统计信道模型论文

统计信道模型论文（精选7篇）

统计信道模型论文 篇1

0 引言

数字电视接收机的移动性,导致接收的OFDM符号产生多普勒频谱扩展,由此子载波间的正交性被破坏,从而引起载波间干扰(ICI)。

ICI直接导致了移动接收机系统性能的误码地板效应,这是OFDM系统在时变信道中的最大瓶颈,已有许多研究围绕ICI的抑制问题展开讨论。与无迭代的接收机相比,迭代接收机通过迭代过程,利用判决反馈的结果来修正信道估计的精度,通过初始步的预判决结果作为训练序列,来对信道进行更精确的拟合,从而减小误码率。本文从时域推导了采用Kalman滤波器进行判决反馈的均衡算法,以改善由于信道时变带来的误码率和降低复杂度。由于Kalman滤波算法是基于统计AR模型给出的状态方程,本文也分析了信道的时域的统计特性。

1 时变信道的时域统计AR模型

通常考虑信道系统函数的相关性,设信道冲激响应的相关函数为:

则当信道满足条件:

时,称信道为广义平稳(WSS)的。其中。这意味着以不同多普勒频移到达的信号是不相关的。当主要路径在时间上可以分辨出来时,于是得到

其中,和分别表示第l条路径的复数值幅度和时延的时变函数。信道的时变特性可以用有限参数的AR模型来描述,并且一阶AR模型可以对时变信道给出足够精确的辨识,因此信道模型可以表示为:

其中,a为AR模型参数,vn为高斯白噪声过程变量,其方差为。信道的快衰落是由于收发双方的相对移动产生的多普勒频移效应,引起信号相位的迅速变化形成的,按照Jakes衰落模型,第l径信道的相关函数可以表示为:

式中,fdTs为归一化的多普勒频偏,J0(·)为第一类零阶贝塞尔函数。利用式(5)中的相关函数求解Yule-Walker方程,可以求得a和

将式(6)表示成向量,得到如下状态空间模型:

其中,hn.l表示n时刻信道第l径复增益,,,wn是一均值为零,方差为的加性高斯白噪声。

2 基于Kalman滤波器的信道估计

2.1 算法描述

由状态空间模型式(8),在已得到接收序列N-1后,采用Kalman滤波算法[1]可以获得时变信道的递推估计值。

上式中,Qn+1为过程噪声vn+1的相关矩阵,由于信道的各径增益为统计独立的随机变量,所以Qn+1为对角矩阵且

但由于各径的未知,为此可以假设每一径都有相同的,则有:

为信道估计误差的协方差矩阵,其初始值可设为p0=I,在这种方法中,由于在接收端多普勒频偏fdTs和Qn+1未知,由式(6)给出的参数a未知,导致式(9)给出的Kalman滤波算法实用性受到限制。若引入en的最小均方误差作为代价函数,采用VFF-RLS算法可得到一种a的递推估计方法,下面是推导过程。

2.2 算法改进

考虑均方误差目标函数

为了使估计的均方误差最小,可以对目标函数取关于a的导数

令:对式(9)中第4个等式两边求导。

对式(9)中第3个等式两边求导,可得

令:,将(11)代入式(9)中第5个等式,并对它两边求导。

此处,,否则,通过式(12),可以用递归的自适应算法来计算参数a,

其中为收敛因子,指设定上限和下限的截断运算。

这样改进后,完整的Kalman滤波算法由下列各式给出:

这样只要设定相应参数的初始值,在σ2n已知的情况下,就能够得到信道的估计值,通常可以设定,a-和a+根据fdTs的范围由式(6)给出。

3 TDS-OFDM系统的Kalman均衡方法

3.1 系统模型

TDS-OFDM的基带传输模型如图1所示,整个系统采用伪随机PN序列代替传统的循环前缀,二进制数据在完成星座映射后得到频域的复数序列{X(n)},经过离散傅立叶反变换后得到时域数据序列{x(n)},插入PN序列{g(n)}后缀,经过快衰落时变信道传输后,得到接收序列{y(n)}。要恢复出原发送符号序列,通常对接收数据利用信道估计信息进行均衡,将均衡后的数据经过离散傅立叶变换后进行符号判决,得到发送序列的估计值。

3.2 信道初始值设定

若信道的最大多径时延小于PN序列的长度,则可以利用PN序列的自相关特性来估计信道的各径增益和最大多径时延[2]。设PN序列的长度为M,将PN序列和接收符号序列做自相关运算可得:

Rgw(k)是PN序列与噪声的相关项;Rgg(k-l)是PN序列自相关项,有以下性质:

对各径信道的估计可以通过对相关运算后的峰值搜索得到,步骤如下:

(1)搜索Rgy(k)(其中:)的最大值,χ0是峰值的位置,为了消除式(32)-1项的影响,在完成第一次搜索后,在原相关序列中消除的影响,得到:

(2)搜素的最大值,得到,同样按照式(31)方法处理,得到,继续搜索直到得到所有的峰值和位置值。最后得到信道初始参数值为:,,i为搜索的次数,观测向量可以从PN序列的第L+1个符号到第M个符号得到,共M-L个。

