1 引言
在LTE(Long Term Evolution,长期演进)系统中,物理层下行控制信道(Physical Downlink Control Channel,PDCCH)主要用于发送下行和上行调度信息,发送非周期性CQI(Channel Quality Indicator,信道质量指示)上报请求等,其携带的信息称为下行控制信息(Downlink Control Information,DCI)[1]。一个PDCCH只能携带一个某种格式的DCI,而一个小区可以在上行和下行同时调度多个用户终端(User Equipment,UE),所以一个小区可以在一个子帧上同时发送多个PDCCH给不同UE。对于UE而言,PDCCH检测对于系统信息的实时处理十分重要,因为PDCCH检测的速度影响着LTE下行控制的反应速度[2]。尽管如此,由于UE对所需DCI信息的格式和位置是不可知的,所以对于PDCCH的检测需要进行最大次数为44次的盲检尝试,盲检的机制大幅增加了PDCCH的检测时间[3]。
PDCCH是以控制信道元素(Control Channel Element,CCE)为单位进行资源分配的,相应的在PDCCH复用时CCE也是DCI向PDCCH上映射的基本单元[4]。复用后的PDCCH之间如果存在未被使用的资源,则填充
LTE系统依据用户ID为每个UE预先定义了所需监听的可能携带所需DCI信息的PDCCH候选集合,称为该UE的搜索空间,搜索空间分为UE特定的搜索空间和所有用户共享的公共搜索空间。UE依据所要监听的DCI格式尝试解码该集合中的每一个PDCCH候选直到得到所需的DCI信息。在传统的盲检测算法中,利用递增或递减CCEs个数的方式,遍历所有可能的搜索空间,直到盲检成功或完成。由于该检测方法需要不断地尝试,在极限情况下,需要尝试所有CCEs集合和PDCCH候选[6]。但明显对于未映射DCI信息的PDCCH候选进行检测是毫无意义的,所以在盲检前剔除搜索空间中无效的控制资源可以有效缩小搜索空间,减少PDCCH盲检所需尝试次数。
对于PDCCH信道上有效信息的检测,需要考虑两个问题,一是以何种粒度对信道上的有效资源进行检测,二是采用何种检测方法进行检测。按照所含bit信息由少到多,PDCCH信道的组成可以分为资源单元(Resource Element,RE),资源单元组(Resource Element Group,REG)和CCE三种粒度。文献[7-10]都是以CCE为基本单位进行有效性的检测。DCI向PDCCH的映射以CCE为基本单元,同时CCE也是UE进行PDCCH盲检时所检测的每一个PDCCH候选的基本单元。CCE内的信号序列的有效性一致,是保持信号序列有效性一致的最大单元。本文选择CCE作为PDCCH信道有效信息检测的基本单元。
文献[7- 8]均是先对所有PHCCH候选的功率进行计算,然后,文献[7]是依据功率大小调整盲检顺序,以增大先检测到正确的PDCCH候选的概率。文献[8]是在调整盲检顺序的基础上,对公共搜索空间的PDCCH候选以计算的所有PDCCH功率最大值的一半作为阈值标准,去缩小搜索空间。文献[7- 8]中对于大多数候选计算功率的过程往往是冗余的,在执行该检测流程前首先对信道中有效的CCE进行筛选可大幅减少其所需计算的候选数目。文献[9]在缩小PDCCH搜索空间中尝试了设置高可靠性阈值降低在低SNR信道环境盲检中错检的概率。文献[10]首先对一个CCE中的每个RE进行单bit硬判决,再对36个硬判决结果进行融合判决来检测有效CCE。文献[9]并未说明阈值的计算过程,文献[10]给出了具体的检测阈值的推导过程和计算方法。
基于排序的检测算法,需要计算所有候选的能量并排序,一方面算法延时大,计算量大;另一方面对于大多数候选的计算是冗余的。基于判决的检测算法,能够去除候选中的大多数冗余,减少算法延时和计算量。但判决算法会引入漏警的问题,影响着算法的可靠性。
