Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TESIS DE MAESTRÍA
octubre 2019
Perera I. (2019) Un algoritmo de optimización de acceso inicial para redes 5G NR de ondas
milimétricas. Universidad de Oulu, Facultad de Tecnología de la Información e Ingeniería
Eléctrica, Programa de Licenciatura en Ingeniería de Comunicaciones Inalámbricas. Tesis de
Maestría, 44 p.
RESUMEN
Se espera que la quinta generación (5G) de tecnología celular aborde las crecientes
necesidades de tráfico de la sociedad digital. Al proporcionar estas velocidades de datos
más altas, se requiere un mayor ancho de banda, por lo tanto, se necesita pasar al
espectro de ondas milimétricas de frecuencia más alta (mmWave). Sin embargo, para
superar la alta pérdida de propagación isotrópica experimentada en estas frecuencias, la
estación base (BS) y el equipo de usuario (UE) deben tener antenas altamente
direccionales. Por lo tanto, se requiere que BS y UE encuentren el par de haces de
transmisión (Tx) y recepción (Rx) correctos que se alineen entre sí. Lograr esta alineación
fina de haces en la fase de acceso inicial es bastante desafiante debido a la falta de
disponibilidad de información de ubicación sobre BS y UE.
En las celdas pequeñas de mmWave, los obstáculos bloquean las señales. Por lo tanto, es posible
que las transmisiones de señales no lleguen a los usuarios. Además, algunas direcciones pueden
tener una mayor densidad de usuarios, mientras que algunas direcciones tienen una densidad de
usuarios menor o nula. Por lo tanto, se necesita una búsqueda de celda inteligente para el acceso
inicial, que puede dirigir sus haces a un área poblada conocida para los UE en lugar de perder
tiempo y recursos emitiendo hacia un obstáculo o direcciones despobladas.
En esta tesis, proporcionamos un algoritmo de asignación de bloque de señal de
sincronización y dirección de barrido de haz basado en peso dinámico (SSB) para
optimizar la búsqueda de celda en el acceso inicial de mmWave. El orden de las
direcciones de barrido del haz y el número de SSB transmitidos en cada dirección de
barrido del haz dependen de la experiencia adquirida previamente. El aprendizaje previo
se basa en el número de UE detectados por SSB para cada dirección de barrido.
Basado en simulaciones numéricas, se demuestra que el algoritmo propuesto es
capaz de detectar más usuarios con una menor probabilidad de detección errónea.
Además, es posible lograr el mismo rendimiento con un número menor de asignación
de recursos dinámicos (es decir, SSB), en comparación con la asignación de recursos
constante. Por lo tanto, este algoritmo tiene un mejor rendimiento y un uso óptimo
de los recursos.
RESUMEN
TABLA DE CONTENIDO
PREFACIO
LISTA DE ABREVIATURAS Y SÍMBOLOS
1 INTRODUCCIÓN 7
1.1 Antecedentes de la investigación. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Objetivos y estructura de la tesis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 ANTECEDENTES Y LITERATURA 11
2.1 Fondo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.1 Comunicación inalámbrica 5G. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5G 11
2.1.2 NR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.3 Comunicación mmWave. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Matrices 13
2.1.4 de antenas múltiples. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.5 Beamforming y Beam Steering. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Acceso 15
2.1.6 inicial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Acceso inicial 15
2.1.7 en mmWave 5G. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Literatura. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
.
2.2.1 Búsqueda exhaustiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.2 Búsqueda iterativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.3 Búsqueda híbrida. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.4 Búsqueda basada en la ubicación del usuario histórico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 ALGORITMO PROPUESTO 24
3.1 Requisito para el nuevo algoritmo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2 Algoritmo de acceso inicial propuesto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3 Explicación del algoritmo IA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4 RESULTADOS Y DISCUSIÓN 31
4.1 Configuración y parámetros de la simulación. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2 Resultados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2.1 Probabilidad de detección errónea. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2.2 Detectabilidad del usuario. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.3 Optimización de recursos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Errores de 37
4.2.4 detección. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5 RESUMEN 41
5.1 Conclusión. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2 Obras futuras. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6 REFERENCIAS 43
PREFACIO
Esta tesis está escrita en base a una investigación realizada por ellos mismos sobre un nuevo algoritmo de
acceso inicial para sistemas de comunicación celular mmWave como parte de los proyectos High5 y
MOSSAF en el Centro de Comunicaciones Inalámbricas (CWC) de la Universidad de Oulu, Finlandia.
Me gustaría aprovechar esto como una oportunidad para expresar mi más sincero
agradecimiento a mi supervisora y mentora, la profesora Nandana Rajatheva, por la orientación, el
apoyo y el aliento brindados al desarrollo académico y profesional a lo largo de mis estudios de
maestría. También estoy agradecido con el profesor de la Academia Matti Latva-aho por la
oportunidad que me brinda de unirme a esta gran institución y contribuir a los proyectos High5 y
MOSSAF. Humildemente quisiera extender mi más sincera gratitud y aprecio a mi asesor técnico, el
Dr. KB Shashika Manosha, por el enorme apoyo y orientación técnica brindados para dar forma a
esta investigación a la excelencia. Además, me gustaría agradecer al Dr. Pekka Pirinen, el director
del proyecto, el personal y los colegas de CWC por su apoyo para llevar a cabo mi investigación con
éxito.
Por último, pero no menos importante, me gustaría presentar mi agradecimiento a mis
padres y familiares inmediatos por el sacrificio, el apoyo y el aliento brindados para lograr
este objetivo con éxito. Más importante aún, mi amorosa gratitud y aprecio hacia mi
amada esposa por convertirse verdaderamente en un compañero de vida en cada
situación en este desafiante camino de lograr juntos la Maestría. Sin el apoyo de los
mencionados u olvidados anteriormente, esta tremenda tarea no sería un éxito. ¡Gracias!
11 de octubre de 2019
Indika Perera
LISTA DE ABREVIATURAS Y SÍMBOLOS
Siglas
1G Primera generación
2D Dos dimensiones
3GPP Proyecto de asociación de tercera generación
4G Cuarta generación
5G Quinta generación
5GCN Red principal 5G
ADC Estación base convertidora
BS analógica a digital
DL Enlace descendente
Simbolos
λ Longitud de onda
Operadores
·T Transposición de matriz
‖ · ‖1 Norma de nivel 1
∑
Operación de suma
1. INTRODUCCIÓN
Motivación de la investigación
Las generaciones 5G y superiores de redes celulares que planeaban utilizar la comunicación mmWave
deben proporcionar un conjunto de mecanismos para proporcionar la gestión del haz direccional. El
equipo de usuario (UE) y la estación base de próxima generación (gNB) mmWave deben establecer
enlaces de transmisión altamente direccionales para beneficiarse de la ganancia de formación de haces
resultante. Lo más importante es que estos enlaces direccionales requieren una alineación fina de los
haces del transmisor y del receptor. Este es un nuevo desafío al que se enfrenta la nueva generación de
sistemas de comunicación en comparación con la generación anterior de sistemas de comunicación.
El acceso inicial (IA) en una comunicación celular podría definirse como el procedimiento
de establecimiento de una conexión inicial entre un usuario móvil y una estación base en
una red celular. Este es un requisito previo crítico para cualquier comunicación posterior
entre la BS y el UE. En la comunicación mmWave, el acceso inicial es un desafío adicional
debido a la comunicación direccional. Por lo tanto, BS y UE requerían encontrar el par de
haces de transmisión (Tx) y recepción (Rx) correctos que se alinean entre sí. Lograr esta
alineación fina de haces en la fase de acceso inicial es bastante desafiante debido a la falta
de disponibilidad de información de ubicación sobre BS y UE. Por lo tanto, la motivación de
esta tesis es presentar un algoritmo de búsqueda de haz de acceso inicial adecuado para la
comunicación mmWave 5G NR,
En la comunicación mmWave, las señales están bloqueadas por obstáculos debido a su corta longitud de onda. Por lo
tanto, las transmisiones hacia los obstáculos no llegarán a los usuarios que se encuentren detrás de ellos. Además, la
mayoría de las veces, los usuarios atendidos por una BS de celda pequeña pueden no estar distribuidos
uniformemente alrededor de la BS. Los usuarios se encuentran dispersos alrededor de la BS como grupos y, debido a
eso, algunas direcciones pueden tener una mayor densidad de usuarios, mientras que algunas direcciones pueden
tener una densidad de usuarios menor o nula.
