基于相關檢測的低復雜度窄帶物理下行控制信道盲檢測算法

王丹 李安藝 楊艷娟

摘 要：在窄帶物聯網系統（NB-IoT）中，物聯網（IoT）終端應當快速獲取下行控制信息（DCI），以便正確接收數據信道的資源分配和調度信息。為此，針對窄帶物理下行控制信道（NPDCCH）搜索空間大小大于等于32時，提出一種利用相關檢測的低復雜度的NPDCCH盲檢測算法。首先，通過對一個NPDCCH可能最小重復傳輸單元進行兩次相關判決，剔除搜索空間中其他無效的數據，以降低計算復雜度;然后，對判決為有效數據所在的重復周期進行合并譯碼，以提高盲檢性能;最后，對兩個相關閾值設定進行了理論與仿真分析。仿真結果表明，相比窮舉盲檢測算法，所提算法在計算復雜度上至少降低了75%，檢測性能提高了增益2.5～3.5dB，更加利于工程實踐。

關鍵詞：窄帶物聯網;窄帶物理下行控制信道;盲檢測;相關檢測;合并算法

中圖分類號：TN929.5

文獻標志碼：A

Low complexity narrowband physical downlink control channel blind detection algorithm based on correlation detection

WANG Dan， LI Anyi*， YANG Yanjuan

School of Communication and Information Engineering， Chongqing University of Posts and Telecommunications， Chongqing 400065， China

Abstract：

In NarrowBand Internet of Things （NB-IoT） systems， the Internet of Things （IoT） terminals should decode Downlink Control Information （DCI） quickly to receive resource allocation and scheduling information of the data channel correctly. Therefore， a low complexity Narrowband Physical Downlink Control Channel （NPDCCH） blind detection algorithm using correlation detection was proposed for NPDCCH with search space size being greater than or equal to 32. By employing two correlation judgments on the data in a possible minimum repetition transmission unit of NPDCCH， the invalid data in searching space was removed to reduce the computation complexity. Then， the repetition periods with the valid data were combined and decoded to improve the blind detection performance. Finally， theoretical and simulation analysis of two correlation thresholds used in correlation detection were carried out. Results show that compared with conventional exhaustive blind detection algorithm， the decoding complexity of the proposed algorithm is reduced by at least 75% and the detection performance gain is increased by 2.5dB to 3.5dB. The proposed algorithm is more beneficial for engineering practice.

Key words：

Narrowband Internet of Things （NB-IoT）; Narrowband Physical Downlink Control Channel （NPDCCH）; blind decoding; correlation detection; combining algorithm

0 引言

伴隨著大規模物聯網需求的產生及不斷發展，窄帶物聯網（Narrow Band Internet of Things， NB-IoT）技術因覆蓋廣、連接多、功耗少、成本低、架構優等優點越來越受到人們的關注，現如今成為了最熱門的物聯網技術之一，并由第三代合作伙伴（The 3rd Generation Partnership Project， 3GPP）標準組織負責其協議的制定工作[1-2]。該系統主要應用于低吞吐量、能容忍較大時延且低移動性的場景，如智能抄表、遙感器和智能建筑等[3];另外，為更好地增強下行覆蓋，以實現提高20dB覆蓋增益的預計目標，NB-IoT在下行物理信道上引入了重復傳輸機制[4]。

作為整個NB-IoT系統控制的核心，窄帶物理下行控制信道（Narrowband Physical Downlink Control CHannel， NPDCCH）承載了多種下行控制信息（Downlink Control Information，

DCI），包括：DCI格式N0用于上行鏈路授權，指示窄帶物理上行共享信道（Narrowband Physical Uplink Shared CHannel， NPUSCH）傳輸的資源;DCI格式N1指示窄帶物理下行共享信道（Narrowband Physical Downlink Shared CHannel， NPDSCH）所占的資源及其重復傳輸次數;DCI格式N2指示尋呼的資源或系統信息變更。通過這些DCI保證了整個系統上下行數據的正確發送與接收[5]。由于NB-IoT終端不清楚eNB發送NPDCCH的具體位置，所以接收端必須通過盲檢測才能獲得其承載的DCI。盡管3GPP標準中定義了相應的搜索空間以縮小搜索區域、降低終端盲檢的復雜度，但是搜索空間區域配置最大可能包含2048個NB-IoT下行子幀，若終端采用窮舉搜索算法最大可能需要盲檢測2048次，這樣不僅會增加計算復雜度、降低業務傳輸效率，而且會造成長時間耗電、降低NB-IoT終端的使用壽命，因此研究NB-IoT的下行控制