3.3 信道跟踪

利用发送符号中的已知序列,来对以上Kalman算法进行训练阶段的信道估计,可以得到各径不同时刻的信道估计值,训练阶段完成后,由于观测向量为未知符号序列,对后面各时刻的信道增益,本节采用二阶多项式来拟合每一径信道的变化,多项式的系数由训练阶段各时刻的估计值来确定。在完成信道跟踪后,对发送序列的检测由基于MMSE准则的时域均衡和判决反馈的联合算法给出,如图2所示。

对信道各径增益的时变特性,本文采用一个二阶多项式函数来近似,则第l径信道:

为近似误差,令,为训练结束后得到的估计值,系数由最小二乘公式得到。

所有时刻的信道估计值由下式给出:

对接收符号的均衡按照MMSE[3]方法进行。

3.4 仿真分析

按照瑞利衰落信道模型[4],在载波频率为1GHz频段进行了仿真,信道的多径时延功率服从COST 207标准,以典型城市(Tux)环境为例。OFDM参数设置按照我国的数字电视广播标准给出,子载波总数为3780,后缀采用PN255构成长度为420的序列,调制方式为QPSK,符号周期为555.6μs,设接收机最大移动速度为360km/h,则最大归一化多普勒频偏为0.1852。

图3、图4、图5分别给出了在移动速度为120km/h、240km/h、360km/h三种情况下的各均衡方法的误码率曲线,当移动速度为120km/h时,此时归一化多普勒频偏为0.0617,此时信道可以近似为平坦衰落信道,各种算法误码率相差不大,但是线性插值算法比较简单,且只需要在一个符号间隔内处理就可以进行,BE模型和二次多项式拟合需要接收两个符号间隔的时域序列,且参数计算相对复杂一些,Kalman算法更复杂一些。但当移动速度增加到240km/h时,此时归一化多普勒频偏为0.1235,信道的时变特性较明显,从图3较明显地看出BE模型由于考虑了信道的实际时变特性,具有一定的性能优势,线性插值算法具有较高的误码率,二次多项式拟合算法相比较而言,是一个折衷选择,因为不需要考虑信道的最大多普勒频移。Kalman均衡算法在信噪比较高的情况下,可以有效地均衡对信道估计误差带来的影响。当移动速度进一步增加到360km/h的情况下,从图5可以看出,其它三种算法对误码率的改善都有限,但本文给出的Kalman均衡算法仍然可以将误码率控制在10-2内。且Kalman均衡算法首先采用二次多项式预估计信道,再采用判决结果作为训练序列来对估计结果进行修正,不需要知道信道的任何参数信息。

图6比较了各种算法在信噪比为30d B的情况下各种均衡算法的性能和移动速度的关系。从图6看出,在移动速度较低的情况下,Kalman均衡算法没有任何性能优势。但当信道的时变特性较明显时,Kalman算法能够对信道估计的误差进行更加精确的消除。此时Kalman均衡算法具有很好的性能优势,随着移动速度的增加,信道估计的精度逐渐变差,为了得到更好的估计,需要提高信道模型的拟合精度,如采用更高阶的多项式拟合或采用Q值更高的BE模型,但是随着估计参数的增加,需要增加导频块的数目,在OFDM符号结构固定的情况下,只有靠增加接收的OFDM符号个数,即增加拟合的信道时间长度,这又会增加估计误差,所以基于以上考虑,本文给出的Kalman算法在不需知道信道参数特性的情况下,对信道给出了一个相对较好的跟踪。应当指出的是,Kalman均衡算法对信道的噪声干扰是比较敏感的,只有在信噪比相对较高的情况下才有较好的性能,在信噪比较低时,由于加性噪声的存在干扰了信道跟踪的精度,这点从以上误码率曲线图可以得到。

4 结论

本文详细分析了时变信道的时域统计特性,并由此得到了时域的基于AR模型的状态方程,在此基础上设计了Kalman滤波器来对时变信道进行均衡。当信道的时变特性较明显时,Kalman算法能够对信道估计的误差进行更加精确的消除,对由于信道时变带来的误码率给予一定程度的改善。当移动速度增加到360km/h的情况下,本文给出的Kalman均衡算法可以将误码率控制在10-2内,比起其它三种算法性能优势明显。仿真结果很好地验证了此算法的有效性,并且具有较低的复杂度。

参考文献

[1]Hye Mi Park,Jae Hong Lee.Estimation of time-variant channels for OFDM systems using Kalman and Wiener Filters[C]//IEEE 64th Vehicular Technology Conference,2006:1-5.

[2]Bowei Song,Lin Gui,et al.On channel estimation and equalization in TDS-OFDM based terrestrial HDTV broadcasting system[J].IEEE Transactions on Consumer Electronics,2005,51(8):790-797.

[3]Woo Kyung Soo,et,al.MMSE channel estimation for OFDM systems with transparent multi-hop relays[C]//IEEE 18th International Symposium on Personal,Indoor and Mobile Radio Communications,2007:1-4.

[4]韦岗,季飞,傅娟.通信系统建模与仿真[M].北京:电子工业出版社,2007.