Por lo tanto, el procedimiento de búsqueda de celda en este tipo de escenario requiere inteligencia en
la BS, que solo puede dirigir sus haces a través de un área poblada conocida para los UE en lugar de
perder tiempo y emitir energía hacia un obstáculo o direcciones despobladas. Sin embargo, las BS
actuales no están decidiendo dinámicamente qué áreas cubrir o no en función de la distribución de los
usuarios.
Por lo tanto, se presenta un nuevo algoritmo de asignación de bloque de señal de sincronización y
dirección de barrido de haz basado en peso dinámico (SSB) para optimizar la búsqueda de celda en
el procedimiento de acceso inicial. En el algoritmo presentado, el orden de las direcciones de barrido
del haz y el número de BLU asignados para cada dirección de barrido del haz depende de la
experiencia adquirida previamente. Este aprendizaje previo se basa en el número de UE detectados
por SSB para cada dirección de barrido. Por tanto, al proporcionar algo de aprendizaje sobre la
distribución de UE alrededor de la BS, el retraso en la detección de UE durante el procedimiento de
búsqueda de celda disminuirá y el número de UE encontrado aumentará durante la exploración del
haz.
Esta investigación se elige para estudiar los aspectos de la capa física de los sistemas de comunicación
mmWave. La atención se centra principalmente en los procedimientos de acceso inicial y la dirección del haz de
onda mm. Por lo tanto, considerando los desafíos existentes en el acceso inicial en mmWave, se selecciona para
estudiar un nuevo algoritmo para superar esos desafíos.
Esta investigación no cubrirá el acceso inicial basado en información contextual ni los conceptos de acceso
inicial coordinado. Además, este algoritmo se formula considerando la distribución estática de usuarios en el
momento de escribir este artículo. Además, esta investigación se encuentra actualmente en un entorno
unicelular, y se espera que el escenario multicelular se estudie en el futuro.
Objetivos de la tesis
A continuación se puede enumerar una descripción detallada de los objetivos de esta tesis de maestría.
• Realizar una revisión de la literatura y presentar la literatura existente sobre los algoritmos de
acceso inicial de mmWave y su desempeño.
Estructura de la tesis
Esta tesis se divide principalmente en cinco capítulos. Cada capítulo comprende un área específica relacionada
con esta investigación. A continuación se ofrece una descripción detallada de los contenidos de los próximos
capítulos de esta tesis.
• Capitulo 2 - Incluye los conocimientos previos necesarios para comprender los conceptos
principales de esta investigación y algo de literatura sobre los estudios existentes sobre este tema.
• Capítulo 5 - Resume la tesis y presenta los posibles trabajos futuros sobre esta
investigación.
11
2 ANTECEDENTES Y LITERATURA
Este capítulo describe los conocimientos previos necesarios para comprender los conceptos
principales de esta investigación y algo de literatura sobre las investigaciones existentes
realizadas para allanar el camino hacia este novedoso algoritmo. Además, este capítulo
explicará cómo difieren las tecnologías al considerar el acceso inicial en 5G mmWave de las
tecnologías y sistemas heredados existentes. Además, esto destacará los desafíos que se
enfrentarán y los aspectos a considerar al pasar al acceso inicial en mmWave.
2.1 Antecedentes
Se espera que la quinta generación de tecnología de red celular, comúnmente conocida como 5G, aborde
los requisitos de tráfico de la sociedad digital más allá de 2020. Se espera que supere las limitaciones
actuales, mejore evolutivamente la experiencia del usuario de banda ancha móvil y respalde muchas
tecnologías habilitadoras para potenciar la IoT. e industrias. Principalmente, la tecnología inalámbrica 5G
se desarrolló teniendo en cuenta tres casos de uso principales [7]. Esos casos de uso se describen a
continuación y se muestran en la Figura 2.1 como una imagen general de 5G.
[8].
Para satisfacer estos requisitos complejos y contradictorios en 5G, 3GPP ha introducido una
nueva tecnología de acceso por radio comúnmente conocida como 5G NR (nueva radio 5G) y
una nueva red central 5G conocida como 5G CN (red central 5G).
12
Rendimiento extremo
Eficiencia espectral mejorada 8k
Cobertura extendida
eMBB
5G
URLLC mMTC
Alta densidad de conexión
Baja latencia Eficiencia energética
Ultra confiabilidad Baja complejidad
Precisión de ubicación Cobertura extendida
2.1.2 5G NR
5G NR es la nueva tecnología de acceso por radio (RAT) desarrollada por 3GPP para satisfacer los
requisitos diversificados de los casos de uso de 5G y explotar las nuevas tecnologías potenciales.
Aunque el LTE existente no era capaz de satisfacer algunos de esos requisitos, NR reutiliza muchas
de las características y estructuras de LTE para desarrollarlas como una nueva tecnología de acceso
por radio.
La capa física del NR está diseñada de manera flexible y escalable para admitir diversos casos de uso,
una amplia gama de frecuencias y diferentes opciones de implementación. Los componentes tecnológicos
clave de la capa física NR son los esquemas de modulación, la forma de onda, la estructura de la trama,
las señales de referencia, la transmisión de múltiples antenas y la codificación de canales.
Las bandas de frecuencia operativa NR se dividen en dos rangos de frecuencia [9]:
• El rango de frecuencia 1 (FR1) incluye todas las bandas nuevas y existentes en el rango de 450 MHz
- 6 GHz
• El rango de frecuencia 2 (FR2) incluye bandas de ondas mm en el rango de 24,25 a 52,6 GHz.
NR tiene una estructura en el dominio del tiempo donde las transmisiones se organizan en tramas de 10
ms. Cada una de estas tramas se dividió de nuevo en 10 subtramas de igual tamaño de 1 ms de longitud.
Luego, esta subtrama se divide nuevamente en ranuras que constan de 14 símbolos OFDM
(multiplexación por división de frecuencia ortogonal) cada uno, y la duración de esta ranura depende de la
numerología utilizada.
LTE tiene solo una numerología con un espaciado de subportadoras de 15 kHz (SCS), pero NR tiene una
numerología flexible donde el espaciado de subportadoras podría tomar los valores de 15 kHz, 30 kHz, 60
kHz, 120 kHz o 240 kHz. Por lo tanto, en base a este SCS, la duración del intervalo será diferente y, por lo
tanto, la cuadrícula de recursos de tiempo-frecuencia también diferirá entre sí [1]. Para
13
las frecuencias mmWave, se propone utilizar una configuración de espaciado de subportadoras de 120 kHz o superior.
La estructura en el dominio del tiempo y la duración del intervalo de la trama 5G NR FDD (dúplex por división de
frecuencia) se muestran en la Figura 2.2 a continuación.
5G ha introducido altas velocidades de datos sin precedentes y requisitos de baja latencia, lo que es un desafío
para proporcionar con las tecnologías móviles existentes. Para entregar estos giga bits por segundo a
velocidades de datos más altas, se requiere un mayor ancho de banda, por lo que es necesario pasar a un
espectro de frecuencia más alto. Actualmente, el espectro de menos de 6 GHz está muy congestionado y
fragmentado para satisfacer estos requisitos. En consecuencia, el espectro mmWave se ha convertido en un
facilitador para las demandas de rendimiento de 5G.
mmWave se define como un rango de frecuencia que tiene longitudes de onda de 1 mm a 10 mm
en el espectro electromagnético. Por lo tanto, el rango de frecuencia de 30-300 GHz se considera
ondas mm y para la comunicación 5G se considera el rango de frecuencia de 20-60 GHz [10]. Los
siguientes son los beneficios clave de la comunicación mmWave.
• Se dispone de un ancho de banda extremadamente amplio debido a los abundantes y continuos recursos de
espectro.
