WO2007121682A1

WO2007121682A1 - Procédé et appareil de reconnaissance de cellules pour système cellulaire ofdma

Info

Publication number: WO2007121682A1
Application number: PCT/CN2007/001368
Authority: WO
Inventors: Ming Ding; Hanwen Luo; Ji Zhang; Tingwei Zhang; Yun Wu; Haibin Zhang; Li Sun; Wei Guan; Feng She
Original assignee: Shanghai Jiao Tong University; Sharp Corp
Current assignee: Shanghai Jiao Tong University; Sharp Corp
Priority date: 2006-04-24
Filing date: 2007-04-24
Publication date: 2007-11-01
Anticipated expiration: 2008-10-24

Description

应用于 OFDMA蜂窝系统的小区识别方法以及装置授术领域

本发明涉及一种通信技术领域的小区识别方法，具体是一种应用于 0FDMA (正交频分复用多址）蜂窝系统的小区识别方法。背景技术

OFDM (正交频分复用）技术在越来越多的有线、无线通信领域得到应用，这主要由于 OFDM技术具有许多优势：有效对抗多径干扰和窄带干扰，频谱利用率高，数据传输速率髙等。目前， OFDM技术已被 3GPP组织（第三代移动通信伙伴计划）国际组织确定为 EUTRA (演进的通用移动通信系统及陆基无线电接入）和 EUTRAN (演进的通用移动通信系统网及陆基无线电接入网）（或者称为 Super 3G: 超三代移动通信系统）中下行链路的首选技术。在基于 0FDMA技术的蜂窝系统中，用户终端在加电时，在待机或通话时，和 W- CDMA技术的蜂窝系统一样，必须进行搜索其所属的小区搜索。 0FDMA技术的蜂窝系统的小区搜索方案中，除了由于数据调制方式与 W- CDMA不同，需要 FFT (Fast Fourier Transform, 快速傅里叶变换)窗同步用来恢复被调制的数据外，其他方面与 W- CDMA三步小区搜索方案类似，所以其包含以下三个步骤：载波频率同步和 FFT 时间窗同步，帧同步，小区识别。经对现有技术的文件査新，发现绝大部分技术只解决了帧同步及载波频率同步，而没有涉及 0FDMA蜂窝系统的小区识别问题。

在仅有的一些文献中，针对 EUTRA要求的 0FDMA蜂窝系统，有三种方法可用于 0FDMA小区识别：

( 1 ) 在每一帧中确定 1个 OFDM符号作为同步信道符号，在频域加载特殊的序列，通过直接识别这一频域序列，达到小区识别的目的。参见文献： 3GPP, R卜 051329， "Cell Search and Initial Acquisition for OFDM Downlink"， Motorolao ( 3GPP文档，编号： Rl- 051329， Motorola公司， "OFDM下行链路的小区搜索和初始同步" ）

( 2) 在每一帧中确定 n个（《—般为大于等于 4的自然数） OFDM符号作为同步信道符号，在频域上加载特殊的序列。每一种频域序列对应一个码字，《个码字的特定组合对应一个小区号码组（或称为小区扰码号组），共有; c_c个小区号码组，然后通过类似于 WCDMA中的 CPICH (公共导频信道）获得小区号码（或称为小区扰码号），共有; c,个小区号码。于是，该方法共可以识别 c_cx,个不同的小区。参见文献： 3GPP, Rl-060072, ETRI, "Cell Search Scheme for EUTRA & TP" 。（3GPP文档，编号： Rl- 060072 ， ETRI公司， "应用于 EUTRA的小区搜索方案与文字建议" ）

(3) 在每一帧中确定《个（"一般为大于等于 5的自然数） OFDM符号作为同步信道符号，在频域上加载经过信道编码的数据序列，通过解调和解码该数据，达到小区识别的目的。参见文献： 3GPP, Rl-051057, "Downlink Synchronization Channel Schemes for E-UTRA" , Texas Instruments。 (3GPP 文档，编号： Rl-051057, TI公司， "EUTRA的下行同步信道" ）

可是，方法（1 ) 有同步信道结构简单的特点,但存在着小区识别数量少的缺点。方法（2) 和方法（3) 存在着计算复杂度高，同步信道符号开销大的缺点。因此，上述三种方法在实际应用中遇到较大困难。发明内容

本发明的目的在于针对现有技术中计算复杂度高，同步信道符号开销大或小区识别数量少的问题，提供一种应用于 0FDMA蜂窝系统的小区识别方法。本发明在每帧中仅需要 1个 0FDM符号作为同步信道数据，通过在不同模式图样的子载波上加载数据，区别不同的小区大号码，再通过相邻的已加载数据的子载波上的频域差分序列，区别不同的小区小号码，最终由小区大号码和小区小号码联合识别小区，达到识别大规模数量蜂窝小区的目的，同时使本发明保持较低的计算复杂度。

根据本发明的第一方面，提供了一种应用于 0FD A蜂窝系统的小区识别方法，包括如下步骤：发送端生成含有小区大号码和小区小号码信息的 0FDM同步信道符号，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；接收端通过对接收的同步信道符号进行时频变换来得到同步信道符号的频域序列；识别接收的可有载荷子载波的能量序列模式图样，获得小区大号码；以及识别启用子载波上加载的差分频域序列，获得小区小号码。

根据本发明的第二方面，提供了一种应用于 0FD A蜂窝系统的小区识别装置，包括：生成含有小区大号码和小区小号码信息的 OFDM同步信道符号的装置，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；通过对同步信道符号进行时频变换来得到同步信道符号的频域序列的装置；识别接收的可有载荷子载波的能量序列模式图样来获得小区大号码的装置；以及识别启用子载波上加载的差分频域序列来获得小区小号码的装置。

根据本发明的第三方面，提供了一种 0FD A蜂窝系统的小区识别方法，包括如下步骤：发送端生成含有小区大号码和小区小号码信息的 OFDM同步信道符号，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；接收端通过对接收的同步信道符号进行时频变换来得到同步信道符号的频域序列；通过对频域同步信道符号进行能量检测来计算当前小区采用各个小区大号码的可能性度量；通过差分解调及频域序列检测来计算在所述各个小区大号码的条件下，当前小区采用各个小区小号码的可能性度量；对所述各个小区大号码的可能性度量，以及所述各个小区大号码的条件下，所述各个小区小号码的可能性度量，进行归一化运算并相乘，得到所述各种小区大号码与所述各个小区小号码组合的概率；以及寻找概率最大值，对所述小区大号码、小号码作出联合估计。

根据本发明的第四方面，提供一种 0FDMA蜂窝系统的小区识别装置，包括：生成含有小区大号码和小区小号码信息的 OFDM同步信道符号的装置，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；通过对接收的同步信道符号进行时频变换来得到同步信道符号的频域序列的装置；通过对频域同步信道符号进行能量检测来计算当前小区釆用各个小区大号码的可能性度量的装置；通过差分解调及频域序列检测来计算在所述各个小区大号码的条件下，当前小区采用各个小区小号码的可能性度量的装置；对所述各个小区大号码的可能性度量，以及所述各个小区大号码的条件下，所述各个小区小号码的可能性度量，进行归一化运算并相乘，得到所述各种小区大号码与所述各个小区小号码组合的概率的装置；以及寻找概率最大值，对所述小区大号码、小号码作出联合估计的装置。

根据本发明的第五方面，提供了一种 0FDMA蜂窝系统的小区识别方法，包括如下步骤：发送端生成含有小区大号码和小区小号码信息的 OFDM同步信道符号，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；通过对接收的同步信道符号进行时频变换来得到同步信道符号的频域序列；对频域同步信道符号进行能量检测；对频域同步信道符号进行差分解调及频域序列检测；根据 L准则，合并同步信道符号的频域能量检测结果和频域序列检测结果，寻找峰值，对小区大号码和小区小号码作出最优联合估计。

根据本发明的第六方面，提供了一种 0FDMA蜂窝系统的小区识别装置，包括：生成含有小区大号码和小区小号码信息的 OFDM同步信道符号的装置，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；通过对接收的同步信道符号进行时频变换来得到同步信道符号的频域序列的装置；对频域同步信道符号进行能量检测的装置；对频域同步信道符号进行差分解调及频域序列检测的装置；根据 ML准则，合并同步信道符号的频域能量检测结果和频域序列检测结果，寻找峰值，对小区大号码和小区小号码作出最优联合估计的装置。

根据本发明的上述方面,在每帧中仅需要 1个 OFDM符号作为同步信道数据，具有同步信道数据幵销低的优势，并且该符号的峰均功率比很低，另外，采用级联的小区识别方法，先通过在不同模式图样的子载波上加载数据，区别不同的小区大号码，再由相邻的已加载数据子载波上加载不同的频域差分序列，区别不同的小区小号码，最终由小区大号码和小区小号码联合识别小区，达到识别大规模数量蜂窝小区的目的，同时使本发明保持较低的计算复杂度。

另外，选取合适的小区大号码预选数目 A，可以缩小搜索小区的范围，从而降低本发明的计算复杂度；最后，提出联合估计小区大号码与小区小号码的算法，使得本发明具有较髙的小区识别正确率。

另外，根据 ML准则，提出估计小区大号码和小区小号码的最优算法，使得本发明具有较高的小区识别正确率。附图说明

图 1为 OFDM基带调制解调框图

图 2为根据本发明第一实施方式的框图图 3为 d^s的循环自相关函数图图 4 为小区大号码为 g = 19的小区的同步信道符号的启用子载波的模式图样及频域差分序列的加载位置

图 5为的典型情况图图 6为： Γ^)的典型情况图图 7为接收端与 3个邻近小区的位置关系

图 8为在多小区情况下，根据本发明第一实施方式的方法与 Motorola的方案使用第一种多符号判决法的小区识别正确率性能图

图 9为在多小区情况下，根据本发明第一实施方式的方法与 Motorola的方案使用第二种多符号判决法的小区识别正确率性能图

图 10为根据本发明第二实施方式的实施框图

图 11为 (_g)的典型情况图图 12为的典型情况图图 I³为 Pr(g,_?)的典型情况图图 14为在多小区情况下， A = 31时，根据本发明第二实施方式的第一方法与 Motorola的方案的小区识别正确率性能图

图 15为在多小区情况下， A = 31时，根据本发明第二实施方式的第二方法与 Motorola的方案的小区识别正确率性能图

图 16为在多小区情况下， λ = 31时，本发明第一实施方式与本发明第二实施方式的第二方法的小区识别正确率性能图

图 17为在多小区情况下，根据本发明第二实施方式的第一方法选取 A = 31 和 λ = 10时的小区识别正确率性能图

图 18为在多小区情况下，根据本发明第二实施方式的第一方法选取 = 31 和 A == 5时的小区识别正确率性能图

图 19为在多小区情况下，根据本发明第二实施方式的第二方法选取 A = 31 和 I = 10时的小区识别正确率性能图

图 20为在多小区情况下，根据本发明第二实施方式的第二方法选取 A = 31 和 I = 5时的小区识别正确率性能图

图 21为根据本发明第三实施方式的实施框图

图 22为/? (g)的典型情况图图 23为的典型情况图图 24为 Λ^，）的典型情况图图 26 为在多小区情况下， Α = 31时，根据本发明第三实施方式的方法与 Motorola的方案的小区识别正确率性能图

图 27 为在多小区情况下， 1 = 10时，根据本发明第三实施方式的方法与 Motorola的方案的小区识别正确率性能图

图 28为在多小区情况下， A = 31时，根据本发明第三实施方式的方法与本发明第一实施方式的小区识别正确率性能图具体实施方式

以下对照附图对本发明的实施方式进行说明。

【第一实施方式】

( 1 ) 生成含有小区大号码和小区小号码信息的 0FDM同步信道符号

0FDM是一种多载波调制系统，每个子载波上都可以承载 QAM符号或 PSK符号，其调制解调过程可以用 IDFT (逆离散傅里叶变换）和 DFT (离散傅里叶变换）来表示。设 N表示 0FDM子载波的数目，由于 IDFT和 DFT的对称性， N也表示 0FDM符号的有效部分点数， Γ表示 0FDM符号的有效宽度，子载波间隔为 f。 = \IT。设 k)表示发送端在同步信道符号的第 k个子载波上加载的频域数据； 6(0表示同步信道符号中，第 /个采样点的基带时域数据。对作点 IDFT, 得： b(D = l = -N_g, ...,0, 1,...,N-1 (1)

