CN116828582A - Ta估计方法、网络设备、装置及存储介质 - Google Patents
Ta估计方法、网络设备、装置及存储介质 Download PDFInfo
- Publication number
- CN116828582A CN116828582A CN202210283914.8A CN202210283914A CN116828582A CN 116828582 A CN116828582 A CN 116828582A CN 202210283914 A CN202210283914 A CN 202210283914A CN 116828582 A CN116828582 A CN 116828582A
- Authority
- CN
- China
- Prior art keywords
- peak power
- time delay
- determining
- absolute value
- fractional time
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000001514 detection method Methods 0.000 claims abstract description 125
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 239000006185 dispersion Substances 0.000 abstract description 9
- 230000001502 supplementing effect Effects 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 105
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000007774 longterm Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000008054 signal transmission Effects 0.000 description 6
- 230000001934 delay Effects 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 239000013256 coordination polymer Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供一种TA估计方法、网络设备、装置及存储介质,该方法包括:根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;目标归一化总时延用于表征目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数;根据小数倍时延,更新峰值功率的位置索引值;根据更新后的峰值功率的位置索引值,确定峰值功率的位置相对于目标检测窗起始位置的偏移量;根据偏移量,确定目标检测窗对应的TA估计值。通过小数倍时延调整峰值功率的位置,根据调整后更加精细的峰值功率位置估计TA,不仅可以提升TA估计的准确度,且不需要通过对数据补0等方法提升相关序列时域分辨率,避免了由此带来的功率弥散问题。
Description
技术领域
本申请涉及无线通信技术领域,尤其涉及一种TA估计方法、网络设备、装置及存储介质。
背景技术
物理随机接入信道(Physical Random Access Channel,PRACH)用于完成终端(也称用户设备(User Equipment,UE))与网络设备(例如基站)间的上行同步,为随机接入过程中发送的第一个上行信号(msg1)。网络设备通过接收到的PRACH信号估计终端和网络设备之间的信号传输时延,计算上行发送时间提前量(Timing Advance,TA)发送给终端。终端收到TA后,在根据下行定时得到的上行定时基础上将物理上行共享信道(Physical UplinkShared Channel,PUSCH)的发送时间提前TA,即可保证PUSCH在网络设备期望的接收时刻前后到达。同一小区内所有终端均按照这个过程完成上行同步,这样无论每个终端和网络设备之间的距离多远,其发送的上行信号基本可以同步到达网络设备。如果网络设备估计的TA误差较大,一方面会影响终端在发送PRACH之后发送的其它上行信号的解调性能,另一方面会导致不同终端的信号时间上不同步,相互之间产生干扰。因此,TA估计的准确性非常重要。
现有技术中,根据相关峰值位置估计TA,估计准确度取决于相关序列的时域分辨率。目前常用的提升相关序列时域分辨率的方法是通过频域数据补0来增大快速傅里叶逆变换(Inverse Fast Fourier Transform,IFFT)点数,但这在提高时域分辨率的同时会造成相关序列的功率弥散,即相关峰值功率会分散到左右相邻样点上,补0的个数越多,峰值功率弥散越严重,峰值功率与其他样点功率的比值越小,而接收信号中通常会叠加噪声及干扰,这样有可能会出现峰值位置选错的情况,导致TA估计误差较大。如果频域数据不补0,则相关峰值位置不够精细,同样会导致TA估计误差较大。
发明内容
本申请实施例提供一种TA估计方法、网络设备、装置及存储介质,以提升TA估计的准确度。
第一方面,本申请实施例提供一种时间提前量TA估计方法,包括:
根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;所述目标归一化总时延用于表征所述目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数;
根据所述小数倍时延,更新所述峰值功率的位置索引值;
根据更新后的所述峰值功率的位置索引值,确定所述峰值功率的位置相对于所述目标检测窗起始位置的偏移量;
根据所述偏移量,确定所述目标检测窗对应的TA估计值。
可选地,所述根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延,包括:
根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值;
根据所述小数倍时延的绝对值,以及所述峰值功率和所述次峰值功率之间的初始位置关系,确定所述小数倍时延。
可选地,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及所述目标检测窗对应的ZC根序列的长度,确定所述小数倍时延的绝对值。
可选地,所述小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示所述小数倍时延n0的绝对值,peakratio表示所述第一峰值功率比值,N表示所述目标检测窗对应的ZC根序列的长度。
可选地,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定所述小数倍时延的绝对值。
可选地,所述根据所述第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定所述小数倍时延的绝对值,包括:
按照峰值功率比值从大到小的顺序,依次将所述第一峰值功率比值与预设对应关系表中的峰值功率比值进行比较,确定所述预设对应关系表中小于所述第一峰值功率比值的第1个峰值功率比值所对应的索引值,所述预设对应关系表包括峰值功率比值和小数倍时延绝对值之间的预设对应关系;
根据所述小于所述第一峰值功率比值的第1个峰值功率比值所对应的索引值,确定所述小数倍时延的绝对值。
可选地,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及用于表征峰值功率比值和小数倍时延绝对值之间关联关系的分段函数,确定所述小数倍时延的绝对值。
可选地,所述小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示所述小数倍时延n0的绝对值,peakratio表示所述第一峰值功率比值。
可选地,所述根据所述小数倍时延的绝对值,以及所述峰值功率和所述次峰值功率之间的初始位置关系,确定所述小数倍时延,包括:
在所述次峰值功率的初始位置索引值小于所述峰值功率的初始位置索引值的情况下,确定所述小数倍时延为负数;或者,
在所述次峰值功率的初始位置索引值大于所述峰值功率的初始位置索引值的情况下,确定所述小数倍时延为正数。
可选地,所述根据所述小数倍时延,更新所述峰值功率的位置索引值,包括:
