下载文档原格式
1. 参数RSRP 、RSSI 、RSRQ 、RS-CINR在介绍LTE 一系列的相关文档中，出现了几个比较容易混淆的参数RSRP 、RSSI 、RSRQ 、RS-CINR ，这些参数关系到边缘场强、信噪比等指标，考虑到方案设计时这些指标的重要性，下面详细介绍这几个参数的意义。
2.RSRP （Reference Signal Receiving Power ）的介绍在3GPP 的协议中，参考信号接收功率(RSRP)，定义为在考虑测量频带上，承载小区专属参考信号的资源粒子（RE ）的功率贡献（以W 为单位）的线性平均值。
通俗的理解，可以认为RSRP 的功率值就是代表了每个子载波的功率值。
3. RSSI( Received Signal Strength Indicator)的介绍在3GPP 的协议中，接收信号强度指示（RSSI ）定义为：接收宽带功率，包括在接收机脉冲成形滤波器定义的带宽内的热噪声和接收机产生的噪声。
测量的参考点为UE 的天线端口。
即RSSI （Received Signal Strength Indicator ）是在这个接收到Symbol 内的所有信号（包括导频信号和数据信号，邻区干扰信号，噪音信号等）功率的平均值。
虽然也是平均值，但是这里还包含了来自外部其他的干扰信号，因此通常测量的平均值要比带内真正有用信号的平均值要高。
4. RSRQ (Reference Signal Receiving Quality) 的介绍在3GPP中有该参数的介绍，参考信号接收质量(RSRQ) i定义为比值N×RSRP/(E-UTRA carrier RSSI)，其中N表示 E-UTRA carrier RSSI 测量带宽中的RB的数量。
分子和分母应该在相同的资源块上获得。
E-UTRA 载波接收信号场强指示（E-UTRA Carrier RSSI），由UE从所有源上观察到的总的接收功率（以W为单位）的线性平均，包括公共信道服务和非服务小区，邻仅信道干扰，热噪声等。
要求每个PRB使用相同的MCS(
Modulation and Coding Scheme,MCS)
MIESM的映射更准确。
等效算法为互信息有效信噪比映射的测量方案。
具体的实现步骤如下：
①计算宽带内所有相关块的SINR；
②将计算的每个相关块的SINR进行互信息有效信噪比映射，得到一个等效信噪比SNR_eff，MIESM的表图2 下行CRS映射(正常CP)
图3 下行CSI-RS映射(CSI配置0，正常CP)
的等效信噪比SNR_eff
时映射的CQI的值，图4是通过大量的链路SISO(单输入单输出，Single Input Single
，AWGN下SNR-BLER
图4 SISO AWGN下SNR-BLER曲线
④从第一个配置了CSI-RS的子帧开始测量，以后每间隔5个子帧，重复步骤(1)~(3)；
⑤当UE需要反馈时，将最近一次反馈之后测量的所有相关块的CQI值，根据多数原则上报给eNodB。
4 MATLAB仿真及验证
图6 间隔子帧数5和间隔子帧数0的CSI-RS测量
减少了测量次数，既降低了资源开销，又略微改善了系统吞吐量。
随着天线数目的增多，这种优势会越加明显。
通过仿真结果可以证明：利用CSI-RS测量信道状态信息在LTE-A系统中是必然趋势。
参考文献
1Hu M, Jin S, Gao X. A low-complexity adaptive transmission scheme based on the dual-codebook of 3GPP LTE-。
2020年第12期信f、通信2020(总第 216 期）INFORMATION&COMMUNICATIONS(Sum.No 216)基于RSRQ的LTE网络干扰分析算法探讨卿晓春,陈守益，许静,符利秀，吕巍(中国电信股份有限公司贵州分公司，贵州贵阳550000)摘要：针对现网LT E在C Q T过程中M R无下行信号与干扰加哚声比S IN R测量值而导致网络干扰分析难度大的问题，文章提出一种基于参考信号接收质量(Reference Singoal Received Quality，RSRQ)的LT E无线网络干扰分析算法。
该算 法利用RSRQ和SIN R的基本性质，构建两者的数学关系式，以达到利用M R数据分析LT E网络干扰的目的,提高了 LTE 无线网络优化工作效率。
