基于TOA指紋數據庫的小小區發現

陳楊，雷珍珠，申濱

（1. 四川通信科研規劃設計有限責任公司，四川 成都 610000；2. 重慶郵電大學通信與信息工程學院，重慶 400065）

基于TOA指紋數據庫的小小區發現

陳楊1，雷珍珠2，申濱2

（1. 四川通信科研規劃設計有限責任公司，四川 成都 610000；2. 重慶郵電大學通信與信息工程學院，重慶 400065）

在小小區大量部署的網絡場景下，用戶進行異頻掃描所檢測的載波數相比傳統網絡部署場景會大量增加，因此用戶能耗也會相應增加。基于此，提出了一種基于宏小區參考信號到達時間（TOA）指紋數據庫的小小區發現策略，通過減少用戶不必要的異頻檢測操作，進而減少用戶能量消耗，以解決用戶在進行小小區發現時可能存在的能耗過高問題。仿真表明，該方案相比現有的基于參考信號接收功率（RSSI）指紋數據庫方案，受噪聲影響程度低，小小區發現準確率高。同時，該方案能有效地限制處于高速移動狀態的用戶進行異頻檢測，從而增大了用戶與小小區連接的成功率。

小小區發現；TOA；指紋數據庫；異頻檢測；能效

1 引言

近年來，越來越多的智能終端出現在日常生活的方方面面，并帶來了各種各樣的通信業務。在各種業務中，移動數據業務占絕大部分且其呈爆發式增長趨勢，因此對數據速率和網絡系統容量提出了更高的挑戰。為解決通信速率和網絡系統容量問題，業界提出了許多解決方案與新技術，如大規模MIMO、毫米波、小小區等技術[1-3]等。其中，小小區技術是解決系統容量和信息速率的最直接有效的方法之一，也是未來5G系統及網絡的關鍵使能技術之一。通過在熱點地區或業務壓力較大的區域大量部署低發射功率的小小區設備，比如小基站、微基站、家庭基站或中繼節點，可以實現小小區對宏基站業務的分流，提高整個網絡的系統容量[4]。

小小區的大量部署能夠有效地提高系統容量和信息速率，但是也帶來了諸多技術挑戰，如小小區之間的干擾[5]、小小區基站能耗問題[6]、小小區的頻繁切換以及小小區之間的協同運行等[7]。隨著小小區數量的增多，用戶設備（user equipment，UE）在進行小小區搜索過程時，需要檢測的載波數目也隨之增大，這將耗費 UE大量的能量[8]。因此，在新型的蜂窩異構網絡中，如何減少 UE在進行小小區發現和切換過程中的能耗，是非常重要也是非常實際的問題[9]。近來，3GPP對 UE在異構網中的移動性增強非常重視，快速而有效地發現分布在不同載波的小小區，從而達到業務分流的目的，成為了小小區研究的焦點，也是急需解決的問題。為此，業界提出了許多解決方案，如基于網絡輔助的小小區發現方案和新的發現信號的設計等[10,11]。已同步的小小區以較長的周期傳輸含有小區標識信息的發現信號。由于 UE在進行小區發現前已經與提供服務的小區（例如宏小區）建立了連接，所以網絡可以向 UE提供輔助信息。該方案能有效地提高 UE小小區發現的時效性，同時提高小小區的檢測概率。發現信號的設計應實現短時間內可靠地檢測出 UE附近存在的小小區，并且應具有良好的頑健性來應對宏小區與小小區之間時間和頻率的偏移。

針對用戶IFS（inter-frequency scanning，異頻掃描）能耗問題，參考文獻[12]提出了一種基于UE運動狀態評估的小小區發現方案。當UE與宏基站相連時，UE設備不進行周期性的IFS過程，只有當 UE接收到來自宏基站的命令時，才進行IFS過程。宏基站對UE的運動狀態進行實時估計與預測，具體監測 UE的位置信息、到達某個小小區覆蓋邊緣的時間以及該 UE將與小小區連接的時間。宏基站通過這些信息來判定該 UE何時何地需進行 IFS操作。該方案不但有效地減少了UE能耗，并且還能對UE移動性進行管控，避免那些高速移動的UE進行IFS操作。但是，該方案的實施過程較為復雜，且需消耗大量的信令。

