CN103561412A - 一种基于平稳随机过程的信道相关阴影衰落构建的方法 - Google Patents

Abstract

本发明提供了一种基于平稳随机过程的信道相关阴影衰落构建的方法，涉及无线通信领域。一种基于平稳随机过程时变信道相关阴影衰落模型构建的方法，包括以下步骤：步骤101，根据实际传播环境，将时变信道分解成为若干平稳区间；步骤102，确定各个平稳区间阴影衰落的均值和均方根；步骤103，根据所发明的平稳随机过程时变信道相关阴影衰落模型，模拟仿真平稳区间中具有相关性的阴影衰落。

Description

一种基于平稳随机过程的信道相关阴影衰落构建的方法

技术领域

本发明涉及无线通信技术领域，具体涉及一种基于平稳随机过程的信道相关阴影衰落构建的方法。 

背景技术

随着无线通信技术的发展，迫切需要无线运营商在“任何时候”和“任何地点”为人们提供有效、可靠和安全的无线通信服务。以往的无线通信接入服务，主要针对固定或慢速移动场景的接入，如室内无线覆盖、密集城区的无线覆盖，但是，随着城市先进交通工具的进一步发展，人们对于在如高速铁路、地铁（或城铁）、高速公路等快速交通工具上的宽带接入服务寄予了更高的希望。 

相对于固定无线接入，高速移动条件下的无线通信接入的最大差别是由于移动带来的Doppler（包括收发端的相对运动和周围散射物的移动），导致信道是快速变化的，这样的变化，包括大尺度衰落的变化和小尺度衰落的变化。大尺度衰落信道中，主要包括两个方面的衰落：一方面是路径损耗（简称“路损”），路损是由传播距离造成的接收功率的变化，通常在信道建模时候可以建成对数模型；另一方面是阴影衰落，阴影衰落是由于收发端之间存在遮挡，或者由于周围反射物的变化，造成接收端观测到的信号在一定的范围内随机的波动。在信道模型构建的时候，通常会把上面的两种衰落建模为对数正态阴 影模型，形如： 

PL(d)＝A+10·n·log10(d)+X_σ

其中，n是路损指数，描述了传播损耗随距离的指数变化趋势，该参数和传播环境直接相关，A是截断点，X_σ是正态阴影随机变量。最常用的阴影模型是对数正态阴影模型，它已经是被实测数据证明，可以精确的描述室内外无线传播环境对接收功率的影响。 

对数正态阴影模型把发射功率和接收功率的比值（折算为dB为两个值的差X_σ）假设服从正态随机变量： 

$P\left(X_{\mathrm{\σ}}\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}^2}\exp \{-\frac{{(X_{\mathrm{\σ}}-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}\}$

其中，μ是阴影衰落的均值，σ是阴影衰落的标准差。这两个参数都可以由实际的测量数据中提取。按照上式获得的阴影衰落仿真值是独立的，即各个阴影衰落样本之间，不存在相关性，这往往是不符合实际的情况的。在实际情况中，在移动条件下，接收端在同一个阴影区域进行通信时，接收端观测到的连续的阴影衰落的样本，就来自于同一个或者同一类遮挡物，因此阴影衰落样本存在一定相关性，如图2所示。接收终端在P1和P2两个位置上经历的阴影衰落的样本，来自于同一个遮挡物，阴影衰落存在一定相关性。 

为此，有人提出阴影衰落的自相关模型，用于描述来自于同一（或相似）障碍物的阴影衰落的样本，形如： 

$r\left(d\right){\mathrm{\σ}}^2{e}^{\frac{|\mathrm{vt}-x_0|}{D}}={\mathrm{\σ}}^2{e}^{\frac{2}{D}}---\left(1\right)$

其中，r(d)是间隔为d的两个位置的阴影衰落的相关系数，σ是阴影衰落的标准差，x₀是终端初始的位置，v是终端移动的速度，t表 示时间，|vt-x₀|表示当前观测时刻相对于初始位置的距离，D被称作“去相关距离”（decorrelation distance），该值和传播环境直接相关。 

但是，在传统的自相关模型使用时存在一个问题：在观测的范围内，观测点之间的阴影衰落相关值是不同的，这是由于(1)式的相关系数模型是负指分布，各个点之间的相关系数不同。在模型的实际仿真使用过程中，需要考虑终端初始位置x₀。通常，基于测量得到的模型，如文献[1]，一般会给出x₀的具体数值，例如在文献[1]中，x₀＝0。同时，对于其他vt-x₀的点来说，它们和初始位置x₀具有一定的相关性，根据(1)得到相关系数为r(d)，也可以说vt-x₀位置的相关值相对于x₀＝0做了归一化。然而，当实际需要自相关阴影模型进行仿真时，会发现仿真时候的初始点x'₀往往不等于x₀，常常x'₀＞x₀，因此，如果仍然使用（1）式，当需要仿真|vt-x'₀|的点时，对于初始点的归一化就会出现问题，无法确定是对x₀＝0还是对x'₀进行归一化。 

