基于相关检测的低复杂度窄带物理下行控制信道盲检测算法

王丹 李安艺 杨艳娟

摘 要：在窄带物联网系统（NB-IoT）中，物联网（IoT）终端应当快速获取下行控制信息（DCI），以便正确接收数据信道的资源分配和调度信息。为此，针对窄带物理下行控制信道（NPDCCH）搜索空间大小大于等于32时，提出一种利用相关检测的低复杂度的NPDCCH盲检测算法。首先，通过对一个NPDCCH可能最小重复传输单元进行两次相关判决，剔除搜索空间中其他无效的数据，以降低计算复杂度;然后，对判决为有效数据所在的重复周期进行合并译码，以提高盲检性能;最后，对两个相关阈值设定进行了理论与仿真分析。仿真结果表明，相比穷举盲检测算法，所提算法在计算复杂度上至少降低了75%，检测性能提高了增益2.5～3.5dB，更加利于工程实践。

关键词：窄带物联网;窄带物理下行控制信道;盲检测;相关检测;合并算法

中图分类号：TN929.5

文献标志码：A

Low complexity narrowband physical downlink control channel blind detection algorithm based on correlation detection

WANG Dan， LI Anyi*， YANG Yanjuan

School of Communication and Information Engineering， Chongqing University of Posts and Telecommunications， Chongqing 400065， China

Abstract：

In NarrowBand Internet of Things （NB-IoT） systems， the Internet of Things （IoT） terminals should decode Downlink Control Information （DCI） quickly to receive resource allocation and scheduling information of the data channel correctly. Therefore， a low complexity Narrowband Physical Downlink Control Channel （NPDCCH） blind detection algorithm using correlation detection was proposed for NPDCCH with search space size being greater than or equal to 32. By employing two correlation judgments on the data in a possible minimum repetition transmission unit of NPDCCH， the invalid data in searching space was removed to reduce the computation complexity. Then， the repetition periods with the valid data were combined and decoded to improve the blind detection performance. Finally， theoretical and simulation analysis of two correlation thresholds used in correlation detection were carried out. Results show that compared with conventional exhaustive blind detection algorithm， the decoding complexity of the proposed algorithm is reduced by at least 75% and the detection performance gain is increased by 2.5dB to 3.5dB. The proposed algorithm is more beneficial for engineering practice.

Key words：

Narrowband Internet of Things （NB-IoT）; Narrowband Physical Downlink Control Channel （NPDCCH）; blind decoding; correlation detection; combining algorithm

0 引言

伴隨着大规模物联网需求的产生及不断发展，窄带物联网（Narrow Band Internet of Things， NB-IoT）技术因覆盖广、连接多、功耗少、成本低、架构优等优点越来越受到人们的关注，现如今成为了最热门的物联网技术之一，并由第三代合作伙伴（The 3rd Generation Partnership Project， 3GPP）标准组织负责其协议的制定工作[1-2]。该系统主要应用于低吞吐量、能容忍较大时延且低移动性的场景，如智能抄表、遥感器和智能建筑等[3];另外，为更好地增强下行覆盖，以实现提高20dB覆盖增益的预计目标，NB-IoT在下行物理信道上引入了重复传输机制[4]。

作为整个NB-IoT系统控制的核心，窄带物理下行控制信道（Narrowband Physical Downlink Control CHannel， NPDCCH）承载了多种下行控制信息（Downlink Control Information，

DCI），包括：DCI格式N0用于上行链路授权，指示窄带物理上行共享信道（Narrowband Physical Uplink Shared CHannel， NPUSCH）传输的资源;DCI格式N1指示窄带物理下行共享信道（Narrowband Physical Downlink Shared CHannel， NPDSCH）所占的资源及其重复传输次数;DCI格式N2指示寻呼的资源或系统信息变更。通过这些DCI保证了整个系统上下行数据的正确发送与接收[5]。由于NB-IoT终端不清楚eNB发送NPDCCH的具体位置，所以接收端必须通过盲检测才能获得其承载的DCI。尽管3GPP标准中定义了相应的搜索空间以缩小搜索区域、降低终端盲检的复杂度，但是搜索空间区域配置最大可能包含2048个NB-IoT下行子帧，若终端采用穷举搜索算法最大可能需要盲检测2048次，这样不仅会增加计算复杂度、降低业务传输效率，而且会造成长时间耗电、降低NB-IoT终端的使用寿命，因此研究NB-IoT的下行控制

