5G NR的小区搜索改进算法

专题：移动通信（5G）测试

5G NR的小区搜索改进算法

董宝江，彭琛，卢贺

（大唐联仪科技有限公司，北京100083）

摘 要：5G NR时代对速率、容量和用户体验都有更高的要求。在5G NR物理层中，小区搜索是不可或缺的

过程。小区搜索主要包括主同步信号（primary synchronization signal，PPS）检测算法以及辅同步信号（secondary

synchronization signal，SSS）检测算法。传统PSS检测算法和SSS检测算法已无法满足5G NR各项指标的基

本需求。为了解决这一问题，在传统M分段互相关检测算法基础上提出了改进PSS检测算法。当信道环境恶

劣时，传统SSS检测算法也将失效，提出的改进SSS检测算法可以解决此问题。最后，对传统算法和改进算

法进行仿真对比分析。仿真结果表明，改进算法的检测性能明显提升，检测效率和整体性能也提高了。

关键词：小区搜索；PSS检测算法；SSS检测算法

中图分类号：TN929.5

文献标识码：A

doi: 10.11959/.1000−0801.2021036

Improved cell search algorithm for 5G NR

DONG Baojiang, PENG Chen, LU He

DT Link Tester Technology Co., Ltd., Beijing 100083, China

Abstract: The era of 5G NR has higher requirements for speed, capacity and user experience. In 5G NR physical

layer, cell search is an indispensable process. Cell search mainly includes primary synchronization signal (PSS)

detection algorithm and secondary synchronization signal (SSS) detection algorithm. The traditional PSS detection

algorithm and SSS detection algorithm can’t satisfy the basic requirements of 5G NR. In order to solve this prob-

lem, an improved PSS detection algorithm based on the traditional M-segment cross-correlation detection algo-

rithm was proposed. When the channel environment is bad, the traditional SSS detection algorithm will also fail.

The improved SSS detection algorithm proposed can solve this problem. Finally, the traditional algorithm and the

improved algorithm were compared and analyzed. The simulation results show that the detection performance of

the proposed algorithm is significantly improved, and the detection efficiency and overall performance are also

improved.

Key words: cell search, PSS detection algorithm, SSS detection algorithm

1 引言

5G移动通信技术

[1]

，是为了满足未来移动通

收稿日期：2020−12−20；修回日期：2021−02−03

信的需求，推出的新一代无线通信技术。与4G相

比，它对系统性能提出了更高要求。其中，传输速

率提高10~100倍，用户体验速率达到0.1~1 Gbit/s，

·49·

用户峰值速率可达10 Gbit/s；时延降低为

1/10~1/5，达到毫秒量级；移动性达到500 km/h

以上，实现高铁高速运行环境下的良好用户体验。

由ITU-R确定，通信行业认可的5G三大主要应

用场景

[2-3]

分别为：增强移动宽带（eMBB）、低时

延高可靠通信（uRLLC）和大规模物联网

（mMTC）。如果说4G标志着业务由个人通信向个

人应用的跨越，那么5G的诞生将是通信行业历史

上最大的变革，从“小我”走向“大我”——从

个人应用向行业应用的转变。

本文小区搜索算法应用在5G NR（new radio）

扫频仪中，扫频仪进行无线网络覆盖测试时，主

要通过扫频装置进行小区搜索，检测到空间的多

个基站射频信号，并对相关指标进行测量。比如，

在4G LTE网络优化时，需要通过主同步信号

（primary synchronization signal，PSS）和辅同步信

号（secondary synchronization signal，SSS）对空

口小区进行搜索，并对检测到的各个小区的CRS

（cell-specific reference signal）进行测量，测量参

数主要有RSRP（reference signal received power）、

SINR（signal to interference-plus-noise ratio）

[4]

等。

只有完成初始小区搜索，终端才可以给出准确的

解调下行数据，获取关键系统信息，实现与基站

的通信连接。

在小区搜索中，比较关键的步骤就是PSS检

测以及SSS检测。对于PSS检测，参考文献[5]

