CN102571238A - Gsm-r网络接收信号强度动态测试算法 - Google Patents

Abstract

本发明公开了一种GSM-R网络接收信号强度动态测试算法，其包括如下步骤：步骤一：进行接收信号包络检测；步骤二：根据上一次计算所得的接收信号强度采样的统计区间与采样点数对接收信号强度进行动态采样；步骤三：根据当前采样得到的接收信号强度和上一次接收信号强度采样的莱斯分布参数，估计得到下次接收信号强度采样的衰落参数；步骤四：根据所述下次接收信号强度采样的衰落参数计算得到下一次接收信号强度采样的统计区间与采样点数，同时开始下一次的接收信号强度动态采样。本发明的GSM-R网络接收信号强度动态测试算法具有在线实时、全面准确，计算量小的优点，满足高速环境下的实时数据采集的要求。

Description

GSM-R网络接收信号强度动态测试算法

技术领域

本发明涉及一种信号强度测试算法，具体地，涉及一种GSM-R网络接收信号强度动态测试算法。

背景技术

GSM-R网络是专门应用于铁路环境中的综合数字调度移动通信网络，其基于公网GSM和高级语言呼叫业务，增加了铁路需要的组呼、广播、多优先级和紧急呼叫等业务，能够实现铁路上各种移动信息资源的采集、传输，为现代化调度、指挥、控制提供通信平台。随着GSM-R数字移动通信系统工程建设与运用的推广，以及对GSM-R系统的特性和功能的不断研究和验证，为确保铁路运输的安全可靠，对GSM-R系统进行全面测试成为一个不可缺少的重要环节。接收信号强度是GSM-R网络的关键指标，其对网络的无线覆盖、干扰测试和服务质量有着重要影响，同时也是小区切换、功率控制和频率规划的重要参量。

GSM-R网络的接收信号强度的测试可以从三个方面进行，即路径传播损耗、阴影衰落和多径衰落。其中，路径传播损耗和阴影衰落为大尺度衰落，起伏变化较慢，主要用于网络建设阶段的链路预算，多径衰落为小尺度快衰落，是影响GSM-R网络在运行过程中的通信质量的主要因素。因此，GSM-R网络接收信号强度的测试，是进行GSM-R网络无线通信系统设计和网络通信质量评估的基础。

Lee氏采样算法从理论上确定了信号强度测试的统计区间和采样点数，但由于其假设采样点相互独立、样本统计区间内快衰落统计特性一致、多径衰落服从瑞利分布等，在实际应用过程中存在很多问题。同时Lee氏算法一般应用于网络规划阶段，不能够应用于在线运行的GSM-R网络。付昕宇在其博士论文“GSM-R网络场强测试方法的改进及仿真”中提出基于参数估计的采样算法，该算法同样基于瑞利分布的前提，从而无法满足GSM-R网络复杂多变的无线传输环境。

以上两种采样算法假设多径衰落服从瑞利分布，而在实际的GSM-R网络中，由于小区半径较小且地形一般较为平坦，多径衰落一般服从莱斯分布。西班牙的巴斯克大学提出的通用Lee氏算法，可以应用于不同的多径衰落分布，但是该算法计算量太大，不能够有效完成在线实时测试。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种

为实现上述目的，本发明提供了一种GSM-R网络接收信号强度动态测试算法，其包括如下步骤：

步骤一：进行接收信号包络检测；

步骤二：根据上一次计算所得的接收信号强度采样的统计区间与采样点数对接收信号强度进行动态采样；

步骤三：根据当前采样得到的接收信号强度和上一次接收信号强度采样的莱斯分布参数，估计得到下次接收信号强度采样的衰落参数；

步骤四：根据所述下次接收信号强度采样的衰落参数计算得到下一次接收信号强度采样的统计区间与采样点数，同时开始下一次的接收信号强度动态采样。

进一步地，上述的GSM-R网络接收信号强度动态测试算法，其中，所述接收信号包络检测是指对接收信号的幅值或功率进行检测，经过线性放大或对数线性放大后得到接收信号强度。

进一步地，上述的GSM-R网络接收信号强度动态测试算法，其中，所述接收信号包络检测由GSM-R收发模块完成。

进一步地，上述的GSM-R网络接收信号强度动态测试算法，其中，步骤三中还包括结合当前的地理信息，查找当前位置在上一次采样时的衰落参数，以对当前计算的衰落参数进行修正。