在實際網絡中，UE在不同的物理位置，接收到的來自各個宏基站的信號強度一般皆有所不同，即 UE在每個物理位置都會有一組相應的來自不同宏基站的接收信號強度與之對應。參考文獻[13,14]提出了一種基于射頻指紋數據庫的小小區發現策略，該數據庫的每條射頻指紋包含多個宏小區標識及與之相對應的 UE接收信號強度。當UE在進行小小區發現時，首先周期性地測量并上報所在位置的射頻指紋信息，然后將測量結果與指紋數據庫中的每一條指紋進行逐一匹配搜索，當測量值與指紋數據庫中的某一條指紋的誤差小于預先設定的范圍時，UE才進行IFS操作；反之，則不觸發IFS動作。該方案有效地避免了UE大量的、多余無效的IFS操作次數，從而大大減少了UE的能耗。然而，該方案對噪聲影響和多徑衰落非常敏感，因此存在較大的小小區發現準確度問題。

為了解決上述問題，本文提出了一種基于TOA（time of arrival，到達時間）指紋數據庫的小小區發現方案。這里的TOA是指宏小區下行參考信號到達UE的時間（即傳播時延）。由于UE在與小小區建立連接之前是與宏小區連接的，且期間 UE會利用宏小區下行參考信號進行同步跟蹤及RSRP（reference signal received power，參考信號接收功率）測量等操作，因此 UE可以利用該特性測量多個宏小區的下行參考信號TOA。具體地，本方案利用不同宏小區下行參考信號到達UE的時間值建立TOA指紋數據庫。數據庫中的每條指紋包含多個宏小區 ID及對應的下行參考信號TOA。UE在進行IFS之前，首先周期性地檢測宏基站的參考信號，并將檢測結果（即 UE在當前位置上獲取的TOA指紋）與指紋數據中的每條指紋進行匹配搜索。當且僅當 TOA指紋匹配成功時，系統才觸發UE的IFS過程。與傳統方案相比，本方案能將UE的IFS動作觸發區域控制在一個很小的范圍，大量減少 IFS次數，從而解決UE在小小區發現過程中的高能耗問題，同時還能大大提高小小區發現的有效性與準確性。相比于參考文獻[13,14]的小小區發現方案，本方案具有很好的抗噪性能，即使在低信噪比環境下，也能保持良好的小小區發現性能。由于采用了宏小區參考信號作為測量對象，本方案還保證了網絡系統的前后兼容性。

2 系統模型

2.1 網絡模型

考慮小小區與宏小區異頻部署的蜂窩異構網，宏小區工作在低頻段并提供大范圍網絡覆蓋；小小區占用高頻段，主要改善系統容量，如圖 1所示。

UE在網絡覆蓋范圍內活動，在宏小區邊緣地帶，由于信號質量差，有時不能滿足通信要求；或者在熱點地區，網絡負載大，UE需盡可能發現小小區并與之建立連接，從而將業務從宏小區分流到小小區。假設在網絡系統中，宏小區集合為，且滿足：。小小區集合為S，且滿足：。UE集合為U ，且有，這里為向量的零范數。

圖1 網絡模型及小小區發現方案原理

在傳統的小小區發現機制中，UE需周期性地進行IFS異頻檢測，以發現小小區，UE的IFS過程主要是UE對小小區發送的異頻信號進行測量，并且該測量過程是無條件的周期進行的。實際上，在網絡覆蓋范圍內的每個物理位置上，UE接收到不同宏基站所發送的下行參考信號TOA一般是不一樣的，即網絡中每個物理位置都有一組由不同宏小區（3個以上）下行參考信號的TOA形成的數據與之對應。當 UE與宏小區相連時，會進行周期性的同頻檢測，因此可以不斷地獲得 UE當前位置所對應的TOA指紋信息。

2.2 指紋數據庫的構建

根據網絡拓撲結構，系統事先在每個小小區邊緣區域均勻地選取一系列指紋點，并在每個指紋點位置分配UE進行TOA指紋信息測量，即測量每個指紋點對應的宏小區參考信號TOA以及相應的宏小區 ID，然后根據測量結果構建初始 TOA指紋數據庫。假設在網絡中，總共選取了M個指紋點，即所構建的TOA指紋數據庫有M條指紋，其中每條指紋包含N（3≤N≤V ）個宏小區ID以及與之對應的參考信號TOA值，見表1，其中TOA_mn為第n個宏基站的參考信號到達第m個指紋點所對應物理位置的TOA值，指紋數據庫中每條指紋信息都對應于網絡中一個指紋點位置。該指紋數據庫可以保存在網絡端（宏基站），也可以保存在 UE端。前者由于保存在網絡端，內存與計算復雜度則不需要考慮，但會帶來較大的信令消耗；后者由于指紋數據庫保存在UE端，UE可以根據測量結果自行觸發IFS檢測。

