5G NR系统初始波束选择技术研究

王小艳

(山西职业技术学院，山西 太原 030006)

0 引言

随着无线通信技术的不断演进，第五代移动通信(5th Generation Mobile Communication，5G)技术已经商用3年多。5G已成为实现高速度、超高可靠性、低时延和海量机器类通信的最佳方案。目前，5G商用的是6 GHz以下的中低频段，高频段的毫米波NR系统还在进一步的研究中，暂未实现商用。毫米波作为5G中的一个核心技术，可以使用高频段大量的空闲带宽来提供更多的通信资源，提高系统吞吐量及传输速率。毫米波虽然有非常明显的优势，但是也面临着若干挑战：衰减严重，绕射能力差。毫米波面临的首要问题是覆盖问题。波束赋形就是为了解决这一问题而诞生的。5G NR中的波束管理包括波束的扫描、测量、确认、上报以及失败恢复5个部分。其中，第一阶段波束扫描是搜索寻找最优波束的过程。优秀的波束搜索算法要达到时间复杂度和准确度两者之间的平衡，在保证准确度的前提下尽量降低时间复杂度[1]。本文将对毫米波段的NR系统中的初始接入过程进行阐述，并对影响接入过程的关键技术——波束搜索方法进行研究。

1 毫米波初始波束搜索方法研究现状

最基础的波束搜索算法是穷举扫描法，它对收发端所有波束进行依次配对扫描，从中选出最优的一对波束，其时间复杂度为O(n2)[1]。穷举扫描法是最稳定的波束搜索算法，但也存在致命的问题——波束扫描时延较大。穷举扫描算法如图1所示[2]。IEEE802.11ad和 802.15.3c中提出了类似的分级扫描方法。分级扫描方法的基本思路如下：第一步收发端都使用少量天线形成较宽波束，进而在该波束集上进行穷举扫描来完成配对；第二步在第一步的扫描结果区域内再细化波束，由此反复，最终找到最优波束对，降低了搜索准确率[3]。单边搜索法和穷举搜索法的唯一区别是基站使用全向波束发送同步信号，不需要基站在UE波束搜索过程中的遍历[4]，单边搜索法和分级扫描方法一样，虽然降低了时延，但牺牲了小区覆盖。单边搜索算法如图2所示。近年来，有学者和研究人员将人工智能用于波束的扫描，这是非常前沿的尝试，也是未来的发展趋势。

图1 穷举扫描算法

图2 单边搜索算法

2 5G NR初始接入过程概述

当UE开机或者从IDLE态尝试进入Connection态时，需要UE接入NR网络，这个过程叫做初始接入过程。初始接入过程是完成UE和gNB上行同步的过程。初始接入有两个目的：(1)UE与基站实现无线接入系统的上行同步；(2)分配发送message3的信道资源。有两种情况会触发UE从IDLE态到connection态，其中一种是UE有上行数据需要发送给基站，另外一种是周期性寻呼，如果判断后需要进行下行数据传输，则进入connection态。UE有上行数据需要发送的场景如图3所示。

图3 初始接入过程(需要发送上行数据)

UE进行小区选择。小区选择有两种情况：一种是UE保存有驻留过的小区信息，这种情况下只需要扫描已存在的列表频点，扫频耗时较短；另外一种是没有之前的驻留信息，这种情况下需要全频段扫描；最坏的情况是扫描已有列表失败，UE需要再进行全频段扫描。在完成小区选择之后，UE要进行初始波束搜索。初始波束搜索又包括UE波束搜索和基站波束搜索两个阶段，目的是确定UE和基站之间上下行数据通信的波束方向。

小区搜索是UE获取与小区的时间和频率同步并检测该小区CellID的过程。NR小区搜索基于位于同步栅格上的主要和辅助同步信号以及PBCH DMRS。小区搜索的过程中，UE需要根据已选定的波束选择方案执行波束扫描，UE需要重复小区搜索的过程直到小区搜索成功。小区搜索成功后，UE会继续获取其他的系统信息。这里提到最小系统信息(Remaining Minimum System Information， RMSI)的概念，RMSI中包含随机接入所需要的资源配置信息。

随机接入过程完成UE与基站之间的上行同步，使UE能被NR系统识别，并分配用于数据传输的上行资源。在NR中，出发UE发起随机接入的事件类型和LTE中是相似的，而且也支持和LTE中类似的两种随机接入类型，分别是CBRA(Contention-based Random Access)和CFRA(Contention-free Random Access)。在开始随机接入的流程之前，UE已经通过小区搜索及系统信息读取确定了需要接入的基站的基本信息，其中包括波束方向、SSB索引以及PRACH资源位置等。UE在指定的波束上发送preamble并完成后续的随机接入流程。随机接入过程成功可以判断出其中的基站波束搜索也成功。此时，UE和基站完成了上行和下行链路的双向同步，初始接入的过程已经成功完成，即可进行数据传输。因为NR的PRACH信道是基于LTE设计的，所以会发现NR和LTE在随机接入流程汇总差别不大，最大的区别就是NR中的随机接入是基于波束的接入，下行波束基于SSB索引，上行波束基于PRACH Occasion。

周期性寻呼的下行数据传输过程如图4所示。当UE寻呼定时器到期后，UE需要判断是否被基站寻呼。接下来的流程和需要发送上行数据的流程类似，只是在完成小区搜索和系统信息读取后，需要获取基站发起寻呼信令所使用的资源位置，之后UE在该位置上接收基站发送的寻呼列表信息，进而判断是否被寻呼。如果被寻呼那么进入随机接入流程，否则UE继续进入休眠状态。

图4 初始接入过程(周期性寻呼)