信道，特别是关于NPDCCH的快速盲检测算法具有重要的实际应用价值，有利于正确快速地调度相应的数据信道。

文献[6]针对NB-IoT系统窄带物理广播信道（Narrowband Physical Broadcast CHannel， NPBCH）接收端解码过程提出了一种低复杂度的盲检测方案。该方案主要是在解码前利用两种天线端口下窄带参考信号功率比值与功率比阈值进行比较的方式提前获取天线端口数，以此减少遍历天线端口数所带来的计算复杂度，进而提高检测NPBCH效率。由于终端清楚NPBCH传输位置（固定传输在子帧#0），只是不清楚发送端天线端口数和扰码序列索引值，因此不存在盲检测NPBCH资源位置的情况。而针对NPDCCH信道，终端已通过检测NPBCH过程获取了天线端口数，只是并不清楚在传输资源中的位置，因此必须采用盲检测的方式在给定的搜索空间内进行解码。若采用穷举搜索的方式对每个候选集数据均进行检测，则盲检次数与高层配置的搜索空间大小成正比，效率极低。因此，为了有效限制盲检次数，本文重点研究NPDCCH低复杂度盲检测算法。文献[7]中提出一种利用长期演进（Long Term Evolution， LTE）物理下行控制信道（Physical Downlink Control CHannel， PDCCH）聚合等级为4或8时，在速率匹配过程中具有“重复”的特性，接收端通过计算接收序列的相关值，找出最大相关值对应的候选集进行盲检测，由于该算法不用解析每一个候选的PDCCH，因此大幅提高了用户设备 （User Equipment， UE）对PDCCH的盲检测效率，是比较综合的算法。

由于NB-IoT技术特点与LTE不同，3GPP重新定义了NPDCCH资源结构以及重复传输方式[8-11]，因此本文利用NPDCCH的重复传输特点，针对搜索空间范围较大时，即Rmax≥32情况下，提出一个NPDCCH低复杂度盲检测算法。该算法主要通过在一个最小重复单元，即RU=Rmax/8个子帧中利用两次相关判决判断每个重复周期（Z=4）内是否可能存在当前用户所需的NPDCCH信息，剔除搜索空间中其他无效的数据。其中第一次相关判决是将一个重复周期内第2、3、4个下行子帧数据分别与第1个子帧数据进行相关计算，并判断三个相关值是否均大于一次相关阈值，若是，则判定该重复周期可能为当前用户所需检测的DCI信息，将该重复周期的数据合并后进行解扰，然后进行第二次相关判决;第二次相關判决是将该解扰后的数据与当前最小重复单元RU中第1个通过一次相关判决的解扰数据进行相关计算，并判断其相关值是否大于二次相关阈值，若是，则判定当前重复周期为用户所需检测DCI的可能性较大，将该解扰数据进行维特比译码和循环冗余校验（Cyclic Redundancy Check， CRC）校验，从而最终判定DCI检测的正确性。在两次相关检测中只要相关值低于相关阈值，均放弃当前重复周期数据的解码工作，由此可以缩小盲检测范围，降低计算复杂度。另外，利用NPDCCH在重复周期内重复传输数据完全相同的特点，对判决为可能存在数据的重复周期进行合并译码，以提高检测可靠性。本文对相关检测过程中的两个相关阈值进行了理论推导，给出了阈值设定范围。

