专利名称：：Ofdma蜂窝系统的小区识别方法
技术领域：
：本发明涉及一种通信
技术领域：
的识别的方法，具体是一种应用于OFDMA(正交频分多址)蜂窝系统的小区识别的方法。
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，数据传输速率高等。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Super3G超三代移动通信系统)中下行链路的首选技术。在基于OFDMA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。OFDMA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(FastFourierTransform，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。经过对现有技术的文件查询，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OFDMA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OFDMA蜂窝系统，有三种方法可用于OFDMA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，R1-051329，“CellSearchandInitialAcquisitionforOFDMDownlink”，Motorola。(3GPP文档，编号R1-051329，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(n一般为大于等于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，n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xG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xI个小区号码。于是，该方法共可以识别xGxI个不同的小区。参见文献3GPP，R1-060072，ETRI，“CellSearchSchemeforEUTRA&TP”。(3GPP文档，编号R1-060072，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n个(n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，R1-051057，“DownlinkSynchronizationChannelSchemesforE-UTRA”，TexasInstruments。(3GPP文档，编号R1-051057，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小区识别数量少或同步信道符号开销大的问题，提供一种OFDMA蜂窝系统的小区识别方法。本发明在每帧中仅需要1个OFDM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，接收端根据ML(MaximumLikelihood，最大似然)准则，对小区大号码和小区小号码作出最优联合估计，达到识别小区的目的，本发明在支持大规模数量蜂窝小区的前提下，具有较高的小区识别正确率。本发明通过以下技术方案实现，具体包括如下步骤步骤一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，在频域上，该同步信道符号中参与小区识别过程的子载波按是否加载数据，分为两类必有载荷子载波和可有载荷子载波，其中，必有载荷子载波和可有载荷子载波中确实加载数据的子载波合称为启用子载波，不同小区大号码的小区具有不同的可有载荷子载波模式图样，具有不同小区小号码的小区在相邻的启用子载波上加载不同的频域差分序列；步骤二接收端根据利用现有技术，获得帧同步与载波频率同步，并提取出同步信道符号，去除循环前缀，经过频偏补偿，再作FFT(快速傅里叶变换)，得到同步信道符号的频域序列；步骤三对频域同步信道符号进行能量检测；步骤四对频域同步信道符号进行差分解调及频域序列检测；步骤五根据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。所述的步骤三，具体为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，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。所述的步骤四，具体为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，然后，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，将其与事先定义的所有频域差分序列进行相关性运算，得到频域序列检测结果。所述的步骤四，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。所述的步骤四，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。所述的步骤五，具体为根据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。