5G NR同频多beam检测方法

董宝江

（武汉邮电科学研究院，湖北 武汉 430074）

0 引言

在无线移动通信中，移动终端不论是刚开机，还是在通信途中切换小区，都需进行小区搜索。小区搜索[1]是终端与基站建立通信链路的基础和前提。5G NR 是3GPP 制定的新一代移动通信标准，在5G NR 系统中，终端通过利用PSS（Primary Synchronization Signal，主同步信号）和SSS（Secondary Synchronization Signal，辅同步信号）完成小区搜索，即终端首先利用PSS 检测出小区标识组内编号并完成符号定时和频偏校正，然后利用SSS 检测出小区标识组号通过结合得到PCI（Physical Cell Identifier，物理小区标识）。

传统的LTE 网络，其采用的MIMO（Multiple-Input Multiple-Output，多输入多输出）技术并不存在指定方向的波束（beam）。而5G NR 由于采用了Massive MIMO[2]技术，不仅天线数目变多了，而且一个小区最多可以配置8 个不同方向的beam，使其能服务更多的用户。现有LTE 技术下的指标检测测量方法可供参考，但LTE 也只支持同频单beam 检测。而对于LTE 的小区检测测量算法而言，首先采用一般小区搜索的方法找到最强小区，然后进行信道估计和重构，之后利用干扰消除技术去除强信号小区对弱信号小区的干扰之后再进行检测，最后求出相关的RSRP（Reference Signal Received Power，参考信号接收功率）以及SINR（Signal to Interference-plus-Noise Ratio，信干噪比）等网络评估指标。但由于制式不同，帧结构和同步信号的设计不同，5G NR 制式在同频多beam 上的检测可行性算法也有异于LTE，需要重新设计一种新的符合5G 应用场景的同频多beam 检测方法。

文献[3]提出一种有效的同频小区检测方法，但该方法需要事先知道信道的统计特性才能对信道进行有效估计。文献[4]提出一种新的同频小区检测方法，其通过求解方程组的方式先估计强信号小区，然后进行干扰消除，之后进行弱信号小区的检测。但同频检测只针对两小区，并没有涉及多小区的同频检测。文献[5]提出一种在多用户检测中自适应串行干扰消除检测的方法，其通过在普通串行干扰消除检测器中加入最小均方误差自适应算法以跟踪时变信道环境，从而改进检测器的性能。但其只在同频单beam 情况下对用户进行检测。

针对5G NR 新场景，本文优化了传统的小区搜索算法。通过串行干扰消除技术实现同频检测，并在同频单beam 检测基础上循环检测用以实现同频多beam 检测，最后通过合理建模仿真来完成5G NR 小区搜索及同频检测。

1 系统模型

由3GPP TS38 系列协议可知，对于不同的频段[6][7][8]，SSB（Synchronization Signal Block，同步信号块）子载波间隔是固定的，本文选定频段是3.4～3.6G，子载波间隔是30 kHz。5G NR 下行无线数据帧结构中，一无线帧内包含10 个子帧，每个子帧长度为1 ms。本文中子载波间隔为30 kHz，一个子帧包含两个时隙，每个时隙0.5 ms，一个时隙包含14 个OFDM（Orthogonal Frequency Division Multiplexing，正交频分复用）符号。每个无线帧也被分为两个半帧，前5 ms 是半帧0，后5 ms 是半帧1。如图1 所示：

图1 5G NR中8个SSB时域结构及前2个SSB的时频域映射方式

5G NR 的小区搜索和下行同步主要通过SSB 完成。一个或者多个SSB 构成“SS burst”，一个SS burst 占据一个半帧5 ms。在5 ms 半帧内，可能的SSB 个数是L。对于3G 以下频段，L的个数是4；对于3～6G 频段，L的个数是8。一个SSB 在频域占据连续的20 个资源块RB（Resource Block，资源块），即共占240 个子载波；在时域占据连续的4 个OFDM 符号。它的时域起始OFDM 符号位置由子载波间隔、所处频段共同决定。例如对于30 kHz 子载波间隔，3～6G 频段，各个SSB 的第一个OFDM 符号索引满足{2,8}+14*n,n=0,1,2,3，即L=8 时，8 个SSB 都位于前两个子帧，时域起始OFDM符号位置分别为2,8,16,22,30,36,44,50。

表1 PSS，SSS，DM-RS映射规则

Massive MIMO 是5G 提高系统容量和频谱利用率的关键技术。它最早由美国贝尔实验室研究人员提出，研究发现，当小区的基站天线数目趋于无穷大时，加性高斯白噪声和瑞利衰落等负面影响全都可以忽略不计，数据传输速率能得到极大提高。可以从两方面初步理解Massive MIMO：

（1）天线数：传统的TDD（Time Division Duplexing，时分双工）网络的天线基本是2、4 或8 天线，而Massive MIMO 指的是天线数达到64/128/256。