进一步地，上述的GSM-R网络接收信号强度动态测试算法，其中，步骤三中，还包括将计算得到的下次接收信号强度采样的衰落参数与当前位置在上一次采样时的衰落参数进行比较，并在二者存在一定偏差时给出预警，所述一定偏差是指两次相应的衰落参数相差大于等于1时。

进一步地，上述的GSM-R网络接收信号强度动态测试算法，其中，步骤三中，根据接收信号强度z₁，z₂……z_i和上一次的莱斯分布参数v_k和σ_k，由公式

$v_{k+1}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{I_1\left(\frac{v_k{z}_i}{{\mathrm{\σ}}_k^2}\right)}{I_0\left(\frac{v_k{z}_i}{{\mathrm{\σ}}_k^2}\right)}{z}_i$

${\mathrm{\σ}}_{k+1}^2=\frac{1}{2N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_i^2-\frac{z_k^2}{2}$

计算得到下次的莱斯分布参数v_k+1和σ_k+1，其中，

和

分别为0阶和1阶第一类修正贝塞尔函数，进而根据K_k+1＝v_k+1 ²/2σ_k+1 ²得到下次的衰落参数σ_k+1和K_k+1。

进一步地，上述的GSM-R网络接收信号强度动态测试算法，其中，步骤四中，由公式

r²(y)＝r_p(y)m_p(y)

${\hat{m}}_p=\frac{1}{2L}\underset{x-L}{\overset{x+L}{\∫}}{r}^2\left(y\right)\mathrm{dy}=f_1(K_{k+1},{\mathrm{\σ}}_{k+1})$

${{\mathrm{\σ}}_{{\hat{m}}_p}}^2=\frac{1}{2L}\underset{x-L}{\overset{x+L}{\∫}}D\left[r^2\left(y\right)\right]\mathrm{dy}=g_1(K_{k+1},{\mathrm{\σ}}_{k+1})$

$1\mathrm{\σspread}=10\·{\log }_{10}\frac{m_p+{\mathrm{\σ}}_{{\hat{m}}_p}}{m_p-{\mathrm{\σ}}_{{\hat{m}}_p}}=1$

计算下次接收信号强度在空间域上采样的统计区间2L，其中，y为列车运行距离，r²(y)为接收信号功率的理论表达式，r_p(y)代表莱斯衰落，m_p(y)代表慢衰落，

为m_p(y)在统计区间2L中的估计值，为

的方差。

进一步地，上述的GSM-R网络接收信号强度动态测试算法，其中，步骤四中，由公式

${\stackrel{\‾}{r}}^2={2\mathrm{\σ}}^2+v^2\≈\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z_i}^2$

$\hat{m}=E\left[{\stackrel{\‾}{r}}^2\right]=\frac{1}{N}E\left[\underset{1}{\overset{N}{\mathrm{\Σ}}}{z_i}^2\right]=f_2(K_{k+1},{\mathrm{\σ}}_{k+1})$

${{\mathrm{\σ}}_{\hat{m}}}^2=D\left[{\stackrel{\‾}{r}}^2\right]=\frac{1}{N}D\left[\underset{1}{\overset{N}{\mathrm{\Σ}}}{z_i}^2\right]=g_2(K_{k+1},{\mathrm{\σ}}_{k+1})$

$P_g=10\log \left(\frac{m+{\mathrm{\σ}}_{\hat{m}}}{\hat{m}}\right)=1$

计算下次接收信号强度采样的采样点数N，其中，z_i为信号包络检测得到的接收信号强度，σ_k+1和K_k+1为下次接收信号强度采样的衰落参数，为经过衰落参数估计后得到的接收信号功率，

为

在统计区间2L中做N次数据采集的均值，

为

的方差。

进一步地，上述的GSM-R网络接收信号强度动态测试算法，其中，步骤四中，首先计算接收信号强度在空间域上采样的统计区间与采集点数，再结合当前列车运行方向与运行速度得到接收信号强度在时间域上采样的统计区间，最终根据时间域上的统计区间与采样点数，对GSM-R网络当前的接收信号强度进行动态采样。

因此，本发明的GSM-R网络信号强度动态测试算法具有以下有益的技术效果：

(1)在线实时、全面准确，通过输入历史信息、地理信息和列车运行信息，由GSM-R收发模块进行接收信号的动态采样从而得到当前接收信号强度信息，再根据当前接收信号强度信息做衰落参数的动态估计，将得到的衰落参数与地理信息做对比，在当前估计值与历史信息、地理信息存在偏差时给出预警；