1 NPDCCH发送端

为了能复用现有基站以降低部署成本，使NB-IoT直接部署于已有的全球移动通信系统（Global System for Mobile communications， GSM）或LTE网络中，NB-IoT在设计中支持三种部署模式：带内部署、保护带部署、独立部署[12]。图1所示为在带内部署模式下NPDCCH在180kHz带宽中的资源映射方式示意图。为了能降低终端的复杂度和更好地使NB-IoT与原有LTE网络共存，NB-IoT在下行沿用了LTE帧结构配置。其频域上，每个正交频分复用（Orthogonal Frequency Division Multiplexing， OFDM）符号占据12个子载波，即占据180kHz的带宽，正好对应LTE传输中的一个资源块（Resource Block， RB）;时域上，系统帧、子帧、时隙的时间长度分别为10ms、1ms、0.5ms。与传统LTE使用两种循环前缀（Cyclic Prefix， CP）类型不同，NB-IoT仅支持常规CP类型，即一个时隙由7个OFDM符号组成。在一个NB-IoT载波上，NPDCCH只能传输在NB-IoT下行子帧中，这里的NB-IoT下行子帧为UE获取窄带系统消息类型1（System Information Block Type1， SIB1-NB）中参数downlinkBitmap所配置的子帧，若该参数不存在，则认为除了传输NPBCH、窄带主同步信号 （Narrowband Primary Synchronization Signal， NPSS）、窄带辅同步信号 （Narrowband Secondary Synchronization Signal， NSSS）、SIB1-NB的子帧之外均为NB-IoT下行子帧。若无特别说明，本文所述子帧均为NB-IoT下行子帧。

一个NPDCCH在1个或2个窄带控制信道资源（Narrowband Control Channel Element， NCCE）上傳输，每个NCCE由一个子帧上6个连续的子载波组成。一个子帧上只定义了2个NCCE资源：NCCE0和NCCE1。如图1所示，NCCE0占用子载波0～5，NCCE1占用子载波6～11[4]。NPDCCH支持1/2两种聚合等级（AL）类型，即AL=1NCCE和AL=2NCCE。其中组成AL=2NCCE的两个NCCE必须位于同一个子帧，并且当重复传输次数R>1时仅支持AL=2NCCE，主要是考虑尽快完成重复传输并且提高资源利用率。

2 盲检测算法

2.1 穷举搜索算法

为了使盲检测NPDCCH的复杂度保持在一个合理的范围，3GPP标准定义了3种搜索空间：1）Type1公共搜索空间（Type1-CSS）：获取寻呼消息[13];2）Type2公共搜索空间（Type2-CSS）：获取随机接入中RAR、Msg3重传指示或Msg4消息[14];3）UE特定搜索空间（UE Search Space， USS）：获取UE专属的控制信息。每种搜索空间资源位置是通过高层信令配置确定的，主要包括搜索空间的起始子帧k0和NPDCCH最大重复次数Rmax。其中Rmax是搜索空间持续的有效NB-IoT下行子帧数，或者说盲检的窗口长度，取值范围为{1，2，4，8，16，32，64，128，256，512，1024，2048}。

在USS或Type2-CSS候选集中，NPDCCH实际重复次数R≤Rmax，并且与Rmax存在1/2/4/8四种倍数关系。由于终端不清楚DCI的实际重复次数以及在搜索空间的传输位置，因此终端会根据需要监听的DCI格式在搜索空间中进行盲检。为了保证解调可靠性，可以采用穷举搜索算法进行检测，即从搜索空间的起始子帧k0开始，对搜索空间内每一个子帧进行解码，直到成功检测出所需的DCI为止。

Type1-CSS候选集与前两种候选类型不同，承载寻呼消息的DCI一定是从该搜索空间的起始子帧k0开始进行重复传输，因此终端不需要进行盲检测，仅从搜索空间第一个子帧开始检测即可。

2.2 相关检测算法

从2.1节内容可知，终端在Type1-CSS候选集下不需要进行盲检测，而在USS/Type2-CSS两种搜索空间情况下，采用穷举搜索算法最大可能的盲检次数为Rmax次，并且盲检测次数会随着高层配置Rmax值的增加而增加。因此为了能减少USS/Type2-CSS中Rmax配置较大时的盲检测次数，降低终端功耗，本文针对Rmax≥32的情况提出一种基于相关检测的NPDCCH盲检测算法。