• Los conjuntos de antenas grandes se pueden empaquetar en un área pequeña debido a las longitudes de onda cortas.
• Se podrían generar haces formados más estrechos debido al uso de conjuntos de antenas más
grandes.
14
Para obtener los haces versátiles necesarios para los diferentes requisitos de los casos de uso de 5G, se
necesitan grandes conjuntos de antenas. Con la introducción de conjuntos de antenas en la BS y el UE, es
posible tener haces estrechos orientables altamente direccionales con lóbulos laterales bajos como enlace de
comunicación entre BS y UE. Cuando se diseña una matriz de antenas, se necesita una selección de elementos
de matriz, la geometría de la matriz, el rango de frecuencia de operación y la excitación del elemento deseado
para conocer la generación de haz deseada.
Los tipos de conjuntos de antenas grandes comúnmente utilizados para la comunicación 5G son el conjunto
lineal uniforme (ULA) y el conjunto planificador uniforme (UPA). En ULA, los elementos de antena se distribuyen
equidistantemente solo en una dimensión, mientras que en UPA los elementos de antena se distribuyen en una
cuadrícula rectangular en un plano bidimensional. Las matrices planas proporcionan variables adicionales que
se pueden utilizar para controlar y dar forma al patrón de la matriz. Por lo tanto, son más versátiles y
proporcionan patrones de haz más simétricos. La Figura 2.3 a continuación muestra la geometría de la antena
de 64 elementos de antena del UPA 8x8 diseñado para una frecuencia portadora de 28 GHz.
La formación de haz se define como una técnica de procesamiento de señales utilizada en sistemas de
múltiples antenas para crear una transmisión o recepción de señales direccionales. Esto se logra
cambiando la amplitud o fase de la señal de manera que la señal en ángulos particulares experimente
interferencia constructiva mientras que otras experimentan interferencia destructiva.
La fase y amplitud de la señal aplicada a un elemento de antena en el conjunto de antenas es
un valor complejo, y al cambiar continuamente este valor de peso complejo aplicado a cada
elemento de antena, podemos cambiar continuamente la dirección del haz que transmite o
recibe. Por lo tanto, cambiar continuamente la dirección de formación del haz o dirigir el haz en
la dirección deseada podría definirse como dirección del haz.
Hay tres arquitecturas de formación de haces propuestas en función del número de cadenas de
radiofrecuencia (RF) utilizadas, y sus ventajas y desventajas son las siguientes.
• Formación de haz analógico utiliza solo una cadena de RF para todos los elementos de la antena.
Por lo tanto, el procesamiento se realiza en el dominio analógico, por lo tanto, es menos flexible. La
transmisión o recepción solo es posible en una dirección a la vez. Dado que utiliza un solo
convertidor de analógico a digital (ADC), menor consumo de energía en comparación con las otras
dos arquitecturas.
• Formación de haz digital utiliza cadenas de RF y ADC independientes para todos los
elementos de antena. Por lo tanto, el procesamiento está en el dominio digital, lo que
permite la forma del haz en infinitas direcciones. Esta arquitectura tiene el mayor
consumo de energía en comparación con las otras dos arquitecturas, lo que limita el uso
práctico.
Usando arreglos de múltiples antenas y la formación de haces, podríamos crear diferentes tipos de
patrones de haz con diferentes condiciones de ancho de haz de media potencia (HPBW) y lóbulos
laterales. La figura 2.4 muestra tres tipos de patrones de haz en coordenadas polares y cartesianas.
La Figura 2.4 (a) muestra un haz muy más ancho con menos potencia de formación de haces generada
con 2x2 UPA, la Figura 2.4 (b) muestra un haz ancho con una potencia moderada de formación de haces
generada con 4x4 UPA y la Figura 2.4 (c) muestra un haz estrecho con alta potencia de formación de haces
generado con 8x8 UPA.
Podemos barrer este tipo de vigas para cubrir todo 360◦ espacio por haz que dirija estos haces al
ángulo deseado. La figura 2.5 muestra la dirección del haz de un haz ancho generado por 4x4 UPA
para barrer el360◦ cobertura.
90 90 90
120 60 120 60 120 60
4
15 60
3
10 40
2
5 20
1
0 0 0
- 90 -45 0 45 90 - 90 -45 0 45 90 - 90 -45 0 45 90
Figura 2.4. Haz patrones (a) 2x2 UPA (b) 4x4 UPA (c) 8x8 UPA.
90 90 90 90
120 60 120 60 120 60 120 60
150 30 150 30 150 30 150 30
BS UE
Señales de sincronización
En la fase de búsqueda de celda, se permite que el UE IDLE encuentre una BS adecuada para
conectarse con ella. Intentará encontrar un BS con buena recepción entre los BS de servicio que lo
rodean. En los sistemas existentes, se facilita al UE la obtención de la identidad de la celda y la
sincronización de tiempo-frecuencia durante la fase de búsqueda de la celda. Para eso, la BS transmite
repetidamente la señal de sincronización primaria (PSS) y la señal de sincronización secundaria (SSS) en el
enlace descendente. En las tecnologías celulares actuales, estas señales de sincronización se transmiten
con una antena omnidireccional o débilmente directiva en el enlace descendente. La formación de haces
también se utiliza en los sistemas existentes, pero solo después del establecimiento de un enlace físico
[11].
Después del paso mencionado anteriormente, el UE necesita informar a la BS sobre su deseo de
establecer una conexión. Dado que no hay un canal disponible para esto, la etapa de acceso
aleatorio proporciona un medio para establecer esta conexión. Luego, el UE pasa por la etapa de
acceso aleatorio e intercambia mensajes de acceso aleatorio entre BS y UE. Después de esta etapa,
se considera que UE está conectado a la red a través de dicha BS.
se transmite solo en direcciones específicas a la vez por la BS, y por lo tanto, el haz de UE
debe escanear todo el espacio angular para buscar el haz de BS y obtener el PSS para
completar el acceso a la celda.
En la etapa de búsqueda de celda, la BS transmite las señales de sincronización (SS) en varias
direcciones discretas explorando todo el espacio angular al que sirve la BS. El UE tiene dos opciones
para detectar las señales de sincronización, según su antena. El primero es realizar la formación de
haces, en caso de que esté equipado con un conjunto de antenas. El segundo es a través de una
señal omnidireccional para explorar todo el espacio.
En este segundo escenario, el UE sufre de una alta pérdida de trayectoria observada en mmWave
ya que no aprovecha la ganancia de formación de haces. Por otro lado, en el primer caso, el UE
necesita escanear todo el espacio angular para buscar la señal de sincronización. Debido a este
escaneo adicional de la señal, que no estaba en las tecnologías existentes, el acceso inicial de
mmWave tiene que incluir procedimientos adicionales y cambio de estructuras de señal para
facilitarlo. La Figura 2.7 a continuación muestra un barrido de haz BS y UE para identificar los
mejores haces Tx y Rx (encerrados en un círculo con una línea discontinua) para el acceso inicial
cuando BS tiene 8x8 UPA y UE tiene 2x2 UPA.
BS
(8x8 UPA)
UE
(2x2 UPA)
Figura 2.7. Barrido de haz BS y UE para identificar los mejores haces Tx y Rx.
Sincronización en 5G NR
En 5G NR, la señal de sincronización (SS) consta de dos señales principales conocidas como señal de
sincronización primaria y señal de sincronización secundaria. Estas señales de sincronización, junto
con el canal de transmisión físico (PBCH), se denominan bloque de señal de sincronización (SSB) o
bloque SS en las definiciones de 5G NR. El bloque SS es un grupo de 4 símbolos OFDM en el tiempo y
240 subportadoras en frecuencia (es decir, 20 bloques de recursos) en la cuadrícula de tiempo-
frecuencia NR como se muestra en la Figura 2.8 [12].
Hay varios números de SSB en una trama de radio NR, y el número de SSB y la posición en el
dominio del tiempo de estos SSB dependen de la numerología NR. Esta es una signi fi cativa
19
• Para bandas de frecuencia por debajo de 3 GHz: hay hasta 4 SSB dentro de un conjunto de ráfagas SS, lo
que permite un barrido de hasta 4 haces.
