CN113709857B - 一种窄带物联网系统下行同步预处理方法 - Google Patents

Abstract

本发明公开了一种窄带物联网系统下行同步预处理方法，所述的方法包括步骤如下：S1：先将接收的接收序列进行码片定位，找出NPSS序列的大致位置；S2：取出定位码片处的滑动相关峰序列、相关模峰值进行相位对齐和加权平均处理，得到权重序列；S3：根据权重序列对多个无线帧长度的NPSS部分进行相位估计，然后进行相位补偿并加权平均，得到平均序列，以获得多个无线帧加权增益；S4：将步骤S3得到的平均序列应用到窄带物联网系统下行同步算法中完成同步。本发明通过预处理方法能有效降低接收机相关同步检测的运算复杂度。

Description

一种窄带物联网系统下行同步预处理方法

技术领域

本发明涉及物联网通信技术领域，更具体的，涉及一种窄带物联网系统下行同步预处理方法。

背景技术

对5G时代的蓝图进行畅想时，有人提出了万物互联的概念，物联网技术成为了一个热点。相应的应用有智能家居、智能穿戴、智能驾驶、智能安保监控以及工业智能系统等等。对此许多科技公司在这个领域加大研发力度。三星继成功研发出基于窄带物联网的Exynosi S111芯片后，又推出了基于Zigbee蓝牙的Exynosi T100芯片；国内的通信巨头华为也对物联网技术和云计算技术大量投入研发，与5G技术并重[Chettri L,Bera R.AComprehensive Survey on Internet of Things(IoT)Toward 5G Wireless Systems[J].IEEE Internet of Things Journal,2020,7(1):16–32.]。此外，英特尔、诺基亚、高通等等大公司同样也在对物联网领域中的某些有前景项目持续跟进。

物联网的技术多种多样，主要可以分为两个大类：一个是短距离通信的物联网，主要是基于WIFI(Wireless Fidelity)、蓝牙、ZigBee等技术来组建物联网；另一个则是长距离通信的物联网，相关技术有私人标准下的LoRa、Sigfox等，也有国际标准下的LTE-M(LongTerm Evolution-Machine to Machine)、NB-IoT(Narrow Band Internet of Things)等技术[刘从柏，黄慧媛，高月.中国电信NB-IoT和eMTC商用网络部署策略研究[C]//2017全国无线及移动通信学术大会论文集.中国电信股份有限公司广东无线网络优化中心:CNKI,2017:4.]。

近年来窄带物联网的研究是热点，而对基于3GPP的Release 15协议内容，继承LTE许多传统设计的NB-IoT的研究也是十分多的。下行同步算法相关方面，多种多样的设计相继被提出，如：2017年Abdelmohsen Ali等人提出的，以主同步信号(Narrowband SecondarySynchronization Signal,NPSS)长度为周期对接收序列做去掩码自相关求和检测的同步算法[ALI A,HAMOUDA W.On the Cell Search and Initial Synchronization for NB-IoT LTE Systems[J].IEEE Communications Letters,2017,21(8):1843–1846.]，其检测准确率提升的同时，也增加该运算复杂度；2018年Yu Li等人提出的同步算法，利用主同步信号模值平方求和作为归一化因子，辅助自相关进行同步运算[LI Y,CHEN S,YE W,etal.A Joint Low-Power Cell Search and Frequency Tracking Scheme in NB-IoTSystems for Green Internet of Things[J].Sensors,2018,18(10):3274]，不过归一化因子的作用受到信噪比等因素的影响较大；2020年Sripada Kadambar等人提出的，将接收序列与本地参考序列互相关后结果再自相关的，最大似然下行同步算法[KADAMBAR S,REDDY CHAVVA A K.Low Complexity ML Synchronization for 3GPP NB-IoT[C]//2018International Conference on Signal Processing and Communications(SPCOM).Bangalore,India:IEEE,2020:307–311]，成功的利用互相关运算大大提高同步准确率。