结果表明，该算法在实际应用中存在一定偏差，经过矫正后与实测结果基本吻合，从而验证了 该算法在网络优化应用中的可行性。
关键词:呼叫盾量拨打测试;测量报告;信号与干扰加噪声比;参考信号接收质量;L T E网络干扰中图分类号:TN929.5 文献标识码:A文章编号:1673-1131(2020)12-0110-03RSRQ-based LTE Wireless Network Interference Analysis AlgorithmQ ii^Xiaochun,Chen Shouyi,X u Jing,F u L ix iu,L v wei(GuiZhou Branch o f China Telecom Co.,Ltd.,GuiZhou S50000, China)A bstract:For the LTE C all Q uality Test(CQT) process measurement report(Measurement Report,M R) w ithout dow nlinkSignal to Interference plus Noise Ratio(SDMl〇measurement value,which makes the network interference analysis d iffic u lt.This paper proposes an LTE wireless network interference analysis algorithm based on Reference Signal Received Q uality (RSRQ).The algorithm uses the basic properties o f RSRQ and SINR to construct a mathematical relationship between the tw o to achieve the purpose o f using M R data to analyze LTE network interference.And it improves the efficiency o f LTE wireless network optim ization.The results show that the algorithm has a certain deviation in practical application,and it is basically consistent w ith the measured results after correction,w hich venfies the feasibility o f the algorithm in network op-tim ization applications.Keywords:CQT,MR,SD4R,RSRQ,LTE network interference1概述在L T E网络优化过程中，网络优化人员往往关注RSRP 和下行S IN R两个主要指标。
摘要当前信息数据处于爆发式增长，通信网络更加复杂多变，LTE已经满足不了未来无线数据的增长情况，基于此5G移动通信应运而生。
在5G移动通信系统研发、生产、部署，网络优化过程中，接入网及核心网的各项性能测试指标需要通过终端侧进行一系列可控可调的测试，这个测试由5G终端模拟器来实现。
5G终端模拟器支持5G终端模拟测试，5G空中接口测试，增强移动宽带场景测试，从而评测5G接入网和核心网的功能和性能参数，最终提升5G网络的使用体验，对于5G网络，这些测试是必要的，也是普通用户终端无法完成的，因此对5G终端模拟器的研发显得尤其重要。
本课题的研究依托于2018年重庆市重点项目“5G终端模拟设备的研发及应用”，该项目是重庆市重点产业共性关键技术创新重大主题专项项目，是项目中一个必须的功能模块；课题深入而全面地研究参考目前主要算法，设计出满足本项目需求的下行信道RSRP测量方案，并进一步对其进行基于FPGA的设计与实现，最后测试功能。
5G网络中，小区切换会变得非常频繁，只有UE驻留在信号更好的小区中，用户才能获得更好的服务体验。
