5G-TSN系统下的高精度时间同步

李晓辉, 王先文, 樊 韬, 张 峰, 刘佳文, 万宏杰

(1. 西安电子科技大学通信工程学院, 陕西 西安 710071;2. 河南九域恩湃电力技术有限公司, 河南 郑州 475000)

0 引 言

工业4.0的主要目标是提高灵活性、多功能性以及资源效率，所有这一切的主要推动力是基于无处不在的可靠性连接、通信和计算基础设施[1]。时间同步是工业自动化系统正确、一致运行的基础。随着第五代移动通信通信系统(the fifth generation communication system, 5G)的商业落地,越来越多的以工业自动化为代表的垂直领域更青睐于5G的无线连接方式而不是传统的有线网络[2]。由无线连接和分布式传感器捕获的物理信息要想在各个终端设备间传递必须保证时间的一致性,因此高精度的时间同步是保证其正常运作的基本前提[3]。

2020年7月,5G第二版标准R16冻结,在R16中开始支持时间敏感网络(time sensitive network, TSN)和5G相集成[4]。TSN与5G的融合,可以为各种工业场景带来显著的好处,通过5G无线替代工厂内的有线网络,让工业生产更加柔性化,更重要的是支持确定性传输、时间同步以及网络的动态配置,这些特性吸引了各大垂直领域的高度关注[5]。5G为特定行业部门和垂直领域提供差异化的服务,对同步的需求也有了相应的变化[6]。以智能工厂、智能电网、车联网等为代表的领域,其对时间同步的性能有着不同的要求,复杂的无线环境也给同步带来了挑战。

5G载波频率较高,会引入较大的频率偏移和时间偏移,影响主同步信号(primary synchronization signal, PSS)定时同步[7]。其中,时间偏移的估计和校正须在快速傅里叶变化(fast Fourier transform, FFT)前完成。最常见的就是使用自相关和互相关算法,文献[8]介绍了基于波束管理的帧定时同步通用流程,并推导了自相关与互相关的算法公式。对于较高的频偏值,这两种方法都存在较高的估计误差,导致严重的误码率。文献[9]中提出的方案基于最大似然(maximum likelihood, ML)估计准则,并利用信道频率响应的最小均方误差降秩逼近ML估计,该方案的性能是最佳的,但其计算量太大。文献[10]提出了一种差分和叠加相关的检测算法,该算法对接收信号进行差分相关处理,检测出粗同步点的位置,进一步对粗同步点进行局部相关,根据最大峰值检测出精确的同步点,利用差分能减少频偏的影响,但由于在相关过程中需要遍历检测,其复杂度仍是很高的。文献[11]提出了一种新的方案,收集全球公共陆地移动网络(public land mobile network, PLMN)和全球同步信道号(global synchronization channel number, GSCN)信息,将PLMN和GSCN的映射信息保存在服务器的数据库上,并将该映射列表提供给用户设备(user equipment, UE),UE再进行传统的相关检测。该方案能够减少下行同步和小区搜索时的扫描时间,但方案的执行受限于全球复杂的地理位置以及移动网络的配置,暂时难以收集全部的PLMN和GSCN信息。文献[12]提出了一种有效的整数倍频偏估计和PSS检测方案,基于3个PSS是彼此循环移位的特性,将3个PSS序列进行相加构建为一个新的序列,然后采用与文献[13]类似的方法进行假设检验,该算法能降低UE初始同步的计算量,但会造成检测性能损失。文献[14]提出一种基于卷积神经网络(convolutional neural network, CNN)的5G下行同步算法,利用CNN定位到同步信号块(synchronization signal block, SSB)所在正交频分复用(orthogonal frequency division multiplexing, OFDM)符号,然后利用改进的混合相关算法完成定时同步,该算法减小了搜索区间,并提高了低信噪比和大频偏环境下的同步成功率。

在5G-TSN中需要完成传播时延估计及补偿来矫正时间信息的误差。为了提高室内场景中传播时延估计的分辨率,文献[15]提出了一种快速抛物线插值方法。在文献[16]中,提出了考虑峰均比的迭代传播时延估计方法,在每次迭代时排除了已检测到的传播径对信道冲激响应的影响,最后检测提供传播时延估计的信道抽头。很多解决方案大多针对视距(line-of-sight, LOS)环境的多径信道,主要是因为LOS分量的时间延迟提供了传播时延估计的最佳近似值。在非视距(non-line-of-sight, NLOS)条件下,当有运动障碍物在传播路径中间移动时会影响估计结果,造成算法性能下降,导致传播时延估计精度或定位精度降低[17]。

