5G NR PRACH 随机接入前导序列

一、前言

5G NR上行物理信道包括PUSCH,PUCCH,PRACH,其中PRACH物理信道主要在随机接入过程中发送随机接入需要的前导码(Preamble)等信息。其中前导码的规划和产生尤为重要。 5G系统随机接入过程采用两种不同形式,基于竞争的随机接入和基于非竞争的随机接入。
在这里插入图片描述

二、随机接入前导序列的产生

PRACH物理信道沿用LTE的ZC序列设计,支持两种长度的ZC序列(即前导序列),并且一旦明确ZC序列长度后,根据根索引序列生成了一个ZC序列后,可以通过循环移位生成多个序列。一个小区一般最多有64个随机接入前导,也就是有64个premble ID,一般单个premble ID ZC序列产生流程为:
(1)基站根据作用距离、终端的状态、移动速度等确定prach的格式和Ncs

(2)基站确定逻辑根序列索引,并根据根序列索引表产生1个或多个根序列和与根序列匹配的循环移位参数Cv,最终产生64个 (u)和循环移位参数(Cv)的组合,每个u+Cv可产生一个随机接入前导序列,如下图中公式所示;

(3)基站通过SIB2消息中的RACH-ConfigCommon信元中告诉终端64个前导序列中竞争随机接入groupA和groupB包含哪些前导码,剩下的就是留给非竞争随机接入的。终端如果在竞争的随机接入流程,则先选择group,然后在对应的group中随机选取一个前导码作为终端premble;

(4)终端根据选择的u+Cv产生长度为 L R A L_{RA} LRA的随机序列,其中:
           x u ( i ) x_u(i) xu(i)为基于根序列u产生的长度为 L R A L_{RA} LRA的ZC序列;
           x u , v ( n ) x_{u,v}(n) xu,v(n)为基于以Cv为循环移位参数,将 x u ( i ) x_u(i) xu(i)循环移位产生的最终premble前导码
           u u u为根序列u,取值为0 - ( L R A L_{RA} LRA-1)
           L R A L_{RA} LRA为序列长度
           N c s N_{cs} Ncs为循环移位步长
           C v C_v Cv为序列循环移位,其值与限制集类型和 N c s N_{cs} Ncs有关

(5)终端根据将 x u , v ( n ) x_{u,v}(n) xu,v(n)进行IDFT变换后生成时域的随机序列信号 y u , v ( n ) y_{u,v}(n) yu,v(n),并根据prach的类型等分配到时域资源上
在这里插入图片描述

随机接入前导序列的产生流程如下图所示:
在这里插入图片描述

三、 N c s N_{cs} Ncs的规划

5G NR Ncs和随机接入前导的子载波间隔、限制集类型有关。Ncs的规划即为根据小区覆盖距离、prach格式、限制集类型等选择合理的Ncs配置,以降低随机接入前导冲突的概率。

3.1、 L R A L_{RA} LRA=839  N c s N_{cs} Ncs规划

L R A L_{RA} LRA=839情况下 N c s N_{cs} Ncs的配置和值如下表, L R A L_{RA} LRA=839用于FR1,子载波间隔1.25KHz或5KHz
在这里插入图片描述

3.2、 L R A L_{RA} LRA=139  N c s N_{cs} Ncs规划

          
L R A L_{RA} LRA=139情况下 N c s N_{cs} Ncs的配置和值如下表(参照38.211), L R A L_{RA} LRA=139用于FR1和FR2,子载波间隔 15 ∗ 2 u 15*2^u 152uKHz,u=0~3;

在这里插入图片描述

3.3、 N c s N_{cs} Ncs确定方法

          
根据小区覆盖距离计算有效Ncs有一个计算公式,Ncs须满足以下公式,其实Ncs为循环移位间隔,所以:作用距离越远Ncs值越大,子载波间隔越小(序列传输时间越长)Ncs值越大, L R A L_{RA} LRA越大(序列传输时间越长)Ncs值越大。

                     N c s / L R A > T t r / T S E Q Ncs/L_{RA}>T_{tr}/T_{SEQ} Ncs/LRA>Ttr/TSEQ,  

                    其中 T S E Q T_{SEQ} TSEQ=1/子载波间隔,为序列传输时间; T t r T_{tr} Ttr为小区作用距离2倍+多经和保护余量等。

从上式可得出有两个结论:

(1)小区覆盖距离越大,Ncs越大,因Ncs为循环移位的步长,距离越远就需要更大的循环移位间隔以区分不同的ZC序列;

(2)子载波间隔为1.25KHz或5KHz需要更大的Ncs,因这两个子载波对应长序列839,子载波间隔小时域传播时间越长,且对应远距离传输应用,所以更大的循环移位间隔以区分不同的ZC序列;

四、根序列的规划

  根据3GPP TS 38.211描述,每个PRACH物理信道都有64个随机接入前导序列,它首先根据某个逻辑根序列索引对应的根序列号生成ZC序列,然后通过循环移位方式得到,并升序排列。

