跳转到内容
OpenISACOpenISACOpenISAC 文档

下行通信

下行处理从 UE 已利用下行同步字段完成初始同步，并取得第 γ\gamma 帧的 FFT 网格 YγDL\boldsymbol Y_\gamma^\mathrm{DL} 开始。完整链路依次为

ZC 信道估计→导频相位跟踪→逐符号信道重建→均衡→QPSK LLR→LDPC 解码.\text{ZC 信道估计} \rightarrow \text{导频相位跟踪} \rightarrow \text{逐符号信道重建} \rightarrow \text{均衡} \rightarrow \text{QPSK LLR} \rightarrow \text{LDPC 解码}.

TDD 只处理 m∈SDLm\in\mathcal S_\mathrm{DL} 的资源，FDD 则处理独立下行载波上的完整帧。

频域接收模型

Section titled “频域接收模型”

在循环前缀覆盖信道时延扩展、单符号内多普勒足够小的条件下，

Yn,m,γDL=bn,m,γDLHn,m,γDL+Zn,m,γDL,Y_{n,m,\gamma}^\mathrm{DL} =b_{n,m,\gamma}^\mathrm{DL} H_{n,m,\gamma}^\mathrm{DL} +Z_{n,m,\gamma}^\mathrm{DL},

其中 tm,γ=(m+γM)TOt_{m,\gamma}=(m+\gamma M)T_O，且

Hn,m,γDL=∑l=1LDLαlDL(tm,γ)ej2π[(fD,lDL+Δfˉc,γDL)(tm,γ)−κnΔf(τl,prop(tm,γ)+τDLRF−τdUE(tm,γ))].H_{n,m,\gamma}^\mathrm{DL} =\sum_{l=1}^{L_\mathrm{DL}} \alpha_l^\mathrm{DL}(t_{m,\gamma}) e^{j2\pi\left[ (f_{D,l}^\mathrm{DL}+\Delta\bar f_{c,\gamma}^\mathrm{DL}) (t_{m,\gamma}) -\kappa_n\Delta f (\tau_{l,\mathrm{prop}}(t_{m,\gamma}) +\tau_\mathrm{DL}^\mathrm{RF} -\tau_d^\mathrm{UE}(t_{m,\gamma})) \right]}.

Δfˉc,γDL\Delta\bar f_{c,\gamma}^\mathrm{DL} 表示当前帧补偿后仍残留的频偏；τdUE(t)\tau_d^\mathrm{UE}(t) 是 UE 当前解调窗口相对于下行发射端帧边界的时变偏移。真实传播时延、下行 RF 群时延与 TO 的定义见信号模型。

信道参考、残余 CFO/SFO 与帧内重建

Section titled “信道参考、残余 CFO/SFO 与帧内重建”

全带宽 ZC 给出初始 LS 估计

H^n,msync,γLS=Yn,msync,γDLznDL.\hat H_{n,m_\mathrm{sync},\gamma}^\mathrm{LS} =\frac{Y_{n,m_\mathrm{sync},\gamma}^\mathrm{DL}} {z_n^\mathrm{DL}}.

该估计在时延域限制到循环前缀支撑区并进行 Wiener 平滑后，得到噪声更低的信道锚点。主峰相对 NlagN_\mathrm{lag} 的位置还用于更新下行整数定时；通信仅在累计漂移接近阈值时移动帧起点。

在相邻且都含有相同已知导频的下行符号上，定义

RˉγDL[n]=1∣ADL∣∑m∈ADL(Yn,m,γDL)∗Yn,m+1,γDL,n∈P,\bar R_\gamma^\mathrm{DL}[n] =\frac{1}{|\mathcal A_\mathrm{DL}|} \sum_{m\in\mathcal A_\mathrm{DL}} (Y_{n,m,\gamma}^\mathrm{DL})^* Y_{n,m+1,\gamma}^\mathrm{DL}, \qquad n\in\mathcal P,

其中 ADL\mathcal A_\mathrm{DL} 只包含两个符号都属于下行有效区的索引。相位解缠后满足

φγDL[n]=arg⁡RˉγDL[n]≈2π(fo,γDLTO−κnΔfNsΔTs,γDL).\varphi_\gamma^\mathrm{DL}[n] =\arg\bar R_\gamma^\mathrm{DL}[n] \approx2\pi\left( f_{o,\gamma}^\mathrm{DL}T_O -\kappa_n\Delta fN_s\Delta T_{s,\gamma}^\mathrm{DL} \right).

以 ∣RˉγDL[n]∣2|\bar R_\gamma^\mathrm{DL}[n]|^2 为权重拟合截距 aa 和子载波斜率 bb：

(a^,b^)=arg⁡min⁡a,b∑n∈P∣RˉγDL[n]∣2∣unwrap⁡(φγDL[n])−a−bκn∣2,(\hat a,\hat b) =\arg\min_{a,b}\sum_{n\in\mathcal P} |\bar R_\gamma^\mathrm{DL}[n]|^2 \left| \operatorname{unwrap}(\varphi_\gamma^\mathrm{DL}[n])-a-b\kappa_n \right|^2, f^o,γDL=a^2πTO,ΔT^s,γDL=−b^2πΔfNs.\hat f_{o,\gamma}^\mathrm{DL} =\frac{\hat a}{2\pi T_O}, \qquad \Delta\hat T_{s,\gamma}^\mathrm{DL} =-\frac{\hat b}{2\pi\Delta fN_s}.