信道，特別是關于NPDCCH的快速盲檢測算法具有重要的實際應用價值，有利于正確快速地調度相應的數據信道。

文獻[6]針對NB-IoT系統窄帶物理廣播信道（Narrowband Physical Broadcast CHannel， NPBCH）接收端解碼過程提出了一種低復雜度的盲檢測方案。該方案主要是在解碼前利用兩種天線端口下窄帶參考信號功率比值與功率比閾值進行比較的方式提前獲取天線端口數，以此減少遍歷天線端口數所帶來的計算復雜度，進而提高檢測NPBCH效率。由于終端清楚NPBCH傳輸位置（固定傳輸在子幀#0），只是不清楚發送端天線端口數和擾碼序列索引值，因此不存在盲檢測NPBCH資源位置的情況。而針對NPDCCH信道，終端已通過檢測NPBCH過程獲取了天線端口數，只是并不清楚在傳輸資源中的位置，因此必須采用盲檢測的方式在給定的搜索空間內進行解碼。若采用窮舉搜索的方式對每個候選集數據均進行檢測，則盲檢次數與高層配置的搜索空間大小成正比，效率極低。因此，為了有效限制盲檢次數，本文重點研究NPDCCH低復雜度盲檢測算法。文獻[7]中提出一種利用長期演進（Long Term Evolution， LTE）物理下行控制信道（Physical Downlink Control CHannel， PDCCH）聚合等級為4或8時，在速率匹配過程中具有“重復”的特性，接收端通過計算接收序列的相關值，找出最大相關值對應的候選集進行盲檢測，由于該算法不用解析每一個候選的PDCCH，因此大幅提高了用戶設備 （User Equipment， UE）對PDCCH的盲檢測效率，是比較綜合的算法。

由于NB-IoT技術特點與LTE不同，3GPP重新定義了NPDCCH資源結構以及重復傳輸方式[8-11]，因此本文利用NPDCCH的重復傳輸特點，針對搜索空間范圍較大時，即Rmax≥32情況下，提出一個NPDCCH低復雜度盲檢測算法。該算法主要通過在一個最小重復單元，即RU=Rmax/8個子幀中利用兩次相關判決判斷每個重復周期（Z=4）內是否可能存在當前用戶所需的NPDCCH信息，剔除搜索空間中其他無效的數據。其中第一次相關判決是將一個重復周期內第2、3、4個下行子幀數據分別與第1個子幀數據進行相關計算，并判斷三個相關值是否均大于一次相關閾值，若是，則判定該重復周期可能為當前用戶所需檢測的DCI信息，將該重復周期的數據合并后進行解擾，然后進行第二次相關判決;第二次相關判決是將該解擾后的數據與當前最小重復單元RU中第1個通過一次相關判決的解擾數據進行相關計算，并判斷其相關值是否大于二次相關閾值，若是，則判定當前重復周期為用戶所需檢測DCI的可能性較大，將該解擾數據進行維特比譯碼和循環冗余校驗（Cyclic Redundancy Check， CRC）校驗，從而最終判定DCI檢測的正確性。在兩次相關檢測中只要相關值低于相關閾值，均放棄當前重復周期數據的解碼工作，由此可以縮小盲檢測范圍，降低計算復雜度。另外，利用NPDCCH在重復周期內重復傳輸數據完全相同的特點，對判決為可能存在數據的重復周期進行合并譯碼，以提高檢測可靠性。本文對相關檢測過程中的兩個相關閾值進行了理論推導，給出了閾值設定范圍。