中给出一种直接互相关检测算法，但在大频偏环

境下该算法将会失效。参考文献[6]中论述了一

种M分段互相关检测算法，其可以提升抗频偏

能力，但会引入噪声干扰。对于SSS检测，参

考文献[7]中简述了一种SSS相干检测算法，原

理是利用PSS检测后的信道响应值等效SSS处

的信道响应值，然后对频域SSS序列进行补偿，

最后再与本地SSS序列进行频域互相关检测。

但该算法没有考虑信道环境的影响，若信道质

量特别差导致频域信道响应值误差很大，会造

电信科学 2021年第2期

成最终检测失败。

为了满足当下5G NR扫频仪的各项指标要

求，本文提出了一种小区搜索改进算法，通过改

进传统的PSS检测算法和SSS检测算法，完成5G

NR小区搜索。仿真结果显示，所提算法不仅提高

了检测效率，而且也提高了整体小区搜索性能。

2 小区搜索过程

小区搜索就是UE和小区取得时间和频率上

的同步，并检测cell ID的过程

[8-9]

。

（1）UE利用PSS和SSS完成下行同步

[10]

过

程。通过PSS获取物理层小区组内ID和时隙同步；

通过SSS获取循环前缀（cyclic prefix，CP）长度，

物理层小区组ID，帧同步。

（2）通过解调参考信号（demodulation ref-

erence signal，DM-RS）进一步实现时间、频率同

步以及信道估计。

（3）解码物理广播信道（physical broadcasting

channel，PBCH），获得主信息块（master infor-

mation block，MIB），包含公共天线端口数目、系

统帧号（system frame number，SFN）、下行系统

带宽等信息。

（4）解码物理下行共享信道（physical downlink

shared channel，PDSCH），获得系统信息块（system

information block，SIB），即其他系统信息

[11]

。

5G NR小区搜索主要是检测PSS、SSS和

DM-RS，获取时间和频率上的同步，上报

RSRP/SINR等测量指标，最后解码PBCH完成小

区搜索过程。初始小区搜索流程如图1所示。

3 PSS检测

在5G NR小区搜索中，PSS检测

[5]

作为下

行同步的关键步骤，必须设计性能优良的检测

算法。PSS定时同步是通过对接收信号的PSS

检测，完成符号定时同步并获取小区ID组内编

号

N

(2)

ID

。

专题：移动通信（5G）测试

图1 初始小区搜索流程

3.1 传统PSS检测算法

基于PSS序列良好的自相关性与互相关性，

传统的PSS检测算法

[6]

主要为直接互相关检测算

法和M分段互相关检测算法

[12]

。

第一种方法：直接互相关。

该方法的核心思想是利用PSS接收序列y(n)

直接与本地3个PSS序列

r

012

pss

(n)

、

r

pss

(n)

、

r

pss

(n)

分别进行滑动相关，相关检测得到的

3

个相关值

序列如式（

1

）所示。

N

−

1

2

Corr

0

∗

0

(m)

=

∑

y(n

+

m)

⋅

r

pss

(n)

n

=

0

Corr

1

(m)

=

∑

N

−

1

2

y(n

+

m)

⋅

r

1

pss

(n)

∗

（

1

）

n

=

0

N

∑

−

1

2

Corr

2

(m)

=

y(n

+

m)

⋅

r

2

pss

(n)

∗

n

=

0

其中，

Corr

0

(m)

、

Corr

1

(m)

、

Corr

2

(m)

分别表示

3

个相关值序列，

y(n

+

m)

表示接收序列，

r

0

∗

1

n)

∗

、

r

2

pss

(n)

、

r

pss

(

pss

(n)

∗

分别表示

3

个本地

PSS

序列

r

012

pss

(n)

、

r

pss

(n)

、

r

pss

(n)

的共轭运算，

N

为快

速傅立叶变换（

fast Fourier transform

，

FFT

）

点数。

通过相关运算得到

3

个相关值序列

Corr

0

(m)

、

Corr

1

(m)

、

Corr

2

(m)

并分别找出

3

个序列中的最

大值，然后比较

3

个最大值得到最终最大值。此

·50·

时便得知正确的

PSS

序列即最终最大值相对的

PSS

序列。同时，获得小区组内

ID

N

(2)