  • 如果单个逻辑根序列索引对应的根序列号无法生成64个,则逻辑根序列索引加1继续生成前导序列,直至64个随机接入前导序列生成完成
  • 相邻小区配置不同的逻辑根序列索引

4.1、根序列的选择与确定

参照38.211, L R A L_{RA} LRA=839逻辑根序列索引(i)和根序列(u)如下表所示(表中只截取了部分根序列值):

在这里插入图片描述
参照38.211, L R A L_{RA} LRA=139逻辑根序列索引(i)和根序列(u)如下表所示:
在这里插入图片描述
在Ncs确定后,对于限制集A和限制集B,逻辑根序列索引(i)的范围有限制,而对于非限制集,i可取0 ~( L R A L_{RA} LRA-1)。下面就简单介绍一下如何确定逻辑根序列索引(i)的范围:

(1)确定Ncs后,根据逻辑根序列索引和u计算满足下式的最小非负整数,即为q

                     ( q ∗ u ) m o d ( L R A ) (q*u)mod(L_{RA}) (qu)mod(LRA)
  
(2)计算 d u d_u du
在这里插入图片描述
(3)对于限制集A, d u d_u du满足如下公式所对应的根序列u即位可用的随机接入前导

                     N c s ≤ d u ≤ ( L R A − N c s ) / 2 Ncs≤d_u≤(L_{RA}-Ncs)/2 Ncsdu(LRANcs)/2

(4)对于限制集A, d u d_u du满足如下公式所对应的根序列u即可用的随机接入前导
在这里插入图片描述
(5)完成以上根序列有效性判断后,小区就可以选择一个根序列u用于产生随机序列

4.2、循环移位 C v C_v Cv的计算

确定了可用的根序列u后,还需要确认小区配置的根序列u对应的循环移位 C v C_v Cv,因不同限制集和Ncs配置下 C v C_v Cv的值不同,这就导致一个根序列u的循环移位 C v C_v Cv不足64个,这种情况下,需要将逻辑根序列索引+1,取出下一个根序列,继续按 C v C_v Cv进行循环移位,直到取出一个或多个根序列后,所有根序列对应的 C v C_v Cv和大于64,取前64个作为小区随机前导的计算参数(参照第二章)。

C v C_v Cv计算方法如下:

(1)对于非限制集:
在这里插入图片描述
(2)对于限制集A:
在这里插入图片描述

(2)对于限制集B:
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/39436.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【VUE】day07 路由

【VUE】day07 路由 1. 路由2. 前端路由的工作方式3. 实现简易的前端路由4. 安装和配置路由4.1 安装vue-router包4.2 创建路由模块4.3 导入并挂在路由模块 5. 在路由模块中声明路由的对应关系5.1 router-view 1. 路由 在 Vue.js 中,路由(Routing&#xf…

WPS宏开发手册——使用、工程、模块介绍

目录 系列文章前言1、开始1.1、宏编辑器使用步骤1.2、工程1.3、工程 系列文章 使用、工程、模块介绍 JSA语法 第三篇练习练习题,持续更新中… 前言 如果你是开发人员,那么wps宏开发对你来说手拿把切。反之还挺吃力,需要嘻嘻&#xf…

数学概念学习

# 欧式空间 ## 定义 日常生活观察到的几何空间:一维、平面和三维空间。 ## 点与向量 是欧式空间的基本元素。 ## 距离和内积 距离:通过欧几里得距离公式计算 内积(点积): 通过两个向量的内积来测量他们的相似性&…

InnoDB 引擎核心知识点

InnoDB 引擎核心知识点 6.1 逻辑存储结构 表空间(Tablespace):所有数据逻辑上存储在一个表空间中,物理上可能由多个文件组成。段(Segment):分为数据段(B树叶子节点)、索引…

C++《红黑树》

在之前的篇章当中我们已经了解了基于二叉搜索树的AVL树,那么接下来在本篇当中将继续来学习另一种基于二叉搜索树的树状结构——红黑树,在此和之前学习AVL树类似还是通过先了解红黑树是什么以及红黑树的结构特点,接下来在试着实现红黑树的结构…

java实现coze平台鉴权+工作流调用(踩坑记录)

问题偏多建议大家看完文章后再开始实现 OAuth鉴权 https://www.coze.cn/open/docs/developer_guides/preparation https://www.coze.cn/open/docs/developer_guides/oauth_apps OAuth 授权码鉴权 https://www.coze.cn/open/docs/developer_guides/oauth_code 创建OAuth应…

2025年优化算法:龙卷风优化算法(Tornado optimizer with Coriolis force,TOC)

龙卷风优化算法(Tornado optimizer with Coriolis force)是发表在中科院二区期刊“ARTIFICIAL INTELLIGENCE REVIEW”(IF:11.7)的2025年智能优化算法 01.引言 当自然界的狂暴之力,化身数字世界的智慧引擎&…