式中， N„,表示基带负频谱区域的可用子载波的数目， N„₂表示基带正频谱区域的可用子载波的数目， N„,+N„₂ = N„表示可用子载波的总数目， N_g是循环前缀的点数。

考虑将小区大号码的信息反映到不同的子载波加载数据的模式图样上，依据子载波加载数据，定义子载波序号集合如下：

可用子载波 S, 含有 (C(S) = N„)个元素：

S

l≤i≤ C(S), S(i) < S(i + l),-N_ul≤ S(i)≤ N_u2 , S(i)≠ 0} (2) 参与小区识别过程的子载波 S„„, —般由相关协议标准唯一确定，其含有

C(S„„)个元素：

S_cell = 1≤ ≤ C{S_cell), S_c(i) < S_c(i + 1), S_c(i) e S} (3) S„„与 S的关系是： S„_{// C}:S。 ' 必有载荷子载波 _∞</，含有 C(S_/(K¾/)个元素： S_load

(4) 式 (4)中， S_/ 属于系统设计参数，其对于发送端和接收端是透明的，即双方在通信前均准确地知道 S_/∞d。可有载荷子载波，含有 C(S。 J = C(S„„)-C(S,_∞i/)个元素： S } (5)

易见， S"//， ^s 和 s。的关系是： s,。_aiJ U s。_p"。" =s_ce„ . s_/ n s_opllon =0。

S。_p„。„在不同号码 g的小区中，被不同的二进制序列 d^s = \≤j≤B}(B 为 ( 的长度，且 = (：(8^。„))所作用，形成不同的数据加载模式图样，即 H中 0 元素所对应位置的 S。_p,,。„上不加载数据， 1 元素所对应位置的 S。_p„。„上才加载数据，用集合形式将上述两种情况表示为 s

S^g _mll和 Sf^分别含有元素个数为 C(S_m ^g _H)和 C(S^)，即 d^g中 0元素和 1元素的个数分别为 C(Si„)和 C(S )。由于且 H =0 , 所以 C(S^) + C(Si = C(S_opll = B _a 选取 ^为具有尖锐峰值自相关的伪随机序列（如 m序列等等），把 d^s的循环移位样本 d^s(l≤g≤ ^作为不同的可有载荷子载波的数据加载模式图样，不同小区大号码 g的小区釆用不同的 (F。

接收端通过对收到的可有载荷子载波的能量序列与不同 ( 进行相关搜索，寻找相关峰值，从而确定当前小区大号码 g。可见，通过可有载荷子载波的数据加载模式图样，最多可以区别个小区大号码。

另外， <1⁸ 也可以由多个部分级联而成，即将《分解为 d^g' = [d^g' l≤j≤B_]) , d^g2 = d^Si \≤j≤B₂) , ， d " = [d^s- \<j≤B_n),

。 d^Sl , d^g2 , ' d^g "分为具有尖锐峰值自相关的伪随机序列（如 m序列等等）。这样， t '， ……，（^的不同组合总共构成 5 ..^^个不同的 d^s。

在实际系统中，可识别的小区大号码数目 C_s也是一个可调整的参数，比如，选取长度为 = 31的 m序列，表示系统最多可以识别 31个小区大号码，如果目前只需要区分 8个小区大号码，则从 31个(1⁸中选取 8个作为合法的可有载荷子载波的数据加载模式图样即可，此时， =8。

在相同小区大号码的小区内，使用不同的频域差分数据序列来区别不同的小区小号码。定义小区大号码为 g(i≤_g≤ )的小区中，其必有载荷子载波与可有载荷子载波中确实加载数据的子载波 Sf^, 合称为启用子载波 S ,：

SL (8) 由

个搜索其相邻子载波对 (<¾(/),&^g ₂(/))，该子载波对属于集合

式 (9)中，《为相邻子载波的最大定义距离，通常，为了保证相邻子载波受到近似相同的信道影响，一般取《≤4, 即当两个子载波之间的距离超过 4个子载波间隔时，便认为二者不相邻。的元素个数为 C(S )，这是用以区分小区小号码的频域差分数据序列的长度。需要指出的是，在不同 g的条件下， C(S )可能不一样，为了保证各个小区小号码的信息加载在相同长度的频域差分序列上，将 S_d按照最小长度进行截短，于是，所有 S^的长度被确定为 ):

进而修正式 (9)，得：

假设共有 C 个频域差分序列 p⁹ = { p"(i)} (1≤ _?≤ ς, 1≤ /≤ Z)) (例如 PN序列或是 GCL (Generalized chirp-like, 广义似脉冲）差分序列等等）用来区别 ς 个小区小号码。小区大号码为 g，小区小号码为 g的小区选取^加载到 )和 g₂(0对应的相邻子载波上-

式（12)中， 0是任意的随机相位，表示部分启用子载波上的数据不受 g和 g的约束，可以用于改善同步信道符号的 PAPR (峰均功率比）。

另外，如果 < 由 d^g'， d , ……，（ "等多个部分级联而成，则需要对每个级联部分计算式 (7)，然后再由式 (8)至式 (11)得到 SJ^s i)和 (/)。接收端通过差分解调和 S_a ^s i)对应位置上的数据，然后再与所有可能的^作互相关，寻找峰值，识别出 p 从而确定小区小号码 g。可见，为了识别尽可能多的的长度 Z)应尽可能大，考虑到/^ ^,^ ^^^ ^) ≤C(S_had) + C(S_oplim) = C(S_cell), 因此，在 C(S„„)—定的条件下，选取适当的参数 c(s, ;^c(s。 „)，并使 CCJ+C SL 尽可能大，就可以使 D变大。

(2) 帧同步与频率同步

目前， OFDM的帧同步与频率同步是一项较为成熟的技术。比如，选取

0 (mod L)} (13) 然后在 S\S„„的子载波上不加载数据，就可以生成 Z等分结构的 OFDM同步信道符号，在时域上计算同步信道符号的特定延迟自相关，寻找峰值来确定帧的起始位置，再求峰值的相角估计出频率偏差。参见文献： T. Keller, L. Piazzo,

P. Mandarini, . L. Hanzo, ■" Orthogonal Frequency Division Multiplex Synchronization Techniques for Frequency-Selective Fading Channels, * IEEE Journal on Selected Areas in Communications, VOL. 19, NO. 6， June

2001 page (s) :999- 1007。（"频率选择性衰落信道下的 OFDM 同步技术" IEEE 精选通信技术领域期刊）

又比如，在 s\s„„中的一部分子载波上加载固定的频域序列，从而生成固定的时域序列，该时域序列对于发送端和接收端都是事先已知的，接收端用这一时域序列对接收到的信号进行连续的相关搜索，相关峰所在位置就是 0FDM符号的起始位置，然后考察接收序列的相位特征，估算出频率偏差、参见文献- 3GPP, Rl- 060781， NTT DoCoMo, "Cell Search Time Performance of Three-Step Cell Search Method" 。（3GPP文档，编号： Rl- 060781 , NTT DoCoMo公司， "三步骤小区搜索方法在搜索时间方面的性能表现" ）

设 r )表示接收端收到前导符号的第 m个采样点的基带时域数据，表示延时为/个釆样时刻路径所对应的时域信道响应；《(m)表示信道对 m)的时域加性高斯噪声；是初相，是对子载波间隔归一化后的频偏， s是对采样点间隔归一化后的帧同步偏差，则的表达式为： r(m)=exp ]2π/_Α ^J +}ψ Yb(m-£-l)h(l) + n(m-s) (14) 根据帧同步与频率同步的结果，对 r(_w)进行相应补偿，并去除循环前缀，得：

7{m) =exp(j ψ)^{τη -l)h{l) + n{m -ε) (m = 0, N-\) (15) 对作 W点 DFT., 得到同步信道符号的频域序列- w— ¹ ( mk

k) = X (_W)exp - 2π~ {-Ν_ν ≤k≤N_u2) (16) 乂 N .

将式（1)代入式（15)，再代入式 (16)，得到其等效的频域表达式为：

z(k) = a{k)H(k) + n'(k) (― N„,≤k≤M_ul、 (17) 式中， H t)是多径衰落信道对第t个子载波的频域影响， M' t)是信道对第个子载波的频域加性噪声。

(3) 识别接收的可有载荷子载波的能量序列模式图样，获得小区大号码 g 对于 (it)}，计算 S_fl/ ^对应的子载波的能量序列，将其与 d^g作相关,如式 (18) 所示：

然后，将/? (_g)峰值对应的 g作为小区大号码的判断值 _: = argmax{ ?(g)|l<g<C_g} (19) 这一步骤的计算主要集中在式 (18)，计算 |_z(s。(o)|²需要 c(s。_p,,。„)次复数乘法。由于 ( 是二进制序列，因此，式 (18)中的乘积和退化为实数加法，总共只需要 CD X C_g次实数加法，等效为 C(Sf_uJ xC_g/2次复数加法。 (4) 识别已加载数据的子载波上加载的频域差分序列，获得小区小号码 9 根据前级得到的^ 由式 (6)和式 (7)得到和 S^，再由式 (8)获得 S^，然后根据式 (9)考察所有的 S ₄，并由式 (10)得到频域差分序列的长度 £>，于是，根据式 (11)，确定相邻子载波对的集合 S .。当不考虑噪声，仅考虑多径衰落信道时，差分解调《¾(/)和 ^g ₂(0对应的相邻子载波上的数据，由式（12)和式（17) 得- a_{≤j≤D) m)}

考虑式 (9)的条件, 当《较小时，可以认为 H( (0)«H( (0)，于是，式 (20)简化为- z(S 0)

^μ、）、）

计算向量 w = { v(/)}与 ρ'的相关：

然后，将峰值对应的 g作为小区小号码的判断值^

^ = argmax{| (^)||l<^<C,} (23) 这一步骤的计算主要集中在式 (21), 式 (22)和式 (23)。式 (21)需要 Z)次复数乘法，式 (22)需要 DxC 次复数乘法和 (Ζ -1)χς次复数加法，式 (23)中计算

|Γ(₉)|需要 ς次复数乘法。

(5) 多符号判决算法

由式（19)和式（23)可知，本发明第一实施方式的方法总共可识别个不同的小区，为了更可靠地完成小区识别任务，可以釆用多符号判决算法，即考察多个同步信道符号，运用不同的判决策略，进行小区识别，从而得到比单次判决更可靠的小区大号码和小区小号码判决值。

不考虑 OFDM的时间同步和频率同步，仅仅考虑小区识别问题。

方法一：考察 f/个同步信道符号，对于每个同步信道符号，按照式 (18)和式（19)得到 U个小区大号码估计值 (\≤x≤U), 然后对进行多数决判断，即： g - arg πΐΐθίί count ( (x), g)^\≤x≤U,\≤g≤ C_g\ (24) 其中， n t(^c), g)表示中等于 g的元素个数。当存在两个以上的值时，需要追加考察 1个同步信道符号，直至出现唯一的。设总共用去 ί/'个同步信道符号，得到唯一的。根据，对每个同步信道符号，计算式 (21)和式 (22)，得 7^)(1≤χ≤ί/)，平方合并 7；之后，再用式 (25)得到小区小号码的估计值

^ = argmax{∑|7 ( (25) 方法一总共需要的复乘次数为 ί/'χ(< (8。_ρ,,.。„) + £> + βχ(:,+ )，复加次数为 'x(C(S „)xC_g/2 + (D- l)xC )。

方法二：考察 C7个同步信道符号，对于每个同步信道符号，按照式 (18)计算得^ (g) (l≤x≤t/)，然后加法合并 ^(g):