(2)估计得到的衰落参数与当前的地形信息和基站的发射功率有关，其能够及时反映出由地形引起的快衰落对接收信号采样与统计的影响，因而能够得到GSM-R网络空中接口当前的准确通信质量信息；

(3)本算法在计算衰落参数时使用上一次采样的信息，具有计算量小的特点，能够更好的满足高速环境下的实时数据采集的要求；

(4)本算法在计算衰落参数的同时，可以利用历史信息对计算模型进行修正，从而更好的保证计算的精度；

(5)通过本算法可以分别得到慢衰落和快衰落信息，有助于更好的对GSM-R网络的通信质量进行分析，并可以利用慢衰落信息实现网络的小区切换和功率控制等功能。

附图说明

图1是本发明的GSM-R网络接收信号强度动态测试算法流程图；

图2是本发明的GSM-R网络接收信号强度动态测试算法中衰落参数动态估计的计算流程图；

图3是本发明的GSM-R网络接收信号强度动态测试算法中统计区间的计算流程图；

图4是本发明的GSM-R网络接收信号强度动态测试算法中采样点数的计算流程图；

图5是本发明的GSM-R网络接收信号强度动态测试算法中接收信号包络及统计区间示意图。

具体实施方式

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

图1是GSM-R网络接收信号强度动态测试算法流程图。由图可知，该算法主要包括接收信号包络检测、信号强度动态采样、衰落参数动态估计以及统计区间与采样点数这四个步骤。具体地，

步骤101：由GSM-R收发模块进行接收信号包络检测，对接收信号的幅值或功率进行测试，其中，对幅值或功率进行线性放大或对数线性放大从而得到接收信号强度；

步骤102：根据上一次计算所得接收信号强度的统计区间与采样点数对接收信号强度进行动态采样；

步骤103：根据当前采样得到的接收信号强度和上一次接收信号强度采样的莱斯分布参数，估计得到下次接收信号强度采样的衰落参数；

步骤104：根据计算得到的下次接收信号强度采样的衰落参数计算下一次接收信号强度采样的统计区间与采样点数，同时开始下一次的接收信号强度的动态采样。

其中，图2是衰落参数动态估计的计算流程图，由图可知，根据信号包络检测得到的接收信号强度采样数据z₁，z₂......z_i和上一次的莱斯分布参数v_k和σ_k，由公式，

$v_{k+1}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{I_1\left(\frac{v_k{z}_i}{{\mathrm{\σ}}_k^2}\right)}{I_0\left(\frac{v_k{z}_i}{{\mathrm{\σ}}_k^2}\right)}{z}_i---\left(11\right)$

${\mathrm{\σ}}_{k+1}^2=\frac{1}{2N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_i^2-\frac{z_k^2}{2}---\left(12\right)$

计算得到下次接收信号强度采样的莱斯分布参数v_k+1和σ_k+1，以及莱斯衰落因子K_k+1＝v_k+1 ²/2σ_k+1 ²。其中，

和

分别为0阶和1阶第一类修正贝塞尔函数。

由此得到的下次接收信号强度采样的衰落参数为σ_k+1和K_k+1。在计算上述衰落参数时，除了利用当前的采样数据之外，可以结合当前的地理信息，查找到当前位置在上一次采样时的衰落参数，以对当前计算的衰落参数进行修正，并在当前计算值与历史值之间存在较大偏差时给出预警，如当Δσ＝σ_k+1-σ_k＞＝Th₁＝1及ΔK＝K_k+1-K_k＞＝Th₂＝1时。

图3是统计区间的计算流程图，图4是采样点数的计算流程图。根据信号包络检测得到的接收信号强度采样数据z₁，z₂......z_i和衰落参数σ_k+1和K_k+1，由相关公式计算得到下次接收信号强度在空间域动态采样的统计区间2L及采样点数N。

具体地，计算空间域采样的统计区间2L时，如图3所示，利用如下公式计算：

r²(y)＝r_p(y)m_p(y)                     (21)

${\hat{m}}_p=\frac{1}{2L}\underset{x-L}{\overset{x+L}{\∫}}{r}^2\left(y\right)\mathrm{dy}=f_1(K_{k+1},{\mathrm{\σ}}_{k+1})---\left(22\right)$

${{\mathrm{\σ}}_{{\hat{m}}_p}}^2=\frac{1}{2L}\underset{x-L}{\overset{x+L}{\∫}}D\left[r^2\left(y\right)\right]\mathrm{dy}=g_1(K_{k+1},{\mathrm{\σ}}_{k+1})---\left(23\right)$