但以上这些算法的运算复杂度普遍较高，导致运算效率低下的问题。因此如何降低运算复杂度成为亟需解决的问题。

发明内容

本发明为了解决以上现有技术存在接收机相关检测算法运算复杂度普遍较高，不适于实际系统运用的问题，提供了一种窄带物联网系统下行同步预处理方法，通过预处理方法能有效降低接收机相关同步检测的运算复杂度。

为实现上述本发明目的，采用的技术方案如下：

一种窄带物联网系统下行同步预处理方法，所述的方法包括步骤如下：

S1：先将接收的接收序列进行码片定位，找出NPSS序列的大致位置；

S2：取出定位码片处的滑动相关峰序列、相关模峰值进行相位对齐和加权平均处理，得到权重序列；

S3：根据权重序列对多个无线帧长度的NPSS部分进行相位估计，然后进行相位补偿并加权平均，得到平均序列，以获得多个无线帧加权增益；

S4：将步骤S3得到的平均序列应用到窄带物联网系统下行同步算法中完成同步。

优选地，步骤S1，具体对先接收的接收序列进行码片定位的步骤如下：

S101：对N个无线帧长度的接收序列，每相距k个无线帧长度的两点做相关运算，然后按码片长度进行求和运算；

S102：将步骤S101求和运算的结果进行滑动平均，得到滑动相关峰序列，然后进行归一化求和运算；

S103：根据k的3个值对应的求和序列，进行求取相关模峰值。

进一步地，每相距k个无线帧长度的两点做相关运算，然后按码片长度进行求和运算，计算公式如下：

式中，

为第m个无线帧与第m+k个无线帧，相关求和于第n个码片的结果；N_len为码片长度；m∈[1,N-k]，且m∈N，N为所用于同步的无线帧数量，k∈[1,3]，且k∈N；n∈[1,N_chip]且n∈N，

其中，ceil(·)为向上取值运算，N_frame为无线帧长度，N_subframe为子帧长度。

再进一步地，所述的滑动平均的表达式如下：

式中，n∈[1,N_chip-N_abs+1]且n∈N；其中

为绝对码片数，N_npss为NPSS参考序列长度；

对于接收序列，任意取起始点，进行式(1)两无线帧相关码片求和，运算完全在NPSS序列之中的对应n值至少有N_abs个，因此认为式(1)将两个无线帧长度的点相关得到N_chip个码片结果，形成码片序列；式(2)即是对式(1)的码片序列进行平滑求峰值运算，此时，m∈[1,N-1]且m∈N，n∈[1,N_chip-N_abs+1]且n∈N。

再进一步地，步骤S102，所述的归一化求和运算的公式表达式如下：

再进一步地，步骤S103，对k的3个值对应的求和序列做如下运算，求取相关模峰值：

n_slt＝argmax_n|Sum_total(n)| (5)

则接收序列的NPSS起始点，在第n_slt码片处前后一定范围内获取，由此找出NPSS序列的大致位置。

再进一步地，步骤S2，设滑动平均后的码片序列定位处的向量为

对其相邻无线帧在m的维度两两相关：

其中，此处m∈[1,N-2]且m∈N。

然后，根据定位码片处的相关模峰值，估计权重，有：

式中，m∈[1,N]且m∈N，指的是原无线帧序号，Weight_vc(m)为权重序列。

再进一步地，步骤S3，根据权重序列对多个无线帧长度的NPSS部分进行相位估计，具体如下：

D1：先求出权重序列的最大的3个值，分别为vl_max(1),vl_max(2),vl_max(3)，获得加权平均标准值

由此获得布尔序列：

bool_slt＝|Weight_vc(m)|＞(0.5·vl_std) (10)

式中bool_slt为选取布尔向量，此处假设被选中的无线帧数为N_slt；

D2：在接收序列中，将被选中的无线帧取出，获得矩阵：

Avrg(τ,m′)＝r((n_slt-1)·N_len+(num(m′)-1)·N_frame+τ) (11)

式中，且m′∈N，指被选中的无线帧序号，num(m′)指第m'个被选无线帧原来的序号，通过bool_slt获取；τ∈[-N_npss,2N_npss]且τ∈Z；

D3：选得第m′_max个被选无线帧为参考帧，计算其他被选帧相对参考帧的相位差进行相位估计：

m′_max＝argmax_m′Weight_vc(num(m′)) (12)