另外，在NPDCCH重复传输过程中，如图2所示，将以Z个子帧为一个重复周期进行一次扰码序列初始化，这里Z=min（R，4）。考虑到本文针对NPDCCH重复传输次数R≥4情况，则后续在文中所提Z值均为4，这里Z=4个子帧传输的是完全相同的内容。

本文结合重复周期内相同数据重复传输的特点，在基于相关检测的基础上，对一个重复周期内的子帧进行合并接收译码，以提高终端解调增益。具体流程如下。

步骤1 根据高层协议栈的参数配置，从搜索空间的起始子帧k0开始，提取当前子帧数据并完成解资源映射过程。本文假设已经完成NB-IoT系统的定时同步与频偏估计及补偿。解资源映射后的数据rj（i）（1≤i≤N，1≤j≤Rmax）定义为：

rj（i）=hj（i）sj（i）+nj（i）， H1

nj（i），H0（1）

其中：N表示当前子帧DCI数据资源映射的RE数;Rmax表示最大重复次数，由高层配置，表示搜索空间的时域大小;sj（i）表示在搜索空间中第j个子帧上DCI映射的第i个RE数据;hj（i）～CN（0，σ2h）表示独立同分布的信道增益;nj（i）～CN（0，σ2n）表示复加性高斯白噪声。

将重复周期内第1个子帧数据分别与第2、3、4子帧数据进行相关计算，如式（2）所示：

Ct（0）=∑Ni=1rj（i）×rj+1（i）

Ct（1）=∑Ni=1rj（i）×rj+2（i）

Ct（2）=∑Ni=1rj（i）×rj+3（i）（2）

其中：t=（j-1）/Z」+1表示为从搜索空间内重复周期的索引值，范围为1≤t≤Rmax/Z。对重复周期t内三个相关值使用“AND准则”进行合并，然后根据合并结果判断当前重复周期内是否存在传输信号，即如式（3）、（4）所示：

Dt=Ct（0）≥η*Ct（1）≥η*Ct（2）≥η（3）

其中：“*”表示与运算;η为一次相关阈值，设定方法见3.1节。

RPSFt∈H0， Dt=0

RPSFt∈H1，Dt=1（4）

若判断RPSFt不存在信号数据，则按照步骤2进行处理;否则执行步骤3。这里设立一个索引值k表示在NPDCCH可能最小重复传输单元Rmax/8内满足RPSFt∈H1的个数，范围为0≤k≤Rmax/（8·Z），初始化k=0。

步骤2 选择下一个重复周期数据并重新步骤1操作，即令t=t+1。若下一个重复周期正好位于NPDCCH可能最小重复传输单元的起始，则重新初始化k=0。

步骤3 首先令k=k+1，然后对当前重复周期t内的4个子帧数据进行合并，如式（5）所示：

rt（i）=∑tTj=Z·（t-1）+1αjrj（i）（5）

其中：αj为合并系数。进而对合并数据rt（i）进行解调和解扰处理，并保存解扰后数据Bt，k（i）。并判断当前k值是否为1，若是，则进行步骤5，否则执行步骤4。

步骤4 令[Bt，k（i）]k=1与Bt，k（i）进行相关计算，如式（6）所示：

Pt=∑2Ni=1[Bt，k（i）]k=1×Bk（i）（6）

然后按照式（7）判斷当前重复周期t，用RPSFt表示，是否存在信号数据，若是则按照步骤5进行处理;否则执行步骤2，重新对下一个重复周期进行判断：

RPSFt∈H0， Pt<φ

RPSFt∈H1，Pt≥φ （7）

其中：φ为二次相关阈值，设定方法见3.2节。

步骤5 对解扰数据进行Viterbi译码，然后通过相应的RNTI进行CRC校验，若校验成功，则DCI盲检成功;若失败，则判断是否搜索空间内所有子帧数据均检测结束，若是，说明此次DCI盲检失败;否则对下一个重复周期数据重新步骤1操作。

