0 引言

    LTE-U(LTE in unlicensed spectrum)技術能夠讓運營商將其LTE系統(tǒng)部署于非授權頻段，利用LTE的技術優(yōu)勢，提高非授權頻段的頻譜效率并緩解授權頻段的通信壓力^[1]。

    目前關于LTE-U的研究主要集中在如何讓LTE-U與WiFi在同頻段和諧共存。現有基于公平性考慮的方案是讓LTE-U采用先聽后說(Listen Before Talk，LBT)信道接入機制^[2]，即LTE-U設備在接入信道前先進行空閑信道評估(Clear Channel Assessment，CCA)，若在CCA過程中未發(fā)現WiFi信號，即視信道空閑，方可占用信道并傳輸數據，否則將繼續(xù)感知等待。文獻[3]提出了一種依據目標信道上WiFi系統(tǒng)流量大小而自動調整傳輸時長的自適應LBT機制，配合空閑信道搜索及跳轉算法，實現了LTE-U與WiFi在非授權頻段的良好共存。文獻[4]為LTE-U的不同應用需求設計了同步和異步兩種LBT機制，同時通過引入競爭窗和隨機退避算法降低了數據包的碰撞概率。文獻[5]通過研究自適應競爭窗提出了一種增強的LBT機制，使得LTE-U與WiFi公平共存的同時又有效減小了傳輸時延，保證了服務質量。文獻[6]通過設計自適應空閑周期提出了一種更加公平高效的LBT機制，提高了共存系統(tǒng)的整體吞吐量并保證了接入的公平性。

    本文基于LBT框架提出了一種多時隙CCA(Multi-Slot CCA，MSCCA)方案，從CCA的角度進行優(yōu)化設計；基于多時隙的結構，本文分別從軟數據融合(Soft Data Fusion，SDF)和硬判決融合(Hard Decision Fusion，HDF)對MSCCA進行進一步研究；提出了4種數據融合算法，同時將判決復雜度更低的HDF引入到此結構，并得出多時隙最優(yōu)HDF準則。理論分析和實驗結果表明，本文所提方案和算法可使CCA變得更加靈活，且對信道狀態(tài)的判定更加準確，進而提升LTE-U與WiFi同信道共存的效率。

1 系統(tǒng)模型

    WiFi（802.11a）采用OFDM調制，支持多種信道帶寬。OFDM符號可表示為X(0)，X(1)，…，X(N_t-1)，經串并變換和IFFT后，第n個子載波上的時域基帶信號為：

其中n=0，1，…，N_t-1，N_t是子載波個數，也是IFFT的長度。添加長度為N_c(N_c<N_t/4)的循環(huán)前綴后，第m個OFDM符號表示為：

其中H為N_t+N_c階信道傳輸函數矩陣，H₀、H₁分別表示目標信道上WiFi OFDM信號不存在和存在的兩種檢驗假設。

2 CCA方法

2.1 基于ED的CCA 

    LBT下的CCA采用的是單節(jié)點ED。CCA周期內在時域上的采樣信號可表示為（設采樣數為N）：

    根據協議，CCA時長不少于20 μs^[2]，WiFi OFDM符號周期為4 μs^[7]，在圖1所示的采樣情形1下，20 μs可得到5個OFDM符號的信息。當數據包與采樣周期完全對齊或錯開時，ED-CCA可相對較好地判斷信道狀態(tài)。而在實際中，由于WiFi數據包長的不確定和LTE-U設備請求接入信道時間點與WiFi時序異步，使得實際采樣會發(fā)生不完全對齊的情況（如圖1情形2所示）。當發(fā)生前向不完全對齊時，少量WiFi信號出現在CCA后半段，噪聲部分稀釋了包含信號的部分，發(fā)生漏檢的概率增大。而后向不完全對齊時，有較多信號出現在CCA周期的前半段，信號部分抬高了噪聲部分的等效功率，導致不能按需將信道狀態(tài)判為空閑，使得設備需等待至下一個周期再進行接入嘗試，造成頻譜資源的浪費。此外CCA結構十分固定，只能通過設置采樣時長來適應共存環(huán)境，不能根據現實需求靈活地應用其他評估算法。

2.2 多時隙CCA

    針對2.1節(jié)中描述的問題，本文提出了如圖2所示的MSCCA方案，將CCA周期劃分為多個時隙。利用接收信號的特征值等信息對不同時隙的數據進行融合，增加整體判決準確性。另外從數據處理的角度考慮，可將判決復雜度更低的HDF應用于此結構，即每個時隙單獨作出判決，然后將各時隙的判決結果進行融合，作出最終判決。相比傳統(tǒng)CCA，MSCCA的結構使得其在融合方式的選用上更加靈活多變，配合優(yōu)良的融合算法可帶來更好的判決性能。

