窄帶物聯(lián)網(wǎng)（NB-IoT）中小區(qū)搜索算法的優(yōu)化研究

摘 要：本文研究了窄帶物聯(lián)網(wǎng)（NB-IoT）中的小區(qū)搜索算法。首先，本文詳細(xì)剖析了NB-IoT的下行鏈路結(jié)構(gòu)和小區(qū)搜索算法基礎(chǔ)，包括物理層結(jié)構(gòu)、信號(hào)傳輸特性以及主同步信號(hào)、輔同步信號(hào)的設(shè)計(jì)。針對(duì)現(xiàn)有同步算法在低信噪比和多徑衰落環(huán)境下性能不佳的問題，提出了一種改進(jìn)的同步算法，優(yōu)化主同步的粗調(diào)過程和輔同步的參考信號(hào)設(shè)計(jì)，提高了同步的準(zhǔn)確性和效率。其次，為了降低NSSS檢測(cè)算法的復(fù)雜度，本文提出了一種分組算法，將所有NSSS參考序列分成多組，并選取代表序列進(jìn)行互相關(guān)運(yùn)算，該方法顯著減少了運(yùn)算量，提高了算法的運(yùn)行效率。在此基礎(chǔ)上，本文完成了NB-IoT小區(qū)搜索方案的整體設(shè)計(jì)，并在數(shù)字信號(hào)處理器（DSP）上實(shí)現(xiàn)了該算法，驗(yàn)證了該算法的可行性和實(shí)用性。研究結(jié)果表明，優(yōu)化后的小區(qū)搜索算法在同步準(zhǔn)確率和效率方面均優(yōu)于傳統(tǒng)算法，DSP實(shí)現(xiàn)結(jié)果與MATLAB仿真結(jié)果性能差距僅有0.2dB。最后，本文總結(jié)了研究成果，并展望了未來的研究方向，將繼續(xù)深入研究NB-IoT中小區(qū)搜索算法的優(yōu)化問題，為NB-IoT技術(shù)的廣泛應(yīng)用提供更堅(jiān)實(shí)的技術(shù)支撐。

關(guān)鍵詞：窄帶物聯(lián)網(wǎng)；NSSS檢測(cè)算法；搜索算法

中圖分類號(hào)：TN 929" " " 文獻(xiàn)標(biāo)志碼：A

窄帶物聯(lián)網(wǎng)（NB-IoT）具有廣覆蓋、低功耗、低成本和大連接等顯著優(yōu)勢(shì)，在智慧城市、環(huán)境監(jiān)測(cè)和智能農(nóng)業(yè)等多個(gè)領(lǐng)域具有廣泛應(yīng)用。然而，NB-IoT的小區(qū)搜索過程比傳統(tǒng)的LTE技術(shù)更復(fù)雜，將影響其在物聯(lián)網(wǎng)中的大規(guī)模應(yīng)用。本文旨在優(yōu)化NB-IoT中的小區(qū)搜索算法，提高搜索的效率和準(zhǔn)確性，從而為NB-IoT技術(shù)的進(jìn)一步推廣和應(yīng)用奠定堅(jiān)實(shí)基礎(chǔ)。

1 窄帶物聯(lián)網(wǎng)（NB-IoT）的結(jié)構(gòu)

1.1 終端服務(wù)

終端服務(wù)是NB-IoT網(wǎng)絡(luò)中的“感知”部分，由各種物聯(lián)網(wǎng)設(shè)備或傳感器組成。這些設(shè)備能夠感知和采集環(huán)境中的數(shù)據(jù)，例如溫度、濕度、壓力和位置等，并將這些數(shù)據(jù)轉(zhuǎn)換為數(shù)字信號(hào)，以便后續(xù)進(jìn)行傳輸和處理。終端層設(shè)備通常具有功耗低、尺寸小和成本低等特點(diǎn)，能夠適應(yīng)廣泛的物聯(lián)網(wǎng)應(yīng)用場(chǎng)景。

1.2 網(wǎng)絡(luò)服務(wù)

