王小艷
(山西職業(yè)技術(shù)學(xué)院,山西 太原 030006)
隨著無線通信技術(shù)的不斷演進(jìn),第五代移動(dòng)通信(5th Generation Mobile Communication,5G)技術(shù)已經(jīng)商用3年多。5G已成為實(shí)現(xiàn)高速度、超高可靠性、低時(shí)延和海量機(jī)器類通信的最佳方案。目前,5G商用的是6 GHz以下的中低頻段,高頻段的毫米波NR系統(tǒng)還在進(jìn)一步的研究中,暫未實(shí)現(xiàn)商用。毫米波作為5G中的一個(gè)核心技術(shù),可以使用高頻段大量的空閑帶寬來提供更多的通信資源,提高系統(tǒng)吞吐量及傳輸速率。毫米波雖然有非常明顯的優(yōu)勢(shì),但是也面臨著若干挑戰(zhàn):衰減嚴(yán)重,繞射能力差。毫米波面臨的首要問題是覆蓋問題。波束賦形就是為了解決這一問題而誕生的。5G NR中的波束管理包括波束的掃描、測(cè)量、確認(rèn)、上報(bào)以及失敗恢復(fù)5個(gè)部分。其中,第一階段波束掃描是搜索尋找最優(yōu)波束的過程。優(yōu)秀的波束搜索算法要達(dá)到時(shí)間復(fù)雜度和準(zhǔn)確度兩者之間的平衡,在保證準(zhǔn)確度的前提下盡量降低時(shí)間復(fù)雜度[1]。本文將對(duì)毫米波段的NR系統(tǒng)中的初始接入過程進(jìn)行闡述,并對(duì)影響接入過程的關(guān)鍵技術(shù)——波束搜索方法進(jìn)行研究。
最基礎(chǔ)的波束搜索算法是窮舉掃描法,它對(duì)收發(fā)端所有波束進(jìn)行依次配對(duì)掃描,從中選出最優(yōu)的一對(duì)波束,其時(shí)間復(fù)雜度為O(n2)[1]。窮舉掃描法是最穩(wěn)定的波束搜索算法,但也存在致命的問題——波束掃描時(shí)延較大。窮舉掃描算法如圖1所示[2]。IEEE802.11ad和 802.15.3c中提出了類似的分級(jí)掃描方法。分級(jí)掃描方法的基本思路如下:第一步收發(fā)端都使用少量天線形成較寬波束,進(jìn)而在該波束集上進(jìn)行窮舉掃描來完成配對(duì);第二步在第一步的掃描結(jié)果區(qū)域內(nèi)再細(xì)化波束,由此反復(fù),最終找到最優(yōu)波束對(duì),降低了搜索準(zhǔn)確率[3]。單邊搜索法和窮舉搜索法的唯一區(qū)別是基站使用全向波束發(fā)送同步信號(hào),不需要基站在UE波束搜索過程中的遍歷[4],單邊搜索法和分級(jí)掃描方法一樣,雖然降低了時(shí)延,但犧牲了小區(qū)覆蓋。單邊搜索算法如圖2所示。近年來,有學(xué)者和研究人員將人工智能用于波束的掃描,這是非常前沿的嘗試,也是未來的發(fā)展趨勢(shì)。
圖1 窮舉掃描算法
圖2 單邊搜索算法
當(dāng)UE開機(jī)或者從IDLE態(tài)嘗試進(jìn)入Connection態(tài)時(shí),需要UE接入NR網(wǎng)絡(luò),這個(gè)過程叫做初始接入過程。初始接入過程是完成UE和gNB上行同步的過程。初始接入有兩個(gè)目的:(1)UE與基站實(shí)現(xiàn)無線接入系統(tǒng)的上行同步;(2)分配發(fā)送message3的信道資源。有兩種情況會(huì)觸發(fā)UE從IDLE態(tài)到connection態(tài),其中一種是UE有上行數(shù)據(jù)需要發(fā)送給基站,另外一種是周期性尋呼,如果判斷后需要進(jìn)行下行數(shù)據(jù)傳輸,則進(jìn)入connection態(tài)。UE有上行數(shù)據(jù)需要發(fā)送的場(chǎng)景如圖3所示。