（2）信号覆盖的范围：传统的MIMO 称之为2D-MIMO，以8 天线为例，实际信号在做覆盖时，只能在水平方向移动，垂直方向是不动的，信号类似一个平面发射出去，而Massive MIMO，是信号水平维度空间基础上引入垂直维度的空域进行利用，信号的辐射状是个电磁波束。所以Massive MIMO 也称为3D-MIMO。

5G NR 作为新一代的无线电网络，终端数量多、终端节能要求高，与传统LTE 网络存在很大的差异。且5G NR 采用Massive MIMO 技术，天线具有方向性，一个扇区最多能配置8 个不同方向的beam，使其能服务更多的用户，这是与以前移动网络大不相同之处。

SSB 采用水平能发送的最大波束数，波束示意如图2 所示。

图2 5G NR SSB 8beam波束示意图

2 同频多beam检测算法

5G NR 采用Massive MIMO 技术，且系统接收端采用串行干扰消除[5]技术进行同频检测。SIC（Serial Interference Cancellation，串行干扰消除）采用串行方式去除多址干扰，一般由多级结构组成。具体操作是：接收机首先根据接收信号功率的估值对小区进行排序，然后按功率由高到低的次序对各小区信号依次进行判决和估计，即先解调出具有最强功率信号的小区，根据判决结果，由该信号的扩频码、幅度估计值和相位信息得到该小区对其他小区所产生的多址干扰，然后，从总的接收信号中减去该多址干扰的估计值，将结果作为下一级的输入信号，这样就去掉了最强小区的多址干扰分量，然后再检测次强功率小区的信号，并重复进行“判决—再造—消除”，直至所有小区的信号被检测出来。串行干扰消除器按信号功率强度由强到弱依次消除多址干扰，对功率最强的小区的信号，正确解调和恢复最容易；去除功率最强小区的信号对剩下的小区来说受益最大。因此，串行干扰消除检测器能大大提高弱小区的检测准确率。

本文同频多beam 检测所用串行干扰消除检测器结构如图3 所示。

图3 串行干扰消除检测器结构

根据该流程，匹配滤波通过时域快速相关实现，判决即为门限判决，T 表示处理时延，为未经干扰抵消的判决结果，为经过一次干扰抵消后的判决结果。对每次检测到的PSS，通过对该PSS 信道估计，重构出该PSS 在接收端的信号，将其从接收信号中作时域消去，得到残留信号，再进行下一轮的干扰消除，直至检测不到PSS 为止。

目前，按照测试规范同频检测beam 数一般定为1、4 或8 个。本文所选beam 数为8 个，同频小区个数为3个。每一个beam 对应一个SSB，不同beam 是分时的，且在空间上会有一定重叠。

本文所述同频多beam 检测过程，需要根据表1 的映射规则进行。其具体实现步骤如下：

（1）获取本地128 点PSS 频域数据。产生本地长度为128 点的3 种PSS 序列，然后做128 点IFFT 运算得到时域数据refTd，再对refTd 补128 点0 元素，并进行256 点的FFT 运算得到频域数据refFd。

（2）获得首强小区的PSS 同步位置。把10ms的接收数据采用32 倍降采样得到38400 点数据rxBuff10ms1，并在rxBuff10ms1 后补128 个0 元素得到接收数据rxData；把fft(rxData(1:256))与本地频域数据refFd 做256 点的相关运算，求得峰均比peakToAvg。然后对接收数据rxData 进行滑动，每次滑动长度为overlapLen=128 点，再次与本地频域数据refFd 做相关运算。针对3 个本地PSS 序列，总共可以得到900个峰均比peakToAvg。从这900 个峰均比peakToAvg中求得最大峰均比maxPeakToAvg，判断最大峰均比maxPeakToAvg 是否大于门限值PssThreshold，如果成立，获得首强小区PSS 的同步位置pssSynPos，小区组内号id2 和pssId=id2-1；如果不成立，检测停止。

通常情况下，假设接收信号y(n)的长度为L，FFT/IFFT 运算的点数为N，滑动窗口大小为w，则可以把接收信号分为S段，如式(1)所示：

式(2)中表示本地PSS 序列的共轭，y(n)s表示第s段接收信号。

经过式(4)则求得i对应的小区组内号，s即为对应的最佳分段数。

按照本文参数设置，接收信号y(n) 的长度为L=38400 点，FFT/IFFT 运算的点数为N=256 点，滑动窗口大小为w=128 点，则可以把接收信号分为S=300 段。通过上述公式找到对应首强小区的小区组内号即获得了首强小区PSS 同步位置。紧接着是多beam 的PSS同步位置获取。

（3）获得首强小区的多beam 的PSS 同步位置。由id2 提取出首强小区对应的300 个峰均比peakToAvg，并进行由大到小排序。从排序后的数据中，筛选出至多前8 个峰均比过门限值PssThreshold 的pss，并记录对应的同步位置pssSynPos、pssPmr（峰均比）和pss 个数pssIdx 。

