无线路径损耗

无线路径损耗（精选5篇）

无线路径损耗 篇1

异构网络(heterogeneous network,Het Net)改变了传统网络的拓扑结构,在传统宏小区之上,以层叠覆盖的形式加入大量的低功率节点(low power node,LPN),如微基站(Pico)、家庭基站(Femto)等,形成分层的异构网络组网形式,缩短了用户与基站之间的距离,减少了覆盖盲区,能够为系统提供更高的数据传输速率,降低网络成本,实现了移动网络覆盖和容量的双重提升,是LTE-A中的一项重要的技术[1]。本文主要研究的低功率节点为微基站。

多基站协作通信可以有效抑制边缘用户的小区间干扰,各协作基站之间通过高速的光纤互联来实现大量的信息交互[2]。为此,在LTE-A系统中通过应用Co MP传输技术,来协作分布在不同地理位置的站点共同为边缘用户传输数据。但当系统规模比较大时,为避免超负荷的信息量,一般对可协同的基站群进行分簇,令簇内的基站采用协同处理技术[3]。目前,协作基站分簇方法主要有静态分簇和动态分簇。静态基站分簇方法是在网络规划初期进行基站簇的划分,根据地理分布位置相邻的基站划分为一簇,其分簇方式简单,容易实现。但是其簇结够固定,小区间干扰得不到最大消除,系统的实时性较差。针对以上问题提出了动态分簇算法[4—6],用户将实时的信道状态信息(CSI)反馈给基站控制端进行分析,动态的选择CSI好的基站去参与协作,形成协作基站簇。但是,随着异构网络的发展,其组网结构不断向分层结构发展,其在异构网中的适应程度和效率仍有待研究。文献[7]在异构组网场景下,通过设定阈值,以最大化接收端的传输速率为目标,考虑用户接收功率大小和其他基站对该用户的平均干扰情况进行分簇。但是对于存在多用户移动情况下的协作基站分簇方法还需要进一步研究。文献[8]提出了一种近邻传播分簇法,用接收功率的大小来表示距离的远近,对于任意基站,与超过一定地理区域外的基站之间的协作可以忽略。但是,实际信号的传输过程会受到环境因素和各种噪声的影响,距离最近的用户接受信号质量可能不是最佳的,因此需要考虑信道的影响和其他发送信号的干扰。针对以上问题,在异构的组网模式下,本文借助路径损耗对基站进行分簇,把基站分簇问题转化为最大化接收端的数据传输速率问题,通过设置路径损耗门限为各用户判决与其通信的协作基站,形成协作基站分簇。

1 系统模型的建立

本文讨论的异构网络场景为:考虑异构网络下行系统,系统中有B个宏基站,一个宏基站形成一个小区。每个小区的边缘随机分布着L个微小区,有K个用户随机分布在微小区中,如图1所示。

在图1的传输场景中,微基站服务下的用户Pico user1不仅接收到微基站Pico BS1发射的有用信号,还接收到收到宏基站Macro BS的干扰信号以及多用户之间的信息干扰[9]。假设宏基站的发射功率为PM,每个宏基站有M根发送天线,微基站的发射功率为PL,每个微基站有N根发送天线,用户采用单天线接收。考虑宏小区i中微基站l服务下的用户j,除了接收到微基站l发出的有用信号,还受到本小区以及相邻小区基站的干扰,以及多用户之间的干扰,其接收信号强度为:

式(1)中,Hl,l,j表示第i个小区中第l个微基站向其服务下的用户j传输数据的信道矩阵,VLn,l,j和Vl,l,j分别表示宏基站和微基站向用户传输数据过程中的预编码矩阵[10],xl,l,j表示微基站l向其服务下的用户发送的数据信息流。基站端发送信号的能量期望式(1)中第一项表示有用信号,第二项表示除用户j之外的多用户干扰,第三项表示小区i中其余微基站对用户的干扰情况,第四项表示宏基站对用户的干扰情况,第五项表示其余小区中微基站对用户j的干扰,第六项Ni,i,j表示均值为1,方差为α2的高斯白噪声。

对于宏小区i中微基站l服务下的用户j,有用信号功率为

干扰信号的功率为

小区i中微小区l服务下的用户j接收到的信干噪比(SINR)为

此时,用户j的数据速率可以表示为

若在微基站服务范围内有K个用户,则协作区域内用户的和速率为

由于LTE系统频率复用因子为1,这就造成由于资源块的重叠造成的多用户干扰,为消除共信道干扰,通常需要在基站端对需要发送的数据进行预编码。本文采用迫零(ZF)预编码[11],预编码矩阵V满足:

式(7)中,(·)H表示矩阵的共轭转置,(·)-1表示矩阵的逆。编码后的数据通过信道矩阵H后非对角线上的数据均为0,从而达到了干扰消除的目的。经过预编码后用户j的信干噪比为

2 分簇方案的实现

假设无线信道服从准静态瑞利平坦衰落,各基站端完全已知所有用户的信道状态信息(CSI),基站通过无线信道向用户广播信息。分簇方案具体步骤如下。

(1)对于微基站服务下的K个用户,将微基站作为其主服务基站,计算主服务基站到各个用户的路径损耗PLmasterl,j,j=1,2,…,K,再对路径损耗值进行求和作为主服务基站对所有用户的路径损耗;j=1,2,…,K。

(2)分别计算除主服务基站外其余基站对K个用户的路径损耗值之和PLm,m=1,2,…,B+BL-1,其中宏基站到用户的路径损耗为:128.1+37.6 lg(D),微基站到用户的路径损为:140.7+36.7 lg(d),式中D,d单位均为km,路径损耗的单位为d B。