R(g) =∑R,(g) (l≤g≤C_g) (26) 式 (26)等效需要 (f/- 1) /2次复加。然后，按照式（19)得到。根据对每个同步信道符号，计算式 (21)和式 (22)，得 7( )（l≤;c≤C/), 平方合并 7； ( 之后，再用式 (25)得到小区小号码的估计值 ^。方法二总共需要的复乘次数为 ^^((：(8。^„) + £> + £>><(： +€ )，复加次数为 [/χ( 0 < 2 + ( - l)xC ) + (i7- 1)< 2。在采用了多次判决算法后，本发明第一实施方式的方法的估计性能得到显著提高。

下面给出一个具体的 OFDM参数配置，来阐述本发明第一实施方式的一个实例。需要说明的是，下例中的参数并不影响本发明的一般性。

3GPP 组织的文档： TR 25.814 V0.3.1, "Physical Layer Aspects for Evolved UTRA" (演进的通用移动通信系统及陆基无线电接入的物理层规范）给出的一组 OFDM参数，如下：

系统带宽 1.92MHz

子载波数 N 128 有效子载波数 N, 75 (取 N„,=38， N, 有效带宽 1.25MHz 子载波间隔 f。 15kHz 循环前缀^_¾ 32点（16.67us) 符号周期 Γ 128点 (66.67us)

本发明的参数选取如下- a = 4

S = {-38,-37,...,-1,1,...,36,37}， C(S) = 75。

S_cell =

0 (mod 2)} ' 即： S_ce« = {-38,-36, ..., - 2,2,...,34,36} (27) 则 C(S„,,)-37。在8\8„„的子载波上不加载数据，从而生成 2等分的同步信道符号。另外，在式 (4)中，选取

S ={-38,-36,-34,32,34,36} (28) 于是，式 (5)中，

S— , ={-32,-30,...,-2,2,...,28,30} (29) 则有。(8^) = 6和 (8。 „)-31。

需要指出的是，本实例中对于8,。。和 S。_p,,。„的选取并不影响本发明的通用性。在实际应用中， 8_/^和8 „的选取只要满足8_/^ 1^^。„-8„_//， S (1S— =0且

8。。,,。„不为空集即可。

本发明第一实施方式的实例的实现步骤如下：

(A) 生成同步信道符号

由于 <^(8 ) = 31 = 2⁵ - 1，而 m序列的长度为 2' - 1 ( t为正整数)，故可以选取 <F为 t =5的 m序列，选择其本原多项式为 l + x² +x⁵ , 则 ( 的循环移位样本共有 31个，如下：

g

1 0000101011101100011111001101001

2 0001010111011000111110011010010

3 0010101110110001111100110100100

4 0101011101100011111001101001000

5 1010111011000111110011010010000

6 0101110110001111100110100100001

7 1011101100011111001101001000010

8 0111011000111110011010010000101

9 1110110001111100110100100001010

10 1101100011111001101001000010101

11 1011000111110011010010000101011

12 0110001111100110100100001010111

13 1100011111001101001000010101110

14 1000111110011010010000101011101

15 0001111100110100100001010111011

16 0011111001101001000010101110110

17 0111110011010010000101011101100

18 1111100110100100001010111011000

19 1111001101001000010101110110001 20 1110011010010000101011101100011

21 1100110100100001010111011000111

22 1001101001000010101110110001111

23 0011010010000101011101100011111

24 0110100100001010111011000111110

25 1101001000010101110110001111100

26 1010010000101011101100011111001

27 0100100001010111011000111110011

28 1001000010101110110001111100110

29 0010000101011101100011111001101

30 0100001010111011000111110011010

31 1000010101110110001111100110100

需要指出的是，本实例中选取 m序列作为 d^s , 并不影响本发明的通用性。在实际系统中，可以选取其他序列作为 ^。

于是，本发明第一实施方式的方法在上述物理层条件下，最多可识别 = 31 个小区大号码，任意 d^s的循环自相关函数如图 3所示。取系统的可识别小区大号码数目为 = = 31 对于不同的 g，根据式 (8) , 得 S_a ^g _c,，如下:

12 14 16 20 22 30 32 34 36

-38 -36 -34 -32 -30 -28 -22 -20 -16 -10 2 6 10

20

12 14 18 20 28 30 32 34 36

-38 -36 -34 -32 -30 -24 -22 -18 -12 -2 4 8 10

21

12 16 18 26 28 30 32 34 36

-38 -36 -34 -32 -26 -24 -20 -14 -4 2 6 8 10

22

14 16 24 26 28 30 32 34 36

-38 -36 -34 -28 -26 -22 -16 -6 -2 4 6 8 12

23

14 22 24 26 28 30 32 34 36

-38 -36 -34 -30 -28 -24 -18 -8 -4 2 4 6 10

24

12 20 22 24 26 28 32 34 36

- 38 -36 -34 -32 -30 -26 -20 -10 -6 -2 2 4 8

25

10 18 20 22 24 26 32 34 36

-38 -36 -34 -32 -28 -22 -12 -8 -4 -2 2 6 8

26

16 18 20 22 24 30 32 34 36

-38 -36 -34 -30 -24 -14 -10 -6 -4 -2 4 6 14

27

16 18 20 22 28 30 32 34 36

-38 -36 -34 -32 -26 -16 -12 -8 -6 -4 2 4 12

28

14 16 18 20 26 28 32 34 36

-38 -36 -34 -28 -18 -14 -10 -8 -6 -2 2 10 12

29

14 16 18 24 26 30 32 34 36

- 38 -36 -34 -30 -20 -16 -12 -10 -8 -4 -2 8 10

30

12 14 16 22 24 28 32 34 36

-38 -36 -34 -32 -22 -18 -14 -12 -10 -6 -4 6 8

31

10 12 14 20 22 26 32 34 36 由于 (F中含有 C(SL0 = 16个 1，所以， S^,含有 C(S ) = C(S ) + C(S = 6 + 16 = 22个元素。根据式 (9)，在《= 4的条件下，对于每个 S _e,，搜索其对应的，由式（10)得/^ 16，于是按照式（11)获得修正后的，将中的 (/) 和 ₂(0制成表格如下:

g ¾(

1 —38， -36, -24, -20,—16,—14，—12,—8， 4, 6， 8, 10, 18， 20， 30, 32

2 -38, -36, -26, -22, -18,—16， -14,—10， 2， 4， 6, 8, 16, 18, 28, 32

3 -38, -36， -28, -24, -20，—18，—16，—12，—2， 2, 4， 6, 14, 16， 32, 34

4 一 38，—36, -34, -30, -26,一 22， -20, -18, -14,—4, -2, 2, 4, 12， 14, 32

5 -38, -36， -34, -32, -28,—24,—22， -20, -16,—6, -4, -2， 2, 10, 12, 32

6 -38, -36, -34,—30, - 26，—24,—22，—18，一 8，—6， _4，一 2， 8, 10, 30, 32

7 -38，一 36， -34,—32， -28, -26,一 24， -20, - 10,—8，一 6,—4， 6, 8, 28, 32

8 -38, -36, -34, -30, -28, - 26, -22， -12, - 10， - 8, - 6, 4, 6, 26, 30, 32

9 -38, -36, -34, - 32, - 30, -28, -24, - 14, - 12， -10, -8, 2, 4, 24, 28， 32

10 -38,一 36, -34,—32, -30，一 26,—16, -14,一 12,—10,—2, 2， 22, 26, 30, 32

11 一 38, - 36, -34, -32, -28,一 18,—16, -14, -12,一 4, 20, 24, 28, 30, 32, 34

12 一 38, -36, -34, -30, -20,—18，—16，—14，一 6， 18, 22, 26， 28, 30, 32, 34

13 一 38, -36, -34, -32,一 22，—20，—18，—16，一 8，—6, 16, 20, 24， 26， 28， 32

14 一 38，—36, -34, -24,一 22，—20， -18, -10,—8, 14, 18, 22, 24, 26, 30, 32

15 一 38，一 36, -26, -24, -22, -20, -12,—10， 12, 16, 20, 22, 24, 28, 30, 32

16 一 38, -36,—28，一 26, -24, -22,—14,一 12, 10, 14, 18, 20， 22， 26， 28， 32

17 一 38, - 36， -34,—30, -28, -26,—24，一 16, -14, 8, 12， 16， 18， 20, 24， 32

18 一 38,—36， -34, -32, -30, -28,一 26， -18, -16, 6， 10， 14, 16， 18， 22， 32

19 —38，一 36， -34,—32， -30, -28,—20，—18， 4, 8, 12, 14, 16, 20, 30, 32

20 -38, -36, -34, -32,—30， -22,一 20， 2， 6， 10, 12, 14, 18, 28, 30， 32

21 -38,一 36，—34, -32, -24, -22, 4， 8， 10, 12， 16, 26， 28， 30, 32， 34

22 -38, - 36， -34, -26， -24, 2， 6， 8, 10, 14， 24, 26, 28， 30, 32, 34

23 -38, -36, -28, -26,一 6, 4, 6， 8, 12， 22, 24, 26， 28, 30, 32, 34

24 -38,一 36，—34，—30， -28,—8， 2， 4, 6, 10, 20， 22， 24， 26， 28, 32

25 一 38，—36，一 34,—32，—30，—10，—6，—2， 2, 4, 8, 18, 20, 22, 24, 32

26 -38,一 36, -34, -32, -12,—8， -4,—2， 2, 6, 16, 18， 20， 22， 30, 32 一 38, -36, -34, -14, -10,一 6，—4, 4, 14， 16, 18, 20， 28， 30， 32， 34

—38，一 36, - 34， -16, -12,一 8，—6， 2, 12， 14, 16, 18， 26, 28， 32， 34 一 38,—36， -18,一 14， -10,一 8，—6， -2, 10, 12, 14, 16, 24, 26, 30, 32

-38,一 36, -34,—20，—16, -12，一 10，—8,—4, 8, 10, 12, 14, 22， 24, 28

—38, - 36，—34,—22，—18, -14,—12,—10， -6, 6, 8, 10, 12, 20, 22, 32

-36,—34， -20, -16, -14,—12，一 8, - 6， 6， 8， 10, 12, 20, 24， 32, 34

-36,—34，一 22, -18, -16, -14, -10,—8, 4, 6, 8, 10, 18, 22， 32, 34

-36,一 34，—24， -20,—18， -16,—12,—10， 2, 4, 6, 8, 16, 20, 34, 36

-36,—34， -30,—26， -22, -20,—18, -14,一 12，—2, 2, 4, 6, 14， 18, 34

-36, -34, -32, -28, -24, -22,一 20, - 16, -14,—4, -2, 2, 4, 12, 16， 34

-36, -34,一 30, -26, -24,一 22, -18, -16, -6,一 4,—2， 2， 10, 14, 32, 34

-36, -34,一 32，—28，—26， -24,—20,—18， -8, -6,一 4,—2, 8, 12, 32, 34

-36,一 34， -30,—28， -26,—22，—20,—10，一 8，一 6,—4, 6， 10, 30， 32, 34

-36,一 34，—32，—30，一 28， -24, -22, -12, - 10,一 8, -6, 4, 8, 28, 32， 34

-36, -34,—32, -30,一 26,—24, -14,—12，一 10,—8, 2, 6, 26, 30， 32, 34

—36， -34,—32, -28, -26, -16,—14,—12，一 10, -2, 24, 28， 30， 32， 34， 36

-36, -34, -30,—28， -18,—16,—14,—12，一 4, 22, 26， 28, 30, 32， 34, 36

-36, -34, -32,—30，—20， -18,—16， -14，一 6, -2, 20, 24, 26, 28， 32， 34

-36, -34, -32,—22， -20,—18, -16,—8,—4， 18, 22, 24, 26, 30, 32, 34

-36, -34, -24, -22,一 20, -18, -10,—6, 16， 20， 22, 24, 28， 30, 32, 34

-36, -34, -26, -24,一 22， -20,—12，—8， 14, 18, 20, 22, 26, 28, 32, 34

-36, -34, -30,—28，一 26,—24,—22，一 14,一 10， 12, 16， 18， 20, 24, 26, 34

—36， -34,—32，—30,—28，—26, -24,一 16，一 12， 10， 14, 16, 18, 22, 24, 34 一 36，一 34, -32, -30, -28,—26,—18， -14, 8， 12, 14, 16， 20， 22， 32, 34 一 36, - 34, -32, -30,一 28, -20,一 16, 6, 10, 12， 14, 18, 20， 30, 32, 34