圖3 初始接入過程(需要發(fā)送上行數(shù)據(jù))
UE進(jìn)行小區(qū)選擇。小區(qū)選擇有兩種情況:一種是UE保存有駐留過的小區(qū)信息,這種情況下只需要掃描已存在的列表頻點(diǎn),掃頻耗時(shí)較短;另外一種是沒有之前的駐留信息,這種情況下需要全頻段掃描;最壞的情況是掃描已有列表失敗,UE需要再進(jìn)行全頻段掃描。在完成小區(qū)選擇之后,UE要進(jìn)行初始波束搜索。初始波束搜索又包括UE波束搜索和基站波束搜索兩個(gè)階段,目的是確定UE和基站之間上下行數(shù)據(jù)通信的波束方向。
小區(qū)搜索是UE獲取與小區(qū)的時(shí)間和頻率同步并檢測(cè)該小區(qū)CellID的過程。NR小區(qū)搜索基于位于同步柵格上的主要和輔助同步信號(hào)以及PBCH DMRS。小區(qū)搜索的過程中,UE需要根據(jù)已選定的波束選擇方案執(zhí)行波束掃描,UE需要重復(fù)小區(qū)搜索的過程直到小區(qū)搜索成功。小區(qū)搜索成功后,UE會(huì)繼續(xù)獲取其他的系統(tǒng)信息。這里提到最小系統(tǒng)信息(Remaining Minimum System Information, RMSI)的概念,RMSI中包含隨機(jī)接入所需要的資源配置信息。
隨機(jī)接入過程完成UE與基站之間的上行同步,使UE能被NR系統(tǒng)識(shí)別,并分配用于數(shù)據(jù)傳輸?shù)纳闲匈Y源。在NR中,出發(fā)UE發(fā)起隨機(jī)接入的事件類型和LTE中是相似的,而且也支持和LTE中類似的兩種隨機(jī)接入類型,分別是CBRA(Contention-based Random Access)和CFRA(Contention-free Random Access)。在開始隨機(jī)接入的流程之前,UE已經(jīng)通過小區(qū)搜索及系統(tǒng)信息讀取確定了需要接入的基站的基本信息,其中包括波束方向、SSB索引以及PRACH資源位置等。UE在指定的波束上發(fā)送preamble并完成后續(xù)的隨機(jī)接入流程。隨機(jī)接入過程成功可以判斷出其中的基站波束搜索也成功。此時(shí),UE和基站完成了上行和下行鏈路的雙向同步,初始接入的過程已經(jīng)成功完成,即可進(jìn)行數(shù)據(jù)傳輸。因?yàn)镹R的PRACH信道是基于LTE設(shè)計(jì)的,所以會(huì)發(fā)現(xiàn)NR和LTE在隨機(jī)接入流程匯總差別不大,最大的區(qū)別就是NR中的隨機(jī)接入是基于波束的接入,下行波束基于SSB索引,上行波束基于PRACH Occasion。
周期性尋呼的下行數(shù)據(jù)傳輸過程如圖4所示。當(dāng)UE尋呼定時(shí)器到期后,UE需要判斷是否被基站尋呼。接下來的流程和需要發(fā)送上行數(shù)據(jù)的流程類似,只是在完成小區(qū)搜索和系統(tǒng)信息讀取后,需要獲取基站發(fā)起尋呼信令所使用的資源位置,之后UE在該位置上接收基站發(fā)送的尋呼列表信息,進(jìn)而判斷是否被尋呼。如果被尋呼那么進(jìn)入隨機(jī)接入流程,否則UE繼續(xù)進(jìn)入休眠狀態(tài)。