• Para bandas de frecuencia entre 3 GHz y 6 GHz: hay hasta 8 SSB dentro de un conjunto
de ráfagas SS, lo que permite el barrido de hasta 8 haces.
• Para bandas de frecuencia más alta (FR2), que son bandas de ondas mm: hay hasta 64 SSB dentro de un
conjunto de ráfagas SS, lo que permite un barrido de haces de hasta 64 haces.
El conjunto de posibles ubicaciones de SSB en el dominio del tiempo difiere entre diferentes
numerologías NR. El número de SSB mencionado en el párrafo anterior no es necesariamente
20
necesario para transmitir y, por lo tanto, todas las ubicaciones de SSB no se utilizan para la transmisión.
Existe la flexibilidad de transmitir cualquier cosa, desde un solo SSB hasta el número máximo posible de
SSB dentro de un conjunto de ráfagas SS. Dependiendo del número de haces necesarios para el barrido
del haz, podemos decidir el número de requisitos de SSB de transmisión por conjunto de ráfagas de SS
[13]. Esta es una característica importante en NR que usamos en el desarrollo de nuestro algoritmo de
acceso inicial propuesto.
2.2 Literatura
En este apartado presentamos los estudios existentes realizados sobre las técnicas de acceso inicial en
mmWave. Como se explicó anteriormente, identificar los mejores haces de Tx y Rx en el lado BS y el lado
UE es un problema que se enfrenta cuando un UE inactivo intenta acceder a la red. Por lo tanto, sin el
conocimiento de los detalles del usuario, como la posición, la orientación del usuario y el perfil del
usuario, la identificación del UE dentro de la cobertura de la BS es una tarea desafiante para las estaciones
base 5G.
Realizar el acceso inicial con la disponibilidad de ese tipo de información de usuario se
conoce como acceso inicial con información de contexto [14]. Este tipo de acceso inicial es
posible cuando existe un enlace de control ya establecido entre el UE y la red. Considere una
situación en la que existe una red 5G no independiente que coexiste con la red LTE. En ese UE,
la posición podría ser informada a 5G BS por la celda de anclaje LTE que ya está conectada con
el UE [15]. El acceso inicial basado en información de contexto no se considera en esta
investigación, y nuestro enfoque principal es el acceso inicial de una red 5G independiente sin
información contextual sobre la UE. Las siguientes subsecciones describen algunos de
21
los algoritmos de búsqueda de haces de acceso inicial relacionados y su desempeño tal como se presentan en esos
documentos de investigación.
La búsqueda exhaustiva es el método de búsqueda básico disponible. Es una fuerza bruta secuencial
método de búsqueda de haz que puede aplicarse tanto a BS como a UE. BS tienenorteBS direcciones de haz
predefinidas que pueden cubrir todo el espacio que la BS podría proporcionar cobertura. Si UE
está habilitado con una matriz de antenas, entonces UE tiene norteUE direcciones de haz predefinidas que
pueden cubrir todo el 360◦ espacio. Estas direcciones también podrían considerarse como la recepción.
direcciones de la UE.
Como se mencionó anteriormente, el objetivo es identificar el mejor par de haces Tx y Rx para que la BS
se conecte con cada UE en su área de cobertura. Como primer paso, BS envía sincronización
señales en uno de ellos norteBS direcciones de haz estrecho utilizando sus haces estrechos. Para igualar
con norteUE Direcciones de haz UE, envío BS norteUE señales de sincronización en ranuras DL (enlace
descendente) consecutivas por cada dirección de haz estrecho de BS. UE con fi gura su conjunto de antenas
para recibir direccionalmente el transmitido norteUE Señales SS por BS. Tras la recepción de las
señales, UE evalúa la relación señal / ruido percibida (SNR) para cada uno de sus haces de UE
direcciones. A partir de ahí, seleccionará el valor de SNR más alto e identificará la dirección del haz
de UE que recibe. Si esa SNR seleccionada está por encima de un valor umbral de SNR predefinido y
fijo, entonces el UE lo enviará a la BS a través de esa dirección de UE identificada. BS recibirá el
mensaje de retroalimentación a través del mismo haz direccional que transmite.
Luego, la BS se mueve a la siguiente dirección del haz estrecho y los pasos anteriores se repiten
jerárquicamente. Este procedimiento se lleva a cabo para todos los demás haces estrechos.
direcciones de la BS de tal manera que todos los norteBS las direcciones de haz estrechas son barridas por haz.
Después de escanear toda el área de cobertura de BS, BS puede determinar el mejor haz estrecho de BS
dirección para comunicarse con ese UE. Será la dirección del haz estrecho BS con el valor SNR
recibido más alto. Además, el UE podría determinar su mejor base de dirección de haz de UE
con los mismos criterios.
En la literatura existente [16], el rendimiento de estos algoritmos de acceso inicial se evalúa con dos
evaluadores principales. Son la probabilidad de detección errónea (PMD) y el retraso en el descubrimiento.
Probabilidad de detección errónea, que se define como la probabilidad de que no se detecte un UE dentro de
una celda debido a que la SNR percibida en el UE está por debajo de un umbral de SNR dado
nivel (SNRth). El retardo de descubrimiento es el tiempo requerido por la BS y el UE para completar su
barrido de haz para determinar las mejores direcciones de BS y UE para dirigir los haces.
Según las simulaciones realizadas en [17], el algoritmo de búsqueda exhaustiva tiene una buena cobertura y un
mayor retraso en el descubrimiento. Dado que tiene que completar un escaneo de fuerza bruta en todas las
direcciones, es susceptible a un mayor retraso en el descubrimiento. Sin embargo, las simulaciones han demostrado
que es adecuado para detectar usuarios de borde a pesar del gran retraso en el descubrimiento.
La búsqueda iterativa es una metodología de barrido de haz de dos etapas en la que utiliza dos tipos de
haces BS para el barrido del haz en el área de cobertura de la BS. Estos dos tipos de haces tienen dos
anchos de haz diferentes identi fi cados como haces anchos BS (WB) y haces estrechos BS (NB).
22
Existen nortewb vigas anchas y nortenótese bien haces estrechos por cada haz ancho. Por lo tanto, BS
tiene un total de nortewb ×nortenótese bien direcciones de haz estrechas para cubrir el área de servicio BS.
En la primera etapa del escaneo, BS usa solo haces anchos para el escaneo, y
realiza una búsqueda exhaustiva del haz (como se explicó anteriormente en la sección anterior) con
que nortewb vigas anchas. Similar a lo anterior en este escaneo también, para que coincida connorteUE Haz UE
direcciones, BS enviar norteUE señales de sincronización en ranuras DL consecutivas por cada dirección de
haz ancho BS que escanea. Después de escanear toda el área de cobertura con haces anchos,
según la misma técnica utilizada en el método exhaustivo, UE puede identificar su mejor dirección de haz
de UE para alcanzar la BS. Además, la BS puede identificar la mejor dirección de haz ancho (digamos
Dwb)
∗ para llegar a UE en base a los comentarios de UE.
En la segunda etapa del escaneo, BS refina la búsqueda solo hasta el mejor identi fi cado
Dirección del haz ancho BS (D∗ wmi
B). Ahora BS transmite señales de sincronización a través de su mejor dirección de haz ancho BS. Por lo tanto, el BS ahora solo
El algoritmo de búsqueda híbrido es similar al algoritmo de búsqueda iterativa con algunas mejoras
para reducir el retraso del descubrimiento. En el algoritmo de búsqueda híbrido también hay dos
etapas de exploración. La primera etapa de la exploración es casi igual a la primera etapa de la
búsqueda iterativa. Por lo tanto, después de la primera etapa de la búsqueda híbrida, BS conoce la
mejor dirección de haz ancho para comunicarse con UE y UE ha identificado su mejor dirección de
haz para comunicarse con BS.