根据所述峰值功率的初始位置索引值和所述小数倍时延之和,更新所述峰值功率的位置索引值。
可选地,在根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延之前,所述方法还包括:
确定与所述峰值功率的初始位置左、右最近邻的两个样点位置的功率;
根据所述左、右最近邻的两个样点位置的功率中的最大值,确定所述次峰值功率。
第二方面,本申请实施例还提供一种网络设备,包括存储器,收发机,处理器:
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;所述目标归一化总时延用于表征所述目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数;
根据所述小数倍时延,更新所述峰值功率的位置索引值;
根据更新后的所述峰值功率的位置索引值,确定所述峰值功率的位置相对于所述目标检测窗起始位置的偏移量;
根据所述偏移量,确定所述目标检测窗对应的时间提前量TA估计值。
可选地,所述根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延,包括:
根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值;
根据所述小数倍时延的绝对值,以及所述峰值功率和所述次峰值功率之间的初始位置关系,确定所述小数倍时延。
可选地,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及所述目标检测窗对应的ZC根序列的长度,确定所述小数倍时延的绝对值。
可选地,所述小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示所述小数倍时延n0的绝对值,peakratio表示所述第一峰值功率比值,N表示所述目标检测窗对应的ZC根序列的长度。
可选地,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定所述小数倍时延的绝对值。
可选地,所述根据所述第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定所述小数倍时延的绝对值,包括:
按照峰值功率比值从大到小的顺序,依次将所述第一峰值功率比值与预设对应关系表中的峰值功率比值进行比较,确定所述预设对应关系表中小于所述第一峰值功率比值的第1个峰值功率比值所对应的索引值,所述预设对应关系表包括峰值功率比值和小数倍时延绝对值之间的预设对应关系;
根据所述小于所述第一峰值功率比值的第1个峰值功率比值所对应的索引值,确定所述小数倍时延的绝对值。
可选地,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及用于表征峰值功率比值和小数倍时延绝对值之间关联关系的分段函数,确定所述小数倍时延的绝对值。
可选地,所述小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示所述小数倍时延n0的绝对值,peakratio表示所述第一峰值功率比值。
可选地,所述根据所述小数倍时延的绝对值,以及所述峰值功率和所述次峰值功率之间的初始位置关系,确定所述小数倍时延,包括:
在所述次峰值功率的初始位置索引值小于所述峰值功率的初始位置索引值的情况下,确定所述小数倍时延为负数;或者,
在所述次峰值功率的初始位置索引值大于所述峰值功率的初始位置索引值的情况下,确定所述小数倍时延为正数。
可选地,所述根据所述小数倍时延,更新所述峰值功率的位置索引值,包括:
根据所述峰值功率的初始位置索引值和所述小数倍时延之和,更新所述峰值功率的位置索引值。
可选地,在根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延之前,所述操作还包括:
确定与所述峰值功率的初始位置左、右最近邻的两个样点位置的功率;
根据所述左、右最近邻的两个样点位置的功率中的最大值,确定所述次峰值功率。
第三方面,本申请实施例还提供一种时间提前量TA估计装置,包括:
第一确定单元,用于根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;所述目标归一化总时延用于表征所述目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数;
更新单元,用于根据所述小数倍时延,更新所述峰值功率的位置索引值;
第二确定单元,用于根据更新后的所述峰值功率的位置索引值,确定所述峰值功率的位置相对于所述目标检测窗起始位置的偏移量;
第三确定单元,用于根据所述偏移量,确定所述目标检测窗对应的TA估计值。
第四方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行如上所述第一方面所述的TA估计方法的步骤。
第五方面,本申请实施例还提供一种通信设备,所述通信设备中存储有计算机程序,所述计算机程序用于使通信设备执行如上所述第一方面所述的TA估计方法的步骤。
第六方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使处理器执行如上所述第一方面所述的TA估计方法的步骤。
第七方面,本申请实施例还提供一种芯片产品,所述芯片产品中存储有计算机程序,所述计算机程序用于使芯片产品执行如上所述第一方面所述的TA估计方法的步骤。
本申请实施例提供的TA估计方法、网络设备、装置及存储介质,通过根据峰值功率和次峰值功率确定小数倍时延,再根据小数倍时延调整峰值功率的位置,根据调整后更加精细的峰值功率位置来进行TA估计,不仅可以提升TA估计的准确度,且不需要通过对数据补0等方法提升相关序列时域分辨率,可以避免由此带来的功率弥散问题。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的TA估计方法的流程示意图;
图2是本申请实施例提供的峰值功率比值随小数倍时延绝对值变化的曲线图;
图3是本申请实施例提供的网络设备的结构示意图;
图4是本申请实施例提供的TA估计装置的结构示意图。
具体实施方式
本申请实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于更加清晰地理解本申请各实施例的技术方案,首先对本申请各实施例相关的一些技术内容进行介绍。
4G长期演进(Long Term Evolution,LTE)与5G新空口(New Radio,NR)系统均采用正交频分复用多址(Orthogonal Frequency Division Multiple Access,OFDMA)技术,为保证小区内不同终端信号之间的正交性,避免终端间干扰,引入了上行定时同步过程,每个终端的上行信号发送时间提前量TA应该等于该终端和基站间信号单程传输时延TP的2倍,基站通过每个终端发送的PRACH来估计该终端的TA。
NR系统的PRACH由循环前缀CP、Zadoff-Chu(ZC)序列(即preamble序列)和保护间隔GT三部分组成,PRACH所用的ZC序列具有良好的自相关和互相关特性,因此可以采用序列相关的方法对接收到的PRACH信号进行检测,并估计TA。
以下提供一种TA估计方法的主要流程:
Step1:从接收的PRACH时域信号中提取preamble序列,去掉CP和GT部分。
Step2:用接收preamble序列与ZC根序列做相关,并计算相关序列中每个样点的功率。序列相关可以用FFT&IFFT实现,可以通过频域补0增加IFFT点数的方式提高相关序列的时域分辨率。
Step3:将相关序列划分为若干个检测窗,在每个检测窗内搜索功率最大的样点(即相关峰值),计算相关峰值位置相对于其所在检测窗起始位置的偏移量Δpos,其中检测窗起始位置为信号传输时延为0时对应的相关峰值位置。
Step4:将相关峰值位置偏移量Δpos按下式折算为TA。
上式中,TAfloat表示TA估计值,ΔfRA为PRACH子载波间隔,NIFFT为序列相关过程中IFFT点数,NIFFT≥LRA,LRA指ZC序列长度,u为PUSCH的子载波间隔指数。
基站实际发给终端的TA为整数,因此需要对以上浮点结果TAfloat进行取整,取整方式可以为下取整或者四舍五入。
根据相关峰值位置估计TA,估计准确度取决于相关序列的时域分辨率,即,相关序列相邻2个样点的时间间隔Δt越小,则时域分辨率越高。在有较强直射径的信道环境中,多径分量较少,信号传输时延基本等于直射径时延,相关序列一般只有一个较大峰值,根据峰值位置计算的信号传输时延与直射径时延之间的差值最大为/>因此,减小Δt,提高相关序列时域分辨率,可以使相关峰值位置更接近直射径时延,使TA估计更加准确。