完成步骤五后还可以进入多符号判决算法，即考察多个同步信道符号，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，对小区大号码和小区小号码作出最优联合估计，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。以下对本发明技术方案作进一步说明(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OFDM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(离散傅里叶反变换)和DFT(离散傅里叶变换)来表示。设N表示OFDM子载波的数目，由于IDFT和DFT的对称性，N也表示OFDM符号的有效部分点数，T表示OFDM符号的有效宽度，子载波间隔为fo＝1/T。设a(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；b(l)表示同步信道符号中，第l个采样点的基带时域数据。对a(k)作b(l)点IDFT，得b(l)=1NΣk=-Nu1Nu2a(k)exp(j2πklN)(l=-Ng,...,0,1,...,N-1)---(1)]]>式中，Nu1表示基带负频谱区域的可用子载波的数目，Nu2表示基带正频谱区域的可用子载波的数目，Nu1+Nu2＝Nu表示可用子载波的总数目，可用子载波是通信系统为了满足频谱要求而定义的参数，一般由相关协议标准严格规定；Ng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，首先，定义子载波序号集合如下可用子载波S，含有(C(S)＝Nu)个元素S＝{S(i)|1≤i≤C(S)，S(i)＜S(i+1)，-Nu1≤S(i)≤Nu2，S(i)≠0}(2)参与小区识别过程的子载波Scell，一般由相关协议标准唯一确定，其含有C(Scell)个元素Scell＝{Sc(i)|1≤i≤C(Scell)，Sc(i)＜Sc(i+1)，Sc(i)∈S}(3)Scell与S的关系是ScellS。必有载荷子载波Sload，含有C(Sload)个元素Sload＝{Sl(i)|1≤i≤C(Sload)，Sl(i)＜Sl(i+1)，Sl(i)∈Scell}(4)式(4)中，Sload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Sload。可有载荷子载波Soption，含有C(Soption)＝C(Scell)-C(Sload)个元素Soption＝{So(i)|1≤i≤C(Soption)，So(i)＜So(i+1)，So(i)∈Scell\Sload}(5)易见，Scell，Sload和Soption的关系是Sload∪Soption＝Scell，Sload∩Soption＝。在不同号码g的小区中，Soption被不同的二进制序列dg＝{dg(j)|1≤j≤B}(B为dg的长度，且B＝C(Soption))所作用，形成不同的数据加载模式图样dg中0元素所对应位置的Soption上不加载数据，1元素所对应位置的Soption上才加载数据，用集合形式将上述两种情况表示为Snullg和SsurvgSnullg和Ssurvg分别含有元素个数为C(Snullg)和C(Ssurvg)，即dg中0元素和1元素的个数分别为C(Snullg)和C(Ssurvg)。由于Snullg∪Ssurvg=Soption,]]>且所以C(Snullg)+C(Ssurvg)=C(Soption)=B.]]>选取dg为具有尖锐峰值自相关的伪随机序列(如m序列等等)，把dg的循环移位样本dg(1≤g≤B)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的小区采用不同的dg。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B个小区大号码。接收端通过对收到的可有载荷子载波的能量序列与不同dg进行相关搜索，寻找相关峰值，可以识别出g。在实际系统中，可识别的小区大号码数目Cg也是一个可调整的参数，比如，选取长度为B＝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dg中选取8个dg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，Cg＝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(1≤g≤Cg)的小区中，其必有载荷子载波Sload与可有载荷子载波中确实加载数据的子载波Ssurvg，合称为启用子载波SactgSactg={Sag(i)|1≤i≤C(Sactg),Sag(i)<Sag(i+1),Sa(i)∈Sload∪Ssurvg---(8)]]>由于所以C(Sactg)=C(Sload)+C(Ssurvg).]]>对于每个Sactg，搜索其相邻子载波对(Sa1g(i)，Sa2g(i))，该子载波对属于集合Sadjg式(9)中，α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α≤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。