之类的至少一个处理器1111和耦合到处理器1111的至少一个存储器(MEM)1112。装置1110还可以包括耦合到处理器1111的发射器TX和接收器RX 1113,其可以可操作来可通信地连接到其他装置。MEM 1112存储程序或计算机程序代码1114。至少一个存储器1112和计算机程序代码1114被配置为与至少一个处理器1111一起使装置1100至少执行根据本公开的实施例的操作,例如方法300至500中的任何一个。
至少一个处理器1111和至少一个MEM 1112的组合可以形成被配置为实现本公开的各种实施例的处理部件1115。
本公开的各种实施例可以由处理器1111可执行的计算机程序、软件、固件、硬件或其组合来实现。
MEM 1112可以是适合于本地技术环境的任何类型,并且作为非限制性示例,可以使用任何适当的数据存储技术来实现,诸如基于半导体的存储器设备、磁存储器设备和系统、光存储器设备和系统、固定存储器和可移动存储器。
处理器1111可以是适合于本地技术环境的任何类型,并且作为非限制性示例,可以包括通用计算机、专用计算机、微处理器、数字信号处理器(DSP)和基于多核处理器架构的处理器中的一个或多个。
尽管关于基于GD的信号检测和分级信号检测的以上描述中的一些描述是在图1中所示的无线通信系统的上下文中进行的,但是不应将其解释为限制本公开的精神和范围。本公开的原理和概念可以更普遍地适用于其他场景。
另外,本公开还可以提供一种载体,其包含如上所述的计算机程序(例如,图11中的计算机指令/程序代码1114)。载体包括计算机可读存储介质和传输介质。计算机可读存储介质可以包括例如光压缩盘或电子存储器设备如RAM(随机存取存储器)、ROM(只读存储器)、闪存、磁带、CD-ROM、DVD、蓝光盘等。传输介质可以包括例如电、光、无线电、声学或其他形式的传播信号诸如载波、红外信号等。
通常,本公开的各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。一些方面可以以硬件来实现,而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现。尽管本公开的实施例的各个方面被例示和描述为框图、流程图或使用一些其他图形表示,但应当理解,作为非限制性示例,本文所述的框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本公开还提供被有形地存储在非暂时性计算机可读存储介质上的至少一个计算机程序产品。该计算机程序产品包括诸如程序模块中包括的那些之类的计算机可执行指令,在设备中在目标物理或虚拟处理器上被执行,以执行如上参考图3至图5所述的方法300、400和500。通常,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、库、对象、类、组件、数据结构等。在各种实施例中,程序模块的功能性可以根据需要在程序模块之间进行组合或进行分割。用于程序模块的机器可执行指令可以在本地设备或分布式设备内被执行。在分布式设备中,程序模块可以位于本地和远程存储介质中。
可以以一种或多种编程语言的任何组合来编写用于执行本公开的方法的程序代码。可以将这些程序代码提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器或控制器,使得该程序代码在由处理器或控制器执行时,使流程图和/或框图中指定的功能/操作被实现。程序代码可以完全在机器上执行,部分在机器上执行,作为独立软件包来执行,部分在机器上部分在远程机器上执行,或者完全在远程机器或完全在服务器上执行。
在本公开的上下文中,计算机程序代码或相关数据可以由任何合适的载体来携带,以使设备、装置或处理器能够执行如上所述的各种处理和操作。载体的示例包括信号、计算机可读介质。
计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读介质可以包括但不限于:电、磁、光、电磁、红外或半导体系统、装置或设备,或前述各项的任何合适组合。计算机可读存储介质的更具体示例将包括:具有一根或多根线的电连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式压缩盘只读存储器(CD-ROM)、光存储设备、磁存储设备或前述各项的任何合适组合。
为了如上所述的本发明的目的,应当注意,
-可能被实现为软件代码部分并在网络元件或终端处使用处理器运行的方法步骤(作为设备、装置和/或模块的示例,或因此包括装置和/或模块的实体的示例)是与软件代码无关的,并且只要保留方法步骤所定义的功能性,就可以使用任何已知或将来开发的编程语言来规定;
-通常,任何方法步骤都适合被实现为软件或通过硬件来实现,而不会在所实现的功能性方面改变本发明的思想;
-方法步骤和/或可能在上述装置处实现为硬件组件的设备、单元或部件、或者它们的一个或多个任何模块(例如,执行根据上述实施例的装置的功能的设备,eNode-B等,如上所述)是与硬件无关的,并且可以使用任何已知的或将来开发的硬件技术或这些技术的任何混合来实现,诸如MOS(金属氧化物半导体)、CMOS(互补MOS)、BiMOS(双极MOS)、BiCMOS(双极CMOS)、ECL(发射极耦合逻辑)、TTL(晶体管-晶体管逻辑)等,例如使用ASIC(专用IC(集成电路))组件、FPGA(现场可编程门阵列)组件、CPLD(复杂可编程逻辑设备)组件或DSP(数字信号处理器)组件;