ID

，最终最

大值对应的位置也就是定时同步的位置，记为

m

ˆ

。

直接互相关检测算法虽然简单易实现，但是

在面对较大频偏时，本地序列与接收序列相关性

会变差，导致相关峰值点不明显，甚至完全被淹

没，最后造成

PSS

检测失败，影响系统性能。为

了应对此种情况，下文给出一种

M

分段互相关检

测算法。

第二种方法：

M

分段互相关。

此法的重点在于将

PSS

接收序列和本地

PSS

序列分别等分为

M

段序列再进行相关，之后再把

M

个相关值序列逐个相加求和，进而确定相关峰

值对应同步位置。具体的实现原理流程如图

2

所示。

图2 PSS M分段互相关检测流程

按照图

2

流程，首先将

PSS

接收序列

y(n)

与

3

个本地

PSS

序列

r

0

r

12

pss

(n)

、

pss

(n)

、

r

pss

(n)

分别等

·51·

分为

M

段，然后对

M

段序列分别进行相关，最后

分别累加求和得到

3

个相关值序列。相关检测得

到的

3

个相关值序列如式（

2

）所示。

Corr

0

(m)

=

2

M

∑

−

1

⎧

N

⎪

M

−

1

⎨

∑

y

⎛

N

⎞

∗

s

=

0

⎪

⎜

n

+

m

+

s

×

⎟

⎩

n

=

0

⎝

M

⎠

⋅

r

0

⎛

N

⎞

⎫

⎪

pss

⎜

⎝

n

+

s

×

M

⎟

⎠

⎬

⎪

⎭

Corr

1

(

m

)

=

⎧

N

2

∑

M

−

1

⎪

M

−

1

⎨

∑

y

⎛

n

+

m

+

s

×

N

⎞

∗

⎫

s

=

0

⎪

⎟

⎠

⋅

r

1

⎛

N

pss

⎜

⎝

n

+

s

×

⎞

⎪

（

2

）

⎩

n

=

0

⎜

⎝

MM

⎟

⎠

⎬

⎪

⎭

Corr

2

(

m

)

=

M−1

⎧

N

2

∑

⎪

M

−

1

⎨

y

⎛⎞

s

=

0

⎪

∑

⎜

n

+

m

N

⎟

N

⎞

∗

⎫

⎪

⎩

n

=

0

⎝

+

s

×

M

⎠

⋅

r

2

⎛

pss

⎜

⎝

n

+

s

×

M

⎟

⎠

⎬

⎪

⎭

通过

M

分段互相关检测算法之后，步骤同直

接互相关检测算法相同。通过相关运算得到

3

个

相关值序列

Corr

0

(m)

、

Corr

1

(m)

、

Corr

2

(m)

并分

别找出

3

个序列中的最大值，然后比较

3

个最大

值得到最终最大值。此时便得知正确的

PSS

序列

即为最终最大值对应的

PSS

序列，同时获取

N

(2)

ID

和定时同步位置

m

ˆ

。

M

分段互相关检测算法中，

M

越大，抵抗频

偏能力越强，累加的模平方越大，相关峰值越突

出。但是由于分段数过多，会导致峰值点周边

的相关数据减小幅度变小，同时会产生更多的

噪声，所以找到合适的方法对于提升系统性能

至关重要。

3.2 改进PSS检测算法

为了能够找出合适的

PSS

检测算法，本文在

M

分段互相关检测算法基础上做了部分改进，提

升了整体效率。整个

PSS

检测过程重点分为

3

步：

频域相关、分段滑动和

PMR

门限判定。

假设接收信号

y(n)

pss

的长度为

L

，

FFT/IFFT

运算的点数为

N

，滑动窗口大小为

w

，则可以把

接收信号分为

M

段，如式（

3

）所示。

电信科学 2021年第2期

M

=

⎡

⎢

L

⎤

⎢

N

−

w

⎥

⎥

（

3

）

其中，

⎡

⎢

⎤

⎥

表示向上取整运算。第

m

段

PSS

接

收与第

i

个本地

PSS

信号的相关性

r

i

m

,pss

可表示为

式（

4

）。

⎧

r

i

=

⎪

⎛

⎨

IFFT

⎜

FFT

(

y(n)

m,pss

)

m

,pss

⋅

r

∗

⎞

⎫

⎪

⎪

i

,pss

⎟

⎬

N

（

4

）

⎩

⎜

⎝

N

⎟

⎠

⎪

⎭

其中，

r

∗

i

,pss

表示本地

PSS

序列的共轭，

y

(

n

)

m,pss

表

示第

m

段接收信号。

maxr

i

2

PMR=

(

m

,pss

(l)