(3)设置路径损耗门限a,将K个用户到主服务基站的路径损耗之和与K个用户到其余基站的路径损耗之和的差值与a进行比较,确定需要协作的基站的集合Ccoop,即

(4)形成协作基站簇。

此时,协作后用户的接收信干噪比(SINR)表示为

协作后用户的和速率为

将式(11)与公式(8)比较可知,经过协作干扰信号功率降低,有用信号功率增加,分簇后用户的接收信干噪比增加,从而使用户的数据传输速率得到了提高。

3 仿真结果与分析

本文依据异构网络模型下提出的基站分簇方案,通过设置合适的参数,利用Matlab软件进行了仿真,通过将微小区中边缘用户的传输速率作为性能指标,验证其方法的可行性,仿真参数见表1。

首先,分别验证不同分簇方法中用户平均速率随信噪比变化的增长趋势;其次,通过仿真对比得出二者之间的差值;最后,通过改变门限值的大小来观察速率的变化情况,选择合适的门限值。根据设置的仿真场景与仿真参数,最后得出的结果如图2、图3所示。

如图2所示,随着信噪比的增加,文献[7]中提出的阈值法、文献[8]提出的最近距离(功率最大)法与本文提出方法(路径损耗门限法)获得的用户传输和速率都呈增长趋势,且路径损耗门限法的用户速率高于阈值法和最大功率法。在信噪比为18d B时,路径损耗门限法获得的速率为5.82 bit/s,阈值法获得的数据速率为4.96 bit/s,二者相比平均数据速率有大约17%的提升。

如图3所示,两种算法用户之间的平均速率差随着信噪比的增加而不断变大。随着路径损耗的增大,受距离、环境等的影响加大,使得信号在传输过程中的损耗增多,相当于干扰信号强度增加,有用信号强度降低,用户端的接受信干噪比(SINR)减小,数据速率降低。随着各个基站与主机站间路径损耗差值的增大,需要进行协作的基站数目减少,满足式(9)的基站与用户j所处小区的微基站协作共同向用户j传输数据的速率,与功率阈值法在信噪比增加到一定的数值范围内相差不大,故而信噪比—平均速率差曲线最终会趋于平缓。

由于路径损耗门限值设置的不同会影响到其余基站是否与主服务基站进行协作,和用户收到的干扰的大小,从而影响到SINR的大小,最终会对接收端的数据传输速率产生影响,所以需要合理的选择参考门限值。图4给出了不同门限值的情况下数据速率的变化情况。当路径损耗门限设为a=24 d B时,获得的数据传输速率最大,也最理想。

4 结束语

作为下一代无线网络中的关键组网模式和技术手段,异构网络和协作多点传输在消除小区间干扰,提高接收端数据传输速率等方面起到了至关重要的作用。本文通过分析现有方法的不足,从路径损耗方面着手,提出了基于路径损耗门限的基站分簇方法,并且分析了不同路径损耗门限下数据速率随信噪比变化的情况,通过与最大功率法和功率阈值法的比较,确定了该分簇方法的优越性,在一定程度上能够使数据传输速率得到提升。但是对于阴影衰落情况,多个用户之间共享资源的公平性没有进行考虑,同时对于用户端的移动性问题也需要更深一步的研究。

摘要：在异构网络组网形式下,为了降低小区间干扰对边缘用户的影响,提高系统容量,对基站进行分簇研究。在多用户下的情况,以最大化边缘用户的和速率为目标,通过设置路径损耗门限来选择为用户进行协作通信的基站。分析对比了不同分簇方式下的用户平均速率情况,并且通过观察不同的门限值对应的速率变化情况,合理的选择门限值。仿真结果表明,该方法在一定程度上能够有效提高数据传输速率,当信噪比为18 d B时,路径损耗门限法在系统的平均传输速率方面较阈值法提升了1.02 bit/s,即用户的平均数据速率获得了17%的提升。

关键词：异构网络,基站协作,分簇,路径损耗门限,传输速率

参考文献

[1]张琛,粟欣,王文清,等.异构网络跨层协作传输技术研究.通信学报,2014;35(8):198-205Zhang C,Su X,Wang W Q,et al.A cross layer cooperative transmission technology research in heterogeneous network.Journal of Communication,2014;35(8):198-205

[2]肖海林,王鹏,聂在平,等.基于遗传算法的多基站协作通信功率分配方案.电子科技大学学报,2014;43(1):26-31Xiao H L,Wang P,Nei Z P,et al.Multi base station cooperative communication power allocation scheme based on genetic algorithm.Journal of University of Electronic Science and Technology of China,2014;43(1):26-31

[3]郑丽清.协同基站群的动态分簇算法研究.解放军信息工程大学,2011Zheng L Q.Dynamic clustering algorithm of cooperative base station group.The PLA Information Engineering University,2011

[4] Dehghani M,Arshad K,Mac Kenzie R.LTE-advanced radio access enhancements:a survey.Wireless Pers Commun,2015;80:891-921

[5]黄开枝,郑丽清,李坤,等.基于协同度的基站群利益树动态分簇算法.电子与信息学报,2012;34(6):1469-1475Huang K Z,Zheng L Q,Li K,et al.A dynamic clustering algorithm of base station group interest tree based on coordination degree.Journal of Electronics and Information,2012:1469-1475

[6]李坤,黄开枝,鲁国英,等.基于平均信干噪比的基站群分簇模型.计算机应用研究,2012;29(12):4699-4702Li K,Huang K Z,Lu G Y,et al.A base station cluster model based on average signal to noise ratio.Computer Application Research,2012;29(12):4699-4702

[7]韩东升,丁莎莎,余萍.一种基于阈值的无线异构网络基站分簇算法.电信科学,2015;(4):93-98Han D S,Ding S S,Yu P.A clustering method based on the threshold in wireless heterogeneous network.Telecommunications Science,2015;08(6):93-98

[8] Ng C T K,Huang H.Linear precoding in cooperative MIMO cellular networks with limited coordination clusters.IEEE Journal on Selected Areas in Communications,2010;28(9):1446-1454

[9]唐浩.LTE-A异构网络中的干扰协调机制研究.中国科学技术大学,2014Tang H.Research on interference coordination mechanism in LTE-Aheterogeneous networks.University of Science and Technology of China,2014