-36, -34, -32,—30，—22,—18， 8， 10， 12, 16， 18, 28, 30, 32, 34, 36 22 —36， -34, -32, -24, -20, 6， 8, 10， 14, 16, 26， 28， 30， 32, 34, 36

23 -36, -34，一 26， -22,—2， 6, 8, 12, 14， 24, 26, 28， 30, 32, 34, 36

24 -36, -34, -30, -28, -24,一 4， 4, 6, 10， 12， 22, 24, 26, 28， 32, 34

25 -36, -34,一 32, -30， -26,一 6, - 2， 2, 4, 8, 10, 20， 22, 24, 26, 34

26 -36, -34,—32， -28，—8, -4,—2, 2， 6, 8, 18， 20, 22， 24, 32， 34

27 -36,—34, -30, -10, -6,—4，一 2, 6, 16, 18， 20, 22， 30, 32, 34, 36

28 -36， -34， -32,—12， -8,—6，—4， 4, 14, 16， 18, 20, 28, 32, 34, 36

29 -36, - 34，—14， -10, -8,—6，—2, 2， 12, 14, 16， 18， 26， 30, 32， 34

30 —36， -34,—30， -16,—12，一 10,—8， -4,—2， 10, 12, 14, 16, 24, 28, 32

31 -36, -34, -32, -18, -14,一 12,—10， -6,—4， 8, 10， 12, 14, 22， 26, 34 选取 ^为 GCL差分序列，由于 £> = 16，所以比大的最小素数为 17, 于是 _:

^( = exp -)2π (1 < ί < ^ ,1 < ; < 16) (30)

17

根据 GCL差分序列的性质，本发明第一实施方式的方法可以由式 (30)区别出 = 16个小区小号码。于是，本发明第一实施方式的方法总共可识别

C = 31 x 16 = 496个不同小区。

假设某小区 g = 19， q = 6 , 根据上述表格得：

S'。 = {-38,-36,-34,-32,-30,-28,-26,-20,- 18,-14,-8,4,8, 12,14,16,20,22,30,32,34,36} ¾( = (-38,-36,-34,-32,-30,-28,-20,-18,4,8,12,14,16,20,30,32) (-36,-34,-32,-30,-28,-26,-18,-14,8,12,14,16,20,22,32,34) 于是，在频域上， g = 19的小区大号码的同步信道符号的已加载子载波的模式图样及频域差分序列的加载位置 (0和如图 4所示。

根据式（12)，得到 g = 19 , ^ = 6的小区在同步信道符号上应该加载的频域数据如下： Os.AV/J/:> 89iiisd:

34 16 32 34 α(32)ρ⁶(16) = a(32)exp(-j2^r x 6 χ 16/17)

36 空空空 exp(j^) 在某一次实验中，依据上述表格， a(）（-38≤ t≤37 )的具体数值如下: k

-38 0. 97999-0. 19902 j

-36 -0. 7494-0. 66212j

-34 0. 84192-0. 5396j

-32 0. 59014-0. 8073j

-30 - 0. 92674+0. 37571 j

-28 - 0. 45961-0. 88812j

-26 -0. 93798-0. 34669 j

-20 0. 99919+0. 040249 j

-18 -0. 97478-0. 22316j

-14 -0. 23473-0. 97206 j

-8 —0. 92785+0. 37296 j

4 0. 24902-0. 9685 j

8 -0. 75597-0. 6546 lj

12 0. 86338+0. 50455j

14 0. 29813+0. 95453j

16 0. 97796-0. 20879 j

20 -0. 72157+0. 69234j

22 -0. 92295+0. 38493 j

30 0. 40976-0. 9122 j

32 -0. 98951-0. 14448j

34 0. 71161-0. 70258 j

36 0. 71161-0. 70258j

其他 0 为了保证信号的发射功率保持恒定，在 )上将乘以补偿因子 N /C ,)

= 775722 , 将这样的通过图 1的串并转换模块 1、 IDFT模块 2、并串转换模块 3, 就能生成包含小区大号码信息和小区小号码信息的 2等分 OFDM同步信道符号，然后该同步信道符号经过图 1的模块插入循环前缀模块 4、插入同步信道符号模块 5、 D/A转换模块 6、发送滤波处理模块 7, 到达接收端。

接收端按照图 2进入小区识别过程。

(B) 帧同步与频率同步

首先，接收端按照图 2进行帧同步及频率同步（Sl l l )。接收的数据经过图 1的接收滤波处理模块 8， A/D转换模块 9、同步单元模块 15。由于生成的同步信道符号具有 2 等分的特性，所以接收端在时域上计算同步信道符号的半个符号延迟自相关，寻找峰值来确定帧的起始位置，再求峰值的相角估计出频率偏差。根据帧同步与频率同步的结果，对同步信道符号进行相应补偿（S112)。接收数据经过图 1的提取同步信道符号模块 10、去除循环前缀模块 11、串并转换模块 12、DFT及频域均衡模块 13、并串转换模块 14，得到如式 (17)所示的 {_Z(A)}。然后，接收端按照图 2开始进行小区识别。

(C) 识别小区大号码（S113， S114和 S115 )

接收端按照图 2开始进行小区大号码的识别。

依据式 (18)，得到 ( 。以 25)为例，由于 d²⁵ = {l l0100100001010U 101 1000U 1 1 100}，根据式（29) 和式（18)得:

/?(25) = |,(-32)|² +μ(-30)|² +μ(-26)|² + (-20)|² +|ζ(-10)|² ₊|ζ(-6)|² ₊|ζ(-2)|² +|ζ(2)| + |ζ(4)|² +|z(8)|² +|z(l0)|² +|z(l8) +|z(20) +|ζ(22)|² +|z(24) +|ζ(26)|² 当小区大号码 g = 19时，在多径信道条件以及 OdB髙斯白噪声情况下， R<i_g) 的典型情况如图 5所示。再按照式 (19)求得 ^。

在计算复杂度方面，这一步骤需要 16次复数乘法和 248次复数加法。

( D) 识别小区小号码（S116 ) 接收端按照图 2开始进行小区小号码的识别。

若小区大号码判断正确，得到 g = 19，进而由式 (8)和式 a 1)获得 s 和 s , 再根据式 (21)和式 (22)得 (g)。由于选取的 p'为 GCL序列，式 (22)可以通过 17 点 FFT髙效地实现。先对 w'(0尾部补一个零，再对其作 17点 FFT:

T{q) =∑W()exp -j2^ .£^-、 (1<^<16) (31) 当小区小号码为 q = 6时,在多径信道条件以及 OdB髙斯白噪声情况下， T(q) 的典型情况如图 6所示。

再按照式 (23)求出。在计算复杂度方面，由于引入 FFT辅助计算，这一步骤计算开销大大降低，只需要 1个 17点 FFT运算和 32次复数乘法。

最后，接收端按照图 2, 将与 ^的组合作为最终的小区识别结果。

(E) 多次判决（S117)

方法一：考察 t/个同步信道符号，对于每个同步信道符号，按照式 (18)和式 (19)得到 U个小区大号码估计值 O) (\≤x≤U),然后按照式 (24)对小区大号码作出估计 ^，再用式 (25)得到小区小号码的估计值。和的组合便是小区识别的结果。

方法二：考察个同步信道符号，对于每个同步信道符号，按照式 (18)计算得 ?₁( （1≤ ≤ ），再根据式 (26)合并 ( ，然后按照式 (19)对小区大号码作出估计 ^，再用式 (25)得到小区小号码的估计值。和的组合便是小区识别的结果。

仿真信道为 6- ray GSM Typical Urban Channel (全球移动通信典型城市区域 6径信道，简称 6- ray TU), 其参数如下：

延迟（us) 相对功率 (dB)

路径 1 0 -3

路径 2 0.2 0 路径 3 0. 5 - 2 路径 4 1. 6 -6

路径 5 2. 3 -8

路径 6 5. 0 -10

假定频偏为 -0. 6。

在模拟多小区环境时，考虑最恶劣的情况，即接收端位于与 3 个邻近小区等距的位置上，如图 7所示，并认为同步信道信号从 3个小区发出后，经过不同的 6- ray TU后，同时到达接收端，其中， 3个小区的 g和 g均不相同。 3个小区中某个小区（小区大号码为 G，小区小号码为 ρ ) 的接收功率最强，这是目标接入小区，另外两个小区的接收功率相同，视其为干扰小区的信号。定义目标接入小区的信号接收功率与两个干扰小区的信号接收功率和的比值为 SIR (信干比），在此基础上再叠加髙斯白噪声，高斯白噪声的功率相对于标接入小区的信号接收功率为 OdB。经过本发明第一实施方式的识别过程后，当 = G且时，才认为小区识别正确。

仿真时认为已经获得完全正确的帧同步与频率同步。

在仿真中，考察了本发明第一实施方式的方法与 Motorola的方案的性能比较。 Motorola的方案参见文献： 3GPP, R1- 051329， "Cell Search and Initial Acquisition for OFDM Downlink" , Motorola₀ (3GPP文档，编号： R卜 051329, Motorola公司， "OFDM下行链路的小区搜索和初始同步" ）该方案在上述物理层条件下，只能识别 36 个不同的小区，其数量仅仅是本发明第一实施方式的 7. 25% (36/496)。另外， Motorola 的方案也可釆用方法一（多次估计后，用多数决作判断）和方法二（判决变量合并后再作估计）进行实施。在计算复杂度方面， Motorola的方案每通过一个同步信道符号识别小区，需要 36次复乘用于差分解调，再用 1个 37点 FFT运算识别频域序列，最后需要 36次复乘用于求模运算，因此，其总共需要 1个 37点 FFT运算和 72次复乘，而本发明每通过一个同步信道符号识别小区，总共需要 1个 17点 FFT运算， 48次复数乘法和 248次复数加法。两者的计算复杂度相当，均属于低复杂度的小区识别方法。

图 8是在多小区情况下，本发的第一实施方式的方法与 Motorola的方案使用第一种多符号判决法的小区识别正确率性能图。该图考察了 ί/ = 5， 7, 9, 11时的情况，仿真曲线表明，本发明第一实施方式的方法虽然在小区识别数量上远远优于 Motorola的方案，但其在 SIR较小时 (SIR<0dB= , 比 Motorola的方案多需要 0. 6dB左右的信干比，才能达到相同的估计性能。考虑到本实施方式在小区识别数量上的巨大改进，其在信干比方面付出的少量代价是值得的。

图 9在多小区情况下，本发明第一实施方式的方法与 Motorola的方案使用第二种多符号判决法的小区识别正确率性能图。该图考察了 C/ = 5, 7， 9, 11时的情况，仿真曲线表明，本实施方式虽然在小区识别数量上远远优于 Motorola的方案，但其在 SIR较小时（SIR<0dB=，比 Motorola的方案多需要 0. 5dB左右的信干比，才能达到相同的估计性能。考虑到本实施方式在小区识别数量上的巨大改进，其在信千比方面付出的少量代价是值得的。

仿真结果表明，本实施方式具有识别小区数量大，计算复杂度较低，且估计错误率较低的优点，在 OFDM系统中具有很高的应用价值。

本发明第一实施方式的优点在于：在每帧中仅需要 1个 OFDM符号作为同步信道数据，具有同步信道数据开销低的优势，并且该符号的峰均功率比很低，另外，采用级联的小区识别方法，先通过在不同模式图样的子载波上加载数据，区别不同的小区大号码，再由相邻的已加载数据子载波上加载不同的频域差分序列，区别不同的小区小号码，最终由小区大号码和小区小号码联合识别小区，达到识别大规模数量蜂窝小区的目的，同时使本实施方式保持较低的计算复杂度。