網(wǎng)絡(luò)服務(wù)是NB-IoT的核心部分，能夠進(jìn)行數(shù)據(jù)傳輸和通信，通常由以下3個(gè)組件構(gòu)成。1） 無線接入網(wǎng)終端層設(shè)備與網(wǎng)絡(luò)層間的無線通信。NB-IoT采用窄帶通信技術(shù)，例如LTE-M、NB-CIoT等，以低功耗、廣覆蓋為目標(biāo)，優(yōu)化網(wǎng)絡(luò)性能和成本。2） 核心網(wǎng)具有數(shù)據(jù)轉(zhuǎn)發(fā)、路由選擇、會(huì)話管理和認(rèn)證鑒權(quán)等核心網(wǎng)絡(luò)功能。NB-IoT核心網(wǎng)可以與現(xiàn)有移動(dòng)通信網(wǎng)絡(luò)（例如LTE核心網(wǎng)）相融合，實(shí)現(xiàn)資源的共享和優(yōu)化。3） 回傳網(wǎng)絡(luò)將核心網(wǎng)的數(shù)據(jù)傳輸至應(yīng)用層或數(shù)據(jù)中心，通常包括光纖、微波和衛(wèi)星等多種傳輸方式。

1.3 平臺(tái)服務(wù)

平臺(tái)服務(wù)是NB-IoT網(wǎng)絡(luò)中的“大腦”，能夠進(jìn)行數(shù)據(jù)處理、分析和管理，通常由以下3個(gè)組件構(gòu)成。1） 物聯(lián)網(wǎng)平臺(tái)具有設(shè)備管理、數(shù)據(jù)收集、數(shù)據(jù)分析和應(yīng)用開發(fā)等功能，是物聯(lián)網(wǎng)應(yīng)用的基礎(chǔ)，可以支持多種通信協(xié)議和數(shù)據(jù)格式，以實(shí)現(xiàn)不同設(shè)備間的互聯(lián)互通。2） 大數(shù)據(jù)平臺(tái)能夠?qū)Ａ课锫?lián)網(wǎng)數(shù)據(jù)進(jìn)行存儲(chǔ)、處理和分析，挖掘數(shù)據(jù)中的價(jià)值信息，為決策提供支持，通常具備高性能計(jì)算、分布式存儲(chǔ)和數(shù)據(jù)挖掘等能力。3） 云計(jì)算平臺(tái)能夠提供彈性、可擴(kuò)展的計(jì)算資源和存儲(chǔ)資源，支持物聯(lián)網(wǎng)應(yīng)用的快速部署和靈活擴(kuò)展，還可以提供豐富的API和工具，方便開發(fā)者構(gòu)建和部署物聯(lián)網(wǎng)應(yīng)用。

1.4 應(yīng)用服務(wù)

應(yīng)用服務(wù)是NB-IoT網(wǎng)絡(luò)中的“輸出”部分，能夠?qū)⑻幚砗蟮臄?shù)據(jù)轉(zhuǎn)化為有價(jià)值的信息和服務(wù)。應(yīng)用層通常由各種物聯(lián)網(wǎng)應(yīng)用組成，例如智能家居、智能城市和工業(yè)物聯(lián)網(wǎng)等。這些應(yīng)用可以根據(jù)實(shí)際需求進(jìn)行定制、開發(fā)，以滿足用戶的不同需求。

綜上所述，窄帶物聯(lián)網(wǎng)（NB-IoT）的結(jié)構(gòu)包括終端層、網(wǎng)絡(luò)層、平臺(tái)層和應(yīng)用層4個(gè)部分，如圖1所示。這4個(gè)部分相互協(xié)作，共同構(gòu)成了NB-IoT的完整生態(tài)系統(tǒng)，為物聯(lián)網(wǎng)應(yīng)用提供了強(qiáng)大的支持和保障[1]。

2 NB-IoT下行鏈路結(jié)構(gòu)與小區(qū)搜索算法基礎(chǔ)

NB-IoT的下行鏈路結(jié)構(gòu)包括物理層結(jié)構(gòu)、信號(hào)傳輸特性等核心組成部分。本文詳細(xì)剖析了NB-IoT的物理層結(jié)構(gòu)，尤其是其幀結(jié)構(gòu)、時(shí)隙結(jié)構(gòu)以及信號(hào)傳輸方式。并在此基礎(chǔ)上深入探討了小區(qū)搜索算法的結(jié)構(gòu)，重點(diǎn)分析了主同步信號(hào)（PSS）和輔同步信號(hào)（SSS）在NB-IoT中的獨(dú)特設(shè)計(jì)及其功能。

為了更真實(shí)地模擬信號(hào)傳輸環(huán)境，本文在MATLAB中構(gòu)建了NB-IoT下行鏈路模型。該模型能夠準(zhǔn)確模擬信號(hào)在傳輸過程中可能遇到的噪聲干擾和多徑衰落干擾，為后續(xù)的小區(qū)搜索算法優(yōu)化提供了可靠的實(shí)驗(yàn)平臺(tái)。

