CN114786240A

CN114786240A - 5g下行信号间断性跟踪方法

Info

Publication number: CN114786240A
Application number: CN202210199477.1A
Authority: CN
Inventors: 彭敖; 汤贵敏; 石江宏
Original assignee: Xiamen University
Current assignee: Xiamen University
Priority date: 2022-03-02
Filing date: 2022-03-02
Publication date: 2022-07-22

Abstract

本发明涉及一种5G下行信号间断性跟踪方法，其提出了联合DLL和卡尔曼滤波的间断性信号跟踪方法，推导出基于5G间断性信号跟踪环路的信号模型，对传统的DLL码相位鉴别函数做了修正，将鉴别器的输出结果作为KF滤波的观测量。同时，本文首次提出对OFDM信号不同子载波上的剩余频偏进行补偿，降低频偏对码相位估计的影响。进一步的，从时域、频域、空域多维度资源联合优化角度出发，提出了联合定位参考信号和信道状态信息参考信号的信号跟踪方案，对跟踪过程中的观测噪声进行实时估计与校正。与传统的DLL跟踪结果相比，本文提出的跟踪环路处理方法有效的提高了码相位跟踪精度。

Description

5G下行信号间断性跟踪方法

技术领域

本发明涉及5G定位技术领域，具体涉及一种5G下行信号间断性跟踪方法。

背景技术

随着5G时代的到来，物联网和智能化对基于位置的服务提出了更高的要求。国际电信联盟无线电通信局(International Telecommunication Union-Radio，ITU-R)定义的5G三大应用场景中，普遍需要定位服务的支撑。其中，增强移动性宽带(enhanced MobileBroadband，eMBB) 以高速率大容量通信为特点，需要对设备进行精确的定位以实现基于位置的媒体服务。超可靠低时延通信(ultra Reliable and Low Communication， uRLLC)应用于工业领域，需要对无人车、无人机的精确定位。大规模机器型通信(massive MachineType Communication，mMTC)面向物联网和传感器，相关的定位需求包括对物资以及人员进行定位跟踪。对于目前主流的几大定位系统，全球卫星导航定位系统在遮挡和室内环境下，由于可见星数量有限无法完成定位；wifi指纹定位在数据库的构建以及更新上存在着可靠性和准确性问题；UWB(Ultra Wide Band)和蓝牙 AOA(Angle of Arrival)定位系统虽然可以实现高精度的定位，但是存在系统施工复杂成本高以及信号的传输距离有限的问题。而5G通信系统的设计使得“5G定位”成为解决无处不在的高精度定位问题的一个新方向。其中5G高频段大带宽的传输特性提供了高时间分辨率和多径鲁棒性，为利用首径测量值的时间定位方案提供了基础，提升了位置精度、速度精度、时间戳精度等定位性能指标。

但是，5G参考信号间断性播发的特点，传统的延迟锁定环(Delay Locked Loop，DLL)跟踪环路无法对该类信号进行长时间的相干积分，跟踪精度受限且环路鲁棒性差。

发明内容

针对现有技术存在的问题，本发明的目的在于提供一种跟踪精度高的5G下行信号间断性跟踪方法。

为实现上述目的，本发明采用的技术方案是：

一种5G下行信号间断性跟踪方法，其包括以下步骤：

步骤1、接收5G信号，该5G信号包括on阶段和off阶段；

步骤2、进行小区搜索；

步骤3、将处理后的5G信号与本地信号进行相干积分，得到即时支路、超前支路和滞后支路的相干积分结果；

步骤4、将相干积分结果送入鉴别器进行处理：对于on阶段的5G 信号，鉴别器输出码相位误差鉴别函数δτ、载波相位误差鉴别函数δφ和载波频率误差鉴别函数δf_d；然后根据on阶段的相干积分结果和off阶段的相干积分结果估算出5G信号的信噪比，并根据该信噪比计算出码相位协方差