文献[10]中针对有效CCE的检测提出了一种基于硬判决的能量检测方法,通过频谱感知的方法设置单bit硬判决的阈值,再通过k秩融合判决确定一个CCE信号序列的有效性。该算法在一定信道条件下能有效剔除无效CCE信号序列,但仍存在问题:一是该方法采用最小错误概率的方法确定检测阈值,这导致算法在信道条件较差的情况下可靠性不足,反而增加系统延时和功耗;另一个问题是硬判决本身无法充分利用整个CCE中数据的概率信息,所以其性能仍有很大提高的空间,尤其当在信噪比较差的情况下这种提升十分有意义。为了解决上述问题,本文在文献[10]所采用的硬判决算法基础上,提出了一种软判决检测方法。该方法应用奈曼-皮尔逊准则(Neyman-Pearson Criterion,NP准则)对有效CCE信号序列检测算法的可靠性做出保障,并推导出基于软判决的检测方法,有效提高原算法检测性能。
2 系统模型
在LTE下行传输系统中,CCE为PDCCH上携带DCI信息的基本单元,基站发送给每一个UE的DCI信息包经过协议[5]和[11]所规范的处理流程后被映射到PDCCH上的指定位置。在PDCCH复用后,每个下行子帧PDCCH部分的CCE资源由两种类型构成:映射了DCI信息的有效CCE和未映射DCI信息的无效CCE(填充
我们考虑一个已经完成LTE系统的定时同步以及频偏补偿的PDCCH接收系统。首先讨论PDCCH上承载的每一个发送数据,每一个发送的数据根据是否为有效DCI信息,可分为有QPSK调制的DCI信息和
(1)
其中,c,i表示当前子帧中第c个CCE中第i个信道资源的索引,0≤i≤35;a为天线端口序号,A为基站天线端口个数;sa,c,i表示基站第a个天线端口上发送的第c个CCE中第i个控制信道数据;
表示独立同分布的频域信道增益,服从瑞利分布;
表示循环对称复高斯白噪声。
依据文献[10],用于判断第c个CCE中的i个控制信道数据是否为
wc,i
|yc,i|2,i=0,1,...,35
(2)
该统计量为单个数据的能量表示形式。
对于整个CCE的检测所需统计量可以表示为由每个控制信道数据的判决统计量构成的向量wc:
wc[wc,1,wc,2,...,wc,35]=
[|yc,1|2,|yc,2|2,...,|yc,35|2]
(3)
3 基于软判决的CCE信号序列有效性检测
在进行有效CCE信号序列检测时,会出现虚警和漏警两种错误。虚警错误指将无效CCE信号序列检测为有效CCE信号序列保留下来的情况。在后续的PDCCH盲检环节中会对这些无效CCE信号序列进行软解调,解速率匹配,Viterbi译码等盲检处理,对这些无效CCE的盲检处理会增加系统处理下行控制信息的延时和系统功耗。虚警率表征了PDCCH盲检加速算法的加速效果,虚警率越低则算法加速效果越佳。漏警错误指将有效CCE信号序列检测为无效CCE信号序列而被算法剔除掉的情况。携带DCI的有效CCE信号序列的遗失,可能使UE无法得到所需的DCI信息,从而造成整个子帧数据的丢失和丢包率的增加,反而大幅增加了系统的处理延时和功耗[12]。漏警率表征了PDCCH盲检加速算法的可靠性,漏警率越低则算法的可靠性越强。比较两种错误的影响,可以确定导致有效CCE信号序列遗失最终造成重传的漏警情况对于整个PDCCH检测系统影响更加严重。基于上述分析,在设计有效CCE检测算法时为了保证算法的可靠性,需要对系统的漏警率提出限制,将其控制在系统允许的范围内,再在此基础上求解出可以使虚警率达到最低的检测方法。
为了实现漏警率的可控,本文基于NP准则原理,将有效CCE信号序列错检成无效CCE信号序列的漏警情况作为确定检测阈值的限制条件,对检测算法的判决式和判决阈值进行求导。
NP准则的表达式为:
(4)
其中,λ为基于NP准则的检测阈值,α为系统限定的漏警率。
依据文献[13],wc,i在假设H0和H1下的条件概率分布函数为:
其中,Es为有效CCE中QPSK调制信号的能量形式。
依据前面分析,CCE为DCI向PDCCH映射的基本单元,故一个CCE信号序列内信号的有效性相同。假设各个数据彼此独立,公式(3)中所定义的对于整个CCE检测统计量wc在假设H0和H1下的条件后验概率分布函数分别如公式(5)和公式(6)所示。
(5)
(6)
将公式(5)和(6)带入NP准则(4)的判决公式中可以得到:
(7)
其中,
公式(7)经过化简可以得到下面的简单形式,新的检测公式(8)中的阈值λ′的表达式在下面给出。