式中，phase_frame(m′)表示其他被选帧相对参考帧的相位差。

再进一步地，所述的相位补偿并加权平均，其公式表达式如下：

其中，

Avrg_vc(τ)表示平均序列。

再进一步地，所述的窄带物联网系统下行同步算法包括高通提案下行同步算法、最大似然下行同步算法几种中的一种。

本发明的有益效果如下：

本发明主要通过利用NPSS的多帧重复出现特点，一方面进行码片定位，缩小了下行同步算法中粗定时的搜索范围；另一方面，通过相位对齐，多帧加权平均，改变了一般的同步算法先做复杂运算，后对运算结果进行平均以获得增益的做法。以上两方面都能大大降低下行同步算法的运算复杂度，而且基本不会造成同步准确性下降，甚至可能使得算法性能有所增强。

附图说明

图1是实施例1所述的预处理方法的步骤流程图。

图2是实施例1所述的无线帧间相关求和的示意图。

图3是实施例1单次仿真EPA-5Hz信道，瑞利衰落包络图。

图4是实施例1码片定位成功例图。

图5是实施例1权重估计的示意图。

图6是实施例1相位对齐的示意图。

图7是仿真信道为EPA-5Hz，信噪比为-12.6dB时，各同步成功率对比图。

图8是仿真信道为ETU-1Hz，信噪比为-12.6dB时，各同步成功率对比图。

图9是两种频偏假设仿真结果对比图。

具体实施方式

下面结合附图和具体实施方式对本发明做详细描述。

实施例1

窄带物联网系统(NB-IoT)下行同步算法应用本实施例所述的方法做预处理的条件是：窄带物联网系统(NB-IoT)下行同步算法先在每个无线帧长度的接收序列进行的同步运算，而后再对同步运算结果多帧平均以获得多帧增益，然后在根据平均结果完成同步任务。

如图1所示，一种窄带物联网系统下行同步预处理方法，所述的方法包括步骤如下：

S1：先将接收的接收序列进行码片定位，找出NPSS序列的大致位置；

S2：取出定位码片处的滑动相关峰序列、相关模峰值进行相位对齐和加权平均处理，得到权重序列；

S3：根据权重序列对多个无线帧长度的NPSS部分进行相位估计，然后进行相位补偿并加权平均，得到平均序列，以获得多个无线帧加权增益；

S4：将步骤S3得到的平均序列应用到窄带物联网系统下行同步算法中完成同步。本实施例所述的窄带物联网系统下行同步算法采用高通提案下行同步算法[QUALCOMM-INCORPORATED.NB-PSS and NB-SSS Design[S].Sophia Antipolis,France:3rdGeneration Partnership Project,2016:1–6]完成同步。

本实施例所述的方法会将先进行NPSS部分大致定位，缩小下行同步算法粗定时的搜索空间。再通过相位对齐，加权运算，完成NPSS部分的多帧加权平均运算。最后应用下行同步算法，仅在一段序列的较小搜索空间内进行同步运算，结果无需多帧平均，即可应用于完成同步任务。

在一个具体的实施例中，步骤S1，具体对先接收的接收序列进行码片定位的步骤如下：

S101：对N个无线帧长度的接收序列，每相距k个无线帧长度的两点做相关运算，然后按码片长度进行求和运算；其计算公式如下：

式中，

为第m个无线帧与第m+k个无线帧，相关求和于第n个码片的结果；N_len为码片长度，设置中N_len＝50；m∈[1,N-k]，且m∈N，N为所用于同步的无线帧数量，k∈[1,3]，且k∈N；n∈[1,N_chip]且n∈N，

其中，ceil(·)为向上取值运算，N_frame＝19200为无线帧长度，N_subframe＝1920为子帧长度。此处的相关运算意在利用其NPSS片段的相关性来找出NPSS片段的大致位置，相关运算大致过程可见图2。