-设备、单元或部件(例如,以上定义的装置或它们相应的部件中的任何一个)可以被实现为个体的设备、单元或部件,但只要保留设备、单元或部件的功能性,就不会排除它们以分布式方式被实现在整个系统中;
-装置可以由半导体芯片、芯片组或包括这种芯片或芯片组的(硬件)模块来表示;然而,这不排除以下可能性:装置或模块的功能性不是由硬件实现,而是被实现为(软件)模块中的软件,诸如计算机程序或包括用于在处理器上执行/正在运行的可执行软件代码部分的计算机程序产品;
-例如,无论是在功能上相互协作还是在功能上彼此独立但在同一设备外壳内,设备都可以被视为一个装置或一个以上装置的组成件。
注意,上述实施例和示例仅出于说明性目的而被提供,绝不旨在将本发明限制于此。相反,旨在包括落入所附权利要求的精神和范围内的所有变化和修改。
此外,虽然以特定顺序描绘了操作,但这不应被理解为要求以所示出的特定顺序或以连续的顺序执行这样的操作,或者要执行所有例示出的操作,以实现期望的结果。在某些情况下,多任务和并行处理可能是有利的。同样,尽管以上讨论中包含若干特定实现细节,但这些细节不应被解释为对本公开范围的限制,而应被解释为可以是特定于特定实施例的特征的描述。在分离的实施例的上下文中所描述的某些特征也可以在单个实施例中组合实现。相反,在单个实施例的上下文中所描述的各种特征也可以分离地实现在多个实施例中或者以任何合适的子组合来实现。
尽管已经以特定于结构特征和/或方法动作的语言描述了本公开,但应当理解,所附权利要求书中定义的本公开不一定局限于上述特定特征或动作。相反,上述特定特征和动作被公开为实现权利要求的示例形式。
已经描述了技术的各种实施例。作为上述的补充或替代,描述了以下示例。以下任何示例中描述的特征均可与本文所述的任何其他示例一起使用。
Claims (26)
1.一种用于信号检测的方法,包括:
基于预定义信号序列将接收信号变换为多个采样,所述多个采样为实值采样;
确定针对所述多个采样的相应采样阈值;
通过将所述多个采样与所述相应采样阈值相比较来检测所述多个采样中的至少一个峰值采样和/或至少一个谷值采样;
基于所述多个采样中除了检测到的所述至少一个峰值采样和/或检测到的所述至少一个谷值采样之外的其余采样来确定噪声水平;以及
基于所述噪声水平,检测所述多个采样中的一个采样与所述预定义信号序列的匹配。
2.根据权利要求1所述的方法,其中确定所述相应采样阈值包括:对于所述多个采样中的给定采样,
通过对所述给定采样之前的预定数目的采样求平均,确定针对所述给定采样的所述相应采样阈值。
3.根据权利要求2所述的方法,其中确定针对所述给定采样的所述相应采样阈值包括:
响应于所述预定数目的采样中的第一采样被检测为峰值采样或谷值采样,基于所述第一采样之前的至少一个采样对所述第一采样进行平滑;以及
通过对平滑后的所述第一采样和所述预定数目的采样中除了所述第一采样之外的其余采样求平均,来确定针对所述给定采样的所述相应采样阈值。
4.根据权利要求2所述的方法,其中确定所述相应采样阈值还包括:
响应于所述多个采样之中在所述给定采样之前的采样的数目低于所述预定数目,在所述多个采样之中,在所述给定采样之前填充一个数目的其他采样的副本。
5.根据权利要求1所述的方法,其中检测至少一个峰值采样和/或至少一个谷值采样包括:对于所述多个采样中的给定采样,
将所述给定采样与针对所述给定采样的所述采样阈值之间的差异与差异阈值相比较;
响应于所述差异高于所述差异阈值,确定所述给定采样是高于还是低于所述采样阈值;
响应于确定所述给定采样高于所述采样阈值,检测到所述给定采样为所述峰值采样;以及
响应于确定所述给定采样的采样低于所述采样阈值,检测到所述给定采样为所述谷值采样。
6.根据权利要求5所述的方法,其中检测至少一个峰值采样和/或至少一个谷值采样还包括:
确定预定数目的采样的偏差程度;以及
通过将所述偏差程度乘以预定因子来确定所述差异阈值。
7.根据权利要求1所述的方法,其中确定所述噪声水平还包括:
基于所述其余采样确定原始噪声水平;
确定所述预定义信号序列与至少一个另外的预定义信号序列之间的序列间干扰水平;以及
通过将所述原始噪声水平减去所述序列间干扰水平的加权值来确定所述噪声水平。
8.根据权利要求7所述的方法,其中确定所述序列间干扰水平包括:
确定针对所述至少一个另外的预定义信号序列检测到的峰值采样的总和;以及
基于所述总和来确定所述序列间干扰水平。
9.根据权利要求8所述的方法,其中基于所述总和来确定所述序列间干扰水平包括:
通过将所述总和除以用于将所述接收信号变换为所述多个采样的系数,来确定所述序列间干扰水平。
10.根据权利要求1所述的方法,其中检测所述多个采样中的一个采样与所述预定义信号序列的匹配包括:
基于所述噪声水平确定检测阈值;以及
通过将所述多个采样中的一个采样与所述检测阈值相比较来检测所述多个采样中的所述一个采样是否与所述预定义信号序列相匹配。
11.根据权利要求1所述的方法,其中将所述接收信号变换为所述多个采样包括:
将所述接收信号变换为多个功率延迟分布(PDP)采样。
12.根据权利要求1至11中任一项所述的方法,其中所述预定义信号序列包括Zadoff-Chu(ZC)序列。
13.一种电子设备,包括:
至少一个处理器;以及
包括计算机程序代码的至少一个存储器;
