CN113595954A - 一种基于分段差分算法的pss定时同步检测方法 - Google Patents

Abstract

本发明涉及一种基于分段差分算法的PSS定时同步检测方法，属于通信技术领域。PSS定时同步算法是先将接收到的信号进行降采样和归一化处理，再进行差分处理，消除频偏因子对信号的影响，最后将处理后的信号数据进行分段处理避免了滑动相关，降低了实现复杂度。通过公式的推导不难得出本发明降低了信号的计算复杂度，提升了抗频偏性能。

Description

一种基于分段差分算法的PSS定时同步检测方法

技术领域

本发明属于通信技术领域，涉及一种基于分段差分算法的PSS定时同步检测方法。

背景技术

随着5G移动通信技术的不断发展，相较于前一代的通信技术LTE而言，5G在未来的发展过程中能够明显提升数据的传输效率，同时还能提高信号传输过程中的稳定性和安全性。PSS定时同步是用户设备激活后接入小区的首个物理过程，对提升网络基带性能有至关重要的影响，因此学术界和工业界对小区搜索都进行了广泛的研究。用户通过小区搜索过程可以获取下行链路的符号定时位置、频偏和小区号等信息，这对系统下行通信业务的建立和传输有十分重要的影响。

近几年对于PSS定时同步技术迎来了快速发展，发明专利CN201010550497.6公开了一种LTE系统中接收信号定时同步方法，通过滑动镜像相关可以找到相关峰值，降低了PSS定时同步复杂度。

而发明专利CN201911330101.4公开了一种5G系统下行帧定时同步方法，把接收端信号与本地PSS信号行了差分处理，可以提升信号的抗频偏性能，在频偏较大环境下可以实现PSS同步过程。

但是两种技术都在某一方向提出了改进，PSS定时同步需要减少复杂度和提升信号的抗频偏性能，这样才能满足5G系统复杂的信道环境。对于目前的高复杂度和抗频偏差问题上，提出了一种基于分段差分算法的PSS定时同步检测方法，通过差分算法可以消除频偏带来的影响，在用分段可以将数据量减小，可以根据设备的资源大小来分配资源大小，更好的发挥了资源的有效利用特性，这才是本技术领域人员需要研究的方向。

发明内容

有鉴于此，本发明的目的在于提供一种基于分段差分算法的PSS定时同步检测方法。在互相关算法基础之上，通过对差分和分段的处理方法，达到降低算法的复杂度，提升信号抗频偏性能，实现资源有效利用的目的。

为达到上述目的，本发明提供如下技术方案：

一种基于分段差分算法的PSS定时同步检测方法，该方法包括以下步骤：

S1：将接收信号y(n)先做归一化处理，再做16倍降采样处理得到y₁(n)；

S2：将接收y₁(n)、本地信号pss_j(n)做差分处理，分别得到y₂(n)和pss′_j(n)；

S3：将信号y₂(n)和pss′_j(n)做分段处理M为分段数，L为各段长度，得到y₂(n+mL)和pss′_j(n+mL)，m为0-M；

S4：根据差分分段处理后的信号，做相关运算得到Corr_μ(i)相关集合；

S5：根据本地信号可以得到最后集合数据，通过argmax{C_μ(j)}得到粗同步点位置；

S6：根据粗同步点位置取附近64点做滑动互相关得到Q_j(x)，取得精同步点完成定时同步。

可选的，所述S2具体为：

y₁(n)＝y(n)y^*(n-1)

其中y₁(n)是接收信号做差分处理后得到的结果，pss′_j(n)是本地信号与其共轭做差分处理后得到的结果。

可选的，在所述S3中，y₂(n+mL)和pss′_j(n+mL)表达式为：

y₂(n+mL)＝y₁(n:mL)m为0-M

pss′_j(n+mL)＝pss′_j(n:mL)m为0-M

其中y₂(n+mL)和pss′_j(n+mL)是通过M段和L长度得到的分段信号。

可选的，所述S4具体为：

其中Corr_μ(i)表示每组本地信号与接收信号的相关集合。

可选的，所述S5具体为：

S51：根据峰均值比P_μ(j)集合，得到最大峰值确定小区组内ID号；

S52：根据最大峰值检测确定得到小区组内ID号，确定峰值点位置{cu_value,cu_point}＝arg max{|corr_μ(i)|}确定粗同步点位置cu_point。

可选的，所述S6具体为：

{psyn_value,psyn_point}＝arg max{Q_j(k)}

其中R(k)为粗同步点序列，组内ID号确定pss′_j(k)序列，通过滑动相关得到Q_j(x)集合，最后确定精同步位置，完成PSS定时同步。

本发明的有益效果在于：在原有滑动互相关的基础上，通过差分和分段方法对信号进行处理，使得PSS定时同步算法复杂度比传统算法降低了大约91％，信号的抗频偏性能更好。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明流程图；

图2为本发明具体实现流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

请参阅图1～图2，本发明的系统环境为AWGN信道，采样频率为122.88MHz，信道带宽在100MHz，采样点数为4096，在此环境下，接收端接收到的信号为

其中

基站发射端发出的信号，ε为信号频偏因子，h(n)为信道冲击响应，w(n)为信道高斯噪声。通过差分处理可以消除e^-j2πεn/N频偏的影响，此处不考虑噪声的干扰。

基于该系统，结合图1以及图2，本发明所述的基于分段差分算法的PSS定时同步信号检测方法中的各个步骤做以下说明：

步骤S1：5G信号数据量比较大，因此需要通过有效的数据解析出需要的结果，进行归一化便于数据的处理，降采样方法降低了采样频率，采样点数为4096点，中心点数256依然满足奈奎斯特采样定理，减少了数据的处理量，有效缓解了5G信号复杂度的问题，通过对接收数据降采样、归一化预处理，一定程度减少了复杂度。