载波相位协方差

和载波频率协方差

步骤5、将鉴别器的输出送入到卡尔曼滤波器中，卡尔曼滤波器进行状态预测和修正；

状态预测得到：

其中，

为当前时刻的系统状态的先验估计向量；

为上一时刻系统状态的后验估计向量；

F为相邻两个时刻系统状态向量的状态转移矩阵，

为当前时刻的先验估计误差协方差矩阵；

为上一时刻的后验估计误差协方差矩阵；

Q_k-1为上一时刻的过程噪声协方差矩阵；

状态预测修正后得到：

其中，K_k为当前时刻的卡尔曼滤波增益；

H为观测矩阵，

R_k为测量噪声协方差矩阵，

为当前刻系统状态的后验估计向量；

Z_k为观测向量，由鉴别器输出结果组成，即Z_k＝[δτ,δφ,δf_d]^T；

P_k为当前时刻的后验估计误差协方差矩阵；

步骤6、卡尔曼滤波器输出下一时刻的码相位误差Δτ_k+1、载波相位误差Δφ_k+1、载波频率误差Δf_d(k+1)，并送至参考信号发生器。

所述步骤2具体如下：

首先是将接收信号与3组本地PSS信号做相关估计，确定

相关峰的位置表示SSB符号开始时间，用于控制FFT窗口；

基于CP的频偏估计得到

得到初始频偏之后，对接收信号进行一个频偏补偿，得到

T_s表示采样间隔，满足T_s＝T/N＝1/(NΔf)，T为一个OFDM符号有效持续时间；

之后对接收信号

执行FFT操作，并提取出SSB的资源网格信号，与本地的336组SSS进行相关估计，得到最大相关峰值的SSS序列 ID即为小区组

得到基站小区ID号

之后，生成本地的PRS和CSIRS 信号，与接收信号

进行相关估计，得到信号r_cc(n)。

所述步骤2采用信道和时延联合估计算法，处理后的信号模型为：

Frac{τ}∈(-T_s,T_s)。

所述步骤3中，

即时支路相干积分结果为：

I_P＝real(P),Q_P＝imag(P)；

超前支路相干积分结果为：

I_E＝real(E),Q_E＝imag(E)；

滞后支部相干积分结果为：

I_L＝real(L),Q_L＝imag(L)。

所述步骤4中，

码相位误差鉴别函数为

载波相位误差鉴别函数为

载波频率误差鉴别函数为

所述5G信号的载噪比为

其中，

表示on阶段的相干积分结果，

表示off阶段的的相干积分结果；

码相位协方差为

载波相位协方差为

和载波频率协方差

采用上述方案后，提出了联合DLL和卡尔曼滤波的间断性信号跟踪方法，推导出基于5G间断性信号跟踪环路的信号模型，对传统的DLL 码相位鉴别函数做了修正，将鉴别器的输出结果作为KF滤波的观测量。同时，本文首次提出对OFDM信号不同子载波上的剩余频偏进行补偿，降低频偏对码相位估计的影响。进一步的，从时域、频域、空域多维度资源联合优化角度出发，提出了联合定位参考信号和信道状态信息参考信号的信号跟踪方案，对跟踪过程中的观测噪声进行实时估计与校正。与传统的DLL跟踪结果相比，本文提出的跟踪环路处理方法有效的提高了码相位跟踪精度。

附图说明

图1为SSB结构图；

图2为不同频域密度下的PRS资源分布图，(a)(b)(c)(d)分别对应频域密度2,4,6,12；

图3为为间断性PRS示意图；

图4为捕获阶段的流程示意图；

图5跟踪阶段的流程示意图；

图6为基于状态预测的间断跟踪示意图。

具体实施方式

5G物理层支持灵活可变的参数集，其子载波间隔在15KHz-240KHz 的范围内选择，子载波间隔越大，OFDM符号时间越短。时域上一个无线帧固定由10个子帧数据组成，每个子帧固定为1ms，而一个子帧内的时隙数及每个时隙的持续时间则取决于子载波间隔。频域上带宽由多个物理资源块(Physical Resource Block，PRB)组成，一个PRB包括12 个连续的子载波。信号传输所占用的时频资源最终映射到一个个的网格单元，称为资源元素(Resource Element，RE)，也是资源调度的最小单位。

