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Super 3G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(FastFourier 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，“Cell Search and Initial Acquisition for OFDMDownlink”，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，“Cell Search Schemefor EUTRA&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，“DownlinkSynchronization Channel Schemes for E-UTRA”.Texas Instruments。(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，接收端联合估计小区大号码和小区小号码，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；步骤三通过对频域同步信道符号进行能量检测，计算当前小区采用各个小区大号码的可能性度量；步骤四通过差分解调及频域序列检测，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；步骤五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，寻找概率最大值，对所述小区大号码、小号码作出联合估计。
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，得到所述各个小区大号码的可能性度量。
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，所述各个小区小号码的可能性度量。
所述的步骤四，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。
所述的步骤四，将所述各个小区大号码的可能性度量进行排序，令前λ个大号码作为所述小区预选大号码。
所述的步骤五，具体为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；进而，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。
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，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。
以下对本发明作进一步说明(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SloadUSoption＝Scell，SloadISoption＝。
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Ssurvg Snullg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SnullgUSsurvg=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)∈SloadUSsurvg}---(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D
D=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(Generalized chirp-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(g))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，″Orthogonal Frequency DivisionMultiplex Synchronization Techniques for Frequency-Selective FadingChannels，″IEEE Journal on Selected Areas in Communications，VOL.19，NO.6，June 2001page(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，NTT DoCoMo，“Cell Search Time Performanceof Three-Step Cell Search Method”。(3GPP文档，编号R1-060781，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(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)＝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)计算当前小区采用各个小区大号码的可能性度量对于{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，当前小区采用各个小区小号码的可能性度量将当前小区采用各个小区大号码的可能性度量进行排序，令前λ个大号码作为小区预选大号码，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＝{w(i)}与pq的相关，并取模值平方Tg(q)=|Σi=1D(wg(i))*pq(i)|2,(g∈Gpreλ,1≤q≤Cq)---(22)]]>Tg(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(18)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采用小区预选大号码为g的概率，记为R(g)R‾(g)=Σi=1BR(g)Σg=1CgΣi=1BR(g)=Σi=1B|z(So(i))|2dg(i)Σg=1CgΣi=1B|z(So(i))|2dg(i),(g∈Gpreλ)---(23)]]>式(23)中，将R(g)作为当前小区采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，R(g)满足概率归一化条件Σg=1CgR‾(g)=1---(24)]]>对式(22)中的Tg(q)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q的条件概率，记为Tg(q)T‾g(q)=Tg(q)Σq=1CqTg(q)=|Σi=1D(wg(i))*pq(i)|2Σq=1Cq|Σi=1D(wg(i))*pq(i)|2,(g∈Gpreλ,1≤q≤Cq)---(25)]]>式(25)中，将Tg(q)作为在小区大号码为g的条件下，当前小区采用小区小号码为q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，Tg(q)满足概率归一化条件Σq=1CqT‾g(q)=1,(g∈Gpreλ)---(26)]]>将R(g)与Tg(q)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Pr(g，q)Pr(g,q)=R‾(g)T‾g(q),(g∈Gpreλ,1≤q≤Cq)---(27)]]>寻找概率最大值，对小区大、小号码作出联合估计(g^,q^)=argmax(g,q){Pr(g,q)|g∈Gpreλ,1≤q≤Cq}---(28)]]>(6)多符号判决算法由式(28)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。