常用的提升相关序列时域分辨率的方法是通过频域数据补0来增大IFFT点数NIFFT,但这在提高时域分辨率的同时会造成相关序列的功率弥散,即,相关峰值功率会分散到左右相邻样点上,补0的个数越多,峰值功率弥散越严重,峰值功率与其他样点功率的比值越小,而接收信号中通常会叠加噪声及干扰,这样有可能会出现峰值位置选错的情况,导致TA估计误差较大。
如果频域数据不补0,直接做LRA点离散傅里叶逆变换(Inverse Discrete FourierTransform,IDFT),不会存在上述功率弥散问题,但是此时较大,相关峰值位置不够精细,估计的信号传输时延与真实的直射径时延之间的偏差可能会较大,这样TA估计误差也较大。
针对上述问题,本申请各实施例提供一种解决方案,根据相关峰值与左右相邻的次峰值功率的比值以及相关峰值与次峰值的位置关系准确计算出归一化总时延中的小数倍时延,从而精确估计TA。而且,由于可以准确得到小数倍时延,所以即便不提高相关序列的时域分辨率,也可以根据小数倍时延得到更加精细的相关峰值位置,从而避免了通过对频域数据补0等方法提升相关序列的时域分辨率时所带来的功率弥散问题。
以下对本申请各实施例提供的技术方案的思想进行介绍。
有时延时ZC序列相关功率理论表达式如下:
上式中,N为ZC序列长度,n+n0为归一化总时延,即,信号时延相对于ZC序列样点间隔的倍数,其中n为非负整数,表示的是归一化总时延中的整数倍时延,n0为-0.5~0.5之间的小数,表示的是归一化总时延中的小数倍时延。
如果n0=0,上式只在m=n处有一个非零值,m取其它值处均为0。如果n0≠0,上式在m=n-1、n或n+1处出现极大值,m等于其它值处|R(m)|2也有非零值,此时ZC序列相关功率发生弥散,但弥散的功率主要分布在峰值左右相邻样点上,距离峰值越远的样点上弥散的功率越小。以下为n0≠0时,m=n-1、n和n+1处的相关功率值。
如果0<n0≤0.5,|R(n)|2≥|R(n+1)|2>|R(n-1)|2,峰值功率与次峰值功率比值 由此可以计算出小数倍时延/>再将相关峰值位置n替换为n+n0用来计算TA。
如果-0.5≤n0<0,|R(n)|2≥|R(n-1)|2>|R(n+1)|2,峰值功率与次峰值功率比值 由此可以计算出小数倍时延/>再将相关峰值位置n替换为n+n0用来计算TA。
综合以上两种情况可以看出,本申请各实施例提供的TA估计方案,不需要通过补0增大IFFT点数来提升相关序列时域分辨率,只要利用N点相关功率数据,根据相关峰值与左右相邻的次峰值功率的比值以及相关峰值与次峰值的位置关系即可准确计算出小数倍时延n0,将相关峰值位置n替换为n+n0,得到更加精细的相关峰值位置,从而精确估计TA。
图1为本申请实施例提供的TA估计方法的流程示意图,该方法可应用于网络设备(例如基站),如图1所示,该方法包括如下步骤:
步骤100、根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;目标归一化总时延用于表征目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数。
具体地,网络设备在接收到任一终端发送的PRACH后,从接收的PRACH时域信号中提取preamble序列,用接收的preamble序列与ZC根序列做相关,并计算相关序列中每个样点的功率。相关序列划分为若干个检测窗,对于该终端对应的目标检测窗,网络设备可以根据该目标检测窗的峰值功率(即检测窗的各样点功率中的最大值)和次峰值功率(即检测窗的各样点功率中的第二大值),确定目标归一化总时延中的小数倍时延,也即前文所述的n0。例如,可以根据峰值功率和次峰值功率之间的比值,以及峰值功率与次峰值功率之间的相对位置关系,通过前文所述的公式得到n0的值。
可选地,在根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延之前,该方法还包括:
确定与峰值功率的初始位置左、右最近邻的两个样点位置的功率;
根据左、右最近邻的两个样点位置的功率中的最大值,确定次峰值功率。
具体地,根据前文所述,如果n0=0,ZC序列相关功率只有一个非零值,该非零值即为相关峰值,此时可以直接根据相关峰值的位置计算相关峰值位置相对于其所在检测窗起始位置的偏移量Δpos,进而得到TA估计值。而如果n0≠0,ZC序列相关功率会发生弥散,即会出现多个非零值,弥散的功率主要分布在峰值左右相邻样点上,距离峰值越远的样点上弥散的功率越小,因此次峰值功率通常出现在离峰值功率的位置最近的左边或右边样点位置上。
本申请实施例中,在确定次峰值功率时,可以先确定与峰值功率的初始位置左、右最近邻的两个样点位置的功率,再比较这两个样点位置的功率,将其中更大的功率作为次峰值功率。例如,峰值功率的初始位置为n,其左边最近邻的样点位置为n-1,其右边最近邻的样点位置为n+1,则可以分别获取n-1位置处和n+1位置处的样点功率,然后,比较这两个位置处的样点功率,取其中更大的一个样点功率作为次峰值功率。仅比较与峰值功率的初始位置左、右最近邻的两个样点位置的功率即可确定次峰值功率,大大减少了运算量。
步骤101、根据小数倍时延,更新峰值功率的位置索引值。
具体地,确定n0的值之后,便可以根据n0的值更新峰值功率的位置索引值,使得用于估计TA的相关峰值位置更加精细和准确。
可选地,根据小数倍时延,更新峰值功率的位置索引值,可以包括:根据峰值功率的初始位置索引值和小数倍时延之和,更新峰值功率的位置索引值。例如,假设峰值功率的初始位置索引值为n,在确定小数倍时延n0的值之后,可以将峰值功率的初始位置索引值n加上n0,作为更新后的峰值功率的位置索引值,也即用n+n0替换n进行TA估计。
步骤102、根据更新后的峰值功率的位置索引值,确定峰值功率的位置相对于目标检测窗起始位置的偏移量。
具体地,更新峰值功率的位置索引值之后,可以根据更新后的峰值功率的位置索引值,来计算峰值功率的位置相对于其所在目标检测窗起始位置的偏移量。例如,峰值功率的初始位置索引值为n,更新后峰值功率的位置索引值为n+n0,目标检测窗起始位置的索引值为x,则可以将n+n0和x之间的差值作为峰值功率的位置相对于其所在目标检测窗起始位置的偏移量。
步骤103、根据偏移量,确定目标检测窗对应的TA估计值。
具体地,确定峰值功率的位置相对于目标检测窗起始位置的偏移量之后,便可以根据该偏移量,计算该目标检测窗对应的TA估计值,后续可以将估计的TA值取整后发送给该目标检测窗对应的终端。
一种可能的实现方式中,可以根据以下公式计算目标检测窗对应的TA估计值:
式中,TAfloat表示目标检测窗对应的TA估计值,Δpos表示上述确定的偏移量,NIFFT表示目标检测窗对应的序列相关过程中IFFT点数,ΔfRA表示目标检测窗对应的PRACH子载波间隔,u表示目标检测窗对应的终端发送PUSCH的子载波间隔指数。
本申请实施例提供的TA估计方法,通过根据峰值功率和次峰值功率确定小数倍时延,再根据小数倍时延调整峰值功率的位置,根据调整后更加精细的峰值功率位置来进行TA估计,不仅可以提升TA估计的准确度,且不需要通过对数据补0等方法提升相关序列时域分辨率,可以避免由此带来的功率弥散问题。
可选地,根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延,包括:
根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值;
根据小数倍时延的绝对值,以及峰值功率和次峰值功率之间的初始位置关系,确定小数倍时延。
具体地,本申请实施例中,确定小数倍时延时,可以先根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,例如,可以将目标检测窗的峰值功率除以次峰值功率得到第一峰值功率比值,根据该第一峰值功率比值,通过理论计算、查表、分段函数近似或加权平均近似等多种方法得到小数倍时延的绝对值。
然后,根据峰值功率和次峰值功率之间的初始位置关系确定小数倍时延的符号,最终得到小数倍时延的值。
通过先确定小数倍时延的绝对值,再根据峰值功率和次峰值功率的相对位置关系确定小数倍时延的符号,使得确定小数倍时延的方式可以更加灵活多样,从而提升了TA估计的灵活性,有利于简单快速地进行TA估计。
可选地,根据小数倍时延的绝对值,以及峰值功率和次峰值功率之间的初始位置关系,确定小数倍时延,包括:
在次峰值功率的初始位置索引值小于峰值功率的初始位置索引值的情况下,确定小数倍时延为负数;或者,
在次峰值功率的初始位置索引值大于峰值功率的初始位置索引值的情况下,确定小数倍时延为正数。
可以理解,在n0≠0的情况下,ZC序列相关功率会发生弥散,弥散的功率主要分布在峰值左右相邻样点上,距离峰值越远的样点上弥散的功率越小,因此次峰值功率通常出现在离峰值功率的位置最近的左边或右边样点位置上,n0<0时,次峰值功率的位置在峰值功率的位置左边,n0>0时,次峰值功率的位置在峰值功率的位置右边,故而可以根据峰值功率和次峰值功率的相对位置关系确定n0为正数还是负数。
本申请实施例中,可以通过比较峰值功率的初始位置索引值和次峰值功率的初始位置索引值,确定峰值功率和次峰值功率的相对位置关系,从而确定小数倍时延的正负号。例如,若次峰值功率的初始位置索引值小于峰值功率的初始位置索引值,表明次峰值功率的初始位置在峰值功率的初始位置左边,则可以确定小数倍时延为负数;若次峰值功率的初始位置索引值大于峰值功率的初始位置索引值,表明次峰值功率的初始位置在峰值功率的初始位置右边,则可以确定小数倍时延为正数。通过位置索引值判断峰值功率和次峰值功率的相对位置关系,可以准确地确定小数倍时延的符号,且实现简单。
可选地,根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,包括:
根据第一峰值功率比值,以及目标检测窗对应的ZC根序列的长度,确定小数倍时延的绝对值。
具体地,本申请实施例中,可以根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,以及目标检测窗对应的ZC根序列的长度,确定小数倍时延的绝对值。从前文所述可以看出,小数倍时延、峰值功率比值以及ZC根序列长度三者之间存在一定的函数关系,因此可以根据三者之间的函数关系,在确定峰值功率比值以及ZC根序列长度之后,计算出小数倍时延的绝对值,从而可以通过理论计算得到最为准确的小数倍时延计算结果。
可选地,小数倍时延的绝对值可以通过以下公式确定:
式中,|n0|表示小数倍时延n0的绝对值,peakratio表示第一峰值功率比值,N表示目标检测窗对应的ZC根序列的长度。
具体地,峰值功率和次峰值功率比值peakratio与小数倍时延绝对值|n0|之间的函数关系理论表达式分别如下:
因此,找到峰值功率和次峰值功率,计算得到峰值功率比值peakratio之后,可以先代入上式计算得到小数倍时延的绝对值|n0|,然后根据峰值功率和次峰值功率之间的相对位置关系,确定n0的正负号,进而确定n0的值。
在确定峰值功率比值以及ZC根序列长度之后,代入预设的|n0|理论计算公式,可以快速得到准确的小数倍时延计算结果。
可选地,根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,包括:
根据第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定小数倍时延的绝对值。
具体地,本申请实施例中,可以预先设置不同的峰值功率比值和小数倍时延绝对值之间的对应关系,从而在得到目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值之后,可以根据峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定该第一峰值功率比值所对应的小数倍时延的绝对值。
通过预设峰值功率比值和小数倍时延绝对值之间的对应关系,在得到目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值之后,可以快速地根据预设对应关系得到第一峰值功率比值所对应的小数倍时延的绝对值,从而提升了TA估计的效率。
一种可能的实现方式中,预设对应关系可以是通过预设对应关系表的形式体现。比如可以根据前文所述的小数倍时延绝对值的理论计算公式,计算得到不同峰值功率比值所对应的小数倍时延的绝对值,然后将不同峰值功率比值对应的小数倍时延绝对值预存在表格中。当然,峰值功率比值和小数倍时延绝对值之间的预设对应关系也可以是以其他方式体现,在此并不限制。
峰值功率比值和小数倍时延绝对值之间的预设对应关系以预设对应关系表的形式体现时,可以预存峰值功率和次峰值功率之间的峰值功率比值vs小数倍时延绝对值的表格,计算得到第一峰值功率比值之后,查表得到对应的小数倍时延绝对值|n0|,再根据峰值功率和次峰值功率的相对位置关系确定n0的正负号。其中,查表方法可以有多种,比如可以用第一峰值功率比值左右边界对应的|n0|的均值作为查表返回的值,也可以是直接返回左边界或者右边界对应的|n0|的值,还可以是其它的处理方法。
以下面的表1为例,ZC根序列长度N=839,小数倍时延绝对值的颗粒度为0.01(为保证小数倍时延估计精度,表格中小数倍时延绝对值的颗粒度可以设置的小一点),每个小数倍时延绝对值对应一个峰值功率比值,表格中总共有0.5/0.01*2=100个数值。假设根据目标检测窗的峰值功率和次峰值功率得到第一峰值功率比值为2000,则在进行查表时,可以看出,2000落在1045.44和2400.99之间,峰值功率比值1045.44对应的小数倍时延绝对值为0.03,峰值功率比值2400.99对应的小数倍时延绝对值为0.02,那么,查表时可以用2000左右边界对应的小数倍时延绝对值的均值(即(0.02+0.03)/2=0.025)作为查表返回的值,也可以是直接返回左边界或者右边界对应的小数倍时延绝对值,即0.03或者0.02。
表1小数倍时延绝对值与峰值功率比值对照表
可选地,根据第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定小数倍时延的绝对值,包括:
按照峰值功率比值从大到小的顺序,依次将第一峰值功率比值与预设对应关系表中的峰值功率比值进行比较,确定预设对应关系表中小于第一峰值功率比值的第1个峰值功率比值所对应的索引值,预设对应关系表包括峰值功率比值和小数倍时延绝对值之间的预设对应关系;
根据小于第一峰值功率比值的第1个峰值功率比值所对应的索引值,确定小数倍时延的绝对值。
一种可能的实现方式中,基于预设对应关系表确定小数倍时延的绝对值,可以先按照峰值功率比值从大到小的顺序,依次将第一峰值功率比值与预设对应关系表中的峰值功率比值进行比较,确定预设对应关系表中小于该第一峰值功率比值的第1个峰值功率比值所对应的索引值。其中,预设对应关系中,索引值可以按照小数倍时延绝对值从小到大的顺序依次增加,也可以按照小数倍时延绝对值从大到小的顺序依次增加,也可以是与小数倍时延绝对值之间有其他的对应关系,在此并不限制。
以表1为例,假设表中每一组小数倍时延绝对值-峰值功率比值对应一个索引值,且索引值按照小数倍时延绝对值从小到大的顺序依次增加,比如0.01-9800.96对应索引值1,0.02-2400.99对应索引值2,…,0.50-1.00对应索引值50,假设根据目标检测窗的峰值功率和次峰值功率得到第一峰值功率比值为2000,那么可以确定表1中小于该第一峰值功率比值的第1个峰值功率比值为1045.44,其所对应的索引值为3,然后可以根据该索引值确定该第一峰值功率比值所对应的小数倍时延绝对值。例如,可以将索引值3对应的小数倍时延绝对值0.03作为该第一峰值功率比值所对应的小数倍时延绝对值,也可以将索引值3对应的小数倍时延绝对值和索引值2对应的小数倍时延绝对值求取平均值作为该第一峰值功率比值所对应的小数倍时延绝对值,还可以是其他的处理方法。通过索引值获取对应的小数倍时延绝对值,可以有效提升查表效率。
可选地,小数倍时延的绝对值可以通过以下公式确定:
式中,|n0|表示小数倍时延n0的绝对值,index表示小于功率比值的第1个峰值功率比值所对应的索引值,L表示预设对应关系表中小数倍时延绝对值的个数,table(index-1,1)和table(index,1)分别表示预设对应关系表中索引值index-1和索引值index所对应的小数倍时延绝对值;该预设对应关系表中,索引值按照小数倍时延绝对值从小到大的顺序依次增加。
仍以上述表1为例,将表格中所存数据记作矩阵table,其维度为L*2,L为表1中小数倍时延绝对值的个数,table(index,1)返回的是索引值index对应的小数倍时延绝对值。在确定第一峰值功率比值(仍以2000为例)之后,可以将第一峰值功率比值与表1中的峰值功率比值从第1个开始依次进行比较,找到表1中小于第一峰值功率比值的第1个峰值功率比值的索引值index,为3,那么,可以将table(2,1)和table(3,1)返回的小数倍时延绝对值求取平均值,即(0.02+0.03)/2=0.025,便可以输出第一峰值功率比值2000所对应的小数倍时延的绝对值0.025。通过求取平均值的方式,可以使得查表得到的结果更加接近理论计算值。