圖4 初始接入過程(周期性尋呼)
從以上兩種初始接入過程的流程介紹中可以看到,初始波束搜索是整個(gè)流程的關(guān)鍵,也是和LTE網(wǎng)絡(luò)完全不同的全新概念。波束選擇方法直接決定了波束搜索的時(shí)延,進(jìn)而也決定了整個(gè)初始接入過程的時(shí)延,研究波束選擇方案是非常必要的,優(yōu)秀的波束選擇方案可以大大降低初始接入時(shí)延,提升用戶感知。
5G相關(guān)的3GPP標(biāo)準(zhǔn)中給出了同步信號(hào)(Synchronization Signal Block, SSB)的相關(guān)定義。一個(gè)波束對(duì)應(yīng)一個(gè)SSB。SSB包含3個(gè)組件,分別是主同步信號(hào)PSS、輔同步信號(hào)SSS以及物理廣播信道PBCH。SSB的時(shí)頻結(jié)構(gòu)如圖5所示。
圖5 SSB時(shí)頻結(jié)構(gòu)
SSB是周期性傳輸?shù)?,這樣可以確保小區(qū)的覆蓋。SSB在不同波束中的重復(fù)傳輸被稱為一個(gè)SSB burst集合。在毫米波頻率下,在一個(gè)SSB發(fā)送的半幀(5 ms)中,SSB塊的發(fā)送個(gè)數(shù)最大為64個(gè)。初始小區(qū)選擇中SSB burst集的默認(rèn)周期為20 ms。根據(jù)協(xié)議中的描述,按照不同頻段和SSB子載波間隔,一個(gè)半幀內(nèi)的SSB位置會(huì)有5種不同的情況,毫米波頻率根據(jù)SSB子載波間隔的不同有兩種情況:第一種情況子載波間隔為120 kHz,候選SS/PBCH塊的第一個(gè)符號(hào)索引為Index={4,8,16,20} + 28 ×n,其中n= 0~3,5~8,10~13,15~18.;第二種情況子載波間隔為240 kHz,候選SS/PBCH塊的第一個(gè)符號(hào)索引Index={8,12,16,20,32,36,40,44} + 56 ×n,其中n= 0~3,5~8。
對(duì)SSB時(shí)頻結(jié)構(gòu)和資源分配簡(jiǎn)單闡述后,本節(jié)主要對(duì)波束搜索的幾種常見方法進(jìn)行研究,并對(duì)其在小區(qū)搜索階段的性能進(jìn)行對(duì)比分析。
對(duì)于搜索算法而言,時(shí)間復(fù)雜度和成功率是非常重要的兩個(gè)指標(biāo),而且兩者一直是博弈的關(guān)系,在選擇算法的時(shí)候應(yīng)該保持一個(gè)最基本的原則,那就是在保證一定成功率的前提下,盡可能地降低計(jì)算的復(fù)雜度。最簡(jiǎn)單的波束掃描算法——窮舉搜索法在上文已闡述,已知FR2頻段每個(gè)SSB集最多發(fā)送64個(gè)SSB。由于其窮舉的銹點(diǎn),搜索成功率應(yīng)該是所有算法中最高的,但是其時(shí)間復(fù)雜度高,難以滿足5G大部分低時(shí)延的場(chǎng)景。假設(shè)基站波束數(shù)量為NBS,用戶波束數(shù)量為NUE,SSB集合內(nèi)的最大SSB資源數(shù)為NSSB,每個(gè)SSB的傳輸周期為TSSB,則時(shí)間復(fù)雜度n=NBS×NUE。假設(shè)基站可以在每個(gè) OFDM 符號(hào)發(fā)射Npanel條波束,則完成窮舉搜索需要的OFDM數(shù)為NOFDM=NBS×NUE/Npanel。假設(shè)小區(qū)搜索一次成功,則搜索算法的最大時(shí)延為TE=NUE×TSSB。很容易看出UE的波束越多,算法的時(shí)延越大。
