張德民 曾艷輝 張 洋

(重慶郵電大學通信與信息工程學院 重慶 400065)

0 引 言

與LTE相比，5G系統(tǒng)雖然在流量特性、關鍵性能指標等方面差異較大，但對大系統(tǒng)容量、高傳輸速率方面的需求都是一致的，因此低開銷、性能可靠的控制信道顯得尤為重要[1-2]。為了滿足上述需求，最新更新的3GPP協(xié)議Release15版本對物理下行控制信道結構進行了改變，如引入控制資源集(control-resource set，CORESET)、公共空間細分為5類和采用分布式搜索空間等，以此獲得更好的頻率選擇性增益和減少時延。雖然5G中PDCCH性能已得到很大提升，但仍然面臨一些挑戰(zhàn)，比如盲檢次數(shù)多、效率低帶來的時延和性能低等問題[3-5]。因此PDCCH中的盲檢仍是研究的重點。

目前，國內(nèi)外學者專家對LTE系統(tǒng)中PDCCH盲檢算法優(yōu)化問題進行了大量研究。文獻[6-7]提出排除相同起始位置控制信道元素(control-channel element，CCE)的方法，這是一種復雜度較低的算法，簡單地剔除重復起始位置的候選，并且在公共空間中，終端可以快速確定重合的CCE。但是，在專用搜索空間中，起始位置受許多參數(shù)的影響，不同的起始位置需要多個寄存器進行記錄。因而導致資源開銷增加，在實際應用中，對系統(tǒng)性能的提升非常有限。文獻[8-9]提出了自適應算法，使用CQI值來確定更高概率的聚合等級。同時，結合無線環(huán)境的特點，終端以較高的概率對聚合級別進行盲檢測，并將盲檢測的聚合級別成功記錄在緩沖區(qū)域中。在下一個控制消息到來時，從上次記錄的盲檢成功的聚合等級優(yōu)先開始進行盲檢測。這種算法具有記憶性，但是實現(xiàn)受環(huán)境影響，特別在信道質(zhì)量差或變化頻繁時，復雜度相對較高，同時按概率排序的盲檢測，具有偶然性，在實際應用中不是最優(yōu)的。文獻[10]提出了相關檢測算法，當檢測到聚合等級4和8時，終端利用速率匹配模塊基于滑動相關峰值確定哪個候選承載下行控制信息(Downlink Control Information，DCI)。與傳統(tǒng)算法相比，該算法有了很大的改進，但是該算法僅適用于聚合等級4和8，無法實現(xiàn)真正的最大化。文獻[11-12]提出了功率檢測算法，LTE系統(tǒng)為有用消息分配的功率相對較大，噪聲功率小，并且通過在每個聚合級別下檢測候選組的最大功率對應候選集來減少盲檢測的數(shù)量。當候選集數(shù)量很大時，計算量大。盡管盲檢測數(shù)量相比自適應算法平均減少了6次，但是檢測效率仍有待提高，并且當信道條件差時性能不穩(wěn)定。

針對上述問題，結合5G PDCCH特性，提出一種基于功率測量的PDCCH自適應盲檢測算法。該算法根據(jù)信道質(zhì)量自適應盲檢聚合等級順序，再通過功率測量獲得的功率值對各聚合等級下候選集進行優(yōu)先排序與剔除操作。該方案在保證盲檢成功概率不下降的情況下，減少盲檢次數(shù)從而提高盲檢效率，且信道條件差時性能更穩(wěn)定。

1 5G PDCCH

相比LTE系統(tǒng)，5G系統(tǒng)中的物理下行控制信道除了引入新元素：控制資源集、REG bundle和PDCCH解調(diào)參考信號(demodulation reference signals，DMRS)等，在搜索空間與處理流程上也發(fā)生了一些改變。

1.1 搜索空間

為了減少盲檢次數(shù)，協(xié)議定義了搜索空間來盡可能地減少CCE候選集合，從而減少UE的盲檢次數(shù)。LTE中僅區(qū)分公共搜索空間(Common Search Space，CSS)和用戶專用搜索空間(UE-special Search Space，USS)，而5G中則將公共搜索空間細分為：用于接收SIB1消息的Type0-PDCCH公共搜索空間，用于接收其他SI消息的Type0A-PDCCH公共搜索空間，用于隨機接入的Type1-PDCCH公共搜索空間，用于尋呼過程的Type2-PDCCH公共搜索空間，Type3-PDCCH公共搜索空間。