【第二实施方式】

下面对照附图详细描述本发明的第二实施方式。本发明的第二实施方式与第一实施方式的不同之处在于利用小区大号码的可能性量度对大号码进行预选，进而对大号码和小号码进行联合估计。

( 1 ) 生成含有小区大号码和小区小号码信息的 OFDM同步信道符号由于第二实施方式的处理（1 ) 与第一实施方式的处理（1 ) 相同，这里不再对其进行详细描述。

(2) 帧同步与频率同步由于第二实施方式的处理（2) 与第一实施方式的处理（2) 相同，这里不再对其进行详细描述。

(3) 计算当前小区采用各个小区大号码的可能性度量

对于计算 S^^对应的子载波的能量序列，将其与 ( 作相关运算，如式（32)所示-

R(g)即为当前小区采用各个小区大号码的可能性度量。

(4) 对小区大号码进行预选，计算在所述各个小区大号码的条件下，当前小区釆用各个小区小号码的可能性度量

将当前小区釆用各个小区大号码的可能性度量进行排序，令前 A个大号码作为小区预选大号码，记为集合

G^k _pre = {g I _g为按从大到小排序后的前 I个元素 } (l<A<C_g) (33) 式中， λ越大，本实施方式的性能越好，但计算复杂度越高。当 l = C_g时，式 (33)等效于对小区大号码不进行任何预选，即对小区大号码进行全局搜索，本实施方式的性能在此时达到最优。 A是系统设计时的一个参数，由系统分配给小区搜索的时间、硬件资源等决定。

对于每个 geG ，由式 (6)和式 (7)得到和再由式 (8)获得 S , 然后根据式 (9)考察所有的并由式 (10)得到频域差分序列的长度 D，于是，根据式 (11)，确定相邻子载波对的集合 S_rf 。当不考虑噪声，仅考虑多径衰落信道时，差分解调 ,《和 ₂«对应的相邻子载波上的数据，由式 (12)和式 (17) 得-

「，'「，，、 (34)

= ( )^(¾ ('·))] ( )^(¾ (0] (geG_pre, l≤>≤D) 考虑式 (9)的条件，当 α较小时，可以认为 #( ₂(/))« 0¾()), 于是，式

(34)简化为： w^s (0 «。(Sf ('■))· a(Si

(/))[ (35) 计算向量_W = {^/)}与 ^的相关，并取模值平方-

T^(q)即为在各个小区预选大号码条件下，当前小区采用各个小区小号码的可能性度量。

(5) 计算所述各种小区大号码与所述各个小区小号码组合的概率，寻找概率最大值，对所述小区大号码、小号码作出联合估计

对式 (32)中的 R(g)进行归一化运算，并将得到的归一化运算值作为当前小区釆用小区预选大号码为 g的概率，记为 (g)-

¾) = ^ - ~ = ^ (8 G^) (37)

式 (37)中，将 (g)作为当前小区釆用小小区预选大号码为 g的概率，这是合理的做法。相关性越大，其概率越大。显然， (g)满足概率归一化条件-

(38) 对式 (36)中的进行归一化运算，并将得到的归一化运算值作为在小区预选大号码为 g的条件下，当前小区采用小区小号码为 g的条件概率，记为

T^g(q)

geG_pre, l≤q≤C₍ (39)

式 (39)中，将 fs(g)作为在小区大号码为 g的条件下，当前小区釆用小区小号码为 9的条件概率，这是合理的做法。相关性越大，其概率越大。显然，对于所有 g，满足概率归一化条件. -

∑T^g(q) = l ( eGj_re) (40)

9=1

将 (g)与 f 相乘，可得当前小区采用各种小区预选大号码与小区小号码组合的概率，记为 P_r(g )_:

？ (g,q) = R(g)T^g(q) (geG^x _pre,l≤q≤C_q) (41) 寻找概率最大值，对小区大、小号码作出联合估计：

(g,q) e Gj_re> l≤q≤C_q} (42)

(6) 多符号判决算法

由式 (42)可知，本发明第二实施方式的方法总共可识别 C 7_f个不同的小区，为了更可靠地完成小区识别任务，可以釆用多符号判决算法，即考察多个同步信道符号，运用不同的合并判决方法，进行小区识别，从而得到比单次判决更可靠的小区大号码和小区小号码判决值。

方法一：考察 [/个同步信道符号，对于第 X个同步信道符号，根据式 (32) 得到 ^(g)，按式 (33)对其排序得 G^A _p^，再由式 (36)得 Γ^)，然后按照式 (37) 和式 (39)得 (g)和 )，再按照式 (41)得到当前小区采用各种小区大号码与小区小号码组合的概率 Pr,(g,^，加法合并 Pr,(g，<？)，得-

Px(g,q) (43)

然后，用式 (42)对 g和 g作出联合估计。需要指出的是，对于不同的； c， G

U

可能不相同，故式 (43)中 g的取值范围为 geU O^Gr

p;re'. 方法二：考察 ί/个同步信道符号，对于第: c个同步信道符号，根据式 (32) 得到 (g), 按式（33)对其排序得 G_p^，再由式 (36)得 (^)，先对 ^(g)和

7^ )进行加法合并，再用式 (37)和式 (39)做归一化运算，得到多符号情况下的 (g)和 (W

然后由式 (41)得 P_r(g，g)，再用式 (42)对 g和 g作出估计。同样地，对于不同的可能不相同，故式 (44)和 (45〉中 _g的取值范围为 _{g e} |G 。在采用了多符号判决算法后，本实施方式的估计性能得到显著提高。仿真表明，方法一与方法二均可以取得较优的估计性能，其差异主要体现在计算复杂度与实现难易程度不同。

在计算复杂度方面，方法一、二均需要计算和 )，但是，方法一在每个同步信道符号时，需要计算 (g)和 H (9)，及其乘积 Pr g, ，而方法二只在观察了 [/个同步信道符号之后，才计算 (g)和 )，及其乘积

因此，方法一比方法二多需要大约 ([/ - 1)A(2C + 1)次实数乘法。在实现难易程度方面，由于方法一中的 ^(g)、 f (g)和 Pr g, 的数值范围被严格限定在 [0, 1]内，因此其计算结果的数值范围是可知的，所以易于用诸如定点 DSP之类的器件来实现。然而，方法二中涉及的 ^(g)和 r (^的数值范围较大，在具体实现时，容易受到有限精度效应的影响。

下面利用第一实施方式相同的 OFDM参数配置，来阐述本发明第二实施方式的一个实例。

本发明第一实施方式的实例的实现步骤如下：

(A) 生成同步信道符号

(B) 帧同步与频率同步（S211， S212)

第二实施方式的实例中的处理（A) 和（B) 与第一实施方式中的相同，这里不再详细说明。

(C) 计算当前小区采用各个小区大号码的可能性度量（S213)

接收端按照图 10所列的步骤开始小区识别过程，首先是计算当前小区采用各个小区大号码为 g的可能性度量。依据式（32)，得到

以 i?(25)为例，由于 d²⁵ = {1101001000010101110110001111100}，根据式（29) 和式（32) 得：

i?(25) = |z(-32)|² +|z(-30)|² + |z(-26)|² + |z(-20)|² + |z(-10)|² + |z(-6)|² + |z(-2)|^J +

+

+|z(22)|² +|z(24)|² +|z(26) (D) 对小区大号码进行预选，并得到在各个小区预选大号码条件下，当前小区釆用各个小区小号码的可能性度量（S214)

由于 _Cg

。在本实施方式的仿真中，考察了

A = 5,10,31的情况。根据式（33), 对/? ( 进行排序，得 G 。对于每个 g e G ，由式 (8)和式

(11)得 8 ,和。进而，根据式（35) 和式（36) 得 Γ^)。由于选取的 ρ'为

GCL差分序列，式（36)可以通过 17点 FFT高效地实现。先对 (W(0)'尾部补一个零，即（_ws (17))' = 0，再对其作 17点 FFT, 取模值平方：

在计算复杂度方面，由于引入 FFT辅助计算，这一步骤计算开销大大降低。 (E) 计算当前小区采用各种小区预选大号码与小区小号码组合的概率，寻找概率最大值，对小区大、小号码作出联合估计（S215)

根据式（37) 对进行归一化运算，得到当前小区采用小区预选大号码为 _g的概率 g)。当小区大号码 g = 19，且 λ = 31时，在多径信道条件以及 OdB 髙斯白噪声情况下，的典型情况如图 11所示。根据式（39)，对 (W进行归一化运算，得到在小区预选大号码为 g的条件下，当前小区采用小区小号码为 9的条件概率 fg( )。当小区大号码为 g = 19，小区小号码为 ₉ = 6，在多径信道条件以及 OdB 高斯白噪声情况下， q) 的典型情况如图 12所示。

由式（41) 得到当前小区釆用各种小区预选大号码与小区小号码组合的概率 Pr(g^)，当小区大号码为 g = 19, 小区小号码为 = 6, 且 1 = 31时，在多径信道条件以及 OdB高斯白噪声情况下， Pr(g，的典型情况如图 13所示。然后，根据式（42) 寻找概率最大值，对小区大、小号码作出联合估计。

(F) 多符号判决算法 (S216)

方法一：考察 ί/个同步信道符号，对于第 X个同步信道符号，根据式（32) 得到 (g)，按式（33)对其排序得 G ,，再由式（36)得 )，然后按照式

(37) 和式（39) 得 (g)和 H(g)，再按照式（41) 得到 P_ri(g， )，加法合并

?T_x(g,q), 最后，用式（42) 对和₉作出联合估计。

当小区大号码为 19, 小区小号码为 6时，在多径信道条件以及 OdB高斯白噪声情况下，某一次的实验数据如下：（考察 ί/ = 1,3,5,7,且 I = 31时的 Pr(19,6)，

Pr(25,6), Pr(l9,ll))

可以得到正确的小区大、小号码的估计值（g = 19, = 6)。

方法二：考察 t/个同步信道符号，对于第 X个同步信道符号，根据式（32) 得到 (g)，按式（33) 对其排序得 G^,，再由式（36) 得 r (g)，先对 (g) 和 (?)进行加法合并，再用式（37)和式（39)得到 (g)和

，然后由式 (41) 得 P_r(g，），再用式（42) 对 g和作出联合估计。

当小区大号码为 19，小区小号码为 6时，在多径信道条件以及 OdB髙斯白噪声情况下，某一次的实验数据如下：（考察 ί/ = 1,3，5，7, 且 1 = 31时的 (19), R(25) , ¹⁹(6), f²⁵(6), ¹⁹(l 1), Pr(l9,6), Pr(25,6), Pr(l9,ll))

可见， Pr(19,6)随着 ί/的增大而不断增大，用式（42)对 P_r(g,^取最大值，可以得到正确的小区大、小号码的估计值（g = 19, g = 6)。仿真信道为 6-ray GSM Typical Urban Channel (全球移动通信典型城市区域 6径信道，简称 6- ray TU)，其参数如下：

假定频偏为 -0.6。

在模拟多小区环境时，考虑最恶劣的情况，即接收端位于与 3 个邻近小区等距的位置上，如图 7所示，并认为同步信道信号从 3个小区发出后，经过不同的 6- ray TU后，同时到达接收端，其中， 3个小区的 g和 g均不相同。 3个小区中某个小区（小区大号码为 G，小区小号码为 ρ)的接收功率最强，这是目标接入小区，另外两个小区的接收功率相同，视其为干扰小区的信号。定义目标接入小区的信号接收功率与两个干扰小区的信号接收功率和的比值为 SIR (信干比），在此基础上再叠加髙斯白噪声，髙斯白噪声的功率相对于标接入小区的信号接收功率为 OdB。经过本实施方式的识别过程后，当 = G且 = ρ时，才认为小区识别正确。

仿真时认为已经获得完全正确的帧同步与频率同步。

在仿真中，考察了本发明第二实施方式的方法与 Motorola的方案的性能比较。 Motorola的方案参见文献： 3GPP, Rl-051329, "Cell Search and Initial Acquisition for OFDM Downlink" , Motorola, (3GPP文档，编号： Rl-051329, Motorola公司， "OFDM下行链路的小区搜索和初始同步"）该方案在上述物理层条件下,只能识别 36个不同的小区，其数量仅仅是本实施方式的 7. 25%( 36/496)。