本文分析了现有同步需求与方法,介绍了5G-TSN,并提出一种联合多个波束进行下行定时同步的方法,以改善5G-TSN中的UE同步性能。利用波束间的时域相对关系进行联合检测,对高于门限峰值的多个波束进行互相关叠加,减少相关检测中的干扰峰影响,进一步降低误检率。仿真结果表明该方法能有效提高PSS同步成功率。

1 同步解决方案

1.1 常规同步技术

目前,最常用的同步技术采用全球导航卫星系统(global navigation satellite system, GNSS)以及基于IEEE 1588的网络时间协议(network time protocol, NTP)。以北斗、全球定位系统(global positioning system,GPS)为代表的GNSS能够提供高精度的时钟信息[18]。目前GNSS授时精度可达到10 ns[19]。然而,基于GNSS的同步方案并不总是可行的,缺乏高可用性。例如,恶劣的气候下信号的传输时延将大大影响卫星信号的传输。在室内工业环境中,必须在室外安装GNSS专用的天线以确保正确的信号接收。室外环境下也会由于多径效应造成精度下降[20]。NTP是一种通过网络服务于计算机时钟的时间同步协议,其精度为毫秒级。NTP常用于服务器给客户端授时的模式,通过周期性报文的发送与相应实现时间同步。为满足一些更高精度的同步需求,基于IEEE 1588标准的精密时间协议在2001年发布,2008年发布的IEEE 1588v2协议可达到100 ns的同步精度[21]。

1.2 5G-TSN时间同步

IEEE 802.1 AS标准中定义的通用精确时间协议(generic precision time protocol, gPTP)是IEEE 802.1 TSN任务组开展TSN标准化工作的基石。如今,TSN包含许多不同的标准化文档,其中IEEE 802.1 Qav,IEEE 802.1 AS和 IEEE 802.1 Qat描述了该技术的不同方面,IEEE 802.1 BA将它们做了综述[22]。

5G-TSN的关键技术之一就是基于5G系统的时间同步,以支持时间关键业务的端到端时间同步[23]。如图1所示,5G系统与TSN域分属两个不同的同步系统,两个同步系统之间彼此独立。5G系统作为逻辑TSN网桥,5G主时钟(grand-master, GM)与UE、5G基站(next generation nodeB, gNB)、用户平面功能(user plane function, UPF)、网络侧TSN转换器(network side-TSN translation, NW-TT)和设备侧TSN转换器(device side-TSN translation, DS-TT)实现了时间同步。5G系统边缘的TSN转换器器需要支持IEEE 802.1 AS的相关功能,用于TSN系统和5G系统之间的互通。

图1 5G与TSN集成后的时间同步系统Fig.1 Time synchronization system integrated with 5G and TSN

TSN同步域遵循IEEE 802.1AS协议,根据gPTP通过共享时钟,从而形成一个gPTP域。gPTP域中的一个节点充当共享时钟的源,并将其表示为GM,时钟信息从GM分发到域中的所有节点。这两个时间域的同步进程可以认为是相互独立的。gNB只需要与5G GM时钟同步,保证无线接入网功能正常,5G同步进程不受外部gPTP同步进程的影响。两个同步进程的独立性为时间同步部署带来了灵活性。若在已有5G系统的场景想要使用gPTP,只有UPF和UE方面需要额外的增强,整个5G时间域保持不变。同时,如果将5G 引入到具有时间同步的固定TSN网络中,TSN时间域不会发生改变[24]。

2 空口同步算法

在本节中,介绍了5G gNB和UE之间的时间同步流程,提出一种基于多波束SSB联合的下行定时同步算法,并介绍了传播时延估计算法。

2.1 空口同步流程

在5G第3版标准R17中,时间同步预算(5G系统在时钟同步消息路径上的入口和出口之间的时间误差)被设置为900 ns。时钟同步消息流经过空口两次,因此空口之间的同步误差不应超过450 ns。该时间精度受gNB处的时间对准误差、UE处的定时误差以及传播时延的影响[25]。

gNB和UE之间的时间同步基本上可以通过3个步骤来实现。第1步是gNB发送参考时间信息;第2步是UE进行下行帧定时;第3步是可选的,进行下行链路传播时延估计及补偿。时间同步的基本过程如图2所示,gNB向UE传送的参考时间可由系统信息块(system information block, SIB)9或无线资源控制(radio resource control, RRC)中的参考时间信息字段承载,通过周期性的广播使gNB与UE的时间一致。并且,其时间粒度已经从10 ms增强到了10 ns,假设舍入误差均匀,将引入±5 ns的误差[26]。UE接收端的下行帧定时代表下行信号的到达时间,可通过检测参考小区的下行同步信号得到。在时分双工系统中,上下行链路之间的时间间隔足够短,可以看作下行链路和上行链路的信道衰落有很强的相关性,下行链路和上行链路传播时延之间的不对称性主要是由于小规模衰落。在频分双工系统中,由于下行链路和上行链路信号在不同的载频上传输,因此传播时延会更大[3]。