1 NPDCCH發送端

為了能復用現有基站以降低部署成本，使NB-IoT直接部署于已有的全球移動通信系統（Global System for Mobile communications， GSM）或LTE網絡中，NB-IoT在設計中支持三種部署模式：帶內部署、保護帶部署、獨立部署[12]。圖1所示為在帶內部署模式下NPDCCH在180kHz帶寬中的資源映射方式示意圖。為了能降低終端的復雜度和更好地使NB-IoT與原有LTE網絡共存，NB-IoT在下行沿用了LTE幀結構配置。其頻域上，每個正交頻分復用（Orthogonal Frequency Division Multiplexing， OFDM）符號占據12個子載波，即占據180kHz的帶寬，正好對應LTE傳輸中的一個資源塊（Resource Block， RB）;時域上，系統幀、子幀、時隙的時間長度分別為10ms、1ms、0.5ms。與傳統LTE使用兩種循環前綴（Cyclic Prefix， CP）類型不同，NB-IoT僅支持常規CP類型，即一個時隙由7個OFDM符號組成。在一個NB-IoT載波上，NPDCCH只能傳輸在NB-IoT下行子幀中，這里的NB-IoT下行子幀為UE獲取窄帶系統消息類型1（System Information Block Type1， SIB1-NB）中參數downlinkBitmap所配置的子幀，若該參數不存在，則認為除了傳輸NPBCH、窄帶主同步信號 （Narrowband Primary Synchronization Signal， NPSS）、窄帶輔同步信號 （Narrowband Secondary Synchronization Signal， NSSS）、SIB1-NB的子幀之外均為NB-IoT下行子幀。若無特別說明，本文所述子幀均為NB-IoT下行子幀。

一個NPDCCH在1個或2個窄帶控制信道資源（Narrowband Control Channel Element， NCCE）上傳輸，每個NCCE由一個子幀上6個連續的子載波組成。一個子幀上只定義了2個NCCE資源：NCCE0和NCCE1。如圖1所示，NCCE0占用子載波0～5，NCCE1占用子載波6～11[4]。NPDCCH支持1/2兩種聚合等級（AL）類型，即AL=1NCCE和AL=2NCCE。其中組成AL=2NCCE的兩個NCCE必須位于同一個子幀，并且當重復傳輸次數R>1時僅支持AL=2NCCE，主要是考慮盡快完成重復傳輸并且提高資源利用率。

2 盲檢測算法

2.1 窮舉搜索算法

為了使盲檢測NPDCCH的復雜度保持在一個合理的范圍，3GPP標準定義了3種搜索空間：1）Type1公共搜索空間（Type1-CSS）：獲取尋呼消息[13];2）Type2公共搜索空間（Type2-CSS）：獲取隨機接入中RAR、Msg3重傳指示或Msg4消息[14];3）UE特定搜索空間（UE Search Space， USS）：獲取UE專屬的控制信息。每種搜索空間資源位置是通過高層信令配置確定的，主要包括搜索空間的起始子幀k0和NPDCCH最大重復次數Rmax。其中Rmax是搜索空間持續的有效NB-IoT下行子幀數，或者說盲檢的窗口長度，取值范圍為{1，2，4，8，16，32，64，128，256，512，1024，2048}。

在USS或Type2-CSS候選集中，NPDCCH實際重復次數R≤Rmax，并且與Rmax存在1/2/4/8四種倍數關系。由于終端不清楚DCI的實際重復次數以及在搜索空間的傳輸位置，因此終端會根據需要監聽的DCI格式在搜索空間中進行盲檢。為了保證解調可靠性，可以采用窮舉搜索算法進行檢測，即從搜索空間的起始子幀k0開始，對搜索空間內每一個子幀進行解碼，直到成功檢測出所需的DCI為止。

Type1-CSS候選集與前兩種候選類型不同，承載尋呼消息的DCI一定是從該搜索空間的起始子幀k0開始進行重復傳輸，因此終端不需要進行盲檢測，僅從搜索空間第一個子幀開始檢測即可。