)

pss

i

2

（

5

）

mean

(

r

m

,pss

(

n

)

)

其中，

max

(

r

i

(l)

2

m

,pss

)

表示前

l

个有效相关值中的

最大功率值，

mean

(

r

i

(n)

2

m,pss

)

则表示总共

N

点的

平均功率值。

PMR

pss

表示峰均比。

[

i

ˆ

,

m

ˆ

]

=

argmax(PMR

pss

)

（

6

）

i

∈

[0,2],

m

∈

[1,M]

经过式（

6

）则求得

i

对应的小区组内

ID

N

(2)

ID

，

m

即对应的最佳分段数。将

PMR

pss

值与门限值进

行比较，若不小于门限值则认为

PSS

检测成功。

最后经定位处理可以高效率地获得

PSS

同步起始

位置和相关信息，完成

PSS

检测。

4 SSS检测

经过

PSS

检测之后，只是获得了小区组内编

号

N

(2)

ID

，想要进一步确定物理小区标识（

PCI

）则

需要进行

SSS

检测获得小区组号

N

(1)

ID

，之后将

N

(2)

ID

和

N

(1)(cell)(cell)(1)(2)

ID

组合进而确定

N

ID

，

N

ID

=

3

N

ID

+

N

ID

。

4.1 传统SSS检测算法

根据

PSS

序列和

SSS

序列的时域结构及时频

域映射方式可知，它们在时域上相差一个

OFDM

符号，在频域上处于相同子载波位置。根据此结

构可以利用

PSS

检测之后的信道响应去等效

SSS

处的信道响应

[7]

，然后对频域

SSS

序列进行补偿。

专题：移动通信（5G）测试

PSS

信道估计结果如式（

7

）所示。

H

pss

(k)

=

Y

pss

(k)

R

（

7

）

pss

(k)

其中，

Y

pss

(k)

表示接收频域

PSS

序列，

R

pss

(k)

表

示本地频域

PSS

序列。

Y

Y(k)

sss

′

(k)

=

sss

H

（

8

）

pss

(k)

其中，

Y

sss

(k)

表示接收频域

SSS

序列，

H

pss

(k)

表

示频域信道响应值，则

Y

sss

′

(k)

为信道均衡后的频

域

SSS

序列。之后将

Y

sss

′

(k)

与本地

SSS

序列进行

频域互相关，如式（

9

）所示。

126

M

(

i

)

=

∑

Y

∗

sss

′

(

k

)

R

i

sss

(

k

)

（

9

）

k

=

0

其中，

M

(

i

)

表示最后的相关值序列，其中

i=0,1,2,",335

。

最后通过寻找相关值序列中的最大值对应的

i

即小区组号

N

(1)

ID

，如式（

10

）所示。

N

(1)

ID

=

argmax

(

M

(

i

)

2

)

（

10

）

i

=

0,1,2,

"

,335

综合以上步骤，获得

N

(1)

ID

完成

SSS

检测。

4.2 改进SSS检测算法

由于传统

SSS

检测算法是基于

PSS

检测之后

的频域信道响应值进行的。此算法没有考虑信道

环境的影响，如若信道质量特别差导致频域信道

响应值误差很大，会对

SSS

检测造成很严重的破

坏。鉴于此，本文从

SSS

序列自身出发去优化

SSS

检测算法。频域

SSS

序列具有较好的自相关性和

互相关性，在频域进行相关检测，具体实现步骤

如下所示。

（

1

）首先生成本地频域

SSS

序列

r

i

,sss

。由于

N

(1)

0,1,

…

,335

，

N

(2)

ID

取值范围为

ID

取值范围为

0

、

1

、

2

，则本地频域

SSS

序列

r

i

,sss

共有

336×3=1 008

种

可能。

（

2

）获取接收频域

SSS

序列

y

(

n

)

sss

。根据

PSS

同步位置，找到

10 ms

内其所在

SSB

内的

SSS

·52·

时域起始位置，再将

SSS

时域数据变换到频域，

提取出对应的

127

个

RE

的值，记为

y

(

n

)

sss

。

（

3

）将每一个本地频域

SSS

序列

r

i

,sss

与接收

频域

SSS

序列

y

(

n

)

sss

依次做相关运算，最终得到

1 008

个相关值

r

i

m,sss

，如式（

11

）所示。

∑

126

r

i

sss

=

IFFT

(

y(n)

