0 引言

    LTE-U(LTE in unlicensed spectrum)技术能够让运营商将其LTE系统部署于非授权频段，利用LTE的技术优势，提高非授权频段的频谱效率并缓解授权频段的通信压力^[1]。

    目前关于LTE-U的研究主要集中在如何让LTE-U与WiFi在同频段和谐共存。现有基于公平性考虑的方案是让LTE-U采用先听后说(Listen Before Talk，LBT)信道接入机制^[2]，即LTE-U设备在接入信道前先进行空闲信道评估(Clear Channel Assessment，CCA)，若在CCA过程中未发现WiFi信号，即视信道空闲，方可占用信道并传输数据，否则将继续感知等待。文献[3]提出了一种依据目标信道上WiFi系统流量大小而自动调整传输时长的自适应LBT机制，配合空闲信道搜索及跳转算法，实现了LTE-U与WiFi在非授权频段的良好共存。文献[4]为LTE-U的不同应用需求设计了同步和异步两种LBT机制，同时通过引入竞争窗和随机退避算法降低了数据包的碰撞概率。文献[5]通过研究自适应竞争窗提出了一种增强的LBT机制，使得LTE-U与WiFi公平共存的同时又有效减小了传输时延，保证了服务质量。文献[6]通过设计自适应空闲周期提出了一种更加公平高效的LBT机制，提高了共存系统的整体吞吐量并保证了接入的公平性。

    本文基于LBT框架提出了一种多时隙CCA(Multi-Slot CCA，MSCCA)方案，从CCA的角度进行优化设计；基于多时隙的结构，本文分别从软数据融合(Soft Data Fusion，SDF)和硬判决融合(Hard Decision Fusion，HDF)对MSCCA进行进一步研究；提出了4种数据融合算法，同时将判决复杂度更低的HDF引入到此结构，并得出多时隙最优HDF准则。理论分析和实验结果表明，本文所提方案和算法可使CCA变得更加灵活，且对信道状态的判定更加准确，进而提升LTE-U与WiFi同信道共存的效率。

1 系统模型

    WiFi（802.11a）采用OFDM调制，支持多种信道带宽。OFDM符号可表示为X(0)，X(1)，…，X(N_t-1)，经串并变换和IFFT后，第n个子载波上的时域基带信号为：

其中n=0，1，…，N_t-1，N_t是子载波个数，也是IFFT的长度。添加长度为N_c(N_c<N_t/4)的循环前缀后，第m个OFDM符号表示为：

其中H为N_t+N_c阶信道传输函数矩阵，H₀、H₁分别表示目标信道上WiFi OFDM信号不存在和存在的两种检验假设。

2 CCA方法

2.1 基于ED的CCA 

    LBT下的CCA采用的是单节点ED。CCA周期内在时域上的采样信号可表示为（设采样数为N）：

    根据协议，CCA时长不少于20 μs^[2]，WiFi OFDM符号周期为4 μs^[7]，在图1所示的采样情形1下，20 μs可得到5个OFDM符号的信息。当数据包与采样周期完全对齐或错开时，ED-CCA可相对较好地判断信道状态。而在实际中，由于WiFi数据包长的不确定和LTE-U设备请求接入信道时间点与WiFi时序异步，使得实际采样会发生不完全对齐的情况（如图1情形2所示）。当发生前向不完全对齐时，少量WiFi信号出现在CCA后半段，噪声部分稀释了包含信号的部分，发生漏检的概率增大。而后向不完全对齐时，有较多信号出现在CCA周期的前半段，信号部分抬高了噪声部分的等效功率，导致不能按需将信道状态判为空闲，使得设备需等待至下一个周期再进行接入尝试，造成频谱资源的浪费。此外CCA结构十分固定，只能通过设置采样时长来适应共存环境，不能根据现实需求灵活地应用其他评估算法。

