多信道模型（精选7篇）
多信道模型 篇1
一、多径衰落冲激响应模型
在矿井巷道中无线电波沿多条路径传播时会出现时延问题, 对多径信道的描述可采用冲激响应表示[1]:
其中, N表示多径的数目, αi表示第i径的幅值 (衰落系数) , τi表示输入到第i抽头的时延 (相对时延差) , θi为第i抽头的相位。该多径信道的仿真模型如下:
二、多径幅度统计特性
在传播环境和载波频率有差异的情况下, 如矿井巷道, 多径信号的幅度可以服从多个不同分布, 采用单一分布对其进行描述是不完善的, 这里我们采用覆盖程度最大的三种分布逐一进行分析。即Nakagami分布, Rician分布和Rayleigh分布。
矿井巷道环境下, 无线通信的发射天线距接受天线的距离一般在几百米的范围, 相对于Rayleigh分布和Rician分布对信号较为粗糙的描述, Nakagami分布监测到了其缺陷, 并采用变参伽马分布密度函数对监测数据进行拟合, 最终产生信号结果。通过改变衰落因子m的值, 可以灵活的表征多径信号不同程度的衰落。
三、Nakagami衰落矿井巷道信道的建模
综上, 若要合理方便的描述矿井信道中快衰落多径信号的统计特性, 采用变参的Nakagami分布较为合适。要使生成的Nakagami随机序列比较简便快速, 急需解决的是如何构建矿井Nakagami衰落信道模型。如图2所示, 本文采用Matlab中的Simulink模块, 根据Rayleigh衰落信道的基础, 搭建出矿井Nakagami幅度统计衰落信道模型。
模型的设计流程:将In1端口输入经过调制的随机信号, 通过Rayleigh衰落信道, 变换出瑞利采样序列, 将复信号转为相角和幅值, 幅值通过unbuffer模块, 将unbuffer模块的参数overlap设置为0, 找到正确的频率范围, 进一步函数变换, 先后产生均匀分布随机序列和Nakagami随机序列, 在增益模块的作用下, 将输出的信号归一化Nakagami分布规整为要求的功率值。再由相角与幅值输入转化为Nakagami的复信号输出。
关于Nakagami随机序列的产生:采用Rayleigh分布随机序列产生均匀的分布随机序列, 通过Nakagami累积分布函数的近似反函数变换得到Nakagami分布的随机序列。
产生Rayleigh衰落采样序列可以采用滤波法。序列为:
其中, Ω=E (r2) =σ2;u∈U (0, 1) ;FRayleigh是瑞利随机变量r的累积分布函数。
对u进行Nakagami累积分布反函数变换, A=FN-1 (u) , 变换后的A服从Nakagami分布的随机变量序列, FN-1 (u) 是Nakagami累积分布函数FN (u) 通过反函数变换而来。FN (u) 定义为:
则Nakagami累积分布函数的反函数的近似表达式为:
其中, a1, a2, a3, b1, b2是最小化近似误差的系数, ξ是一个辅助变量, ξ= (-ln (1-u) ) 1/2m, G (ξ) ≈FN-1 (ξ) ;。
衰落因子m影响最小化近似误差系数的具体取值。通过增益G= (Ω/m) 1/2, 可以求出3-2的功率值Ω, 即可达到输出的归一化Nakagami分布规整要求的值。
四、MATLAB仿真及结果分析
相关资料显示, 巷道中的电磁传输视距和非视距传播略有区分, m值的范围大约在为1≤m<4。对Nakagami衰落信道模型正确性的验证可通过一下方式:分别取载波频率为900MHz、1800MHz、2.45GHz的信号, 把收发机置于同一条控制巷道内, 传输距离不变的情况下对其进行仿真。
模型参数设置为:巷道截面4m*3m, 航道长度为257m, 发射机与接收机之间的距离为70m, 巷道四壁的相对介电常数设为恒定的10, 倾斜角均方根1度, 粗糙系数均方根0.1, 模型参数m=3, 对数正态分布偏差σ2=3d B, 蒙特卡洛仿真次数一千次, 发射机和接收机之间的距离设置为70m。仿真结果图3所示。
将Nakagami分布的累积分布函数的仿真值和理论值进行对比仿真, 从结果看出, 仿真值与理论值相比较吻合。同时对Nakagami分布中载波频率的影响进行了仿真。
仿真结果显示, 本文所提出的矿井Nakagami信道模型不但能灵活地表述多径幅度分布不同的衰落程度, 还可以改善信号性能。与其他衰落信道模型相比, 有很大的优越性。因此, 该模型对矿井移动通信系统的开发和设计具有较大的理论参考价值。
摘要：针对矿井无线信道快衰落多径信号幅度统计特性的可变性, 介绍了描述矿井无线信道多径幅度分布的Rayleigh分布、Rician分布、Nakagami分布三种统计特性, 提出了一种Nakagami幅度统计衰落信道的Simulink仿真模型。仿真结果显示, 该模型能灵活地表述多径幅度分布不同的衰落程度, 还可以改善信号性能, 与其他衰落信道模型相比, 有很大的优越性。
关键词：衰落,信道,模型,仿真
参考文献
[1]李建东, 郭梯云等.移动通信[M].西安:西安电子科技大学, 2006.