参考信号接收功率(RSRP)是小区是否优质的重要指标之一。
本课题从5G终端模拟器测量需求出发，设计RSRP测量算法。
先对5G系统中参考信号的分布和资源映射进行研究分析，并分别对均值算法、共轭相乘算法和子集共轭相乘算法等进行仿真，对仿真结果进行比较分析，得出三种算法的优劣势；其中均值法计算复杂度最低，最易于实现和验证；共轭相乘的测量算法更适合在低信噪比的场景，但是在5G系统高信噪比特点下性能不如均值算法；子集共轭相乘的测量算法将I个承载参考信号的RE划分成M个N大小的子集集合，再把子集进行共轭相乘，避免了只进行共轭相乘带来的信道影响的累积，但是需要在不同的信噪比情况下选择不同的子集数。
综合考虑5G终端模拟器的测试实现要求，算法仿真结果和算法的FPGA实现难易度，参考信号的资源粒子分布较为稀疏且相邻，在带宽较大和信噪比较高的情况下，均值算法最具有优势。
LTE-A CSI-RSRP测量算法研究辛雨;倪佳;胡留军【摘要】分别以单天线端口的信道状态信息参考信号(CSI-RS)场景和两天线端口的CSI-RS场景为例子,通过详细的公式推导了信道状态信息参考信号接收功率(CSI-RSRP)测量的4种不同算法,并进行了仿真验证.根据仿真结果不仅可以分析出这些算法的特点,还得出如果要提高CSI-RSRP的测量精度,可以尽量增大CSI-RSRP的测量带宽和增加参与计算CSI-RSRP的子帧数.【期刊名称】《中兴通讯技术》【年(卷),期】2014(020)004【总页数】6页(P47-52)【关键词】CSI-RS;CSI-RSRP;时域相关法;频域相关法【作者】辛雨;倪佳;胡留军【作者单位】中兴通讯股份有限公司,广东深圳518057;中兴通讯股份有限公司,广东深圳518057;中兴通讯股份有限公司,广东深圳518057【正文语种】中文【中图分类】TP393长期演进增强第11版本（LTE-A R11）中下行多点协作（DL COMP）技术主要包含3种类型的技术方案：联合发射（JT）、动态小区选择（DPS）和协调度与聚束（CSCB）。
LTE-A R11 DL COMP技术中，需要先确定COMP测量集，然后在COMP测量集的cell集合范围中，网络侧根据用户终端（UE）反馈的信道状态信息（CSI），来确定COMP测量集中哪些cell参与和采用哪种类型的技术方案与UE进行通信。
网络侧对COMP测量集的管理主要是基于UE的参考信号接收功率（RSRP）的测量和反馈。
RSRP定义为测量带宽内携带小区参考信号（CRS）的资源位置上线性功率的平均值。
这样以来UE通过测量CRS的信号强度，就可以分辨出各邻近小区中哪些小区的信号是更强的，然后网络侧就可以选择信号比较强的那些cell组成COMP测量集[1]。
在LTE-A R11 DL COMP技术定义的4个场景中，第4个场景比较特别。
在该场景中，附近多个小区具有相同的小区识别码（cell ID）。
LTELTe-A终端CSI上报测量实现与验证开题报告一、选题背景和意义随着5G通信技术的发展，物联网（IoT）应用愈发广泛，基于Nb-IoT技术的低功耗广域网络（LPWAN）被广泛应用。
然而，Nb-IoT技术的灵活性和带宽限制导致网络的部署和维护成本较高，因此需要研究如何提高网络的容量和覆盖范围。
LTELTe-A终端CSI上报测量实现与验证是一项关键技术，它可以帮助改善网络能力和性能。
该技术可以帮助优化物联网应用的连接质量和信道感知能力，实现精准的位置定位和智能节能等应用。
因此，该技术的研究和开发对于网络管理和优化具有重要意义。
二、研究内容本文将研究LTELTe-A终端CSI上报测量实现与验证技术，包括以下方面：1. CSI上报测量机制：研究Nb-IoT网络中CSI的上报过程和通信机制，包括CSI的采样和传输、上报的时序和频率等，以及与物联网应用的相互关系。
2. CSI信息的处理和分析：研究如何对CSI信息进行处理和分析，包括对CSI信息进行滤波、降噪和特征提取等处理，以及通过分析CSI 信息的时频特性实现信道感知和预测能力。
3. CSI上报测量实现：在理论研究的基础上，设计和实现CSI上报测量的具体方案，包括测试设备选取、CSI采样和上报方法、CSI信息处理和分析算法的实现等。
4. 系统实验和验证：通过设计实验模拟和实际场景测量等方式，对提出的方案进行验证和改进。