(8)
依据wc,i的定义式(2)可知,其取值始终为非负值。可以发现判决式(8)定义了一个关于有效CCE信号序列检测判决量wc的判决区域R1,该区域的定义形式如下:
当一个CCE信号序列的检测判决量wc落入区域R1时,依据NP准则便可以将其判定为携带经过QPSK调制的DCI信息的有效CCE。当某一无效CCE信号序列的检测判决量wc落入该区域时就会发生虚警情况,故虚警发生概率PF的计算公式见公式(9)。
(9)
类似的,假设区域R0表示检测区域R1的补集。当一个CCE信号序列检测判决量wc落入区域R0时,依据NP准则便可以将其判定为未映射DCI信息的无效CCE。当某一有效CCE信号序列的检测判决量wc落入区域R0时,就会发生漏警情况,漏警发生概率PM的计算公式可见公式(10)。
(10)
假设系统要求的算法漏警率为α,将漏警概率PM表达式(10)带入NP准则(4)约束公式中,可以得到:
(11)
采用数学归纳法可以证明漏警概率PM和虚警概率PF可以化简为公式(12)和(13)所示形式。
(12)
(13)
令漏警概率PM等于系统设定值α,最终基于系统限定漏警率α的软判决检测阈值λopt便可以通过公式(14)确定。
(14)
基于上述的推导,可以得到基于NP准则(4)的检测最终可以转化为:
(15)
综上所述,本文所提出的基于软判决的有效CCE检测算法的检测流程如下:
1)计算一个CCE信号序列中每个数据的判决统计量wc,i,该值由公式(2)给出。
2)累加一个CCE信号序列中所有数据的判决统计量wc,i,得到整个CCE的判决统计量。此处的处理与文献[10]不同,文献[10]中对每个数据进行单比特硬判决再将判决结果累加得到整个CCE的判决统计量。
3)通过将整个CCE信息序列的判决统计量与依据公式(14)所确定的判决阈值λopt进行比较得到该CCE是否为有效CCE的最终判决结果。
本文所提出的基于软判决的有效CCE信号序列检测方法与文献[10]中提出的方法相比主要有两个优化,一方面是用户可以根据系统需求人为设置漏警概率来保证算法的可靠性,并可获得该条件下的最优检测阈值,即最低漏警概率对应的阈值。另一方面是不需要对每一位数据进行硬判决,避免了判断整个CCE信号序列有效性的概率损失。将一个CCE内所有信号的统计量累加起来构成对于整个CCE信号序列判决统计量,再依据整个CCE的判决统计量进行有效性判断,这个过程中没有概率信息损失,故其性能较硬判决形式会有很大提高。
4 仿真结果与分析
在本章节中,采用matlab对算法进行功能验证和性能评估。仿真测试的具体流程如下:依据公式(1)产生CCE信号仿真序列,设定σh=1和A=1[10]。依据CCE信号序列的有效性分别产生有效CCE信号序列和无效CCE信号序列两组测试数据,每一组测试数据包含100000组CCE信号序列,然后分别对两组数据进行有效CCE信号序列检测。本章对于算法的加速性能和可靠性即虚警率和漏警率进行评估。依据两种错误的含义,漏警率定义为有效的CCE信号序列测试组中被检测为无效CCE信号序列的样本在该组中所占的比例。虚警率定义为无效CCE信号序列测试组中被检测为有效CCE信号序列的样本在该组中所占的比例。
首先验证算法理论推导的正确性。图1分别给出了设定算法漏警率为0.1,0.01和0.001下,虚警率的理论值和仿真值随SNR(Signal-To-Noise Ratio,信噪比)的变化曲线。图1中,不同漏警率下的理论虚警率由公式(13)确定,仿真虚警率通过对两组仿真数据进行测试并统计结果得到。观察图1可以发现理论值曲线和仿真值曲线高度重合,证明算法理论推导的正确性。图1也可以看出随着设定漏警率的降低,检测算法的虚警率会逐渐上升。
图1 算法检测性能的理论值和仿真值对比曲线
Fig.1 Theoretical value and simulation value comparison curve of algorithm detection performance
图2 漏警率和虚警率在不同SNR下的转换曲线
Fig.2 Conversion curve of false alarm probability and missing alarm probability for different SNR