IEEE 802.15.3c和802.11ad都提出了類似的分級(jí)掃描方法。基于分層碼本的波束搜索算法,其核心思路分為兩個(gè)步驟,分別是搜索最優(yōu)扇區(qū)和搜索最優(yōu)波束。搜索最優(yōu)扇區(qū)時(shí)通過設(shè)計(jì)碼本先將波束搜索過程分為精細(xì)度不同的層級(jí),進(jìn)而通過粗粒度層級(jí)的掃描找到性能最優(yōu)的扇區(qū),搜索最優(yōu)波束時(shí)需要在細(xì)精粒度層級(jí)進(jìn)行搜索,從而找到該扇區(qū)內(nèi)的最優(yōu)波束。單邊分層掃描算法是一種改進(jìn)的分層波束搜索算法。其核心思想是將SSB集合劃分為盡可能多的資源塊,且每個(gè)資源塊包含的SSB資源數(shù)為基站的波束數(shù)量[4]。假設(shè)基站波束數(shù)量為NBS,用戶波束數(shù)量為NUE,SSB集合內(nèi)的最大SSB資源數(shù)為NSSB,每個(gè)SSB的傳輸周期為TSSB。則每個(gè)SSB集合可以劃分的資源塊數(shù)量為:
(1)
假設(shè)小區(qū)搜索一次成功,則單邊分層搜索算法的最大時(shí)延為:
(2)
當(dāng)NSSB<2×NBS時(shí),SSB集合只能劃分出一個(gè)資源塊,此時(shí)單邊分層搜索算法在第二階段的時(shí)延將會(huì)大于窮舉搜索法,由此可見該算法不適合基站波束數(shù)量配置較高的場(chǎng)景。當(dāng)NSSB>2×NBS時(shí),該方法不僅提高了SSB的利用率,而且降低了搜索算法的復(fù)雜度[4]。
英特爾公司在文獻(xiàn)提出過采樣波束可以保證用戶和基站的小區(qū)覆蓋,給出了基站波束分集搜索算法。該算法根據(jù)波束的空間相關(guān)性將基站波束分成不同的集合。算法的核心思路是:第一步用戶通過掃描分集后的任意一層基站波束進(jìn)而找到最佳的接入波束;第二步以第一步結(jié)果作為依據(jù)來搜索所有基站波從而改善波束搜索精度。具體方法如下:將基站側(cè)的波束根據(jù)其空間相關(guān)度分成幾個(gè)子集。在接入過程中,子集在空間上是等效的。假設(shè)將基站波束分成了4個(gè)子集,UE只需要掃描所有基站1/4的波束來完成第一步的操作,即可選出最佳接入波束??偛ㄊ鴴呙璧却龝r(shí)間減少到窮舉搜索法的1/4。由此可見,子集劃分越多,時(shí)間復(fù)雜度越低[5]。受到以上分集思路的啟發(fā),也可以將分集方法利用到UE側(cè)的波束上,這樣可以在雙向都實(shí)現(xiàn)算法復(fù)雜度的優(yōu)化。與窮舉搜索法相比,該算法的時(shí)間復(fù)雜度明顯優(yōu)于窮舉搜索法和單邊分層搜索算法。
5G低中頻段使用率越來越高,研究和使用5G毫米波頻段勢(shì)在必行。初始波束搜索算法的成功率和時(shí)間復(fù)雜度直接影響5G NR的初始接入成功率和時(shí)延,進(jìn)而影響用戶感知。本文在分析了初始波束搜索算法研究現(xiàn)狀的基礎(chǔ)上,對(duì)比了窮舉搜索算法、單邊分層搜索算法和波束分集搜索算法的性能,得出波束分集搜索算法是最優(yōu)算法,而且子集劃分越多,該算法復(fù)雜度越低,雖然犧牲了部分成功率,但是權(quán)衡兩者,其仍然是最佳算法。