MIMO系统信道模型及信道容量 篇2
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随时间不断变化。当信道的时延扩展T远远大于或相当于符号的持续间隔T 。发送的信号发生了时间色散现象, 这样就引起了码间串扰 (ISI) , 接收端所接收到得信号中包含了经历衰减和时延的发送的多径信号, 产生了接收信号失真。这样的信道称为频率选择性信道, 如图1 所示。
考虑点到点的MIMO通信系统, 有Nt根发射天线和Nr根接收天线, 不考虑噪声的情况下MIMO的信道模型可以表示为:
H (t) 为MIMO系统的信道矩阵。假定信道服从瑞利分布, Hl中的元素是均值为零的高斯随机变量。Hl是MIMO信道H () 在第l径, 时的信道脉冲响应。当l 0 时对应频率平坦性衰落信道矩阵。
当Rlr, dr和Rlt, dt都是单位矩阵时, 就是空间独立的频率选择性信道, 即为:
2 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, 对于分配有Nt根发射天线和Nr根接收天线的多输入多输出 (MIMO) 信道, 发射端不知道传输信道的状态信息条件下, 如果信道的幅度固定, 则信道容
3 小结
MIMO信道的容量在很大的程度上取决于天线之间的相关性能和MIMO信道矩阵的满秩情况。在MIMO信道模型中, 考虑相关性的方式类似于通常在波束形成 (BF) 信道模型中的做法, 用一个相关矩阵前乘或后乘信道矩阵来控制天线的相关度, 使其成为路径角度、天线间隔和工作波长的函数。
摘要：MIMO通信技术与正交频分复用OFDM技术相结合是3G移动通信时代和后3G时代的关键技术之一, 不仅能进一步提高频谱利用率, 抗频率选择性衰落还具有良好的抗多径干扰等能力, 本文针对MIMO-OFDM信号检测算法展开研究, 在接收端和发送端分别采用多天线能显著地提高系统容量, 但容量的提高必须采用合适的信号处理技术, 现在有各种方案可应用到MIMO系统, 如最大似然 (ML) 检测算法、迫零 (ZF) 检测算法、最小均方误差 (MMSE) 检测算法、V-BLAST检测算法等, 人们提出了各种各样的改进算法, 为了评估这些信号检测算法的特性, 必须建立一个合适的基于MIMO系统的无线信道模型
关键词：OFDM技术,MIMO通信技术,信道容量
参考文献
[1]范毅君, 蔡家麟.OFDM通信系统研究及其仿真分析[J].软件导刊, 2009 (01) .
[2]石瑞华.MIMO在无线通信技术中的应用[J].苏州工职院, 2009 (02) .
[3]李忻, 黄绣江.MIMO无线技术的研究现状[J].2006 (05) .
[4]贺翠.MIMO-OFDM系统信号检测技术研究[J].西安电子科技大学硕士学位论文, 2008 (01) .
[5]绛岩林.MIMO系统中的信号检测与预编码[J].西安电子科技大学, 2008.
[6]赵谦.无线MIMO系统的容量及信道估计算法的研究[J].2005 (04) .
多信道模型 篇3
超宽带通信是一种短距离无线通信技术, 它具有传输速率高, 安全性好, 抗多径能力强以及定位精确等优点, 特别是它不需要占用额外的频谱, 可与现有无线通信系统并存, 使它在频谱资源日益紧张的今天受到广泛关注, 已成为无线通信技术的研究热点。超宽带信号有两种产生方式:一种是基于极窄脉冲的传统冲激无线电;另一种是基于OFDM的多频带超宽带。超宽带技术虽然具有优点, 但是想实现高速率高性能的数据传输还面临许多技术挑战。无线信道是数据传输的媒介, 信源发出的信息都需要通过信道传输, 而信道的多径延迟直接决定通信质量。因此, 就必须在接收端抽样判决之前对数字信号的畸变进行处理, 这就是信道均衡。设计均衡器时, 可以采用两种不同的方法:直接均衡法和间接均衡法。其中, 间接均衡法要求首先进行信道估计。
在基于OFDM的无线通信系统中[1], 由于传输速率较高, 并且需要使用相干检测 (coherent detection) 技术获得较好的性能, 因此通常采用加入导频的非盲估计来获得较好的估计效果, 这样可以更好地跟踪无线信道的变化。OFDM系统中有两种导频方式[2]:一种是块状导频, 即一个OFDM符号内所有的子载波都用来发送导频符号;另一种为梳状导频, 即一个OFDM符号内的某些子载波用来发送导频符号。文献[3]提出的算法先在发送信号中插入块状导频, 然后通过区分不同信道条件选择合适长度的时域滤波器, 来对信道进行估计, 从而降低了MSE。但是在CP长度小于信道最大多径延迟时, 信道估计性能会严重下降。
本文基于块状导频提出了一种信道缩短的信道估计算法。该算法适合于不同信道长度的信道估计。特别在CP长度小于信道最大多径延迟时, 可使得到的复合信道长度小于CP长度, 从而通过估计复合信道来较精确的估计出原始信道参数。仿真结果表明:在CP长度小于信道最大多径延迟时, 本文提出的方法可以得到更低的MSE。
2 系统模型
基于MB-OFDM的超宽带系统的传输和接收如图 1所示。
用X (k) (k=0, 1, 2, …, N-1) 表示输入的二进制比特序列, 在插入导频信息后, 进行IFFT变换转化为时域信号x (n) :
其中n=0, 1, 2, …, N-1, N代表子载波的数目。一个MB-OFDM导频符号和若干个数据符号在一起构成数据块, 其中导频符号用于信道估计, 数据符号用于信道缩短。在发送信号前端插入CP以消除ISI和ICI, 假设CP的长度为l, 在插入循环前缀后x (n) 变为xf (n) :