方法一考察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Rx(g)，按式(19)对其排序得Gpre，xλ，再由式(22)得Txg(q)，然后按照式(23)和式(25)得Rx(g)和Txg(q)，再按照式(27)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Prx(g，q)，加法合并Prx(g，q)，得Pr(g,q)=Σx=1UPrx(g,q)=Σx=1UR‾x(g)T‾xg(q),(g∈∪x=1UGpre,xλ,1≤q≤Cq)---(29)]]>然后，用式(28)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(29)中g的取值范围为g∈∪x=1UGpre,xλ.]]>方法二考察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Rx(g)，按式(19)对其排序得Gpre，xλ，再由式(22)得Txg(q)，先对Rx(g)和Txg(q)进行加法合并，再用式(23)和式(25)做归一化运算，得到多符号情况下的R(g)和Tg(q)R‾(g)=Σx=1URx(g)Σg=1CgΣx=1URx(g)=Σx=1UΣi=1B|zx(So(i))|2dg(i)Σg=1CgΣx=1UΣi=1B|zx(So(i))|2dg(i),(g∈∪x=1UGpre,xλ)---(30)]]>T‾g(q)=Σx=1UTxg(q)Σq=1CqΣx=1UTxg(q)=Σx=1U|ΣI=1D(wxg(i))*pq(i)|2Σg=1CgΣx=1U|Σi=1Dx(wxg(i))*pq(i)|2,(g∈∪x=1UGpre,xλ,1≤q≤Cq)---(31)]]>然后由式(27)得Pr(g，q)，再用式(28)对g和q作出估计。同样地，对于不同的x，Gpre，xλ可能不相同，故式(30)和(31)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。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Rx(g)和Txg(q)，但是，方法一在每个同步信道符号时，需要计算Rx(g)和Txg(q)，及其乘积Prx(g，q)，而方法二只在观察了U个同步信道符号之后，才计算Rx(g)和Txg(q)，及其乘积Prx(g，q)。因此，方法一比方法二多需要大约(U-1)λ(2Cq+1)次实数乘法。
在实现难易程度方面，由于方法一中的Rx(g)、Txg(q)和Prx(g，q)的数值范围被严格限定在
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Rx(g)和Txg(q)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。
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，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。
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Pr(g，q)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，本发明的方法一与Motorola的方案的小区识别正确率性能10为在多小区情况下，λ＝31时，本发明的方法二与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，本发明采用非联合算法与本发明的方法二的小区识别正确率性能12为在多小区情况下，本发明的方法一选取λ＝31和λ＝10时的小区识别正确率性能13为在多小区情况下，本发明的方法一选取λ＝31和λ＝5时的小区识别正确率性能14为在多小区情况下，本发明的方法二选取λ＝31和λ＝10时的小区识别正确率性能15为在多小区情况下，本发明的方法二选取λ＝31和λ＝5时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TR 25.814 V0.3.1，“Physical Layer Aspects forEvolved 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T 128点(66.67us)本发明的参数选取如下α＝4S＝{-38，-37，...，-1，1，...，36，37}，C(S)＝75。
Seell＝{Sc(i)|1≤i≤C(Scell)，Sc(i)＜Sc(i+1)，Sc(i)∈S，Sc(i)＝0(mod 2)}，即Scell＝{-38，-36，...，-2，2，...，34，36} (32)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} (33)于是，式(5)中，Soption＝{-32，-30，...，-2，2，...，28，30} (34)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SloadUSoption＝Scell，SloadISoption＝且Soption不为空集即可。
本发明的实现步骤如下(1)生成同步信道符号由于C(Soption)＝31＝25-1，而m序列的长度为2t-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
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)---(35)]]>根据GCL差分序列的性质，本发明可以由式(35)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)计算当前小区采用各个小区大号码的可能性度量接收端按照图2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(18)，得到R(g)R(g)=Σi=131|z(So(i))|2dg(i),(1≤g≤31)---(36)]]>以R(25)为例，由于d25＝{1101001000010101110110001111100}，根据式(34)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(4)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，当前小区采用各个小区小号码的可能性度量由于Cg＝B＝31，故1≤λ≤Cg＝31。在本发明的仿真中，考察了λ＝5，10，31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(wg(i))*exp(-j2πqi17)|2---(37)]]>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。
(5)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根据式(23)对R(g)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R(g)。当小区大号码g＝19，且λ＝31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。
根据式(25)，对Tg(q)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q的条件概率Tg(q)。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。
由式(27)得到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Pr(g，q)，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，Pr(g，q)的典型情况如图7所示。
然后，根据式(28)寻找概率最大值，对小区大、小号码作出联合估计。
(6)多符号判决算法方法一考察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Rx(g)，按式(19)对其排序得Gpre，xλ，再由式(22)得Txg(q)，然后按照式(23)和式(25)得Rx(g)和Txg(q)，再按照式(27)得到Prx(g，q)，加法合并Prx(g，q)，最后，用式(28)对g和q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Pr(19，6)，Pr(25，6)，Pr(19，11))