可选地,根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,包括:
根据第一峰值功率比值,以及用于表征峰值功率比值和小数倍时延绝对值之间关联关系的分段函数,确定小数倍时延的绝对值。
具体地,本申请实施例中,可以预先设置用于表征峰值功率比值和小数倍时延绝对值之间关联关系的分段函数,分段函数可以通过对峰值功率比值与小数倍时延绝对值之间的函数关系理论表达式进行分段近似得到,从而可以将复杂的计算表达式近似为简单的线性函数,在计算小数倍时延的绝对值时可以有效减少运算量。
一种可能的实现方式中,可以先根据峰值功率比值与小数倍时延绝对值之间的函数关系理论表达式,计算不同的小数倍时延绝对值对应的峰值功率比值,图2为本申请实施例提供的峰值功率比值随小数倍时延绝对值变化的曲线图,如图2所示,图中曲线是以小数倍时延绝对值为横坐标、峰值与次峰值功率比值(即峰值功率和次峰值功率之间的峰值功率比值)为纵坐标所画出的理论曲线,也可以将横坐标和纵坐标交换,即以小数倍时延绝对值为纵坐标、峰值功率比值为横坐标,再用分段函数的多个折线来近似理论曲线,即可得到分段函数的曲线,分段函数曲线的每一段都为直线段,对应分段函数的每一段都为简单的线性函数。
可选地,本申请实施例提供一种分段函数的表达式,小数倍时延的绝对值可以通过以下公式确定:
式中,|n0|表示小数倍时延n0的绝对值,peakratio表示第一峰值功率比值。将根据目标检测窗的峰值功率和次峰值功率计算出来的第一峰值功率比值代入以上分段函数表达式中即可得到对应的小数倍时延的绝对值|n0|,再根据峰值功率和次峰值功率的相对位置关系便可以确定n0的值。
可选地,小数倍时延的绝对值还可以通过以下公式确定:
式中,|n0|表示小数倍时延n0的绝对值,peakratio表示第一峰值功率比值。
具体地,本申请实施例提供一种确定小数倍时延的绝对值的方法,其本质是将峰值位置和次峰值位置分别用各自的功率值进行加权平均,用平均后的结果作为更新的峰值位置来计算TA。推导如下:
假设峰值位置为n,次峰值位置为n-1或n+1,峰值功率和次峰值功率分别为Pmax和Psub,那么更新的峰值位置为:
所以n0=nupdate-n,通过这种方法,可以进一步简化运算,减少计算资源的消耗,提升TA估计的效率。
本申请各实施例提供的方法和装置是基于同一申请构思的,由于方法和装置解决问题的原理相似,因此装置和方法的实施可以相互参见,重复之处不再赘述。
图3为本申请实施例提供的网络设备的结构示意图,如图3所示,该网络设备包括存储器320,收发机310和处理器300;其中,处理器300与存储器320也可以物理上分开布置。
存储器320,用于存储计算机程序;收发机310,用于在处理器300的控制下收发数据。
具体地,收发机310用于在处理器300的控制下接收和发送数据。
其中,在图3中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器300代表的一个或多个处理器和存储器320代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本申请不再对其进行进一步描述。总线接口提供接口。收发机310可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元,这些传输介质包括无线信道、有线信道、光缆等传输介质。
处理器300负责管理总线架构和通常的处理,存储器320可以存储处理器300在执行操作时所使用的数据。
处理器300可以是中央处理器(Central Processing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或复杂可编程逻辑器件(Complex Programmable LogicDevice,CPLD),处理器也可以采用多核架构。
处理器300通过调用存储器320存储的计算机程序,用于按照获得的可执行指令执行本申请实施例提供的任一所述方法,例如:根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;目标归一化总时延用于表征目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数;根据小数倍时延,更新峰值功率的位置索引值;根据更新后的峰值功率的位置索引值,确定峰值功率的位置相对于目标检测窗起始位置的偏移量;根据偏移量,确定目标检测窗对应的TA估计值。
可选地,根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延,包括:
根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值;
根据小数倍时延的绝对值,以及峰值功率和次峰值功率之间的初始位置关系,确定小数倍时延。
可选地,根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,包括:
根据第一峰值功率比值,以及目标检测窗对应的ZC根序列的长度,确定小数倍时延的绝对值。
可选地,小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示小数倍时延n0的绝对值,peakratio表示第一峰值功率比值,N表示目标检测窗对应的ZC根序列的长度。
可选地,根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,包括:
根据第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定小数倍时延的绝对值。
可选地,根据第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定小数倍时延的绝对值,包括:
按照峰值功率比值从大到小的顺序,依次将第一峰值功率比值与预设对应关系表中的峰值功率比值进行比较,确定预设对应关系表中小于第一峰值功率比值的第1个峰值功率比值所对应的索引值,预设对应关系表包括峰值功率比值和小数倍时延绝对值之间的预设对应关系;
根据小于第一峰值功率比值的第1个峰值功率比值所对应的索引值,确定小数倍时延的绝对值。
可选地,根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,包括:
根据第一峰值功率比值,以及用于表征峰值功率比值和小数倍时延绝对值之间关联关系的分段函数,确定小数倍时延的绝对值。
可选地,小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示小数倍时延n0的绝对值,peakratio表示第一峰值功率比值。
可选地,根据小数倍时延的绝对值,以及峰值功率和次峰值功率之间的初始位置关系,确定小数倍时延,包括:
在次峰值功率的初始位置索引值小于峰值功率的初始位置索引值的情况下,确定小数倍时延为负数;或者,
在次峰值功率的初始位置索引值大于峰值功率的初始位置索引值的情况下,确定小数倍时延为正数。
可选地,根据小数倍时延,更新峰值功率的位置索引值,包括:
根据峰值功率的初始位置索引值和小数倍时延之和,更新峰值功率的位置索引值。
可选地,在根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延之前,该方法还包括:
确定与峰值功率的初始位置左、右最近邻的两个样点位置的功率;
根据左、右最近邻的两个样点位置的功率中的最大值,确定次峰值功率。
在此需要说明的是,本申请实施例提供的上述网络设备,能够实现上述方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图4为本申请实施例提供的TA估计装置的结构示意图,该装置可应用于网络设备,如图4所示,该装置包括:
第一确定单元400,用于根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;目标归一化总时延用于表征目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数;
更新单元410,用于根据小数倍时延,更新峰值功率的位置索引值;
第二确定单元420,用于根据更新后的峰值功率的位置索引值,确定峰值功率的位置相对于目标检测窗起始位置的偏移量;