在此MB-OFDM超宽带系统中做以下假设:
(1) 循环前缀长度不小于信道最大多径延迟;
(2) 信道在一个数据块中保持不变;
(3) 接收机要保持同步。
在以上三个假设的基础上, 接收序列rf (n) 可以表示为xf (n) 与信道的线性卷积再加上噪声w (n) :
其中w (n) 为零均值高斯噪声序列, h (n) 为传输信道的冲激响应。在接收端, 接收信号r (n) 可以表示为:
对r (n) 进行FFT变换可以得到R (k) :
对超宽带信道模型:IEEE802.15.3a工作组及其子委员会于2003年7月颁布了最终的UWB的室内信道模型, 这个信道模型被假定在观察期间是静止的。
IEEE模型的信道冲激响应可以表示为[4]:
其中X是对数正态随机变量, 代表信道的幅度增益;N是观测到的簇的数目, K (n) 是第n簇内接收到的多径数目, αnk是第n簇内第k条路径的系数, Tn是第n簇的时延, τnk是以Tn为基准, 第n 簇的第k个多径分量的时延。
3 信道缩短
由于在信号传输时很难知道信道的确切长度, 所以当CP长度小于信道最大多径延迟时就会造成ISI和ICI, 为了消除这种干扰, 就必须增大CP长度, 然而增大CP会使数据传输率下降, 因此就有必要采用信道缩短技术。其思想为接收信号r (n) 序列通过一个时域均衡器TEQ (F) , 通过调整均衡器的抽头系数, 使信道h 与均衡器f卷积得到复合信道c的能量集中在一个固定长度的时间窗内, 而窗外的抽头系数尽可能为零, 来达到信道缩短的目的。设CP长度l为32, 数据长度u为128, 则数据总长度为M=l+u=160。
假设在一个数据符号内, 发送信号的结构如图 2所示。
其中xf (j) =xf (j+128) (j=1, 2, …, 32) , 当此序列通过信道后, 假设离散信道有64个抽头, 则:
由 (7) 和 (8) 可以得到:
在 (9) 中, 由于w为零均值高斯白噪声, 故w (32) -w (160) 均值为零, 又因为xf (n) 不可能对应位置全部相等, 所以只有h (j) =0 (j=32, 33, …, 63) 。因此可以通过r (32) 与r (160) 之间的误差最小, 使h (32) 、h (33) …… h (63) 趋近于零, 以达到信道缩短的目的[5]。假设通过信道缩短均衡器的输出序列为y (n) , 则据此提出代价函数[5]:
其中M为每个数据符号的长度, k为符号个数, τ为信道延时, 则问题可归结为:求最佳缩短均衡器系数Fopt 使JΔ最小。为避免F=0的情况出现, 设立约束条件:‖F‖=1。
利用梯度算法可以求得最佳信道缩短均衡器系数Fopt。于是在复合信道C中, 信道长度相当于缩短到小于或等于CP的长度l。
4 信道估计
令C=[C (0) C (1) …C (N-1) ]T为复合信道的频域冲激响应, Y=[Y (0) Y (1) …Y (N-1) ]T为经过复合信道传输后接收信号向量。接收信号向量Y可以表示为:
其中X=diag (X (0) X (1) …X (N-1) ) T为传输信号矩阵, W为噪声序列的傅氏变换。
通过LS准则
得到复合信道估计:
然后经过解卷积得到原始信道估计:
5 仿真
仿真中采用IEEE标准室内模型CM1[6], 离散信道分辨率为1ns。发送信号中CP长度l取32, 每个符号中数据长度u取128。
图 3表示当CP长度大于信道最大多径延迟 (离散信道抽头数为20) , 且观测数据长度固定为500时, 采用信道缩短技术与不采用该技术得到原始信道估计的均方误差 (MSE) 和信噪比 (SNR) 的关系曲线。由图可见, 在信道的最大延迟小于CP长度l时, 采用信道缩短技术与否对信道估计的效果影响不大。
图 4表示当CP长度小于信道最大多径延迟时 (离散信道抽头数64) , 且观测数据长度固定为500时, 采用信道缩短技术与不采用该技术得到原始信道估计的均方误差 (MSE) 与信噪比 (SNR) 的关系曲线, 由图可见, 在信道最大多径延迟大于CP长度l时, 采用信道缩短技术比不采用该技术可得到更低的MSE。尤其在信噪比为7dB情况下, 其MSE平均低约2.67dB。
6 结论
在基于MB-OFDM的超宽带系统中, 针对CP长度小于信道最大多径延迟时无法准确估计信道的问题, 本文提出一种基于信道缩短的信道估计算法。算法通过MB-OFDM超宽带系统中的CP结构, 在最小误差准则的基础上, 建立了信道缩短模型, 从而得到缩短后的复合信道, 然后利用LS算法对复合信道进行估计, 最后由解卷积得到原始信道的估计。仿真实验表明, 采用了本文所提出的算法后, 在CP长度大于信道最大多径延迟时, 估计信道的MSE性能几乎没有变化;在CP长度小于信道最大多径延迟时, 在相同信噪比情况下得到很大改善。
摘要：针对多频带超宽带系统, 提出了一种基于信道缩短的信道估计方法。利用循环前缀 (CP) 结构, 在接收机前端设计信道缩短均衡器, 解决了循环前缀长度小于信道最大多径延迟时难于估计信道参数的问题。根据均衡器输出序列估计出复合信道, 通过反卷积解出原信道参数。计算仿真表明该算法具有良好性能。
关键词：多频带超宽带,信道缩短,信道估计
参考文献
[1]王文博, 郑侃.宽带无线通信通信OFDM技术 (第一版) [M].北京:人民邮电出版社, 2003.