图2 gNB与UE时间同步过程Fig.2 Time synchronize process between the gNB and UE

参考时间从gNB传输到UE直到空口完成同步,其造成的时间误差主要来源有参考时间精度、UE帧定时误差以及下行传播时延测量误差等。因此,在同步过程中需要尽可能地减小误差,从而完成gNB与UE高精度的时间对准。

2.2 多波束联合定时同步算法

UE通过检测下行链路中的相关参考信号或专用的同步信号完成定时同步。在检测PSS时会受到载波频率偏移以及噪声的影响,导致同步性能下降甚至无法建立同步。为了UE能够快速地检测到同步信号完成同步,保证后续SIB或RRC消息的传送。本研究提出了一种联合多波束的定时同步的算法。

为了支持多波束操作,尤其是在高频段情况下,5G引入了SSB,它包括一个PSS、一个辅同步信号(secondary synchronization signal, SSS)和一个物理广播信道(physical broadcast channel, PBCH)。下行链路会周期性传输SSB,L个SSB组成的同步广播块集合(synchronization signal burst set, SS burst set)会依赖于波束进行传输,L的最大值取决于工作频段,毫米波频段最大值为64。SS burst set被限制在一个5 ms的半帧内并定期传输,并且其中的SSB之间的时域位置是相对的。如图3所示,gNB在一个无线电帧中为SSB定义了多个候选位置,每个SSB对应于在一个特定方向上辐射的波束,每个SSB可以通过一个称为唯一编号来识别,而识别哪个SSB取决于UE所在的位置[27]。

图3 波束与SSB映射关系Fig.3 Mapping relationship between beam and SSB

从测量角度来看,UE会扫描检测不同波束,从而UE能够识别出信号强度最强的SSB,同时也能根据时域关系推导其他SSB。根据波束中各个SSB时域位置的相对确定,通过联合多个SSB进行定时将能充分利用波束的能量与时域特性。通常会根据周期执行同步,但当测量的参考信号接收功率或接收质量低于正常范围时,会立即触发新的波束扫描以及同步,以保证UE移动过程中的可靠性。

SSB中的PSS、SSS、PBCH需要OFDM信号承载,考虑时域传输的基于循环前缀(cyclic prefix, CP)的OFDM信号为

(1)

式中:N表示快速傅里叶逆变换(inverse fast Fourier transform, IFFT)点数;Ng为CP长度;n为离散时间索引;k为子载波索引;Xm(k)表示第m个OFDM符号上第k个子载波上映射的复数值。

式(1)中的传输信号受到多径衰落和加性高斯白噪声干扰。由于发射机和接收机之间的本振不匹配,接收信号通常受到频偏的影响,UE接收到的信号表示为

ym(n)=ej2πm(υ+ζ)Ng/Nej2π(υ+ζ)n/Nhm(n)⊗

xm(n)+zm(n)

(2)

对同一周期内联合L个波束内的SSB进行互相关检测。通过先检测PSS后检测SSS实现完全的同步,能充分利用波束间的相关性实现高效地检测。对L个波束内的SSB进行互相关操作并求期望:

(3)

式中:Pavg(θ,nid2,εI)为一个周期内多个波束的PSS互相关期望值;l为SSB编号;Ci表示相邻波束间相差d个索引的P(θ,nid2,εI)互相关值。

进一步对大于式(3)中Pavg值的若干个波束进行互相关叠加求得波束索引集合为

(4)

式中:l=0,1,…,LBeam-1;i∈{0,1,2}。

将超过门限的若干波束进行相关叠加:

(5)

进一步,计算式(5)最大值的参数:

(6)

2.3 传播时延估计

为估计传播时延以提高同步精度,提出一种基于时域粗估计和频域精估计的方法。gNB生成频域下行参考信号,如PSS、SSS、信道状态信息参考信号(channel state information-reference signal, CSI-RS)或者专用的定位参考信号(position reference signal, PRS)。由于用于传播时延的测量因此可以任选一种参考信号,本文选取PSS进行算法说明。gNB将生成的PSS通过IFFT后进行发送。然后UE在时域进行整数倍时延估计。传播时延估计表示为