Sadjg的元素个数为C(Sadjg)，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(Sadjg)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Sadjg按照最小长度进行截短，于是，所有Sadjg的长度被确定为DD=min{C(Sadjg)|1≤g≤Cg}---(10)]]>进而修正式(9)，得假设共有Cq个频域差分序列pq＝{pq(i)}(1≤q≤Cq，1≤i≤D)(例如PN序列或是GCL(Generalizedchirp-like，广义似脉冲)差分序列等等)用来区别Cq个小区小号码。小区大号码为g，小区小号码为q的小区选取pq加载到Sa1g(i)和Sa2g(i)对应的相邻子载波上a(Sag(j))=a(Sa1g(i))pq(i)Sag(j)=Sa2g(i),1≤i≤Dexp(jθ)Sag(j)≠Sa2g(i)1≤i≤D---(12)]]>式(12)中，θ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q的约束，可以用于改善同步信道符号的PAPR(峰均功率比)。接收端通过差分解调Sa1g(i)和Sa2g(i)对应位置上的数据，然后再与所有可能的pq作互相关，寻找峰值，可以得到q的估计。为了支持尽可能多的q，pq的长度D应尽可能大，考虑到D<C(Sactg)=C(Sload)+C(Ssurvg)≤C(Sload)+C(Soption)=C(Scell),]]>因此，在C(Scell)一定的条件下，选取适当的参数C(Sload)和C(Soption)，并使C(Sload)+C(Ssurvg)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Scell＝{Sc(i)|1≤i≤C(Scell)，Sc(i)＜Sc(i+1)，Sc(i)∈S，Sc(i)＝0(modL)}(13)然后在S\Scell的子载波上不加载数据，就可以生成L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，″OrthogonalFrequencyDivisionMultiplexSynchronizationTechniquesforFrequency-SelectiveFadingChannels，″IEEEJournalonSelectedAreasinCommunications，VOL.19，NO.6，June2001page(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\Scell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OFDM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，R1-060781，NTTDoCoMo，“CellSearchTimePerformanceofThree-StepCellSearchMethod”。(3GPP文档，编号R1-060781，NTTDoCoMo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(m)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，h(l)表示延时为l个采样时刻路径所对应的时域信道响应；n(m)表示信道对r(m)的时域加性高斯噪声；ψ是初相，fΔ是对子载波间隔归一化后的频偏，ε是对采样点间隔归一化后的帧同步偏差，则r(m)的表达式为r(m)=exp(j2πfΔ(m-ϵ)N+jψ)Σlb(m-ϵ-l)h(l)+n(m-ϵ)---(14)]]>根据帧同步与频率同步的结果，对r(m)进行相应补偿，并去除循环前缀，得r‾(m)=exp(jψ)Σlb(m-l)h(l)+n‾(m-ϵ)(m=0,1,...,N-1)---(15)]]>对r(m)作N点DFT，得到同步信道符号的频域序列z(k)=Σm=0N-1r‾(m)exp(-j2πmkN)(-Nu1≤k≤Nu2)---(16)]]>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)＝exp(jψ)a(k)H(k)+n′(k)(-Nu1≤k≤Nu2)(17)式中，H(k)是多径衰落信道对第k个子载波的频域影响，n′(k)是信道对第k个子载波的频域加性噪声。(3)对频域同步信道符号进行能量检测对于{z(k)}，计算Soption对应的子载波的能量序列，将其与dg作相关运算，如式(18)所示R(g)=Σi=1B|z(So(i))|2dg(i)(1≤g≤Cg)---(18)]]>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λ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Gpreλ式中，λ越大，本发明的性能越好，但计算复杂度越高。当λ＝Cg时，式(19)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g∈Gpreλ,]]>由式(6)和式(7)得到Snullg和Ssurvg，再由式(8)获得Sactg，然后根据式(9)考察所有的Sadjg，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Sadjg。