為了提高吞吐量和降低阻塞概率，5G PDCCH的搜索空間采用分布式搜索空間分配方案，即公共空間內(nèi)候選集的起始位置不再固定，而是根據(jù)當前CORESET大小而變化。不同RNIT標識的UE，專用搜索空間各不相同，如圖1所示。

圖1 2UE用戶專用搜索空間

1.2 PDCCH處理流程

當媒體接入控制層通過下行控制信道指示資源分配時，發(fā)送端首先獲取DCI格式信息，進行循環(huán)冗余校驗(Cyclic Redundancy Check，CRC)添加，再用相應的無線網(wǎng)絡臨時標識對CRC的最后16位進行加擾。

CRC添加以后對數(shù)據(jù)進行Polar編碼、速率匹配、加擾和正交相移鍵控(Quadrature Phase Shift Keying，QPSK)調(diào)制。然后針對每個OFDM符號生成PDCCH DMRS，將PDCCH與相應的DMRS信息映射到CORESET中，再對CORESET進行REG bundle交織，交織完后開始資源元素映射，最后通過天線端發(fā)送?，F(xiàn)有協(xié)議中暫未更新多天線情況，所以本文只對單天線做考慮，且信道處理流程不考慮層映射與預編碼。PDCCH發(fā)送端流程如圖2所示。

圖2 5G PDCCH發(fā)送端處理過程

2 5G PDCCH窮舉盲檢算法

相比LTE，5G中PDCCH盲檢主要有如下幾點改變：(1) 5G中一個PDCCH只傳輸一種DCI格式，不存在復用。(2) 空間內(nèi)存在的聚合等級不同，相比LTE中聚合等級1/2/4/8，5G新添加了等級16，且各聚合等級對應最大候選集數(shù)量不再固定，改由相關參數(shù)配置[13]。(3) 空間內(nèi)存在的DCI格式不同。LTE系統(tǒng)有DCI0/1/1A/1B/1C/1D、DCI2/2A/2B/2C、DCI3/1A、DCI4共13種DCI格式，5G系統(tǒng)中則存在DCI0- 0/0- 1、DCI1- 0/1- 1、DCI2- 0/2- 1/2- 2/2- 3共8種DCI格式。(4) LTE系統(tǒng)中因存在PDCCH復用，對DCI格式檢測較為復雜[11]。5G中PDCCH的檢測，CSS內(nèi)只需對格式DCI0_0/1_0、DCI2系列進行檢測，已知RNTI類型時，只需對一種比特長度進行盲檢。USS中需檢測格式DCI0系列、DCI1系列，則可能存在兩種比特長度盲檢。

窮舉盲檢流程如圖3所示，基本步驟如下：

(1) 針對6種搜索空間解資源映射，取出CORESET；

(2) 解REG捆綁交織，再進行信道估計、信號檢測；

(3) 盲檢開始，通過相關公式計算搜索空間內(nèi)各候選PDCCH的CCE起始位置，依次對每一個聚合等級下的候選集進行解調(diào)、解擾、解速率匹配、Polar譯碼，CRC校驗成功則盲檢結束，否則選取下一候選集進行盲檢，直到CRC校驗成功或遍歷所有候選，則盲檢結束。

圖3 5G PDCCH接收端處理過程

3 改進算法

針對上述5G系統(tǒng)帶來的改變，對已有LTE系統(tǒng)中的功率檢測算法進行改進，以適用于5G網(wǎng)絡，同時減少盲檢次數(shù)，提高盲檢效率。

3.1 自適應盲檢聚合等級順序

與LTE類似，在5G系統(tǒng)中，當網(wǎng)絡端在一個傳輸時間間隔(Transmission Time Interval，TTI)內(nèi)發(fā)送下行控制信息時，根據(jù)UE對信道狀態(tài)信息的反饋等選擇合適的聚合等級發(fā)送。如網(wǎng)絡端根據(jù)UE對信道質(zhì)量的信息反饋，將信道分為差、一般、較好和極好4個等級。依據(jù)該等級、當前UE數(shù)等對PDCCH進行傳輸。由此，UE可以根據(jù)信道反饋中的CQI值來確定當前信道狀態(tài)質(zhì)量，進而初步確定TTI內(nèi)PDCCH可能的聚合等級檢測順序。