接下来分析算法漏警率和虚警率的关系。图2显示了不同的SNR下虚警率和漏警率之间的转换关系,其横坐标为漏警率,纵坐标为虚警率。当漏警率降低时,虚警率增加。随着SNR的下降,转换曲线向图右上方向移动。这种漏警率和虚警率的转换关系可以从检测区域R1的变化得到,当漏警率增加时依据公式(10)可知对应的积分区域R0增大,其补集R1相应减小,依据公式(9)可知虚警率随之减小。虚警率和漏警率的转换关系说明检测加速效果与检测可靠性之间存在折衷关系,尤其在信道条件较差的情况下,为了保证系统的可靠性,我们必须限制检测算法漏警情况的发生以满足系统需求,但这样会导致虚警率的大幅上升,无效解码尝试增加,降低了算法的加速效果。虽然在低SNR的情况下依旧将算法漏警率限制在较低值会造成算法加速效果大幅降低,但相比漏警导致的重传对于系统反应延时和功耗等的影响,这种加速效果的牺牲明显是值得的。
图3 在相同漏警率下虚警率随SNR的变化曲线
Fig.3 False alarm probability versus SNR curves at the same missing alarm probability
最后将本文所提出的软判决检测算法和文献[10]中所提出的基于硬判决和融合判决的检测算法的性能进行比较。图3和图4比较了本文所提出检测算法和文献[10]提出检测算法的加速效果和可靠性。硬判决的检测阈值由文献[10]中公式(10)确定。图3显示了两种检测算法在相同漏警率α下的虚警率随SNR的变化曲线,该组实验中本文所提出的检测算法在不同SNR下的检测阈值通过设定漏警率α与对比组理论漏警率一致再依据公式(14)得到。可以发现SNR=-2 dB且α=0.15的情况下,基于硬判决的检测方法和基于软判决的检测方法的虚警率分别约为0.11和0.02,本文所提出的基于软判决的检测算法较硬判决方法减少了82%的虚警发生。软判决的检测方法对原有的方案的检测效果有非常明显的改进。在信道条件较好的情况下,两种方案的虚警率都有所下降,但改善率仍然很明显。同理,图4显示了两种检测算法在相同虚警率下漏警率随SNR的变化曲线。可以发现SNR=-2 dB且虚警概率为0.11的情况下,基于硬判决的检测方法和基于软判决的检测方法的漏警率分别约为0.15和0.05,本文所提出的基于软判决的检测算法较硬判决方法减少了67%的漏警发生。所以本文所提出的软判决检测方法对于原有算法有非常明显的性能改善。在信道条件较好的情况下,两种方案的漏警率都有所下降,但改善率仍然很明显。
图4 在相同虚警率下漏警率随SNR的变化曲线
Fig.4 Missing alarm probability versus SNR curves at the same false alarm probability
观察图3和图4可以看出,文献[10]所采用的硬判决检测方法在SNR较低的情况下漏警率较大,如在SNR=-2 dB时漏警率高达15%。该文献采用最小错误概率准则进行判决阈值求解,即漏警率与虚警率之和最小。这样做虽然可以使发生错误的总概率降到最低,但忽略了漏警情况和虚警情况对于系统造成影响程度不同的问题。依据文章第三节的分析可知,漏警情况对于系统的影响远大于虚警情况,而文献[10]无法在低SNR情况下调整漏警发生概率来确保算法可靠性。依据图1可以看出本文提出的方法在低SNR条件下依然可以保证算法的可靠性,但依据图2分析可知这是以牺牲算法加速性能为代价的。
5 结论
本文提出了一种高效的PDCCH有效CCE信号序列检测算法。在已有的基于能量检测的硬判决检测算法的基础上,利用NP准则对算法可靠性进行限定,并推导出相应的软判决检测算法以达到提高已有算法检测性能的目的。对算法软判决的门限进行了理论推导并仿真验证了理论推导的正确性。与目前普遍使用的硬判决与融合判决相结合的检测方法相比,该算法能够大幅提升在低SNR环境下有效CCE信号序列检测算法的可靠性。
[1] 罗友宝, 李小文, 吴云梅. LTE物理下行控制信道盲检过程研究[J]. 电视技术, 2010, 34(12): 75-79.