S102：将步骤S101求和运算的结果进行滑动平均，得到滑动相关峰序列，然后进行归一化求和运算；

所述的滑动平均的表达式如下：

式中，n∈[1,N_chip-N_abs+1]且n∈N；其中

为绝对码片数，N_npss为NPSS参考序列长度；

对于接收序列，任意取起始点，进行式(1)两无线帧相关码片求和，运算完全在NPSS序列之中的对应n值至少有N_abs个，因此认为式(1)将两个无线帧长度(加入裕度)的点相关得到N_chip个码片结果，形成码片序列；式(2)即是对式(1)的码片序列进行平滑求峰值运算，此时，m∈[1,N-1]且m∈N，n∈[1,N_chip-N_abs+1]且n∈N。

所述的归一化求和运算的公式表达式如下：

S103：根据k的3个值对应的求和序列，进行求取相关模峰值：

n_slt＝argmax_n|Sum_total(n)| (5)

则接收序列的NPSS起始点，在第n_slt码片处前后一定范围内获取，由此找出NPSS序列的大致位置。本实施例取前后各N_npss＝1508点，作为预处理后，应用同步算法时，NPSS起始点的粗定时的搜索范围。如图3所示，单次仿真EPA-5Hz信道，瑞利衰落包络图。可以看到，其瑞利衰落会带来相位旋转与包络模值变化的影响。如图4所示，模峰值处即为NPSS起始点附近，较尖锐明显的峰值可以帮助我们大致锁定NPSS片段的位置，减少搜索空间。

在一个具体的实施例中，对于进行加权平均的N个无线帧，此处需要做出一定的取舍。对于受到深衰落影响的以及受噪声污染严重，信噪比情况不理想的无线帧NPSS序列予以舍弃。故而对取出定位码片处的滑动相关峰序列：

步骤S2，设滑动平均后的码片序列定位处的向量为

对其相邻无线帧在m的维度两两相关：

其中，此处m∈[1,N-2]且m∈N。

然后，根据定位码片处的相关模峰值，估计权重，有：

式中，m∈[1,N]且m∈N，指的是原无线帧序号，Weight_vc(m)为权重序列。

在一个具体的实施例中，步骤S3，根据权重序列对多个无线帧长度的NPSS部分进行相位估计，具体如下：

D1：先求出权重序列的最大的3个值，分别为vl_max(1),vl_max(2),vl_max(3)，获得加权平均标准值

由此获得布尔序列：

bool_slt＝|Weight_vc(m)|＞(0.5·vl_std) (10)

式中，bool_slt为选取布尔向量，此处假设被选中的无线帧数为N_slt；如图2、图5所示，其中图5是权重估计示意图，有多个无线帧的包络模值与估计权值模值。可以看到，某个无线帧NPSS的权值估计与本无线帧NPSS处的瑞利衰落包络有较强的相关性。同步过程中，考虑各个无线帧NPSS片段的信噪比情况，显然是合理的，因为多普勒频移的存在，可以看到时常会有处于深衰落和受到突发较强噪声干扰的NPSS片段，这些片段，在相位估计并补偿对齐的时候，可能会出现较大偏差甚至导致减益效果，故可以考虑舍弃。

D2：在接收序列中，将被选中的无线帧取出，获得矩阵：

Avrg(τ,m′)＝r((n_slt-1)·N_len+(num(m′)-1)·N_frame+τ) (11)

式中，且m′∈N，指被选中的无线帧序号，num(m′)指第m'个被选无线帧原来的序号(原来为第几个用于同步的无线帧)，可以通过bool_slt获取；τ∈[-N_npss,2N_npss]且τ∈Z；

D3：选得第m′_max个被选无线帧为参考帧，计算其他被选帧相对参考帧的相位差进行相位估计：

m′_max＝argmax_m′Weight_vc(num(m′)) (12)

式中，phase_frame(m′)表示其他被选帧相对参考帧的相位差。

再进一步地，所述的相位补偿并加权平均，其公式表达式如下：

其中，

Avrg_vc(τ)表示平均序列。

图6是相位对齐示意图，从图中可以看出对齐后的相位落点显然更加集中。至此，预处理完成，获得的平均序列Avrg_vc(τ)。可以明显看出，平均序列τ处对应原接收序列的(n_slt-1)·N_len+τ处。