表1 指紋數據庫

2.3 信號模型

假設 UEk（k∈U）與目標小小區S(i)（ i=1,2,…,W）連接，則 UEk接收的小小區信號（F1頻段，即高頻段）為：

其中，hi,k表示從第i個小小區基站到UEk的信道系數，Pi為小小區基站S(i)的發送功率，si代表小小區S(i)所發送的下行信號符號，且滿足，n是UEk在F1頻段上對應的加性白

k高斯噪聲。同樣，當 UEk與宏基站Mt(n)（n=1,2,…,V）相連接時，其接收信號（F0頻段，即低頻段）為：

假設 IFS消耗的能量包括信道測量能量（Emeas）與解碼廣播信號消耗的能量（Edecode），則單次IFS檢測的總能耗為[13]：

2.4 參考信號測量模型

由于宏小區是利用同步衛星來獲取時鐘同步的，因此宏小區之間擁有精準的時鐘同步。UE利用本地產生的參考信號與接收到的宏小區下行參考信號進行相關運算，計算出對應宏基站的參考信號TOA，如式（6）：

當R( l)取到最大值時即可獲得符號定時位置，如式（7）。其中，為UE接收到的宏小區下行參考信號，時間滑動后的第l1個元素，為本地生成的參考信號（即 UE本地產生的模板信號），rlocal(l1)為 rlocal第 l1個元素， L1與L2分別為本地參考信號及接收信號長度（一般為一個幀的長度），η為宏小區下行信號采樣頻率，為與rlocal相關運算峰值所在位置的時間索引（即信號由宏基站傳播到UE所經過的采樣周期數）， Tc為系統的采樣周期，Tarrive為宏小區參考信號到達UE的時間測量結果（即TOA測量結果）。

本文對比分析了 CRS與小區 PRS（position reference signal，定位參考信號）作為TOA測量參考信號時的TOA測量性能，其中，CRS在LTE系統中用于同步追蹤與RSRP測量，PRS則用于定位。圖2為兩種參考信號對應的測量誤差大小概率分布曲線對比，本文將 TOA測量值轉換為UE與宏基站之間的距離，從而將TOA測量誤差轉換為UE與宏基站之間的距離測量誤差。從圖2中可以看出，PRS對應的測量誤差集中在10～40 m，反觀CRS，其測量誤差則集中在0～3 m，因此CRS的測量精度較高。本文選取CRS作為TOA測量目標信號的原因在于，用戶可以利用其同步追蹤過程提取宏小區對應的CRS-TOA，即TOA值，因此，UE可在不增加系統額外開銷的情況下獲取TOA指紋信息，且CRS相比于PRS的TOA測量精度高。

圖2 兩種參考信號對應的測量誤差大小概率分布曲線對比

由式（8）可知，宏小區下行信號采樣頻率對CRS到達UE時間的測量精度影響較大，信號的采樣頻率越高，意味著系統帶寬越寬。圖3給出了UE在不同系統帶寬下的TOA測量誤差大小概率分布曲線，從圖3中可以看出，下行鏈路對應的資源塊數目（num of downlink resource block，NDLRB）值越大，即系統帶寬越寬，測量誤差值越?。淳仍礁撸?/p>

圖3 UE在不同系統帶寬下的TOA測量誤差大小概率分布曲線

3 基于TOA指紋的小小區發現方案

3.1 小小區發現機制

基于TOA指紋數據庫的小小區發現方案，其出發點是通過減少UE不必要的IFS檢測，以達到UE節能的目的。UE在與宏小區連接時，會周期性地進行同頻檢測（即F0頻段上的參考信號檢測或同步追蹤），具體內容包括：宏小區ID以及與之對應的CRS的TOA。假設指紋數據庫保存在網絡端，UE將其在當前物理位置的TOA指紋信息發送至網絡端進行指紋匹配搜索。如果匹配成功，網絡端將發送IFS指令至UE，觸發UE進行IFS操作。為便于分析問題，假設小小區擁有一個理想的覆蓋范圍，即半徑為R的圓，如圖4所示。定義參考信號 TOA測量誤差限度為β，即如果TOA測量結果與指紋數據庫中某條指紋的均方誤差δ在[-β, β]內，則認為TOA指紋匹配成功。