第三确定单元430,用于根据偏移量,确定目标检测窗对应的TA估计值。
可选地,根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延,包括:
根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值;
根据小数倍时延的绝对值,以及峰值功率和次峰值功率之间的初始位置关系,确定小数倍时延。
可选地,根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,包括:
根据第一峰值功率比值,以及目标检测窗对应的ZC根序列的长度,确定小数倍时延的绝对值。
可选地,小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示小数倍时延n0的绝对值,peakratio表示第一峰值功率比值,N表示目标检测窗对应的ZC根序列的长度。
可选地,根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,包括:
根据第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定小数倍时延的绝对值。
可选地,根据第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定小数倍时延的绝对值,包括:
按照峰值功率比值从大到小的顺序,依次将第一峰值功率比值与预设对应关系表中的峰值功率比值进行比较,确定预设对应关系表中小于第一峰值功率比值的第1个峰值功率比值所对应的索引值,预设对应关系表包括峰值功率比值和小数倍时延绝对值之间的预设对应关系;
根据小于第一峰值功率比值的第1个峰值功率比值所对应的索引值,确定小数倍时延的绝对值。
可选地,根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定小数倍时延的绝对值,包括:
根据第一峰值功率比值,以及用于表征峰值功率比值和小数倍时延绝对值之间关联关系的分段函数,确定小数倍时延的绝对值。
可选地,小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示小数倍时延n0的绝对值,peakratio表示第一峰值功率比值。
可选地,根据小数倍时延的绝对值,以及峰值功率和次峰值功率之间的初始位置关系,确定小数倍时延,包括:
在次峰值功率的初始位置索引值小于峰值功率的初始位置索引值的情况下,确定小数倍时延为负数;或者,
在次峰值功率的初始位置索引值大于峰值功率的初始位置索引值的情况下,确定小数倍时延为正数。
可选地,根据小数倍时延,更新峰值功率的位置索引值,包括:
根据峰值功率的初始位置索引值和小数倍时延之和,更新峰值功率的位置索引值。
可选地,第一确定单元400还用于:
确定与峰值功率的初始位置左、右最近邻的两个样点位置的功率;
根据左、右最近邻的两个样点位置的功率中的最大值,确定次峰值功率。
需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在此需要说明的是,本申请实施例提供的上述装置,能够实现上述方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
另一方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行上述各实施例提供的TA估计方法。
在此需要说明的是,本申请实施例提供的计算机可读存储介质,能够实现上述方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
所述计算机可读存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
本申请实施例提供的技术方案可以适用于多种系统,尤其是5G系统。例如适用的系统可以是全球移动通讯(global system of mobile communication,GSM)系统、码分多址(code division multiple access,CDMA)系统、宽带码分多址(Wideband CodeDivision Multiple Access,WCDMA)通用分组无线业务(general packet radio service,GPRS)系统、长期演进(long term evolution,LTE)系统、LTE频分双工(frequencydivision duplex,FDD)系统、LTE时分双工(time division duplex,TDD)系统、高级长期演进(long term evolution advanced,LTE-A)系统、通用移动系统(universal mobiletelecommunication system,UMTS)、全球互联微波接入(worldwide interoperabilityfor microwave access,WiMAX)系统、5G新空口(New Radio,NR)系统等。这多种系统中均包括终端设备和网络设备。系统中还可以包括核心网部分,例如演进的分组系统(EvlovedPacket System,EPS)、5G系统(5GS)等。
本申请实施例涉及的终端,可以是指向用户提供语音和/或数据连通性的设备,具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备等。在不同的系统中,终端的名称可能也不相同,例如在5G系统中,终端可以称为用户设备(UserEquipment,UE)。无线终端设备可以经无线接入网(Radio Access Network,RAN)与一个或多个核心网(Core Network,CN)进行通信,无线终端设备可以是移动终端设备,如移动电话(或称为“蜂窝”电话)和具有移动终端设备的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语言和/或数据。例如,个人通信业务(Personal Communication Service,PCS)电话、无绳电话、会话发起协议(SessionInitiated Protocol,SIP)话机、无线本地环路(Wireless Local Loop,WLL)站、个人数字助理(Personal Digital Assistant,PDA)等设备。无线终端设备也可以称为系统、订户单元(subscriber unit)、订户站(subscriber station),移动站(mobile station)、移动台(mobile)、远程站(remote station)、接入点(access point)、远程终端设备(remoteterminal)、接入终端设备(access terminal)、用户终端设备(user terminal)、用户代理(user agent)、用户装置(user device),本申请实施例中并不限定。
本申请实施例涉及的网络设备,可以是基站,该基站可以包括多个为终端提供服务的小区。根据具体应用场合不同,基站又可以称为接入点,或者可以是接入网中在空中接口上通过一个或多个扇区与无线终端设备通信的设备,或者其它名称。网络设备可用于将收到的空中帧与网际协议(Internet Protocol,IP)分组进行相互更换,作为无线终端设备与接入网的其余部分之间的路由器,其中接入网的其余部分可包括网际协议(IP)通信网络。网络设备还可协调对空中接口的属性管理。例如,本申请实施例涉及的网络设备可以是全球移动通信系统(Global System for Mobile communications,GSM)或码分多址接入(Code Division Multiple Access,CDMA)中的网络设备(Base Transceiver Station,BTS),也可以是带宽码分多址接入(Wide-band Code Division Multiple Access,WCDMA)中的网络设备(NodeB),还可以是长期演进(long term evolution,LTE)系统中的演进型网络设备(evolutional Node B,eNB或e-NodeB)、5G网络架构(next generation system)中的5G基站(gNB),也可以是家庭演进基站(Home evolved Node B,HeNB)、中继节点(relaynode)、家庭基站(femto)、微微基站(pico)等,本申请实施例中并不限定。在一些网络结构中,网络设备可以包括集中单元(centralized unit,CU)节点和分布单元(distributedunit,DU)节点,集中单元和分布单元也可以地理上分开布置。