当不考虑噪声，仅考虑多径衰落信道时，差分解调Sa1g(i)和Sa2g(i)对应的相邻子载波上的数据，由式(12)和式(17)得wg(i)=z(S1g(i))*z(S2g(i))]]>=[a(Sa1g(i))H(Sa1g(i))]*[a(Sa2g(i))H(Sa2g(i)](g∈Gpreλ,1≤i≤D)---(20)]]>考虑式(9)的条件，当α较小时，可以认为H(Sa2g(i))≈H(Sa1g(i)),]]>于是，式(20)简化为wg(i)≈a(S1g(i))*a(S2g(i))|H(S1g(i))|2=pq(i)|H(S1g(i))|2---(21)]]>计算向量w＝{wg(i)}与pq的相关值，得Tg(q)=Σi=1D(wg(i))*pq(i)(g∈Gpreλ,1≤q≤Cq)---(22)]]>Tg(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ψ，{a(k)}和H做假设和其中，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k∈Snullg~]]>时，a~(k)=0;]]>当k∈Sactg~]]>时，由式(12)决定，其中包含因此，可以由和唯一确定。设为根据和得到的同步信道符号的时域序列r~(m)=1NΣk=-Nu2Nu1a~(k)H~(k)exp(j2πmkN)---(23)]]>由式(15)，r(m)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(likelihoodfunction)可以表示为Λ(g~,q~,H~,ψ~)=1(πσn2)Nexp{-1σn2Σm=1N-1|r‾(m)-exp(jψ~)r~(m)|2}]]>=1(πσn2)Nexp{-1σn2Σm=1N-1[|r‾(m)|2+|r~(m)|2-2Re[r‾(m)exp(-jψ~)r~*(m)]]}---(24)]]>式(24)中，(g∈Gpreλ,1≤q≤Cq).]]>忽略一些常数因子，并考虑式(16)，对式(24)作简化，得Λ(g~,q~,H~,ψ~)=exp{1σn2Σm=1N-1[2Re[r‾(m)exp(-jψ~)r~*(m)]]}]]>=exp{1σn2Σm=1N-1[2Re[r‾(m)exp(-jψ~)(1NΣk=-Nu2Nu1a~(k)H~(k)exp(j2πmkN))*]]}]]>=exp{1σn2Σk=-Nu2Nu1[2Re[a~(k)H~(k)exp(-jψ~)(1NΣm=1N-1r‾(m)exp(j2πmkN))*]]}]]>=exp{1σn2Σk=-Nu2Nu1[2Re[a~(k)H~(k)exp(-jψ~)z*(k)]]}---(25)]]>考虑噪声较大的情况，对式(25)作多项式逼近(根据泰勒级数展开，当x较小时，有exp(x)≈1+x+x2/2)Λ(g~,q,~H~,ψ~)≈1+2σn2Σk=-Nu2Nu1Re[a~(k)H~(k)exp(-jψ~)z*(k)]]]>+2σn4Σk=-Nu2Nu1{Re[a~(k)H~(k)exp(-jψ~)z*(k)]}2---(26)]]>对式(26)中的和作平均，消去这两个变量，从而得到关于的似然函数Λ(g~,q~)=AVEH~,ψ~{Σk=-Nu2Nu1[a~(k)H~(k)exp(-jψ~)z*(k)+a~*(k)H~*exp(jψ~)z(k)]2}]]>=AVEH~,ψ~{2Σk=-Nu2Nu1|a~(k)|2|H~(k)|2|z(k)|2]]>+4Re[Σ(k1,k2)∈Sadjg~a~(k1)H~(k1)exp(-jψ~)z*(k1)a~*(k2)H~*(k2)exp(jψ~)z(k2)]}---(27)]]>式中，表示对和作平均。认为对同步信道符号没有增益和衰落，则AVEH~,ψ~{|H~(k)|2}=1.]]>另外，考虑式(18)以及式(20)和式(21)，并再次忽略一些常数，化简式(27)得Λ(g~,q~)=Σk∈Sactg~|z(k)|2+2Re{Σi=1D[z(Sa1g~(i))*z(Sa2g~(i))]*pq~(i)}]]>=Σi=1B|z(So(i))|2dg~(i)+2Re{Σi=1D(wg(i))*pq~(i)}]]>=R(g~)+2Re[Tg~(q~)](g∈Gpreλ,1≤q≤Cq)---(28)]]>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^,q^)=argmax(g~,q~){Λ(g~,q~)}]]>(6)多符号判决算法由式(29)可知，本发明总共可识别CgCq个不同的小区，为了更可靠地完成小区识别任务，可以采用多符号判决算法，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U个同步信道符号，对于第x个同步信道符号，根据式(18)得到按式(19)对其排序得Gpre，xλ，再由式(22)得按照式(28)得到基于ML准则的小区识别度量值加法合并得Λ(g~,q~)=Σx=1UΛx(g~,q~)(g~∈∪x=1UGpre,xλ1≤q~≤Cq)---(30)]]>然后，用式(29)对g和q作出联合估计。需要指出的是，对于不同的x，Gpre，xλ可能不相同，故式(30)中g的取值范围为g∈∪x=1UGpre,xλ.]]>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高。在计算复杂度方面，本发明的主要计算量集中在式(18)的频域能量检测和式(22)的频域序列检测，分别需要约Soption次复数乘法和λD(Cq+1)次复数乘法。本发明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λ，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，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。