3 相关检测算法参数设置

3.1 一次相关阈值η

由于NPDCCH固定使用QPSK调制，如图4所示。

UE在解资源映射后，按照式（2）进行相关计算，假设信道环境处于理想状态，即数据未受噪声等影响，相关结果为：

Cideal=N×[（±1/2）2+（±1/2）2]=N（8）

其中：N表示当前子帧DCI数据资源映射的RE数，由于本文所提算法是基于NPDCCH重复传输的情况，此时聚合等级为2，结合部署模式以及参考信号端口配置不同，N值大小范围为100≤N≤160。

考虑到实际信道环境因素，式（2）中得到的实际相关值小于Cideal，则一次相关阈值η≤Cideal，这里用η=ρ1Cideal表示， ρ1为一次相关门限系数。为获取系数ρ1的最佳取值范围，结合实际的系统环境和仿真统计，分别针对N=100以及N=160两种情况，对相同用户的重复数据、不同用户之间的数据、用户与空数据以及空数据与空数据之前进行相关仿真。其中N=100是在带内部署情况下，NRS端口数为2、CRS端口数为4、且LTE控制域占据3个OFDM符号时NPDCCH的映射RE数;N=160是在独立部署或者保护带部署情况下，NRS端口数为1时NPDCCH的映射RE数。两种情况下仿真结果分别如图5（a）、（b）所示。从图中可以看出，当信道环境越好，同一用户重复数据的相关值越趋于理想相关值Cideal;当信道环境越差，同一用户重复数据之间的相关值与不同用户之间数据的相关值越相近。从理论上讲，当信噪比（Signal-to-Noise Ratio， SNR）越大，说明当前信道环境越好，给数据带来的噪声影响就越小，同用户的数据在重复传输过程中，相同数据之间的相关性就随着噪声影响越小其相关性越大;而不同数据之间的相关性却恰恰相反，数据不相同，由于噪声影响越小，数据之间的不相关性就越大，其相关值就会越小。

在4.1节性能仿真中可以获知，在无相关检测过程下当SNR小于-13dB时NPDCCH检测成功率几乎为0，则这里ρ1选取SNR为-13情况下获取，具体相关值如表1所示。

从表1中可以计算出：当N=100时，0.21<ρ1<0.52;当N=160，0.29<ρ1<0.63。因此本文所提算法中一次相关门限系数取值范围设置为0.29<ρ1<0.52。

3.2 二次相关阈值φ

二次相关在经过解调制与解扰之后进行的相关检测，在解调过程中，本文主要采用max-log-map算法[15]，对实部的数据和虚部的数据分别进行解调。max-log-map算法的公式如式（9）所示，通过式（10）将其简化，得到式（11）：

LLRi，yI=ln∑sI∈C1P（yI|sI）∑sI∈C0P（yI|sI）=ln∑sI∈C1e-|yI-sI|2σ2|H|2∑sI∈C0e-|yI-sI|2σ2|H|2（9）

ln∑iexi≈maxi（xi）（10）

d=1/2

DyI=-4dyI

DyQ=-4dyQ （11）

其中：实部和虚部的数据分别用yI和yQ表示，而解调后的实部和虚部分别用DyI和DyQ来表示。按照式（6）进行相关计算，假设信道环境处于理想状态，即数据未受噪声等影响，相关结果为：

Pideal=N×（DyI×DyQ）=16d2N（8）

考虑到实际信道环境因素，式（6）中得到的实际相关值小于Pideal，则二次相关阈值φ≤Pideal，这里用φ=ρ2Pideal表示， ρ2为二次相关门限系数。与3.1节类似，为获取系数ρ2的最佳取值范围，结合实际的系统环境和仿真统计，分别针对N=100以及N=160两种情况下进行相关仿真，如图6所示。