通过实验结果分析和对比，验证该技术对于物联网应用的整体性能提升及改善的作用。
三、研究方法本文将采用实验研究、数据分析和模型验证等方法，具体包括：1. 理论分析：对Nb-IoT网络中CSI上报测量机制、CSI信息的处理和分析等进行理论分析和建模，以验证技术的可行性和优越性。
2. 实验模拟：通过使用OPNET和NS2等仿真工具，模拟物联网应用的不同应用场景，测试方案的可行性和有效性。
3. 实验验证：设计实验场景，并通过CSI采样和上报设备对实际情况进行测试和验证，对技术研究和实现进行优化和改进。
TD-LTE系统中基于RSRPRSRQ的切换算法研究与改进的开题报告题目：TD-LTE系统中基于RSRP/RSRQ的切换算法研究与改进研究背景与意义：TD-LTE系统作为移动通信领域中的一项重要技术，其性能与用户体验直接关系到其市场竞争力。
在TD-LTE系统中，移动用户经常需要在不同的小区之间进行切换，为了保证用户体验，切换算法的优化是一个非常重要的研究方向。
目前，TD-LTE系统中的切换算法主要基于信号强度和信噪比等参数进行判断。
但实际上，这些参数并不完全能够反映用户体验，因为用户感受的网络质量不仅仅和信号强度有关，还和网络的稳定性、可靠性等因素有关。
因此，基于RSRP/RSRQ的切换算法在TD-LTE系统中得到了广泛的应用。
本课题旨在深入研究基于RSRP/RSRQ的切换算法，在此基础上进一步优化算法，提高TD-LTE网络的性能和用户体验。
研究内容与步骤：1. 现有的基于RSRP/RSRQ的切换算法进行调研和总结，分析其优缺点。
2. 收集数据并进行分析，研究RSRP/RSRQ和用户体验之间的关系，为优化算法提供数据支持。
3. 设计并实现改进的RSRP/RSRQ切换算法，与现有算法进行对比实验。
4. 评估改进算法的性能和效果，总结研究成果，撰写论文。
预期结果：1. 对于现有的基于RSRP/RSRQ的切换算法进行了详细的调研和总结。
2. 研究了RSRP/RSRQ和用户体验之间的关系，提出了改进的切换算法。
3. 实现了改进算法，并与现有算法进行了比较，评估了性能和效果。
4. 撰写了一篇学术论文，总结研究成果并指出下一步的研究方向。
技术路线：1. 调研现有的基于RSRP/RSRQ的切换算法，分析其优缺点。
2. 收集数据并进行分析，研究RSRP/RSRQ和用户体验之间的关系。
3. 设计并实现改进的RSRP/RSRQ切换算法。
4. 与现有算法进行对比实验，并评估其性能和效果。
5. 撰写并提交学术论文。
所需设备和材料：1. 物理小区识别器(PRACH)2. GPS时钟3. 笔记本电脑4. MATLAB编程环境5. 移动通信测试工具时间计划：第一周：调研现有的基于RSRP/RSRQ的切换算法，熟悉相关技术。
LTE系统中下行信号质量RSRP测量的设计与实现的开题报告一、选题背景随着移动通信技术的不断进步和网络的不断升级，4G LTE移动通信网络已经成为主流的通信方式。
在LTE系统中，RSRP是一项非常重要的参数，它反映了下行信号的接收强度。
RSRP测量的结果对于网络优化、覆盖控制和干扰分析等方面都具有重要的参考价值。
因此，设计和实现一种高效可靠的RSRP测量方法是当前研究的热点之一。
二、研究目的本文旨在设计和实现一种高精度的RSRP测量方法，通过对系统的建模和参数设置，提高测量的准确性和鲁棒性，为LTE系统的优化提供参考依据。
三、研究内容1. 分析RSRP测量的原理和方法。
2. 基于LTE模型，搭建RSRP测量的仿真环境。
3. 进行参数优化和算法设计，提高测量的准确性和鲁棒性。
4. 设计和实现RSRP测量系统，并进行实验验证。
四、研究意义1. 提高网络优化的效率。
2. 优化网络的覆盖和容量，提高用户的通信质量和体验。
3. 为网络规划和工程优化提供依据。
4. 探索新的信号处理和算法设计方法。
五、预期成果1. 提出一种高精度、鲁棒性强的RSRP测量方法。
2. 建立RSRP测量的仿真环境，模拟不同场景下的测量结果。
3. 设计和实现RSRP测量系统，并验证其实际性能。
4. 给出一些优化方案和性能分析结果。
六、研究难点1. 如何建立准确的LTE系统模型和信道特性模型。
2. 如何选择合适的信号处理和算法设计方法，并进行参数优化。
3. 如何进行实时测量，提高测量结果的可靠性和准确性。