2.2 相關檢測算法

從2.1節內容可知，終端在Type1-CSS候選集下不需要進行盲檢測，而在USS/Type2-CSS兩種搜索空間情況下，采用窮舉搜索算法最大可能的盲檢次數為Rmax次，并且盲檢測次數會隨著高層配置Rmax值的增加而增加。因此為了能減少USS/Type2-CSS中Rmax配置較大時的盲檢測次數，降低終端功耗，本文針對Rmax≥32的情況提出一種基于相關檢測的NPDCCH盲檢測算法。

另外，在NPDCCH重復傳輸過程中，如圖2所示，將以Z個子幀為一個重復周期進行一次擾碼序列初始化，這里Z=min（R，4）。考慮到本文針對NPDCCH重復傳輸次數R≥4情況，則后續在文中所提Z值均為4，這里Z=4個子幀傳輸的是完全相同的內容。

本文結合重復周期內相同數據重復傳輸的特點，在基于相關檢測的基礎上，對一個重復周期內的子幀進行合并接收譯碼，以提高終端解調增益。具體流程如下。

步驟1 根據高層協議棧的參數配置，從搜索空間的起始子幀k0開始，提取當前子幀數據并完成解資源映射過程。本文假設已經完成NB-IoT系統的定時同步與頻偏估計及補償。解資源映射后的數據rj（i）（1≤i≤N，1≤j≤Rmax）定義為：

rj（i）=hj（i）sj（i）+nj（i）， H1

nj（i），H0（1）

其中：N表示當前子幀DCI數據資源映射的RE數;Rmax表示最大重復次數，由高層配置，表示搜索空間的時域大小;sj（i）表示在搜索空間中第j個子幀上DCI映射的第i個RE數據;hj（i）～CN（0，σ2h）表示獨立同分布的信道增益;nj（i）～CN（0，σ2n）表示復加性高斯白噪聲。

將重復周期內第1個子幀數據分別與第2、3、4子幀數據進行相關計算，如式（2）所示：

Ct（0）=∑Ni=1rj（i）×rj+1（i）

Ct（1）=∑Ni=1rj（i）×rj+2（i）

Ct（2）=∑Ni=1rj（i）×rj+3（i）（2）

其中：t=（j-1）/Z」+1表示為從搜索空間內重復周期的索引值，范圍為1≤t≤Rmax/Z。對重復周期t內三個相關值使用“AND準則”進行合并，然后根據合并結果判斷當前重復周期內是否存在傳輸信號，即如式（3）、（4）所示：

Dt=Ct（0）≥η*Ct（1）≥η*Ct（2）≥η（3）

其中：“*”表示與運算;η為一次相關閾值，設定方法見3.1節。

RPSFt∈H0， Dt=0

RPSFt∈H1，Dt=1（4）

若判斷RPSFt不存在信號數據，則按照步驟2進行處理;否則執行步驟3。這里設立一個索引值k表示在NPDCCH可能最小重復傳輸單元Rmax/8內滿足RPSFt∈H1的個數，范圍為0≤k≤Rmax/（8·Z），初始化k=0。

步驟2 選擇下一個重復周期數據并重新步驟1操作，即令t=t+1。若下一個重復周期正好位于NPDCCH可能最小重復傳輸單元的起始，則重新初始化k=0。

步驟3 首先令k=k+1，然后對當前重復周期t內的4個子幀數據進行合并，如式（5）所示：

rt（i）=∑tTj=Z·（t-1）+1αjrj（i）（5）

其中：αj為合并系數。進而對合并數據rt（i）進行解調和解擾處理，并保存解擾后數據Bt，k（i）。并判斷當前k值是否為1，若是，則進行步驟5，否則執行步驟4。

步驟4 令[Bt，k（i）]k=1與Bt，k（i）進行相關計算，如式（6）所示：

Pt=∑2Ni=1[Bt，k（i）]k=1×Bk（i）（6）

然后按照式（7）判斷當前重復周期t，用RPSFt表示，是否存在信號數據，若是則按照步驟5進行處理;否則執行步驟2，重新對下一個重復周期進行判斷：

RPSFt∈H0， Pt<φ

RPSFt∈H1，Pt≥φ （7）

其中：φ為二次相關閾值，設定方法見3.2節。

步驟5 對解擾數據進行Viterbi譯碼，然后通過相應的RNTI進行CRC校驗，若校驗成功，則DCI盲檢成功;若失敗，則判斷是否搜索空間內所有子幀數據均檢測結束，若是，說明此次DCI盲檢失敗;否則對下一個重復周期數據重新步驟1操作。