[10]祁美娟.MIMO系统中预编码技术研究.重庆大学,2012Qi M J.Study on precoding technique in MIMO systerm(masterdissertation).Chongqing University,2012

[11]王宏宇.多用户MIMO系统下行链路用户选择算法研究.哈尔滨:哈尔滨工业大学,2013Wang H Y.Research on user selection method for multi-uer MIMOsysterms.Harbin:Harbin Industrial University,2013

无线接入信道损耗特性分析 篇2

在无线接入信道,电波不仅随传播距离的增加而发生弥散损耗,并且会受到地形、地物遮蔽而发生“阴影效应”,而且信号经过多点反射,会从多条路到达接收端,这种多径信号的幅度、相位以及到达时间都不一样,它们相互叠加产生电平快衰落和时延扩展。工程实际中,常常用一些特征量来表示衰落信号(快衰落)的幅度特点,这些特征量主要有衰落速率和衰落深度。本文将对莱斯和瑞利2种小尺度衰落信道条件下的衰落速度和衰落深度进行分析。

1 无线接入信道的损耗分析

无线接入信道的损耗主要包括自由空间传输损耗和散射损耗两部分。

1.1 自由空间传输损耗

自由空间损耗反映了无线电波在理想空间传播时产生的扩散损耗。自由空间传播损耗提供了一个可供比较的传播环境标准。自由空间传播损耗Lbs的定义为:

undefined。

式中,Lf为自由空间传播基本传输损耗;d为传播路径长度;λ为波长。

1.2 反射损耗

在工程实践中,典型的移动通信电波传播需要考虑地物等反射对电波传播的影响,这种情况下的传播通路为直射通路和反射通路,对应的传播模型称为二射线反射模型。

反射引起的附加损耗可以表示为:

undefined。

式中,λ为波长;Re为等效反射系数;Δr为直接射线与地反射射线之间的路程差。

2 服从瑞利分布的衰落深度

无线信道中传输的信号在无视距路径存在的情况下是服从瑞利分布的,此时信号幅度、相位的联合分布密度为:

undefined。

信号幅度和相位的分布密度分别为:

undefined

从而可以得到相应的幅度分布概率为:

undefined

即P(R)为传输信号不超过给定值的概率,而q(R)表示传输信号超过给定值的概率。

根据式(1)和式(2)可以求出包络功率ω=r2的分布密度和分布概率为:

undefined, (3)

undefined。

式中,ω0=2σ2为平均信号包络功率。

令式(3)右边等于1/2,可以得到信号幅度中值为:

ωm=ω0ln2。

从而可得:

undefined

而相应于被超过概率q的相对于中值的电平即为:

V(dB)=10lg(-lgq)+5.2。

从而得到信号服从瑞利分布情况下的衰落深度为:

F=V(0.5)-V(0.9)≈8.2 dB。

3 服从莱斯分布的衰落深度

当信号在无线传输过程中存在视距路径且该视距路径可建模为常矢量时,此时传输信号服从莱斯分布,信号幅度、相位的联合分布密度为:

undefined。

式中,α为直射路径分量幅度。

信号幅度和相位的分布密度分别为:

undefined

式中,

undefined(零阶虚变量贝塞尔函数);

undefined;undefined;

undefined。

当γ2<<1时,信号可近似看作是服从瑞利分布,而当γ2 >>1时,则

undefined

从而可以得出结论,当常矢量很强时,信号的幅度和相位主要分布在常矢量的幅度值α和相位值θ=0附近。可得信号幅度的分布概率为:

undefined。

定义undefined,则

undefined。

从而可得相对于常矢量的被超过概率q的相对于中值的电平为:

F=20lgm。

令K=20lgk,从而可以得到信号服从莱斯分布情况下的衰落深度为:

undefined

。

不同莱斯因子条件下的误码性能如图1所示。

4 衰落速率分析

衰落速率可表示为:

undefined。

当用中值电平表示时,衰落速率还可以写为:

N(r)=N(rm)n(r)。

式中,N(rm)为中值电平rm处的衰落速率;n(r)为电平r处的相对衰落速率。可以得到N(rm)和n(r)的表达式为:

undefined;

undefined。

当γ=0时,信号服从瑞利分布:

undefined。

当γ≠0时,信号服从莱斯分布:

undefined。

5 结束语

小尺度衰落是无线接入多径衰落信道重要特征,在典型的莱斯分布和瑞利分布衰落信道条件下,衰落深度和衰落速度是表征信道特性的重要参数,直接决定了系统工程中关键部件的设计方法。本文推导了莱斯、瑞利信道衰落深度和衰落速度的统计计算方法,对针对变参条件下的信道设计有一定的参考作用。

参考文献

[1]PROAKIS J G.数字通信(第4版)[M].张力军,译.北京:电子工业出版社,2003.

矿井电磁波传输路径损耗改进模型 篇3

我国煤矿事故多发,矿井移动通信系统是矿井安全生产的重要保障和应急救援的必要手段,对提高生产效率、保障井下人员的安全、灾后及时施救与自救具有十分重要的意义。煤矿专用设备标准化技术委员会煤矿通信监控设备分会受国家安全生产监督管理总局委托,研究制定了中华人民共和国煤炭行业标准MT/T 1115—2011 《多基站矿井移动通信系统通用技术条件》[1]。作为煤矿通信监控设备分会秘书长,笔者是该项行业标准的第2完成人。该标准的制定过程中,多基站通信系统的小区半径、通信系统的发射功率和接收灵敏度等是关键技术指标,具体地说,对于工作在煤矿井下巷道的通信系统,如何根据发射和接收功率来确定无线通信距离是该标准在制定过程中首先要解决的问题。煤矿井下受巷道结构、围岩介质等因素的影响,电磁波传输衰减特性与在地面时有很大的差异[2,3,4,5]。地面自由空间的电磁波传播衰减模型中,使用较为普遍的是基于接收信号指示强度(Received Signal Strength Indication,RSSI)的基本路径损耗模型[6,7],该模型将接收信号功率强度转换为接收机与发射机间的距离,其基本原理:接收信号功率强度的变化反映发射功率在传输路径上的损耗,而损耗的大小是由电磁波传输距离的长短决定的。基于RSSI的基本路径损耗模型的建立是以实测数据为依据的,是经验公式,基本路径损耗模型只有1个待定参数(衰减因子),该参数以实测数据为依据,通过数据拟合而得到。确定了该参数就建立了基本路径损耗模型。但是基本路径损耗模型没有考虑煤矿井下多径传输的影响,因此需要建立一个适合煤矿井下电磁波传输特点的、带有多径衰减系数的基于RSSI的路径损耗改进模型。