图1为OFDM基带调制解调框2为本发明的实施框3为dg的循环自相关函数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R(g)的典型情况6为Tg(q)的典型情况7为的典型情况8为接收端与3个邻近小区的位置关系图9为在多小区情况下，λ＝31时，本发明与Motorola的方案的小区识别正确率性能10为在多小区情况下，λ＝10时，本发明与Motorola的方案的小区识别正确率性能11为在多小区情况下，λ＝31时，本发明与本发明采用直接估计算法的小区识别正确率性能图具体实施例方式下面给出一个具体的OFDM参数配置，来阐述本发明的实现步骤。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TR25.814V0.3.1，“PhysicalLayerAspectsforEvolvedUTRA”(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N128有效子载波数Nu75(取Nu1＝38，Nu2＝37)有效带宽1.25MHz子载波间隔fo15kHz循环前缀Ng10点(5.2us)符号周期T128点(66.67us)本发明的参数选取如下α＝4S＝{-38，-37，...，-1，1，...，36，37}，C(S)＝75。Scell＝{Sc(i)|1≤i≤C(Scell)，Sc(i)＜Sc(i+1)，Sc(i)∈S，Sc(i)＝0(mod2)}，即Scell{-38，-36，...，-2，2，...，34，36}(31)则C(Scell)＝37。在S\Scell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Sload＝{-38，-36，-34，32，34，36}(32)于是，式(5)中，Soption＝{-32，-30，...，-2，2，...，28，30}(33)则有C(Sload)＝6和C(Soption)＝31。需要指出的是，本实例中对于Sload和Soption的选取并不影响本发明的通用性。在实际应用中，Sload和Soption的选取只要满足Sload∪Soption＝Scell，Sload∩Soption＝且Soption不为空集即可。本发明的实现步骤如下(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C(Soption)＝31＝25-1，而m序列的长度为2′-1(t为正整数)，故可以选取dg为t＝5的m序列，选择其本原多项式为1+x2+x5，则dg的循环移位样本共有31个，如下需要指出的是，本实例中选取m序列作为dg，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dg。于是，本发明在上述物理层条件下，最多可识别B＝31个小区大号码，任意dg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Cg＝B＝31。对于不同的g，根据式(8)，得Sactg，如下由于dg中含有C(Ssurvg)=16]]>个1，所以，Sactg含有C(Sactg)=C(Sload)+C(Ssurvg)=6+16=22]]>个元素。根据式(9)，在α＝4的条件下，对于每个Sactg，搜索其对应的Sadjg，由式(10)得D＝16，于是按照式(11)获得修正后的Sadjg，将Sadjg中的Sa1g(i)和Sa2g(i)制成表格如下选取pq为GCL差分序列，由于D＝16，所以比D大的最小素数为17，于是pq(i)=exp(-j2πqi17)(1≤q≤Cq,1≤i≤16)---(34)]]>根据GCL差分序列的性质，本发明可以由式(34)区别出Cq＝16个小区小号码。于是，本发明总共可识别CgCq＝31×16＝496个不同小区。假设某小区g＝19，q＝6，根据上述表格得D19＝{1111001101001000010101110110001}Sact19{-38,-36,-34,-32,-30,-28,-26,-20,-18,-14,-8,4,8,12,14,16,20,22,30,32,34,36}]]>Sa1g(i)=(-38,-36,-34,-32,-30,-28,-20,-18,4,8,12,14,16,20,30,32)]]>Sa2g(i)=(-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Sact19已加载子载波的模式图样及频域差分序列的加载位置Sa1g(i)和Sa2g(i)如图4所示。根据式(12)，得到g＝19，q＝6的小区在同步信道符号上应该加载的频域数据如下在某一次实验中，依据上述表格，a(k)(-38≤k≤37)的具体数值如下为了保证信号的发射功率保持恒定，在a(k)上将乘以补偿因子Nu/C(Sactg)=75/22]]>将这样的a(k)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。(2)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。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。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(k)}。然后，接收端按照图2开始进行小区识别。