3 相關檢測算法參數設置

3.1 一次相關閾值η

由于NPDCCH固定使用QPSK調制，如圖4所示。

UE在解資源映射后，按照式（2）進行相關計算，假設信道環境處于理想狀態，即數據未受噪聲等影響，相關結果為：

Cideal=N×[（±1/2）2+（±1/2）2]=N（8）

其中：N表示當前子幀DCI數據資源映射的RE數，由于本文所提算法是基于NPDCCH重復傳輸的情況，此時聚合等級為2，結合部署模式以及參考信號端口配置不同，N值大小范圍為100≤N≤160。

考慮到實際信道環境因素，式（2）中得到的實際相關值小于Cideal，則一次相關閾值η≤Cideal，這里用η=ρ1Cideal表示， ρ1為一次相關門限系數。為獲取系數ρ1的最佳取值范圍，結合實際的系統環境和仿真統計，分別針對N=100以及N=160兩種情況，對相同用戶的重復數據、不同用戶之間的數據、用戶與空數據以及空數據與空數據之前進行相關仿真。其中N=100是在帶內部署情況下，NRS端口數為2、CRS端口數為4、且LTE控制域占據3個OFDM符號時NPDCCH的映射RE數;N=160是在獨立部署或者保護帶部署情況下，NRS端口數為1時NPDCCH的映射RE數。兩種情況下仿真結果分別如圖5（a）、（b）所示。從圖中可以看出，當信道環境越好，同一用戶重復數據的相關值越趨于理想相關值Cideal;當信道環境越差，同一用戶重復數據之間的相關值與不同用戶之間數據的相關值越相近。從理論上講，當信噪比（Signal-to-Noise Ratio， SNR）越大，說明當前信道環境越好，給數據帶來的噪聲影響就越小，同用戶的數據在重復傳輸過程中，相同數據之間的相關性就隨著噪聲影響越小其相關性越大;而不同數據之間的相關性卻恰恰相反，數據不相同，由于噪聲影響越小，數據之間的不相關性就越大，其相關值就會越小。

在4.1節性能仿真中可以獲知，在無相關檢測過程下當SNR小于-13dB時NPDCCH檢測成功率幾乎為0，則這里ρ1選取SNR為-13情況下獲取，具體相關值如表1所示。

從表1中可以計算出：當N=100時，0.21<ρ1<0.52;當N=160，0.29<ρ1<0.63。因此本文所提算法中一次相關門限系數取值范圍設置為0.29<ρ1<0.52。

3.2 二次相關閾值φ

二次相關在經過解調制與解擾之后進行的相關檢測，在解調過程中，本文主要采用max-log-map算法[15]，對實部的數據和虛部的數據分別進行解調。max-log-map算法的公式如式（9）所示，通過式（10）將其簡化，得到式（11）：

LLRi，yI=ln∑sI∈C1P（yI|sI）∑sI∈C0P（yI|sI）=ln∑sI∈C1e-|yI-sI|2σ2|H|2∑sI∈C0e-|yI-sI|2σ2|H|2（9）

ln∑iexi≈maxi（xi）（10）

d=1/2

DyI=-4dyI

DyQ=-4dyQ （11）

其中：實部和虛部的數據分別用yI和yQ表示，而解調后的實部和虛部分別用DyI和DyQ來表示。按照式（6）進行相關計算，假設信道環境處于理想狀態，即數據未受噪聲等影響，相關結果為：

Pideal=N×（DyI×DyQ）=16d2N（8）

考慮到實際信道環境因素，式（6）中得到的實際相關值小于Pideal，則二次相關閾值φ≤Pideal，這里用φ=ρ2Pideal表示， ρ2為二次相關門限系數。與3.1節類似，為獲取系數ρ2的最佳取值范圍，結合實際的系統環境和仿真統計，分別針對N=100以及N=160兩種情況下進行相關仿真，如圖6所示。