图 14 是在多小区情况下， A = 31时，本发明第二实施方式的第一方法与

Motorola的方案的小区识别正确率性能图。该图考察了 [/ = 1， 3， 5,7的情况，仿真曲线表明，当? 7 = 1时，第一方法多需要 1. 5dB的信干比才能达到与 Motorola 的方案相同的性能（以 90%的小区识别正确率为例），但是，随着 t/的增大，第一方法迅速将这一性能差缩小到 0. 3dB ( t/ = 3 ) 和 0. 2dB ( ί/ = 5,7 )。图 15 是在多小区情况下， A = 31时，本发明第二实施方式的第二方法与

Motorola的方案的小区识别正确率性能图。该图考察了 7 = 1， 3, 5,7的情况，仿真曲线表明，当 C/ - 1时，第二方法多需要 1. 5dB的信干比才能达到与 Motorola 的方案相同的性能（以 90%的小区识别正确率为例），但是，随着 [/的增大，第二方法迅速将这一性能差缩小到 0. 2dB ( ί/ = 3 ) 和 0. ldB ( = 5,7 )。相比较而言，第二方法的性能略优于第一方法。

另外，本实施方式也可采用非联合估计 (本发明的第一实施方式）的算法来实现，即由式（32) 得到后，寻找峰值，对 g作出估计： = argmax{ i?(g) |l < g < C_g} (48) 然后，根据式（36) 计算 )，寻找其峰值，对作出估计: 式（48) 和式（49) 是本实施方式釆用非联合算法 (第一实施方式）时的估计表达式。注意到式（48)与第一实施方式的式（19)相同。图 16是在多小区情况下， A = 31时，本发明采用非联合估计（本发明的第一实施方式）与本实施方式的方法二的小区识别正确率性能图。该图考察了 f/ = 1, 3, 5,7的情况，仿真曲线表明，当 = l时，非联合算法（第一实施方式）多需要 ldB的信干比才能达到与第二方法相同的性能（以 90%的小区识别正确率为例），随着 [/的增大，非联合算法（本发明的第一实施方式）与第二方法的性能差逐渐减小到 0.5dB

(ί/ = 3), 0.4dB CU = 5 )和 0.3dB (ί/ = 7)。

在计算复杂度方面， Motorola的方案的主要计算量是差分序列计算（类似于式（34)，需要 36次复数乘法）以及一个 37点 FFT。本发明釆用非联合算法

(第一实施方式）的主要计算量是式（32) 的模值平方运算，和式（34) 的差分序列计算，共计约 31次复数乘法，以及一个 17点 FFT。因此，本发明采用非联合算法（第一实施方式）和 Motorola方案的计算复杂度近似相等。而本实施方式采用联合算法 (第一方法和第二方法)的计算复杂度约为上述复杂度的 I倍。为了降低明采用联合算法的复杂度，可以选取较小的 I。

图 17 是在多小区情况下，本发明第二实施方式的第一方法选取 1 = 31和 =10时的小区识别正确率性能图。该图考察了《7 = 1,3, 5,7的情况，仿真曲线表明，第一方法在选取 A = 31和 Λ = 10时的性能几乎完全相同，但 1 = 10的计算复杂度比 1 = 31减少约 67%。

图 18 是在多小区情况下，本发明第二实施方式的第一方法选取 1 = 31和 Α ₌ 5时的小区识别正确率性能图。该图考察了 ί/ = 1，3, 5,7的情况，仿真曲线表明，第一方法在选取 Α = 31和 1 = 5时的性能几乎完全相同，但 1 = 5的计算复杂度比 1 ₌ 31减少约 83%。

图 19 是在多小区情况下，本发明第二实施方式的第二方法选取 Α = 31和 A-10时的小区识别正确率性能图。该图考察了 ί/ = 1，3, 5，7的情况，仿真曲线表明，第二方法在选取 1 = 31和 =10时的性能几乎完全相同，但 1 = 10的计算复杂度比 1 = 31减少约 67%。

图 20 是在多小区情况下，本发明第二实施方式的第二方法选取 1 = 31和 λ = 5时的小区识别正确率性能图。该图考察了 C/ = 1, 3, 5,7的情况，仿真曲线表明，第二方法在选取 A = 5时的性能仅比 A = 31下降约 O. ldB, 但 1 = 5的计算复杂度比 A = 31减少约 83%。

因此，本发明的联合估计算法（第一方法与第二方法）改善了本发明的性能，使得本发明在支持小区数量大于 Motorola的方案近 14倍（496/36) 的前提下，取得与之几乎相同的小区识别性能。所以，本发明第二实施方式的方法具有识别小区数量大，且估计正确率较高，计算复杂度较低的优点，在 OFDM系统中具有很髙的应用价值。

本发明第二实施方式的优点在于：在每帧中仅需要 1个 OFDM符号作为同步信道数据，具有同步信道数据开销低的优势，并且该符号的峰均功率比较低；采用级联的小区识别方法，先通过在不同模式图样的子载波上加载数据，区别不同的小区大号码，再由相邻的已加载数据子载波上加载不同的频域差分序列，区别不同的小区小号码，其总共可识别的小区数量为小区大号码的数目与小区小号码的数目的乘积，这使本发明可以支持大规模数量的蜂窝小区系统；另外，选取合适的小区大号码预选数目 I ,可以缩小搜索小区的范围，从而降低本发明的计算复杂度；最后，提出联合估计小区大号码与小区小号码的算法，使得本发明具有较高的小区识别正确率。

【第三实施方式】

下面对照附图详细描述本发明的第三实施方式。本发明的第三实施方式与第一实施方式的不同之处在于对小区大号码进行预选，进而利用 ML准则，对小区大号码和小区小号码进行最优联合估计。

( 1 ) 生成含有小区大号码和小区小号码信息的 OFDM同步信道符号由于第三实施方式的处理（1 ) 与第一实施方式的处理（1 ) 相同，这里不再对其进行详细描述。

(2) 帧同步与频率同步

由于第三实施方式的处理（2) 与第一实施方式的处理（2 ) 相同，这里不再对其进行详细描述。

(3) 对频域同步信道符号进行能量检测对于 {_Z( }，计算 S^,。„对应的子载波的能量序列，将其与 d^s作相关运算，如式 (50)所示：

R(g)即为同步信道符号的频域能量检测结果。

(4)对小区大号码进行预选，对频域同步信道符号进行差分解调及频域序列检测

将频域同步信道符号的能量检测结果进行排序，令前 I个结果所对应的大号码作为所述小区预选大号码，记为集合

G^x _pre = {g I _g ?⁽^按从大到小排序后的前i个元素 } (l<A<C_g) (51) 式中， A越大，本发明的性能越好，但计算复杂度越高。当 l = C_g时，式（51) 等效于对小区大号码不进行任何预选，即对小区大号码进行全局搜索，本发明的性能在此时达到最优。 λ是系统设计时的一个参数，由系统分配给小区搜索的时间、硬件资源等决定。

对于每个 geG ，由式 (6)和式 (7)得到 S„ 和 S^, 再由式 (8)获得 S^,，然后根据式 (9)考察所有的并由式（10)得到频域差分序列的长度 )，于是，根据式（11) , 确定相邻子载波对的集合 S .。当不考虑噪声，仅考虑多径衰落信道时，差分解调 (/)和 ₂(/)对应的相邻子载波上的数据，由式 (12)和式（17) 得.' （⁵²)

考虑式 (9)的条件，当《较小时，可以认为 H( (/)) H( (7'》，于是，式

(52) 简化为：

计算向量^ = {^ 与1^的相关值，得： T^g(q) =∑(w^(i))' p^(i) (geG ,l≤q≤C_q) (54)

(=1 (q)即为在各个小区预选大号码条件下，同步信道符号的频域序列检测结果。

(5) 根据 ML准则，对小区大号码和小区小号码作出最优联合估计根据 ML准则，对小区大号码和小区小号码的估计度量值进行推导，首先对接收的信号做假设。由式（17)，对 {fl ( 和 / 做假设^ 和。其中，

{5( 是同步信道符号在频域上的数据序列，由小区大号码的假设值和小区小号码的假设值决定。由式（6)知，当 AeS ,时， (A:) = 0_; 当 A:sSf_f,时，由式（12)决定，其中包含。因此，可以由和唯一确定。

设 (/«)为根据 { (A)}和得到的同步信道符号的时域序列：

由式（15) , 是接收到的同步信道符号的时域序列，所以，关于 , 的似然函数（likelihood function) 可以表示为：

式（56) 中， (g_eG ，l≤g≤C₉)。忽略一些常数因子，并考虑式 (16)，对式（56) 作简化，得：

考虑噪声较大的情况，对式（57)作多项式逼近（根据泰勒级数展开，当 JC 较小时，有 exp(x)«l + x + x²/2)

对式（58)中的和作平均，消去这两个变量，从而得到关于的似然函数：

+4 Re ∑ (^)H(^)exp(-j^)z*(^)5*(^)H*(^)exp(j^)z(fc₂)

(59) 式中， AV£{ }表示对 A和 ^作平均。认为对同步信道符号没有增益和衰落，则 ^¾ =1。另外，考虑式（50) 以及式（52)和式（53)，并再次忽略一些常数，化简式（59) 得:

= R(g) + 2R [T'(q)] (g≡G^x _pre, l≤q≤ C_q

. 即为基于 ML准则的小区识别度量值，该度量值等于相应^ ）的 1 倍的频域能量检测结果与 2倍的频域序列检测结果的实部之和，寻找其峰值，从而对小区大号码和小区小号码作出最优联合估计：

(g,^) = argmax{A(^,^)} (61)

(6) 多符号判决算法

由式（61) 可知，本发明第三实施方式的方法总共可识别 C_SC个不同的小区，为了更可靠地完成小区识别任务，可以釆用多符号判决算法，即考察多个同步信道符号，运用不同的合并判决方法，进行小区识别，从而得到比单次判决更可靠的小区大号码和小区小号码判决值。

不考虑 OFDM的时间同步和频率同步，仅仅考虑小区识别问题。考察 C 个同步信道符号，对于第 X个同步信道符号，根据式（50) 得到 ( , 按式（51) 对其排序得再由式（54) 得 rf( ），按照式（60)得到基于 ML准则的小区识别度量值 ( ，加法合并 Λ,(^, )，得：

A( , ) =∑Λ_Χ (g,q) 8 U^{G 1≤ ≤ C}, (62)

x=i x=l

然后，用式（61) 对 g和 9作出联合估计。需要指出的是，对于不同的; c，

G 可能不相同，故式（62) 中 g的取值范围为

。在采用了多符号判决算法后，本发明的估计性能得到显著提髙。在计算复杂度方面，本发明第三实施方式的方法的主要计算量集中在式（50) 的频域能量检测和式（54)的频域序列检测，分别需要约 8^。„次复数乘法和 ΙΖ)(ς+1)次复数乘法。

下面利用第一实施方式相同的 OFDM参数配置，来阐述本发明第三实施方式的一个实例。本发明第一实施方式的实例的实现步骤如下：

(A) 生成同步信道符号

(B) 帧同步与频率同步 (S311, S312)

第三实施方式的实例中的处理（A) 和（B) 与第一实施方式中的相同，这里不再详细说明。

(C) 对频域同步信道符号进行能量检测

接收端按照图 21所列的步骤开始小区识别过程，首先是对频域同步信道符号进行能量检测。

依据式 (50), 得到

以 ?(25)为例，由于 d²⁵ ={1101001000010101110110001111100} ,根据式（29) 和式（50) 得：

) +(-32)f +|_Z(-30)f +μ(-26)|² +| |² +| ^

+ |_Z(4)f +|z(8)|² +|Z(10)|² +|Z(18)|² +|z(20)f +| (22) +卜 (24)「 +|z(26) 计算 31个 ? (g)总共需要 _S。_p,,。_{n =3}ι次复数乘法及 496次实数加法。当小区大号码 g = 19时，在多径信道条件以及 OdB髙斯白噪声情况下， i(g) 的典型情况如图 22所示。