统计信道模型论文 篇2

流星余迹通信是利用流星电离余迹对VHF无线电波的反射和散射作用进行通信[1,2]。它是一种突发通信,具有隐蔽性、抗干扰能力、低截获概率及抗毁性,当高空核爆炸的电磁效应使其他通信手段中断时,流星余迹通信仍能继续工作,这些特点使流星余迹通信在应急通信中具有特殊的地位。但流星余迹通信不同于传统的通信,它是低速率通信,具有突发、不连续和不定时的特性。因此,流星余迹通信的复杂性要求有必要对其通信信道进行研究。在流星余迹通信链路中,可用流星率、占空比、平均持续期、等待时间和通信通过量是影响流星余迹通信信道性能的重要参数。本文根据一通信链路观测的数据进行统计分析,得到流星余迹通信信道的各参数,并将预测的可用流星率、占空比结果和观测数据进行了对比,结果比较一致,验证了预测的准确性,为建立流星通信系统提供了技术支持。

1 流星通信信道模型的建立

由于流星集中分布在黄道平面上,需要建立流星轨道分布到地心辐射分布的转换[3]。穿透轨道分布特定面积和相应的辐射分布的面积的流星是相同的,根据这2个面积的关系,就可建立轨道分布和辐射分布的转换关系。这个转换关系称为轨道-辐射转换。

由a(λ-Δλ/2,β-Δβ/2),a(λ-Δλ/2,β+Δβ/2)和a(λ+Δλ/2,β-Δβ/2)定义的日心空间的射线和与这些射线相对应的地心空间射线a1、b1和c1的夹角,那么就可以确定轨道-辐射的转换关系。其几何关系如图1所示。在Ah的流星轨道密度假定为常数(这个假定需要很小的Δλ、Δβ值);选择Δλ、Δβ为0.017 5弧度(约10)。

日心空间和其对应的地心空间的面积比为:

$\frac{A{}_h}{A{}_g}=\frac{\Delta \beta \Delta \lambda \cos (\beta )}{\delta {}_{a{}_{1}b{}_1}\delta {}_{a{}_{1}c{}_1}}$, (1)

式中,δa1b1 为余迹在点a1和b1的夹角, δa1c1为在点a1和c1的夹角。由于Δλ和Δβ很小,辐射分布n(x,y,z,a)每个微分立体角的流星数约为:

$n(x,y,z,a)=\frac{A{}_h}{A{}_g}{\rm N}{}_h(\lambda ,\beta )$, (2)

式中,Nh(λ,β)为Rudie[4]根据Davies[5]的雷达观测结果得到的流星轨道分布模拟形式。所以,流星通信链路上流星辐射分布为[4,6,7]:

$n(x,y)={\displaystyle \underset{z{}_{\min }}{\overset{z{}_{\max }}{\int }}{\displaystyle \underset{\alpha {}_{\min }}{\overset{\alpha {}_{\max }}{\int }}n}}(x,y,z,\alpha )f(x,y,z,a)\text{d}z\text{d}a$, (3)

式中,f(x,y,z,a)为发射功率、天线增益、最小流星探测质量、可探测流星电子线密度和流星通信链路上各个参数的函数。

发射天线发射的信号经流星余迹散射后到达接收天线,若接收信号超过接收信号电平(RSL)门限,那么这个流星余迹为可用流星余迹。流星到达率在合适的轨迹和足够的质量下超过接收门限电平被称为可用流星率[8] :

$\text{Ν}={\displaystyle \underset{\text{X}}{\int }{\displaystyle \underset{\text{Y}}{\int }n}}(x,y)\text{d}x\text{d}y$。 (4)

若流星余迹是可用的,大于规定门限的接收信号电平(RSL)的持续时间决定了占空比(DC)的值[9],大于接收门限电平的信号的平均持续时间由Eshleman[8]给出:

$D={\displaystyle \underset{\text{X}}{\int }{\displaystyle \underset{\text{Y}}{\int }n}}(x,y){\rm T}(x,y,z)\text{d}x\text{d}y$。 (5)

2观测数据分析及模型比较

2.1平均持续期(ABD)

平均持续期$\overline{\tau }$(Average Burst Duration,ABD)[9]定义为持续期的平均值,即:

$\overline{\tau }=\frac{1}{{\rm N}}{\displaystyle \sum _{i=1}^{{\rm N}}\tau }{}_i$(s), (6)

式中,N为观察时期内突发信号流星数, τi为第i个突发流星信号的持续期(单位为s)。

统计方法:对每日(0-23小时)数据,按2小时进行统计,求出每2小时的持续期的平均值。

图2为一流星通信链路上6月份平均每天两小时可用流星的平均持续时间。如图2所示,流星持续时间在当地时间18:00和20:00有个最大值,是因为流星在18:00和20:00很少能够被通信链路能够观测到,能够在这一时刻被观测到的流星一般质量相对较大,持续时间长。这点和理论并不矛盾。

2.2等待时间(WT)

两个可用流星余迹之间的等待时间是流星通信系统的一个重要的因素。它表示系统传输信息平均需要等待的时间。流星等待时间Tw(Meteor Waiting Time,MWT)[10],它定义为两突发信号之间的时间。若第i次突发信号的等待时间为Twi,那么

Twi=ti-τi , (7)

式中,ti为第i次突发信号的总时间,τi第i次突发信号的持续期。对上式取求平均,得到平均等待时间$\overline{{\rm T}{}_w}$,有:

$\overline{{\rm T}{}_w}=\frac{1}{{\rm N}}{\displaystyle \sum _{i=1}^{{\rm N}}{\rm T}}{}_{wi}=\frac{60}{{\rm M}R}-AD$(s), (8)

式中,MR是流星到达率 (1/min);AD是平均持续期(1/min,如式(6)所示)。

所以,通过计算可得到流星的平均等待时间,如图3所示。

2.3通信通过量(TP)

流星链路的通过量M定义为流星链路在某时间T内传输的信息量[11]。即:

${\rm M}={\displaystyle \underset{{\rm T}}{\int }m}{}_r\text{d}t$, (9)

式中,mr为流星链路的通过率(bits/s)。

流星信道的通过量M0与流星的总数N0、平均持续期$\overline{\tau }$和传输速率R成正比,有:

${\rm M}{}_0={\rm N}{}_0\overline{\tau }R$(bits), (10)

式中,R的单位为bits/s。

设流星通信链路的传输速率R=4 800bit/s,那么前面流星平均持续期的统计结果,可得到流星通过量如图4所示,从图中可知流星的通过量基本呈正弦分布。

2.4MR、DC预测仿真和观测数据的比较

流星通信链路的可用流星率和流星辐射分布有着直接的关系,流星辐射分布的值越大,在流星链路中可用流星数就越多。若流星余迹和以收发天线为焦点的椭球体相切,且余迹的电子线密度超过一定的门限值(这个门限值由余迹的散射效率和链路的功率预算来决定),那么发射信号经流星余迹反射后,能够到达接收端;若接收信号大于接收门限,那么信号能够被接收到。图5为流星通信链路上6月份可用流星率(MR)日变化的预测模型和观测统计数据的对比,横轴X为当地时间一天24小时,纵轴Y表示通信链路可用流星数理论预测值和观测值的比较,星画线为观测数据,加号画线为预测数据。由图5可知,MR预测结果和观测数据变化趋势基本一致;由观测数据和预测数据知,早上流星辐射分布较强,而晚上较弱。

图6为通信链路中6月份占空比日变化预测值和观测值对比图。占空比和可用流星数、流星余迹的持续时间、收发天线以及链路上空的流星辐射分布有关。图6也直接反映了流星的辐射分布情况以及链路中的可用流星率,在早上链路通信时间的比例最大,其他时间占空比变化相对比较平缓。这也进一步说明流星辐射分布在早上较强,可用流星数较多。图6中的预测和观测统计数据变化趋势比较一致,并且和可用流星率的变化趋势也相同,说明预测的准确性。

3结束语

对流星通信链路观测的数据进行统计分析,并把统计分析结果与平均持续期(ABD)、等待时间(WT)、通信通过量(TP)等模型进行了比较分析。根据偶发流星日心空间和地心空间的几何关系,得到了流星突发通信信道参数预测模型,模型中MR、DC参数仿真结果和观测数据的进行了比较,结果比较一致。运用本文这种方法,改变收发天线的经纬度,可预测其他链路的流星通信信道参数,也可建立我国不同地区流星通信信道模型。

摘要：流星余迹通信不同于传统的通信,它是低速率通信,具有突发、不连续以及不定时的特性。流星余迹通信的复杂性要求有必要对其通信信道进行研究。可用流星率、占空比、平均持续期、等待时间和通信通过量是影响流星余迹通信信道性能的重要参数。根据偶发流星日心空间和地心空间的几何关系,得到了流星突发通信信道参数预测模型;并对流星通信链路观测的数据进行统计分析,得到流星余迹通信信道的各参数,预测结果和通信链路观测结果比较一致,为流星通信系统的建立提供了技术支持。

关键词：可用流星率,占空比,平均持续时间

参考文献

[1]BAILEY D K,BATEMAN R,KIRBY R C.Radio Trans-mission at VHF by Scattering and Other Processes in Low-er Ionosphere[J].Proceedings of the IRE,1955,43(10):1181-1230.

[2] SUGAR G R,CARPENTER R J,OCHS G R. Elementary Considerations of the Effects of Multipath Propagation in Meteor-burst Communication[J].National Bureau of Standards,1960,64D(5):1060-1783.

[3]HAWKINS G S.A Radio Survey of Sporadic Meteor Ra-diants[J].Mon.Not,R.Astron.Soc.,1956,116:92-104.

[4]RUDIE N J.The Relative Distribution of Observable Meteor Trails in Forward-scatter Meteor Communications[D].Boze-man,Montana:Montana State University,1967:70-89.

[5]DAVIES J G.Radio Observation of Meteors[J].Ad-vances in Electronics and Electron Physics.Marton (ed.),New York:Academic,1957:95-127.

[6] WEITZEN J A. Predecting the Arrival of Meteors Useful for Meteor Burst Communication[J]. Radio Science,1986,21(6):1009-1020.

[7]MAWRY R S,BROADHURST A D.Modeling the Effect of Meteor Radiant Distributions on the Detection Rate of Meteor Signals over Forward-scatter Links[J].Radio Sci-ence,1993,28(3):428-440.

[8]DESOURDIS R I.Meteor Burst Computer Model Valida-tion Using High-latitude Measurements[J].IEEE,MIL-COM,1991,0458-0462.