當SNR為-13情況時，具體相關值如表2所示。

從表2中可以計算出，當N=100時，0.14<ρ2<0.32;當N=160，0.21<ρ2<0.36。因此本文所提算法中一次相關門限系數取值范圍設置為0.21<ρ2<0.32。

4 仿真結果及性能分析

本文仿真環境設置一次相關門限系數為ρ1=0.5，二次相關門限系數為ρ2=0.3，其他參數按照表3所示。

4.1 檢測性能分析與仿真

為分析比較本文所提盲檢測算法性能，本節將對窮舉搜索算法（ESA）、本文所提出的基于相關的檢測算法以及在窮舉搜索算法基礎上對每個NPDCCH重復周期使用合并的檢測算法進行仿真，其中合并算法在仿真過程中采用等增益合并（Equal Gain Combining， EGC）。為后文敘述方便，后兩種檢測算法分別用CD-EGC、EGC表示。圖7給出了三種檢測算法在不同信道環境下，平均盲檢測成功率隨著信噪比（Signal to Noise Ratio，SNR）的變化曲線。從圖7（a）中可知，在AWGN信道條件下，SNR大于-4dB時三種算法的成功率均能達到0.98以上;SNR在-7～-4dB之間時，ESA的成功率明顯呈下降趨勢，而CD-EGC與EGC的成功率仍能保持0.98以上;當SNR低于-7dB時，三種算法的性能雖然均呈下降趨勢。整體上看，CD-EGC與EGC相比ESA提高了大約2.5dB增益。從圖7（b）可以看出，在ETU-5信道條件[16]下，ESA的成功率在SNR低于-2dB時明顯呈下降趨勢，CD-EGC與EGC相比ESA提高了大約3.5dB的增益。

另外，通過比較圖7中CD-EGC與EGC兩條曲線可以發現，在AWGN與ETU5信道環境下兩種檢測算法性能基本相近。由于理論上相關檢測主要是通過重復傳輸數據的最大相關性盡可能排除空子幀以及其他用戶數據的干擾，以降低UE盲檢測次數，在兩個相關閾值的合理配置下，相關檢測并不影響UE的檢測性能，通過仿真驗證，與理論分析一致。另外，相比ESA，本文所提算法中的合并譯碼過程總體提高了2.5～3.5dB性能增益。

4.2 復雜度分析與仿真

在搜索空間中用戶盲檢測次數越多，計算復雜度越高，因此本節通過平均盲檢次數作為衡量盲檢測算法的復雜度，其中經過完整的CRC校驗過程作為盲檢測1次。首先從理論上分析，假設高層配置的搜索空間大小為Rmax個子幀，實際重復數R=Rmax/8且位于搜索空間的最后R個子幀，則ESA在理論上盲檢次數在[7Rmax/8+1，Rmax]范圍之間區間;EGC是每一個NPDCCH重復周期合并檢測一次，因此盲檢測次數是ESA的1/4，其范圍在[7Rmax/32+1，Rmax/4]區間;而CD-EGC盲檢次數根據搜索空間內其他用戶數據占用子幀資源情況而不定，若只考慮單用戶情況，則盲檢次數在[1，Rmax/32]范圍之間區間，多用戶情況下，最大盲檢次數趨近于EGC情況。表4所示為單用戶情況下，三種檢測算法的盲檢次數理論范圍。

圖9給出了在多用戶場景，EGC、CD-EGC、CD三種算法的平均盲檢次數隨信噪比的變化曲線。這里假設在搜索空間中存在8個NB-IoT終端的控制信息，每個UE所占時頻資源如圖8所示，其中設定UE6所占資源承載數據為待檢測控制數據。

從圖9中可以看出，處于AWGN信道下，針對ESA在SNR大于-5dB時，盲檢測次數開始從128開始呈下降趨勢，直到2dB趨于穩定在113次;針對EGC在SNR大于-7dB