(3)对频域同步信道符号进行能量检测接收端按照图2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(18)，得到R(g)R(g)=Σi=131|z(So(i))|2dg(i)(1≤g≤31)---(35)]]>以R(25)为例，由于d25＝{1101001000010101110110001111100}，根据式(33)和式(18)得R(25)＝|z(-32)|2+|z(-30)|2+|z(-26)|2+|z(-20)|2+|z(-10)|2+|z(-6)|2+|z(-2)|2+|z(2)|2+|z(4)|2+|z(8)|2+|z(10)|2+|z(18)|2+|z(20)|2+|z(22)|2+|z(24)|2+|z(26)|2计算31个R(g)总共需要Soption＝31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0dB高斯白噪声情况下，R(g)的典型情况如图5所示。(4)对频域同步信道符号进行差分解调及频域序列检测由于Cg＝B＝31，故1≤λ≤Cg＝31。在本发明的仿真中，考察了λ＝10，31的情况。根据式(19)，对R(g)进行排序，得Gpreλ。对于每个g∈Gpreλ,]]>由式(8)和式(11)得Sactg和Sadjg。进而，根据式(21)和式(22)得Tg(q)。由于选取的pq为GCL差分序列，式(22)可以通过17点FFT高效地实现。先对(wg(i))*尾部补一个零，即(wg(17))*＝0，再对其作17点FFT，取模值平方Tg(q)=Σi=117(wk(i))*exp(-j2πqi17)(g∈Gpreλ,1≤q≤16)---(36)]]>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λD(Cq+1)＝272λ次复数乘法降低为λ[D+[(D+1)log2(D+1)]/2]≈50λ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q＝6，在多径信道条件以及0dB高斯白噪声情况下，Tg(q)(g＝19)的典型情况如图6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将式(35)和式(36)代入式(28)得当小区大号码为g＝19，小区小号码为q＝6，且λ＝31时，在多径信道条件以及0dB高斯白噪声情况下，的典型情况如图7所示。然后，根据式(29)寻找最大值，对小区大、小号码作出最优联合估计。(6)多符号判决算法考察U个同步信道符号，对于第x个同步信道符号，根据式(35)得到Rx(g)，按式(19)对其排序得Gpre，xλ，再由式(36)得Txg(q)，然后将式(35)和式(36)代入式(28)得再按照式(30)得到最后，用式(29)对g和q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0dB高斯白噪声情况下，某一次的实验数据如下(考察U＝1，3，5，7，且λ＝31时的Λ(19，6)，Λ(25，6)，Λ(19，11))<tablesid="table14"num="014"><tablewidth="482">Pr(19，6)Pr(25，6)Pr(19，11)U＝1419.0220.22133.78U＝31050.6013.89333.44U＝51699.05159.41592.49U＝72347.31229.22812.82</table></tables>可见，Λ(19，6)随着U的增大而不断增大，且峰值特性趋于明显。所以，用式(29)对取最大值，可以得到正确的小区大号码和小区小号码的估计值(g＝19，q＝6)。仿真信道为6-rayGSMTypicalUrbanChannel(全球移动通信典型城市区域6径信道，简称6-rayTU)，其参数如下<tablesid="table15"num="015"><tablewidth="547">延迟(us)相对功率(dB)</table></tables>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8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-rayTU后，同时到达接收端，其中，3个小区的g和q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Q)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，高斯白噪声的功率相对于标接入小区的信号接收功率为0dB。经过本发明的识别过程后，当g^=G]]>且q^=Q]]>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，R1-051329，“CellSearchandInitialAcquisitionforOFDMDownlink”，Motorola。(3GPP文档，编号R1-051329，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9是在多小区情况下，λ＝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U＝1，3，5的情况，仿真曲线表明，当U＝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U的增大，本发明可以将这一性能差快速缩小到0.2dB(U＝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(20)，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λ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λ。