0 引言

    LTE-U(LTE in unlicensed spectrum)技術能夠讓運營商將其LTE系統部署于非授權頻段，利用LTE的技術優勢，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，否則將繼續感知等待。文獻[3]提出了一種依據目標信道上WiFi系統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。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，使得實際采樣會發生不完全對齊的情況（如圖1情形2所示）。當發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)最優主分量分析：首先考慮采用最優主分量分析法（Optimal Principal Component Analysis，OPCA）找出接收信號的最優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)生成檢測統計量：

式中||·||²為向量二范數，由文獻[8]的推導可得最優合并矩陣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，這在實際環境中難以實現。考慮到WiFi信號的統計協方差矩陣R_x和LTE-U設備采樣信號的統計協方差矩陣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準則是最優融合準則。當α→1，即P_m<<P_f時，AND準則是最優融合準則。

    多時隙HDF的算法復雜度較低，可降低系統開銷和判決時延。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下對信道狀態的判斷能力，算法性能指標有檢測概率和準確率。隨后考察LTE-U與WiFi同信道共存狀態下，采用不同算法的LTE-U設備接入信道時與WiFi發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下，各算法對信道狀態的判斷能力。

    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。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（需將信道狀態判定為忙），各算法對信道狀態的判斷能力。

    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。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的判定都較為準確，而完全對齊狀態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業務量處于高、中、低3種狀態下，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信號為連續短數據包時（即發生不完全對齊的概率增大時），EWC對信道狀態的判斷力相對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CCA在不完全對齊狀態下對信道狀態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下的信道狀態評估能力，此外引入了有著更低計算復雜度和更低系統開銷的HDF算法， HDF可根據系統需要快速選用相應的融合準則而提高信道狀態評估的靈活性。后續研究可根據接收數據的信息自適應地劃分時隙，另外，不完全對齊狀態下的自適應最優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:未來移動通信系統發展的助推劑[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）