接下来步骤S3则可根据所选的高通提案下行同步算法，在区间τ∈[-N_npss,N_npss]且τ∈Z中，搜索NPSS起始点即可。

实施例2

一种窄带物联网系统下行同步预处理方法，其中步骤S1～S3与实施例1相同，通过步骤S1～S3处理得到平均序列，将得到的平均序列应用最大似然下行同步算法[KADAMBARS,REDDY CHAVVA A K.Low Complexity ML Synchronization for 3GPP NB-IoT[C]//2018International Conference on Signal Processing and Communications(SPCOM).Bangalore,India:IEEE,2020:307–311]中完成同步。本实施例将平均序列可应用最大似然下行同步算法，对平均序列Avrg_vc(τ)在区间τ∈[-N_npss,N_npss]且τ∈Z中，搜索NPSS起始点。

对于实例1、2，我们利用矩阵实验室软件(Matrix Laboratory,MATLAB)，进行NB-IoT下行同步仿真实验，信噪比设置为-12.6dB，如图7为扩展步行者信道A模型(ExtendedPedestrian A model,EPA)对应5Hz多普勒频移参数的信道仿真结果，而图8则为扩展典型城市模型(Extended Typical Urban model,ETU)对应1Hz多普勒频移参数的信道仿真结果，横轴自变量为所使用的接收序列长度为多少个无线帧长度，即所用于下行同步的无线帧数，纵轴为同步成功率，同步成功的条件设置为，定时偏差绝对值不大于4，频偏估计偏差绝对值不大于300Hz。

观察图7、图8，各个算法的同步成功率(纵轴)随着同步所使用的无线帧数目(横轴)的增大而增大，而同步成功率越高，则同步性能越良好。不难看出，预处理+高通提案同步算法比原高通算法，预处理+最大似然同步算法比原最大似然同步算法，其检测性能并无明显下降，反而有些许提升。而经过大致估算，各种算法的复数加法、乘法复杂度如下：

其中，N为同步运算所使用的无线帧数目。同样利用20个无线帧长度的接收采样序列做同步，原高通算法的复数乘法运算量大致为6.61×10⁷次，复数加法运算量大致为5.88×10⁷次；预处理+高通同步算法的复数乘法运算量大致为2.07×10⁶次，复数加法运算量大致为2.48×10⁶次；原最大似然同步算法的复数乘法运算量大致为1.01×10⁸次，复数加法运算量大致为9.87×10⁷次；预处理+最大似然同步算法的复数乘法运算量大致为2.51×10⁶次，复数加法运算量大致为2.95×10⁶次。可以认为，预处理辅助后的下行同步算法近乎比原算法降低了1个数量级的运算复杂度。

其中，对于最大似然同步算法，算法参数——频偏假设原设置为[-16 -7.5 0 7.516]kHz五种假设，针对仿真频偏范围为[-25.5,25.5]kHz，将频偏假设修改为[-20.4 -10.20 10.2 20.4]kHz五种，如此可于随机频偏条件下，提高最大似然同步算法的准确性，仿真信道为EPA-5Hz，信噪比为-12.6dB，对比如图9。

综上所述，对满足条件的下行同步算法而言，先应用预处理算法，再进行同步运算，可以大大降低运算的复杂度，并且，同步算法性能损失不大，甚至还可能有一定的提升。

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。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。

Claims (8)

1.一种窄带物联网系统下行同步预处理方法，其特征在于：所述的方法包括步骤如下：

S1：先将接收的接收序列进行码片定位，找出NPSS序列的大致位置；

S2：取出定位码片处的滑动相关峰序列、相关模峰值进行相位对齐和加权平均处理，得到权重序列；

S3：根据权重序列对多个无线帧长度的NPSS部分进行相位估计，然后进行相位补偿并加权平均，得到平均序列，以获得多个无线帧加权增益；

S4：将步骤S3得到的平均序列应用到窄带物联网系统下行同步算法中完成同步；

步骤S1，具体对先接收的接收序列进行码片定位的步骤如下：

S101：对N个无线帧长度的接收序列，每相距k个无线帧长度的两点做相关运算，然后按码片长度进行求和运算；

S102：将步骤S101求和运算的结果进行滑动平均，得到滑动相关峰序列，然后进行归一化求和运算；

S103：根据k的3个值对应的求和序列，进行求取相关模峰值；

步骤S103，对k的3个值对应的求和序列做如下运算，求取相关模峰值：

n_slt＝arg max_n|Sum_total(n)| (5)