2.2 多时隙CCA

    针对2.1节中描述的问题，本文提出了如图2所示的MSCCA方案，将CCA周期划分为多个时隙。利用接收信号的特征值等信息对不同时隙的数据进行融合，增加整体判决准确性。另外从数据处理的角度考虑，可将判决复杂度更低的HDF应用于此结构，即每个时隙单独作出判决，然后将各时隙的判决结果进行融合，作出最终判决。相比传统CCA，MSCCA的结构使得其在融合方式的选用上更加灵活多变，配合优良的融合算法可带来更好的判决性能。

2.2.1 MSCCA-SDF

    MSCCA-SDF指将各时隙的接收数据按一定的方法融合，利用融合数据做最终判决。设MSCCA的时隙数为S，故根据式(4)可得每个时隙内的采样数为N′=N/S，第i个时隙内的采样信号可表示为：

    (1)最优主分量分析：首先考虑采用最优主分量分析法（Optimal Principal Component Analysis，OPCA）找出接收信号的最优主分量对数据进行融合。即选出可使得接收信号信噪比最大的S行矩阵Ω来合并接收信号：z(n)=Ω^Ty(n)，n=0，1，…，N′-1。然后利用z(n)生成检测统计量：

式中||·||²为向量二范数，由文献[8]的推导可得最优合并矩阵Ω为R_x最大特征值对应的特征向量v₁的元素组成的对角矩阵，即：Ω=diag(v₁)。

    (2)盲主分量分析：由于OPCA需预知WiFi信号的先验信息，这在实际环境中难以实现。考虑到WiFi信号的统计协方差矩阵R_x和LTE-U设备采样信号的统计协方差矩阵R_y满足如下关系：

    R_y与R_x有着相同的特征向量，故采用一种通过接收信号样本来估计特征向量的盲主分量分析法（Blind Principal Component Analysis，BPCA），利用估计的特征向量来融合接收数据。BPCA步骤如下：

    ④与门限值进行比对判决。

    (3)特征值比值检测：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，根据式(13)可知特征值之间存在如下关系：

    ③利用特征值的比值生成全局检测统计量：

    ④与门限值进行比对判决。

    (4)特征值加权合并：利用接收信号协方差矩阵的特征值对所有时隙进行不均等加权(Eigenvalue Weighting Combining，EWC)，重新分配各时隙所占比重，可增加不完全对齐时的判决性能，EWC算法具体步骤如下：

    ④与门限值进行比对判决。

    当采样为前向不完全对齐时，EWC予以后数个时隙更高的权重，使得接收信号中的WiFi信号分量得到放大和增强，从而降低漏检概率。当采样为后向不完全对齐时，EWC使得接收信号中的噪声分量得到放大和增强，从而可降低虚警概率。

2.2.2 MSCCA-HDF 

    SDF因处理数据量较大且算法复杂度较高将带来较大的系统开销和判决时延。相比之下，HDF算法复杂度低且MSCCA结构下单个时隙处理的数据量较少，可一定程度上克服SDF存在的问题。此外HDF更方便于理论推导以适应不同的CCA场景。

    MSCCA采用HDF时，每个时隙单独作出二元判决，然后将各时隙的判决结果用下式的方式融合：

    根据式(18)得出信道是否被占用的结论。显然，当K=1时相当于OR准则，当K=S时相当于AND准则。若S个时隙均收到WiFi信号，且二元判决使用相同的ED阈值ξ，将每个时隙的平均虚警率表示为P_f，平均检测概率表示为P_d，令漏检概率P_m=1-P_d。因此MSCCA硬判决的虚警概率为：

    那么存在一个最优融合准则使得Q_f+Q_m(总错误率)最小。根据推导可得出结论：当S个时隙均存在数据且已知瞬时信噪比，最优融合准则是使得Q_f+Q_m最小的K，且K的取值如下：

    通常情况下P_f和P_m同阶，也就是α≈1，即最优K取接收到WiFi数据的时隙数的一半(S/2)。当α≥K-1时，OR准则是最优融合准则。当α→1，即P_m<<P_f时，AND准则是最优融合准则。

    多时隙HDF的算法复杂度较低，可降低系统开销和判决时延。此外HDF还可根据需要灵活地选用融合准则，如需最大化保护WiFi用户免受LTE-U用户因漏检而造成的干扰时，可采用OR准则；如需追求频谱资源利用率的最大化，可采用AND准则。