发明内容

针对上述问题，本发明的目的是提供一种基于平稳随机过程的时变信道相关阴影衰落模型的方法，得到能够准确刻时变信道条件下，解决和初始点无关的相关阴影衰落仿真的问题，进一步准确刻画阴影衰落的相关特性。 

为了解决上述问题，本发明提供了以下技术方案： 

一种基于平稳随机过程时变信道相关阴影衰落模型构建的方法，包括以下步骤： 

步骤101，根据实际传播环境，将时变信道分解成为若干平稳区 间； 

步骤102，确定各个平稳区间阴影衰落的均值和均方根； 

步骤103，根据所发明的平稳随机过程时变信道相关阴影衰落模型，模拟仿真平稳区间中具有相关性的阴影衰落。 

所述步骤102中包括以下部分： 

（A1）统计接收信号的功率； 

（A2）利用最小二乘法估计得到最小方差意义下的拟合曲线； 

（A3）将拟合曲线和实际测量数据相减，得到阴影衰落样本； 

（A4）统计阴影衰落样本的均值和均方根。 

所述步骤103中，根据所发明的平稳随机过程的时变信道相关阴影衰落模型，计算阴影衰落样本的相关系数，然后根据相关系数，模拟仿真平稳区间中具有相关性的阴影衰落，具体包括以下部分， 

（B1）在已划分好的平稳区间中，得到连续的阴影衰落S＝{ε₁,ε₂,...,ε_s}，阴影样本之间的距离为Δd； 

（B2）根据下式计算间隔为Δd的阴影相关系数为 

（B3）根据得到的ρ_s(Δd)，基于平稳随机过程条件，得到样本间隔为kΔd的相关系数为 

ρ(Δd)＝ρ_s

ρ(2Δd)＝ρ_s·ρ_s

… 

（B4）根据相关系数，计算具有相关特性的阴影衰落样本。 

参考文献： 

[1]M.Marsan,G.Hess,and S.Gilbert,“Shadowing variability in an urban land mobile environment at900mhz,”Electronics Letters,vol.26,no.10,pp.646–648,may1990. 

[2]Simon R.Saunders,Alejandro Aragon-Zavala,Antennas and Propagation for Wireless Communication Systems,Second Edition,John Wiley,2007. 

附图说明

图1是一种基于平稳随机过程的时变信道相关阴影衰落模型构建的方法流程图； 

图2是确定各个平稳区间的阴影衰落的均值和均方根的流程； 

图3是具有相关性的阴影衰落示意图； 

图4是独立阴影衰落样本和基于测量的具有相关性的阴影衰落样本对比示意图； 

图5是基于平稳随机过程阴影衰落相关系数生成方法示意图； 

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。 

参照图1，示出了本发明一种基于平稳随机过程的时变信道相关阴影衰落模型构建的方法流程图。 

步骤101、根据实际传播环境，将时变信道分解成为若干平稳区 间； 

步骤102、确定各个平稳区间的阴影衰落的均值和均方根。 

大多数传播模型是通过分析和实验相结合而产生的。实验方法基于合适的曲线或解析式来拟合出一系列测量数据。它的优点在于通过实际的测量考虑了所有的传播因素，包括己知的和未知的。然而在一定的频率和环境下获得的模型，在其他条件下应用是否正确，只能建立在新的测试数据的基础上。随着时间的迁移，出现了一些经典的用于预测大尺度覆盖的传播模型。通过使用路径损耗模型对接收信号电平进行估计，使预测移动通信系统中的信噪比SNR成为可能。 

阴影衰落是无线信号在传播过程中受到阻挡而使信号随机发生变化。从实测结果可以看到，给定距离的预测传播模型和实测结果存在一定的偏差，因此，通常利用一个随机变量来表示这个偏差。 

基于实测数据，统计阴影衰落，需要完成三个步骤：（1）统计接收信号的功率；（2）利用最小二乘法估计得到最小方差意义下的拟合曲线；（3）将拟合曲线和实际测量数据相减，得到阴影衰落样本；（4）统计阴影衰落样本的均值和均方根。 

