Research and test of 5G V2X radio communications to support the autonomous driving

Abstract

The current fifth generation (5G) is still being object of analyses and investigation. The 5G brought major changes in the mobile networking, like the speed of data transfer, network coverage, between others. The 5G allows ultra-low latency and very high reliability, which comes to support new applications, namely in the area of vehicular communications. Initially, only some basic services like the traffic efficiency and safety, using the device-to-device (D2D) communication were introduced. The PC5 and Uu interfaces were also introduced, for enhanced and advanced driving assistance system, like the platooning, in which the effected cars could drive together by using the communication between them and some extended sensors, using the Long Term Evolution (LTE) technology. At this point, the D2D evolved to the vehicle-to-everything (V2X) technology. Currently, the 5G New Radio (NR) V2X give us an upgrade in terms of physical layer, numerology, and waveform. One of the main problems in these systems is the real-time processing, which should be quite efficient in order to respond within the necessary time. Some of this processing is related to searching the Physical Sidelink Control Channel (PSCCH). Therefore, the main goal of this dissertation is to design an effective PSCCH searching algorithm for 5G NR V2X sidelink communications. First, we started by understanding the PSCCH conventional blinded decoding algorithm, where we realized that this algorithm is quite inefficient to searching the PSCCH, since all the processing should be done several times before successful decoding it. In the proposed algorithm, we firstly compute all the correlations between the received signal and the Demodulation Reference Signal (DMRS), while the remaining conventional processing to decode the PSCCH is only performed over the subchannels with higher correlation, which leads to a strong complexity reduction. The implemented algorithm is evaluated and compared with the conventional blind algorithm. The results have shown a significant performance improvement in terms of runtime.

A geração atual, quinta geração (5G) ainda está a ser sujeita a análise e investigação. O 5G trouxe grandes mudanças na rede móvel, como na velocidade de transferência de dados, na cobertura de rede, entre outros. O 5G permite latência ultrabaixa e confiabilidade muito alta que vem suportar novas aplicações, nomeadamente na área das comunicações veiculares. Inicialmente, apenas alguns serviços básicos como o tráfego eficiente e seguro foram introduzidos usando a comunicação device to device(D2D). As interfaces PC5 e Uu foram também introduzidas para sistemas de assistência de direção mais aprimorados e avançados, como o platooning, em que os carros afetados poderiam conduzir em conjunto ao usar a comunicação entre eles e alguns sensores, usando a tecnologia Long Term Evolution LTE. A este ponto, D2D está envolvida com a tecnologia veículo para tudo (V2X). Atualmente, o 5G New Radio (NR) V2X fornece-nos um upgrade em termos de camada física, numerologia e forma de onda. Um dos principais problemas nestes sistemas é o processamento em tempo real, o que deveria ser bastante eficiente para que responda dentro do tempo necessário. Algum deste processamento está relacionado ao estudo do Physical Sidelink Control Channel (PSCCH). Portanto, o objetivo principal desta dissertação é projetar um algoritmo de procura eficiente PSCCH eficiente para as comunicações 5G NR V2X sidelink. Primeiro, começamos por perceber o algoritmo de descodificação convencional PSCCH, onde concluímos que é bastante ineficiente para pesquisar o PSCCH, visto que, todo o processamento devia de ser realizado diversas vezes antes de o descodificar com sucesso. No algoritmo proposto, primeiro foram calculadas todas as correlações entre o sinal recebido e o Demodulation Reference Signal (DMRS), enquanto o restante processamento convencional para descodificar o PSCCH apenas é realizado sobre os subcanais com maior correlação, o que leva a uma redução de complexidade mais forte. O algoritmo implementado é avaliado e comparado com o algoritmo convencional cego. Os resultados mostraram uma melhoria na atuação significativa in termos de tempo de execução.