[2]罗仁泽.新一代无线移动通信系统关键技术[M].北京:北京邮电大学出版社, 2007.
[3]FAN Xiang-ning.An Improved Channel Estimation Al-gorithm for OFDMUWB[A].Proc.of IEEE Internation-al Conference on Wireless Communications, Networkingand Mobile Computing[C].IEEE, 2005:173-176.
[4]David R.McKinstry.Ultra-Wideband Small ScaleChannel Modeling and its Application to Receiver De-sign[D].Master's Thesis, Dept.of Electrical andComputer Engineering, Virginia Tech, Blacksburg, VA, 2003.
[5]R.K.Martin, J.Balakrishnan, W.A.Sethares and C.R.johnson.Blind, Adaptive Channel Shortening for Multi-carrier Systems[A].Proc.of Signals, Systems andComputers, 2002[C].IEEE, 2002:372-376.
多信道模型 篇4
自从Hyacinth[3]与Ramon[4]提出了多接口多信道技术后，已经有很多人对静态信道分配算法进行了研究。在文献[2,5]中，一个集中的信道分配和路由算法是被提出，它主要是链路被遍历时按照某种顺序，同时不同链路的结尾节点必须使用相同的信道。如果两条相邻链路的末端节点分配的信道不同，此时必须对一条链路的末端节点进行重新分配信道，保证整个网路的连通性。在文献[6]中，一个混合的信道分配算法是被提出，它主要是使一些射频接口被固定的分配信道，另一些射频接口没有与固定的信道绑定，可以频繁的进行信道切换。在文献[7]中，提出了一种根据流过链路流量大小来对节点进行分优先级，然后根据优先级的高低来对链路进行信道分配。文献[8]提出了一种集中式信道分配算法，它以网络受到总干扰量最小为目标，每个节点贪婪的选择使用后对自己干扰最小的信道来进行信道分配。在文献[9,10]提出一种考虑网络中链路负载的信道分配算法，它假定每条链路上的流量为一个常量，与实际网络中局部流量过大会出现随机冲突产生的情况不符。
总之上面提到的多信道分配方法虽然在一定程度上改善了网络的性能，但它们都很难满足以下的条件要求:
1)当分配一条信道给一个射频接口时，这个信道分配算法不能仅仅依据在这个节点附近是否存在干扰，还要根据此时该节点附近的流量情况做出选择。忽略节点间的相互影响和网络中实际的带宽分配情况往往得到的不是最优解，往往还会伴随着发生由于射频接口的限制出现的信道数大于射频接口数的情况，需要对信道进行重新分配如图1所示。
2)信道分配算法应该独立于任何特定的链路带宽分配。因为依据特定的带宽分配情况而得到的信道分配方案，往往没有什么意义。因为对于实际的网络而言，它的网络带宽情况不同于特定的网络，这样之前的所做的信道分配就会变得与依据实际带宽情况分配的信道不同。
在这里我们提出一种集中式的信道分配算法用来解决这些问题。这个算法分成两个阶段，分别是对链路进行分组和对组进行信道分配的信道分配方法。这个信道分配方法不依赖于任何特定的链路带宽进行信道分配。
1 问题定义
无线Mesh的路由节点相对固定，客户端节点可以移动。客户端节点传送数据给路由节点，路由节点再向有线网转发数据。在这里我们定义每个路由节点u共有k(u)个射频接口，同时有|C|个可用的信道数。每个射频传输的最大距离和干扰距离分别为rT和rI。定义无线Mesh拓扑图GI=(V,EI)，节点u,v∈V，无向边uv∈EI，只有在d(u,v)≤rT时，这个边才存在，d(u,v)定义了u和v间的距离，c(u,v)定义了边u和v间能传输的最大的数据量。定义节点集合VAV是网络中充当路由节点的集合，定义集合VGV是路由节点中充当网关节点的集合。
定义一个信道分配集合R，其中R(u)定义为节点u所代表的信道数，其中|R(u)|≤k(u),u∈V。R信道分配方案会出现一个新的图G=(V,E)。两个节点使用同一信道在彼此的通信范围时，它们的边才存在。即当d(u,v)≤rT和R(u)∩R(v)≠同时成立时，uv∈E边才存在。当xy∈E和uv∈E中x、y、u,v共4个节点中存在任意一个节点在另一个节点的链路的干扰范围内时，同时它们有共同的信道即R(u)∩R(v)∩R(x)∩R(y)≠时，两条链路才会出现干扰。