圖4 指紋匹配誤差示意

具體步驟為：首先利用式（9）從指紋數據庫中找到與UE反饋的TOA指紋信息最相近的TOA指紋項（即與 UE反饋結果誤差最小的指紋項），再利用式（10）判斷兩者誤差是否滿足要求。如果TOA指紋誤差在預設范圍內，則匹配成功，同時立即觸發 UE進行 IFS檢測（即F1頻段上的參考信號檢測）；否則，UE可認為數據庫中不具備與之匹配的指紋項，避免UE進行無效的IFS檢測：

圖5 基于TOA指紋的小小區發現過程

其中，FPd為指紋數據庫， Fk為UEk當前位置對應的位置指紋信息測量值， i*為與 UE測量結果最佳匹配的指紋項索引，FPd{i}(j)表示指紋數據庫中第 i條指紋所對應的第 j個指紋特征值，Fk(j)表示UEk當前位置指紋信息第j個指紋特征值。具體方案實施流程如圖 5所示。值得說明的是，式（10）中TOA指紋匹配誤差范圍β的設置是實際設計中十分重要的問題，合適的指紋匹配誤差范圍能有效避免高速移動的UE進行無益的IFS檢測，從而提高UE小小區發現的有效性。

3.2 UE移動狀態下的IFS觸發控制

假設指紋匹配周期為 Ts，UE移動速度為ν，如圖4所示，用半徑為r的小圓表示網絡端進行指紋匹配時所能容忍的誤差范圍[13]，半徑r與匹配誤差門限β的關系如式（11）所示，其中νL為電磁波傳播速度。當半徑r滿足式（12）時，則能有效地避免速度為ν以上的UE進行異頻檢測：

之所以避免處于中高速移動狀態的 UE進行IFS檢測，是因為UE在中高速移動時停留在小小區覆蓋范圍內的時間一般較短（與小小區建立連接的時間不能滿足分流業務要求），或者即使 UE進行了IFS檢測，也往往沒有足夠的時間切換到小小區。當UE處于小小區覆蓋范圍之外時，UE在IFS檢測后不能發現小小區；反之，當UE處于小小區覆蓋區域內時，UE進行IFS檢測后并且成功發現小小區，但與小小區連接時間不滿足預設時間門限值（＜10 s），一般都視為無效的IFS檢測[12]，這兩種場景的IFS檢測對于UE來說是無益的，并且白白浪費了UE在IFS過程中消耗的能量。因此，合理設定指紋數據庫匹配誤差范圍，能有效地減少大量無效的IFS檢測次數，規避處于中高速移動狀態的UE進行IFS檢測，提高小小區業務切換的有效性。

4 仿真分析

4.1 仿真場景

其中，LM為宏基站與UE之間的路徑損耗，LS為小小區與UE之間的路徑損耗，R為收發兩端的距離，單位為km。詳細的仿真參數見表2[16]。

表2 仿真參數

根據參考文獻[17]，設定UE信道測量和解碼 的 能 耗 分 別 為 ：Emeas=1.5mJ與Edecode=0.75mJ。當UE發送至網絡端的TOA測量結果與指紋數據庫中的指紋匹配成功時，則UE進行IFS檢測，檢測周期為 Tinter單位為ms。在整個過程中，如果UE成功地發現小小區，則進行小小區切換過程；如果UE沒有成功發現小區（未能成功匹配或IFS過程無效），則在 Tinter后停止異頻檢測。為與參考文獻[13]保持一致，本文將UE指紋信息檢測誤差（或匹配誤差）控制在半徑 r=5m的圓內。

4.2 對比方案

以下對3種小小區發現方案進行性能對比與分析。

方案一：傳統的小小區發現方案。當 UE與宏小區連接時，無論是否處于小小區覆蓋范圍，均以固定的周期進行IFS檢測。

方案二：基于RSSI指紋數據庫的小小區發現方案[11,12]。該方案利用RSSI建立指紋數據庫，UE在與宏小區連接時，周期性地進行同頻檢測，并將檢測到的宏小區ID以及與之相對應的RSSI數據發送至網絡端，進行指紋匹配搜索，一旦匹配成功，則觸發UE進行IFS檢測。