3 小區(qū)搜索同步算法優(yōu)化

本文針對(duì)現(xiàn)有同步算法在低信噪比和多徑衰落環(huán)境下性能不佳的問題，提出了一種改進(jìn)的同步算法。該算法能夠優(yōu)化主同步的粗調(diào)過程，提高同步的初步準(zhǔn)確性。同時(shí)，本文還改進(jìn)了輔同步的參考信號(hào)設(shè)計(jì)，使其更適應(yīng)NB-IoT的傳輸特性，并引入預(yù)設(shè)大頻偏組的同步算法和信號(hào)前置均值濾波技術(shù)，進(jìn)一步降低傳輸噪聲的干擾，顯著提升算法的同步效率[2]。

仿真試驗(yàn)表明，本文改進(jìn)的同步算法在同步準(zhǔn)確率和同步效率方面均優(yōu)于傳統(tǒng)算法。尤其是在低信噪比和多徑衰落環(huán)境下，改進(jìn)算法具有更強(qiáng)的魯棒性和穩(wěn)定性，為NB-IoT的小區(qū)搜索提供了更可靠的同步保障。

4 NSSS檢測(cè)算法復(fù)雜度優(yōu)化

NSSS（Narrowband Secondary Synchronization Signal）檢測(cè)算法是小區(qū)搜索過程中的關(guān)鍵步驟之一，但是其復(fù)雜度較高，限制了算法的整體運(yùn)行效率。為了降低NSSS檢測(cè)算法的復(fù)雜度，本文提出了一種分組算法。該算法將所有的NSSS參考序列分成多組，并在每組選出一個(gè)代表序列，與待檢測(cè)序列進(jìn)行互相關(guān)運(yùn)算。這種分組處理的方式顯著減少了互相關(guān)的次數(shù)和復(fù)數(shù)乘法運(yùn)算量，提高了算法的運(yùn)行效率。下文將通過算法實(shí)例來闡述其優(yōu)化過程。

在傳統(tǒng)NSSS檢測(cè)算法中，每個(gè)NSSS參考序列均需要與待檢測(cè)序列進(jìn)行互相關(guān)運(yùn)算，導(dǎo)致計(jì)算量過大。本文的分組算法則巧妙地避免了該問題，具體優(yōu)化思路如下所示。

第一，設(shè)定NSSS參考序列的集合，如公式（1）所示。

NSSS={S1，S2，...，Sn?} （1）

式中：NSSS為包括多個(gè)序列的集合；Si（i=1，2，…，n，n為一個(gè)正整數(shù)）為集合NSSS中的具體序列。

根據(jù)本文的分組策略（基于序列的相似性、哈希值等），將這些參考序列分成m個(gè)組，如公式（2）所示。

Groups={G1，G2，...，Gm} （2）

式中：Groups為分組后的集合；Gi（i=1，2，…，m，m為一個(gè)正整數(shù)，并且mlt;lt;n，表示組數(shù)遠(yuǎn)小于序列總數(shù)）為集合Groups中的具體序列。

第二，選取代表序列。從每個(gè)組Gi中選擇一個(gè)代表序列Ri，這個(gè)代表序列可以是該組內(nèi)的任意一個(gè)序列，也可以是由求平均、中位數(shù)等方法生成的序列，即Ri∈Gi或Ri=f（Gi）。如果Ri∈Gi，那么代表序列是從組中直接選取的；如果Ri=f（Gi），那么代表序列是通過某種方法生成的。

綜上所述，可以寫出2個(gè)公式：描述整個(gè)過程的公式，即分組后減少的互相關(guān)運(yùn)算次數(shù)=n→m（其中mlt;lt;n）；效率提升比公式，即效率=分組后運(yùn)算次數(shù)×原始運(yùn)算次數(shù)=mn。

第三，互相關(guān)運(yùn)算。在實(shí)際的NSSS檢測(cè)過程中，只將待檢測(cè)序列與每組的代表序列進(jìn)行互相關(guān)運(yùn)算，無須與組內(nèi)的每一個(gè)序列都進(jìn)行運(yùn)算。這樣，原本需要與n個(gè)序列進(jìn)行互相關(guān)運(yùn)算，現(xiàn)在只需要與m個(gè)代表序列進(jìn)行運(yùn)算。