1 基于RSSI的基本路径损耗模型

RSSI测距的基本原理:根据发射机的发射功率和接收机的接收功率确定传输损耗,将传输损耗转换为发射机和接收机间的距离[8,9]。路径损耗模型常被称作测距模型和测距算法,其表达式为

$\frac{{\rm P}}{{\rm P}{}_0}=\left(\frac{d{}_0}{d}\right){}^{\alpha }(1)$

式中:P为未知点接收到的功率;P0为与发射机距离为d0的已知参考点接收到的已知功率;d为未知点与发射机的距离;α为电磁波传输衰减因子。

由式(1)得接收功率为

${\rm P}={\rm P}{}_0\left(\frac{d{}_0}{d}\right){}^{\alpha }(2)$

式(2)称为RSSI基本路径损耗模型。确定α的方法有很多,基本思路都是依据井下实际测量得到P和d,采用不同的算法得到经验值α。常用的算法有最小二乘法[10]、最小均方差法(MMSE)等。不同的计算方法会出现不同的误差,要根据不同的电磁波传输环境特点来确定计算方法。最小二乘法是最常用的计算传输衰减因子的方法,其基本思想是依据实测数据来找到使实测值和计算值偏差平方和最小的衰减因子α,其具体步骤如下所述。

对式(2)两边取对数,得

$\ln ({\rm P}/\text{m}\text{W})=\alpha \ln \left(\frac{d{}_0}{d}\right)+\ln ({\rm P}{}_0/\text{m}\text{W})(3)$

为了计算方便,令$\ln \left(\frac{d{}_0}{d}\right)=x‚\ln ({\rm P}{}_0/\text{m}\text{W}$)=b,则式(3)变为

$\ln ({\rm P}/\text{m}\text{W})=\alpha x+b(4)$

设P′为实际测量值,令

${\rm M}={\displaystyle \sum _1^{{\rm N}}(}{{\rm P}}^{\prime }-{\rm P}){}^2(5)$

式中:N为测量接收功率的次数。

为了计算简单,令

${\rm M}={\displaystyle \sum _1^{{\rm N}}[}\ln ({{\rm P}}^{\prime }/\text{m}\text{W})-\ln ({\rm P}/\text{m}\text{W})]{}^2(6)$

只要α使式(6)达到最小,误差即可以达到最小,从而得

$\frac{\partial {\rm M}}{\partial \alpha }=0(7)$

即

$\frac{\partial {\rm M}}{\partial \alpha }=-2{\displaystyle \sum _1^{{\rm N}}[}\ln ({{\rm P}}^{\prime }/\text{m}\text{W})-(\alpha x+b)]x=0(8)$

经过整理合并,可得

$\alpha {\displaystyle \sum _1^{{\rm N}}x}{}^2+b{\displaystyle \sum _1^{{\rm N}}x}={\displaystyle \sum _1^{{\rm N}}x}\ln ({{\rm P}}^{\prime }/\text{m}\text{W})(9)$

MT/T 1115—2011 《多基站矿井移动通信系统通用技术条件》起草工作组在山西华美奥能源集团有限公司兴陶煤矿井下巷道进行实际测量。该巷道形状为长方形带状,固定射频发射天线,工作频率为2.4 GHz,使发射天线以不同的功率发射信号,巷道侧壁每隔一定距离进行一次接收测量,每个接收功率值都是取10次测试的平均值,实测数据见表1。

令(1,63)为参考点,将数据代入式(9)可得α=0.19,RSSI模型中的接收功率表达式为

${\rm P}={\rm P}{}_0\left(\frac{d{}_0}{d}\right){}^{0.19}(10)$

将距离数据代入式(10),得到接收功率的计算值,见表2。

2 基于RSSI的路径损耗改进模型

基于RSSI的基本路径损耗模型是建立在接收节点和发射节点之间无视距传输条件下的,但在煤矿井下多径传输的影响较为严重。为了反映巷道多径传输对电磁波传输的影响,本文提出增加多径衰减系数对基本路径损耗模型进行改进。式(2)增加多径衰减系数k后变为

${\rm P}=k{\rm P}{}_0\left(\frac{d{}_0}{d}\right){}^{\alpha }(11)$

对式(11)两边取对数得

$\ln ({\rm P}/\text{m}\text{W})=\alpha \ln \left(\frac{d{}_0}{d}\right)+\ln (k{\rm P}{}_0/\text{m}\text{W})(12)$

令$\ln \left(\frac{d{}_0}{d}\right)=x‚\ln (k{\rm P}{}_0/\text{m}\text{W}$)=b,式(12)变为

$\ln ({\rm P}/\text{m}\text{W})=\alpha x+b(13)$

设P′为实际测量值,令

${\rm M}={\displaystyle \sum _1^{{\rm N}}(}{{\rm P}}^{\prime }-{\rm P}){}^2(14)$

为了计算简单,令

${\rm M}={\displaystyle \sum _1^{{\rm N}}[}\ln ({{\rm P}}^{\prime }/\text{m}\text{W})-\ln ({\rm P}/\text{m}\text{W})]{}^2(15)$