23
En la segunda etapa del algoritmo de búsqueda híbrida, BS no transmite como antes, sino que solo
recibe. Por lo tanto, la BS ahora está configurada para recibir con haces estrechos solo dentro de la mejor
dirección de haz ancho identificada en la primera etapa. Ahora el UE transmite repetidamente señales
formando haces en la mejor dirección de haz del UE identificada en la primera
etapa. UE transmitiránortenótese bien número de señales en esa dirección, y la BS recibe
secuencialmente con haces estrechos refinados. Por lo tanto, al final de la segunda etapa, BS
evalúa la SNR de los haces estrechos recibidos y selecciona la dirección del haz estrecho BS con
la SNR recibida más alta. Además, si esa SNR está por encima del valor umbral de SNR, BS
identificará esa dirección como la mejor dirección de haz estrecho para comunicarse con el UE.
En [19], los autores han realizado simulaciones para comparar el algoritmo de búsqueda híbrido
junto con algoritmos exhaustivos e iterativos. Según los resultados, el algoritmo híbrido ha
funcionado mejor que el algoritmo iterativo en términos de retraso en el descubrimiento. Se debe
principalmente a la mejora realizada en el algoritmo iterativo en el desarrollo del algoritmo híbrido.
Aunque ha mejorado en el retardo de descubrimiento, tiene el mismo rendimiento que la búsqueda
iterativa en términos de probabilidad de detección errónea. Además, han demostrado que reducir la
potencia de transmisión del UE no tendría mucho efecto sobre la probabilidad de detección errónea,
ya que está muy dominada por la primera etapa.
3 ALGORITMO PROPUESTO
• Las señales de mmWave presentan una atenuación severa debido a la alta frecuencia. Por tanto, hay una mayor
pérdida de trayecto en comparación con las bandas de frecuencia de menos de 6 GHz [4].
• Las señales mmWave son muy di ff ratas y penetran mucho en los obstáculos circundantes debido
a su longitud de onda corta. Por tanto, muy sensible al bloqueo [5].
Por lo tanto, para superar la gran pérdida de trayectoria y atender los puntos calientes de alto tráfico, se
proponen celdas pequeñas para la comunicación mmWave. Por lo tanto, la mayoría de estas celdas pequeñas de
ondas milimétricas estarán en las áreas urbanas [21]. Dado que estos se encuentran en áreas urbanas, una gran
cantidad de obstáculos como edificios, vehículos y muebles estarán dentro del área de cobertura de estas
pequeñas celdas. Esto obstruirá gravemente la comunicación de línea de visión (LOS) de mmWave entre la BS y
el UE.
La mayoría de estas pequeñas celdas están dirigidas a entornos de oficina y lugares públicos donde se reúne una gran
cantidad de usuarios. En consecuencia, los usuarios se encuentran dispersos alrededor de la BS como grupos y, debido a eso,
algunas direcciones pueden tener una alta densidad de usuarios, mientras que algunas direcciones pueden tener una densidad
de usuarios menor o nula. Por lo tanto, es bastante obvio que los usuarios atendidos por una BS de celda pequeña pueden no
estar distribuidos uniformemente alrededor de la BS.
Por lo tanto, el procedimiento de búsqueda de celdas para este tipo de escenario requiere cierta
inteligencia en la BS. Al proporcionar conocimiento sobre la distribución de usuarios, BS solo puede dirigir
sus haces a través de un área poblada conocida para los UE en lugar de perder tiempo y energía
transmitiendo hacia un obstáculo o direcciones menos pobladas. Sin embargo, las BS actuales no están
decidiendo dinámicamente qué áreas cubrir o no en función de la distribución de los usuarios. Sin
embargo, es muy beneficioso para BS proporcionar alguna actualización dinámica sobre la distribución de
UE a su alrededor.
En consecuencia, se presenta un nuevo algoritmo de asignación de SSB y dirección de barrido de
haz basado en peso dinámico para optimizar la búsqueda de celda en el procedimiento de acceso
inicial. El orden de las direcciones de barrido del haz y el número de BLU asignados para cada
dirección de barrido del haz depende del aprendizaje previo sobre la distribución del usuario. Este
aprendizaje previo se basa en el número de UE detectados por SSB para cada dirección de barrido.
Por tanto, al proporcionar algo de aprendizaje sobre la distribución de UE alrededor de la BS,
disminuirá el retraso en la detección de UE durante el procedimiento de búsqueda de celda y
aumentará el número de UE encontrados durante la exploración del haz. Por lo tanto,
implementando un algoritmo de acceso inicial inteligente en la BS, podemos superar dichos
inconvenientes de la comunicación mmWave y aumentar la eficiencia de la mmWave BS.
25
El diagrama de flujo del algoritmo de acceso inicial propuesto se muestra en la Figura 3.1. Este algoritmo
se puede dividir principalmente en dos partes como el algoritmo del lado BS (lado izquierdo) que se
ejecuta en el algoritmo del lado BS de servicio y del lado UE (lado derecho) que se ejecuta en cada uno de
los UE que intentan realizar el acceso inicial en esta red. Ambos algoritmos ocurren en paralelo en el
tiempo, pero pueden comenzar en dos instancias de tiempo diferentes basándose en el momento en que
UE comienza su procedimiento de acceso inicial. Además, las flechas discontinuas representan las
acciones con las que interactúan BS y UE. Los procedimientos de estos dos algoritmos se describen por
separado a continuación en el algoritmo 1 para BS y el algoritmo 2 para UE.
Algoritmo 1 Algoritmo BS
1: BS transmite SSB utilizando haces anchos
2: BS transmite BLU utilizando haces estrechos
3: BS recibe mensajes de retroalimentación de UE
4: BS calcula el número detectado de UE para cada dirección del haz (norteUE, yo, ∀I)
5: BS calcula los UE detectados en kel ciclo de barridonorteUE, total, k) y relación de detección ρk por
k ≥ 2: Si ρk ≤ ρth luego pasar al paso 1 demás pasar al siguiente paso
6: BS calcula el vector de peso normalizado (w)
?SB)
7: BS calcula los SSB optimizados por vector de dirección (norteS
8: Repita el paso 2 en adelante con un nuevo orden de barrido de haces y una asignación SSB óptima
?SB
norteS
Algoritmo 2 Algoritmo UE
1: UE recibe SSB utilizando haces anchos
2: UE identifica la mejor dirección de haz de UE (DUE)
Si DUE encontró luego pasar al siguiente paso demás pasar al paso 1
3: UE comienza a recibir en DUE dirección
4: UE determina la mejor dirección del haz estrecho BS (DBS) Si SNRD BS
≥ SNR luego
th
pasar al siguiente paso demás sigue buscando
5: UE retroalimenta el DBS a BS
6: UE es detectado. Proceda a RA
Dado que el diagrama de flujo y los algoritmos contienen los mismos pasos, solo se explican
los pasos de los algoritmos BS y UE. Dado que estos dos algoritmos se implementan al mismo
tiempo, se describen juntos de acuerdo con el orden secuencial en que ocurren.
Hay dos tipos de patrones de haz utilizados en BS, que son haces anchos BS con baja potencia de
formación de haz (como se muestra en la Figura 2.4 (a)) y haces estrechos de BS con mayor potencia de
formación de haces (como se muestra en la Figura 2.4 (c)). Denotemos el número total de ancho
direcciones de barrido del haz en BS como DBS, wb y el número total de direcciones de barrido de haz
estrecho en BS como DBS, nb. Además, el número total de direcciones de barrido del haz en UE como DUE y el
número total de SSB en una sola trama de radio (es decir, tamaño del conjunto de ráfagas SS) como
norteSSB, total.