方案三（本文方案）：基于TOA指紋數據庫的小小區發現方案。利用宏小區下行參考信號到達UE的時間建立TOA指紋數據庫，UE周期性地進行同頻檢測，并將檢測到的宏小區ID以及與之相應的 CRS-TOA發送至網絡端，進行指紋匹配搜索。如果匹配成功，則觸發UE進行IFS。

4.3 性能分析

基于 TOA指紋數據庫的小小區發現方案實質上是一種基于地理位置信息的方案，網絡端在UE無線定位的基礎上決定是否觸發UE的IFS操作。基于TOA或TDOA及RSSI的無線定位技術，都已經非常成熟，從精度上來說，基于TDOA或TOA的定位技術精度更高[18,19]。圖6為基于RSSI與TOA兩種方案在不同信噪比下UE位置信息測量精度的對比。

圖6 基于RSSI與TOA兩種方案在不同信噪比下UE位置信息測量精度的對比

從圖6中可以看出，基于RSSI的測量精度受高斯加性白噪聲的影響較大。當SNR=5 dB時，其測量誤差已達到 100 m，無法滿足有效的小小區發現的誤差要求，其中，SNR的定義如下：

相反，基于 CRS-TOA的測量精度，受噪聲影響較小，在SNR=5 dB時，能保持較高的精度。UE位置測量精度直接決定UE小小區發現的準確性，即位置測量精度越高，UE小小區發現的準確率越高。圖7為兩種測量方法在不同信噪比下測量準確率的對比（假設測量誤差在8 m以內可視為準確的測量）。從圖 7中可以明顯看出，基于CRS-TOA的UE位置測量精度高，且受噪聲影響小，穩定性高。

圖7 基于CRS與RSSI的測量準確度對比

圖8為RSSI FP方案與TOA FP方案在不同信噪比條件下，UE以固定的速度（10 km/h）移動時，其歸一化有效異頻檢測（即有效IFS）次數變化曲線，其中，有效異頻檢測是指UE經過異頻檢測過程能成功完成小小區發現。從圖 8中可以看出，基于RSSI指紋數據庫的方案隨著信噪比的降低，UE有效IFS次數急劇下降，在SNR=16 dB時，歸一化有效IFS檢測次數只有0.56左右，這表明此時小小區正確檢測概率只有0.56左右。由此說明基于RSSI指紋數據庫方案在低信噪比環境下，由于定位精度受噪聲影響，誤差較大，UE很難觸發有效的IFS操作以發現小小區。相反，基于CRS-TOA的小小區發現方案，由于受噪聲影響小，定位精度在低信噪比下較高，有效IFS檢測次數隨噪聲變化小，趨于平穩。即使在低信噪比環境下，本文方案仍能保持很好的性能。

圖8 有效異頻檢測次數隨信噪比變化（UE速度：10 km/h）

圖9為3種方案的UE能耗對比（SNR=30 dB），圖9中對比了傳統用戶IFS機制在IFS周期為80 ms與1 000 ms兩種情況下與RSSI FP方案、TOA FP方案對應的用戶歸一化IFS能耗大小。從圖9中可以看出，基于RSSI指紋數據庫與基于TOA指紋數據庫的小小區發現方案，相比于傳統IFS機制可大量節省UE的IFS能耗，且當傳統IFS周期為80 ms（ Tinter=80 ms）的情況下，RSSI FP方案與TOA FP方案對應的用戶IFS能耗小于傳統用戶IFS機制的2%。因為在傳統小小區發現過程中用戶是無條件地進行周期性IFS過程，相反，在RSSI FP方案與TOA FP方案中，只有當指紋數據匹配成功時，才觸發用戶IFS過程，從而將IFS檢測控制在很小的網絡區域內，從而減少大量不必要的用戶 IFS次數，以達到為UE節能的目的。