時，盲檢測次數開始從32開始呈下降趨勢，直到-2dB趨于穩定在29次;針對CD-EGC在SNR大于-7dB時，盲檢測次數開始從14開始呈下降趨勢，直到-2dB趨于穩定在11次。ETU5信道環境下情況類似。由此說明隨著SNR的提高，三種檢測算法的平均盲檢測次數均穩定于各算法盲檢測次數范圍內的最小值，即在檢測到實際DCI所在資源后，信道條件越好，檢測成功的概率越大，進而檢測的次數越小，最好的情況是在實際DCI傳輸資源中第一個重復周期或者第一個子幀上就能解碼成功，后面重復傳輸的數據不需要再進行解碼。

另外，通過觀察CD-EGC曲線，其盲檢測次數在11到14范圍內，其原因在于相關盲檢測算法是針對每個NPDCCH重復周期的子幀數據作出存在性判決，即利用NPDCCH連續重復傳輸的特點利用數據之間的相關性縮小用戶盲檢測范圍。在仿真設置中，UE1與UE2重復傳輸的子幀數小于4，按照式（2）、（3）對當前重復周期作三次相關可判決為并非當前用戶所需信息;UE3與UE4在同一個最小傳輸塊Block3中，其重復傳輸次數R≥4，因此當前用戶會將UE3所占資源誤當作所需數據進行2次CRC校驗;而UE4按照式（6）所示與Block3起始數據進行相關檢測后判定為并非用戶所需數據，則不再進行CRC校驗;UE5的重復傳輸次數RUE5=32，并且占據Block5/6資源，因此當前用戶會進行8次CRC校驗。綜合上述分析，本文所提出的相關檢測算法在多用戶場景下，若其他用戶的控制信息重復傳輸次數大于等于4且正好占據最小傳輸塊Block的起始時頻資源時，當前用戶則會在檢測過程中出現誤判現象，從而進行信道譯碼以及CRC校驗等解碼過程。極端情況下，CD-EGC盲檢次數會接近于EGC的盲檢次數。

總體來說，即使在多用戶場景下，相對于ESA，本文通過利用重復傳輸數據相關性進行盲檢測的過程可至少降低75%的計算復雜度，并且隨著高層配置搜索空間Rmax配置越大，計算復雜度降低得越顯著。

5 結語

本文提出了一種基于相關檢測的低復雜度NPDCCH盲檢測算法，并對算法中兩個相關閾值進行理論推導。該算法主要利用NPDCCH重復傳輸數據的最大相關性盡可能剔除空子幀以及其他用戶數據的干擾，以縮小當前用戶的盲檢測范圍，達到降低計算復雜度的目的。另外，根據NPDCCH在一個重復周期傳輸數據完全相同的特點，在信號檢測過程中利用合并技術以提高檢測性能。通過仿真結果驗證，本文所提算法不僅在檢測性能上相較于窮舉搜索算法有2.5～3.5dB增益，而且在計算復雜度上相較于窮舉搜索算法至少降低75%。

參考文獻

[1]GOZALVEZ J. New 3GPP standard for IoT [Mobile Radio][J]. IEEE Vehicular Technology Magazine， 2016， 11（1）： 14-20.

[2]YANG W， WANG M， ZHANG J， et al. Narrowband wireless access for low-power massive internet of things： a bandwidth perspective [J]. IEEE Wireless Communications， 2017， 24（3）： 138-145.

[3]WANG Y P E， LIN X， ADHIKARY A， et al. A primer on 3GPP narrowband Internet of things [J]. IEEE Communications Magazine， 2017， 55（3）： 117-123.

[4]ADHIKARY A， LIN X， WANG Y P E. Performance evaluation of NB-IoT coverage [C]// Proceedings of the 2016 IEEE 84th Vehicular Technology Conference. Piscataway， NJ： IEEE， 2016： 1-5.

[5]BOISGUENE R， TSENG S C， HUANG C W， et al. A survey on NB-IoT downlink scheduling： issues and potential solutions [C]// Proceedings of the 2017 13th International Wireless Communications and Mobile Computing Conference. Piscataway， NJ： IEEE， 2017： 547-551.