Luo Youbao, Li Xiaowen, Wu Yunmei. Research on LTE PDCCH Blind Detect Process[J]. Video Engineering, 2010, 34(12): 75-79.(in Chinese)
[2] 林威林, 曹龙汉, 张治中. LTE-A系统DCI盲检测方法的实现过程研究[J]. 电视技术, 2014, 38(3): 97-101.
Lin Weilin, Cao Longhan, Zhang Zhizhong. Implementation process research of DCI blind detect method in LTE-A system[J]. Video Engineering, 2014, 38(3): 97-101.(in Chinese)
[3] Bai D, Lee J, Kim S, et al. Near-Optimal Contraction of Voronoi Regions for Pruning of Blind Decoding Results[J]. IEEE Transactions on Communications, 2015, 63(6): 1963-1974.
[4] 3GPP. TS 36.213 v13.2.0-2016, Technical specification group radio access network evolved universal terrestrial radio access (E-UTRA) Physical layer procedures[S]. Valbonne: 3GPP, 2016.
[5] 3GPP. TS 36.211 v13.2.0-2016, Technical specification group radio access network evolved universal terrestrial radio access (E-UTRA) Physical Channels and Modulation[S]. Valbonne: 3GPP, 2016.
[6] Nabil F, Fahmy Y A. Scattered search space scheme for PDCCH and ePDCCH in LTE-advanced[C]∥International Congress on Ultra Modern Telecommunications & Control Systems & Workshops. IEEE, 2016.
[7] 李小文, 贾海峰. 一种LTE系统中减少PDCCH盲检次数的方法[J]. 电子技术应用, 2012, 38(4): 87- 89.
Li Xiaowen, Jia Haifeng. A method to reduce PDCCH blind detect numbers used in LTE system[J]. Application of Electronic Technique, 2012, 38(4): 87- 89.(in Chinese)
[8] 李小文, 曾李, 穆朋飞. 优化PDCCH盲检测的功率检测法的实现[J]. 自动化仪表, 2016, 37(4): 16-20.
Li Xiaowen, Zeng Li, Mu Pengfei. Implementation of the Power Detection Algorithm for Optimizing PDCCH Blind Detection[J]. Process Automation Instrumentation, 2016, 37(4): 16-20.(in Chinese)
[9] Song S, Kwon H, Kang I. Blind Decoding of Control Channel for Other Users in 3GPP Standards[J]. IEEE Transactions on Communications, 2016, 64(6): 2634-2646.
[10] 周游, 胡捍英, 陈国军. 低复杂度 PDCCH 盲检测算法[J]. 计算机应用研究, 2013, 30(10): 3084-3087.
Zhou You, Hu Hanying, Chen Guojun. Low complexity PDCCH blind detection algorithm[J]. Application Research of Computers, 2013, 30(10): 3084-3087.(in Chinese)
[11] 3GPP. TS 36.212 v13.2.0-2016, Technical specification group radio access network evolved universal terrestrial radio access (E-UTRA) Multiplexing and channel coding[S]. Valbonne: 3GPP, 2016.
[12] 王丹, 李雨朦, 刘强, 等. 基于最大似然译码的快速信道编码盲识别算法[J]. 信号处理, 2018, 34(5): 620- 628.
Wang Dan, Li Yumeng, Liu Qiang, et al. Fast Blind Recognition Scheme of Channel Codes Based on Maximum Likelihood Decoding[J]. Journal of Signal Processing, 2018, 34(5): 620- 628.(in Chinese)
[13] Dhar Roy S, Bhowmick A, Kundu S, et al. Double threshold-based cooperative spectrum sensing for a cognitive radio network with improved energy detectors[J]. IET Communications, 2015, 9(18): 2216-2226.