(D) 对频域同步信道符号进行差分解调及频域序列检测 (S313, S314) 由于 C_g =5 = 31,故 l≤ i≤C_g =31。在本发明的仿真中，考察了 A = 10,31的情况。

根据式 (51) ,对 ( 进行排序，得。对于每个 g e ,由式 (8)和式 (11) 得和 S_a 。进而，根据式（53)和式（54)得 7^(^)。由于选取的 ^为 GCL差分序列，式 (54)可以通过 17点 FFT髙效地实现。先对 ( (0)'尾部补一个零，即 (w^(17))* =0, 再对其作 17点 FFT, 取模值平方：

7^) = f s(/))'_eXp(_j2 ) (geG , l≤q≤l6) (64) 在计算复杂度方面，由于引入 FFT 辅助计算，这一步骤计算开销由 D{C_q + 1) = 212λ次复数乘法降低为 I [£» + [(£> + 1) log₂ (D + 1)]/2] 5( 次复数乘法，减少幅度达到 81.6%。

当小区大号码为 g = 19，小区小号码为 g = 6, 在多径信道条件以及 OdB高斯白噪声情况下， T^s(q) (g = 19) 的典型情况如图 23所示。

(5) 根据 ML准则，对小区大号码和小区小号码作出最优联合估计 (S315) 将式（63) 和式（64) 代入式（60) 得 Λ( , ）。当小区大号码为 g = 19，小区小号码为 = 6, 且 Α = 31时，在多径信道条件以及 OdB高斯白噪声情况下，

Λ(^ ）的典型情况如图 24所示。

然后，根据式（61) 寻找最大值，对小区大、小号码作出最优联合估计。

(6) 多符号判决算法（S316)

考察 t/个同步信道符号，对于第 X个同步信道符号,根据式（63)得到 (g)，按式（51)对其排序得 G ,，再由式（64)得 ( ），然后将式（63)和式（64) 代入式（60)得 Λ,(^ ），再按照式（62)得到 Λ( ，），最后，用式（61)对 g 和 9作出最优联合估计。

当小区大号码为 19, 小区小号码为 6时，在多径信道条件以及 OdB髙斯白噪声情况下，某一次的实验数据如下：（考察 (7 = 1,3,5,7,且 1 = 31时的 Λ(19，6)， Λ(25,6), Λ(19,11))

可见， Λ(19，6)随着的增大而不断增大，且峰值特性趋于明显。所以，用式（61)对 Λ ^)取最大值，可以得到正确的小区大号码和小区小号码的估计值（g = 19, = 6)。仿真信道为 6- ray GSM Typical Urban Channel (全球移动通信典型城市区域 6径信道，简称 6- ray TU), 其参数如下：

假定频偏为- 0. 6。

在模拟多小区环境时，考虑最恶劣的情况，即接收端位于与 3个邻近小区等距的位置上，如图 7所示，并认为同步信道信号从 3个小区发出后，经过不同的 6-ray TU后，同时到达接收端，其中， 3个小区的 g和均不相同。 3个小区中某个小区（小区大号码为 G , 小区小号码为 2 ) 的接收功率最强，这是目标接入小区，另外两个小区的接收功率相同，视其为干扰小区的信号。定义目标接入小区的信号接收功率与两个干扰小区的信号接收功率和的比值为 SIR (信干比），在此基础上再叠加高斯白噪声，髙斯白噪声的功率相对于标接入小区的信号接收功率为 OdB。经过本发明的识别过程后，当 = G且 = ρ时，才认为小区识别正确。

仿真时认为已经获得完全正确的帧同步与频率同步。

在仿真中，考察了本发明与 Motorola的方案的性能比较。 Motorola的方案参见文献： 3GPP, Rl-051329, "Cell Search and Initial Acquisition for OFDM Downlink"， Motorola。（3GPP文档，编号： Rl- 051329， Motorola公司， "OFDM 下行链路的小区搜索和初始同步"）该方案在上述物理层条件下，只能识别 36 个不同的小区，其数量仅仅是本发明的 7. 25% (36/496)。

图 25是在多小区情况下， A = 31时，本发明与 Motorola的方案的小区识别正确率性能图。该图考察了 t/ - 1, 3, 5的情况，仿真曲线表明，当 C/ - 1时，本发明多需要 0. 6dB的信干比才能达到与 Motorola的方案相同的性能（以 90%的小区识别正确率为例），但是，随着 c 的增大，本发明可以将这一性能差快速缩小到 0. 2dB ( [/ = 3即可）。 ·

在计算复杂度方面， Motorola 的方案的主要计算量是差分序列计算（类似于式（52)，需要 36次复数乘法）以及一个 37点 FFT。本发明的计算复杂度约为上述复杂度的 A倍。为了降低本发明采用最优联合估计算法的复杂度，可以选取较小的 I。

图 26是在多小区情况下，本发明第三实施方式的方法选取 = 31和 I = 10时的小区识别正确率性能图。该图考察了 C/ = 1, 3, 5的情况，仿真曲线表明，本发明第三实施方式的方法在选取 A = 31和 I = 10时的性能几乎完全相同，但 I = 10 的计算复杂度比 A = 31减少约 67%。

图 27是在多小区情况下，本发明第三实施方式的方法选取 I = 31和 A = 5时的小区识别正确率性能图。该图考察了 ί/ = 1, 3, 5的情况，仿真曲线表明，本发明 Α = 5时的性能只比 λ = 31的性能下降 O. ldB, 但 1 = 5的计算复杂度比 1 = 31 减少约 83%。

另外，第二实施方式也可采用直接估计的算法（本发明的第一实施方式）来实现，即由式（50) 得到 ( 后，寻找峰值，对 _g作出估计- g = argmax{ i?(g) |l < g < C_g} (65) 然后，根据式（54) 计算 ( ) 寻找其峰值，对 g作出估计:

式（65 ) 和式（66) 即是本发明釆用直接估计的表达式。注意到式（65 ) 与第一实施方式的式（19) 相同，而式（66) 与第二实施方式的式（46) 相同。

图 28是在多小区情况下， A = 3I时，本实施方式与直接估计的算法（本发明的第一实施方式）的小区识别正确率性能图。该图考察了 ί/ = 1, 3, 5的情况，仿真曲线表明，当 [/ = 1时，直接估计算法多需要 1. 8dB的信干比才能达到与本发明相同的性能（以 90%的小区识另 ij正确率为例），随着的增大，直接估计算法（第一实施方式）与本实施方式的性能差逐渐减小到 0. 6dB ( ί/ = 3 )和 0. 4dB ( C/ = 5 ) o所以，当较小时，本实施方式相对于直接估计法（第一实施方式），具有很大的优势。

因此，本发明第三实施方式提出的基于 ML准则的最优估计算法具有很好的估计性能，使得本实施方式在支持小区数量大于 Motorola 的方案近 14 倍 (496/36) 的前提下，取得优于其的小区识别性能。所以，本实施方式具有识别小区数量大，且估计正确率较高，计算复杂度较低的优点，在 0FDMA系统中具有很高的应用价值。

本发明第三实施方式的优点在于：在每帧中仅需要 1个 OFDM符号作为同步信道数据，具有同步信道数据开销低的优势，并且该符号的峰均功率比较低；采用级联的小区识别方法，先通过在不同模式图样的子载波上加载数据，区别不同的小区大号码，再由相邻的已加载数据子载波上加载不同的频域差分序列，区别不同的小区小号码，其总共可识别的小区数量为小区大号码的数目与小区小号码的数目的乘积，这使本实施方式可以支持大规模数量的蜂窝小区系统；另外，选取合适的小区大号码预选数目，可以縮小搜索小区的范围，从而降低本发明的计算复杂度；最后，根据 ML准则，提出估计小区大号码和小区小号码的最优算法，使得本实施方式具有较高的小区识别正确率。

本发明的上述具体实施方式只是用于阐述本发明的技术内容的示例。本发明并不限于上述具体实施方式，不应对其进行狭义的解释。在本发明的精神和权力要求的范围内，可进行各种变更来实施之。

Claims

权利要求

1、一种应用于 0FDMA蜂窝系统的小区识别方法，包括如下步骤：发送端生成含有小区大号码和小区小号码信息的 OFDM同步信道符号，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；

接收端通过对接收的同步信道符号进行时频变换来得到同步信道符号的频域序列；

识别接收的可有载荷子载波的能量序列模式图样，获得小区大号码；以及识别启用子载波上加载的差分频域序列，获得小区小号码。

2、根据权利要求 1所述的应用于 0FDMA蜂窝系统的小区识别方法，其中所述识别接收的可有载荷子载波的能量序列模式图样的步骤包括- 计算频域同步信道符号的可有载荷子载波的能量序列，作为收到的可有载荷子载波模式图样；以及

将其与事先定义的可有载荷子载波的模式图样集合进行匹配搜索，找到具有最大相关性的图样，进而识别出该图样代表的小区大号码。

3、根据权利要求 1所述的应用于 0FDMA蜂窝系统的小区识别方法，其中所述识别启用子载波上加载的差分频域序列的步骤包括：：

获得启用子载波中相邻子载波的序号集合；

差分解调该序号集合所对应的频域同步信道序列，获得用于识别小区小号码的频域差分序列；以及

通过识别该序列，来识别小区小号码。

4、根据权利要求 1所述的应用于 0FD A蜂窝系统的小区识别方法，还包括步骤：

对多个同步信道符号的每个同步信道符号，按照得到多个小区大号码估计值，对其进行多符号判断，以得到较为可靠的小区大号码估计值；以及利用较为可靠的小区大号码估计值，通过小区小号码判决变量进行平方合并，对小区小号码作出估计。

5、根据权利要求 1所述的应用于 0FDMA蜂窝系统的小区识别方法，还包括步骤：

将多个同步信道符号中的小区大号码判决变量进行加法合并；

对小区大号码作出较为可靠的估计；

通过对小区小号码判决变量进行平方合并，来对小区小号码作出估计。

6、一种应用于 0FD A蜂窝系统的小区识别装置，包括：

生成含有小区大号码和小区小号码信息的 OFDM同步信道符号的装置，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；

通过对同步信道符号进行时频变换来得到同步信道符号的频域序列的装置；

识别接收的可有载荷子载波的能量序列模式图样来获得小区大号码的装置；以及

识别启用子载波上加载的差分频域序列来获得小区小号码的装置。

7、根据权利要求 6所述的应用于 0FDMA蜂窝系统的小区识别装置，其中所述识别接收的可有载荷子载波的能量序列模式图样的装置包括：

计算频域同步信道符号的可有载荷子载波的能量序列，作为收到的可有载荷子载波模式图样的装置；以及

将其与事先定义的可有载荷子载波的模式图样集合进行匹配搜索，找到具有最大相关性的图样，进而识别出该图样代表的小区大号码的装置。

8、根据权利要求 6所述的应用于 0FDMA蜂窝系统的小区识别装置，其中所述识别启用子载波上加载的差分频域序列的装置包括- 获得启用子载波中相邻子载波的序号集合的装置；差分解调该序号集合所对应的频域同步信道序列来获得用于识别小区小号码的频域差分序列的装置；以及

通过识别该序列来识别小区小号码的装置。

9、根据权利要求 6所述的应用于 0FDMA蜂窝系统的小区识别装置，还包括: 对多个同步信道符号的每个同步信道符号，按照得到多个小区大号码估计值，对其进行多符号判断，以得到较为可靠的小区大号码估计值的装置；以及利用较为可靠的小区大号码估计值，通过小区小号码判决变量进行平方合并，对小区小号码作出估计的装置。

10、根据权利要求 6所述的应用于 0FDMA蜂窝系统的小区识别装置，还包括：

将多个同步信道符号中的小区大号码判决变量进行加法合并的装置；对小区大号码作出较为可靠的估计的装置；

通过对小区小号码判决变量进行平方合并，来对小区小号码作出估计的装置。

11、一种 0FDMA蜂窝系统的小区识别方法，包括如下步骤- 发送端生成含有小区大号码和小区小号码信息的 OFDM同步信道符号，与每个小区大号 ^应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的相邻的启用子载波上加载频域差分序列；