只要α和b使式(15)达到最小,误差就可以达到最小,从而得到

$\begin{array}{l}\frac{\partial {\rm M}}{\partial \alpha }=0(16)\\ \frac{\partial {\rm M}}{\partial b}=0(17)\end{array}$

即

$\begin{array}{l}\frac{\partial {\rm M}}{\partial \alpha }=-2{\displaystyle \sum _1^{{\rm N}}[}\ln ({{\rm P}}^{\prime }/\text{m}\text{W})-(\alpha x+b)]x=0(18)\\ \frac{\partial {\rm M}}{\partial b}=-2{\displaystyle \sum _1^{{\rm N}}[}\ln ({{\rm P}}^{\prime }/\text{m}\text{W})-(\alpha x+b)]=0(19)\end{array}$

经过整理合并,可得

$\begin{array}{l}\alpha {\displaystyle \sum _1^{{\rm N}}x}{}^2+b{\displaystyle \sum _1^{{\rm N}}x}={\displaystyle \sum _1^{{\rm N}}x}\ln ({{\rm P}}^{\prime }/\text{m}\text{W})(20)\\ \alpha {\displaystyle \sum _1^{{\rm N}}x}+{\rm N}b={\displaystyle \sum _1^{{\rm N}}\text{l}}\text{n}({{\rm P}}^{\prime }/\text{m}\text{W})(21)\end{array}$

将测量数据代入式(21),可得α=0.22,k=1.07,式(11)表示为

${\rm P}=1.07{\rm P}{}_0\left(\frac{d{}_0}{d}\right){}^{0.22}(22)$

将数据代入式(22),得到改进后的接收功率计算值,见表3。

3 仿真分析

采用Matlab软件对2种基于RSSI的路径损耗模型进行仿真,数据依然采用在煤矿井下实测的数据,仿真结果如图1所示。从图1可看出,路径损耗改进模型利用最小二乘法计算得到的接收功率值比基本路径损耗模型更接近实测数据,误差更小,接收功率随着距离的增加而减小,在距离发射机较近的地方衰减比较严重,衰减性随着距离的增加而逐渐减小。

4 结语

基于RSSI的基本路径损耗模型是建立在视距条件下的,只有1个衰减因子α。而煤矿井下是限定空间电磁波传输。针对煤矿井下巷道形状、围岩介质影响电磁传输的特点,提出了基于RSSI的路径损耗改进模型,在衰减因子α的基础上,引入了多径衰减系数k,再利用最小二乘法计算α和k。仿真结果表明,改进模型的计算结果更接近实测值,提高了计算精度;同时可以针对煤矿井下的实际情况修正改进模型中的α或k,使模型准确反映煤矿井下巷道影响电磁波传输的因素。本文对于研究电磁波在煤矿井下巷道中的传输衰减具有指导意义。

摘要：针对基于接收信号指示强度的基本路径损耗模型建立在发射节点与接收节点为视距基础上,不符合矿井电磁波传输特点的问题,提出了一种矿井电磁波传输路径损耗改进模型。该改进模型在基本模型只有衰减因子参数的基础上,增加了多径参数系数,并采用最小二乘法计算这2个参数。计算及Matlab仿真结果表明,采用该改进模型得到的结果更接近实测值,误差更小,且接收功率和传输衰减性随着节点间距的增加而减小。

关键词：矿井移动通信,电磁波,传输路径,基本路径损耗模型,接收信号指示强度,衰减因子,多径参数系数,最小二乘法

参考文献

[1]MT/T 1115—2011多基站矿井移动通信系统通用技术条件[S].

[2]孙继平,石庆冬.UHF频段在空矩形巷道中的无线传输特性[J].工矿自动化,2002,28(2):7-9.

[3]孙继平,张宏炜.矩形弯曲隧道中电磁波的传输特性分析[J].工矿自动化,2007,33(4):4-6.

[4]孙继平,张长森.梯形隧道中电磁波的传播特性[J].中国矿业大学学报,2003,32(1):64-67.

[5]孙继平,张长森.圆形隧道中电磁波的传输特性[J].电波科学学报,2003,18(4):408-412.

[6]武丹琛,丁青青,刘志高,等.基于RSSI方法的井下人员定位系统原理与设计[J].工矿自动化,2010,36(12):76-79.

[7]姚渔平.基于RSSI的无线定位数据处理与实现[D].昆明:云南大学,2012.

[8]王缓缓,胡爱娜.RSSI和距离区间映射的测距方法[J].电子科技大学学报,2012,41(4):522-526.

[9]任维政,徐连明,邓中亮,等.基于RSSI的测距差分修正定位算法[J].传感技术学报,2008,21(7):1247-1250.

无线路径损耗 篇4

关键词：无线体域网,路径损耗,信道模型,MATLAB

引言

Zimmerman提出的人类通信相比, 与射频无线通信[2], 人类的通信在人体传感器网络中的应用有很大的优势, 首先, 它是以“人”为中心, 建立了一个网络和通信范围有限的每个人, 使每个网络属于每个人, 网络安全和通信的稳定性, 以及低功耗使得系统可以在较长的时间内工作。

在本文中, WBAN信道特性进行了研究, 并影响体内和体外的通道的主要因素进行了分析。本文分析了人体信道的路径损耗模型的传输特性, 并进行了不同频率下的路径损耗模型的仿真分析。

一、信道模型统计特性

基在无线通信系统中, 尤其是在WBAN信道的, 且与位置和位置有关, 而下降的速度取决于人体的速度。对数正态分布的概率密度函数和累积分布函数的分布是:

其中, μd B和σd B是对数正态分布是两个重要的参数, 分别为平均值和标准值, 并可以通过最大似然无偏估计计算:

通过对数正态分布的分析, 为下一章WBAN信道统计建模提供理论依据。

二、多人体信道模型

电磁波在人体内的传播特性是非常复杂的。电磁波被人体吸收, 这是由于有损的介电特性和人体的异质性, 这使得传输信号大大衰减。由于人体和频率的介电性能, 在不同的工作频段, 如UWB, MICS和HBC, 其信道特性是不一样的。因此, 人体区域的信道建模, 需要对不同的信道类型和不同的频率条件, 将电磁波在人体区域内的不同的通信特性考虑进去。

不同于传统的无线通信, WBAN信道路径损耗是由接收天线的距离和通信频率的确定。从对人体本身, 分析4.1部分的形状、结构和周围环境和传播环境的运动也会影响WBAN信道。一般来说, 信道的路径损耗会随着距离的增加, 增加的频率;其次, 由于人体的运动, 导致在无线体域网的拓扑不规则变化, 人体和周围环境也会发生变化, 所以在通信距离和频率的确定, 路径损耗由瞬时值与平均路径损耗值的波动, 这种现象可以被称为阴影衰落, 并在人体静态和运动必须考虑其影响。路径损耗模型是用来定义的功率衰减的相对值, 根据经验类型的幂函数衰减规律, 以适应, 如下:

考虑到阴影的影响周围的身体和身体的运动[4]。路径损耗公式为:

PL0为参考距离为d0时的路径损耗。为阴影效应对损耗造成的影响, n是多径效应引起的路径损耗指数, d0是参考距离, 这里d0=50mm, 根据查询数据, 得到了不同接收位置的路径损耗公式参数[5]。

三、仿真结果

本节对路径损耗模型在不同频率, 不同接收机位置, 不同发射机位置进行仿真, 路径算好公式采用包含阴影衰落的3-1, 主要针对B信道, 即体内到体表信道进行仿真, 仿真分为四类:4GHz (暂时忽略高频率对人体伤害) 下B信道接收机位置为Rx1, B信道接收机位置为Rx2, 400MHz下B信道发射机位置在人体深层组织, B信道发射机位置在人体浅层组织。

MATLAB下仿真, 并得出不同情况下的路径损耗图如下:

四、结论

本文通过MATLAB对人体信道的体内到体表部分信道进行仿真, 验证了UWB频段和MICS频段的信道特性, 结果表明:

在MICS频段下, 体内到体表信道, 由于人体组织的不同几乎不会影响路径损耗, 在UWB频段下路径损耗要比MICS频段下大, 并且, 只有UWB频率情况下人体组织对路径损耗也会产生一定的影响, 因此选择合适的频率和合适的接收机位置会大大提高人体通信的效率。

参考文献

[1]谢俐, 电力线载波数字通信技术研究与实践[D], 重庆, 重庆大学, 2009.4.

[2]席亚明, 基于OFDM的电力线通信系统的标准研究及性能分析对比[D], 重庆, 重庆大学, 2012.4.

[3]吕英杰, 国内低压电力线载波通信应用现状分析[J], 电网与清洁能源, 2010年, 第4期:P33-36.

无线路径损耗 篇5

目前新建的变电站在建设阶段需要与其相邻的变电站建立一条临时通信线路, 相应的通信光缆建设方案为其提供临时调试通道。

与传统变电站相比, 数字化变电站中的通信网络在结构、功能、性能和重要性等方面存在较大差异[1]。光纤通信传输运行状态信息、故障信息和跳合闸命令信息, 具有无误差, 传输速度快, 传输容量大, 接口简便灵活, 转换方便, 基本不受外界电磁干扰等优势, 是最可靠的通信方式[2]。对于临时通信系统, 要求组网迅速, 成本低等特点。临时通信架设的光缆在变电站投产后废弃, 累积起来会造成很大的浪费。另外, 光纤通道比较脆弱, 熔接不好、接头接触等原因都会影响通道的传输质量[3]。基于以上考虑, 需要一种新型的方案为变电站之间临时搭建通信系统, 取代代价高的光缆通信方式。这种临时系统拆除后还可以重复利用, 减少成本的浪费。无线通信网络的提出, 可满足其要求, 本研究将采用Mesh无线网络[4], 以它为例, 对无线的通信路径损耗进行预算, 对Mesh的组网提供参考依据。

路径损耗的预算是无线网络覆盖规划的一项主要内容。在Mesh网络的规划和设计阶段, 当工作频率确定之后, 通过计算特定业务在一定通信质量要求下的最大允许路径损耗, 求得一定传播模型下发射机的覆盖半径, 从而确定满足条件下的最佳组网方案。本研究在不规则地形上对Okumura-Hata模型[5]进行修正, 得出发射端到接收端之间接收信号的变化规律。

1 路径损耗计算模型

由于无线传播环境的复杂性和多变性, 反射、散射、绕射和透射等现象使得具体的无线信道特性实际上难以预测, 因此这些现象也就成为影响无线通信性能的主要因素。无线信道的复杂性, 单一的模型是无法准确描述发射机和接收机之间的电波传播特性, 需要根据不同的地域环境使用不同的模型。

1.1 Okumura-Hata模型

Okumura-Hata模型是预测城市及周边地区路径损耗时使用最为广泛的模型。它基于测试数据所作的图表, 不提供任何的分析解释。工作频率在150~1 920 MHz之间, 并可扩展至3 000 MHz;作用距离从1~20 km, 经扩展可延伸至100 km。它是根据测试数据经曲线拟合后得到的路径损耗预测经验公式, 以市区传播损耗为计算标准, 其他环境情况需要在此基础上进行修正[6]。

它有两种表达形式, 第一种表达形式的市区损耗公式为

式中:Lfs表示自由空间传播的路径损耗;Aexc是电波传播距离和频率的函数;Hcb (hb, d) 为发射机天线高度不同时的修正因子;Hcm (hm, fc) 为接收机天线高度不同时的修正因子。

第二种Okumura-Hata模型更具一般性[7,8], 该模型是根据Okumura最初的测量结果经过曲线拟合后得到的, 路径损耗的计算公式为

式中:

对于大城市环境

对于中小城市环境

对于郊区环境, C的表达式为

对于农村环境, C的表达式为

为了简化公式, A、B和C分别代表了一段多项式, 这些多项式中的参数为载波频率fc, 单位为MHz, 收发两点间距离d的单位为km, 发射天线高度hb和接收天线高度hm的单位为m。式中的C、天线高度校正因子a (hm) 取决于无线系统的工作环境。

表1给出了Okumura-Hata模型中参数的取值范围。

必须注意的是, 表1中给出的频率参数的取值范围并不完全包括工作频率更高的2 G和3 G频段[9]。在该频段, 参数A、B按式 (9) 定义计算。

式中, a (hm) 由式 (6) 定义。

1.2 修正Okumura-Hata模型

Okumura-Hata模型以准平坦地形为基础的中值路径损耗预测模型。对复杂的具体环境会有一定的误差。而本研究MESH网络主要用于新建变电站传输, 环境大都为郊区等地, 实际地形是不规则的, 需要对其公式进行修正才能提高对损耗预测的准确度。

不规则地形校正因子主要有:丘陵地形校正因子、斜坡地形校正因子、水陆混合路径校正因子、孤立山峰校正因子等, 经过大量实验数据将这些修正因子公式化[10]。

根据实地勘测, 本研究只考虑需要的参数。

(1) 丘陵地形校正因子

计算损耗Kh公式为

图1中 (35) h是地形起伏高度, 计算地形起伏高度的10%~90%之间的差值 (适用于多次起伏的情况, 起伏次数>3) 。h1=hmg- (35) h/8-hmin, hmg和hmin分别为计算剖面上 (35) h里最高和最低地形高度。

(2) 孤立山峰校正因子

使用刀刃绕射损耗来计算, 虽然计算量稍大, 但是更加准确, 障碍后面的场强可由Fresnel方法计算。如图2所示。

计算绕射损耗Kim

Fresnel参数F的表达式为

式中,

式 (12) 中:dtx是发射天线与山峰之间的距离, 单位km;drx为接收天线与山峰之间的距离长度, 单位km;是信号的波长。

式 (13) 中:h为山峰的高度;hb和hm分别为发射和接收的天线高度, 单位都为m。

(3) 斜坡校正因子

如图3所示, d1是发射天线与产生折射点之间的水平距离, d2为发射天线与斜坡点之间的水平距离, 而d3为斜坡点与接收天线的水平距离, 当d2 (29) d1和d3>1 km时, 图3中斜坡有可能产生第二次地面反射, 对接收端形成干扰, 使信号强度衰减。

近似归纳斜坡地校正因子Ksp为

其中:m为移动台与基站连线的剖面上, 接收端前后1 km内地形高度的平均倾角, 以mrad为单位;d是收发之间的水平距离, 单位为km。

根据不同的应用环境可增减不同的校正因子, 以匹配环境对衰耗造成的影响。那么Okumura-Hata模型可更改为

2 Mesh网络路径损耗的预测分析

本研究针对某两个变电站之间进行了实地考察, 所在地为郊区, 所以均采用郊区环境作为评估的依据, 具体参数如表2。

两个变电站之间地形示意图如图4所示。

图中地形所示可清晰看出变电站A到变电站B之间的地形因子, A点和B点之间为10 km左右的距离, 这些地形因子对信号造成一定损耗, 根据已选Mesh设备参数, 结合实际地形参数, 对其传播路径损耗预测分析。

Mesh网络遵循IEEE 802.11协议, 主要工作在ISM2.4 GHz频段。无线设备主要选用Strix公司的Access/One室外型无线系统OWS, 该设备采用OFDM技术, 发射功率为26 dbm。

OWS模块采用的OFDM是正交频分复用技术, 是一种多载波调制方式, 由于无线传播过程会存在较强的多径效应, 采用OFDM调制技术可通过减小和消除码间串扰的影响来克服信道的频率选择性衰落, 它在抵抗多径效应、频率选择性衰落或窄带干扰方面有明显的优势。当信号带宽较宽, 相对射频是宽带调制时, 无线传输过程中信道衰落对各子载波的不同损耗将影响信号的恢复, 而所选用的OWS系统的带宽有1 Mbps、5.5 Mbps、6 Mbps、…, 最高允许带宽为54 Mbps, 相对于2.4 GHz的射频是窄带调制, 因此仍可利用式 (2) 和式 (9) 进行模型计算和预测。

2.1 Okumura-Hata模型预测

考察地为郊区地带, 若不考虑校正因子, 那么Okumura-Hata模型预测公式是本文中式 (2) , 其中参数A、B按式 (9) 定义计算, Matlab仿真如图5所示。

Okumura-Hata模型不是一个理想的状态下的公式, 而是经过大量实验测量而得到的经验公式, 众所周知, Okumura-Hata模型的预测数据和实际测量数据吻合较高[11], 从图中得到的预测数据比较可靠。结合设备参数, 根据公式:

不同的传输带宽, 接收灵敏度相对应不同。若设备传输带宽为1 Mbps, 接收灵敏度为-98 d Bm, 得出设备允许损耗为124 d B, 图5中可以看出, 5.7km的距离设备到达极限, 可加上中继路由延长有效距离。若设备传输带宽定为5.5 Mbps, 则接收灵敏度为-94 d Bm, 允许损耗为120 d B, 距离发射端4.35 km后, 接收设备识别不了信号, 需要在两端之间架设两个中继路由, 才能达到设计要求。假设没有校正因子, 图5中预测数据说明需要架设1~2个中继路由才能将信号传送到目的地。若设备选择最高传输带宽54 Mbps, 接收灵敏度为-74 d Bm, 得出设备允许损耗为100 d B, 图5中可以看出, 此时1.1 km的距离设备达到极限。由于变电站之间传输带宽的要求较低, 可选用速率低、距离长的传输带宽, 既可以减少中继的数量, 节约成本, 又可以达到通信要求, 因此用1 Mbps以及5.5 Mbps作为研究所选带宽。