（4）同频多beam 检测。利用上述步骤获得M 个同步位置pssSynPos 进行同频M-beam 检测，在检测过程中，每次提取一个pssSynPos，以该pssSynPos 为中心截取768 点的接收数据rxDataPart=rxData(pssSynPos-9-floor(137/2)+(1:768)) 作为检测数据，完成该pssSynPos 数据下的rxDataPart 的同频单beam 检测过程。依次循环上述过程，总共进行M 次单beam 检测，完成5G NR 的同频多beam 检测。

（5）同频检测串行干扰消除。首先在获取PSS 同步起始位置基础上，对接收的时域数据中PSS 时域数据进行提取，对该PSS 时域数据进行FFT 变换，变换到频域，即PSS 频域数据为fft(rxData(1:128))。然后产生本地128 点PSS 频域参考序列refFd。接着利用本地参考序列refFd 与接收到的频域数据fft(rxData(1:128))进行信道估计得到信道估计系数H_pss。再用H_pss 重构主同步信号PSS 信号频域数据Pss_InFd_re，通过H_pss.* refFd=Pss_InFd_re。将重构后的主同步信号Pss_InFd_re 进行IFFT 变换到时域。最后用接收的PSS 时域数据减去相应的重构后的PSS 时域数据，将剩余数据作为新的时域数据。当进行SSS 串行干扰消除时，具体方法与PSS 串行干扰消除方法相似，本文不再赘述。

整个过程的流程图如图4 所示。

图4 5G NR同频多beam检测流程图

3 仿真结果与分析

本文中用Matlab 搭建下行小区搜索及同频检测仿真链路，为了验证所提算法性能，对同频3 小区的8beam 检测进行了仿真比较，测试小区检测的成功率及各小区beam 数占比概率。仿真采用3 个同频小区，首强、次强和最弱小区之间存在相对功率差，仿真信道为AWGN（Additive White Gaussian Noise，加性高斯白噪声）信道，仿真结果为500 次平均后的结果。

图5 是在系统信噪比定在25 dB，同频首强小区、次强小区和最弱小区随相对功率差不断变化的小区检测成功概率图。表2 记录了同频3 小区在9 种不同测试用例中的参数情况。

表2 同频3小区相对功率差/dB

图5 不同相对功率差下同频3小区检测成功概率

由图5 可以看出，在首强小区与最弱小区相对功率差为15 dB 以前，都能100%检测出来最弱小区。之后随着相对功率差越来越大，最弱小区检测成功率逐渐降低，直到相差21 dB 之后才检测不出最弱小区。此外，在整个过程中首强小区和次强小区都能100%检测出来，证明本文所提同频多beam 检测算法性能优良，同频3小区检测的同频能力可以达到15 dB。

图6 是在同频首强小区、次强小区和最弱小区功率定在0 dB、-9 dB 和-15 dB，随着信噪比不断变化的小区检测成功概率图。表3 为同频3 小区信号功率及系统工作带宽参数配置情况。

表3 同频3小区信号功率及系统工作带宽参数

图6 不同信噪比下同频3小区检测成功概率

由图6 可以看出，采用基于串行干扰消除的同频多beam 检测法在信噪比为-5 dB 时，首强小区检测成功率能达到96%，次强小区检测成功率能接近90%，最弱小区检测成功率也能达到80%。当信噪比超过5 dB 时，同频3 小区检测成功率均达到99%以上。当信噪比为0 dB时，最弱小区检测成功率也能达到90%以上。

图7 不同信噪比下同频3小区beam数占比概率

图7 是在同频首强小区、次强小区和最弱小区功率定在0 dB、-9 dB 和-15 dB，随着信噪比不断变化的不同小区beam 数占总beam 数的概率图。一个小区最多能检测出8 个beam，但只要检测出至少1 个beam 就能证明小区检测成功。

由图7 可知在信噪比为-9 dB 时，首强小区能检测出占比24%的beam 数。此后随着信噪比不断提高，首强小区beam 数占比越来越高，6 dB 时就能检测出占比超过90%的beam 数。次强小区在0 dB 时能检测出占比8%的beam 数。在信噪比为11 dB 时，次强小区能检测出占比超过80%的beam 数。由于同频能力及beam总量大等原因，最弱小区在信噪比为11 dB 时，只能检测出占比3%左右的beam 数。信噪比为30 dB 时，最弱小区能检测出占比超过70%的beam 数。

4 结束语

5G NR 系统中的小区搜索是进行通信前极为关键的步骤。但当系统采用同频组网，相邻小区之间又采用相同的PSS 时，同频干扰会对小区检测造成巨大的影响。当存在同频小区，且满足多波束时，检测算法需要满足两方面的需求，一是检测出每个同频小区的多个SSB beam，获得每个SSB 的索引号；二是在检测出多个beam 的情形下满足一定的同频能力，同频能力要求至少15 dB。本文采用基于串行干扰消除的同频多beam 检测算法来检测多个同频小区。在实际仿真测试中，同频多小区的检测能力可达到15 dB 以上，并能同时检测出多个beam，同频解析深度和解析数目都能很好地满足实际测试需求。并且，在保证该性能的前提下，基于同频多beam 检测方法的5G NR 扫频仪，在外场测试中虚检概率几乎为0，满足虚报概率小于0.5%的产品指标要求。