面试题分享-多线程顺序打印奇偶数

目录 1.题目详情 2.解题思路 2.1.分析题目 2.2.解析思路 3.代码实现 4.运行结果 1.题目详情 昨天刷抖音,遇到一个面试题,描述如下: 请使用两个线程,分别顺序交替打印奇数和偶数,直到10为止。例如有两个线程&#…

QuecPython 网络协议之TCP/UDP协议最祥解析

概述 IP 地址与域名 IP 地址是网络中的主机地址,用于两台网络主机能够互相找到彼此,这也是网络通信能够成功进行的基础。IP 地址一般以点分十进制的字符串来表示,如192.168.1.1。 ​ 我们日常访问的网站,其所在的服务器主机都有…

React - LineChart组件编写(用于查看每日流水图表)

一、简单版本 LineChart.tsx // src/component/LineChart/LineChart.tsx import React, {useEffect,useRef,useImperativeHandle,forwardRef,useMemo,useCallback, } from react; import * as echarts from echarts/core; import type { ComposeOption } from echarts/core; …

医学图像分割数据集肺分割数据labelme格式6299张2类别

数据集格式:labelme格式(不包含mask文件,仅仅包含jpg图片和对应的json文件) 图像分辨率:1024x1024 图片数量(jpg文件个数):6299 标注数量(json文件个数):6299 标注类别数:2 标注类别名称:["leftl…

帕金森病致生活艰难,如何缓解心理负担?

你是否留意到身边有人手部不由自主地颤抖,且肢体变得僵硬,行动也愈发迟缓?这很可能是帕金森病的症状。帕金森病是一种常见的神经系统退行性疾病,多发生于中老年人。​ 静止性震颤往往是帕金森病的首发症状,患者在安静状…

从零构建大语言模型全栈开发指南:第二部分:模型架构设计与实现-2.1.1自注意力机制(Scaled Dot-Product Attention)的逐行代码实现

👉 点击关注不迷路 👉 点击关注不迷路 👉 点击关注不迷路 文章大纲 2.1.1 自注意力机制(Scaled Dot-Product Attention)的逐行代码实现1. 自注意力机制的核心原理与数学表达1.1 注意力计算的三元组:`Q, K, V`2. 逐行代码实现与解析2.1 输入嵌入与权重矩阵初始化2.2 完…

机械臂【逆运动学】

回顾正运动学fk: IK: 几何法 代数法 六轴 456轴交再同一点 有解析解 下列公式为正运动学部分结论 a和d是长度 ,theta和alfa是角度 **疑问:alfa00? Z轴互相平行 ** 已知末端要在空间XYZ处如下 绿色项&#x…

IDEA批量替换项目下所有文件中的特定内容

文章目录 1. 问题引入2. 批量替换项目下所有文件中的特定内容2.1 右键项目的根目录,点击在文件中替换2.2 输入要替换的内容 3. 解决替换一整行文本后出现空行的问题4. 增加筛选条件提高匹配的精确度 更多 IDEA 的使用技巧可以查看 IDEA 专栏: IDEA 1. 问…

Ubuntu22.04美化MacOS主题

安装Tweaks 参考Ubuntu 22.04 桌面美化成Mac风格这篇更好点 sudo apt install gnome-tweaks gnome-shell-extensions -y安装macos主题 git clone https://github.com/vinceliuice/WhiteSur-gtk-theme.git # 进到文件目录 ./install.sh -t all -N glassy sudo ./tweaks.sh -g…

基于Python的机器学习入门指南

在当今数字化时代,机器学习(Machine Learning)已经成为科技领域中最热门的话题之一。它不仅改变了我们对数据的理解和处理方式,还在许多行业中得到了广泛应用,如金融、医疗、交通等。Python作为一门强大的编程语言&…

Python前缀和(例题:异或和,求和)

前缀和 前缀和:对于一个长度为n的列表a,前缀和为: sum[i]a[0]a[1]...a[i] 前缀和的性质: 第一条性质用于处理出前缀和: Sum[i]Sum[i-1]a[i] 第二条性质可以在O(l)的时间内求出区间和: a[l]....a[r] S…

统计矩的高阶推广:经验还是理论推导?

矩的发展既是经验总结的结果,也是数学理论推导的产物。研究者们在分析数据、描述物理现象的过程中,发现了低阶矩与日常物理概念(如质心、惯性)之间的紧密联系,而高阶矩的应用往往出现在更复杂的数学体系中,…

安宝特分享|AR智能装备赋能企业效率跃升

AR装备开启智能培训新时代 在智能制造与数字化转型浪潮下,传统培训体系正面临深度重构。安宝特基于工业级AR智能终端打造的培训系统,可助力企业构建智慧培训新生态。 AR技术在不同领域的助力 01远程指导方面 相较于传统视频教学的单向输出模式&#x…