[6]王丹，李安藝，楊艷娟，等.NB-IoT系統中窄帶物理廣播信道的盲檢測[J].電訊技術，2018，58（8）：958-963. （WANG D， LI A Y， YANG Y J， et al. Blind detection of narrowband physical broadcast channel in NB-IoT systems [J]. Telecommunication Engineering， 2018， 58（8）： 958-963.）

[7]WANG H H， ZHENG W Q， LV N. A method to improve PDCCH blind detection efficiency used in TD-LTE system [J]. Advanced Materials Research， 2014， 926/927/928/929/930： 3585-3589.

[8]3GPP， R1-160175， “NB-NPDCCH Design for NB-IoT”， Sony， RAN1 NB-IoT Ad-Hoc #1.----https：//www.3gpp.org/ftp/TSG_RAN/WG1_RL1/TSGR1_AH/LTE_NB-IoT_1601/Docs/

3GPP， R1-160175. NB-PDCCH Design for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Ad-Hoc， 2016.

[9]3GPP， R1-160044， “NB-PDCCH Design of NB-IoT”， ZTE， RAN1 NB-IoT Ad-Hoc #1. ----https：//www.3gpp.org/ftp/TSG_RAN/WG1_RL1/TSGR1_AH/LTE_NB-IoT_1601/Docs/

3GPP， R1-160044. NB-PDCCH Design of NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Ad-Hoc， 2016.

[10]3GPP， R1-160014， “NB-PDCCH design for NB-IoT”， Nokia Networks， RAN1 NB-IoT Ad-Hoc#1.----https：//www.3gpp.org/ftp/TSG_RAN/WG1_RL1/TSGR1_AH/LTE_NB-IoT_1601/Docs/

3GPP， R1-160014. NB-PDCCH design for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Adhoc， 2016.

[11]3GPP， R1-160113， “Discussions on NB-PDCCH design for NB-IoT”， LG Electronics， RAN1 NB-IoT Ad-Hoc #1.

3GPP， R1-160113. Discussions on NB-PDCCH design for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Ad-Hoc， 2016.

[12]陳發堂，邢蘋蘋，楊艷娟.窄帶蜂窩物聯網終端上行資源調度的分析與設計[J].計算機應用，2018，38（11）：3270-3274.（CHEN F T， XING P P， YANG Y Y. Analysis and design of uplink resource scheduling in narrow band Internet of things [J]. Journal of Computer Applications， 2018， 38（11）：3270-3274.）

[13]3GPP， R1-160004， “Paging transmission for NB-IoT，” Nokia Networks， RAN1 NB-IoT Adhoc， Budapest， Hungary.

3GPP， R1-160004. Paging transmission for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Adhoc， 2016.

[14]3GPP， R1-160005， “RAR transmission for NB-IoT，” Nokia Networks， RAN1 NB-IoT Adhoc， Budapest， Hungary.

3GPP， R1-160005. RAR transmission for NB-IoT [R]. Budapest， Hungary： 3GPP TSG RAN WG1 NB-IoT Adhoc， 2016.

[15]陳發堂，梁濤濤，李小文.LTE-A系統軟解調算法仿真及DSP實現[J].計算機應用研究，2011，28（12）：4695-4697.（CHEN F T， LIANG T T， LI X W. Simulation and DSP realization of soft-metric demodulation algorithm in LTE-A systems [J]. Application Research of Computers， 2011， 28（12）： 4695-4697.）

[16]Technical Specification Group Radio Access Network; Evolved Universal Terrestrial Radio Access （E-UTRA）; User Equipment（UE） radio transmission and reception;（Release 14）， 3GPP TS 36.101 V14.7.0， 2018.

3GPP TS 36.101 V14.7.0. Evolved Universal Terrestrial Radio Access （E-UTRA）; User Equipment （UE） radio transmission and reception （Release 14） [S/OL]. [2018-04-06]. https：//www.3gpp.org/ftp/Specs/archive/36_series/36.101/.

This work is partially supported by the National Natural Science Foundation of China （61701063）， the National Science and Technology Major Project （2017ZX03001021-004）.

WANG Dan， born in 1981， Ph. D.， senior engineer. Her research interests include wireless communication system.

LI Anyi， born in 1994， M. S. candidate. Her research interests include mobile communication protocol in physical layer.

YANG Yanjuan， born in 1992， M. S. candidate. Her research interests include mobile communication protocol in physical layer.