5G中基于功率测量的PDCCH自适应盲检测算法

张德民 曾艳辉 张 洋

(重庆邮电大学通信与信息工程学院 重庆 400065)

0 引 言

与LTE相比，5G系统虽然在流量特性、关键性能指标等方面差异较大，但对大系统容量、高传输速率方面的需求都是一致的，因此低开销、性能可靠的控制信道显得尤为重要[1-2]。为了满足上述需求，最新更新的3GPP协议Release15版本对物理下行控制信道结构进行了改变，如引入控制资源集(control-resource set，CORESET)、公共空间细分为5类和采用分布式搜索空间等，以此获得更好的频率选择性增益和减少时延。虽然5G中PDCCH性能已得到很大提升，但仍然面临一些挑战，比如盲检次数多、效率低带来的时延和性能低等问题[3-5]。因此PDCCH中的盲检仍是研究的重点。

目前，国内外学者专家对LTE系统中PDCCH盲检算法优化问题进行了大量研究。文献[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，这是一种复杂度较低的算法，简单地剔除重复起始位置的候选，并且在公共空间中，终端可以快速确定重合的CCE。但是，在专用搜索空间中，起始位置受许多参数的影响，不同的起始位置需要多个寄存器进行记录。因而导致资源开销增加，在实际应用中，对系统性能的提升非常有限。文献[8-9]提出了自适应算法，使用CQI值来确定更高概率的聚合等级。同时，结合无线环境的特点，终端以较高的概率对聚合级别进行盲检测，并将盲检测的聚合级别成功记录在缓冲区域中。在下一个控制消息到来时，从上次记录的盲检成功的聚合等级优先开始进行盲检测。这种算法具有记忆性，但是实现受环境影响，特别在信道质量差或变化频繁时，复杂度相对较高，同时按概率排序的盲检测，具有偶然性，在实际应用中不是最优的。文献[10]提出了相关检测算法，当检测到聚合等级4和8时，终端利用速率匹配模块基于滑动相关峰值确定哪个候选承载下行控制信息(Downlink Control Information，DCI)。与传统算法相比，该算法有了很大的改进，但是该算法仅适用于聚合等级4和8，无法实现真正的最大化。文献[11-12]提出了功率检测算法，LTE系统为有用消息分配的功率相对较大，噪声功率小，并且通过在每个聚合级别下检测候选组的最大功率对应候选集来减少盲检测的数量。当候选集数量很大时，计算量大。尽管盲检测数量相比自适应算法平均减少了6次，但是检测效率仍有待提高，并且当信道条件差时性能不稳定。

针对上述问题，结合5G PDCCH特性，提出一种基于功率测量的PDCCH自适应盲检测算法。该算法根据信道质量自适应盲检聚合等级顺序，再通过功率测量获得的功率值对各聚合等级下候选集进行优先排序与剔除操作。该方案在保证盲检成功概率不下降的情况下，减少盲检次数从而提高盲检效率，且信道条件差时性能更稳定。

1 5G PDCCH

相比LTE系统，5G系统中的物理下行控制信道除了引入新元素：控制资源集、REG bundle和PDCCH解调参考信号(demodulation reference signals，DMRS)等，在搜索空间与处理流程上也发生了一些改变。

1.1 搜索空间

为了减少盲检次数，协议定义了搜索空间来尽可能地减少CCE候选集合，从而减少UE的盲检次数。LTE中仅区分公共搜索空间(Common Search Space，CSS)和用户专用搜索空间(UE-special Search Space，USS)，而5G中则将公共搜索空间细分为：用于接收SIB1消息的Type0-PDCCH公共搜索空间，用于接收其他SI消息的Type0A-PDCCH公共搜索空间，用于随机接入的Type1-PDCCH公共搜索空间，用于寻呼过程的Type2-PDCCH公共搜索空间，Type3-PDCCH公共搜索空间。

为了提高吞吐量和降低阻塞概率，5G PDCCH的搜索空间采用分布式搜索空间分配方案，即公共空间内候选集的起始位置不再固定，而是根据当前CORESET大小而变化。不同RNIT标识的UE，专用搜索空间各不相同，如图1所示。

图1 2UE用户专用搜索空间

1.2 PDCCH处理流程

当媒体接入控制层通过下行控制信道指示资源分配时，发送端首先获取DCI格式信息，进行循环冗余校验(Cyclic Redundancy Check，CRC)添加，再用相应的无线网络临时标识对CRC的最后16位进行加扰。

CRC添加以后对数据进行Polar编码、速率匹配、加扰和正交相移键控(Quadrature Phase Shift Keying，QPSK)调制。然后针对每个OFDM符号生成PDCCH DMRS，将PDCCH与相应的DMRS信息映射到CORESET中，再对CORESET进行REG bundle交织，交织完后开始资源元素映射，最后通过天线端发送。现有协议中暂未更新多天线情况，所以本文只对单天线做考虑，且信道处理流程不考虑层映射与预编码。PDCCH发送端流程如图2所示。