∗

sss

⋅

r

i,sss

)

（

11

）

n

=

0

其中，

r

∗

i,sss

表示本地

SSS

序列的共轭，

y

(

n

)

sss

表示

接收

SSS

序列。

（

4

）最后求取每个相关值的峰均比

PMR

sss

，

若其大于

SSS

检测门限，则说明小区检测成功。

并可得到该小区的

PCI

，完成

SSS

检测。

5 仿真结果与分析

本次仿真主要针对

PSS

检测算法和

SSS

检测

算法进行。其中，

PSS

检测算法包括直接互相关

检测算法、

M

分段互相关检测算法和改进

PSS

检

测算法。

SSS

检测算法包括传统

SSS

检测算法和

改进

SSS

检测算法。仿真利用

MATLAB

软件搭

建下行小区搜索及同步链路，整个仿真基于

AWGN

信道进行，仿真结果为循环

500

次平均后

的结果。小区搜索仿真参数见表

1

。

表1 小区搜索仿真参数

系统参数 参数配置

载波频率

3.4 GHz

系统带宽

100 MHz

子载波间隔

30 kHz

FFT点数

256

CP类型 常规型

小区ID 0、1、2

信道模型

AWGN

直接互相关检测算法的

PSS

检测成功概率如

图

3

所示，在信噪比较低为

−15 dB

时，直接互相

关检测算法的

PSS

检测成功概率仅为

10%

，而改

进

PSS

检测算法已经有

50%

的检测成功概率。随

·53·

着信噪比不断提高，当信噪比达到

−3 dB

时，直接

互相关检测算法检测成功概率为

83%

，而改进

PSS

检测算法已经达到

100%

检测成功概率。

图3 直接互相关检测算法的PSS检测成功概率

M

分段互相关检测算法的

PSS

检测成功概率如

图

4

所示，在信噪比较低为

−15 dB

时，

M

分段互相

关检测算法的

PSS

检测成功概率仅为

33%

，而改进

PSS

检测算法已经有

50%

的检测成功概率。随着信

噪比不断提高，当信噪比达到

−3 dB

时，

M

分段互

相关检测算法的检测成功概率为

90%

，而改进

PSS

检测算法已达到

100%

检测成功概率。

图4 M分段互相关检测算法的PSS检测成功概率

传统

SSS

检测算法和本文改进的

SSS

检测成

功概率对比如图

5

所示，当信噪比为

−15 dB

时，

传统

SSS

检测算法完全检测不出小区组号

N

(1)

ID

，

但改进

SSS

检测算法有

15%

的检测成功率。随着

电信科学 2021年第2期

信噪比不断增加，

SSS

检测成功率都在不断提升。

当信噪比达到

−6 dB

时，改进

SSS

检测算法就能

100%

检测出小区组号

N

(1)