圖10為RSSI FP方案與TOA FP方案在高信噪比環境下（SNR=30 dB），UE歸一化 IFS次數隨UE移動速度變化曲線。從圖10中可以看出，兩種方案的IFS檢測次數隨著UE移動速度的提高呈下降趨勢，且變化趨勢基本保持一致，且當UE速度大于40 km/h時，兩種方案中用戶 IFS次數急劇下降。這說明兩種小小區發現方案均能有效限制高速移動的 UE進行IFS過程，并且在高信噪比環境下，兩種方案的小小區發現性能相當。圖11為本文方案在有多徑衰落與無多徑衰落兩種情況下，UE歸一化有效IFS檢測對比。從圖11中可以看出，有多徑衰落場景相比于無多徑衰落場景，小小區發現性能有輕微下降，這說明衰落條件下的有效IFS檢測次數比無多徑衰落情況有所下降。由此，可驗證本文方案即使在有多徑衰落的環境下能保證較高的小小區有效檢測率，適用于復雜多變的實際場景。

圖9 UE異頻檢測能耗對比（SNR=30 dB）

圖10 異頻檢測次數隨UE移動速度變化曲線（SNR=30 dB）

圖11 有無多徑衰落情況下UE有效IFS次數大小對比

從上述仿真結果與分析可得，基于TOA指紋數據庫的小小區發現方案，相比于傳統的小小區發現方案，能大量減少UE的能耗（＞98%），同時能有效地避免高速移動UE進行IFS檢測，從而提高小小區發現的有效性?；赗SSI指紋數據庫的小小區方案，由于其對噪聲非常敏感，在低信噪比環境下，UE無法精準測量不同宏基站下行信號的RSSI，因此該方案不能有效地進行小小區發現。本文提出的基于 CRS-TOA的小小區發現方案，通過測量不同宏小區下行參考信號到每個小小區邊緣位置的TOA，建立TOA指紋數據庫。由于TOA的測量對噪聲敏感度較低，即使在低信噪比環境下，也能保持較高的測量精度，從而使得UE能有效地進行小小區發現。

5 結束語

提出一種基于宏小區參考信號 TOA指紋數據庫方案，以解決由于小小區大量部署而帶來的小小區發現過程中的 UE能耗問題。該方案與傳統的小小區發現方案相比，不但能節省大量的IFS檢測所帶來的 UE能量消耗，而且還能有效地限制高速移動UE進行IFS檢測，進而提高UE進行IFS檢測的有效性。相對于RSSI指紋數據的小小區發現方案，TOA指紋方案有更好的抗噪性能，即使在低信噪比或存在多徑衰落的場景下，仍然有較好的 IFS檢測性能，該方案可以作為小小區發現的高效實現方案之一。

[1] BOGALE T E, LE L B. Massive MIMO and mmWave for 5G wireless hetnet: potential benefits and challenges[J]. IEEE Vehicular Technology Magazine, 2016, 11(1): 64-75.

[2] 畢奇, 梁林, 楊姍, 等. 面向 5G 的非正交多址接入技術[J].電信科學, 2015, 31(5): 20-27. BI Q, LIANG L, YANG S, et al. Non-orthogonal multiple access technology for 5G systems[J]. Telecommunications Science, 2015, 31(5): 20-27.

[3] 楊峰義, 張建敏, 謝偉良, 等. 5G 蜂窩網絡架構分析[J]. 電信科學, 2015, 31(5): 52-62. YANG F Y, ZHANG J M, XIE W L, et al. Analysis of 5G cellular network architecture[J]. Telecommunications Science, 2015, 31(5): 52-62.

[4] ONIRETI O, ZOHA A, MOYSEN J, et al. A cell outage management framework for dense heterogeneous networks[J]. IEEE Transactions on Vehicular Technology, 2016, 65(4): 2097-2113.

[5] LAN Y Y, CHIUEH T D. Turbo receiver with dual-loop dual-list update for inter-cell interference mitigation in heterogeneous networks[J]. IEEE Transactions on Wireless Communications, 2017, 16(4): 2288-2299.

[6] ONIRETI O, IMRAN A, IMRAN M A, et al. On energy efficient inter-frequency small cell discovery in heterogeneous networks[C]// IEEE International Conference on Communications, June 8-12, 2015, London, UK. New Jersey: IEEE Press, 2015: 13-18.

[7] SUN S, GAO Q, PENG Y, et al. Interference management through CoMP in 3GPP LTE-advanced networks[J]. Wireless Communications IEEE, 2013, 20(1): 59-66.

[8] PRASAD A, LUNDEN P, TIRKKONEN O, et al. Energy- efficient flexible inter-frequency scanning mechanism for enhanced small cell discovery[C]//Vehicular Technology Conference, June 2-5, 2013, Dresden, Germany. New Jersey: IEEE Press, 2013: 1-5.