公共相位项估计残余 CFO 与主导路径多普勒的合成频移，子载波斜率随符号的变化估计 SFO。二者共同用于补偿下行信道的帧内相位演化。

若帧中还包含全带宽信道参考符号，则每个参考位置都可形成锚点 H^n,ma,γ\hat H_{n,m_a,\gamma}。位于相邻锚点 ma<m<mbm_a<m<m_b 之间的基准信道可按

H^n,m,γbase=(1−ξm)H^n,ma,γ+ξmH^n,mb,γ,ξm=m−mamb−ma\hat H_{n,m,\gamma}^{\mathrm{base}} =(1-\xi_m)\hat H_{n,m_a,\gamma} +\xi_m\hat H_{n,m_b,\gamma}, \qquad \xi_m=\frac{m-m_a}{m_b-m_a}

插值。随后叠加由导频估计得到的残余 CFO/SFO 相位，使每个数据符号都使用与其时刻对应的 H^n,m,γDL\hat H_{n,m,\gamma}^\mathrm{DL}。没有额外锚点时，从同步符号向第 mm 个符号传播：

H^n,m,γDL=H^n,msync,γDLej2π(m−msync)(f^o,γDLTO−κnΔfNsΔT^s,γDL).\hat H_{n,m,\gamma}^\mathrm{DL} =\hat H_{n,m_\mathrm{sync},\gamma}^\mathrm{DL} e^{j2\pi(m-m_\mathrm{sync}) (\hat f_{o,\gamma}^\mathrm{DL}T_O -\kappa_n\Delta fN_s\Delta\hat T_{s,\gamma}^\mathrm{DL})}.

上述残余估计和补偿形式也用于上行，但两条链路各自使用自己的参考资源和观测值。

ZF 与 MMSE 均衡

Section titled “ZF 与 MMSE 均衡”

零迫（ZF）均衡系数为

Gn,mZF=(H^n,mDL)∗max⁡(∣H^n,mDL∣2,ϵ),G_{n,m}^{\mathrm{ZF}} =\frac{(\hat H_{n,m}^\mathrm{DL})^*} {\max(|\hat H_{n,m}^\mathrm{DL}|^2,\epsilon)},

正则化 MMSE 系数为

Gn,mMMSE=(H^n,mDL)∗∣H^n,mDL∣2+σ^Z2/Es.G_{n,m}^{\mathrm{MMSE}} =\frac{(\hat H_{n,m}^\mathrm{DL})^*} {|\hat H_{n,m}^\mathrm{DL}|^2+\hat\sigma_Z^2/E_s}.

ZF 直接反演估计信道，但会在深衰落处放大噪声；MMSE 通过正则化抑制这种噪声增强。数据资源上的均衡符号统一写为

d^n,m,γDL=Gn,mYn,m,γDL,(n,m)∈ΩdataDL.\hat d_{n,m,\gamma}^\mathrm{DL} =G_{n,m}Y_{n,m,\gamma}^\mathrm{DL}, \qquad(n,m)\in\Omega_\mathrm{data}^\mathrm{DL}.

均衡后的导频误差给出等效噪声方差

σ^eq2=1∣ΩrefDL∣∑(n,m)∈ΩrefDL∣p^n,mDL−pn,mDL∣2.\hat\sigma_\mathrm{eq}^2 =\frac{1}{|\Omega_\mathrm{ref}^\mathrm{DL}|} \sum_{(n,m)\in\Omega_\mathrm{ref}^\mathrm{DL}} |\hat p_{n,m}^\mathrm{DL}-p_{n,m}^\mathrm{DL}|^2.

QPSK 软信息与 LDPC

Section titled “QPSK 软信息与 LDPC”

对每个均衡符号 d^\hat d，第 ii 个比特的 max-log LLR 为

Li(d^)≈min⁡a∈Ai(1)∣d^−a∣2−min⁡a∈Ai(0)∣d^−a∣2σ^eq2,L_i(\hat d) \approx \frac{ \min\limits_{a\in\mathcal A_i^{(1)}}|\hat d-a|^2 -\min\limits_{a\in\mathcal A_i^{(0)}}|\hat d-a|^2 }{\hat\sigma_\mathrm{eq}^2},

其中 Ai(b)\mathcal A_i^{(b)} 是第 ii 位标记为 bb 的 QPSK 子集。保留 LLR 幅度比先做硬判决能向 LDPC 解码器提供可靠度信息。

发送端的逻辑顺序为

信息比特→LDPC 编码→加扰→交织→QPSK 映射,\text{信息比特} \rightarrow\text{LDPC 编码} \rightarrow\text{加扰} \rightarrow\text{交织} \rightarrow\text{QPSK 映射},

UE 按相反顺序执行软解交织、软解扰和 LDPC 解码，最终恢复下行信息比特。与此同时，H^n,m,γDL\hat H_{n,m,\gamma}^\mathrm{DL} 与均衡判决还会继续供双站感知使用。