所有的信道分配结果都会出现一个连通图，我们要在这些连通图中选择一个网络吞吐量最大的连通图。不同的连通图的网络性能不一样的原因是不同的连通图选择的边的子集不一样，不同的信道分配会使链路受到的干扰程度也不一样。
2 网络结构
2.1 网络拓扑
考虑到一些环境恶劣的地方如地震救灾现场、自然保护区的生态监测等地的客观原因，在这些地方部署无线Mesh网往往需要在不同的区域同时设置多个节点。为了避免一些节点失效，导致整个网络瘫痪。这里采用分层的网络拓扑进行组网，如图2所示。
2.2 协议干扰模型
对于任意两个接口u和v，能成功通信的条件为，接口u和接口v之间的物理距离小于通信距离，并且接收节点在所有其他发送数据的节点的干扰范围之外。在协议干扰模型中，假设两节点间的通信距离为r，干扰距离为RI，在k-跳协议干扰模型[11,12]中RI=kr，即在单个节点k跳通信范围内的所有节点都会受到干扰。
在图3所示的网络中，节点集合为V={v1,v2,v3,v4,v5,v6}，链路集合为E={(v1,v2),(v1,v4),(v2,v3),(v2,v5),(v3,v6),(v4,v5),(v5,v6)}，虚线圆形分别为节点v1和节点v4的干扰范围。考虑链路(v1,v4)，在协议干扰模型下，除了链路(v3,v6)，其余所有链路都为链路(v1,v4)的干扰链路。
3 信道分配
为了最大化网络的整体吞吐量和减少关键链路受到干扰的程度，我们对于承载更多流量的关键链路优先分配信道，对于数据很少经过的链路最后分配信道。原因是优先分配信道的链路，受到的干扰少，而干扰往往是链路吞吐量下降的主要因素[13]。链路吞吐量[14]主要取决于这条链路所能承载的最大流量的能力和网络的拓扑结构GI和它们的射频传输数据的能力。
3.1 链路分组
为了确定关键链路，利用最大流最小割定理[15,16]计算出在图GI中从客户端节点到网关节点的关键链路。利用最大流最小割定理，把无线Mesh网络这个多个源节点多个目的节点的网络N=(V,E,c,X,Y)，将其等价为一个单个源节点单个目的节点的网络N'=(V',E',c',X',Y')，其中(1)V'=V∪{s,t}，s,t分别是N'的源节点与目的节点;(2)E'=E∪{(s,x)|x∈X}∪{(y,t)|y∈Y};(3)c'=c(e),e∈E;c'(s,x)=",x∈X,c'(y,t)=",y∈Y。也就是说，添加两个超级节点在Mesh网中分别当作源节点VA和网关节点VG，现在形成了一个新的单个源节点单个目的节点的有向图G'I=(V',E'I),V'节点集中包含集合V中的所有节点包括节点VA和VG。E'I边集合包含集合EI中的所有边和节点VA、VG与其他节点所构成的边。最大流最小割计算的结果可以用fG'I(u→v)来表示链路所承载的带宽。
为了避免网络中节点出现信道数大于射频接口需要重新递归解决和减少关键链路的干扰的情况。我们把信道分配算法分成两部分，第一部分根据链路所负载的带宽进行分组，一个组内可以包括很多不同的链路，同时每个节点所在的组数不能超过它的射频接口数。第二部分分配信道根据组内流量大小优先选择的组。
首先对所有的链路进行分组，如表1所示。
定义L(e)∈N,e∈EI，起始阶段所有的链路都没有分组。neigh(u)是任意节点u在图GI中的邻居节点，同时任意节点u所在的不同组的集合可以用g表示，经过任意节点u的所有链路的流量总和为Ftot，任意节点u所在的所有链路中分到一个组的链路流量之和定义为Floc。在对链路进行分组时，如果一个节点所包含的组数超过了它的射频接口数，那我们就需要对它所在的组进行合并，直到其组数最多和射频接口数相等。合并的原则是在该节点所在的组集合g中，找出所承载的流量最少的两个组进行合并，直到组数不超过节点的接口数为止(line 9—14)。把节点u承载的所有流量Ftot均分成k(u)份，经过节点u的所有链路按照链路流量的大小进行降序排序。把排序的链路依次分到一个组，直到该组的流量Floc超过Ftot/k(u)为止。按照这样的方法，对经过节点u的所有链路进行分组。若分组结束后，还有经过节点u的链路没有分组，那么就把剩下的流过流量较少的链路都分到最后一组(line 15—35)。这样做会使最后一个组的链路比较多。虽然它们使用一个共同的信道时，会出现很大的链路干扰，但可以保证前面降序排序的关键链路不会因为使用相同的信道的链路比较多，出现严重干扰。这样网络中的关键链路就不会成为限制网络性能的瓶颈。
3.2 对组内链路分配信道
由于已经对所有的链路进行了分组，这样可以保证每个节点上的接口数始终大于信道数，接下来我们只需对组进行分配信道，如表2所示。