[9] PRASAD A, TIRKKONEN O, LUNDEN P, et al. Energy-efficient inter-frequency small cell discovery techniques for LTE-advanced heterogeneous network deployments[J]. IEEE Communications Magazine, 2013, 51(5): 72-81.

[10] HARADA H, NAGATA S, KISHIYAMA Y, et al. Efficient small cell discovery mechanism exploiting network synchronization and assistance for future radio access networks[C]// International Symposium on Wireless Communications Systems, August 26-29, 2014, Barcelona, Spain. New Jersey: IEEE Press, 2014: 675-679.

[11] 3GPP. NTT DoCoMo, performance evalua-tion for small cell discovery[S]. 2013.

[12] HONG Y, XU X, TAO M. Predictive connection time based small cell discovery strategy for LTE-advanced and beyond[C]// Wireless Communications and Networking Conference, April 6-9, 2014, Istanbul, Turkey. New Jersey: IEEE Press, 2014: 2061-2066.

[13] PRASAD A, LUNDEN P, TIRKKONEN O, et al. Energy efficient small-cell discovery using received signal strength based radio maps[C]//Vehicular Technology Conference, June 2-5, 2013, Dresden, Germany. New Jersey: IEEE Press, 2013: 1-5.

[14] PRASAD A, LUNDEN P, TIRKKONEN O, et al. Enhanced small cell discovery in heterogeneous networks using optimized RF fingerprints[C]//2013 IEEE 24th International Symposium on Personal Indoor and Mobile Radio Communications (PIMRC), September 8-11, 2013, London, UK. New Jersey: IEEE Press, 2013: 2973-2977.

[15] 3GPP. Further advancements of E-UTRA: physical layer aspects:TS36.814[S]. 2009.

[16] 3GPP. E-UTRA: mobility enhancements in heterogeneous networks:TR36.839[S]. 2012.

[17] Nokia Siemens Networks, Nokia Corporation. Small cell detection in HeNet environment: R2-116151[S]. 2011.

[18] GUVENC I, CHONG C C. A survey on TOA based wireless localization and NLOS mitigation techniques[J]. IEEE Communications Surveys & Tutorials, 2009, 11(3): 107-124.

[19] MARTIN R K, VELOTTA J S, RAQUET J F. Bandwidth efficient cooperative TDOA computation for multicarrier signals of opportunity[J]. IEEE Transactions on Signal Processing, 2009, 57(6): 2311-2322.

Small cell discovery based on TOA fingerprint database

CHEN Yang1, LEI Zhenzhu2, SHEN Bin2
1. Sichuan Communication Research and Design Co., Ltd., Chengdu 610000, China 2. School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China

In the scenario that a large number of small cells are deployed in the mobile communication network, the number of carriers to be detected by the user equipment (UE) in inter-frequency scanning is considerably larger than that in the conventional network deployment scenarios. This procedure may consume tremendous amounts of UEs’energy. In order to solve this problem, a small cell discovery (SCD) scheme based on TOA fingerprint database to alleviate intensive energy consumption was proposed when the UEs try to find their potential serving small cells. The proposed scheme reduces the energy consumption of the UE by decreasing the number of unnecessary inter-frequency detection. The simulation results verifiy that the proposed scheme, compared with the existing SCD strategy using

signal strength (RSSI) based radio maps, has better anti-noise performance and higher accuracy. In addition, it can effectively help the high-speed UE avoid performing inter-frequency detection, and hence increase the rate of the UE being successfully connected to the appropriate small cell.

small cell discovery, TOA,fingerprint database, inter-frequency detection, energy efficiency

The National Science and Technology Major Project(No.2016ZX03001010-004)

TN929.5

：A

10.11959/j.issn.1000-0801.2017221

陳楊（1982-），女，四川通信科研規劃設計有限責任公司高級工程師，主要研究方向為移動通信技術。

雷珍珠（1992-），男，重慶郵電大學通信與信息工程學院碩士生，主要研究方向為LTE-Hi系統及密集蜂窩異構網絡。

申濱（1978-），男，重慶郵電大學通信與信息工程學院教授，主要研究方向為LTE系統和認知無線電等。

2017-03-23；

：2017-07-06

國家科技重大專項基金資助項目（No.2016ZX03001010-004）