2.2 丘陵因子的预测分析

针对变电站的环境, 只考虑丘陵因子, 预测在图4中a点或c点方向的路径损耗, 预测结果如图6所示。

从图6中可以看出, 增加丘陵因子的之后衰减的变化曲线。与图5进行比较, 假设没有丘陵因子的影响下可接收距离为d1, 在丘陵因子的影响下, 可接收距离为d2。结果如表3。

预测的衰减数据表明, 在丘陵方向进行传输, 采用1 Mbps传输带宽的有效距离d2为9.2 km, 5.5Mbps传输带宽的有效距离是7.0 km。表明在3.0 km之后添加一个中继路由, 能使信号传送到变电站B。

2.3 山峰的预测分析

在变电站发射与接收之间, 在图4中从点b的方向考虑, 孤立山峰距离发射天线2 km, 高232 m。损耗预测结果如图7所示。

山峰距离发射端2 km, 地形比较平坦, 可以由图5的数据图中看出。而经过山峰绕射, 在4 km的时候考虑山峰的校正因子。从图7中可以看出, 路径损耗明显增加, 结合设备允许的损耗, 信号已经不能够接收, 未能达到相应距离。表明, 当Mesh组网时, 若把山峰作为传播路径的一种因素, 山峰对信号影响的损耗过大, 需要提出具体中继的组网方案, 要么必须改变路线重新组网。

2.4 斜坡的预测分析

信号发送过程中, 由于B点相对于A点是一个斜坡, 因此信号会产生地面的二次反射, 仿真结果如图8。

斜坡的弧度为5.2 mrad, 从距离发射点4 km处才显现出斜坡因子的影响, 从图8中看出, 设备在1 Mbps的速率下, 增加斜坡因子后有效距离从5.7km降低到5.0 km, 中继路由架设在5.0 km左右, 理论上恰巧达到设计要求。设备为5.5 Mbps的速率下, 可在4 km之前架设一个中继路由, 在6~8 km处再架设一个中继路由, 才可将信号传送到目的地。在4 km之前, 传播路径可视为平坦地形, 预测曲线可参考图5。

3 结论

传输的有效距离与具体地形因素及速率有着密切的关系, 本文计算了实际工程中选定的Mesh设备可达到的有效距离。理论分析得出, 在发射端与接收端之间根据不同的地形, 相对应添加中继路由器的组网方式就不同, 利用Mesh设备的相关参数, 预测具体的有效距离, 可确定最佳的组网方案, 达到通信系统要求。本文针对具体实际设备参数预测仿真, 对其研究具体组网提供了重要的依据。

摘要：新建变电站在建设阶段需要与其相邻的变电站建立一个临时通信系统, 为了让这种临时通信系统的成本降低, 保证系统通信的质量, 可采用无线Mesh网络。变电站之间传播路径损耗的研究对Mesh网络的有效性和可靠性具有重要的参考意义。在Okumura-Hata模型的基础上, 通过勘测实地的环境参数, 增加了校正因子, 并用Matlab进行了仿真分析, 理论上测得了变电站间Mesh网络链路传播的路径损耗。分析结果表明, 传播路径损耗的理论分析, 对Mesh网络应用于变电站临时通信系统的组建有重要的意义。

关键词：路径损耗,Mesh网络,Okumura-Hata,变电站,临时通信系统

参考文献

[1]何磊, 郝晓光.数字化变电站通信网络的性能测试技术[J].电力系统保护与控制, 2010, 38 (10) :75-78.HE Lei, HAO Xiao-guang.Acceptance test technology of communication network in digitalized substation[J].Power System Protection and Control, 2010, 38 (10) :75-78.

[2]卜明新, 武晋文, 吴孔松.基于光纤通信交互式远方自投装置的研发与应用[J].电力系统保护与控制, 2009, 37 (22) :126-128.BU Ming-xin, WU Jin-wen, WU Kong-song.Research and application of optical fiber communication based interactive remote automatic bus transfer equipment[J].Power System Protection and Control, 2009, 37 (22) :126-128.

[3]许庆强, 张勇刚, 周栋骥, 等.光纤通道传输品质对线路保护PSL603U影响的试验研究[J].电力系统保护与控制, 2010, 38 (11) :75-80.XU Qing-qiang, ZHANG Yong-gang, ZHOU Dong-ji, et al.Experimentation and research of optical fiber channel to the line differential protection PSL603U[J].Power System Protection and Control, 2010, 38 (11) :75-80.

[4]Mahesh K M, Samir R D, Anand P S.A topology controlapproach for utilizing multiple channels in multi-radio wireless mesh networks[J].Computer Networks, 2010, 54 (2) :241-256.

[5]Hata Masahuaru.Empirical formula for propation loss in land mobile radio services[J].IEEE Trans on Vehicular Technology, 1980, 29 (3) :317-325.

[6]张延华, 段占云, 沈兰荪, 等.Okumura-Hata传播预测模型的可视化仿真研究[J].电波科学学报, 2001, 16 (1) :89-92.ZHANG Yan-hua, DUAN Zhan-yun, SHEN Lan-sun, et al.Okumura-Hata radio propagation models using visual simulation[J].Chinese Journal of Radio Science, 2001, 16 (1) :89-92.

[7]魏崇毓.无线通信基础及应用[M].西安:西安电子科技大学出版社, 2009.

[8]彭木根, 游思晴, 胡春静, 等.无线通信导论[M].北京:北京邮电大学出版社, 2011.

[9]European Cooperation in the Field of Scientific and Technical Research EURO-COST231.Urban transmission loss models for mobile radio in the900and1800MHz bands[R].Revision2.The Hague, 1991.

[10]张亦明.Okumura模型的公式化[J].天津大学学报, 1993, 39 (1) :100-104.ZHANG Yi-ming.The formulation of Okumura model[J].Journal of Tianjin University, 1993, 39 (1) :100-104.