图2 5G PDCCH发送端处理过程

2 5G PDCCH穷举盲检算法

相比LTE，5G中PDCCH盲检主要有如下几点改变：(1) 5G中一个PDCCH只传输一种DCI格式，不存在复用。(2) 空间内存在的聚合等级不同，相比LTE中聚合等级1/2/4/8，5G新添加了等级16，且各聚合等级对应最大候选集数量不再固定，改由相关参数配置[13]。(3) 空间内存在的DCI格式不同。LTE系统有DCI0/1/1A/1B/1C/1D、DCI2/2A/2B/2C、DCI3/1A、DCI4共13种DCI格式，5G系统中则存在DCI0- 0/0- 1、DCI1- 0/1- 1、DCI2- 0/2- 1/2- 2/2- 3共8种DCI格式。(4) LTE系统中因存在PDCCH复用，对DCI格式检测较为复杂[11]。5G中PDCCH的检测，CSS内只需对格式DCI0_0/1_0、DCI2系列进行检测，已知RNTI类型时，只需对一种比特长度进行盲检。USS中需检测格式DCI0系列、DCI1系列，则可能存在两种比特长度盲检。

穷举盲检流程如图3所示，基本步骤如下：

(1) 针对6种搜索空间解资源映射，取出CORESET；

(2) 解REG捆绑交织，再进行信道估计、信号检测；

(3) 盲检开始，通过相关公式计算搜索空间内各候选PDCCH的CCE起始位置，依次对每一个聚合等级下的候选集进行解调、解扰、解速率匹配、Polar译码，CRC校验成功则盲检结束，否则选取下一候选集进行盲检，直到CRC校验成功或遍历所有候选，则盲检结束。

图3 5G PDCCH接收端处理过程

3 改进算法

针对上述5G系统带来的改变，对已有LTE系统中的功率检测算法进行改进，以适用于5G网络，同时减少盲检次数，提高盲检效率。

3.1 自适应盲检聚合等级顺序

与LTE类似，在5G系统中，当网络端在一个传输时间间隔(Transmission Time Interval，TTI)内发送下行控制信息时，根据UE对信道状态信息的反馈等选择合适的聚合等级发送。如网络端根据UE对信道质量的信息反馈，将信道分为差、一般、较好和极好4个等级。依据该等级、当前UE数等对PDCCH进行传输。由此，UE可以根据信道反馈中的CQI值来确定当前信道状态质量，进而初步确定TTI内PDCCH可能的聚合等级检测顺序。

UE专用搜索空间中，不同CQI值对应的不同可能的PDCCH盲检顺序，如表1所示。公共空间少了等级1/2，其他一样。

表1 盲检聚合等级顺序

3.2 算法步骤

根据CQI值自适应当前盲检聚合等级顺序，再通过功率测量进行盲检。

1) 公共搜索空间。5G PDCCH中，公共空间虽细分为5类，但仅在解资源映射时需区分不同空间。在公共空间中仅存在3种聚合等级：4/8/16。公共空间盲检步骤如图4所示。

图4 公共搜索空间检测流程图

公共搜索空间检测具体步骤如下：

(1) 根据信道质量自适应盲检的聚合等级(Aggregation Level，AL)顺序。信道质量极好或好：4/8/16；信道质量一般：8/4/16；信道质量差：16/8/4。

(2) 分别计算三个等级下各个候选集的功率值，并降序排序，得到排序后的候选集的功率值集合和对应的起始位置集合。

(3) 剔除候选集序号，剔除规则如下：

Step1剔除没有数据传输的候选集序号，即当前聚合等级Ln下候选集i的功率值Pi,Ln满足：

Pi,Ln

(1)

式中：候选集序号i∈{0，1，…，MLn}，MLn为当前等级Ln对应最大候选集数量；如果当前搜索空间为公共空间，则当前盲检聚合等级Ln∈{4,8,16}，n∈{0,1,2}，否则Ln∈{1,2,4,8,16}，n∈{0,1,…,4}；Pmax,Ln为当前聚合等级Ln下的最大功率值。

Step2剔除不满足当前聚合等级Ln下候选集i最低功率的候选集序号，即当前聚合等级Ln下候选集i功率值Pi,Ln满足：

(2)

式中:Lj为空间内存在的各个聚合等级，与Ln取值相同；ρ=0.815为调整系数，经测试确定；Pmax,Lj为空间内存在的各个聚合等级Lj对应的最大功率值。

计算不同聚合等级下单个CCE的均值功率，取最大作为整个控制资源集中每CCE的均值功率，表示当前候选集内没有该聚合等级的数据传输或只有信道噪声传输。

(4) 按AL顺序对集合内最大功率对应的候选集进行去DMRS、解调、解扰、解速率匹配、Polar译码和CRC校验，CRC校验成功则结束，失败则按顺序对下一等级中的最大功率对应的候选检测，依次类推，若仍失败，则进入步骤(5)。