则接收序列的NPSS起始点，在第n_slt码片处前后一定范围内获取，由此找出NPSS序列的大致位置。

2.根据权利要求1所述的窄带物联网系统下行同步预处理方法，其特征在于：每相距k个无线帧长度的两点做相关运算，然后按码片长度进行求和运算，计算公式如下：

式中，

为第m个无线帧与第m+k个无线帧，相关求和于第n个码片的结果；N_len为码片长度；m∈[1,N-k]，且m∈N，N为所用于同步的无线帧数量，k∈[1,3]，且k∈N；n∈[1,N_chip]且n∈N，

其中，ceil(·)为向上取值运算，N_frame为无线帧长度，N_subframe为子帧长度。

3.根据权利要求2所述的窄带物联网系统下行同步预处理方法，其特征在于：所述的滑动平均的表达式如下：

式中，n∈[1,N_chip-N_abs+1]且n∈N；其中

为绝对码片数，N_npss为NPSS参考序列长度；

对于接收序列，任意取起始点，进行式(1)两无线帧相关码片求和，运算完全在NPSS序列之中的对应n值至少有N_abs个，因此认为式(1)将两个无线帧长度的点相关得到N_chip个码片结果，形成码片序列；式(2)即是对式(1)的码片序列进行平滑求峰值运算，此时，m∈[1,N-1]且m∈N，n∈[1,N_chip-N_abs+1]且n∈N。

4.根据权利要求3所述的窄带物联网系统下行同步预处理方法，其特征在于：步骤S102，所述的归一化求和运算的公式表达式如下：

5.根据权利要求4所述的窄带物联网系统下行同步预处理方法，其特征在于：步骤S2，设滑动平均后的码片序列定位处的向量为

对其相邻无线帧在m的维度两两相关：

其中，此处m∈[1,N-2]且m∈N；

然后，根据定位码片处的相关模峰值，估计权重，有：

式中，m∈[1,N]且m∈N，指的是原无线帧序号，Weight_vc(m)为权重序列。

6.根据权利要求5所述的窄带物联网系统下行同步预处理方法，其特征在于：步骤S3，根据权重序列对多个无线帧长度的NPSS部分进行相位估计，具体如下：

D1：先求出权重序列的最大的3个值，分别为vl_max(1),vl_max(2),vl_max(3)，获得加权平均标准值

由此获得布尔序列：

bool_slt＝|Weight_vc(m)|＞(0.5·vl_std) (10)

式中bool_slt为选取布尔向量，此处设定被选中的无线帧数为N_slt；

D2：在接收序列中，将被选中的无线帧取出，获得矩阵：

Avrg(τ,m′)＝r((n_slt-1)·N_len+(num(m′)-1)·N_frame+τ) (11)

式中，且m′∈N，指被选中的无线帧序号，num(m′)指第m'个被选无线帧原来的序号，通过bool_slt获取；τ∈[-N_npss,2N_npss]且τ∈Z，Z表示整数集；

D3：选得第m′_max个被选无线帧为参考帧，计算其他被选帧相对参考帧的相位差进行相位估计：

m′_max＝argmax_m′Weight_vc(num(m′)) (12)

式中，phase_frame(m′)表示其他被选帧相对参考帧的相位差。

7.根据权利要求6所述的窄带物联网系统下行同步预处理方法，其特征在于：所述的相位补偿并加权平均，其公式表达式如下：

其中，

Avrg_vc(τ)表示平均序列。

8.根据权利要求1～7任一项所述的窄带物联网系统下行同步预处理方法，其特征在于：所述的窄带物联网系统下行同步算法为高通提案下行同步算法、最大似然下行同步算法中的一种。

Images