[9] WEITZEN J A. Communication via Meteor Burst at Short Ranges[J].IEEE Trans. Commun,1987,35:1217-1222.

[10]DESOURDIS R I,MERRILL S C,WOJTSAZEK J J,et al.Meteor Burst Link Performance Sensitivity to Antenna Pat-tern,Power Margin and Range[C]∥San Diego:Proc MILCON Communications Conference,1988:23-26.

MIMO系统信道模型及信道容量 篇3

在实际的MIMO无线系统中由于无线传输线路伴随着各种衰落和多径效应的广泛存在,使MIMO通信系统的信道的频率不断的变化。当信道信号时延的扩展δT大于T符号的持续的时间间隔。所发出的信号发生了时间色散现象,这样就引起了码间串扰(ISI),所谓频率选择性信道是指接收端所接收大的信号包含了时延和衰减产生了接收到的传输信号的失真现象。

在不考虑噪声的情况下MIMO的信道模型可以表示为:

第l径的信道脉冲响应可以表示为:

2频率平坦衰落型的MIMO系统信道

2.1信道模型

在MIMO系统的信道传输环境中,发射信号经过多次发射达到接收端,情况非常复杂。假设无线通信系统的下行链路,发射端有Nt根天线,接收端有Nr根天线,它们具有一下特性:

(1)天线之间距离大于半个波长;

(2)收发天线之间信道相互独立。

发射符号的持续时间T远远大于信道延迟扩展δT,可以将信号的频率衰落近似作为平坦信道。并且其传输时间保持不变。

在忽略信道的相关性时,信号在子载波k上的信道矩阵可表示为:

2.2频率平坦衰落信号模型

由于在MIMO系统中采用了OFDM技术将信道分成多个子信道,由于OFDN技术的特点,可以近似的将每个子信道作为频率平坦衰落信道处理。所以从MIMO-OFDM系统基带信号处理的角度来看,其工作的机理是:频域上的源信号经过IFFT变换到时域,加入保护间隔,再经FFT变换将信号变换到频域上,得到频域的输出信号,最后由系统对该信号进行检测后得到源信号的估计值。

MIMO-OFDM系统中输入信号和输出信号之间的数学关系为:

3无线通信系统信道容量分析

无线通信系统中的信道容量的研究是研究其他无线通信技术的基础,本节将对传统的SISO信道和MIMO信道进行系统的分析和计算。

3.1单入与单出(SISO)容量信道的模型

采用单根天线发射和单根天线接收(1×1)的通信系统也称为单输入单输出(SISO)系统。

对于一定性的SISO信道,由于Nt=Nr=1,信道矩阵H=h=1,信噪比大小为ξ,根据Shannon公式,信道的归一化容量

该容量的取得一般不受编码或信号设计复杂性的限制,即只要信噪比每增加3d B,信道容量每秒每赫兹增加1比特。实际的无线信道是时变的,要受到衰弱的影响,如果用t表示在观察时刻,单位功率的复高斯信道的幅度(H=t),信道容量为:

这是个随机变量,可以计算其分布。由于受到衰落的影响,SISO信道的容量值都较小。

从随机信道容量的分布图中可以提取两个与实际设计有关的统计参数,一个是平均信道容量Cav(Average Capacity),即C得所有样本的平均,它表示了一条无线链路能够提供的平均数据速率;另一个参数的中断容量Cout(Outage Capacity),它定义了确保高可靠性服务的数据传输速率,即

3.2多入多出(MIMO)信道的容量模型

3.3 MIMO信道的极限容量研究分析

当信道系统的发射天线和接收天线数都趋于很大时,可以引入于Leaguers多项式估算分析。

再利用不等式:log2(1+x)≥log2(x),简化得到

可见,极限信道容量随着天线数成线性关系增加,随着信噪比(ξ)成对数关系增加。

摘要：对于MIMO系统中无线信道研究中获得相关信道特性。信道模型能够容易实现和快速进行仿真。折中考虑简单性和准确性,是无线信道建模的关键。信道模型基本有三种方式,物理信道模型;统计信道模型;测试模型。本论文主要研究传统的信道模型。本文在假设频率平坦性衰落信道和选择性衰弱信道模型的基础上分析和评估两种信道模型系统的容量。

关键词：MIMO,信道容量,道模型

参考文献

[1]绛岩林.MIMO系统中的信号检测与预编码.西安电子科技大学,2008.

[2]赵谦.无线MIMO系统的容量及信道估计算法的研究[D].2005-04-25.

[3]杨宗国.MIMO系统中若干关键问题的研究[D].2008-05-01

[4]Hochwald B M,ten Brink S.Achieving near-capacity on a multiple-antenna channel.IEEE Transactions on Communicati on,2003,51(03):389-399.