所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述设备执行动作,所述动作包括:
基于预定义信号序列将接收信号变换为多个采样,所述多个采样为实值采样;
确定针对所述多个采样的相应采样阈值;
通过将所述多个采样与所述相应采样阈值相比较来检测所述多个采样中的至少一个峰值采样和/或至少一个谷值采样;
基于所述多个采样中除了检测到的所述至少一个峰值采样和/或检测到的所述至少一个谷值采样之外的其余采样来确定噪声水平;以及
基于所述噪声水平,检测所述多个采样中的一个采样与所述预定义信号序列的匹配。
14.根据权利要求13所述的设备,其中确定所述相应采样阈值包括:对于所述多个采样中的给定采样,
通过对所述给定采样之前的预定数目的采样求平均,确定针对所述给定采样的所述相应采样阈值。
15.根据权利要求14所述的设备,其中确定针对所述给定采样的所述相应采样阈值包括:
响应于所述预定数目的采样中的第一采样被检测为峰值采样或谷值采样,基于所述第一采样之前的至少一个采样对所述第一采样进行平滑;以及
通过对平滑后的所述第一采样和所述预定数目的采样中除了所述第一采样之外的其余采样求平均,来确定针对所述给定采样的所述相应采样阈值。
16.根据权利要求14所述的设备,其中确定所述相应采样阈值还包括:
响应于所述多个采样之中在所述给定采样之前的采样的数目低于所述预定数目,在所述多个采样之中,在所述给定采样之前填充一个数目的其他采样的副本。
17.根据权利要求13所述的设备,其中检测至少一个峰值采样和/或至少一个谷值采样包括:对于所述多个采样中的给定采样,
将所述给定采样与针对所述给定采样的所述采样阈值之间的差异与差异阈值相比较;
响应于所述差异高于所述差异阈值,确定所述给定采样是高于还是低于所述采样阈值;
响应于确定所述给定采样高于所述采样阈值,检测到所述给定采样为所述峰值采样;以及
响应于确定所述给定采样的采样低于所述采样阈值,检测到所述给定采样为所述谷值采样。
18.根据权利要求17所述的设备,其中检测至少一个峰值采样和/或至少一个谷值采样还包括:
确定预定数目的采样的偏差程度;以及
通过将所述偏差程度乘以预定因子来确定所述差异阈值。
19.根据权利要求13所述的设备,其中确定所述噪声水平还包括:
基于所述其余采样确定原始噪声水平;
确定所述预定义信号序列与至少一个另外的预定义信号序列之间的序列间干扰水平;以及
通过将所述原始噪声水平减去所述序列间干扰水平的加权值来确定所述噪声水平。
20.根据权利要求19所述的设备,其中确定所述序列间干扰水平包括:
确定针对所述至少一个另外的预定义信号序列检测到的峰值采样的总和;以及
基于所述总和来确定所述序列间干扰水平。
21.根据权利要求20所述的设备,其中基于所述总和来确定所述序列间干扰水平包括:
通过将所述总和除以用于将所述接收信号变换为所述多个采样的系数,来确定所述序列间干扰水平。
22.根据权利要求13所述的设备,其中检测所述多个采样中的一个采样与所述预定义信号序列的匹配包括:
基于所述噪声水平确定检测阈值;以及
通过将所述多个采样中的一个采样与所述检测阈值相比较来检测所述多个采样中的所述一个采样是否与所述预定义信号序列相匹配。
23.根据权利要求13所述的设备,其中将所述接收信号变换为所述多个采样包括:
将所述接收信号变换为多个功率延迟分布(PDP)采样。
24.根据权利要求13至23中任一项所述的设备,其中所述预定义信号序列包括Zadoff-Chu(ZC)序列。
25.一种计算机可读存储介质,在其上存储计算机程序,所述计算机程序在由处理器执行时使所述处理器执行根据权利要求1至12中任一项所述的方法。
26.一种计算机可读存储介质,其上存储有程序代码,所述程序代码被配置为在执行时,使装置执行根据权利要求1至12中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/090485 WO2019232801A1 (en) | 2018-06-08 | 2018-06-08 | Noise floor estimation for signal detection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112585874A CN112585874A (zh) | 2021-03-30 |
CN112585874B true CN112585874B (zh) | 2022-07-01 |
Family
ID=68769941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880096421.5A Active CN112585874B (zh) | 2018-06-08 | 2018-06-08 | 用于信号检测的本底噪声估计 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11374666B2 (zh) |
EP (1) | EP3804145B1 (zh) |
CN (1) | CN112585874B (zh) |
WO (1) | WO2019232801A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112585874B (zh) * | 2018-06-08 | 2022-07-01 | 上海诺基亚贝尔股份有限公司 | 用于信号检测的本底噪声估计 |