通过对频域同步信道符号进行能量检测来计算当前小区釆用各个小区大号码的可能性度量；

通过差分解调及频域序列检测来计算在所述各个小区大号码的条件下，当前小区采用各个小区小号码的可能性度量；

对所述各个小区大号码的可能性度量，以及所述各个小区大号码的条件下，所述各个小区小号码的可能性度量，进行归一化运算并相乘，得到所述各种小区大号码与所述各个小区小号码组合的概率；以及

寻找概率最大值，对所述小区大号码、小号码作出联合估计。

12、根据权利要求 11所述的 0FDMA蜂窝系统的小区识别方法，其中所述通过对频域同步信道符号进行能量检测来计算当前小区采用各个小区大号码的可能性度量的步骤包括- 计算频域同步信道符号的可有载荷子载波的能量序列，作为收到的可有载荷子载波模式图样；以及

将其与事先定义的可有载荷子载波的模式图样集合进行相关性运算，得到所述各个小区大号码的可能性度量。

13、根据权利要求 11所述的 0FDMA蜂窝系统的小区识别方法，其中所述通过差分解调及频域序列检测来计算在所述各个小区大号码的条件下当前小区采用各个小区小号码的可能性度量的步骤包括：

枚举所述各个小区大号码作为条件，来确定其可有载荷子载波图样与已知的必有载荷子载波集合，以得到启用子载波中相邻子载波的序号集合；

差分解调该序号集合所对应的频域同步信道序列，获得用于识别小区小号码的频域差分序列；以及、

将其与事先定义的所有频域差分序列进行相关性运算，得到在所述各个小区大号码条件下，所述各个小区小号码的可能性度量。

14、根据权利要求 13所述的 0FD A蜂窝系统的小区识别方法，其中在计算所述各个小区大号码的条件下，当前小区采用各个小区小号码的可能性度量之前，对所述各个小区大号码进行预选。

15、根据权利要求 14所述的 0FDMA蜂窝系统的小区识别方法，其中所述通过差分解调及频域序列检测来计算在所述各个小区大号码的条件下当前小区釆用各个小区小号码的可能性度量的步骤包括：

将所述各个小区大号码的可能性度量进行排序；以及令前 A个大号码作为所述小区预选大号码。

16、根据权利要求 11所述的 0FDMA蜂窝系统的小区识别方法，其中，对所述各个小区大号码的可能性度量进行归一化运算, 得到所述各个小区大号码的概率；对所述各个小区大号码条件下，所述各个小区小号码的可能性度量进行归一化运算，得到在所述各个小区大号码条件下，所述各个小区小号码的条件概率；以及将所述各个小区大号码的概率与所述各个小区大号码条件下所述各个小区小号码的条件概率相乘，得到所述各种小区大号码与所述小区小号码组合的概率，寻找概率最大值，对所述小区大号码，小号码作出联合估计。

17、根据权利要求 11所述的 0FDMA蜂窝系统的小区识别方法，还包括步骤- 对于多个同步信道符号的每个同步信道符号，按照得到的所述各种小区大号码与所述小区小号码组合的概率进行加法合并；以及

对小区大号码，小号码作出联合估计。

18、根据权利要求 11所述的 0FD A蜂窝系统的小区识别方法，还包括步骤：对于多个同步信道符号的每个同步信道符号，按照得到的所述各个小区大号码的可能性度量，以及在所述各个小区大号码条件下所述各个小区小号码的可能性度量，分别加法合并该两个可能性度量；

按照所述各种小区大号码与所述小区小号码组合的概率，对小区大号码、小号码作出联合估计。

19、一种 0FDMA蜂窝系统的小区识别装置，包括：

生成含有小区大号码和小区小号码信息的 ( DM同步信道符号的装置，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；

通过对接收的同步信道符号进行时频变换来得到同步信道符号的频域序列的装置；

通过对频域同步信道符号进行能量检测来计算当前小区采用各个小区大号码的可能性度量的装置；

通过差分解调及频域序列检测来计算在所述各个小区大号码的条件下，当前小区釆用各个小区小号码的可能性度量的装置；

对所述各个小区大号码的可能性度量，以及所述各个小区大号码的条件下，所述各个小区小号码的可能性度量，进行归一化运算并相乘，得到所述各种小区大号码与所述各个小区小号码组合的概率的装置；以及

寻找概率最大值，对所述小区大号码、小号码作出联合估计的装置。

20、根据权利要求 19所述的 0FDMA蜂窝系统的小区识别装置，其中所述通过对频域同步信道符号进行能量检测来计算当前小区采用各个小区大号码的可能性度量的的装置包括：

将其与事先定义的可有载荷子载波的模式图样集合进行相关性运算，得到所述各个小区大号码的可能性度量的装置。

21、根据权利要求 19所述的 0FDMA蜂窝系统的小区识别装置，其中所述通过差分解调及频域序列检测来计算在所述各个小区大号码的条件下当前小区采用各个小区小号码的可能性度量的装置包括：

枚举所述各个小区大号码作为条件，来确定其可有载荷子载波图样与已知的必有载荷子载波集合，以得到启用子载波中相邻子载波的序号集合的装置；差分解调该序号集合所对应的频域同步信道序列，获得用于识别小区小号码的频域差分序列的装置；以及 '

将其与事先定义的所有频域差分序列进行相关性运算，得到在所述各个小区大号码条件下，所述各个小区小号码的可能性度量的装置。

22、根据权利要求 21所述的 0FDMA蜂窝系统的小区识别装置，其中在计算所述各个小区大号码的条件下，当前小区釆用各个小区小号码的可能性度量之前，对所述各个小区大号码进行预选。

23、根据权利要求 22所述的 OFD 蜂窝系统的小区识别装置，其中将所述各个小区大号码的可能性度量进行排序；以及令前 A个大号码作为所述小区预选大号码。

24、根据权利要求 19所述的 0FDMA蜂窝系统的小区识别装置，其中，对所述各个小区大号码的可能性度量进行归一化运箕，得到所述各个小区大号码的概率；对所述各个小区大号码条件下，所述各个小区小号码的可能性度量进行归一化运算，得到在所述各个小区大号码条件下，所述各个小区小号码的条件概率；以及将所述各个小区大号码的概率与所述各个小区大号码条件下所述各个小区小号码的条件概率相乘，得到所述各种小区大号码与所述小区小号码组合的概率，寻找概率最大值，对所述小区大号码，小号码作出联合估计。

25、根据权利要求 19所述的 0FDMA蜂窝系统的小区识别装置，还包括- 对于多个同步信道符号的每个同步信道符号，按照得到的所述各种小区大号码与所述小区小号码组合的概率进行加法合并的装置；以及

对小区大号码，小号码作出联合估计的装置。

26、根据权利要求 19所述的 0FDMA蜂窝系统的小区识别的装置，还包括：对于多个同步信道符号的每个同步信道符号，按照得到的所述各个小区大号码的可能性度量，以及在所述各个小区大号码条件下所述各个小区小号码的可能性度量，分别加法合并该两个可能性度量的装置;'

按照所述各种小区大号码与所述小区小号码组合的概率，对小区大号码、小号码作出联合估计的装置。

27、一种 0FDMA蜂窝系统的小区识别方法，包括如下步骤：

发送端生成含有小区大号码和小区小号码信息的 OFDM同步信道符号，与每个小区大号码对应的是可有载荷子载波上加载数据的模式图样，与每个小区小号码对应的是在相邻的启用子载波上加载频域差分序列；通过对接收的同步信道符号进行时频变换来得到同步信道符号的频域序列；

对频域同步信道符号进行能量检测；

对频域同步信道符号进行差分解调及频域序列检测；

根据 ML准则,合并同步信道符号的频域能量检测结果和频域序列检测结果，寻找峰值，对小区大号码和小区小号码作出最优联合估计。

28、根据权利要求 27所述的 0FDMA蜂窝系统的小区识别方法，其中所述的对频域同步信道符号进行能量检测的步骤包括：

计算频域同步信道符号的可有载荷子载波的能量序列，作为收到的可有载荷子载波模式图样；以及

将其与事先定义的可有载荷子载波的模式图样集合进行相关性运算，得到频域能量检测结果。

29、根据权利要求 27所述的 0FDMA蜂窝系统的小区识别方法，其中所述对频域同步信道符号进行差分解调及频域序列检测的步骤包括：

枚举所述各个小区大号码作为条件，确定其可有载荷子载波图样，与已知的必有载荷子载波集合，得到启用子载波中相邻子载波的序号集合；

将其与事先定义的所有频域差分序列进行相关性运算，得到在所述各个小区大号码条件下的频域序列检测结果。

30、根据权利要求 29所述的 0FDMA蜂窝系统的小区识别方法，其中在对频域同步信道符号进行差分解调及频域序列检测之前，对所述各个小区大号码进行预选。

31、根据权利要求 30所述的 0FDMA蜂窝系统的小区识别方法，其中将所述频域同步信道符号的能量检测结果进行排序，令前 λ个结果所对应的大号码作为所述小区预选大号码。

32、根据权利要求 27所述的 0FDMA蜂窝系统的小区识别方法，其中，根据 ML准则，对于同步信道符号，将 1倍的的频域能量检测结果和 2倍的频域序列检测结果的实部相加，得到基于 ML准则的小区识别度量值，寻找其峰值，从而对小区大号码和小区小号码作出最优联合估计。

33、根据权利要求 27所述的 0FDMA蜂窝系统的小区识别方法，还包括：针对多个同步信道符号，计算每个符号的基于 ML准则的小区识别度量值，相加合并后，再寻找其峰值，最后对小区大号码和小区小号码作出最优估计。

34、一种 0FDMA蜂窝系统的小区识别装置，包括：

对频域同步信道符号进行能量检测的装置；

对频域同步信道符号进行差分解调及频域序列检测的装置；

根据 ML准则，合并同步信道符号的频域能量检测结果和频域序列检测结果，寻找峰值，对小区大号码和小区小号码作出最优联合估计的装置。

35、根据权利要求 34所述的 0FDMA蜂窝系统的小区识别装置，其中所述的对频域同步信道符号进行能量检测的装置包括：

将其与事先定义的可有载荷子载波的模式图样集合进行相关性运算，得到频域能量检测结果的装置。

36、根据权利要求 34所述的 OFD A蜂窝系统的小区识别装置，其中所述对频域同步信道符号进行差分解调及频域序列检测的装置包括- 枚举所述各个小区大号码作为条件，确定其可有载荷子载波图样，与已知的必有载荷子载波集合，得到启用子载波中相邻子载波的序号集合的装置；差分解调该序号集合所对应的频域同步信道序列，获得用于识别小区小号码的频域差分序列的装置；以及

将其与事先定义的所有频域差分序列进行相关性运算，得到在所述各个小区大号码条件下的频域序列检测结果的装置。

37、根据权利要求 29所述的 0FDMA蜂窝系统的小区识别装置，其中在对频域同步信道符号进行差分解调及频域序列检测之前，对所述各个小区大号码进行预选。

38、根据权利要求 37所述的 0FDMA蜂窝系统的小区识别装置，其中将所述频域同步信道符号的能量检测结果进行排序，令前个结果所对应的大号码作为所述小区预选大号码。

39、根据权利要求 34所述的 0FDMA蜂窝系统的小区识别装置，其中，根据 ML准则，对于同步信道符号，将 1倍的的频域能量检测结果和 2倍的频域序列检测结果的实部相加，得到基于 ML准则的小区识别度量值，寻找其峰值，从而对小区大号码和小区小号码作出最优联合估计。

40、根据权利要求 34所述的 0FDMA蜂窝系统的小区识别装置，其中，针对多个同步信道符号，计算每个符号的基于 ML准则的小区识别度量值，相加合并后，再寻找其峰值，最后对小区大号码和小区小号码作出最优估计。