为了保证网络的连通性，对每条链路的末端节点都分配一个相同的信道。当一条链路的末端节点在另一条链路中的节点干扰范围内时，两条链路可能出现干扰。定义εc为所有分配信道c的链路的集合，P(g)为与组g中链路存在干扰的所有链路的集合。集合I为组g中的所有链路的末端节点的集合。S(g,c)为组g分配信道c后与其干扰的链路的集合。如果S(g,c0)是空集，则表示没有链路与g存在干扰在使用信道c0。此时分配信道c0时，要使分配c0信道的链路尽可能的多。如果S(g,c0)不是空集时，那么我们在给c0分配链路时，在干扰不可避免的情况下应该尽量在S(g,c0)中选择干扰最小的链路给它分配信道c0。这个信道分配算法是对流量多的链路所在的组优先进行信道分配，这样尽可能地避免关键链路出现链路干扰。总之，在进行信道分配时，首先以链路所承载的流量降序排序所有的链路，对承载流量越多的链路优先分配信道。
3.3 信道分配的时间复杂度
定义网络中共有n个节点，共有m条链路。在链路分组阶段:当合并分组时，每条链路上的节点都需要检查其所在的组数是否超过它的接口数时，超过时需要合并节点所在的组，这总共需要o(m)，由于共有m条链路，则整个过程共需要o(m2)。同时在利用最大流最小割原理[7]确定关键链路需要消耗时间，这一过程总需要时间。在信道分配分配阶段:给每个组分配一个信道，同时每个组内的链路都使用相同的信道。计算链路分组的数目消耗时间o(m)，在计算与每个组g存在干扰的链路集合P(g)需要时间o(mn)，在这一阶段可以看作总的消耗时间为o(mn+m)=o[m(n+1)]≈o(mn)。故而该算法两个阶段总共需要消耗时间o(m2+mn)≈o(m2n)。
4 实验仿真与分析
本文采用ns2仿真软件来比较基于链路分组优先的信道分配算法(LD-CCA)和集中信道分配[2](CCA)的性能。仿真场景如下:25个节点均匀分布在110 m×110 m区域，分别随机选取5个源节点和目的节点。5个源节点分别按照特定速率产生udp数据流为240 Kb/s、430 Kb/s、350 Kb/s、280Kb/s、130 Kb/s，同时设置源节点发数据的速率在原来的基础上从1到10倍的变化，然后随机选择目的节点并向其发送数据。设置各数据包固定长度L=100 Byte，其中物理层宽带选用2 Mbps。多信道MAC协议的最小退让窗口CWmin=32，最大窗口值为CWmax=1 024。源节点发送数据在链路层最大重传3次。网络采用AODV路由协议，信道分配算法分别采用信道分配算法LD-CCA和CCA。实验采用分层的网络拓扑(图2)。为了保证实验结果的正确性，文中所有实验重复30次。实验中的平均吞吐量和平均丢包率分别指的是统计5个目的节点的平均值。可以得到结果如图4和图5所示。
从图4和图5，可以看出在网络带宽较少时，信道分配方法LD-CCA与OCCA的性能差别不是特别大，但是当网络的带宽继续变大时，OCCA的网络丢包率开始变得明显比LD-CCA多。原因是由于LD-CCA在信道分配时优先保证承载带宽较大的链路选择干扰较少的信道，同时该算法不是针对任何预先特定的链路带宽分配进行的信道分配。它对于复杂多变的实际网络情形具有很好的适应性。网络吞吐量和丢包率都很一致，差别不是特别大在丢包率和吞吐量上信道分配算法LD-CCA的性能优于OC-CA。
5 结论
多信道模型 篇5
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.
室内多天线信道传播特性的研究 篇6
关键词：多天线信道,接脉冲测量,相关性
0 引言
在多径环境下, 多天线技术具有提高通信系统容量和可靠性的巨大潜力[1], 在无线通信领域具有广泛的应用前景。研究无线信道的传播特性构建信道模型是建立无线通信系统的基础, 近些年许多有实用价值的信道建模研究成果大多数是基于对实地环境进行信道测量得到的[2]。直接脉冲测量这种时域测量方法能够快速的测量出信道的功率延迟分布, 简单易行。本次测量采用了该方法, 对中心频率为3.5 GHz、带宽为200 MHz的信道进行了测量, 统计并分析了路径损耗、时延扩展参数、多径数和相关系数等参数。
1 信道测量
信道测量在如图1所示的房间进行, 房间外侧墙面嵌有玻璃窗, 其余四周墙壁、天花板、地板均为钢筋混凝土结构, 室内有空调、凳子、桌子、实验仪器、电脑显示器以及金属文件柜等物品。
发射天线阵列Tx固定在上侧墙面的某一高度处, 接收天线依次位于各个宏位置内[3]。宏位置位于以发射天线为圆心、5个半径差为1 m的同心圆环上, 圆环最小半径为1.5 m, 每个宏位置内测量10次。发射天线为2元ULA, 发射单元和接收天线在水平方向均有良好的全向性。测量时收发天线均保持静止, 对两个发射天线单元轮流馈电, 未馈电单元接匹配负载。分如下三种场景分别进行测量:1) 场景A:发射天线高度为1 m, 接收天线高度为1 m。2) 场景B:发射天线和接收天线之间放置一纸板, 阻挡了收发天线之间的直视路径, 其它布置与场景A相同。3) 场景C:发射天线高度为2.9 m, 接收天线高度为1 m。