统计信道模型论文 篇4

针对以上两点问题, 本文提出了基于改进的ITM信道传输模型进行海上电波传播的损耗中值预测。改进的方法主要是利用双径模型雨衰模型对ITM模型进行修正。通过仿真实验平台验证该模型的有效性。

1 ITM模型

ITM模型预测了在自由空间中由地形的非规则性造成的中值传输衰落。该模型的中值传输损耗为距离的分布函数[5], 如下:

在ITM模型式 (1) 中, 利用地貌地形的路径几何学和对流层的绕射性预测中值传输衰落。在1≤d≤dLS的视距范围内, 采用地面双线模型计算;在dLS≤d≤dx的超视距范围内, 采用绕射机制[6];在d≥dx更远的距离上 (超过无线电电平线) , 则采用前向散射理论。超视距的路径参考衰落Acr是绕射衰落Ad或者散射衰落As中较小者, 当绕射和散射损耗的距离相等时定义为dx[7]。

2 ITM的改进模型

2.1 双径传播预测模型

基于在1 km范围内的海面一般只存在一条较强的直射波信号和一条海面反射波, 且传输距离较短可以看做平面传输, 本文提出采用双径传播模型, 此模型在预测海上1 km范围内的大尺度信号强度时是非常准确的[8], 如图1所示。

视距和地面反射的路径差:

式 (2) 中, r1、r2是收发端与反射点间的距离, ht、hr是收发端天线高度, d是收发端间距。

因此, 两电场成分的相位差为:

式 (3) 中, θΔ代表相位差, λ代表波长。

接收场强与自由空间场强比值的平方为:

式 (4) 非常重要, 它为双径模型提供了精确的接收电场强度, Erec是接收场强, Efs是自由空间场强值。

当d远远大于天线高度时, 上式可简化为:

所以, 路径增益等于 (4) 式乘以自由空间损耗:

2.2 雨衰

海洋环境下, 降雨量普遍很大。电磁波进入雨层中会引起衰减, 这就是雨衰。研究表明对于频率高于1 GHz的电波, 雨衰是影响其传播的重要因素[8,9,10]。

采用HPM (High Power Microwave) 模型, 适用于350 GHz以下频率的电波[14]。具体算法如下:在长度为r0的路径上, 雨衰AR与传播路径中降雨衰减率γR (d B/km) 有以下关系:

式 (7) 中, R为雨强 (mm/h) , k、α是与电波频率f (GHz) 、路径仰角θ和极化倾角τ有关的参数。

式 (8) 中, 下标H、V分别表示响应参数在水平极化、垂直极化条件下的值, θ为路径仰角, τ为极化倾角 (水平极化时为0°;垂直极化为90°;圆极化为45°) 。

设路径仰角θ=20°, τ为0° (水平极化) , 频率1≤f≤20 GHz, 可以得出在此条件下降雨衰减率γR与f电波频率的关系曲线, 如图2所示。

3 仿真分析

本文对ITM模型进行改进, 通过加入双径模型来计算1 km传输范围以内的信道传输损耗, 同时考虑到雨衰的影响。

利用Matlab仿真平台进行仿真分析, 如图3所示。

采用参考文献[2]的实测数据环境转换为计算机的模拟环境, 利用Matlab仿真平台进行仿真分析, 改进的ITM模型和标准ITM模型的对比图如图4所示。

由图4可知, 改进后的ITM模型的损耗预测与实测数据相吻合, 平滑掉几个测试数据野值点后仿真曲线与实测曲线一致, 在65 km处均出现变陡增大拐点。与未改进的ITM模型相比较, 其测量范围更大, 更具有普遍性, 更接近实测环境。

本文通过分析海上移动信道的传输路径损耗特性, 提出基于ITM模型的改进修正传输模型, 在1 km路径距离内采用双径模型预测损耗作为补充, 充分考虑环境天气的影响因素, 加入雨滴衰落的预测。通过对本文提出算法的仿真, 发现其改进后的ITM模型符合实测数据环境, 提高了预测海上移动信道传输路径损耗的准确度。因此, 在海上进行信道传输损耗预测时, 宜采用改进的ITM模型, 可使预测计算更接近实际。

参考文献

[1]王向敏.海上大气波导的预测方法[D].南京:南京信息工程大学, 2007.

[2]何群, 黄云鹏.关于海面无线传播模型的探讨[J].邮电设计技术, 2004 (2) :011.

[3]MO H, C HEN B, SHEN C.Radio propagation prediction model for maritime mobile communication[C].Wireless Communications and Applications (ICWCA 2012) , IET International Conference on.IET, 2012.

[4]JEON S, YIM Z, SEO J S.Path loss model for coupling loop interference with multiple reflections over single frequency network[J].IETE Technical Review, 2012, 29 (6) :499-500.

[5]TSE D.Fundamentals of wireless communication[M].Cambridge:Cambridge university press, 2005.

[6]肖蒙, 刘佳佳, 林俊亭, 等.高速铁路的GSM—R无线传播模型校正[J].电子技术应用, 2012, 38 (2) :113-116.

[7]LONGLEY A G, RICE P L.Prediction of tropospheric radio transmission loss over irregular terrain[R].A computer method-1968.Institute for Telecommunication Science Boulder Co, 1968.

[8]SHIFENG K, HONGGUANG W.Analysis of microwave over-the-horizon propagation on the sea[C].Microwave Conference, 2009.APMC 2009.Asia Pacific.IEEE, 2009:1545-1548.

[9]SHARMA D, SINGH R K.Validation of modified approach to estimate the propagation path loss in urban area to sustain the QoS during dust storms[J].Wireless Communication, 2013, 5 (1) :5-11.