CN114285527B (zh) * | 2021-12-29 | 2023-05-23 | 四川天邑康和通信股份有限公司 | 一种应用于5g基站的prach去伪峰阈值检测方法 |
CN114826300B (zh) * | 2022-06-08 | 2023-03-21 | 电子科技大学 | 一种基于差分的干扰检测方法 |
CN117222041B (zh) * | 2023-11-09 | 2024-03-15 | 深圳国人无线通信有限公司 | 5G小基站系统中PRACH信号preamble相关峰的检测方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101248590A (zh) * | 2005-08-26 | 2008-08-20 | 艾利森电话股份有限公司 | 用于噪声增量估计的方法和装置 |
CN103209006A (zh) * | 2013-04-10 | 2013-07-17 | 华为技术有限公司 | 一种消除脉冲噪声的方法和装置 |
CN104935532A (zh) * | 2015-05-29 | 2015-09-23 | 清华大学 | 基于压缩感知的限幅噪声估计与消除方法及装置 |
CN105321528A (zh) * | 2014-06-27 | 2016-02-10 | 中兴通讯股份有限公司 | 一种麦克风阵列语音检测方法及装置 |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5742635A (en) * | 1994-05-05 | 1998-04-21 | Sanconix, Inc. | Enhanced time of arrival method |
US5764686A (en) * | 1994-05-05 | 1998-06-09 | Sanconix, Inc. | Enhanced time of arrival method |
FI101438B (fi) * | 1996-05-21 | 1998-06-15 | Nokia Mobile Phones Ltd | Signaalin haku eräässä satelliittipuhelinjärjestelmässä |
GB2318029B (en) * | 1996-10-01 | 2000-11-08 | Nokia Mobile Phones Ltd | Audio coding method and apparatus |
FR2796227B1 (fr) * | 1999-07-08 | 2007-05-04 | Cit Alcatel | Procede d'estimation du rapport signal a bruit dans un recepteur de telecommunications et application de ce procede au controle d'un emetteur |
US6735242B1 (en) * | 1999-08-30 | 2004-05-11 | Nokia Corporation | Time tracking loop for pilot aided direct sequence spread spectrum systems |
GB2395095A (en) * | 2002-10-30 | 2004-05-12 | Nokia Corp | Reducing noise in a multi-carrier signal |
US7324591B2 (en) * | 2004-08-17 | 2008-01-29 | Zenith Electronics Corporation | Adaptive equalizer |
WO2007015143A2 (en) * | 2005-08-01 | 2007-02-08 | Nokia Corporation | Method, apparatus and computer program product providing widely linear interference cancellation for multi-carrier systems |
US7688878B2 (en) * | 2006-03-16 | 2010-03-30 | The Boeing Company | Method and device of peak detection in preamble synchronization for direct sequence spread spectrum communication |
CN101617477B (zh) * | 2007-01-10 | 2013-04-24 | 诺基亚公司 | 用于检测非同步随机接入信道前导的设备、方法和计算机程序产品 |
US8665910B2 (en) * | 2008-05-09 | 2014-03-04 | Nokia Siemens Networks Oy | Multi-cell channel estimation in 3G-LTE based virtual pilot sequences |