第四，結(jié)果判定。根據(jù)互相關(guān)運(yùn)算的結(jié)果，可以初步判定待檢測(cè)序列與哪個(gè)組的代表序列相似度最高。如果需要更精確的判定，那么可以在該組內(nèi)進(jìn)行進(jìn)一步搜索或驗(yàn)證。采用這種分組處理的方式，可以顯著減少互相關(guān)的次數(shù)和復(fù)數(shù)乘法運(yùn)算量。以具體的數(shù)字為例，假設(shè)原本有1000個(gè)NSSS參考序列，采用分組算法將其分成10個(gè)組，那么互相關(guān)運(yùn)算的次數(shù)就從原來的1000次減至現(xiàn)在的10次，從而提高了算法的運(yùn)行效率。

首先，傳統(tǒng)NSSS檢測(cè)算法的時(shí)間復(fù)雜度。傳統(tǒng)算法需要對(duì)每個(gè)NSSS參考序列進(jìn)行互相關(guān)運(yùn)算，因此其時(shí)間復(fù)雜度如公式（3）所示。

T traditional（n）=O（n） （3）

式中：O（n）表示算法的運(yùn)行時(shí)間與輸入規(guī)模n（即NSSS參考序列的數(shù)量）成正比。

其次，分組NSSS檢測(cè)算法的時(shí)間復(fù)雜度。分組算法將NSSS參考序列分成m個(gè)組，再對(duì)每個(gè)組的代表序列進(jìn)行互相關(guān)運(yùn)算，因此其時(shí)間復(fù)雜度可以分為2個(gè)部分：分組階段的時(shí)間復(fù)雜度，通常為O（n）或更低，取決于具體的分組策略；NSSS檢測(cè)階段的時(shí)間復(fù)雜度，為O（m），只需要進(jìn)行m次互相關(guān)運(yùn)算。因此分組算法的總時(shí)間復(fù)雜度可以近似表示為公式（4）。

T grouped（n，m）=O（n）+O（m）=O（n） （4）

由于mlt;lt;n，并且分組階段的時(shí)間復(fù)雜度通常不會(huì)超過O（n），因此總時(shí)間復(fù)雜度主要由n決定。然而，在實(shí)際應(yīng)用中，由于mlt;lt;n，因此分組算法在NSSS檢測(cè)階段的時(shí)間復(fù)雜度顯著降低，從而提高了整體效率。

結(jié)果表明，本文提出的分組算法能夠在保證檢測(cè)性能的前提下，有效減少運(yùn)算量。與傳統(tǒng)算法相比，分組算法能夠減少18.7%的運(yùn)算量，對(duì)提升NB-IoT小區(qū)搜索的整體性能具有重要意義。

第五，降低算法復(fù)雜度。在無線通信系統(tǒng)中，物理小區(qū)標(biāo)識(shí)（PCI）是區(qū)分不同物理小區(qū)的關(guān)鍵參數(shù)。本文設(shè)定了一個(gè)具體的PCI值，即45，將其作為研究的基礎(chǔ)，進(jìn)行一系列計(jì)算和處理，以生成用于同步的NSSS序列。

根據(jù)設(shè)定的PCI，計(jì)算出根序列u，并將其緩存以備后續(xù)使用。根序列u是NSSS序列生成中的核心，直接影響序列的特定性質(zhì)。進(jìn)而根據(jù)PCI確定擾碼序列的索引q。該索引用于從預(yù)先計(jì)算并存儲(chǔ)的Hadamard矩陣（Hadamard矩陣具有獨(dú)特性質(zhì)，在通信系統(tǒng)中常作為生成擾碼或擴(kuò)頻序列的基礎(chǔ)）中選取一行，作為生成NSSS序列所需的擾碼序列。為了高效生成NSSS序列，本文預(yù)先計(jì)算并緩存了一個(gè)128×128的Hadamard矩陣。該矩陣只需要計(jì)算一次，便可在后續(xù)過程中多次使用，顯著提高了處理效率。

完成上述步驟后，再根據(jù)索引q從Hadamard矩陣中提取相應(yīng)的行，將其作為擾碼序列，并進(jìn)行緩存。該擾碼序列將與根序列u結(jié)合，共同用于NSSS序列的生成。進(jìn)而初始化NSSS序列的索引向量，將其范圍設(shè)定為0～131。該索引向量將指導(dǎo)在生成NSSS序列過程中應(yīng)關(guān)注哪些位置或元素。