2 结果分析
2.1 路径损耗
研究表明, 接收信号功率的平均衰减与T-R距离的变化呈对数关系[4], 即路径损耗规律可由式 (1) 描述。
式中PL (d) 代表T-R距离为d时平均路径损耗的dB值, d0为参考距离, n为平均路径损耗指数, 反映了路径损耗随距离增长的速率。求得场景A和B各测量圆环上的平均路径损耗值, 按 (1) 式进行拟合, 不同场景下拟合的路径损耗指数和标准差如表1所示。
由表1可知, 场景A的平均路径损耗指数要小于场景B, 这主要是因为B是非视距场景, 该场景下信号在传播过程中有更大的衰减。由于收发天线方向图在竖直平面内并非全向辐射, 在场景C中, 收发天线不等高, 路径损耗特性与具体的方向图有密切联系, 按 (1) 式拟合误差较大, 在此不做讨论。
2.2 时延扩展参数和多径数
时延扩展参数有平均附加时延扩展时延扩展στ和最大附加时延扩展τm[3]。对多径数和时延扩展参数进行统计, 并取两个发射单元的空间平均值, 如表2所示。
由表2可知, 场景B的时延扩展参数、多径数平均值和场景A很接近, 但要稍微偏小。这是容易理解的, 场景B中纸箱子的介电常数和空气较为接近, 电磁波信号能够穿透该纸箱子, 因为部分电磁信号在穿透过程中经历了一定程度的衰减, 再经过外界环境多次散射到达接收端后, 该部分时延较大的多径因幅值较小而湮没在噪声中没有被识别。场景C多径数和时延扩展参数平均值均要大于其它两种场景, 这可能是由于发射天线位置较高, 周围较为空旷, 多径信号到达接收端所经历的衰减要小一些, 使得有更多时延较大幅值较小的多径分量可以被识别。
2.3 相关性
在多径环境下, 多天线系统中不同发射-接收天线对之间的衰落存在一定的相关性, 衰落相关性对信道容量有重要的影响。根据相关系数的定义[5], 分别求得3种场景下两个不同发射单元对应接收信号的包络相关系数, 按宏求空间平均, 然后计算同一测量圆环上相关系数的平均值, 如图2所示。
由图2可见, 三种场景下平均相关系数均在0.48-0.83之间波动。场景A的平均相关性与场景B的平均相关性非常类似, 场景A和场景B的相关系数都有随T-R距离增大而减小的趋势, 这由于随着T-R距离的增加, 多径信号到达接收端路径的差异性有所增加, 使得接收信号的平均相关性稍有减小。场景C中, 收发天线实际距离为2.42以及3.2时, 在二者直视路径方向方向图强度都比较弱, 非直视路径方向要强许多, 使得接收信号中随机性较大的多径分量占有较多的成分, 所以接收信号总的相关系数较小。随着T-R距离的增加, 二者直视方向的方向图逐渐变强, 接收信号中直视分量变大, 通过其它方向到达的多径分量变少, 所以相关性在增加, 在T-R距离为3.2m及以后, 相关性都在逐渐增加。
3 结论
本文描述了采用直接脉冲测量技术, 对典型的实验室环境信道的传播特性进行了研究, 对于研究建立适宜于中国国情的室内宽带多天线信道模型具有重要的探索意义。
参考文献
[1]M.A.Jensen, J.W.Wallace.A review of antennas and propaga-tion for MIMO wireless communications[J].IEEE Transac-tions on Antennas and Propagation, 2004, vol.52:2810-2824.
[2]S.Kozlowski, K.Kurek, R.Szumny, et al.Statistical mod-elling of wideband propagation channel in an indoor envi-ronment, MIKON 2008[C].17th International Conference onMicrowaves, Radar and Wireless Communications, 2008.
[3]杨大成.移动传播环境:理论基础、分析方法和建模技术[M].北京:机械工业出版社, 2003:159-160.
[4]B.Sklar, Rayleigh fading channels in mobile digital commu-nication systems.I.Characterization[J].IEEE CommunicationsMagazine, 1997.