接收机对于基站信号处理的第一步是必须将信号转换为帧结构，以便能够提取发送的信息，这步是通过识别帧开始时间来实现的。5G标准中同步信号(SS)与物理广播信道(PBCH)及其关联的解调参考信号(DM-RS)合并成一个同步信号块(SSB)，SSB固定的在频域上占据240个连续的子载波，时域上占4个连续的OFDM符号，结构如图1 所示。多个SSB构成同步块突发集(SSB Block)，SSB Block以20ms 进行周期性传输，根据子载波间隔以及载波频率的不同，承载信号的起始OFDM符号位置也不同，具体配置信息在[13]中。同时，5G设计了灵活的PRS和CSIRS资源传输配置，采用资源集合下可根据具体场景动态配置资源个数的方式来最大程度的节省资源开销。一个PRS资源在时隙上可以连续占用2/4/6/12个OFDM符号，频域上占据步长为4的 24～272个PRB。一个PRB中的资源密度Δk为2/4/6/12，即每隔Δk个子载波调制一个PRS符号。图2给出了一个PRB内不同频域密度的PRS 资源分布图。图3展示的20ms内的PRS信号传输配置，子载波间隔为 30KHz一个子帧内有2个时隙，PRS占据一个时隙内的6个OFDM符号，定义占空比为

L_on为PRS所占的符号个数，L_All为一个子帧内的符号个数，图中的占空比为

5G下行传输方案采用传统的CP-OFDM传输技术，基站侧根据高层参数配置产生参考信号的伪随机序列。PSS和SSS是由长度为127的m 序列构成，在连续的子载波上进行传输。其中PSS的序列由基站小区组内ID号

进行初始化，SSS序列由基站小区组

和

共同初始化序列，

和

共同构成基站小区ID号。

用于初始化生成PRS和CSIRS的golden序列，经过符号调制和加CP前缀后，发送端第l个OFDM符号上的第n个采样点的数据表示为：

其中，N表示IFFT(Inverse Fast Fourier Transform)点数，S_l(k)表示在k个子载波上的复数信号，N_CP表示CP长度内的采样数。J_l表示第l个 OFDM符号上参考信号所在子载波位置索引。基带离散信号通过数模转换、载波调制得到射频发送信号:

本文先考虑单径信道下的接收机信号模型，其信道响应函数表示为

则接收端接收到的时域信号为

由于仿真实验是在基带上进行处理，接收端信号经过射频载波剥离后的信号模型为：

其中，f_d,k为不同子载波上的多普勒频偏，Δf表示子载波间隔，由于 5G标准中Δf最大可达240KHz，当接收机运动速度较大时，不同子载波上的频偏具有较大的差别。在现有的导航定位接收机结构设计中，均未考虑到这一误差对最终定位结果的影响。因此，本发明将对不同子载波上的载波频偏进行剩余频偏补偿，从而达到较高精度的跟踪结果。

本发明一种5G下行信号间断性跟踪方法，其基于5G蜂窝信号定位接收机实现，该接收机在接收5G下行信号后，会进行载波频率的提取、捕获及跟踪。

一、载波频率提取

接收机对于基站信号处理的第一步是必须将信号转换为帧结构，而执行这一步的前提是要先找到接收信号中SSB所在的频率位置。由于 5G大带宽传输设计，标准中新增的同步栅格(Synchronization Raster,SR)，接收机首先需要在信号传输的整个带宽上执行盲搜索，找到SSB的频率位置，之后才进行定时同步与频偏估计，解算小区基站ID号。全局同步栅格定义在所有频率上，SSB频率位置SS_ref，其对应的编号是全局同步信道号(GlobalSynchronization Channel Number，GSCN)，GSCN参数定义如表1所示。接收机侧已知信号传输中心频率以及SSB的GSCN，根据表1进行频点换算得到SSB所在频率位置SS_ref，对接收信号进行频偏校正。若接收机侧已知了SS_ref，可跳过这一步执行后续的步骤。