FR2943200B1 (fr) * | 2009-03-11 | 2015-03-20 | Imra Europ Sas | Filtre adaptatif avec classificateur de bruit |
GB2473267A (en) * | 2009-09-07 | 2011-03-09 | Nokia Corp | Processing audio signals to reduce noise |
US20130136013A1 (en) * | 2010-03-29 | 2013-05-30 | Nokia Corporation | Handshaking Protocol Using Bursts in OFDMA Frame Structure |
EP2388043B1 (fr) * | 2010-05-19 | 2016-03-23 | Sorin CRM SAS | Procédé de recherche et de sélection d'un canal de télémétrie RF pour l'établissement d'une liaison avec un dispositif médical actif |
US8670344B2 (en) * | 2010-12-03 | 2014-03-11 | Telefonaktiebolaget L M Ericsson (Publ) | Methods and arrangements for cell stability in a cellular communication system |
US10708918B2 (en) * | 2011-08-17 | 2020-07-07 | Skyline Partners Technology Llc | Electronic alignment using signature emissions for backhaul radios |
WO2014046684A1 (en) * | 2012-09-24 | 2014-03-27 | Nokia Siemens Networks Oy | Frequency error correction for lte uplink comp |
US9900137B2 (en) * | 2013-07-17 | 2018-02-20 | Board Of Trustees Of Michigan State University | Dynamic channel bonding in multicarrier wireless networks |
US9756657B2 (en) * | 2013-07-22 | 2017-09-05 | Texas Instruments Incorporated | Wireless network signal to interference plus noise ratio estimation for a random access channel |
US9412373B2 (en) * | 2013-08-28 | 2016-08-09 | Texas Instruments Incorporated | Adaptive environmental context sample and update for comparing speech recognition |
US9532243B2 (en) * | 2014-01-20 | 2016-12-27 | Apple Inc. | WLAN and LTE coexistence in unlicensed radio frequency bands |
US9615386B2 (en) | 2014-01-27 | 2017-04-04 | Texas Instruments Incorporated | Random access channel false alarm control |
US10042037B2 (en) * | 2014-02-20 | 2018-08-07 | Nestwave Sas | System and method for estimating time of arrival (TOA) |
US20160119887A1 (en) * | 2014-10-27 | 2016-04-28 | Freescale Semiconductor, Inc. | Signal processing method for uplink in small cell base station |
WO2016118357A1 (en) * | 2015-01-21 | 2016-07-28 | Nextnav, Llc | Interference mitigation for positioning systems |
US20160337105A1 (en) * | 2015-05-14 | 2016-11-17 | Interdigital Technology Corporation | Channel and noise estimation for downlink lte |