当SNR为-13情况时，具体相关值如表2所示。

从表2中可以计算出，当N=100时，0.14<ρ2<0.32;当N=160，0.21<ρ2<0.36。因此本文所提算法中一次相关门限系数取值范围设置为0.21<ρ2<0.32。

4 仿真结果及性能分析

本文仿真环境设置一次相关门限系数为ρ1=0.5，二次相关门限系数为ρ2=0.3，其他参数按照表3所示。

4.1 检测性能分析与仿真

为分析比较本文所提盲检测算法性能，本节将对穷举搜索算法（ESA）、本文所提出的基于相关的检测算法以及在穷举搜索算法基础上对每个NPDCCH重复周期使用合并的检测算法进行仿真，其中合并算法在仿真过程中采用等增益合并（Equal Gain Combining， EGC）。为后文叙述方便，后两种检测算法分别用CD-EGC、EGC表示。图7给出了三种检测算法在不同信道环境下，平均盲检测成功率随着信噪比（Signal to Noise Ratio，SNR）的变化曲线。从图7（a）中可知，在AWGN信道条件下，SNR大于-4dB时三种算法的成功率均能达到0.98以上;SNR在-7～-4dB之间时，ESA的成功率明显呈下降趋势，而CD-EGC与EGC的成功率仍能保持0.98以上;当SNR低于-7dB时，三种算法的性能虽然均呈下降趋势。整体上看，CD-EGC与EGC相比ESA提高了大约2.5dB增益。从图7（b）可以看出，在ETU-5信道条件[16]下，ESA的成功率在SNR低于-2dB时明显呈下降趋势，CD-EGC与EGC相比ESA提高了大约3.5dB的增益。

另外，通过比较图7中CD-EGC与EGC两条曲线可以发现，在AWGN与ETU5信道环境下两种检测算法性能基本相近。由于理论上相关检测主要是通过重复传输数据的最大相关性尽可能排除空子帧以及其他用户数据的干扰，以降低UE盲检测次数，在两个相关阈值的合理配置下，相关检测并不影响UE的检测性能，通过仿真验证，与理论分析一致。另外，相比ESA，本文所提算法中的合并译码过程总体提高了2.5～3.5dB性能增益。

4.2 复杂度分析与仿真

在搜索空间中用户盲检测次数越多，计算复杂度越高，因此本节通过平均盲检次数作为衡量盲检测算法的复杂度，其中经过完整的CRC校验过程作为盲检测1次。首先从理论上分析，假设高层配置的搜索空间大小为Rmax个子帧，实际重复数R=Rmax/8且位于搜索空间的最后R个子帧，则ESA在理论上盲检次数在[7Rmax/8+1，Rmax]范围之间区间;EGC是每一个NPDCCH重复周期合并检测一次，因此盲检测次数是ESA的1/4，其范围在[7Rmax/32+1，Rmax/4]区间;而CD-EGC盲检次数根据搜索空间内其他用户数据占用子帧资源情况而不定，若只考虑单用户情况，则盲检次数在[1，Rmax/32]范围之间区间，多用户情况下，最大盲检次数趋近于EGC情况。表4所示为单用户情况下，三种检测算法的盲检次数理论范围。

图9给出了在多用户场景，EGC、CD-EGC、CD三种算法的平均盲检次数随信噪比的变化曲线。这里假设在搜索空间中存在8个NB-IoT终端的控制信息，每个UE所占时频资源如图8所示，其中设定UE6所占资源承载数据为待检测控制数据。

从图9中可以看出，处于AWGN信道下，针对ESA在SNR大于-5dB时，盲检测次数开始从128开始呈下降趋势，直到2dB趋于稳定在113次;针对EGC在SNR大于-7dB