表1 GSCN参数定义

二、捕获

如图4所示，5G下行信号的捕获过程也就是小区搜索过程，包括了符号定时同步与初始频偏估计。首先是将接收信号与3组本地PSS信号做相关估计，确定

相关峰的位置表示SSB符号开始时间，用于控制FFT窗口。

由于接收信号在一个OFDM符号内的CP部分与有效符号的最后 CP长度部分存在固定的相位旋转关系，之后采用基于CP的频偏估计方法，在不需要额外辅助信息就能实现频偏的估计：

由于传统的算法抗噪声能力较差，本发明结合SSB在4个符号上进行传输的特点，以牺牲时间复杂度为代价，联合4个OFDM符号的CP 来提高精度。同时考虑到多径效应的影响，CP的前一部分数据可能受到上一个OFDM符号的符号间干扰，本发明在数据处理时CP内的数据延迟N′_CP个采样点后才进行相关计算，N′_CP＜N_CP。改进后的处理过程如下：

得到初始频偏之后，对接收信号进行一个频偏补偿，得到

T_s表示采样间隔，满足T_s＝T/N＝1/(NΔf)，T为一个OFDM符号有效持续时间。

之后对接收信号执行FFT操作，并提取出SSB的资源网格信号，与本地的336组SSS进行相关估计，得到最大相关峰值的SSS序列ID 即为小区组

得到基站小区ID号

之后，生成本地的PRS和CSIRS 信号，与接收信号r_cc(n)进行相关估计，得到初始的TOA估计结果。采用的信道和时延联合估计算法，得到的整数倍时延估计结果对接收信号进行补偿后，用于控制FFT窗口，小数倍时延估计结果用于跟踪环路的初始时延，此时的接收信号的信号模型为：

Frac{τ}∈(-T_s,T_s)

三、跟踪

如图5所示，由于5G参考信号间断性播发的特点，传统的DLL跟踪环路无法实现对于接收信号长时间的相干积分，本发明提出了一种基于卡尔曼滤波的跟踪方法。

(1)跟踪信号模型

根据时域上的移位对应于频域上的相位旋转，可得到本地早码、晚码的信号模型为：

其中ξ＝0.5。

捕获阶段完成，此时接收信号中还剩余一个小数倍时延Frac{τ}以及载波频率误差和载波相位误差。而不同子载波之间的多普勒频偏是有偏差的，捕获阶段得到的初始频偏是相对于中心子载波而言。为了降低载波频偏对码相位估计的影响，本发明提出对不同子载波上的剩余频偏进行补偿。基于OFDM信号模型，不同子载波上的剩余频偏补偿需要在频域上，由于接收到的信号是时域波形，需要进行FFT变换，采样频率偏差、符号定时偏差均会对FFT变换结果带来影响。

因此，对不同子载波频偏的补偿量在本地信号的产生中进行补偿。即本地即时码的信号模型为：

其中，

表示第k个子载波上的剩余频偏。

然后，将接收信号与本地信号进行相干积分，得到

其中，L表示参与相干积分的OFDM符号个数，相干积分时间为L个符号的持续时间T_coh。χ(f_d,k)表示此时不同子载波之间的剩余频偏误差相差，补偿之后可以认为该值近乎与子载波索引无关，在不引起混淆的情况下，记χ(f_d,k)＝Δf_d，为后续需要跟踪的频偏误差。对公式进一步化简，计算可得式(12)中的即时支路相干积分结果为：

I_P＝real(P),Q_P＝imag(P)；

积分结果同样分I\Q支路进行处理。超前、滞后支部的信号模型代入式(10)中的信号同样推导可得。超前支路相干积分结果为：

I_E＝real(E),Q_E＝imag(E)；

滞后支部相干积分结果为：

I_L＝real(L),Q_L＝imag(L)；

real表示信号的实部，imag表示信号的虚部。

将即时支路、超前支路和滞后支路的相干积分结果作为输入输入至鉴别器中，得到码相位误差鉴别函数为：

根据上式得到的码相位鉴别误差为：

其中Δτ₀为公式(11)中由捕获阶段得到的小数倍时延

频率鉴别器采用文献[17]中提出的点积、叉积鉴频算法，载波相位误差鉴别器采用二象限反正切函数。

dot(k)＝I_P(k-1)I_P(k)+Q_P(k-1)Q_P(k)

corss(k)＝I_P(k-1)Q_P(k)-I_P(k)Q_P(k-1) (17)