τ=τc+τf=α·Ts+τf

(7)

式中:Ts=T/N为采样间隔,T为系统的采样周期;τc和τf分别表示整数倍采样间隔和小数倍采样间隔;α为一个系数。UE对第γ个接收信号的采样可以表示为

y(γTs)=h⊗x(kTs-αTs-τf)+n(γTs)

(8)

式中:γ∈[0,∞],通过对式(8)中的信号进行相关操作后可计算出α的估计值:

(9)

由于相干检测算法的估计精度取决于采样率,无法克服采样频率的限制。高精度要求高采样速率,这将导致高计算量和高硬件成本。为了在不增加采样率的情况下获得较高的分辨率,可利用PSS的相位特性。将时域数据进行FFT,变换为频域数据,利用相邻子载波间的相位差的特性,以及OFDM信号相邻子载波上信道频域响应的一致性,可以估计出小数倍时延为

(10)

式中:R(k)=H(k)2ej2πτf/N,H(k)为信道的频域响应。

3 仿真结果及分析

为验证算法的有效性,本节进行了仿真实验,并分析同步算法性能。构建仿真场景,仿真参数如表1所示,其中仿真信道为抽头延时线A(time delay line-A, TDL-A),子载波间隔为15 kHz,并在仿真中随机加入大小为0～16 kHz的频偏。

表1 仿真参数

3.1 多波束联合定时同步算法仿真

图4所示为几种现有算法与所提联合多个波束进行同步的算法比较,其中图4(a)为文献[8]中传统的PSS自相关算法,图4(b)为基于差分的PSS互相关算法,图4(c)为基于SSB互相关的算法,图4(d)为所提基于多个波束内SSB联合相关的算法,并在其中加入差分操作,差分操作可利用相邻符号间的共轭乘法来削弱频偏。从图4中可以看出,所提算法其峰值较为明显突出,无明显干扰峰。图4(a)与图4(b)中主峰并不十分尖锐,容易造成定时同步点产生偏移,本研究所提算法主峰平滑尖锐,能够有效避免噪声与干扰造成的错误检测。不同信噪比下PSS定时同步算法成功率的仿真曲线如图5所示。从图5中可看出,所提算法有着较好的同步成功率,与其他几种算法相比联合多个波束进行同步带来的性能增益是显著的。同时,进一步反映了图4中较尖锐的相关峰能够减少定时模糊,从而即使在低信噪比下也有较好的性能。自相关算法由于受到频偏的影响,其性能较差。而差分互相关算法则由于差分操作抵消了部分频偏,性能优于自相关算法。差分相关算法非常适合作为一种改进策略与其他算法相结合,以降低频偏的影响。若在其他算法中加入差分算法会增加一点的计算量,但可利用并行计算或多线程来加速差分操作。

图4 同步算法相关峰值比较Fig.4 Correlation peak comparison of synchronization algorithm

图5 不同算法下定时同步成功率Fig.5 Timing synchronization success rate under different algorithms

3.2 传播时延估计仿真

不同信道下的传播时延均方根误差随信噪比的变化曲线如图6所示。仿真结果表明,传播时延测量对信道模型较为敏感,理想信道与高斯信道下传播时延均方根误差较小,多径信道下传播时延均方根误差较大,以0 dB为例,多径信道下传播时延均方根误差约为5.1 ns,理想信道与高斯信道约为2 ns, 较多径信道精度约提高2倍,这是由于多径信道的频率选择性衰落的原因,造成传播时延估计产生偏差。

图6 不同信道传播时延均方误差Fig.6 Mean square error of propagation delay in different channels

图7比较了不同带宽下传播时延估计误差的累积分布函数(cumulative distribution function, CDF)。在仿真实验中,信号带宽分别设置为20 MHz、40 MHz和100 MHz。从图中可以看出,带宽会影响传播时延估计误差。带宽越大,时间分辨率越高,传播时延估计精度越高。因此,对于需要精度较高的场景可尽量增大带宽,以保证较高的时间分辨率。

图7 不同带宽下传播时延估计误差CDFFig.7 Propagation delay estimation error CDF under different bandwidths

4 结 论

高精度时间同步对各个垂直领域十分重要,决定着超高精度超低时延通信的实现。在5G与TSN的结合能提供可靠性通信与灵活的同步方式。本文分析了5G与TSN集成下的空口同步的基本流程,提出联合多个波束进行时间同步的算法,用以提高同步成功率,并给出传播时延测量算法用以降低同步误差。仿真结果表明,所提算法在峰值检测与同步成功率方面的性能优于其他算法。