统计信道模型论文 篇5

MIMO技术是利用空间增加无线传输信道,在发送端和接收端采用多天线[1]同时收发信号,是一种空域时域联合的分集和干扰对消处理。由于各发射天线同时发送的信号占用同一频带,因而能够在不增加带宽的情况下成倍的提高系统的容量和频谱利用率[2]。MIMO技术对于提高无线通信系统的容量具有极大的潜力,若各发射接收天线间的通道响应独立,则多入多出系统可以创造多个并行空间信道,通过这些并行空间信道独立地传输信息,数据率必然可以提高。传统的多天线在这里被用来增加分集度从而克服信道衰落,具有相同信息的信号通过不同的路径被发送出去,在接收机端可以获得信号多个独立衰落的复制品,从而可获得更高的接收可靠性。特别是,这N个子流同时发送到信道,各发射信号占用同一频带,因而并未增加系统带宽。

1 MIMO系统模型

如图1所示,假设一个MIMO系统有NT个发射天线和NR个接收天线,Ci表示第i根天线发射的信号,rj表示第j根天线接收的信号。对于高斯信道,按照信息论,发射信号C是高斯分布,Ci是零均值独立同分布的高斯变量。用NR×NT的复矩阵H描述信道:

其中hmn,m=1,2,…,NR,n=1,2,…,NT表示从第n根发射天线到第m根接收天线的路径衰落系数,且hmn是零均值的复高斯随机变量,其实部和虚部的方差为0.5。使用线性模型,接收信号可表示为:

其中N是接收端的噪声,其元素是统计独立的复零均值高斯变量。

2 MIMO系统信道容量分析

信道容量揭示了一个特定信道所能提供的最大传输能力,是表征通信系统的最重要标志之一。近来信息论研究表明,通过增加空间维数能使系统的信道容量增加,也就是说MIMO系统具有巨大的理论容量。下面介绍MIMO系统信道容量的表达式。

B为信号带宽,S/N为信噪比。也可以写为:

ρ为接收端每个接收天线上的平均信噪比。

假定在NT×NRMIMO系统中,各信道为准静态瑞利衰落[4]且相互独立,信道参数对发端未知收端已知;发射信号为窄带且无频率选择性衰落信号。当发射信号为NT维统计独立、能量相同、高斯分布的复向量时,信道容量的一般表达式:

HH表示H的共轭转置。

Foschini研究表明,当NT,NR很大时,MIMO信道容量近似为:

在NT×NRMIMO系统中,信道容量公式在不同分集的情况下可以得到如表1简化。

从式(6)可以直观的看出,MIMO系统信道容量随着天线数量的增加而线性增大,因此利用MIMO技术可以在不增加带宽和发送功率的情况下,成倍的提高信道的容量,这正是空时编码系统增加无线通信系统容量的理论依据。

3 结论

本文首先引入MIMO技术,然后通过建立MIMO系统模型,推倒出MIMO系统信道容量,验证了MIMO技术可使无线通信系统的信道容量得到显著提高这一理论。

参考文献

[1]G.J.Foschini,M.J.Gans.On limits of wireless communication in a fadingenvironment when using nultiple antennas[J].Wireless Personal Commun.,1998,6(3):311-335.

[2]I.E.Telatar.Capacity of multi-antenna Gaussian channels[J].Eur.Trans.Telecom,1999,10(6):585-595.

[3]郭梯云,邬国扬,李建东.移动通信[M].第3版.西安电子科技大学出版社,2005.

统计信道模型论文 篇6

1算法描述

结合图1,信道忙闲认知算法LS-AR描述如下:

( 1) 统计过去一段时间( n个时帧) 内每个时隙节点收到的突发个数;

( 2) 当前时帧收到的突发个数等于这n个时帧收到的突发个数的加权和;

( 3) 预测时n个时帧分配不同的权值,首次预测公式

式( 1) 中Wt_p是当前时帧的预测值,为过去n个实际值Wt -1,Wt -2,…,Wt - n的线性加权和,αt为白噪声。

( 4) 步进一个时帧,再次用n个时帧预测下一个时帧,预测公式仍为:

( 5) 再次步进,直到步进L个时帧,用n个时帧预测下一个时帧,同时,前L个时帧的预测值Wt_p和真实接收值Wt对比产生的误差的均值作为此次预测的修正[6],预测公式为:

( 6) 重复( 5) ;

信道忙闲区分机制: 根据单个时帧内收到的突发个数,结合信道数,突发占空比,通信节点数,计算出突发的碰撞概率,依据突发碰撞概率把信道忙闲程度分为三个等级: 闲、较忙、忙,不同的忙闲程度结合分组优先级进行突发发送或执行不同的退避策略。

2建模分析

2.1突发预测模型

单位时帧收到的突发个数为平稳时间序列 …, Z0,Z1,Z2,Z3,Z4,Z5…,一般EZt= μ ≠ 0,令Wt= Zt- μ,显然EWt= 0。易验证序列 …,W0,W1,W2, W3,W4,W5…,是平稳时间序列,且具有有理谱密度,则该序列必可表示为自回归模型、滑动平均模型和自回归滑动平均模型中的一种,下面通过理论推导该模型的类别和阶数。