网络设备与终端之间可以各自使用一或多根天线进行多输入多输出(MultiInput Multi Output,MIMO)传输,MIMO传输可以是单用户MIMO(Single User MIMO,SU-MIMO)或多用户MIMO(Multiple User MIMO,MU-MIMO)。根据根天线组合的形态和数量,MIMO传输可以是2D-MIMO、3D-MIMO、FD-MIMO或massive-MIMO,也可以是分集传输或预编码传输或波束赋形传输等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中,使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (24)
1.一种时间提前量TA估计方法,其特征在于,包括:
根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;所述目标归一化总时延用于表征所述目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数;
根据所述小数倍时延,更新所述峰值功率的位置索引值;
根据更新后的所述峰值功率的位置索引值,确定所述峰值功率的位置相对于所述目标检测窗起始位置的偏移量;
根据所述偏移量,确定所述目标检测窗对应的TA估计值。
2.根据权利要求1所述的TA估计方法,其特征在于,所述根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延,包括:
根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值;
根据所述小数倍时延的绝对值,以及所述峰值功率和所述次峰值功率之间的初始位置关系,确定所述小数倍时延。
3.根据权利要求2所述的TA估计方法,其特征在于,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及所述目标检测窗对应的ZC根序列的长度,确定所述小数倍时延的绝对值。
4.根据权利要求3所述的TA估计方法,其特征在于,所述小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示所述小数倍时延n0的绝对值,peakratio表示所述第一峰值功率比值,N表示所述目标检测窗对应的ZC根序列的长度。
5.根据权利要求2所述的TA估计方法,其特征在于,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定所述小数倍时延的绝对值。
6.根据权利要求5所述的TA估计方法,其特征在于,所述根据所述第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定所述小数倍时延的绝对值,包括:
按照峰值功率比值从大到小的顺序,依次将所述第一峰值功率比值与预设对应关系表中的峰值功率比值进行比较,确定所述预设对应关系表中小于所述第一峰值功率比值的第1个峰值功率比值所对应的索引值,所述预设对应关系表包括峰值功率比值和小数倍时延绝对值之间的预设对应关系;
根据所述小于所述第一峰值功率比值的第1个峰值功率比值所对应的索引值,确定所述小数倍时延的绝对值。
7.根据权利要求2所述的TA估计方法,其特征在于,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及用于表征峰值功率比值和小数倍时延绝对值之间关联关系的分段函数,确定所述小数倍时延的绝对值。
8.根据权利要求2所述的TA估计方法,其特征在于,所述小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示所述小数倍时延n0的绝对值,peakratio表示所述第一峰值功率比值。
9.根据权利要求2所述的TA估计方法,其特征在于,所述根据所述小数倍时延的绝对值,以及所述峰值功率和所述次峰值功率之间的初始位置关系,确定所述小数倍时延,包括:
在所述次峰值功率的初始位置索引值小于所述峰值功率的初始位置索引值的情况下,确定所述小数倍时延为负数;或者,
在所述次峰值功率的初始位置索引值大于所述峰值功率的初始位置索引值的情况下,确定所述小数倍时延为正数。
10.根据权利要求1至9任一项所述的TA估计方法,其特征在于,所述根据所述小数倍时延,更新所述峰值功率的位置索引值,包括:
根据所述峰值功率的初始位置索引值和所述小数倍时延之和,更新所述峰值功率的位置索引值。
11.根据权利要求1所述的TA估计方法,其特征在于,在根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延之前,所述方法还包括:
确定与所述峰值功率的初始位置左、右最近邻的两个样点位置的功率;
根据所述左、右最近邻的两个样点位置的功率中的最大值,确定所述次峰值功率。
12.一种网络设备,其特征在于,包括存储器,收发机,处理器:
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;所述目标归一化总时延用于表征所述目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数;
根据所述小数倍时延,更新所述峰值功率的位置索引值;
根据更新后的所述峰值功率的位置索引值,确定所述峰值功率的位置相对于所述目标检测窗起始位置的偏移量;
根据所述偏移量,确定所述目标检测窗对应的时间提前量TA估计值。
13.根据权利要求12所述的网络设备,其特征在于,所述根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延,包括:
根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值;
根据所述小数倍时延的绝对值,以及所述峰值功率和所述次峰值功率之间的初始位置关系,确定所述小数倍时延。
14.根据权利要求13所述的网络设备,其特征在于,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及所述目标检测窗对应的ZC根序列的长度,确定所述小数倍时延的绝对值。
15.根据权利要求14所述的网络设备,其特征在于,所述小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示所述小数倍时延n0的绝对值,peakratio表示所述第一峰值功率比值,N表示所述目标检测窗对应的ZC根序列的长度。
16.根据权利要求13所述的网络设备,其特征在于,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定所述小数倍时延的绝对值。
17.根据权利要求16所述的网络设备,其特征在于,所述根据所述第一峰值功率比值,以及峰值功率比值和小数倍时延绝对值之间的预设对应关系,确定所述小数倍时延的绝对值,包括:
按照峰值功率比值从大到小的顺序,依次将所述第一峰值功率比值与预设对应关系表中的峰值功率比值进行比较,确定所述预设对应关系表中小于所述第一峰值功率比值的第1个峰值功率比值所对应的索引值,所述预设对应关系表包括峰值功率比值和小数倍时延绝对值之间的预设对应关系;
根据所述小于所述第一峰值功率比值的第1个峰值功率比值所对应的索引值,确定所述小数倍时延的绝对值。
18.根据权利要求13所述的网络设备,其特征在于,所述根据目标检测窗的峰值功率和次峰值功率之间的第一峰值功率比值,确定所述小数倍时延的绝对值,包括:
根据所述第一峰值功率比值,以及用于表征峰值功率比值和小数倍时延绝对值之间关联关系的分段函数,确定所述小数倍时延的绝对值。
19.根据权利要求13所述的网络设备,其特征在于,所述小数倍时延的绝对值通过以下公式确定:
式中,|n0|表示所述小数倍时延n0的绝对值,peakratio表示所述第一峰值功率比值。
20.根据权利要求13所述的网络设备,其特征在于,所述根据所述小数倍时延的绝对值,以及所述峰值功率和所述次峰值功率之间的初始位置关系,确定所述小数倍时延,包括:
在所述次峰值功率的初始位置索引值小于所述峰值功率的初始位置索引值的情况下,确定所述小数倍时延为负数;或者,
在所述次峰值功率的初始位置索引值大于所述峰值功率的初始位置索引值的情况下,确定所述小数倍时延为正数。