统计接收信号的功率：根据测量结果，计算在时刻itav（对应确定的位置）时接收信号的平均功率为： 

$P_{\mathrm{Rx}}\left({\mathrm{it}}_{\mathrm{av}}\right)=\frac{1}{w}\underset{n=\mathrm{iW}}{\overset{(i+1)W-1}{\mathrm{\Σ}}}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|h({\mathrm{lt}}_{\mathrm{rep}},\mathrm{l\Δ\τ})\right|}^2$

其中，“快照”的重复时间间隔t_rep，L是可分辨的多径数，Δτ是时延分辨率，h(t,τ)表示在第t时刻的信道冲击响应。通常，选择20个波长作为采样间隔作为观测窗口的宽度。 

利用最小二乘法估计得到最小方差意义下的拟合曲线 

根据大尺度衰落服从对数模型，利用最小二乘法，基于下面目标函数： 

PL(d)＝A+10·n·log10(d) 

拟合得到对应的路损曲线。 

将拟合曲线和实际测量数据相减，得到阴影衰落样本 

将得到的接收信号的平均功率和拟合得到对应的路损曲线 

做减法，形如 

X_s(n)＝P_Rx(n)-PL(n) 

统计阴影衰落样本的均值和均方根 

然后，对获得的样本进行平均，得到均值μ为 

$\mathrm{\μ}=\frac{1}{N}\underset{n}{\mathrm{\Σ}}{X}_s\left(n\right)$

最后，对获得的样本进行计算均方差，得到均值σ为 

$\mathrm{\σ}=\sqrt{\frac{1}{N-1}\underset{n}{\mathrm{\Σ}}{(X_s\left(n\right)-\mathrm{\μ})}^2}$

步骤103、根据所发明的平稳随机过程的时变信道相关阴影衰落模型，计算阴影衰落样本的相关系数，然后根据相关系数，可以模拟仿真平稳区间中具有相关性的阴影衰落。 

在平稳随机过程条件下，得到的阴影衰落的均值E(X_s(_t1))是恒定的值μ，样本之间的相关值E[X_s(t₁)X_s(t₂)]只以阴影之间的间隔宽度(t₁-t₂)有关，和初始点无关。步骤103包括以下内容： 

在已划分好的平稳区间中，得到连续的阴影衰落S＝{ε₁,ε₂,...,ε_s}，阴影样本之间的距离为Δd； 

根据下式计算间隔为Δd的阴影相关系数为 

其中，

μ1和μ₂是集合 

和

的均值。 

（3）根据得到的ρ_s(Δd)，基于平稳随机过程条件，可得到样本间隔为kΔd的相关系数为 

ρ(Δd)＝ρ_s

ρ(2Δd)＝ρ_s·ρ_s

… 

其中，k是一个正整数。 

仿真具有相关特征的高斯序列，可以采用例如文献[2]中，第9.6.1串行相关（Serial Correlation）中提到的实现方法。 

以上对本发明所提供的一种基于平稳随机过程的时变信道相关阴影衰落模型构建的方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明构建的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。 

Claims (3)

1.一种基于平稳随机过程的信道相关阴影衰落构建的方法，其特征在于，包括以下步骤：

步骤101，根据实际传播环境，将时变信道分解成为若干平稳区间；

步骤102，确定各个平稳区间阴影衰落的均值和均方根；

步骤103，根据所发明的平稳随机过程时变信道相关阴影衰落模型，模拟仿真平稳区间中具有相关性的阴影衰落。

2.根据权利要求1所述的方法，其特征在于，所述步骤102中包括以下部分：

（A1）统计接收信号的功率；

（A2）利用最小二乘法估计得到最小方差意义下的拟合曲线；

（A3）将拟合曲线和实际测量数据相减，得到阴影衰落样本；

（A4）统计阴影衰落样本的均值和均方根。

3.根据权利要求1所述的方法，其特征在于：所述步骤103中，根据所发明的平稳随机过程的时变信道相关阴影衰落模型，计算阴影衰落样本的相关系数，然后根据相关系数，模拟仿真平稳区间中具有相关性的阴影衰落，具体包括以下部分，

（B1）在已划分好的平稳区间中，得到连续的阴影衰落S＝{ε₁,ε₂,...,ε_s}，阴影样本之间的距离为Δd；

（B2）根据下式计算间隔为Δd的阴影相关系数为

（B3）根据得到的ρ_s(Δd)，基于平稳随机过程条件，得到样本间隔为kΔd的相关系数为

ρ(Δd)＝ρ_s

ρ(2Δd)＝ρ_s·ρ_s

…

（B4）根据相关系数，计算具有相关特性的阴影衰落样本。

Images