多信道指挥车市场应用前景介绍 篇7
近年来,随着各种通信技术的不断发展和国家政策不断调整,大量新的通信手段和方法的应用,设备的集成度不断提高,同时设备造价和使用费不断降低,使得在同一辆指挥车中实现多种通信方式共存、互补,实现在任何情况下的通信指挥功能成为可能。
由于卫星通信具有通信距离远、通信容量大、可靠性强、覆盖面积大、机动灵活等优点,但使用费用较高等缺点。同时,3G网络发展很快,它的通信范围广、带宽高、费用低,但其传输效果较差、且受运营商网络影响较大。基于以上两种无线通信手段的分析,多信道指挥车中应以卫星通信为主要的通信手段,以3G通信为辅助通信,同时借助于有线光纤SDH等传输系统,实现语音、数据、图像传输,并利用短波、超短波、WLAN等无线设备实现远距离的语音通信和现场的语音和网络通信,使其真正成为多种传输通信手段基于一身的移动应急指挥平台。
二、应用场景介绍
根据通信方式和手段的不同,多信道通信指挥车中一般主要包括卫星通信系统,3G传输系统、视频会议系统、短波通信系统、专网通信系统、WLAN无线网络系统、综合语音调度系统、图像采集传输处理系统等。其主要应用于一下几个场景:
1.城市应急场景
当事故现场发生在城市,由于城市内的3G网络覆盖基本无盲区、有线网络基本上实现了光纤到户,可通过运营商已有的无线信号覆盖,利用3G传输系统或事故现场的有线光纤SDH系统,把现场情况及时、有效地传输至指挥中心;并利用车载超短波系统、综合语音调度系统、无线网络系统和图像采集处理系统,对现场工作人员进行指挥调度工作,使工作效率和配合程度得到有效提高。对应这种场景,多信道指挥车各功能模块可提供的服务有:
(1)数据通信。因现场有运行商无线信号覆盖,多信道指挥车可不使用卫星链路而使用3G进行传输,通过3G网络实现多信道指挥车与应急指挥中心及通过应急指挥中心平台与其他应急相关部门的通信,保证音视频信号、语音调度系统、视频会议系统的通信需求。
(2)音视频图像采集。通过车顶摄像机等图传采集系统将突发事件现场信号进行实时采集,一方面进行现场保存,另一方面经过编码器进行编码通过通信网络传回应急指挥中心,以方便指挥中心进行事件现场分析研判。同时也需支持指挥中心图像传给移动指挥车,给指挥车提供其他方面的影像信息。
(3)语音通信保障。车内使用专网通信系统和综合语音调度系统,通信网络或使用短波电台与指挥中心保持联系;车外通过集群系统、手机、无线IP电话通过语音调度系统与指挥中心保持联系。
(4)现场情况报告、指令上传下达。现场情况汇报及相关职能部门指令上传下达可通过视频会议系统、传真系统、语音调度系统进行。
2,偏远地区应急通信
偏远地区环境比较恶劣,当突发公共事件或地质灾害发生后,现场可能没有可利用的有线、无线网络环境,需完全独立通信。多信道指挥车主要进行现场与外界的通信保障、现场情况图像声音实时上传、现场事态实时上报、现场应急指挥调度、现场视频会议召开等工作。对应这种场景,多信道指挥车各功能模块可提供的服务有:
(1)数据通信。通过车载卫星通信系统及实现与应急指挥中心及通过应急指挥中心与其他相关部门的语音、视频、数据通信,建立现场与指挥中心及外界的通信通道,在保证应急指挥工作的前提下也可为现场工作人员提供语音及数据通信服务。
(2)视频会议系统。当需用应急现场会议时,视频会议系统可通过卫星通信系统与应急指挥中心会议系统相连,实现应急视频会议召开。
(3)视频监控。通过车顶摄像机等图像采集设备将突发事件现场信号进行实时采集,一方面进行现场保存,另一方面经过编码器进行编码通过卫星通信网络传回应急指挥中心,以方便指挥中心进行事件现场分析研判。同时也需支持指挥中心图像传给移动指挥车,给指挥车提供其他方面的影像信息。
(4)语音通信保障。车内使用专网通信系统和综合语音调度系统,通信网络或使用短波电台与指挥中心保持联系,车外通过集群系统、手机、无线IP电话通过语音调度系统与指挥中心保持联系。
3.重大灾害场景
近年来,全国部分省市出现了比较严重的、不可抗拒的、破坏性大的自然灾害。当这些自然灾害发生后,导致当地的无线网络和有线网络遭到毁灭性的破坏,现场的通信需求剧增并且通信状态非常复杂,可能单一的通信手段无法满足现场需求,多信道指挥车在一定程度上可缓解上述矛盾。
(1)数据通信。利用车载卫星通信系统,把采集到的现场图像、数据等信息及时、有效的传送到远端指挥中心,并接收远端指挥中心任务指令。
(2)音视频图像采集。利用车载摄像机或其他图像采集系统,把现场周围的影音信息采集并储存,方便以后不时之需,同时在有网络传输情况下,实现现场各种图像及时传送至远端指挥中心,方便领导了解和掌握现场情况。
(3)语音通信保障。留用车载短波系统,把现场的情况及时通过语音方式回报到指挥中心,方便指挥中心了解现场情况,并作出判断,同时可通过语音方式对现场下达任务指令。
(4)现场指挥调度。利用车载专网通信系统和WLAN无线通信网络,实现现场周围数公里范围内的语音通信和数据通信,方便现场指挥人员对每个工作人员的指挥调度,使其有序、高效。
三、特点介绍
多信道指挥车在生产和使用过程中主要有一下特点:
(1)功能齐全。多信道指挥车集成了卫星系统、3G传输系统,有线SDH系统、短波系统、超短波系统、音视频采集处理系统、会议系统、综合语音调度系统等系统;整套系统可有效的处理各种信号,完成各种通信功能。
(2)传输手段多样化。多信道指挥车可借助任意一种传输手段,把车内采集到的音视频信号传输至远端的指挥中心,真正实现了多种通信方式共存的通信网络。
(3)节约成本。它把原有的需要2辆或多辆车才能完成的工作通过1辆多信道指挥车来完成,这样即节约了有限的财政资源,也减少了由于车辆多导致的拥挤、油耗大,相应配套的设备及人员增加,也减少了公共资源的浪费。
四、结束语