七、研究方法本研究采用定量分析和仿真实验相结合的方法，根据LTE系统的特点和RSRP测量的原理，设计合适的信号处理和算法设计方法，并通过实验验证的方式来评估其性能和优化效果。
同时，我们还将进行参数的优化和调整，提高系统的性能和鲁棒性。
八、进度安排第一至第二月：对RSRP测量的原理和方法进行深入研究，并建立LTE系统模型和信道特性模型。
1. CSI-RS设计LTE系统从R10就开始引入了CSI-RS用于信道测量。
区别于全向发送的CRS信号和只有数据传输时才发送的DMRS信号，CSI-RS信号提供更为有效的获取CSI的可能性，同时支持更多的天线端口。
NR中需要进一步考虑网络频段的部署对高频段的支持，以及更加灵活的CSI-RS 配置以实现多种用途。
NR中的CSI-RS主要用于以下几个方面：①获取信道状态信息。
用于调度、链路自适应以及和MIMO相关的传输设置。
②用于波束管理。
UE和基站侧波束的赋形权值的获取，用于支持波束管理过程。
③精确的时频追踪。
系统中通过设置TRS（Tracking Reference Signal）来实现。
④用于移动性管理。
系统中通过对本小区和邻小区的CSI-RS信号获取跟踪，来完成UE的移动性管理相关的测量需求。
⑤用于速率匹配。
通过零功率的CSI-RS信号的设置完成数据信道的RE级别的速率匹配的功能。
此外还有CSI-IM，本质上IM不属于CSI-RS，而是伴随CSI-RS使用，主要用作干扰测量。
固然CSI-RS有上述诸多用途，但CSI-RS最典型的价值，仍然是结合3D-MIMO技术，基于CSI-RS对应的PDSCH参考资源的测量进行CQI的上报以及闭环与编码索引（PMI）以供基站侧进行赋形预编码矩阵的选择。
2.CSI-RS的应用方式（1）用于信道状态信息获取的CSI-RS此应用支持链路自适应和调度而获得信道状态信息的功能。
为了支持类似于LTE R14中的Class A（非预编码CSI-RS）和Class B（波束赋形CSI-RS）CSI反馈，可以通过RRC信令为UE配置一个或者多个CSI-RS资源集合。
每个CSI-RS资源集合包含一个或者多个OFDM符号上。
考虑到不同天线端口数和未来可扩展性，NR将时域和频域上相邻的多个RE作为一个基本单元，并通过基本单元的聚合构造出不同端口数的CSI-RS图样。
每x个端口CSI-RS图样基本单元由一个PRB内频域上相邻的Y个RE和时域上相邻的Z 个符号组成。
LTE—A CSI—RSRP测量算法研究作者：辛雨倪佳胡留军来源：《中兴通讯技术》2014年第04期中图分类号：TP393 文献标志码：A 文章编号：1009-6868 （2014） 04-0047-06摘要：分别以单天线端口的信道状态信息参考信号（CSI-RS）场景和两天线端口的CSI-RS场景为例子，通过详细的公式推导了信道状态信息参考信号接收功率（CSI-RSRP）测量的4种不同算法，并进行了仿真验证。
根据仿真结果不仅可以分析出这些算法的特点，还得出如果要提高CSI-RSRP的测量精度，可以尽量增大CSI-RSRP的测量带宽和增加参与计算CSI-RSRP的子帧数。
关键词：CSI-RS；CSI-RSRP；时域相关法；频域相关法Abstract： Respectively taking the scenario of a single antenna-port-based channel status information-reference signal （CSI-RS） and two antenna port based CSI-RS as example， four kinds of algorithms of channel status information-reference signal received power （CSI-RSRP）measurement were researched in this paper through deriving formula in detail. Simulations were also run for verification. According to the simulation results， not only the different