26
BS UE
Haz ancho
barriendo Transmite SSB Haz ancho
barriendo
Repetir
Reiniciar con BS NB
Identifica mejor
Haz UE
direcciónDUE) Si extraviado
Viga estrecha
barriendo Transmite SSB Recibe
con DUE
Determina mejor
Repetir
Haz estrecho BS
con
?SB direcciónDBS)
norteS
Informes
DBS a BS
Recibe UE Realimentación
transmisiones
Detectado
Calcula
norteUE, yo, ∀I (para todas
las direcciones NB)
Calcula
Si ρk ≤ ρth por k ≥ 2 norteUE, total, k y ρk
Calcula el
normalizar el peso
vectorw)
Calcula
el optimizado
SSB por
direcciónnorteS?SB)
Como primer paso del algoritmo de acceso inicial de la BS, la BS comienza a realizar un barrido de haz con sus
haces anchos. BS transmite la mitad de sus SSB totales disponibles en una sola trama de radio (es decir,1
2 ×
norteSSB, total) durante este barrido del haz. Los SSB consecutivos en una trama de radio se transmiten en
direcciones de barrido de haz consecutivas, y este proceso se repite hasta que1 ×norte 2 SSB, total
es transmitida. Por lo tanto, para una dirección dadaI, existen
haz formado para DUE. UE selecciona los valores de SNR recibidos más altos indica como SNRD . B metro
Entonces, la dirección del valor de SNR más alto recibido se identifica como la mejor baliza estrecha de BS.S
dirección DBS, Si SNR DBS satisface la desigualdad
SNRD BS
≥ SNRth, (3)
dónde SNRth es el valor umbral de SNR predefinido requerido para establecer un enlace de
comunicación confiable entre BS y UE. Si no se satisface la desigualdad (3), entonces este enlace
no tiene las condiciones suficientes para una comunicación confiable. Por lo tanto, el UE sigue
buscando una dirección de haz estrecha de BS u otra BS posible que pueda satisfacer esta condición.
Como paso 3 del algoritmo BS, una vez que se completa el barrido del haz estrecho de la BS, el barrido
del haz BS se desplaza a cada dirección del haz estrecho para recibir los mensajes de UE. Por tanto, la BS
comienza a recibir los mensajes de retroalimentación del UE. En este momento, si hay UE que fueron
capaz de determinar el DBS, transmite la dirección identificada a la BS como se muestra en el paso 5
del algoritmo UE.
Después de este paso, UE conoce su mejor haz y BS conoce su mejor haz estrecho para
comunicarse entre sí. Por lo tanto, el UE se considera un UE detectado para esa BS. Por tanto, el
algoritmo de acceso inicial del lado UE se detiene aquí, y el UE procede a los procedimientos de
acceso aleatorio.
Una vez que la BS recibió estos mensajes de retroalimentación de UE, como se muestra en el paso del algoritmo de BS
4, BS calcula el número de UE detectados para cada dirección de barrido de haz estrecho norte UE, yo
Procedimientos de optimización
Los siguientes pasos del algoritmo BS están relacionados con los procedimientos que realiza la BS
cuando la BS decide avanzar a los procedimientos de optimización. La idea básica detrás del
procedimiento de optimización introducido es transmitir bloques de señales de sincronización (SSB)
de acuerdo con un número esperado de usuarios en esa dirección de barrido del haz. Se supone que
cuando se transmite un mayor número de señales de sincronización en una dirección específica, se
podría detectar un mayor número de usuarios. Debido al mayor número de SSB transmitidos, el UE
dentro de esa área tiene una mayor probabilidad de recibir y decodificar esos
29
SSB. Por tanto, se podría detectar un mayor número de UE desde esa dirección. Además, hay
situaciones en las que no hay usuarios en una dirección determinada que puede deberse a un
bloqueo o distribución geográfica de los usuarios. En consecuencia, transmitir SSB repetidamente
para esa dirección es un desperdicio de recursos. Por lo tanto, la solución óptima es transmitir un
solo SSB para esa dirección durante una sola trama de radio.
Un problema subyacente a la hora de decidir el número de SSB necesarios para una dirección determinada es
la base que seleccionamos para decidirlo. En el algoritmo propuesto, el número de usuarios detectados por SSB
se utiliza como base para decidirlo. En el paso 6 del algoritmo BS, BS calcula el
vector de peso w ∈
R+ DBS, nb con elementos
dónde norteSSB, yo es el número de SSB transmitidos al Iª dirección de barrido del haz estrecho.
Luego, la BS calcula el vector de pesos normalizados w R + ∈ D BS, nb como
w=w (7)
‖w‖.1
El vector de peso normalizado definido anteriormente nos proporciona información sobre la distribución
actual de usuarios detectados entre las direcciones de transmisión de besugo estrechas. Podemos usarlo
para predecir la cantidad de usuarios que se descubrirán en el próximo ciclo de barrido del haz.
Número de SSB transmitidos por vector de dirección norteSSB, es un vector de tamaño 1 ×D BS, nb
definido como
w× norte
SSB. T (8)
Luego, como paso 7 del algoritmo BS, BS calcula el número optimizado de SSB necesarios
para transmitir hacia cada dirección de barrido de haz estrecho en el siguiente barrido de haz.
?SB (la solución óptima de
ciclo. El número optimizado de SSB por direcciónnorteS
la norteSSB), para el próximo problema del ciclo se calcula resolviendo la siguiente optimización
de barrido:
maximizar w× norteTSSB
D∑
BS, nb
norteSSB, yo ∈ Z +, ∀I (9b)
donde la variable de optimización es norteSSB ∈ Z +DBS, nb. El problema de optimización de enteros anterior está
formulado de manera que el número de usuarios que descubrirán en el siguiente barrido de haz es
maximizado sujeto a las restricciones dadas a continuación.
• El número total de BLU que se pueden asignar dentro de una sola trama de radio no debe
exceder el número total permitido de SSB en una sola trama de radio (norteSSB, total).
Presentado en la ecuación (9a).
30
• El número de SSB transmitidos por dirección debe ser un número entero positivo. Por tanto, se
asigna al menos un SSB a cada dirección. Presentado en la ecuación (9b).
Como último paso, el vector optimizado calculado utilizando el problema de optimización de enteros
anterior se utiliza para asignar el número de SSB transmitidos por cada dirección de barrido de haz
estrecho en el siguiente ciclo de barrido de haz. Luego, el barrido de haz estrecho se realiza nuevamente
utilizando el número total de SSB disponibles en una sola trama de radio (norteSSB, total). El orden de
barrido no es secuencial esta vez, y está organizado de tal manera que el mayor número de
La dirección asignada a los SSB se barre primero y así sucesivamente. Además, consecutiva¿norte? SStBh,I número
de SSB se asignan para el Iª dirección de barrido del haz. Cuando comparado es para el
ciclo de barrido de haz estrecho anterior, el anterior se llevó a cabo de manera rotatoria. Con esto
concluye el algoritmo de asignación de SSB y dirección de barrido del haz optimizado basado en el
peso dinámico propuesto descrito anteriormente.
31
4. RESULTADOS Y DISCUSIÓN
Simulamos la técnica de acceso inicial optimizada propuesta para evaluar su desempeño en diferentes
aspectos. Para hacerlo, simulamos un escenario de una celda pequeña urbana con una única BS 5G y una
implementación de usuario estática en la que no hay usuarios en movimiento durante el período de
tiempo de simulación. Por lo tanto, no se requiere la gestión de traspaso de UE o el seguimiento de UE. Se
considera el canal mmWave a 28 GHz y los parámetros del sistema utilizados para las simulaciones se
muestran en la Tabla 4.1.
Descripción Valor
Frecuencia de carga 28 GHz
Canal de Banda ancha 1 GHz
Potencia BS Tx 30 dBm
Energía UE Tx 27 dBm
Figura de ruido (NF) 6 dB
Densidad de ruido térmico (norte0) - 174 dBm / Hz
Modelo de propagación NLOS
Exponente de pérdida de ruta (γ) 2
Usamos la numerología 5G NR 3, con un espaciado de subportadoras de 120 kHz como estructura de trama
de radio para las simulaciones. Para frecuencias superiores a 6 GHz, se ha diseñado un espaciado de
subportadoras de 120 kHz o superior y, por lo tanto, seleccionamos un espaciado de subportadoras de 120 kHz
para las simulaciones. Por lo tanto, con esta estructura de trama se podría configurar un máximo de 64 BLU
para una sola trama de radio. La distribución de usuarios y otros parámetros de simulación relacionados con las
simulaciones se tabulan en la Tabla 4.2.