UE專用搜索空間中，不同CQI值對應的不同可能的PDCCH盲檢順序，如表1所示。公共空間少了等級1/2，其他一樣。

表1 盲檢聚合等級順序

3.2 算法步驟

根據(jù)CQI值自適應當前盲檢聚合等級順序，再通過功率測量進行盲檢。

1) 公共搜索空間。5G PDCCH中，公共空間雖細分為5類，但僅在解資源映射時需區(qū)分不同空間。在公共空間中僅存在3種聚合等級：4/8/16。公共空間盲檢步驟如圖4所示。

圖4 公共搜索空間檢測流程圖

公共搜索空間檢測具體步驟如下：

(1) 根據(jù)信道質(zhì)量自適應盲檢的聚合等級(Aggregation Level，AL)順序。信道質(zhì)量極好或好：4/8/16；信道質(zhì)量一般：8/4/16；信道質(zhì)量差：16/8/4。

(2) 分別計算三個等級下各個候選集的功率值，并降序排序，得到排序后的候選集的功率值集合和對應的起始位置集合。

(3) 剔除候選集序號，剔除規(guī)則如下：

Step1剔除沒有數(shù)據(jù)傳輸?shù)暮蜻x集序號，即當前聚合等級Ln下候選集i的功率值Pi,Ln滿足：

Pi,Ln

(1)

式中：候選集序號i∈{0，1，…，MLn}，MLn為當前等級Ln對應最大候選集數(shù)量；如果當前搜索空間為公共空間，則當前盲檢聚合等級Ln∈{4,8,16}，n∈{0,1,2}，否則Ln∈{1,2,4,8,16}，n∈{0,1,…,4}；Pmax,Ln為當前聚合等級Ln下的最大功率值。

Step2剔除不滿足當前聚合等級Ln下候選集i最低功率的候選集序號，即當前聚合等級Ln下候選集i功率值Pi,Ln滿足：

(2)

式中:Lj為空間內(nèi)存在的各個聚合等級，與Ln取值相同；ρ=0.815為調(diào)整系數(shù)，經(jīng)測試確定；Pmax,Lj為空間內(nèi)存在的各個聚合等級Lj對應的最大功率值。

計算不同聚合等級下單個CCE的均值功率，取最大作為整個控制資源集中每CCE的均值功率，表示當前候選集內(nèi)沒有該聚合等級的數(shù)據(jù)傳輸或只有信道噪聲傳輸。

(4) 按AL順序對集合內(nèi)最大功率對應的候選集進行去DMRS、解調(diào)、解擾、解速率匹配、Polar譯碼和CRC校驗，CRC校驗成功則結束，失敗則按順序對下一等級中的最大功率對應的候選檢測，依次類推，若仍失敗，則進入步驟(5)。

(5) 遍歷完各等級對應的最大功率候選集，對余下候選集，按步驟(4)選取次大功率對應的候選集檢測。

(6) 若所有未被剔除的候選集均已檢測卻仍未成功，則盲檢失敗，公共空間不存在第二個DCI格式長度的檢測，盲檢結束。

2) UE專用搜索空間。UE專用搜索空間中存在1/2/4/8/16共5種聚合等級。因為5G系統(tǒng)中各聚合等級對應的最大候選集數(shù)量是由相關參數(shù)配置的，大小為0到8，因此在這些配置下來之前，UE無法預知自己需要對多少候選集進行功率測量，且存在兩種DCI格式長度需要進行檢測，無法避免候選過多導致計算量過大的情況。

針對以上情況，對算法進行改進。在UE專用搜索空間中，只對當前AL順序的前4個等級對應的候選集做功率測量，從而減少計算開銷。在信道質(zhì)量極好時，網(wǎng)絡端一般不會選取等級16，改進算法在盲檢時將16作為最后盲檢的等級以防漏檢，但是由于等級16出現(xiàn)的概率極低，優(yōu)先檢測可能性更高的AL；在信道質(zhì)量一般時，網(wǎng)絡端可能選取等級2/4/8等，為了提高準確性，根據(jù)CQI自適應選取更可能的聚合等級，然后功率測量，優(yōu)先盲檢更可能的候選集，從而在減少盲檢次數(shù)的同時避免漏檢。UE專用搜索空間盲檢步驟如圖5所示。