频率鉴别器的鉴频误差为相邻积分时间间隔的相位误差，相位鉴别器的鉴别误差方差如式(20)所示。

为提高接收机在低载噪比和动态场景下对5G间断信号的跟踪精度，通过上述鉴别器得到接收信号相关参数的初步估计之后，采用卡尔曼滤波器对其进行滤波处理。

(2)卡尔曼滤波

卡尔曼滤波器的系统状态向量X_k为输入信号与本地信号间的码相位误差Δτ、载波相位误差Δφ、载波频率误差Δf_d以及载波频率变化率误差Δf_α，即

X_k＝[Δτ,Δφ,Δf_d,Δf_α]^T (21)

在环路更新时间内，相邻两个时刻系统状态向量的状态转移矩阵为：

状态转移方程表示为：

X_k＝FX_k-1+W_k-1 (23)

F为状态转移矩阵，W_k-1为过程噪声向量。

观测向量由鉴别器输出结果组成：

Z_k＝[δτ,δφ,δf_d]^T (24)

观测向量与系统状态向量之间的观测，观测矩阵表示为：

观测方程为：

Z_k＝HX_k+V_k (26)

V_k为观测噪声向量。

卡尔曼滤波的具体过程如下：

状态预测：

在预测阶段，卡尔曼滤波根据上一次系统状态后验估计

和状态转移矩阵F来得到当前时刻系统状态的先验估计

根据上一时刻的后验估计状态协方差矩阵P_k-1和过程噪声协方差矩阵Q_k-1计算出当前时刻的先验估计误差协方差矩阵

的大小代表了

的可靠程度，

越小表示

的可靠性越高。

测量更新：

获得当前时刻的卡尔曼滤波增益K_k后，根据当前时刻的观测向量Z_k对系统状态先验估计向量

进行修正，得到当前时刻系统状态的后验估计向量

R_k为测量噪声协方差矩阵。

(2)间断性跟踪与观测噪声实时估计

基于5G信号间断性播发的特点，在有信号所在的时间内进行相干积分计算，利用鉴别器得到观测量。在下一个信号传输的时间内，采用状态预测，利用上一次的观测结果来初始化本次本地信号的产生。图6 展示的基于状态预测的间断跟踪，其中“on”表示有信号的持续时间，“off”表示没有信号传输。进一步的，为提高参考信号资源利用率，本文提出联合PRS和CSIRS进行跟踪的方法。即与协议中规定的利用单一端口发送PRS实现测距的方式不同，参考信号联合是利用CSIRS与 PRS其生成序列完全相同，即时域、频域特性相同，只是在不同的天线端口处发送，序列本身都具有良好的相关特性。联合方式分为2种，一种是频域独立，即在同一个OFDM符号上，PRS和CSIRS分别占据不同的子载波，增加可利用的子载波个数。另一种情况是时域独立，即PRS 和CSIRS分别在同一个时隙的不同OFDM符号上传输，增加可利用的参考信号，来提高信号的占空比。

由于在每次跟踪时均采用上一次的跟踪结果进行初始化，跟踪环路需要将预测误差尽量降到最小，因此本小节对跟踪过程的噪声进行实时估计与校正。当测量噪声协方差矩阵R_k变大时，K_k就会变小，导致状态修正量

变小，后验估计

结果更偏向于先验估计

同理，当过程噪声协方差矩阵Q_k-1变大，

变大，相应的K_k也变大，从而导致后验估计结果更靠近于修正项。由此可得，卡尔曼滤波最终状态量与R_k和Q_k-1密切相关，传统的滤波模型中认为二者是固定不变的，采用能够准确反映接收机运动过程和噪声统计特性的参数[18]。在每次状态预测和测量更新过程中，根据信号载噪比和测量残差对观测噪声进行实时估计与校正，动态调整卡尔曼滤波增益。