可见，Pr(19，6)随着U的增大而不断增大，用式(28)对Pr(g，q)取最值，可以得到正确的小区大、小号码的估计值(g＝19，q＝6)。
方法二考察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Rx(g)，按式(19)对其排序得Gpre，xλ，再由式(22)得Txg(q)，先对Rx(g)和Txg(q)进行加法合并，再用式(23)和式(25)得到R(g)和Tg(q)，然后由式(27)得Pr(g，q)，再用式(28)对g和q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R(19)，R(25)，T19(6)，T25(6)，T19(11)，Pr(19，6)，Pr(25，6)，Pr(19，11))
可见，Pr(19，6)随着U的增大而不断增大，用式(28)对Pr(g，q)取最大值，可以得到正确的小区大、小号码的估计值(g＝19，q＝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-ray TU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，“Cell Search and Initial Acquisitionfor OFDM Downlink”，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，本发明的方法一与Motorola的方案的小区识别正确率性能图。该图考察了U＝1，3，5，7的情况，仿真曲线表明，当U＝1时，方法一多需要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U的增大，方法一迅速将这一性能差缩小到0.3dB(U＝3)和0.2dB(U＝5，7)。
图10是在多小区情况下，λ＝31时，本发明的方法二与Motorola的方案的小区识别正确率性能图。该图考察了U＝1，3，5，7的情况，仿真曲线表明，当U＝1时，方法二多需要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U的增大，方法二迅速将这一性能差缩小到0.2dB(U＝3)和0.1dB(U＝5，7)。
相比较而言，方法二的性能略优于方法一。
另外，本发明也可采用非联合估计的算法来实现，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}---(38)]]>然后，根据式(22)计算 寻找其峰值，对q作出估计q^=argmaxg{Tg^(q)|1≤q≤Cq}---(39)]]>式(38)和式(39)是本发明采用非联合算法时的估计表达式。图11是在多小区情况下，λ＝31时，本发明采用非联合算法与本发明的方法二的小区识别正确率性能图。该图考察了U＝1，3，5，7的情况，仿真曲线表明，当U＝1时，非联合算法多需要1dB的信干比才能达到与方法二相同的性能(以90％的小区识别正确率为例)，随着U的增大，非联合算法与方法二的性能差逐渐减小到0.5dB(U＝3)，0.4dB(U＝5)和0.3dB(U＝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(20)，需要36次复数乘法)以及一个37点FFT。本发明采用非联合算法的主要计算量是式(18)的模值平方运算，和式(20)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和Motorola方案的计算复杂度近似相等。而本发明采用联合算法(方法一和方法二)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联合算法的复杂度，可以选取较小的λ。
图12是在多小区情况下，本发明的方法一选取λ＝31和λ＝10时的小区识别正确率性能图。该图考察了U＝1，3，5，7的情况，仿真曲线表明，方法一在选取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13是在多小区情况下，本发明的方法一选取λ＝31和λ＝5时的小区识别正确率性能图。该图考察了U＝1，3，5，7的情况，仿真曲线表明，方法一在选取λ＝31和λ＝5时的性能几乎完全相同，但λ＝5的计算复杂度比λ＝31减少约83％。
图14是在多小区情况下，本发明的方法二选取λ＝31和λ＝10时的小区识别正确率性能图。该图考察了U＝1，3，5，7的情况，仿真曲线表明，方法二在选取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15是在多小区情况下，本发明的方法二选取λ＝31和λ＝5时的小区识别正确率性能图。该图考察了U＝1，3，5，7的情况，仿真曲线表明，方法二在选取λ＝5时的性能仅比λ＝31下降约0.1dB，但λ＝5的计算复杂度比λ＝31减少约83％。
因此，本发明的联合估计算法(方法一与方法二)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力要求的范围内，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；步骤三通过对频域同步信道符号进行能量检测，计算当前小区采用各个小区大号码的可能性度量；步骤四通过差分解调及频域序列检测，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；步骤五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，寻找概率最大值，对所述小区大号码、小号码作出联合估计。
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，得到所述各个小区大号码的可能性度量。
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，所述各个小区小号码的可能性度量。
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。
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，将所述各个小区大号码的可能性度量进行排序，令前λ个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；进而，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。
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，对于每个同步信道符号，按照步骤三至步骤五得到所述各种小区大号码与所述小区小号码组合的概率，然后进行加法合并，最后对小区大号码，小号码作出联合估计。
8.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，对于每个同步信道符号，按照步骤三至步骤四得到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，然后分别加法合并该两个可能性度量，再按照步骤五计算所述各种小区大号码与所述小区小号码组合的概率，最后对小区大号码、小号码作出联合估计。
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，且该符号的峰均功率比较低，另外，运用级联的小区识别过程，通过不同的子载波加载数据的模式图样，区别不同的小区号码组；再通过相邻的已加载数据子载波上的频域差分序列，区别不同的小区号码，达到识别大规模数量蜂窝小区的目的，为了提高本发明的估计性能，采用联合估计小区大号码与小区小号码的方法和多符号判决的方法，为了降低本发明的复杂度，选取小区大号码预选数目λ。本发明具有识别小区数量大，估计正确率较高，且复杂度较低的优点，在OFDMA系统中具有很高的应用价值。
文档编号H04B7/26GK1878158SQ20061002831
公开日2006年12月13日 申请日期2006年6月29日 优先权日2006年6月29日
发明者丁铭, 罗汉文, 孙立, 张霆蔚, 关韡, 张海滨 申请人:上海交通大学, 夏普株式会社