第六，優(yōu)化代碼。在上述步驟基礎(chǔ)上進(jìn)一步進(jìn)行代碼優(yōu)化。計(jì)算n_idx_vector，該向量是根據(jù)索引向量和NSSS序列的生成規(guī)則得出的，是NSSS序列生成不可或缺的一部分。

完成上述準(zhǔn)備后，采用向量化操作來高效生成NSSS序列。向量化操作是MATLAB等編程語(yǔ)言中的一項(xiàng)重要優(yōu)化技術(shù)，它能有效避免循環(huán)結(jié)構(gòu)，從而大幅提升代碼的執(zhí)行速度。最終成功生成NSSS序列，并將其展示出來。該序列是根據(jù)設(shè)定的PCI、根序列u、擾碼序列以及NSSS序列的生成規(guī)則精確計(jì)算得出的，將應(yīng)用于無線通信系統(tǒng)的同步過程中，以保證系統(tǒng)的穩(wěn)定運(yùn)行。優(yōu)化代碼如下所示。

clc;

clear;

close all;

pci = 45;

% u = mod（pci， 126） + 31;

q = floor（pci / 126）;

n = 128;

Hadamard_matrix = hadamard（n）;

b_q_hadamard = Hadamard_matrix（q+1， ：）;

idx_vector = 0：131;

n_idx_vector = mod（idx_vector， 131）;

nsss_seq = b_q_hadamard（mod（idx_vector， 128） + 1） .* exp（-1i * pi * u * n_idx_vector .* （n_idx_vector + 1） / 131）;

disp;

disp（nsss_seq）;

5 NB-IoT小區(qū)搜索方案整體設(shè)計(jì)與實(shí)現(xiàn)

基于上述研究成果，本文完成了NB-IoT小區(qū)搜索方案的整體設(shè)計(jì)。該方案綜合考慮了同步算法、NSSS檢測(cè)算法以及后續(xù)的小區(qū)信息獲取等關(guān)鍵步驟，形成了完整、高效的小區(qū)搜索流程。

為了驗(yàn)證方案的可行性和有效性，本文在數(shù)字信號(hào)處理器（DSP）上實(shí)現(xiàn)了該算法。采用優(yōu)化代碼結(jié)構(gòu)、提高代碼覆蓋率以及改進(jìn)NSSS檢測(cè)模塊等方式，進(jìn)一步提升代碼效率，降低內(nèi)存占用。比較DSP實(shí)現(xiàn)結(jié)果與MATLAB仿真結(jié)果可知，二者的性能差距僅有0.2dB，充分證明了本文優(yōu)化方案的可行性和實(shí)用性。

6 結(jié)論

本文對(duì)NB-IoT中小區(qū)搜索算法進(jìn)行了優(yōu)化研究，取得了顯著的研究成果。提出了改進(jìn)的同步算法和分組算法，有效提高了小區(qū)搜索的準(zhǔn)確率和效率。同時(shí)完成了NB-IoT小區(qū)搜索方案的整體設(shè)計(jì)，并在DSP上實(shí)現(xiàn)了該算法，驗(yàn)證了其可行性和實(shí)用性。

然而，本研究仍存在一些不足之處。例如，算法在某些極端條件下的性能仍然需要進(jìn)一步提升，DSP實(shí)現(xiàn)的代碼效率和內(nèi)存占用也有待進(jìn)一步優(yōu)化。未來將繼續(xù)深入研究NB-IoT中小區(qū)搜索算法的優(yōu)化問題，探索更高效、準(zhǔn)確的算法和實(shí)現(xiàn)方案，為NB-IoT技術(shù)的廣泛應(yīng)用提供更堅(jiān)實(shí)的技術(shù)支撐。同時(shí)也將關(guān)注物聯(lián)網(wǎng)技術(shù)的最新發(fā)展動(dòng)態(tài)，不斷拓展研究領(lǐng)域和應(yīng)用場(chǎng)景，為物聯(lián)網(wǎng)技術(shù)的創(chuàng)新和發(fā)展貢獻(xiàn)更多力量。

參考文獻(xiàn)

[1]黃文超.NB-IoT低速率窄帶物聯(lián)網(wǎng)通信技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)[J].電子測(cè)試，2017（6）：29，58.

[2]黃巍，陳住生.NB-IoT系統(tǒng)中小區(qū)ID搜索算法研究[J].數(shù)字化用戶，2019（2）：285.