2.2.1 MSCCA-SDF

    MSCCA-SDF指將各時隙的接收數據按一定的方法融合，利用融合數據做最終判決。設MSCCA的時隙數為S，故根據式(4)可得每個時隙內的采樣數為N′=N/S，第i個時隙內的采樣信號可表示為：

    (1)最優(yōu)主分量分析：首先考慮采用最優(yōu)主分量分析法（Optimal Principal Component Analysis，OPCA）找出接收信號的最優(yōu)主分量對數據進行融合。即選出可使得接收信號信噪比最大的S行矩陣Ω來合并接收信號：z(n)=Ω^Ty(n)，n=0，1，…，N′-1。然后利用z(n)生成檢測統(tǒng)計量：

式中||·||²為向量二范數，由文獻[8]的推導可得最優(yōu)合并矩陣Ω為R_x最大特征值對應的特征向量v₁的元素組成的對角矩陣，即：Ω=diag(v₁)。

    (2)盲主分量分析：由于OPCA需預知WiFi信號的先驗信息，這在實際環(huán)境中難以實現。考慮到WiFi信號的統(tǒng)計協方差矩陣R_x和LTE-U設備采樣信號的統(tǒng)計協方差矩陣R_y滿足如下關系：

    R_y與R_x有著相同的特征向量，故采用一種通過接收信號樣本來估計特征向量的盲主分量分析法（Blind Principal Component Analysis，BPCA），利用估計的特征向量來融合接收數據。BPCA步驟如下：

    ④與門限值進行比對判決。

    (3)特征值比值檢測：令λ_max和λ_min表示R_y的最大和最小特征值，β_max和β_min表示R_x的最大和最小特征值，根據式(13)可知特征值之間存在如下關系：

    ③利用特征值的比值生成全局檢測統(tǒng)計量：

    ④與門限值進行比對判決。

    (4)特征值加權合并：利用接收信號協方差矩陣的特征值對所有時隙進行不均等加權(Eigenvalue Weighting Combining，EWC)，重新分配各時隙所占比重，可增加不完全對齊時的判決性能，EWC算法具體步驟如下：

    ④與門限值進行比對判決。

    當采樣為前向不完全對齊時，EWC予以后數個時隙更高的權重，使得接收信號中的WiFi信號分量得到放大和增強，從而降低漏檢概率。當采樣為后向不完全對齊時，EWC使得接收信號中的噪聲分量得到放大和增強，從而可降低虛警概率。

2.2.2 MSCCA-HDF 

    SDF因處理數據量較大且算法復雜度較高將帶來較大的系統(tǒng)開銷和判決時延。相比之下，HDF算法復雜度低且MSCCA結構下單個時隙處理的數據量較少，可一定程度上克服SDF存在的問題。此外HDF更方便于理論推導以適應不同的CCA場景。

    MSCCA采用HDF時，每個時隙單獨作出二元判決，然后將各時隙的判決結果用下式的方式融合：

    根據式(18)得出信道是否被占用的結論。顯然，當K=1時相當于OR準則，當K=S時相當于AND準則。若S個時隙均收到WiFi信號，且二元判決使用相同的ED閾值ξ，將每個時隙的平均虛警率表示為P_f，平均檢測概率表示為P_d，令漏檢概率P_m=1-P_d。因此MSCCA硬判決的虛警概率為：

    那么存在一個最優(yōu)融合準則使得Q_f+Q_m(總錯誤率)最小。根據推導可得出結論：當S個時隙均存在數據且已知瞬時信噪比，最優(yōu)融合準則是使得Q_f+Q_m最小的K，且K的取值如下：

    通常情況下P_f和P_m同階，也就是α≈1，即最優(yōu)K取接收到WiFi數據的時隙數的一半(S/2)。當α≥K-1時，OR準則是最優(yōu)融合準則。當α→1，即P_m<<P_f時，AND準則是最優(yōu)融合準則。

    多時隙HDF的算法復雜度較低，可降低系統(tǒng)開銷和判決時延。此外HDF還可根據需要靈活地選用融合準則，如需最大化保護WiFi用戶免受LTE-U用戶因漏檢而造成的干擾時，可采用OR準則；如需追求頻譜資源利用率的最大化，可采用AND準則。

3 仿真與分析

3.1 參數設置

    設定CCA時長為20 μs，時隙數S為5。將WiFi數據發(fā)送端部分參數及值列至表1。

    首先采用恒定虛警率（設置為0.1）的仿真考察各算法在不同對齊狀態(tài)下對信道狀態(tài)的判斷能力，算法性能指標有檢測概率和準確率。隨后考察LTE-U與WiFi同信道共存狀態(tài)下，采用不同算法的LTE-U設備接入信道時與WiFi發(fā)生數據包碰撞的概率。

3.2 MSCCA軟數據融合

    (1)仿真1：考察前向不完全對齊（LTE-U設備需檢測到WiFi數據存在）時，采樣周期與WiFi數據包在多種對齊狀態(tài)下，各算法對信道狀態(tài)的判斷能力。