$1\mathrm{\σspread}=10\·{\log }_{10}\frac{m_p+{\mathrm{\σ}}_{{\hat{m}}_p}}{m_p-{\mathrm{\σ}}_{{\hat{m}}_p}}=1---\left(24\right)$

其中，在式(21)中，y为列车运行距离，r²(y)为接收信号功率的理论表达式，r_p(y)代表莱斯衰落，m_p(y)代表慢衰落；式(22)和(23)中，为m_p(y)在统计区间2L中的估计值，

为

的方差；式(24)是衡量

偏离其中心值的衡量标准。将式(21)、(22)和(23)带入式(24)中，由于式(21)中接收信号功率r²(y)服从莱斯衰落，式(22)和式(23)即为衰落参数K和σ的函数，从而得到统计区间2L与衰落参数K和σ的函数。令式(24)等于1，便得到下次采样的统计区间2L。

计算采样点数N时，如图4所示，利用如下公式计算：

${\stackrel{\‾}{r}}^2={2\mathrm{\σ}}^2+v^2\≈\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z_i}^2---\left(31\right)$

$\hat{m}=E\left[{\stackrel{\‾}{r}}^2\right]=\frac{1}{N}E\left[\underset{1}{\overset{N}{\mathrm{\Σ}}}{z_i}^2\right]=f_2(K_{k+1},{\mathrm{\σ}}_{k+1})---\left(32\right)$

${{\mathrm{\σ}}_{\hat{m}}}^2=D\left[{\stackrel{\‾}{r}}^2\right]=\frac{1}{N}D\left[\underset{1}{\overset{N}{\mathrm{\Σ}}}{z_i}^2\right]=g_2(K_{k+1},{\mathrm{\σ}}_{k+1})---\left(33\right)$

$P_g=10\log \left(\frac{\hat{m}+{\widehat{\mathrm{\σ}}}_{\hat{m}}}{\hat{m}}\right)=1---\left(34\right)$

其中，在式(41)中，z_i为信号包络检测得到的接收信号强度，σ_k+1和K_k+1为下次接收信号强度采样的衰落参数，

为经过衰落参数估计后得到的接收信号功率，可以表示为采集到的信号功率的平均值；式(32)和(33)中

为在统计区间2L中做N次数据采集的均值，

为

的方差；式(34)是衡量

偏离其中心值的衡量标准。式(31)、(32)和(33)带入式(34)中，由于式(31)中接收信号功率

服从莱斯衰落，式(32)和式(33)即为衰落参数K和σ的函数，得到采集点数N与衰落参数K和σ的函数，令式(34)等于1便得到下次采样的所需要的采集点数N。

以上计算得到接收信号强度在空间域y上的统计区间2L与采集点数N，同时结合当前列车运行方向与运行速度v，根据速度公式v＝y/t，其中，y为列车运行距离，得到接收信号强度在时间域t上的统计区间2L_t，最终根据时间域t上的统计区间2L_t与采样点数N，对GSM-R网络当前的接收信号强度进行动态采样。

图5是接收信号包络及统计区间示意图。从图中可以看出，在快衰落较为明显的区域，需要比较小的统计区间和比较多的采样点数；在快衰落影响较小的区域，只需要比较大的统计区间和比较少的采样点数。根据动态采样算法，能够根据具体的情况，以比较小的计算量实时确定需要的统计区间与采样点数，从而实时反映GSM-R网络空中接口的通信质量。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (9)

1.一种GSM-R网络接收信号强度动态测试算法，其特征在于，包括如下步骤：

步骤一：进行接收信号包络检测；

步骤二：根据上一次计算所得的接收信号强度采样的统计区间与采样点数对接收信号强度进行动态采样；

步骤三：根据当前采样得到的接收信号强度和上一次接收信号强度采样的莱斯分布参数，估计得到下次接收信号强度采样的衰落参数；

步骤四：根据所述下次接收信号强度采样的衰落参数计算得到下一次接收信号强度采样的统计区间与采样点数，同时开始下一次的接收信号强度动态采样。

2.根据权利要求1所述的GSM-R网络接收信号强度动态测试算法，其特征在于，所述接收信号包络检测是指对接收信号的幅值或功率进行检测，经过线性放大或对数线性放大后得到接收信号强度。