features of these algorithms were analyzed， but we also determined that the precision of CSI-RSRP measurement can be improved by increasing the CSI-RSRP measurement bandwidth and the number of subframes used to calculate CSI-RSRP.Key words： CSI-RS； CSI-RSRP； time domain correlation； frequency correlation1 CSI-RSRP测量的引出长期演进增强第11版本（LTE-A R11）中下行多点协作（DL COMP）技术主要包含3种类型的技术方案：联合发射（JT）、动态小区选择（DPS）和协调度与聚束（CSCB）。
LTE-A R11 DL COMP技术中，需要先确定COMP测量集，然后在COMP测量集的cell集合范围中，网络侧根据用户终端（UE）反馈的信道状态信息（CSI），来确定COMP测量集中哪些cell参与和采用哪种类型的技术方案与UE进行通信。
网络侧对COMP测量集的管理主要是基于UE的参考信号接收功率（RSRP）的测量和反馈。
RSRP定义为测量带宽内携带小区参考信号（CRS）的资源位置上线性功率的平均值。
这样以来UE通过测量CRS的信号强度，就可以分辨出各邻近小区中哪些小区的信号是更强的，然后网络侧就可以选择信号比较强的那些cell组成COMP测量集[1]。
在LTE-A R11 DL COMP技术定义的4个场景中，第4个场景比较特别。
在该场景中，附近多个小区具有相同的小区识别码（cell ID）。
而CRS 是与cell ID密切相关，如果各邻近小区的cell ID都是相同的，则各小区发射的CRS也是相同的，因此UE没法区别所测量的CRS RSRP是哪个cell的，网络侧也就没法选择哪些cell来组织COMP测量集。
在RAN1#69会议上，基于信道状态信息参考信号（CSI-RS）来测量RSRP的观点被提了出来。
因为CSI-RS是UE专有的，针对某个UE，网络侧可以给不同的小区配置不同的CSI-RS。
因此UE基于CSI-RS测量RSRP，就可以分辨出各邻近小区中哪些小区的信号是更强的。
但是有个问题是，CSI-RS在时频资源里的密度很低，远远低于CRS，这样基于CSI-RS测量RSRP的精度就会大大降低。
基于CSI-RS测量的RSRP可以简称为CSI-RSRP [2-3]。
文章以后部分也将CSI-RSRP直接简称为RSRP。
由于CSI-RSRP的测量精度低于CRS-RSRP的测量精度，3GPP还需要一定的时间研究CSI-RSRP的性能影响，因此在R11 DL-COMP 议题里最后没有引入CSI-RSRP方法。
但是在后续的LTE-A R12版本或以后的版本里，将会引入CSI-RSRP。
而且从移动性管理角度看，随着通信网络的发展，在将来的蜂窝通信网络中，会经常出现多个小区共享cell ID的情况，所以CSI-RSRP的测量在将来的通信网络中实现有效的切换也是有必要的。
因此我们很有必要对CSI-RSRP的测量算法进行研究。
UE测量参考信号功率可以采用信道估计算法，即先通过信道估计得出信道系数h，然后计算出RSRP。
这种算法的缺点是：复杂度比较高，计算量大，会增加终端的功耗，而且在低信噪比情况下，估计的精度比较低。
文章研究了采用时域相关法和频域相关法来估计RSRP，这两种方法可以不用先估计出信道系数h，因此复杂度比较低，计算量小。
文章将时域相关法和频域相关法分别进一步细分为：共轭相乘抑噪算法和相减估噪算法。
随后，通过链路级仿真分析了时域相关法和频域相关法这两种算法估计CSI-RSRP的性能精度的详细情况。
2 CSI-RSRP测量时域相关算法对于单天线端口的CSI-RS场景，文章采用时域相关法估计RSRP。
图1是LTE-A下行传输方式的天线端口15发射的CSI-RS时频资源图，横坐标方向为时域方向，每个小方格的长度代表了一个正交频分复用（OFDM）符号的长度；纵坐标方向为频域方向，每个小方格的长度代表了一个子载波的长度，每个方格代表一个资源单元（RE）的时频资源。