21.根据权利要求12至20任一项所述的网络设备,其特征在于,所述根据所述小数倍时延,更新所述峰值功率的位置索引值,包括:
根据所述峰值功率的初始位置索引值和所述小数倍时延之和,更新所述峰值功率的位置索引值。
22.根据权利要求12所述的网络设备,其特征在于,在根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延之前,所述操作还包括:
确定与所述峰值功率的初始位置左、右最近邻的两个样点位置的功率;
根据所述左、右最近邻的两个样点位置的功率中的最大值,确定所述次峰值功率。
23.一种时间提前量TA估计装置,其特征在于,包括:
第一确定单元,用于根据目标检测窗的峰值功率和次峰值功率,确定目标归一化总时延中的小数倍时延;所述目标归一化总时延用于表征所述目标检测窗所检测的信号的传输时延相对于相关序列样点间隔的倍数;
更新单元,用于根据所述小数倍时延,更新所述峰值功率的位置索引值;
第二确定单元,用于根据更新后的所述峰值功率的位置索引值,确定所述峰值功率的位置相对于所述目标检测窗起始位置的偏移量;
第三确定单元,用于根据所述偏移量,确定所述目标检测窗对应的TA估计值。
24.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行权利要求1至11任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210283914.8A CN116828582A (zh) | 2022-03-21 | 2022-03-21 | Ta估计方法、网络设备、装置及存储介质 |
JP2023570258A JP2024518572A (ja) | 2022-03-21 | 2022-10-18 | Taの推定方法、ネットワーク機器、装置及び記憶媒体 |
PCT/CN2022/125907 WO2023178998A1 (zh) | 2022-03-21 | 2022-10-18 | Ta估计方法、网络设备、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210283914.8A CN116828582A (zh) | 2022-03-21 | 2022-03-21 | Ta估计方法、网络设备、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116828582A true CN116828582A (zh) | 2023-09-29 |
Family
ID=88099726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210283914.8A Pending CN116828582A (zh) | 2022-03-21 | 2022-03-21 | Ta估计方法、网络设备、装置及存储介质 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2024518572A (zh) |
CN (1) | CN116828582A (zh) |
WO (1) | WO2023178998A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065535B (zh) * | 2009-11-11 | 2014-07-23 | 电信科学技术研究院 | 一种随机接入过程中定时提前量的确定方法及装置 |
CN104254100B (zh) * | 2013-06-25 | 2017-12-15 | 普天信息技术研究院有限公司 | 一种上行定时提前量的测量方法 |
CN108683482B (zh) * | 2017-04-01 | 2021-03-09 | 电信科学技术研究院 | 一种估计定时位置的方法及装置 |
US11140647B2 (en) * | 2018-09-19 | 2021-10-05 | Parallel Wireless, Inc. | High resolution timing advance estimation based on PRACH |
-
2022
- 2022-03-21 CN CN202210283914.8A patent/CN116828582A/zh active Pending
- 2022-10-18 JP JP2023570258A patent/JP2024518572A/ja active Pending
- 2022-10-18 WO PCT/CN2022/125907 patent/WO2023178998A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2023178998A1 (zh) | 2023-09-28 |
JP2024518572A (ja) | 2024-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2472805B1 (en) | Dynamically adjusted channel estimation filtering in an OFDM communications system | |
EP2437450A1 (en) | Device and method for estimating time offset in orthogonal frequency division multiplexing (ofdm) system | |
JP2009542061A (ja) | Ofdm通信システムにおける隣接セル測定値を取得するために同期チャネルを使用する方法及び装置 | |
CN111245750B (zh) | 频偏估计方法、装置及存储介质 | |
WO2018127071A1 (zh) | 一种发送参考信号的方法和通信设备 | |
EP3188392A1 (en) | Data transmitting method, channel estimation method and device | |
RU2740706C1 (ru) | Способ и устройство беспроводной связи | |
EP3466008B1 (en) | Dynamic cyclic prefix configuration | |
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 | |
CN108476491B (zh) | 一种无线通信方法、设备及系统 | |
CN114338306B (zh) | 相位噪声补偿方法及装置 | |
CN110140302A (zh) | 一种用于传输信号的方法、终端设备和网络设备 | |
WO2015043285A1 (zh) | 一种校正信号发射方法和基站 | |
US10771133B2 (en) | Signal transmission method and apparatus | |
US11647536B2 (en) | Methods, device and computer-readable medium for determining timing advance | |
CN117176275A (zh) | 信噪比测量方法、装置、设备及存储介质 | |
CN109391501B (zh) | 网络设备系统、网络设备系统的实现方法以及计算机可读存储介质 | |
CN113950136B (zh) | 用于功率控制的方法、网络设备、计算机存储介质 | |
CN116828582A (zh) | Ta估计方法、网络设备、装置及存储介质 | |
CN117676794A (zh) | 估计上行定时提前量的方法、网络设备、装置及存储介质 | |
WO2020147726A1 (en) | Method and apparatus for multi-path delay estimation | |
CN115225436B (zh) | 干扰抑制方法、装置、设备及存储介质 | |
CN116209086A (zh) | 随机接入检测方法、网络设备、装置及存储介质 | |
CN117640039A (zh) | 信息传输方法、装置、终端及网络侧设备 | |
CN117202356A (zh) | 一种数据传输处理方法及装置 |
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 |