3.根据权利要求1所述的GSM-R网络接收信号强度动态测试算法，其特征在于，所述接收信号包络检测由GSM-R收发模块完成。

4.根据权利要求1所述的GSM-R网络接收信号强度动态测试算法，其特征在于，步骤三中还包括结合当前的地理信息，查找当前位置在上一次采样时的衰落参数，以对当前计算的衰落参数进行修正。

5.根据权利要求1所述的GSM-R网络接收信号强度动态测试算法，其特征在于，步骤三中，还包括将计算得到的下次接收信号强度采样的衰落参数与当前位置在上一次采样时的衰落参数进行比较，并在二者存在一定偏差时给出预警，所述一定偏差是指两次相应的衰落参数相差大于等于1时。

6.根据权利要求1所述的GSM-R网络接收信号强度动态测试算法，其特征在于，步骤三中，根据接收信号强度z₁，z₂……z_i和上一次的莱斯分布参数v_k和σ_k，由公式

$v_{k+1}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{I_1\left(\frac{v_k{z}_i}{{\mathrm{\σ}}_k^2}\right)}{I_0\left(\frac{v_k{z}_i}{{\mathrm{\σ}}_k^2}\right)}{z}_i$

${\mathrm{\σ}}_{k+1}^2=\frac{1}{2N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_i^2-\frac{z_k^2}{2}$

计算得到下次的莱斯分布参数v_k+1和σ_k+1，其中，

和

分别为0阶和1阶第一类修正贝塞尔函数，进而根据K_k+1＝v_k+1 ²/2σ_k+1 ²得到下次的衰落参数σ_k+1和K_k+1。

7.根据权利要求1所述的GSM-R网络接收信号强度动态测试算法，其特征在于，步骤四中，由公式

r²(y)＝r_p(y)m_p(y)

${\hat{m}}_p=\frac{1}{2L}\underset{x-L}{\overset{x+L}{\∫}}{r}^2\left(y\right)\mathrm{dy}=f_1(K_{k+1},{\mathrm{\σ}}_{k+1})$

${{\mathrm{\σ}}_{{\hat{m}}_p}}^2=\frac{1}{2L}\underset{x-L}{\overset{x+L}{\∫}}D\left[r^2\left(y\right)\right]\mathrm{dy}=g_1(K_{k+1},{\mathrm{\σ}}_{k+1})$

$1\mathrm{\σspread}=10\·{\log }_{10}\frac{m_p+{\mathrm{\σ}}_{{\hat{m}}_p}}{m_p-{\mathrm{\σ}}_{{\hat{m}}_p}}=1$

计算下次接收信号强度在空间域上采样的统计区间2L，其中，y为列车运行距离，r²(y)为接收信号功率的理论表达式，r_p(y)代表莱斯衰落，m_p(y)代表慢衰落，

为m_p(y)在统计区间2L中的估计值，为

的方差。

8.根据权利要求1所述的GSM-R网络接收信号强度动态测试算法，其特征在于，步骤四中，由公式

${\stackrel{\‾}{r}}^2={2\mathrm{\σ}}^2+v^2\≈\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z_i}^2$

$\hat{m}=E\left[{\stackrel{\‾}{r}}^2\right]=\frac{1}{N}E\left[\underset{1}{\overset{N}{\mathrm{\Σ}}}{z_i}^2\right]=f_2(K_{k+1},{\mathrm{\σ}}_{k+1})$

${{\mathrm{\σ}}_{\hat{m}}}^2=D\left[{\stackrel{\‾}{r}}^2\right]=\frac{1}{N}D\left[\underset{1}{\overset{N}{\mathrm{\Σ}}}{z_i}^2\right]=g_2(K_{k+1},{\mathrm{\σ}}_{k+1})$

$P_g=10\log \left(\frac{m+{\mathrm{\σ}}_{\hat{m}}}{\hat{m}}\right)=1$

计算下次接收信号强度采样的采样点数N，其中，z_i为信号包络检测得到的接收信号强度，σ_k+1和K_k+1为下次接收信号强度采样的衰落参数，

为经过衰落参数估计后得到的接收信号功率，

为

在统计区间2L中做N次数据采集的均值，

为

的方差。

9.根据权利要求1所述的GSM-R网络接收信号强度动态测试算法，其特征在于，步骤四中，首先计算接收信号强度在空间域上采样的统计区间与采集点数，再结合当前列车运行方向与运行速度得到接收信号强度在时间域上采样的统计区间，最终根据时间域上的统计区间与采样点数，对GSM-R网络当前的接收信号强度进行动态采样。

Images