GB2539130B (en) * | 2015-06-04 | 2017-10-25 | Imagination Tech Ltd | Channel centering at an OFDM receiver |
US9544173B1 (en) * | 2015-09-15 | 2017-01-10 | Nokia Solutions And Networks Oy | Iterative normalization technique for reference sequence generation for zero-tail discrete fourier transform spread orthogonal frequency division multiplexing |
CN108886374B (zh) * | 2016-01-18 | 2021-08-03 | 唯亚威通讯技术有限公司 | 用于检测蜂窝通信信号的失真或变形的方法和设备 |
US10419037B2 (en) * | 2016-01-29 | 2019-09-17 | Ppc Broadband, Inc. | Dynamic noise mitigation device |
US9913295B2 (en) * | 2016-06-24 | 2018-03-06 | Alcatel-Lucent Usa Inc. | System and method of controlling network traffic using preamble detection and automated optimization of random access channel parameters |
WO2018064812A1 (en) * | 2016-10-08 | 2018-04-12 | Huawei Technologies Co., Ltd. | System and method for pilot data detection using correlation peak tracking |
US10454571B2 (en) * | 2017-07-20 | 2019-10-22 | Corning Optical Communications LLC | Dynamic determination of threshold power level for use in distinguishing between downlink and uplink periods in time-division duplexed (TDD) communications |
US11184065B2 (en) * | 2017-10-31 | 2021-11-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Orthogonal training signals for transmission in an antenna array |
US10674518B2 (en) * | 2017-12-27 | 2020-06-02 | Comcast Cable Communications, Llc | Dynamic management of interference and coverage in wireless communications |
CN112585874B (zh) * | 2018-06-08 | 2022-07-01 | 上海诺基亚贝尔股份有限公司 | 用于信号检测的本底噪声估计 |
US10541712B1 (en) * | 2018-11-02 | 2020-01-21 | Spectrum Effect Inc. | Enhanced passive intermodulation detection in wireless networks |
EP3675444A1 (en) * | 2018-12-28 | 2020-07-01 | INTEL Corporation | Methods and devices for communications in device-to-device networks |
US11082854B2 (en) * | 2019-09-27 | 2021-08-03 | Apple Inc. | Signal validation for secure ranging |
US10862520B1 (en) * | 2020-06-25 | 2020-12-08 | Link Labs, Inc. | Apparatus and method for mitigating effects of multipath interference between wireless communication nodes via constraint of estimated node location |
-
2018
- 2018-06-08 CN CN201880096421.5A patent/CN112585874B/zh active Active
- 2018-06-08 WO PCT/CN2018/090485 patent/WO2019232801A1/en unknown
- 2018-06-08 US US16/972,725 patent/US11374666B2/en active Active