图中标记有“R15”的时频资源是端口号为“15”的天线发射的导频信息所在的位置。
在时域方向，天线端口15的导频时频资源所处的OFDM符号在子帧内的编号为5和6；在频域方向上，是每间隔12个子载波就有一个天线端口15的导频时频资源[4]。
在图1中OFDM符号5上，接收端可以沿着从下往上的子载波顺序，从导频时频资源系列上接收数据系列Y1（k），其中k为1～K1的整数序号，K1为数据序列Y1（k）的长度（也即频域上导频时频资源的个数，如果对于LTE系统带宽为10 MHz的情况，K1≤50）。
Y1（k）的表达式为：Y1（k） =h1 （k） x R1 （k） + n1（k）（1）在式（1）中，h1 （k）表示天线端口15的导频信息系列在时频资源系列位置上的信道响应系数，R1（k）表示天线端口15在导频时频资源系列上发射的导频信息系列，n1（k）表示导频时频资源系列位置上的接收端接收到的干扰和噪声。
一般情况下，导频信息数据满足R1（k） x R*1（k）=1，“*”表示复数的共轭。
因此对数据序列Y1（k）乘于导频信息系列共轭后获得数据系列y1（k）如式（2）：y1（k） = Y1（k） x R*1（k）= h1（k） + n1（k） x R*1（k）（2）同理，在图1中OFDM符号6上，接收端可以获得第2个数据系列Y2（k）。
Y2（k）的详细表达如式（3）：Y2（k） =h2 （k） x R2（k） + n2（k）（3）对数据序列Y2（k）乘于导频信息系列共轭后获得数据系列y2（k）。
y2（k） = Y2（k） x R*2（k）= h2（k） + n2（k） x R*2（k）（4）对于式（2）与式（4）的进一步处理，下面分别采用共轭相乘抑噪算法和相减估噪算法来推导CSI-RSRP的计算公式。
2.1 时域相关——共轭相乘抑噪算法根据公式（2）和（4），下面进行共轭相乘抑噪算法的公式推导，令：由于每个RE之间的噪声是相互独立的，且均值等于0，因此式（5）就简化为：[RSRP_Temp=1Kk=1Kh1（k）×h∗2（k）] （6）在时域上，相邻两个RE上的信道系数相关性是非常高的，OFDM符号5和6上的CSI-RS 导频时频资源是相邻的，因此可以近似地认为信道响应系数h1（k）= h2（k）。
所以，对式（6）取其实部后，就是我们所需要的RSRP值[5]。
因此RSRP的相关计算公式则为：[RSRP=real（1Kk=1Ky1（k）×y∗2（k））] （7）为了提高RSRP值的估计精度，我们还可以在多个CSI-RS子帧上进行估计，如式（8）：[RSRP=real（1K×Mm=1Mk=1Kym1（k）×y∗m2（k））]（8）其中M表示的是CSI-RSRP子帧个数。
根据时域相关法的共轭相乘抑噪算法，利用式（8）进行仿真。
仿真采集的总子帧数为400 000，CSI-RSRP测量周期为200 ms（一个子帧的时间长度为1 ms），因此仿真统计的Delta RSRP值为2 000个（40万/200=2 000）。
图2是仿真结果累积分布函数（CDF）曲线图，可以看出，在CDF值为0.5时，Delta RSRP值近似为0，说明估计的RSRP平均值近似等于理想的RSRP平均值。
这是因为：虽然在式（7）中，h1（k）与h2（k）只是近似相等的，但由于两个相邻OFDM符号的信道系数差别非常小，因此这个差别对估计的RSRP结果影响比较小。
另外，由于测量的CSI-RS导频点个数有限，导致随机噪声的均值并不是完全等于0，因此导致Delta RSRP值在等于0的左右两边有正和负的对称分布[6]。
另外，从图2（a）中可以看出，在SNR=10 dB时，Delta RSRP的CDF曲线斜率比较大，而且Delta RSRP值集中在[-0.5，0.5]的范围内，这说明估计的RSRP受噪声的影响比较小。
从图2（b）中可以看出，在SNR=-6 dB时，Delta RSRP曲线的斜率变小了，Delta RSRP值的范围也变大了，这是由于信噪比低时，噪声的影响变大了的缘故[7]。
而且，在10 MHz（即50 RB）带宽情况下，Delta RSRP斜率要大些。
在1.4 MHz （即6 RB）带宽情况下，Delta RSRP 斜率偏小，这是由于6 RB带宽时，CSI-RS导频样点较少，噪声抑制减弱的缘故。