图10是在多小区情况下，本发明选取λ＝31和λ＝10时的小区识别正确率性能图。该图考察了U＝1，3，5的情况，仿真曲线表明，本发明在选取λ＝31和λ＝10时的性能几乎完全相同，但λ＝10的计算复杂度比λ＝31减少约67％。图11是在多小区情况下，本发明选取λ＝31和λ＝5时的小区识别正确率性能图。该图考察了U＝1，3，5的情况，仿真曲线表明，本发明λ＝5时的性能只比λ＝31的性能下降0.1dB，但λ＝5的计算复杂度比λ＝31减少约83％。另外，本发明也可采用直接估计的算法来实现，即由式(18)得到R(g)后，寻找峰值，对g作出估计g^=argmaxg{R(g)|1≤g≤Cg}---(37)]]>然后，根据式(22)计算寻找其峰值，对q作出估计q^=argmaxq{Tg^(q)|1≤q≤Cq}---(38)]]>式(37)和式(38)即是本发明采用直接估计的表达式。图12是在多小区情况下，λ＝31时，本发明与本发明采用直接估计算法的小区识别正确率性能图。该图考察了U＝1，3，5的情况，仿真曲线表明，当U＝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％的小区识别正确率为例)，随着U的增大，直接估计算法与本发明的性能差逐渐减小到0.6dB(U＝3)和0.4dB(U＝5)。所以，当U较小时，本发明相对于直接估计法，具有很大的优势。因此，本发明提出的基于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，取得优于其的小区识别性能。所以，本发明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OFDMA系统中具有很高的应用价值。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利要求的范围内，可进行各种变更来实施之。权利要求1.一种OFDMA蜂窝系统的小区识别方法，其特征在于，包括如下步骤步骤一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；步骤二接收端获得帧同步与载波频率同步，并提取出同步信道符号，去除循环前缀，经过频偏补偿，再作FFT，得到同步信道符号的频域序列；步骤三对频域同步信道符号进行能量检测；步骤四对频域同步信道符号进行差分解调及频域序列检测；步骤五根据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。2.根据权利要求1所述的OFDMA蜂窝系统的小区识别方法，其特征是，所述的步骤三，具体为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，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。3.根据权利要求1所述的OFDMA蜂窝系统的小区识别方法，其特征是，所述的步骤四，具体为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，然后，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，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。4.根据权利要求3所述的OFDMA蜂窝系统的小区识别方法，其特征是，所述的步骤四，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。5.根据权利要求4所述的OFDMA蜂窝系统的小区识别方法，其特征是，所述的步骤四，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。6.根据权利要求1所述的OFDMA蜂窝系统的小区识别方法，其特征是，所述的步骤五，具体为根据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。7.根据权利要求1所述的OFDMA蜂窝系统的小区识别方法，其特征是，在所述的步骤五后，进入多符号判决算法，即考察多个同步信道符号，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。全文摘要本发明涉及一种OFDMA蜂窝系统的小区识别方法，属于通信
技术领域：
。本发明在每帧中仅需要1个OFDM符号作为同步信道数据，具有同步信道数据开销较低的优势，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所述两个号码的数目的乘积，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，可以缩小搜索小区的范围，从而降低计算复杂度；最后，根据ML准则，提出联合估计小区大号码和小区小号码的最优算法，使本发明具有较高的小区识别正确率。文档编号H04L25/03GK1949928SQ200610117568公开日2007年4月18日申请日期2006年10月26日优先权日2006年10月26日发明者丁铭,罗汉文,孙立,张霆蔚,关韡,佘锋申请人:上海交通大学,夏普株式会社