从以上两种初始接入过程的流程介绍中可以看到，初始波束搜索是整个流程的关键，也是和LTE网络完全不同的全新概念。波束选择方法直接决定了波束搜索的时延，进而也决定了整个初始接入过程的时延，研究波束选择方案是非常必要的，优秀的波束选择方案可以大大降低初始接入时延，提升用户感知。

3 5G NR初始波束搜索方法研究

5G相关的3GPP标准中给出了同步信号(Synchronization Signal Block， SSB)的相关定义。一个波束对应一个SSB。SSB包含3个组件，分别是主同步信号PSS、辅同步信号SSS以及物理广播信道PBCH。SSB的时频结构如图5所示。

图5 SSB时频结构

SSB是周期性传输的，这样可以确保小区的覆盖。SSB在不同波束中的重复传输被称为一个SSB burst集合。在毫米波频率下，在一个SSB发送的半帧(5 ms)中，SSB块的发送个数最大为64个。初始小区选择中SSB burst集的默认周期为20 ms。根据协议中的描述，按照不同频段和SSB子载波间隔，一个半帧内的SSB位置会有5种不同的情况，毫米波频率根据SSB子载波间隔的不同有两种情况：第一种情况子载波间隔为120 kHz，候选SS/PBCH块的第一个符号索引为Index={4,8,16,20} + 28 ×n，其中n= 0～3,5～8,10～13,15～18.；第二种情况子载波间隔为240 kHz，候选SS/PBCH块的第一个符号索引Index={8,12,16,20,32,36,40,44} + 56 ×n，其中n= 0～3,5～8。

对SSB时频结构和资源分配简单阐述后，本节主要对波束搜索的几种常见方法进行研究，并对其在小区搜索阶段的性能进行对比分析。

3.1 穷举搜索法

对于搜索算法而言，时间复杂度和成功率是非常重要的两个指标，而且两者一直是博弈的关系，在选择算法的时候应该保持一个最基本的原则，那就是在保证一定成功率的前提下，尽可能地降低计算的复杂度。最简单的波束扫描算法——穷举搜索法在上文已阐述，已知FR2频段每个SSB集最多发送64个SSB。由于其穷举的锈点，搜索成功率应该是所有算法中最高的，但是其时间复杂度高，难以满足5G大部分低时延的场景。假设基站波束数量为NBS，用户波束数量为NUE，SSB集合内的最大SSB资源数为NSSB，每个SSB的传输周期为TSSB，则时间复杂度n=NBS×NUE。假设基站可以在每个 OFDM 符号发射Npanel条波束，则完成穷举搜索需要的OFDM数为NOFDM=NBS×NUE/Npanel。假设小区搜索一次成功，则搜索算法的最大时延为TE=NUE×TSSB。很容易看出UE的波束越多，算法的时延越大。

3.2 单边分层搜索算法

IEEE 802.15.3c和802.11ad都提出了类似的分级扫描方法。基于分层码本的波束搜索算法，其核心思路分为两个步骤，分别是搜索最优扇区和搜索最优波束。搜索最优扇区时通过设计码本先将波束搜索过程分为精细度不同的层级，进而通过粗粒度层级的扫描找到性能最优的扇区，搜索最优波束时需要在细精粒度层级进行搜索，从而找到该扇区内的最优波束。单边分层扫描算法是一种改进的分层波束搜索算法。其核心思想是将SSB集合划分为尽可能多的资源块，且每个资源块包含的SSB资源数为基站的波束数量[4]。假设基站波束数量为NBS，用户波束数量为NUE，SSB集合内的最大SSB资源数为NSSB，每个SSB的传输周期为TSSB。则每个SSB集合可以划分的资源块数量为：

(1)

假设小区搜索一次成功，则单边分层搜索算法的最大时延为：

(2)

当NSSB<2×NBS时，SSB集合只能划分出一个资源块，此时单边分层搜索算法在第二阶段的时延将会大于穷举搜索法，由此可见该算法不适合基站波束数量配置较高的场景。当NSSB>2×NBS时，该方法不仅提高了SSB的利用率，而且降低了搜索算法的复杂度[4]。

3.3 波束分集搜索算法

英特尔公司在文献提出过采样波束可以保证用户和基站的小区覆盖，给出了基站波束分集搜索算法。该算法根据波束的空间相关性将基站波束分成不同的集合。算法的核心思路是：第一步用户通过扫描分集后的任意一层基站波束进而找到最佳的接入波束；第二步以第一步结果作为依据来搜索所有基站波从而改善波束搜索精度。具体方法如下：将基站侧的波束根据其空间相关度分成几个子集。在接入过程中，子集在空间上是等效的。假设将基站波束分成了4个子集，UE只需要扫描所有基站1/4的波束来完成第一步的操作，即可选出最佳接入波束。总波束扫描等待时间减少到穷举搜索法的1/4。由此可见，子集划分越多，时间复杂度越低[5]。受到以上分集思路的启发，也可以将分集方法利用到UE侧的波束上，这样可以在双向都实现算法复杂度的优化。与穷举搜索法相比，该算法的时间复杂度明显优于穷举搜索法和单边分层搜索算法。

4 结语

5G低中频段使用率越来越高，研究和使用5G毫米波频段势在必行。初始波束搜索算法的成功率和时间复杂度直接影响5G NR的初始接入成功率和时延，进而影响用户感知。本文在分析了初始波束搜索算法研究现状的基础上，对比了穷举搜索算法、单边分层搜索算法和波束分集搜索算法的性能，得出波束分集搜索算法是最优算法，而且子集划分越多，该算法复杂度越低，虽然牺牲了部分成功率，但是权衡两者，其仍然是最佳算法。