Descripción Valor
Espaciado de subportadora 120 kHz
Número de SSB para tramas de radio 64
Número de usuarios Distancia UE 40
simulada desde BS 10 - 150 m
Distribución UE Uniforme [0-360◦]
Orientación inicial de la antena UE Aleatorio [0-360◦]
Velocidad UE 0 m / s (estacionario)
32
Se considera una celda pequeña 5G de un radio de 150 my se simulan 40 usuarios por BS. Los usuarios
se distribuyen uniformemente alrededor de la BS con diferentes radios entre 10 my 150 m. Se supone que
estos UE tienen un rango de orientación de antena aleatorio de 0 a360◦ Con Respeto
a la dirección de referencia (norte). Umbral de SNR ideal (SNRth) para la detección del usuario se considera
como - 5 dB pero variado para las diferentes simulaciones obtenidas.
Los parámetros de simulación específicos de la antena BS y UE se muestran en la Tabla 4.3 a continuación.
Descripción Valor
Configuración de la antena BS Espacio 8x8 UPA
entre los elementos Número de λ /2
paneles de antena BS Direcciones del 4
panel de la antena BS Configuración [45◦, 135◦, 225◦, 315◦]
de la antena de la UE 2x2 UPA
Ángulo de elevación del conjunto de antenas BS y UE 0◦
Formación de haz BS y UE Cosa análoga
En la matriz de planificador uniforme (UPA) del lado BS 8x8 con λ /2 Se considera el espaciado de
los elementos de la antena. El mismo tipo de 4 paneles de UPA se montan en la BS hacia las cuatro
direcciones mencionadas en la Tabla 4.3 anterior para simular un patrón de haz igual. En el UE se
considera un panel UPA 2x2 para las simulaciones iniciales. Tanto los ángulos de elevación de la
antena BS como el UE se consideran cero para simular el patrón de haz 2D. La formación de haz
analógico se utiliza en los conjuntos de antenas BS y UE. Para las simulaciones dadas, cuatro haces
anchos con un ancho de haz de media potencia de alrededor90◦ se simulan en la UE. En la BS, cuatro
haces anchos iguales a los haces anchos de UE, y 16 haces estrechos con un ancho de haz de media
potencia de alrededor22,5◦ son simulados.
4.2 Resultados
La probabilidad de detección errónea se define como la probabilidad de que un UE dentro de una celda no sea
detectado debido a que la SNR percibida en el UE está por debajo de un nivel de umbral de SNR dado.
(SNRth). Este es un indicador de rendimiento crucial para medir la corrección de un procedimiento de
acceso inicial. Por lo tanto, la probabilidad de detección errónea del acceso inicial propuesto
El algoritmo se traza con la distancia del UE desde la BS de servicio. Para hacerlo, en un determinado
rango de usuario r1 y r2 (> r1), Los UE se distribuyen uniformemente dentro de un anillo que tiene un
radio exterior de r2 de la BS y un radio interior de r1 de la BS. La distancia media de los
radios interior y exterior se considera como la distancia del UE a BS cuando
trazando el resultado.
33
0
10
-1
10
-2
10
-3
10
-4
10
-5
10
0 10 20 30 40 50 60 70 80 90100110120130140150
Los resultados de la Figura 4.1 muestran que todas las técnicas de acceso inicial comparadas la
probabilidad de detección errónea aumenta a medida que aumenta la distancia BS al UE. Sin embargo, la
técnica propuesta muestra alguna mejora en comparación con las otras dos técnicas, especialmente en
las distancias BS-UE más altas. Esto se debe principalmente al uso del conocimiento de la ubicación
histórica del usuario para identificar a los usuarios en un rango de cobertura dado. Por lo tanto, esa
ganancia de PMD es la ventaja que se logra mediante el barrido de haz optimizado introducido en este
novedoso algoritmo.
Vale la pena señalar que a distancias más bajas, el algoritmo propuesto muestra un rendimiento un
poco peor en comparación con el algoritmo exhaustivo. El punto de cruce de estos dos gráficos PMD
cambia con el valor umbral de SNR que se utiliza para detectar usuarios. Este peor rendimiento podría
deberse al uso de haces anchos para el barrido del haz en la primera etapa del algoritmo. Se pudo ver
fácilmente que a distancias más bajas, el algoritmo optimizado recientemente propuesto y el algoritmo
iterativo muestran el mismo tipo de comportamiento. Dado que ambos algoritmos utilizaron haces
anchos en el primer escaneo, existe una mayor probabilidad de que algunos usuarios en el rango no sean
detectados debido a la ganancia de formación de haces más baja utilizada.
34
en esas vigas anchas. Por lo tanto, a estas distancias, la búsqueda exhaustiva funciona bien en
comparación con los otros dos algoritmos. Además, casi todo el tiempo la búsqueda iterativa
muestra un rendimiento inferior en comparación con los otros dos algoritmos.
100
10-1
10-2
10-3
10-4
0 10 20 30 40 50 60 70 80 90100110120130140150
100
95
90
85
Probabilidad de detección (%)
80
75
70
sesenta y cinco
60
55
50
45
40
0 10 20 30 40 50 60 70 80 90100110120130140150
100
90
80
Probabilidad de detección (%)
70
60
50
40
30
20
10
0
0 10 20 30 40 50 60 70 80 90100110120130140150
rendimiento un poco más bajo en comparación con el método exhaustivo a distancias más bajas, la
capacidad optimizada de barrido del haz del algoritmo propuesto lo ha superado y mejora la
detectabilidad a distancias más altas.
La probabilidad de detección de los tres algoritmos en el umbral SNR de 0 dB se
presenta en la Figura 4.4. La mayor capacidad de detección del algoritmo propuesto aún es
visible a partir de ese resultado. Además, muestra la fuerte capacidad de detección del
algoritmo optimizado a distancias más altas, aunque otros dos algoritmos se deterioran
rápidamente a distancias BS-UE más altas.
El número máximo de usuarios detectados durante un barrido de haz y el porcentaje de
veces que sucedió cuando se simuló durante 10,000 iteraciones se trazan para los tres
algoritmos. Histogramas del número máximo de usuarios detectados durante el ciclo de barrido
para optimizado, exhaustivo e iterativo Las técnicas se muestran en la Figura 4.5 a continuación.
35
Optimizado
Exhaustivo
30 Iterativo
Numero de incidentes (%)
25
20
15
10
0
25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Figura 4.5. Histogramas del número máximo de usuarios detectados cuando SNR umbral de -5
dB.
algoritmo y el algoritmo de búsqueda iterativa. Debido al umbral de SNR más alto, ambos algoritmos son
incapaces de detectar a todos los usuarios simulados. Sin embargo, aún así, el algoritmo optimizado es
capaz de mostrar una mayor capacidad de detección, lo que demuestra su superioridad en la detección de
usuarios sobre los otros dos algoritmos heredados.
15
14 Optimizado
Exhaustivo
Iterativo
12
Numero de incidentes (%)
10
0
10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
Figura 4.6. Histogramas del número máximo de usuarios detectados cuando el umbral de SNR es de 0 dB.
98
96
94
92
90
88
86
84
82
1 2 3 4 5 6
Figura 4.7. Porcentaje de detección de usuarios promedio en cada ciclo de barrido cuando el umbral SNR
de -5 dB.
38
36
34
32
30
28
26
24
1 2 3 4 5 6
Figura 4.8. Porcentaje de detección de usuario promedio en cada uno ciclo de barrido cuando el umbral SNR
de 5 dB.
39
recursos asignados para cada dirección independientemente de la densidad de usuarios. Aunque, por
otro lado, el barrido optimizado con la asignación de un número optimizado de SSB en función del
número esperado de usuarios o simplemente la densidad de usuarios se beneficiaría al detectar más
usuarios. Por lo tanto, debido al barrido optimizado propuesto en este nuevo algoritmo, es capaz de
detectar más usuarios, especialmente en valores de SNR más bajos o en distancias más altas.