时，盲检测次数开始从32开始呈下降趋势，直到-2dB趋于稳定在29次;针对CD-EGC在SNR大于-7dB时，盲检测次数开始从14开始呈下降趋势，直到-2dB趋于稳定在11次。ETU5信道环境下情况类似。由此说明随着SNR的提高，三种检测算法的平均盲检测次数均稳定于各算法盲检测次数范围内的最小值，即在检测到实际DCI所在资源后，信道条件越好，检测成功的概率越大，进而检测的次数越小，最好的情況是在实际DCI传输资源中第一个重复周期或者第一个子帧上就能解码成功，后面重复传输的数据不需要再进行解码。

另外，通过观察CD-EGC曲线，其盲检测次数在11到14范围内，其原因在于相关盲检测算法是针对每个NPDCCH重复周期的子帧数据作出存在性判决，即利用NPDCCH连续重复传输的特点利用数据之间的相关性缩小用户盲检测范围。在仿真设置中，UE1与UE2重复传输的子帧数小于4，按照式（2）、（3）对当前重复周期作三次相关可判决为并非当前用户所需信息;UE3与UE4在同一个最小传输块Block3中，其重复传输次数R≥4，因此当前用户会将UE3所占资源误当作所需数据进行2次CRC校验;而UE4按照式（6）所示与Block3起始数据进行相关检测后判定为并非用户所需数据，则不再进行CRC校验;UE5的重复传输次数RUE5=32，并且占据Block5/6资源，因此当前用户会进行8次CRC校验。综合上述分析，本文所提出的相关检测算法在多用户场景下，若其他用户的控制信息重复传输次数大于等于4且正好占据最小传输块Block的起始时频资源时，当前用户则会在检测过程中出现误判现象，从而进行信道译码以及CRC校验等解码过程。极端情况下，CD-EGC盲检次数会接近于EGC的盲检次数。

总体来说，即使在多用户场景下，相对于ESA，本文通过利用重复传输数据相关性进行盲检测的过程可至少降低75%的计算复杂度，并且随着高层配置搜索空间Rmax配置越大，计算复杂度降低得越显著。

5 结语

本文提出了一种基于相关检测的低复杂度NPDCCH盲检测算法，并对算法中两个相关阈值进行理论推导。该算法主要利用NPDCCH重复传输数据的最大相关性尽可能剔除空子帧以及其他用户数据的干扰，以缩小当前用户的盲检测范围，达到降低计算复杂度的目的。另外，根据NPDCCH在一个重复周期传输数据完全相同的特点，在信号检测过程中利用合并技术以提高检测性能。通过仿真结果验证，本文所提算法不仅在检测性能上相较于穷举搜索算法有2.5～3.5dB增益，而且在计算复杂度上相较于穷举搜索算法至少降低75%。

参考文献

[1]GOZALVEZ J. New 3GPP standard for IoT [Mobile Radio][J]. IEEE Vehicular Technology Magazine， 2016， 11（1）： 14-20.

[2]YANG W， WANG M， ZHANG J， et al. Narrowband wireless access for low-power massive internet of things： a bandwidth perspective [J]. IEEE Wireless Communications， 2017， 24（3）： 138-145.

[3]WANG Y P E， LIN X， ADHIKARY A， et al. A primer on 3GPP narrowband Internet of things [J]. IEEE Communications Magazine， 2017， 55（3）： 117-123.

[4]ADHIKARY A， LIN X， WANG Y P E. Performance evaluation of NB-IoT coverage [C]// Proceedings of the 2016 IEEE 84th Vehicular Technology Conference. Piscataway， NJ： IEEE， 2016： 1-5.

[5]BOISGUENE R， TSENG S C， HUANG C W， et al. A survey on NB-IoT downlink scheduling： issues and potential solutions [C]// Proceedings of the 2017 13th International Wireless Communications and Mobile Computing Conference. Piscataway， NJ： IEEE， 2017： 547-551.

[6]王丹，李安艺，杨艳娟，等.NB-IoT系统中窄带物理广播信道的盲检测[J].电讯技术，2018，58（8）：958-963. （WANG D， LI A Y， YANG Y J， et al. Blind detection of narrowband physical broadcast channel in NB-IoT systems [J]. Telecommunication Engineering， 2018， 58（8）： 958-963.）

[7]WANG H H， ZHENG W Q， LV N. A method to improve PDCCH blind detection efficiency used in TD-LTE system [J]. Advanced Materials Research， 2014， 926/927/928/929/930： 3585-3589.