圖5 UE專用搜索空間檢測流程圖

UE專用搜索空間檢測具體步驟如下：

(1) 根據(jù)信道質(zhì)量自適應盲檢聚合等級順序。

(2) 計算AL順序的前4種聚合等級下所有候選集的功率，對功率值降序排序，并記錄候選集序號。

(3) 按與公共空間相同規(guī)則剔除部分候選集序號，將AL順序的最后一個聚合等級的候選集并入候選集序號集合中。

(4) 按AL順序依次對4個聚合等級下最大功率值對應候選集盲檢，CRC成功則盲檢結束，否則判斷是否遍歷所有未被剔除候選，是則跳至步驟(5)，否則選取4種等級下次大功率值對應的候選集或前4等級已遍歷選取最后一個等級的候選集進行盲檢。

(5) 遍歷所有未被剔除候選，判斷是否需要對第2個DCI格式長度進行檢測，是則跳至步驟(4)，否則盲檢結束。

4 仿真分析

根據(jù)在5G標準中指定的PDCCH發(fā)送和接收過程建立整個PDCCH仿真鏈路。在仿真過程中，首先對已有盲檢算法和改進算法在不同信噪比時的成功概率進行仿真分析，然后對4種算法在盲檢次數(shù)上的差異進行仿真分析，最后對平均盲檢次數(shù)進行對比分析。測試參數(shù)如表2所示。

表2 仿真參數(shù)

空間內(nèi)聚合等級對應最大候選集數(shù)配置如表3所示。

表3 空間內(nèi)聚合等級對應最大候選集數(shù)配置

傳統(tǒng)盲檢方式下，CSS最多盲檢7次，USS最多盲檢17×2=34次，因此對一塊CORESET的監(jiān)測PDCCH最大盲檢次數(shù)為34+7=41次。盲檢成功率仿真結果如圖6所示。

圖6 不同SNR下盲檢成功概率對比

由圖6可知，在信噪比大于-17 dB時，4種檢測算法的成功概率均在0.98以上，具有較好的正確率；當信噪比小于-17 dB時，算法成功概率均明顯呈現(xiàn)下降趨勢，但功率檢測算法與改進算法成功概率明顯高于自適應算法和傳統(tǒng)盲檢算法。從整體來看，功率檢測算法與改進算法的可靠度相近，且改進算法略高于功率檢測算法。

盲檢次數(shù)如圖7所示，平均盲檢次數(shù)對比如圖8所示。

圖7 不同SNR下PDCCH盲檢次數(shù)對比

圖8 不同算法下PDCCH平均盲檢次數(shù)對比

從圖7、圖8可看出，傳統(tǒng)算法平均盲檢次數(shù)最多，自適應算法在傳統(tǒng)算法上有一定優(yōu)化，但相比功率測量與改進算法性能一般。

由圖7可知，當信噪比較大時，功率檢測算法和改進算法兩者盲檢次數(shù)變化不大，其中改進算法的盲檢次數(shù)基本穩(wěn)定在10次，功率測量為13次；在信噪比較小時，功率檢測算法受影響較大，在SNR=0 dB時，PDCCH盲檢次數(shù)最大為23次，其隨著SNR的增加持續(xù)降低，最小為13次左右，性能不穩(wěn)定。相比功率檢測算法而言，改進算法因為在自適應盲檢聚合等級的基礎上再做功率測量的處理，減少了信噪比變化給盲檢帶來的影響，最大為16次左右，最小為10次，曲線變化較為平緩，且盲檢次數(shù)明顯減少。

由圖8可知，4種算法的平均盲檢次數(shù)依次遞減，其中功率檢測算法相比自適應算法的平均盲檢次數(shù)減少了6次，而改進算法的平均盲檢次數(shù)在功率檢測算法基礎上進一步減少了5次，盲檢效率顯著提高。

通過仿真對比結果可以看出，改進后的PDCCH在保證盲檢成功概率不下降的情況下，平均盲檢次數(shù)減少，盲檢的效率明顯提高，改進算法受信噪比變化影響不大。

5 結 語

本文針對5G系統(tǒng)中PDCCH盲檢效率問題，通過分析5G PDCCH特性，提出了一種基于功率測量的PDCCH自適應盲檢算法。通過搭建PDCCH鏈路進行MATLAB仿真。仿真結果表明，在保證盲檢成功概率不下降的情況下，盲檢次數(shù)相比功率檢測算法平均減少了5次。當信道質(zhì)量條件不太好時，改進后的盲檢算法具有較好的平穩(wěn)性，總體上提高了盲檢效率，驗證了改進算法的有效性。盡管如此，本文仍存在一些不足之處，例如本文考慮的是發(fā)送端對有用數(shù)據(jù)功率均勻分配的情況，如何在功率非均勻分配的情況下設計盲檢效率高的PDCCH盲檢測算法將是未來研究的方向。