通过样本 …,W1,W2,W3,W4,W5… 计算出样本自相关函数^ρk和样本偏相关函数^φkk,并分别作为 ρk,φkk的近似估计值,再用^ρk和^φkk判别模型的类别和阶数。对于样本 …,W1,W2,W3,W4,W5…,可定义自协方差函数为

样本自相关函数为,如果平稳序列Wt具有协方差函数各态历经性,那么

即用实际推断定理,当n - k充分大时,

为了保证充分接近充分接近 ρk( k =0,1,2,…,k) ,n需取的很大,但k相对n不能取的过大,否则就不能保证n - k相当大。

偏相关函数 φkk可用自相关函数计算出来,有

因而样本偏相关函数定义为

线性模型的类别,理论上可以根据 ρk,φkk的拖尾和截尾性来确定,实际工作中我们由一个样本只能算出,但在一定条件下,所以可以根据分别判断 ρk和 φkk是拖尾还是截尾的,判断出后,可以确定模型类别。

模型参数 φ1,φ2,…,φp,σa2需要用一个样本作估计,自回归模型的参数不必做专门计算,在上式矩阵中,取k = p,可得,只要在样本偏相关函数的记录中取出即可。而 σa2的计算

由Yule-Walker方程,有

所以

故,因而,

至此,预测模型方程中的参数全部计算出来。 实际预测模型中不考虑白噪声的影响,因此最终的预测模型为

2.2信道忙闲模型

设节点网络中节点数为N,信道数为c,突发占空比为1 /r,某一时帧与源节点通信的节点数为n, 目的节点任意单个信道单位时帧接收的突发个数为k,突发在时隙中位置固定,n个节点在不停地发送突发流,则任意信道单个时隙内突发发生碰撞的概率可以计算如下:

当k < L时,则单个时隙平均收到的突发数小于1,此时的突发碰撞概率约等于0,认为信道闲,各个优先级均能发送;

当L < k < 2L时,则单个时隙平均收到的突发数大于1,此时的突发碰撞概率小于

认为信道较忙,只有高优先级能发送;

当k > 3L时,则单个时隙平均收到的突发数大于3,此时的突发碰撞概率大于

认为信道忙,各个优先级均不能发送。

3仿真分析

算法的仿真利用ns2. 35[7]构建多信道、高速、 移动航空自组网场景,随机选取网络中一个节点,统计其一段时间内每个时帧内收到的突发分组个数, 将这组数据作为仿真的样本和验证; 将前面部分样本数据代入算法,根据算法预测的后续数据和样本数据的后续部分对比,验证算法的准确度和可行性。

3.1仿真软件扩展和仿真模型建立

ns2. 35不支持多信道的无线网络仿真,需要对多信道的功能进行扩展,目前有三种开源方案: 在NS2( 2. 1b9a) 上实现的TENS和Hyacinth多信道扩展模型,NS2. 9上实现的Ramon多信道扩 展模型[8]。考虑到Ramon方案配置的灵活性和易用性, 选取在Ramon方案的基础上对NS2. 35进行改进, 成功在ns2. 35上扩展了多信道功能,需要改进的ns文件如表1所示。

设物理层信道速率为40 Mbps,信道数为3,突发占空比为1 /4,某一时帧与源节点通信的节点数为2,一个时帧含有150个时隙,仿真模型参数如表2所示,仿真场景设计好后,编写tcl脚本文件进行仿真,仿真产生的数据文件编写awk程序进行提取, 提取的数据文件作为样本,使用matlab[9]验证算法。

3.2仿真结果分析

由于仿真中节点是随机选取信道发送数据的, 此处选取其中任意一个信道的数据代入2. 1节算法进行验证,选取这组数据前200个作为样本推导出预测模型,分别使用AR法和LS-AR法进行预测, AR法取K等于30,得出的模型在15处截尾,预测模型为AR( 15) 。预测的单位时帧接收突发数和实际接收突发数对比如图2所示,LS-AR预测算法模型中取L = 5,预测结果如图3所示,二者对比可以看到LS-AR算法预测结果更分散,与实际接收的突发数更接近; AR法[10—12]预测误差如图4所示,大多数时帧预测误差在15% 以内,LS-AR算法预测误差如图5所示,预测误差多数维持在10% 以内,预测误差的均值和方差仿真多次如表3所示,可以看到LS-AR算法突发预测误差更小且波动较小。

由2. 2节建立的信道忙闲模型,将各个参数代入,得出P( 1) = 0,P( 2) = 1 /12,P( 3) = 7 /36分别表示单个节点与目的节点通信发生碰撞的概率,两个节点与目的节点通信最大的碰撞概率,三个节点与目的节点通信的最小碰撞概率,依据这三种碰撞概率把信道分为闲,较忙,忙,同时以信道忙闲判断作为预测的指标,即实际信道忙,预测却判断为闲, 或实际信道闲,预测判断为忙,均为预测错误,多次仿真预测结果如表4所示,AR预测法正确率在50% 左右,不能满足MAC协议中的预测要求,LSAR预测算法有接近10% 左右的错误预测率,预测错误会导致短暂时间内的信道空闲或信道忙碌,在MAC协议中加入适当的冲突分解手段,如信道编码,可以抵消这种程度的错误预测导致的突发碰撞或丢失。

4结束语

统计信道模型论文 篇7

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.