ID

了，而此时传统

SSS

检

测算法只有约

86%

的检测成功率。等到信噪比大

于或等于

0 dB

以后，传统

SSS

检测算法才能

100%

检测成功。整体情况说明，改进

SSS

检测算法较

传统

SSS

检测算法而言，检测性能提升了

6 dB

，

且检测效率得到了大大提升。

图5 传统SSS检测算法和本文改进的SSS检测成功概率对比

为了验证改进算法相比传统算法在资源消耗

和时间消耗等方面的优越性，本文从算法复杂度

着手依次对算法中涉及的复数乘法、复数加法、

实数乘法、实数加法和

N

点

FFT/IFFT

等运算次数

进行了统计分析。改进算法与传统算法复杂度分

析对比结果见表

2

。

由表

2

可知，改进后的

PSS

检测算法中复数

乘法、复数加法和

N

点

FFT

运算次数大约相当于

传统

PSS

检测算法的

25%

，大大降低了算法复杂

度。在

PSS

检测算法中不涉及实数乘法和实数加

法运算。改进后的

SSS

检测算法中复数乘法、复

数加法、实数乘法、实数加法和

N

点

FFT

运算次

数都约占传统

SSS

检测算法的

1/4

。综上所述，改

进后的

PSS

检测算法和

SSS

检测算法与传统检测

算法相比，运算量大大降低，不仅提高了检测效

率，而且在整套

5G NR

小区搜索和同频检测算法

中发挥了重要作用。

专题：移动通信（5G）测试

表2 算法复杂度分析

·54·

算法名称 复数乘法 复数加法

传统PSS检测

921 854 460 936

改进PSS检测

230 463 115 234

传统SSS检测

1 524 544

改进SSS检测

381 136

6 结束语

5G NR

小区搜索是移动通信中不可或缺的步

骤，不管是在通信链路建立前，还是在通信中途

切换小区都需要经过完善的小区搜索流程。本文在

传统

PSS

检测算法和传统

SSS

检测算法基础上提出

改进的

PSS

检测算法以及改进的

SSS

检测算法，改

进算法不仅提高了信号检测效率，而且检测性能也

得到明显提升。基于此改进小区搜索算法的

5G NR

扫频仪在外场测试及实际无线网络覆盖测试时各项

指标均能达标，能很好地满足用户需求。

参考文献：

[1] 卓业映, 陈建民, 王锐. 5G移动通信发展趋势与若干关键技

术[J]. 中国新通信, 2015, 8(23): 13-14.

ZHUO Y Y, CHEN J M, WANG R. 5G mobile communication

development trend and some key technologies[J]. China New

Telecommunication, 2015, 8(23): 13-14.

[2] 刘斯. 5G移动通信发展分析及其关键技术应用分析[J]. 数字

通信世界, 2019(3): 116-117.

LIU S. Analysis of 5G mobile communication development and

application of key technologies[J]. Digital Communication

World, 2019(3): 116-117.

[3] 彭文君, 皮雅婧. 5G通信技术应用场景及关键技术[J]. 通信

电源技术, 2019(10): 182-183.

PENG W J, PI Y J. Application scenarios and key technologies

of 5G communication technology[J]. Telecom Power Technol-

ogy, 2019(10): 182-183.

[4] ERIK D, STEFAN P, JOHAN S. 5G NR: the next generation

wireless access Technology[M]. United States: Academic Press,

2018.

[5] 张德民, 李秀, 陈嘉田. 5G系统中主同步信号定时同步算法

的研究[J]. 光通信研究, 2019(3): 59-64.

ZHANG D M, LI X, CHEN J T. Research on timing synchroni-

zation algorithm of primary synchronization signal in 5G sys-

tem[J]. Study on Optical Communications, 2019(3): 59-64.

[6] 白兴金. TD-LTE小区搜索和下行同步技术的研究及实现[D].

实数乘法 实数加法 N点FFT次数

0 0 21 603

0 0 5 403

171 200 170 688 16

42 800 42 672 4

成都: 电子科技大学, 2017.

BAI X J, Research and implementation of cell search and

downlink synchronization technology in TD-LTE[D]. Chengdu:

University of Electronic Science and Technology of China,

2017.

[7] 林丹丹. 5G中上下行同步技术的研究与仿真[D]. 西安: 西安

电子科技大学, 2018.

LIN D D. Research and simulation on uplink and downlink syn-

chronization technology in 5G[D]. Xi’an: Xidian University, 2018.

[8] 3GPP. NR: physical channels and modulation: TS38. 211-V15.

10. 0-2020[S]. 2020.

[9] 3GPP. NR: physical layer procedures for control: TS38. 213-

V15. 10. 0-2020[S]. 2020.

[10] 张建国, 黄正彬, 周鹏云. 5G NR下行同步过程研究[J]. 邮电

设计技术, 2019(3): 22-26.

ZHANG J G, HUANG Z B, ZHOU P Y. Research on downlink

synchronization process of 5G NR[J]. Designing Techniques of

Posts and Telecommunications, 2019(3): 22-26.

[11] 3GPP. NR: physical layer measurements: TS38. 215-V15. 10.

0-2020[S]. 2020.

[12] 徐莹. TD-LTE下行小区搜索算法研究与实现

[D]. 成都: 电

子科技大学, 2014.

XU Y. Research and implementation of downlink cell search

algorithm in TD-LTE[D]. Chengdu: University of Electronic

Science and Technology of China, 2014.

[作者简介]

董宝江（1994− ），男，大唐联仪科技有限

公司工程师，主要研究方向为无线移动通信

技术。

彭琛（1986− ），男，大唐联仪科技有限公司工程师，主要

研究方向为无线移动通信技术。

卢贺（1989− ），男，大唐联仪科技有限公司工程师，主要

研究方向为无线移动通信技术。