    從圖3可看出，OPCA由于預知WiFi信號的相關信息，檢測性能較優(yōu)。當采樣周期內包含較少WiFi數據(對齊20%)時，BPCA與EWC均擴大了WiFi信號的比重，從而有著較好的檢測能力。采樣周期內包含較多WiFi數據時，EWC和ED-CCA的檢測性能較好。因此EWC在各情況下均有著不錯的性能。

    (2)仿真2：考察后向不完全對齊時（需將信道狀態(tài)判定為忙），各算法對信道狀態(tài)的判斷能力。

    從圖4可以看出，在采樣周期內包含較少WiFi數據（即對齊20%）時，EWC有效擴大了的噪聲功率比重，可教準確地判斷信道狀態(tài)。ER在此有著不錯的性能，但從圖3可看出，其檢測性能較弱。OPCA對WiFi信號十分敏感，在此不能按需將信道判為閑。需說明的是，圖中的準確率是指后向不完全對齊時，需要將信道狀態(tài)準確判為空閑的概率。隨著信噪比的增大，感知周期內的WiFi信號功率會隨之增大，進而使得各算法將信道判為空閑的概率降低。

    綜上，由于EWC予以后數個時隙更高權重，使得其在不完全對齊時對信道狀態(tài)的判定都較為準確，而完全對齊狀態(tài)下也有著不錯的性能。因此EWC算法適用于采樣周期與數據包經常發(fā)生不完全對齊的情況。OPCA需要先驗信息，實際中難以實現。BPCA在前向不完全對齊且采樣周期內包含較少WiFi數據時有不錯的性能，但在后向不完全對齊時判決性能欠佳。ER在前向不完全對齊時的判決性能較差，現實使用中難以達到性能要求。

3.3 共存碰撞概率

    下面考察LTE-U與WiFi同信道共存時，WiFi業(yè)務量處于高、中、低3種狀態(tài)下，LTE-U分別采用ED-CCA和基于多時隙的融合檢測算法隨機接入到信道時與WiFi發(fā)生數據包碰撞的概率大小。

    從圖5可看出，當WiFi信號多為長數據包時（即采樣周期與數據包發(fā)生不完全對齊的情況較少），基于多時隙的EWC與ED-CCA的性能十分接近，BPCA相對較弱。而當WiFi信號為連續(xù)短數據包時（即發(fā)生不完全對齊的概率增大時），EWC對信道狀態(tài)的判斷力相對ED-CCA提升較為明顯（如圖6所示），有效降低了數據包碰撞的概率。

4 總結

    本文針對傳統(tǒng)CCA在不完全對齊狀態(tài)下對信道狀態(tài)的判斷不夠準確且結構過于單一的問題提出了MSCCA結構。結合提出的數據融合算法改善了不完全對齊狀態(tài)下的信道狀態(tài)評估能力，此外引入了有著更低計算復雜度和更低系統(tǒng)開銷的HDF算法， HDF可根據系統(tǒng)需要快速選用相應的融合準則而提高信道狀態(tài)評估的靈活性。后續(xù)研究可根據接收數據的信息自適應地劃分時隙，另外，不完全對齊狀態(tài)下的自適應最優(yōu)HDF準則研究也值得深入探討。

參考文獻

[1] 趙思聰，黃磊，申濱，等.LTE-U:未來移動通信系統(tǒng)發(fā)展的助推劑[J].電信科學，2016，32(4)：114-125.

[2] 3GPP.Study on licensed assisted access to unlicensed spectrum(Release 13)：3GPP TR 36.889[S/OL](2014).[2015-11-27].http://www.in2eps.com/3g36/tk-3gpp-36-889.html.

[3] Al-DULAIMI A，AL-RUBAYE S，NI Q，et al.5G communications race；pursuit of more capacity triggers LTE in unlicensed band[J].IEEE Vehicular Technology Magazine，2015，10(1)：43-51.

[4] BHORKAR A，IBARS C，PAPATHANASSIOU A，et al.Medium access design for LTE in unlicensed band[C].IEEE Wireless Communications and NETWORKING Conference Workshops，2015.

[5] TAO T，HAN F，LIU Y.Enhanced LBT algorithm for LTE-LAA in unlicensed band[C].IEEE International Symposium on Personal，Indoor，and Mobile Radio Communications，2015.

[6] KO H，LEE J，PACK S.A fair listen-before-talk algorithm for coexistence of LTE-U and WLAN[J].IEEE Transactions on Vehicular Technology，2016，65(12)：10116-10120.

[7] 羅亞男.基于IEEE802.11a的OFDM系統(tǒng)的研究[D].北京：北京交通大學，2008.

[8] ZENG Y，LIANG Y C，ZHANG R.Blindly combined energy detection for spectrum sensing in cognitive radio[J].IEEE Signal Processing Letters，2008，15：649-652.

作者信息:

趙思聰，黃  磊，申  濱

（重慶郵電大學 移動通信技術重點實驗室，重慶400065）