由于5G参考信号间断性播发的特点，认为在未有信号传输OFDM 符号上仅包含噪声成分，分别对有信号传输和未有信号传输的OFDM符号上的相干积分结果进行分析，估算出信号的载噪比。即:

其中

表示相干积分时间内有信号传输的OFDM符号上的相干积分结果，

表示未有信号传输的OFDM符号上的相干积分结果。得到载噪比之后代入公式(15)(19)(20)，得到鉴别器误差方差，实现对测量噪声的实时估计。

为实现对间断性信号的稳定跟踪以及减少子载波上的剩余频偏对码相位的影响，本文提出了基于KF的信号跟踪方法。本发明在不同 SNR下，传统的基于PLL辅助的DLL跟踪算法与本文提出的算法的码相位跟踪误差进行仿真。仿真场景设置为信噪比从-15dB到25dB，步长为5dB，射频载波频率f_c＝4GHz，接收机匀速运动，速度v＝20m/s，不同子载波间的最大多普勒频偏为2Hz，在此实验中未进行不同子载波之间的频偏补偿。结果表明本文提出的跟踪算法在SNR较低时也能有效的进行跟踪。

PRS占有一个时隙中的2/4/6/12个符号，表2汇总了PRS在这些符号占比下的码相位跟踪误差。由于传统的DLL跟踪算法是基于上一次的相干积分结果对下一次本地信号的产生进行调整，环路跟踪结果受到信号的占空比影响较大，跟踪结果随着占空比的变化存在较大的波动。本文提出的跟踪算法，通过在每次跟踪过程中对噪声进行一次实时估计，动态调整增益矩阵，使得在信号占空比较小的情况下也能进行较为精确的跟踪。

表2不同占空比下的码相位跟踪误差

进一步的，对上述提出的参考信号不同联合方式下的码相位跟踪进行了仿真实验，在不同的SNR下，码相位跟踪的均方根误差情况。其中，Case1表示的是只有PRS时的跟踪结果，Case2表示的是频域独立情况，即PRS和CSIRS在一个时隙内占6个OFDM符号上的不同子载波。Case3 表示的是时域独立，即PRS和CSIRS在一个时隙内各占6个OFDM符号。结果表明，与传统的DLL跟踪环路相比，不同的组合方式下，本文提出的跟踪算法不同程度上的提高了跟踪精度。且当增加参考信号所占 OFDM符号个数时，信号间断时间减少，有效的提高了高动态环境下的码相位跟踪精度。

最后，为验证不同子载波之间的剩余频偏对码相位跟踪结果的影响，本文设置了一组对比实验。系统带宽为100MHz,子载波间隔为30KHz，接收机运动速度100m/s，射频载波频率为7GHz，最高频率的子载波与中心子载波之间的多普勒频偏差值为10Hz。因此，在跟踪过程中，执行 3.3.1中的对不同子载波的剩余频偏进行补偿的步骤。实验结果表明，进行频偏补偿之后的码相位跟踪误差进一步降低。

本文通过分析5G下行SSB与PRS的信号体制，提出了一种5G标准下基于码相位的CP-OFDM信号捕获跟踪环路设计。本文的创新点在于推导了跟踪环路下的CP-OFDM信号模型，对传统的码相位鉴别函数进行了修正。同时针对5G大带宽下存在各个子载波上的多普勒频偏值不同的问题，在跟踪环路设计部分，本地信号的产生过程中对剩余频偏进行了补偿，降低对码相位估计的影响。相比于传统的DLL跟踪环路，本文将鉴别器输出的结果送到KF跟踪环路，弥补了DLL环路在间断性信号下不能进行长时间相干积分的不足。论文最后提出了联合PRS和 CSIRS进行跟踪，增加可利用的参考信号数量，且对KF跟踪过程中的观测噪声进行实时估计与校正。实验结果表明本文提出的跟踪环路设计能够有效降低码相位测距误差。之后还需要进一步研究的工作是完成多个基站下信号的捕获跟踪和定位解算，在这部分的工作中还需要考虑基站间的时间同步误差带来的影响。

以上所述，仅是本发明实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。