[8]3GPP， R1-160175， “NB-NPDCCH Design for NB-IoT”， Sony， RAN1 NB-IoT Ad-Hoc #1.----https：//www.3gpp.org/ftp/TSG_RAN/WG1_RL1/TSGR1_AH/LTE_NB-IoT_1601/Docs/

3GPP， R1-160175. NB-PDCCH Design for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Ad-Hoc， 2016.

[9]3GPP， R1-160044， “NB-PDCCH Design of NB-IoT”， ZTE， RAN1 NB-IoT Ad-Hoc #1. ----https：//www.3gpp.org/ftp/TSG_RAN/WG1_RL1/TSGR1_AH/LTE_NB-IoT_1601/Docs/

3GPP， R1-160044. NB-PDCCH Design of NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Ad-Hoc， 2016.

[10]3GPP， R1-160014， “NB-PDCCH design for NB-IoT”， Nokia Networks， RAN1 NB-IoT Ad-Hoc#1.----https：//www.3gpp.org/ftp/TSG_RAN/WG1_RL1/TSGR1_AH/LTE_NB-IoT_1601/Docs/

3GPP， R1-160014. NB-PDCCH design for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Adhoc， 2016.

[11]3GPP， R1-160113， “Discussions on NB-PDCCH design for NB-IoT”， LG Electronics， RAN1 NB-IoT Ad-Hoc #1.

3GPP， R1-160113. Discussions on NB-PDCCH design for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Ad-Hoc， 2016.

[12]陳发堂，邢苹苹，杨艳娟.窄带蜂窝物联网终端上行资源调度的分析与设计[J].计算机应用，2018，38（11）：3270-3274.（CHEN F T， XING P P， YANG Y Y. Analysis and design of uplink resource scheduling in narrow band Internet of things [J]. Journal of Computer Applications， 2018， 38（11）：3270-3274.）

[13]3GPP， R1-160004， “Paging transmission for NB-IoT，” Nokia Networks， RAN1 NB-IoT Adhoc， Budapest， Hungary.

3GPP， R1-160004. Paging transmission for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Adhoc， 2016.

[14]3GPP， R1-160005， “RAR transmission for NB-IoT，” Nokia Networks， RAN1 NB-IoT Adhoc， Budapest， Hungary.

3GPP， R1-160005. RAR transmission for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Adhoc， 2016.

[15]陈发堂，梁涛涛，李小文.LTE-A系统软解调算法仿真及DSP实现[J].计算机应用研究，2011，28（12）：4695-4697.（CHEN F T， LIANG T T， LI X W. Simulation and DSP realization of soft-metric demodulation algorithm in LTE-A systems [J]. Application Research of Computers， 2011， 28（12）： 4695-4697.）

[16]Technical Specification Group Radio Access Network; Evolved Universal Terrestrial Radio Access （E-UTRA）; User Equipment（UE） radio transmission and reception;（Release 14）， 3GPP TS 36.101 V14.7.0， 2018.

3GPP TS 36.101 V14.7.0. Evolved Universal Terrestrial Radio Access （E-UTRA）; User Equipment （UE） radio transmission and reception （Release 14） [S/OL]. [2018-04-06]. https：//www.3gpp.org/ftp/Specs/archive/36_series/36.101/.

This work is partially supported by the National Natural Science Foundation of China （61701063）， the National Science and Technology Major Project （2017ZX03001021-004）.

WANG Dan， born in 1981， Ph. D.， senior engineer. Her research interests include wireless communication system.

LI Anyi， born in 1994， M. S. candidate. Her research interests include mobile communication protocol in physical layer.

YANG Yanjuan， born in 1992， M. S. candidate. Her research interests include mobile communication protocol in physical layer.