Uno de los principales desafíos del acceso inicial en mmWave es identificar el par de haces
correcto Tx y Rx para la comunicación. Debido a las diversas razones, es posible que el par de
haces Tx y Rx alineados geográficamente no sea el mejor par de haces Tx y Rx para
comunicarse entre sí. Por tanto, se incurre en algún error al identificar el par de haces correcto.
Evalúa estos pares de haces detectados erróneamente Se llevan a cabo varias simulaciones y el
porcentaje detectado erróneamente se grafica contra la distancia BS y UE para las tres técnicas
de acceso inicial. Porcentaje detectado erróneamente con distancia BS –UE a
El umbral SNR de -5 dB para se técnicas de acceso inicial optimizadas, exhaustivas e iterativas
muestra en la Figura 4.9.
14
12
Porcentaje detectado erróneamente (%)
10
2
0 10 20 30 40 50 60 70 80 90100110120130140150
A partir del gráfico de detección erróneo anterior en la Figura 4.9, se pudo ver que el algoritmo
optimizado propuesto tiene la detección errónea más baja en comparación con las técnicas
exhaustivas e iterativas. Casi todo el tiempo tiene un bajo porcentaje de detección errónea de
alrededor de 3-4% y en distancias de borde de celda tiene un valor un poco más alto de 4%. El
algoritmo exhaustivo tiene alrededor del 6% de porcentaje de detección errónea mientras
40
El algoritmo iterativo tiene un porcentaje de detección de errores mucho mayor de alrededor del
12%. Vale la pena señalar que el porcentaje de detección errónea no depende en gran medida de
la BS - UE distancia, pero depende en gran medida del algoritmo de acceso inicial.
14
12
Porcentaje detectado erróneamente (%)
10
2
0 10 20 30 40 50 60 70 80 90100110120130140150
5 RESUMEN
5.1 Conclusión
concluyen que el algoritmo propuesto tiene un mejor rendimiento junto con una mayor eficiencia en el
uso de recursos.
En el futuro, esta investigación podría extenderse al escenario de múltiples BS donde hay múltiples BS
dentro del área para servir a los usuarios. En ese caso, se convertirá en un problema de acceso inicial
coordinado en el que cada una de las BS circundantes participará en la decisión de la asignación de SSB
óptima para las direcciones. Por lo tanto, este algoritmo necesita modificaciones para abordar la BS
óptima seleccionando entre las posibles estaciones base de servicio.
El entorno de usuario estático actualmente simulado podría volver a simularse para que los usuarios en movimiento
verifiquen la adaptabilidad del mismo algoritmo para el escenario de usuarios en movimiento. En esas condiciones, es
posible que tengamos que introducir algunas modificaciones en el algoritmo existente para predecir la distribución del
usuario del próximo ciclo de barrido. Por último, podemos ampliar esta investigación para los usuarios en movimiento
en un escenario de múltiples BS donde pueden ser necesarias varias modificaciones para el algoritmo.
43
6 REFERENCIAS
[1] 3GPP (2018) Versión 15 de modulación y canales físicos. Especificación técnica (TS) 38.211
v15.4.0, Proyecto de asociación de tercera generación (3GPP).
[2] 3GPP (2018) Procedimientos de capa física para la versión de control 15. Especificación
técnica (TS) 38.213 v15.5.0, Proyecto de asociación de tercera generación (3GPP).
[3] Wei L., Hu RQ, Qian Y. y Wu G. (2014) Elementos clave para permitir comunicaciones de ondas
milimétricas para sistemas inalámbricos 5G. Comunicaciones inalámbricas IEEE 21, págs. 136–
143.
[4] Rangan S., Rappaport TS y Erkip E. (2014) Redes inalámbricas celulares de ondas
milimétricas: potenciales y desafíos. preimpresión de arXiv arXiv: 1401.2560.
[5] Rappaport TS, Xing Y., MacCartney GR, Molisch AF, Mellios E. y Zhang
J. (2017) Descripción general de las comunicaciones de ondas milimétricas para redes inalámbricas
de quinta generación (5G), con especial atención a los modelos de propagación. Transacciones IEEE
sobre antenas y propagación 65, págs. 6213–6230.
[6] Wang M., Li Y., Zou H., Peng M. y Yang G. (2018) Antena MIMO compacta para dispositivos
portátiles 5G que utilizan estructuras de líneas de neutralización simples. En: 2018 IEEE
International Symposium on Antennas and Propagation & USNC / URSI National Radio
Science Meeting, IEEE, págs. 37–38.
[7] Serie M. (2015) Visión: marco de las IMT y objetivos generales del desarrollo futuro de
las IMT para 2020 y años posteriores. Recomendación UIT M.2083-0.
[8] Zaidi AA, Baldemair R., Andersson M., Faxér S., Molés-Cases V. y Wang Z. (2017)
Diseñando para el futuro: la capa física 5G NR. Revisión de la tecnología de Ericsson.
[9] ETSI (2018) 5G; NR; Transmisión y recepción de radio por equipos de usuario (UE); Parte 1:
Rango 1 Independiente. Especificación técnica (TS) 138 101-1 V15.3.0, Instituto Europeo de
Normas de Telecomunicaciones (ETSI).
[10] Wang X., Kong L., Kong F., Qiu F., Xia M., Arnon S. y Chen G. (2018) Comunicación por ondas
milimétricas: una encuesta completa. Encuestas y tutoriales de comunicaciones de IEEE
20, págs. 1616–1653.
[11] Dahlman, Erik y Parkvall, Stefan y Skold, Johan y Beming, Per (2010) Evolución de 3G:
HSPA y LTE para banda ancha móvil. Prensa académica.
[12] ETSI (2018) 5G; NR; Descripción general; Etapa-2. Especificación técnica (TS)
138.300 v 15.3.1, Instituto Europeo de Normas de Telecomunicaciones (ETSI).
[13] Dahlman, Erik y Parkvall, Stefan y Skold, Johan (2018) 5G NR: la tecnología de acceso
inalámbrico de próxima generación. Prensa académica.
[14] Abbas WB y Zorzi M. (2016) Búsqueda de celda inicial basada en información de contexto
para redes celulares 5G de ondas milimétricas. En: Conferencia europea de redes y
comunicaciones de 2016 (EuCNC), págs. 111-116.
44
[15] Giordani M., Polese M., Roy A., Castor D. y Zorzi M. (2019) Gestión de haces autónoma
y no autónoma para 3GPP NR en mmWaves. Revista de comunicaciones IEEE 57, págs.
123–129.
[16] Giordani M., Mezzavilla M. y Zorzi M. (2016) Acceso inicial en redes celulares 5G
mmWave. Revista de comunicaciones IEEE 54, págs. 40–47.
[17] Giordani M., Mezzavilla M., Barati CN, Rangan S. & Zorzi M. (2016) Análisis comparativo
de técnicas de acceso inicial en redes celulares 5G mmWave. En: Conferencia anual de
2016 sobre ciencia y sistemas de la información (CISS), IEEE, págs. 268–273.
[18] Wei L., Li QC y Wu G. (2018) Técnicas de acceso inicial para 5G NR: diseños Omni /
Beam SYNC y RACH. En: 2018 International Conference on Computing, Networking
and Communications, ICNC 2018, IEEE, págs. 249–253.
[19] Wei L., Li Q. y Wu G. (2017) Técnicas de acceso inicial exhaustivas, iterativas e híbridas
en comunicaciones mmWave. En: 2017 IEEE Wireless Communications and
Networking Conference (WCNC), IEEE, págs. 1–6.
[20] Parada R. y Zorzi M. (2017) Descubrimiento de células basado en la ubicación histórica del
usuario en mmWave 5G. En: European Wireless 2017; 23ª Conferencia inalámbrica europea,
VDE, págs. 1–6.
[21] Maltsev A., Bolotin I., Pudeyev A., Morozov G. y Davydov A. (2015) Evaluación del
rendimiento de la célula pequeña aislada de mmWave. En: 26º Simposio Internacional
Anual de IEEE 2015 sobre Comunicaciones de Radio Personales, Interiores y Móviles
(PIMRC), págs. 2354–2358.