(5) 遍历完各等级对应的最大功率候选集，对余下候选集，按步骤(4)选取次大功率对应的候选集检测。

(6) 若所有未被剔除的候选集均已检测却仍未成功，则盲检失败，公共空间不存在第二个DCI格式长度的检测，盲检结束。

2) UE专用搜索空间。UE专用搜索空间中存在1/2/4/8/16共5种聚合等级。因为5G系统中各聚合等级对应的最大候选集数量是由相关参数配置的，大小为0到8，因此在这些配置下来之前，UE无法预知自己需要对多少候选集进行功率测量，且存在两种DCI格式长度需要进行检测，无法避免候选过多导致计算量过大的情况。

针对以上情况，对算法进行改进。在UE专用搜索空间中，只对当前AL顺序的前4个等级对应的候选集做功率测量，从而减少计算开销。在信道质量极好时，网络端一般不会选取等级16，改进算法在盲检时将16作为最后盲检的等级以防漏检，但是由于等级16出现的概率极低，优先检测可能性更高的AL；在信道质量一般时，网络端可能选取等级2/4/8等，为了提高准确性，根据CQI自适应选取更可能的聚合等级，然后功率测量，优先盲检更可能的候选集，从而在减少盲检次数的同时避免漏检。UE专用搜索空间盲检步骤如图5所示。

图5 UE专用搜索空间检测流程图

UE专用搜索空间检测具体步骤如下：

(1) 根据信道质量自适应盲检聚合等级顺序。

(2) 计算AL顺序的前4种聚合等级下所有候选集的功率，对功率值降序排序，并记录候选集序号。

(3) 按与公共空间相同规则剔除部分候选集序号，将AL顺序的最后一个聚合等级的候选集并入候选集序号集合中。

(4) 按AL顺序依次对4个聚合等级下最大功率值对应候选集盲检，CRC成功则盲检结束，否则判断是否遍历所有未被剔除候选，是则跳至步骤(5)，否则选取4种等级下次大功率值对应的候选集或前4等级已遍历选取最后一个等级的候选集进行盲检。

(5) 遍历所有未被剔除候选，判断是否需要对第2个DCI格式长度进行检测，是则跳至步骤(4)，否则盲检结束。

4 仿真分析

根据在5G标准中指定的PDCCH发送和接收过程建立整个PDCCH仿真链路。在仿真过程中，首先对已有盲检算法和改进算法在不同信噪比时的成功概率进行仿真分析，然后对4种算法在盲检次数上的差异进行仿真分析，最后对平均盲检次数进行对比分析。测试参数如表2所示。

表2 仿真参数

空间内聚合等级对应最大候选集数配置如表3所示。

表3 空间内聚合等级对应最大候选集数配置

传统盲检方式下，CSS最多盲检7次，USS最多盲检17×2=34次，因此对一块CORESET的监测PDCCH最大盲检次数为34+7=41次。盲检成功率仿真结果如图6所示。

图6 不同SNR下盲检成功概率对比

由图6可知，在信噪比大于-17 dB时，4种检测算法的成功概率均在0.98以上，具有较好的正确率；当信噪比小于-17 dB时，算法成功概率均明显呈现下降趋势，但功率检测算法与改进算法成功概率明显高于自适应算法和传统盲检算法。从整体来看，功率检测算法与改进算法的可靠度相近，且改进算法略高于功率检测算法。

盲检次数如图7所示，平均盲检次数对比如图8所示。

图7 不同SNR下PDCCH盲检次数对比

图8 不同算法下PDCCH平均盲检次数对比

从图7、图8可看出，传统算法平均盲检次数最多，自适应算法在传统算法上有一定优化，但相比功率测量与改进算法性能一般。

由图7可知，当信噪比较大时，功率检测算法和改进算法两者盲检次数变化不大，其中改进算法的盲检次数基本稳定在10次，功率测量为13次；在信噪比较小时，功率检测算法受影响较大，在SNR=0 dB时，PDCCH盲检次数最大为23次，其随着SNR的增加持续降低，最小为13次左右，性能不稳定。相比功率检测算法而言，改进算法因为在自适应盲检聚合等级的基础上再做功率测量的处理，减少了信噪比变化给盲检带来的影响，最大为16次左右，最小为10次，曲线变化较为平缓，且盲检次数明显减少。

由图8可知，4种算法的平均盲检次数依次递减，其中功率检测算法相比自适应算法的平均盲检次数减少了6次，而改进算法的平均盲检次数在功率检测算法基础上进一步减少了5次，盲检效率显著提高。

通过仿真对比结果可以看出，改进后的PDCCH在保证盲检成功概率不下降的情况下，平均盲检次数减少，盲检的效率明显提高，改进算法受信噪比变化影响不大。

5 结 语

本文针对5G系统中PDCCH盲检效率问题，通过分析5G PDCCH特性，提出了一种基于功率测量的PDCCH自适应盲检算法。通过搭建PDCCH链路进行MATLAB仿真。仿真结果表明，在保证盲检成功概率不下降的情况下，盲检次数相比功率检测算法平均减少了5次。当信道质量条件不太好时，改进后的盲检算法具有较好的平稳性，总体上提高了盲检效率，验证了改进算法的有效性。尽管如此，本文仍存在一些不足之处，例如本文考虑的是发送端对有用数据功率均匀分配的情况，如何在功率非均匀分配的情况下设计盲检效率高的PDCCH盲检测算法将是未来研究的方向。