步骤S2：信号在传输过程中很容易发生偏移，采用差分方法对信号进行处理可以的一下表达式：

y₁(n)＝y(n)y^*(n-1)

其中y₁(n)是接收信号做差分处理后得到的结果，pss′_j(n)是本地信号与共轭做差分处理后得到的结果，通过相关运算可以得到

信号经过AWGN信道可以得到y(n)＝pss_j(n)e^-j2πεn/Nh(n)+w(n)，最后计算推导可以消除e^-j2πεn/N项，消除了频偏因子的影响。

步骤S3：通过差分处理后的数据如果采用直接互相关的方法依然存在高复杂度的问题，消耗资源过大，所以采用分段方法。将数据分为M段，每段长度为L可以得到表达式：

y₂(n+mL)＝y₁(n:mL)m为0-M

pss′_j(n+mL)＝pss′_j(n:mL)m为0-M

通过分段方法，将数据分块化处理，不需要集中计算可以有效的利用资源，减少了计算复杂度。

步骤S4：完成数据处理，开始计算本地信号与接收信号的峰值集合，通过峰值集合判断小区组内ID，可以得到PSS定时同步的粗同步点，峰值集合表达式如下：

步骤S5：具体包括以下步骤：

Step1：计算得到Corr_μ(i)集合，但是得不到小区组内ID和粗同步点位置，通过峰均值比peakare＝max_pwr/mean_value可以得到集合P_μ(j)。

Step2：集合P_μ(j)通过{p_value,N_2_ID}＝arg max{P_μ(j)}，小区组内ID号为N_2_ID-1。

Step3：确定组内ID号就可以找到粗同步点，{cu_value,cu_point}＝arg max{|corr_μ(i)|}，其中corr_μ(i)是确定的一组集合，得到粗同步点位置cu_point。

步骤S6：因为在步骤S1中对信号做了预处理，粗同步点存在误差，此时将粗同步点还原到原始数据位置，再取位置前后64点做精同步，其中表达式如下：

{psyn_value,psyn_point}＝arg max{Q_j(x)}

其中R(k)为粗同步点序列，组内ID号确定pss_j(k)序列，通过滑动相关得到Q_j(x)集合，通过计算Syn_point_clear＝(11-1)*16+1+(psyn_point-32)其中32为中心点，得到精同步位置，此时就完成了PSS定时同步过程。

本发明实施例利用MMSE算法将信号检测问题转换为线性方程组求解问题，利用共轭梯度算法避免矩阵的求逆运算，大大降低了算法计算复杂度，通过预处理技术，使矩阵特征值更为集中，降低了矩阵条件数，从而加快共轭梯度信号检测算法的收敛速度。

本发明实施例利用了PSS信号有良好的自相关和互相关特性，采用了差分定理和分段方法，应对庞大的5G信号数据量，提升了信号自身的抗频偏性能，大大降低了运算复杂度，可以充分地使用有限的资源，避免了资源的浪费。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种基于分段差分算法的PSS定时同步检测方法，其特征在于：该方法包括以下步骤：

S1：将接收信号y(n)先做归一化处理，再做16倍降采样处理得到y₁(n)；

S2：将接收y₁(n)、本地信号pss_j(n)做差分处理，分别得到y₂(n)和pss′_j(n)；

S3：将信号y₂(n)和pss′_j(n)做分段处理M为分段数，L为各段长度，得到y₂(n+mL)和pss′_j(n+mL)，m为0-M；

S4：根据差分分段处理后的信号，做相关运算得到Corr_μ(i)相关集合；

S5：根据本地信号可以得到最后集合数据，通过arg max{C_μ(j)}得到粗同步点位置；

S6：根据粗同步点位置取附近64点做滑动互相关得到Q_j(x)，取得精同步点完成定时同步。

2.根据权利要求1所述的一种基于分段差分算法的PSS定时同步检测方法，其特征在于：所述S2具体为：

y₁(n)＝y(n)y^*(n-1)

其中y₁(n)是接收信号做差分处理后得到的结果，pss′_j(n)是本地信号与其共轭做差分处理后得到的结果。

3.根据权利要求2所述的一种基于分段差分算法的PSS定时同步检测方法，其特征在于：在所述S3中，y₂(n+mL)和pss′_j(n+mL)表达式为：

y₂(n+mL)＝y₁(n:mL)m为0-M

pss′_j(n+mL)＝pss′_j(n:mL)m为0-M

其中y₂(n+mL)和pss′_j(n+mL)是通过M段和L长度得到的分段信号。

4.根据权利要求3所述的一种基于分段差分算法的PSS定时同步检测方法，其特征在于：所述S4具体为：

其中Corr_μ(i)表示每组本地信号与接收信号的相关集合。

5.根据权利要求4所述的一种基于分段差分算法的PSS定时同步检测方法，其特征在于：所述S5具体为：

S51：根据峰均值比P_μ(j)集合，得到最大峰值确定小区组内ID号；

S52：根据最大峰值检测确定得到小区组内ID号，确定峰值点位置{cu_value,cu_point}＝arg max{|corr_μ(i)|}确定粗同步点位置cu_point。

6.根据权利要求5述的一种基于分段差分算法的PSS定时同步检测方法，其特征在于：所述S6具体为：

{psyn_value,psyn_point}＝arg max{Q_j(k)}

其中R(k)为粗同步点序列，组内ID号确定pss′_j(k)序列，通过滑动相关得到Q_j(x)集合，最后确定精同步位置，完成PSS定时同步。

Images