3 仿真与分析

3.1 参数设置

    设定CCA时长为20 μs，时隙数S为5。将WiFi数据发送端部分参数及值列至表1。

    首先采用恒定虚警率（设置为0.1）的仿真考察各算法在不同对齐状态下对信道状态的判断能力，算法性能指标有检测概率和准确率。随后考察LTE-U与WiFi同信道共存状态下，采用不同算法的LTE-U设备接入信道时与WiFi发生数据包碰撞的概率。

3.2 MSCCA软数据融合

    (1)仿真1：考察前向不完全对齐（LTE-U设备需检测到WiFi数据存在）时，采样周期与WiFi数据包在多种对齐状态下，各算法对信道状态的判断能力。

    从图3可看出，OPCA由于预知WiFi信号的相关信息，检测性能较优。当采样周期内包含较少WiFi数据(对齐20%)时，BPCA与EWC均扩大了WiFi信号的比重，从而有着较好的检测能力。采样周期内包含较多WiFi数据时，EWC和ED-CCA的检测性能较好。因此EWC在各情况下均有着不错的性能。

    (2)仿真2：考察后向不完全对齐时（需将信道状态判定为忙），各算法对信道状态的判断能力。

    从图4可以看出，在采样周期内包含较少WiFi数据（即对齐20%）时，EWC有效扩大了的噪声功率比重，可教准确地判断信道状态。ER在此有着不错的性能，但从图3可看出，其检测性能较弱。OPCA对WiFi信号十分敏感，在此不能按需将信道判为闲。需说明的是，图中的准确率是指后向不完全对齐时，需要将信道状态准确判为空闲的概率。随着信噪比的增大，感知周期内的WiFi信号功率会随之增大，进而使得各算法将信道判为空闲的概率降低。

    综上，由于EWC予以后数个时隙更高权重，使得其在不完全对齐时对信道状态的判定都较为准确，而完全对齐状态下也有着不错的性能。因此EWC算法适用于采样周期与数据包经常发生不完全对齐的情况。OPCA需要先验信息，实际中难以实现。BPCA在前向不完全对齐且采样周期内包含较少WiFi数据时有不错的性能，但在后向不完全对齐时判决性能欠佳。ER在前向不完全对齐时的判决性能较差，现实使用中难以达到性能要求。

3.3 共存碰撞概率

    下面考察LTE-U与WiFi同信道共存时，WiFi业务量处于高、中、低3种状态下，LTE-U分别采用ED-CCA和基于多时隙的融合检测算法随机接入到信道时与WiFi发生数据包碰撞的概率大小。

    从图5可看出，当WiFi信号多为长数据包时（即采样周期与数据包发生不完全对齐的情况较少），基于多时隙的EWC与ED-CCA的性能十分接近，BPCA相对较弱。而当WiFi信号为连续短数据包时（即发生不完全对齐的概率增大时），EWC对信道状态的判断力相对ED-CCA提升较为明显（如图6所示），有效降低了数据包碰撞的概率。

4 总结

    本文针对传统CCA在不完全对齐状态下对信道状态的判断不够准确且结构过于单一的问题提出了MSCCA结构。结合提出的数据融合算法改善了不完全对齐状态下的信道状态评估能力，此外引入了有着更低计算复杂度和更低系统开销的HDF算法， HDF可根据系统需要快速选用相应的融合准则而提高信道状态评估的灵活性。后续研究可根据接收数据的信息自适应地划分时隙，另外，不完全对齐状态下的自适应最优HDF准则研究也值得深入探讨。

参考文献

[1] 赵思聪，黄磊，申滨，等.LTE-U:未来移动通信系统发展的助推剂[J].电信科学，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] 罗亚男.基于IEEE802.11a的OFDM系统的研究[D].北京：北京交通大学，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:

赵思聪，黄  磊，申  滨

（重庆邮电大学 移动通信技术重点实验室，重庆400065）