- 2018-06-08 EP EP18921877.9A patent/EP3804145B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101248590A (zh) * | 2005-08-26 | 2008-08-20 | 艾利森电话股份有限公司 | 用于噪声增量估计的方法和装置 |
CN103209006A (zh) * | 2013-04-10 | 2013-07-17 | 华为技术有限公司 | 一种消除脉冲噪声的方法和装置 |
CN105321528A (zh) * | 2014-06-27 | 2016-02-10 | 中兴通讯股份有限公司 | 一种麦克风阵列语音检测方法及装置 |
CN104935532A (zh) * | 2015-05-29 | 2015-09-23 | 清华大学 | 基于压缩感知的限幅噪声估计与消除方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20210258091A1 (en) | 2021-08-19 |
WO2019232801A1 (en) | 2019-12-12 |
EP3804145B1 (en) | 2024-05-08 |
EP3804145A1 (en) | 2021-04-14 |
CN112585874A (zh) | 2021-03-30 |
US11374666B2 (en) | 2022-06-28 |
EP3804145A4 (en) | 2022-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190239249A1 (en) | Processing of random access preamble sequences | |
CN112585874B (zh) | 用于信号检测的本底噪声估计 | |
CN109076609B (zh) | 用于前导码检测和到达时间估计的方法和接收器 | |
KR101087892B1 (ko) | 자도프-추 시퀀스의 제한적인 사용을 제공하는 장치, 방법 및 프로그램 저장 디바이스 | |
US9756657B2 (en) | Wireless network signal to interference plus noise ratio estimation for a random access channel | |
KR102255656B1 (ko) | 이동통신 시스템에서 셀간 간섭 감지 방법 및 장치 | |
US10263824B2 (en) | Method and device for estimating frequency offset of reception signal | |
US11812416B2 (en) | Coherent detection of large physical random access control channel (PRACH) delays | |
CN110830395B (zh) | 通信系统中用于数据检测的方法、装置和计算机存储介质 | |
CN111757367B (zh) | 一种干扰检测方法、信号发送方法及装置 | |
KR100835562B1 (ko) | 광대역 무선접속 통신시스템에서 프레임 동기 획득 장치 및방법 | |
US8923376B2 (en) | Apparatus and method for estimating noise and interference power in communication system | |
US10212679B1 (en) | Method and apparatus for delay spread estimation | |
KR101173664B1 (ko) | 동기 채널 송수신 방법 및 장치 | |
US20130223242A1 (en) | Signature detection and timing offset estimation | |
KR101346436B1 (ko) | Cazac 코드 기반 이동통신 시스템에서 무선 환경적응형 채널 추정 장치 및 방법 | |
KR20180130875A (ko) | 위치 측정 성능을 향상시키는 위치 참조 신호 패턴에 기초하여 위치 참조 신호를 생성하는 장치 및 방법 | |
Morohashi et al. | A high-performance RACH detection scheme for random access overload in LTE-advanced | |
CN106304313A (zh) | 定时偏移的处理方法及装置 | |
TWI507064B (zh) | 鄰近胞元搜尋方法 | |
CN114557113A (zh) | 针对传播延迟的随机接入前同步码检测 | |
KR20110068740A (ko) | 상향링크 초기 레인징 시간 오차 탐색 범위 조정 방법 및 장치 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |