CN104753618A - 一种无线信道建模方法及设备 - Google Patents

Abstract

本发明提供了一种无线通信领域中的信道建模方法及设备。本发明提高了双极化MIMO信道建模的准确度，同时提升了多天线系统的通信性能。本发明实施例提供并示范的方法包括：在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；根据上述每个联合概率密度函数分别基于对应的马尔科夫链原理计算每一个时刻上的接收信号的幅度、随机相位以及极化偏转角度；根据每一个相同时刻上的所述接收信号幅度、随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数。

Description

一种无线信道建模方法及设备

技术领域

本发明涉及通信领域，尤其涉及一种无线信道建模方法及设备。

背景技术

随着多输入多输出(Multiple Input Multiple Output，MIMO)天线技术的发展，双极化MIMO天线的出现极大地提高了多天线系统的通信性能，由于在对无线通信系统的研发过程中，信道建模和仿真能够帮助系统设计者分析并提升无线通信系统的通信性能，因此，为了更好的提升双极化MIMO系统的通信性能，需要对双极化MIMO信道进行建模。

目前，对于双极化MIMO信道的建模是基于传统MIMO信道的建模方法，例如，通过引入交叉极化鉴别度等参数来表征双极化MIMO系统的信道特征参数，且通常将交叉极化鉴别度假设为一个常数，但是，在实际应用中，交叉极化鉴别度可能是具有马尔科夫（Markov）特性的，且随着时间的变化而不断变化，因此，现有的双极化MIMO信道的建模方法存在准确度不高的问题，不能为多天线系统的性能研究提供足够保证，从而不能提升对天线系统的通信性能。

发明内容

本发明以及本发明的实施例提供和示范一种无线信道建模方法，基于马尔科夫（Markov）链原理对双极化MIMO信道进行建模，提高了信道建模的准确度，同时提升了多天线系统的通信性能。

为达到上述目的，本发明以及本发明实施例采用的技术方案是如下三个方面的内容：

第一方面，本发明以及本发明实施例提供了一种无线信道建模方法，包括：

在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；

根据接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；根据随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；根据极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度；

根据每一个相同时刻上的所述接收信号幅度、随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数。

在本发明第一方面的第一种可能的实现方式中，结合第一方面，包括：

初始化接收信号信噪比的状态个数；

计算接收信号信噪比的量化门限值；

根据所述接收信号信噪比的联合概率密度函数以及所述接收信号信噪比的量化门限值，计算所述接收信号信噪比的状态转移概率矩阵；

选择所述接收信号信噪比的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述接收信号信噪比的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度。

在本发明第一方面的第二种可能的实现方式中，结合第一方面，包括：

初始化随机相位的状态个数；

计算随机相位的量化门限值；

根据所述随机相位的联合概率密度函数以及所述随机相位的量化门限值，计算所述随机相位的状态转移概率矩阵；

选择所述随机相位的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述随机相位的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位。

在本发明第一方面的第三种可能的实现方式中，结合第一方面，包括：

初始化极化偏转角度的状态个数；

计算极化偏转角度的量化门限值；

根据所述极化偏转角度的联合概率密度函数以及所述极化偏转角度的量化门限值，计算所述极化偏转角度的状态转移概率矩阵；

选择所述极化偏转角度的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述极化偏转角度的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度。

第二方面，本发明以及本发明实施例提供一种无线信道建模设备，包括三个模块，分别描述如下：

获取模块：用于在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；

计算模块：用于根据接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；根据随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；根据极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度；

生成模块：用于根据每一个相同时刻上的所述接收信号幅度、随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数。

在本发明第二方面的第一种可能的实现方式中，结合第二方面，

所述计算模块具体用于初始化接收信号信噪比的状态个数；

计算接收信号信噪比的量化门限值；

根据所述接收信号信噪比的联合概率密度函数以及所述接收信号信噪比的量化门限值，计算所述接收信号信噪比的状态转移概率矩阵；

选择所述接收信号信噪比的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述接收信号信噪比的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度。

在本发明第二方面的第二种可能的方式中，结合第二方面，

所述计算模块具体用于初始化随机相位的状态个数；

计算随机相位的量化门限值；

根据所述随机相位的联合概率密度函数以及所述随机相位的量化门限值，计算所述随机相位的状态转移概率矩阵；

选择所述随机相位的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述随机相位的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位。

在本发明第二方面的第三种可能的实现方式中，结合第二方面，

所述计算模块具体用于初始化极化偏转角度的状态个数；

计算极化偏转角度的量化门限值；

根据所述极化偏转角度的联合概率密度函数以及所述极化偏转角度的量化门限值，计算所述极化偏转角度的状态转移概率矩阵；

选择所述极化偏转角度的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述极化偏转角度的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度。

第三方面，本发明以及本发明实施例提供另一种无线信道建模设备，包括如下描述的模块以及相应的计算方法：

处理器：用于在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；

根据接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；根据随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；根据极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度；

根据每一个相同时刻上的所述接收信号幅度，随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数。

在本发明第三方面的第一种可能的实现方式中，结合第三方面，

所述处理器具体用于初始化接收信号信噪比的状态个数；

计算接收信号信噪比的量化门限值；

根据所述接收信号信噪比的联合概率密度函数以及所述接收信号信噪比的量化门限值，计算所述接收信号信噪比的状态转移概率矩阵；

选择所述接收信号信噪比的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述接收信号信噪比的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度。

在本发明第三方面的第二种可能的方式中，结合第三方面，

所述处理器具体用于初始化随机相位的状态个数；

计算随机相位的量化门限值；

根据所述随机相位的联合概率密度函数以及所述随机相位的量化门限值，计算所述随机相位的状态转移概率矩阵；

选择所述随机相位的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述随机相位的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位。

在本发明第三方面的第三种可能的实现方式中，结合第三方面，

所述处理器具体用于初始化极化偏转角度的状态个数；

计算极化偏转角度的量化门限值；

根据所述极化偏转角度的联合概率密度函数以及所述极化偏转角度的量化门限值，计算所述极化偏转角度的状态转移概率矩阵；

选择所述极化偏转角度的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述极化偏转角度的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度。

由上可知，本发明以及本发明实施例提供一种无线信道建模方法及设备，在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；根据接收信号信噪比的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的接收信号幅度；根据随机相位的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的随机相位；根据极化偏转角度的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的极化偏转角度；根据每一个相同时刻上的所述接收信号幅度，随机相位以及极化偏转角度生成同极化链路衰落系数和交叉极化链路衰落系数。如此，基于马尔科夫（Markov）链原理对双极化MIMO信道进行建模，提高了信道建模的准确度，同时提升了多天线系统的通信性能；避免现有的双极化MIMO信道的建模方法存在准确度不高的问题，以及不能为多天线系统的性能研究提供足够保证，从而不能提升对天线系统的通信性能的缺陷。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种无线信道建模方法的流程示意图；

图2为计算联合概率密度函数的流程示意图；

图3为有限状态Markov链的状态转移示意图；

图4为同极化链路和交叉极化链路衰落系数生成过程的示意图；

图5为本发明实施例提供的一种无线信道建模设备的结构示意图；

图6为本发明实施例提供的另一种无线信道建模设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清晰、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明实施例提供的信道建模方法适用于双极化MIMO信道的建模，还可以适用于任意一个具有记忆性的衰落信道的建模；本发明实施例对此不进行限定，本发明实施例仅以双极化MIMO信道的建模为例进行说明。

实施例一

图1为本发明实施例提供的一种无线信道建模方法。该方法如图1所示，可以包括以下步骤：

101：在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；

优选的，在步骤101之前，所述方法还包括：

采集经过双极化MIMO信道的接收信号信噪比的数据样本集合{γ_k}、随机相位的数据样本集合{θ_k}、极化偏转角度的数据样本集合

例如，通过双极化MIMO信道发射具有指定功率为P_k的训练信号，经过测量可知在接收端接收到所述训练信号的瞬时功率为则可以得出经过双极化MIMO信道的接收信号信噪比为：在一段时间内连续发射N个具有指定功率为P_k的训练信号，构成训练序列，即可得到经过双极化MIMO信道的接收信号信噪比的数据样本集合{γ_k}，其中，k=0,1,…,N,N为发射训练信号的次数，N的取值是根据需要进行设定的，在本发明实施例提供的无线信道建模方法中对此不进行限定。

再例如，通过双极化MIMO信道发射具有指定相位为Θ_k的训练信号，经过测量可知在接收端接收到所述训练信号的相位为则可以得出经过双极化MIMO信道的接收信号随机相位为：在一段时间内连续发射N个具有指定相位为Θ_k的训练信号，构成训练序列，即可得到经过双极化MIMO信道的接收信号随机相位的数据样本集合{θ_k}，其中，k=0,1,…,N,N为发射训练信号的次数，N的取值是根据需要进行设定的，在本发明实施例提供的无线信道建模方法中对此不进行限定。

再例如，通过双极化MIMO信道的垂直极化分支（或水平极化分支）发射具有指定极化强度为I_k的训练信号，经过测量可知在接收端的水平极化分支（或垂直极化分支）上接收到所述训练信号的瞬时极化强度为则可以得出经过双极化MIMO信道的接收信号极化偏转角为：在一段时间内连续发射N个具有指定极化强度为I_k的训练信号，构成训练序列，即可得到经过双极化MIMO信道的接收信号极化偏转角度的数据样本集合其中，k=0,1,…,N,N为发射训练信号的次数，N的取值是根据需要进行设定的，在本发明实施例提供的无线信道建模方法中对此不进行限定。

示例性的，可以按照图2所示的联合概率密度的计算方法，根据采集到的接收信号信噪比的数据样本集合{γ_k}、随机相位的数据样本集合{θ_k}、极化偏转角度的数据样本集合在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数f_Γ(γ_l-1,γ_l)、随机相位的联合概率密度函数f_Θ(θ_l-1,θ_l)以及极化偏转角度的联合概率密度函数

其中，在本发明实施例提供的无线信道建模方法中，所述时间间隔为训练信号的时间长度；

例如，图2为计算联合概率密度函数的流程示意图，假设样本集合为{s_k}，该集合中样本个数为N，如图2所示可以包括以下步骤：

201：建立xOy平面直角坐标系；其中，x轴表示时刻l-1时的样本值s_l-1，y轴表示时刻l时的样本值s_l，且x轴和y轴的值域均为[a,b]；其中，下限a=min{s_k}，上限b=max{s_k}；

202：分别将x轴和y轴的值域划分为K个子区间；

其中，K为根据需要选定的坐标划分个数，在本发明实施例提供的无线信道建模方法中对此不进行限定；

进一步的，将划分的K个子区间依次编号为0,1,…,K-1，则整个xOy平面被划分为K²个子区域，将每个子区域记为A_i,j(i,j=0,1,…,K-1)；

203：初始化循环值k=0,N_i,j=0(i,j=0,1,…,K-1)；其中，N_i,j为每个子区域中的坐标点个数，所述坐标点由(s_k-1,s_k)组成；

204：判断是否k<N-1；若是，执行步骤205；若否，执行步:207；

205：查找坐标点(s_k-1,s_k)属于的子区域A_i,j，并累计计数N_i,j=N_i,j+1；

206：k=k+1，返回步骤204；

207：对每个子区域的坐标点计数，得到计数值N_i,j(i,j=0,1,…,K-1)，则概率密度的统计点值为p_i,j≈N_i,j/(N-1)；从而可以通过插值处理得到渐进逼近的连续概率密度函数。

进一步的，本发明实施例中，通过下述步骤102在已知的联合密度函数的基础上，实现对双极化MIMO信道的有限状态马尔科夫（Markov）链建模：

102：根据接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；根据接收信号随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；根据接收信号极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度；

本发明实施例中，把双极化MIMO信道状态的发展过程看成是按照图3所示的有限状态马尔科夫链运动的一种过程，即可以基于有限状态Markov链对双极化MIMO信道状态进行建模，本发明实施例中，有限状态Markov链为一阶有限状态Markov链；假设接收信号幅度、随机相位以及极化偏转角度是相互独立的，则可以根据图3所示的有限状态马尔科夫链原理图，分别对接收信号幅度或随机相位或极化偏转角度的Markov链进行建模；

其中，如图3所示，为建立信道模型所需马尔科夫链的图解，其中考虑了K个马尔科夫状态，除首尾两状态，其余每个状态均为单跳状态且是两入两出转移和保持过程。

示例性的，假设双极化MIMO系统的双极化发射天线数目和接收天线数目分别为N_t和N_r，是归一化接收信号信噪比的均值，且信道是慢衰落的瑞利信道，根据所述接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；根据所述接收信号随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；根据所述接收信号极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号极化偏转角度，可以包括以下过程：

1）初始化接收信号信噪比、随机相位、极化偏转角度的状态个数；例如，接收信号信噪比的状态个数为K_γ，随机相位的状态个数为K_θ，极化偏转角度的状态个数为

进一步的，假设各个参数的平稳状态分布均为等概率分布，则接收信号信噪比量化状态为：

在散射体丰富的环境下，接收信号的随机相位是服从均匀分布的，因此随机相位量化状态为： ${\mathrm{\&pi;}}_k^{\left(\mathrm{\&theta;}\right)}=1/k_{\mathrm{\&theta;}},k=\mathrm{0,1,2},...,K_{\mathrm{\&theta;}}-1;$

由于接收信号的极化强度大小与极化波在空间中极化角度的随机偏转有关，且在散射体丰富的环境下，极化天线所接收的极化波的偏转角度是服从均匀分布的，因此，极化偏转角度量化状态为：

2）计算接收信号信噪比、随机相位、极化偏转角度的量化门限值；

例如，接收信号信噪比量化门限值为：

$v_k^{\left(\mathrm{\&gamma;}\right)}=-\stackrel{\&OverBar;}{\mathrm{\&gamma;}}\ln (1-k/K_{\mathrm{\&gamma;}}),k=\mathrm{0,1,2},...,K_{\mathrm{\&gamma;}}-1;$

随机相位量化门限值为： $v_k^{\left(\mathrm{\&theta;}\right)}=2\mathrm{\&pi;k}/K_{\mathrm{\&theta;}},k=\mathrm{0,1,2},...,K_{\mathrm{\&theta;}}-1;$

极化偏转角度量化门限值为：

3）根据所述接收信号信噪比的联合概率密度函数以及所述接收信号信噪比的量化门限值、根据所述随机相位的联合概率密度函数以及所述随机相位的量化门限值、根据所述极化偏转角度的联合概率密度函数以及所述极化偏转角度的量化门限值，计算接收信号信噪比、随机相位、极化偏转角度的状态转移矩阵T^(γ)、T^(θ)、

例如，对于接收信号信噪比状态转移矩阵T^(γ)，在本发明实施例提供的无线信道建模方法中，利用经过步骤101得到的接收信号信噪比的联合概率密度函数f_Γ(γ_l-1,γ_l)，根据图3所示的有限状态马尔科夫链中的状态转移，计算T^(γ)内的各元素：

$t_{i\&RightArrow;k}^{\left(\mathrm{\&gamma;}\right)}=0,\&ForAll;|i-k|>1,i,k=\mathrm{0,1},...,K_{\mathrm{\&gamma;}}-1$

$t_{k\&RightArrow;k+1}^{\left(\mathrm{\&gamma;}\right)}=\frac{{\&Integral;}_{v_{k+1}^{\left(\mathrm{\&gamma;}\right)}}^{v_{k+2}^{\left(\mathrm{\&gamma;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&gamma;}\right)}}^{v_{k+1}^{\left(\mathrm{\&gamma;}\right)}}{f}_{\mathrm{\&Gamma;}}({\mathrm{\&gamma;}}_{l-1},{\mathrm{\&gamma;}}_l){\mathrm{d\&gamma;}}_{l-1}{\mathrm{d\&gamma;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&gamma;}\right)}},k=\mathrm{0,1},...,K_{\mathrm{\&gamma;}}-2$

$t_{k\&RightArrow;k-1}^{\left(\mathrm{\&gamma;}\right)}=\frac{{\&Integral;}_{v_{k-1}^{\left(\mathrm{\&gamma;}\right)}}^{v_k^{\left(\mathrm{\&gamma;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&gamma;}\right)}}^{v_{k+1}^{\left(\mathrm{\&gamma;}\right)}}{f}_{\mathrm{\&Gamma;}}({\mathrm{\&gamma;}}_{l-1},{\mathrm{\&gamma;}}_l){\mathrm{d\&gamma;}}_{l-1}{\mathrm{d\&gamma;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&gamma;}\right)}},k=1,2,...,K_{\mathrm{\&gamma;}}-1$

$t_{k\&RightArrow;k}^{\left(\mathrm{\&gamma;}\right)}=1-\underset{k\&NotEqual;l}{\mathrm{\&Sigma;}}{t}_{k\&RightArrow;l}^{\left(\mathrm{\&gamma;}\right)},k,l=\mathrm{0,1,2},...,K_{\mathrm{\&gamma;}}-1$

对于随机相位状态转移矩阵T^(θ)，在本发明实施例提供的无线信道建模方法中，利用经过步骤101得到的随机相位的联合概率密度函数f_Θ(θ_l-1,θ_l)，根据图3所示的有限状态马尔科夫链中的状态转移，计算T^(θ)内的各元素：

$t_{i\&RightArrow;k}^{\left(\mathrm{\&theta;}\right)}=0,1<|i-k|<K_{\mathrm{\&theta;}}-1,i,k=\mathrm{0,1},...,K_{\mathrm{\&theta;}}-1$

$t_{k\&RightArrow;{<k+1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}=\frac{{\&Integral;}_{v_{{<k+1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}}^{v_{{<k+1>}_{K_{\mathrm{\&theta;}}}+1}^{\left(\mathrm{\&theta;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&theta;}\right)}}^{v_{{<k+1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}}{f}_{\mathrm{\&Theta;}}({\mathrm{\&theta;}}_{l-1},{\mathrm{\&theta;}}_l)d{\mathrm{\&theta;}}_{l-1}{\mathrm{d\&theta;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&theta;}\right)}},k=\mathrm{0,1},...,K_{\mathrm{\&theta;}}-1$

$t_{k\&RightArrow;{<k-1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}=\frac{{\&Integral;}_{v_{{<k-1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}}^{v_k^{\left(\mathrm{\&theta;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&theta;}\right)}}^{v_{k+1}^{\left(\mathrm{\&theta;}\right)}}{f}_{\mathrm{\&Theta;}}({\mathrm{\&theta;}}_{l-1},{\mathrm{\&theta;}}_l)d{\mathrm{\&theta;}}_{l-1}{\mathrm{d\&theta;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&theta;}\right)}},k=\mathrm{0,1},2,...,K_{\mathrm{\&theta;}}-1$

其中，需要说明的是，由于随机相位是具有周期性的，因此对于随机相位而言，第一个状态与最后一个状态之间也存在状态转移；

对于极化偏转角度状态转移矩阵在本发明实施例提供的无线信道建模方法中，利用经过步骤101得到的极化偏转角度的联合概率密度函数根据图3所示的有限状态马尔科夫链中的状态转移，计算内的各元素：

4）选择接收信号信噪比、随机相位以及极化偏转角度的初始状态；

例如，对于接收信号信噪比，可以选择任意状态 $S_k^{\left(\mathrm{\&gamma;}\right)},k=\mathrm{0,1,2},...,K_{\mathrm{\&gamma;}}-1$ 作为初始状态；

对于随机相位，可以选择任意状态作为随机相位的初始状态；

对于极化偏转角度，在通信刚开始的时候，通常认为极化偏转角度极小，因此选择极化偏转角度最小的范围所对应的状态作为极化偏转角度的初始状态。

5）根据所述接收信号信噪比的初始状态以及所述接收信号信噪比的状态转移概率矩阵，建立所述接收信号信噪比的马尔科夫链；根据所述随机相位的初始状态以及所述随机相位的状态转移概率矩阵，建立所述随机相位的马尔科夫链；根据所述极化偏转角度的初始状态以及所述极化偏转角度的状态转移概率矩阵，建立所述极化偏转角度的马尔科夫链；

例如，使用在区间[0,1]内均匀分布的随机噪声，根据接收信号信噪比、随机相位、极化偏转角度的初始状态以及转移概率矩阵T^(γ)，T^(θ)和决定接收信号信噪比、随机相位和极化偏转角度的马尔科夫（Markov）状态的转移，建立所述接收信号信噪比、随机相位以及极化偏转角度的马尔科夫链。

6）生成每一个时刻上表征双极化MIMO信道状态的接收信号幅度、随机相位以及极化偏转角度的瞬时值；

在实际场景中，双极化MIMO信道的衰落状态可以由多种因素共同决定，而本发明实施例中，双极化MIMO信道的衰落状态由经过双极化MIMO衰落信道的接收信号幅度、随机相位、极化偏转角度三个因素共同决定，即双极化MIMO信道在某一时刻的瞬时状态值是由接收信号幅度的瞬时值、随机相位的瞬时值以及极化偏转角度的瞬时值共同确定的；

例如，对于接收信号信噪比在某一时刻t所在的Markov状态下，利用生成一个处于状态所在区间的瞬时随机接收信号信噪比值γ_t，因此对应的接收信号的幅度的瞬时值为

对于接收信号随机相位在某一时刻t所在的在状态下，生成一个服从 $\mathrm{\&theta;}:U(\frac{2\mathrm{\&pi;l}}{K_{\mathrm{\&theta;}}},\frac{2\mathrm{\&pi;}(l+1)}{K_{\mathrm{\&theta;}}})$ 的瞬时随机相位θ_t；

对于接收信号极化偏转角度在某一时刻t所在的在状态下，产生服从一个瞬时随机数同时构造一个极化影响因子对分别作用与双极化MIMO信道的同极化分支和交叉极化分支的链路上；

103：根据每一个相同时刻上的所述接收信号幅度、随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数；

示例性的，按照上述过程，根据图4所示的同极化链路和交叉极化链路衰落系数生成过程的示意图，可以计算出时刻t时同极化链路衰落系数为：时刻t时交叉极化链路衰落系数为：

其中，如图4所示，是针对幅度、相位、极化三个变化域的信道模型建立过程原理描述，幅度状态转移、相位状态转移、极化偏转状态转移均是遵循同类型马尔科夫链（参见图3），信号合成遵循IQ正交原理，模型数值参数以数据格式存储。

其中，需要说明的是，经过上述过程之后只计算出一对同极化链路和交叉极化链路衰落系数，即接收端的一个极化分支（垂直极化分支或者交叉极化分支）上接收到的同极化链路和交叉极化链路的信道衰落信息；在不考虑发射天线阵元或接收天线阵元的空间相关性的时候，对于发射端有N_t个垂直和水平极化分支，接收端有N_r个垂直和水平极化分支的N_t×N_r的双极化MIMO系统，共有N=2N_tN_r对同极化链路和交叉极化链路，因此，对步骤103进行N个并行操作，即可实时地产生可以用于模拟N_t×N_r的双极化MIMO系统的信道衰落系数。

由上可知，本发明实施例提供一种无线信道建模方法，在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；根据接收信号信噪比的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的接收信号幅度；根据随机相位的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的随机相位；根据极化偏转角度的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的极化偏转角度；根据每一个相同时刻上的所述接收信号幅度，随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数。如此，基于马尔科夫（Markov）链原理对双极化MIMO信道进行建模，提高了信道建模的准确度，同时提升了多天线系统的通信性能；避免现有的双极化MIMO信道的建模方法存在准确度不高的问题，不能为多天线系统的性能研究提供足够保证，从而不能提升对天线系统的通信性能的缺陷。

实施例二

图5为本发明实施例提供的一种无线信道建模设备50，如图5所示，包括：

获取模块501：用于在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；

优选的，所述获取模块501还用于：

采集经过双极化MIMO信道的接收信号信噪比的数据样本集合{γ_k}、随机相位的数据样本集合{θ_k}、极化偏转角度的数据样本集合

例如，通过双极化MIMO信道发射具有指定功率为P_k的训练信号，经过测量可知在接收端接收到所述训练信号的瞬时功率为则可以得出经过双极化MIMO信道的接收信号信噪比为：在一段时间内连续发射N个具有指定功率为P_k的训练信号，构成训练序列，即可得到经过双极化MIMO信道的接收信号信噪比的数据样本集合{γ_k}，其中，k=0,1,…,N,N为发射训练信号的次数，N的取值是根据需要进行设定的，本发明实施例对此不进行限定。

再例如，通过双极化MIMO信道发射具有指定相位为Θ_k的训练信号，经过测量可知在接收端接收到所述训练信号的相位为则可以得出经过双极化MIMO信道的接收信号随机相位为：在一段时间内连续发射N个具有指定相位为Θ_k的训练信号，构成训练序列，即可得到经过双极化MIMO信道的接收信号随机相位的数据样本集合{θ_k}，其中，k=0,1,…,N,N为发射训练信号的次数，N的取值是根据需要进行设定的，本发明实施例对此不进行限定。

再例如，通过双极化MIMO信道的垂直极化分支（或水平极化分支）发射具有指定极化强度为I_k的训练信号，经过测量可知在接收端的水平极化分支（或垂直极化分支）上接收到所述训练信号的瞬时极化强度为则可以得出经过双极化MIMO信道的接收信号极化偏转角为：在一段时间内连续发射N个具有指定极化强度为I_k的训练信号，构成训练序列，即可得到经过双极化MIMO信道的接收信号极化偏转角度的数据样本集合其中，k=0,1,…,N,N为发射训练信号的次数，N的取值是根据需要进行设定的，本发明实施例对此不进行限定。

具体的，所述获取模块501可以按照图2所示的计算联合概率密度的方法，根据采集到的接收信号信噪比的数据样本集合{γ_k}、随机相位的数据样本集合{θ_k}、极化偏转角度的数据样本集合获取在相邻时间间隔上，经过双极化MIMO信道的接收信号信噪比的联合概率密度函数f_Γ(γ_l-1,γ_l)，随机相位的联合概率密度函数f_Θ(θ_l-1,θ_l)，以及极化偏转角度的联合概率密度函数

其中，本发明实施例中，所述时间间隔为训练信号的时间长度。

例如，图2为计算联合概率密度函数的流程示意图，假设样本集合为{s_k}，该集合中样本个数为N，如图2所示可以包括以下步骤：

201：建立xOy平面直角坐标系；其中，x轴表示时刻l-1时的样本值s_l-1，y轴表示时刻l时的样本值s_l，且x轴和y轴的值域均为[a,b]；其中，下限a=min{s_k}，上限b=max{s_k}；

202：分别将x轴和y轴的值域划分为K个子区间；

其中，K为根据需要选定的坐标划分个数，本发明实施例对此不进行限定；

进一步的，将划分的K个子区间依次编号为0,1,…,K-1，则整个xOy平面被划分为K²个子区域，将每个子区域记为A_i,j(i,j=0,1,…,K-1)；

203：初始化循环值k=0,N_i,j=0(i,j=0,1,…,K-1)；其中，N_i,j为每个子区域中的坐标点个数，所述坐标点由(s_k-1,s_k)组成；

204：判断是否k<N-1；若是，执行步骤205；若否，执行步:207；

205：查找坐标点(s_k-1,s_k)属于的子区域A_i,j，并累计计数N_i,j=N_i,j+1；

206：k=k+1，返回步骤204；

207：对每个子区域的坐标点计数，得到计数值N_i,j(i,j=0,1,…,K-1)，则概率密度的统计点值为p_i,j≈N_i,j/(N-1)；从而可以通过插值处理得到渐进逼近的连续概率密度函数。

进一步的，计算模块502：用于根据所述接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；根据所述接收信号随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；根据所述接收信号极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度；

本发明实施例中，把双极化MIMO信道状态的发展过程看成是按照图3所示的有限状态马尔科夫链运动的一种过程，即可以基于有限状态Markov链对双极化MIMO信道状态进行建模，本发明实施例中，有限状态Markov链为一阶有限状态Markov链；假设接收信号幅度、随机相位以及极化偏转角度是相互独立的，则可以根据图3所示的有限状态马尔科夫链原理图，分别对接收信号幅度或随机相位或极化偏转角度的Markov链进行建模；

其中，如图3所示，为建立信道模型所需马尔科夫链的图解，其中考虑了K个马尔科夫状态，除首尾两状态，其余每个状态均为单跳状态且是两入两出转移和保持过程。

本发明实施例中，假设双极化MIMO系统的双极化发射天线数目和接收天线数目分别为N_t和N_r，是归一化接收信号信噪比的均值，且信道是慢衰落的瑞利信道，

具体的，所述计算模块502用于：

1）初始化接收信号信噪比、随机相位、极化偏转角度的状态个数；例如，接收信号信噪比的状态个数为K_γ，随机相位的状态个数为K_θ，极化偏转角度的状态个数为

进一步的，假设各个参数的平稳状态分布均为等概率分布，则接收信号信噪比量化状态为：

在散射体丰富的环境下，接收信号的随机相位是服从均匀分布的，因此随机相位量化状态为： ${\mathrm{\&pi;}}_k^{\left(\mathrm{\&theta;}\right)}=1/k_{\mathrm{\&theta;}},k=\mathrm{0,1,2},...,K_{\mathrm{\&theta;}}-1;$

由于接收信号的极化强度大小与极化波在空间中极化角度的随机偏转有关，且在散射体丰富的环境下，极化天线所接收的极化波的偏转角度是服从均匀分布的，因此，极化偏转角度量化状态为：

2）计算接收信号信噪比、随机相位、极化偏转角度的量化门限值；

例如，接收信号信噪比量化门限值为：

$v_k^{\left(\mathrm{\&gamma;}\right)}=-\stackrel{\&OverBar;}{\mathrm{\&gamma;}}\ln (1-k/K_{\mathrm{\&gamma;}}),k=\mathrm{0,1,2},...,K_{\mathrm{\&gamma;}}-1;$

随机相位量化门限值为： $v_k^{\left(\mathrm{\&theta;}\right)}=2\mathrm{\&pi;k}/K_{\mathrm{\&theta;}},k=\mathrm{0,1,2},...,K_{\mathrm{\&theta;}}-1;$

极化偏转角度量化门限值为：

3）根据所述接收信号信噪比的联合概率密度函数以及所述接收信号信噪比的量化门限值、根据所述随机相位的联合概率密度函数以及所述随机相位的量化门限值、根据所述极化偏转角度的联合概率密度函数以及所述极化偏转角度的量化门限值，计算接收信号信噪比、随机相位、极化偏转角度的状态转移矩阵T^(γ)、T^(θ)、

例如，对于接收信号信噪比状态转移矩阵T^(γ)，在本发明实施例提供的一种无线信道建模设备中，利用经过所述获取模块501得到的接收信号信噪比的联合概率密度函数f_Γ(γ_l-1,γ_l)，根据图3所示的有限状态马尔科夫链中的状态转移，计算T^(γ)内的各元素：

$t_{i\&RightArrow;k}^{\left(\mathrm{\&gamma;}\right)}=0,\&ForAll;|i-k|>1,i,k=\mathrm{0,1},...,K_{\mathrm{\&gamma;}}-1$

$t_{k\&RightArrow;k+1}^{\left(\mathrm{\&gamma;}\right)}=\frac{{\&Integral;}_{v_{k+1}^{\left(\mathrm{\&gamma;}\right)}}^{v_{k+2}^{\left(\mathrm{\&gamma;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&gamma;}\right)}}^{v_{k+1}^{\left(\mathrm{\&gamma;}\right)}}{f}_{\mathrm{\&Gamma;}}({\mathrm{\&gamma;}}_{l-1},{\mathrm{\&gamma;}}_l){\mathrm{d\&gamma;}}_{l-1}{\mathrm{d\&gamma;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&gamma;}\right)}},k=\mathrm{0,1},...,K_{\mathrm{\&gamma;}}-2$

$t_{k\&RightArrow;k-1}^{\left(\mathrm{\&gamma;}\right)}=\frac{{\&Integral;}_{v_{k-1}^{\left(\mathrm{\&gamma;}\right)}}^{v_k^{\left(\mathrm{\&gamma;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&gamma;}\right)}}^{v_{k+1}^{\left(\mathrm{\&gamma;}\right)}}{f}_{\mathrm{\&Gamma;}}({\mathrm{\&gamma;}}_{l-1},{\mathrm{\&gamma;}}_l){\mathrm{d\&gamma;}}_{l-1}{\mathrm{d\&gamma;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&gamma;}\right)}},k=1,2,...,K_{\mathrm{\&gamma;}}-1$

$t_{k\&RightArrow;k}^{\left(\mathrm{\&gamma;}\right)}=1-\underset{k\&NotEqual;l}{\mathrm{\&Sigma;}}{t}_{k\&RightArrow;l}^{\left(\mathrm{\&gamma;}\right)},k,l=\mathrm{0,1,2},...,K_{\mathrm{\&gamma;}}-1$

对于随机相位状态转移矩阵T^(θ)，在本发明实施例提供的一种无线信道建模设备中，利用经过所述获取模块501得到的随机相位的联合概率密度函数f_Θ(θ_l-1,θ_l)，根据图3所示的有限状态马尔科夫链中的状态转移，计算T^(θ)内的各元素：

$t_{i\&RightArrow;k}^{\left(\mathrm{\&theta;}\right)}=0,1<|i-k|<K_{\mathrm{\&theta;}}-1,i,k=\mathrm{0,1},...,K_{\mathrm{\&theta;}}-1$

$t_{k\&RightArrow;{<k+1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}=\frac{{\&Integral;}_{v_{{<k+1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}}^{v_{{<k+1>}_{K_{\mathrm{\&theta;}}}+1}^{\left(\mathrm{\&theta;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&theta;}\right)}}^{v_{{<k+1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}}{f}_{\mathrm{\&Theta;}}({\mathrm{\&theta;}}_{l-1},{\mathrm{\&theta;}}_l)d{\mathrm{\&theta;}}_{l-1}{\mathrm{d\&theta;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&theta;}\right)}},k=\mathrm{0,1},...,K_{\mathrm{\&theta;}}-1$

$t_{k\&RightArrow;{<k-1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}=\frac{{\&Integral;}_{v_{{<k-1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}}^{v_k^{\left(\mathrm{\&theta;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&theta;}\right)}}^{v_{k+1}^{\left(\mathrm{\&theta;}\right)}}{f}_{\mathrm{\&Theta;}}({\mathrm{\&theta;}}_{l-1},{\mathrm{\&theta;}}_l)d{\mathrm{\&theta;}}_{l-1}{\mathrm{d\&theta;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&theta;}\right)}},k=\mathrm{0,1},2,...,K_{\mathrm{\&theta;}}-1$

其中，需要说明的是，由于随机相位是具有周期性的，因此对于随机相位而言，第一个状态与最后一个状态之间也存在状态转移；

对于极化偏转角度状态转移矩阵在本发明实施例提供的一种无线信道建模设备中，利用经过所述获取模块501得到的极化偏转角度的联合概率密度函数根据图3所示的有限状态马尔科夫链中的状态转移，计算内的各元素：

4）选择接收信号信噪比、随机相位以及极化偏转角度的初始状态；

例如，对于接收信号信噪比，可以选择任意状态 $S_k^{\left(\mathrm{\&gamma;}\right)},k=\mathrm{0,1,2},...,K_{\mathrm{\&gamma;}}-1$ 作为初始状态；

对于随机相位，可以选择任意状态作为随机相位的初始状态；

对于极化偏转角度，在通信刚开始的时候，通常认为极化偏转角度极小，因此选择极化偏转角度最小的范围所对应的状态作为极化偏转角度的初始状态。

5）根据所述接收信号信噪比的初始状态以及所述接收信号信噪比的状态转移概率矩阵，建立所述接收信号信噪比的马尔科夫链；根据所述随机相位的初始状态以及所述随机相位的状态转移概率矩阵，建立所述随机相位的马尔科夫链；根据所述极化偏转角度的初始状态以及所述极化偏转角度的状态转移概率矩阵，建立所述极化偏转角度的马尔科夫链；

例如，使用在区间[0,1]内均匀分布的随机噪声，根据所述接收信号信噪比、随机相位、极化偏转角度的初始状态以及所述转移概率矩阵T^(γ)，T^(θ)和决定接收信号信噪比、随机相位和极化偏转角度的马尔科夫（Markov）状态的转移，建立所述接收信号信噪比、随机相位以及极化偏转角度的马尔科夫链。

6）生成每一个时刻上表征双极化MIMO信道状态的接收信号幅度、随机相位以及极化偏转角度的瞬时值；

在实际场景中，双极化MIMO信道的衰落状态可以由多种因素共同决定，而本发明实施例中，双极化MIMO信道的衰落状态由经过双极化MIMO衰落信道的接收信号幅度、随机相位、极化偏转角度三个因素共同决定，即双极化MIMO信道在某一时刻的瞬时状态值是由接收信号幅度的瞬时值、随机相位的瞬时值以及极化偏转角度的瞬时值共同确定的；

例如，对于接收信号信噪比在某一时刻t所在的Markov状态下，利用生成一个处于状态所在区间的瞬时随机接收信号信噪比值γ_t，因此对应的接收信号的幅度的瞬时值为

对于接收信号随机相位在某一时刻t所在的在状态下，生成一个服从 $\mathrm{\&theta;}:U(\frac{2\mathrm{\&pi;l}}{K_{\mathrm{\&theta;}}},\frac{2\mathrm{\&pi;}(l+1)}{K_{\mathrm{\&theta;}}})$ 的瞬时随机相位θ_t；

对于接收信号极化偏转角度在某一时刻t所在的在状态下，产生服从一个瞬时随机数同时构造一个极化影响因子对分别作用与双极化MIMO信道的同极化分支和交叉极化分支的链路上；

生成模块503：用于根据每一个相同时刻上的所述接收信号幅度、随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数；

示例性的，根据图4所示的同极化链路和交叉极化链路衰落系数生成过程的示意图，可以计算出时刻t时同极化链路衰落系数为：时刻t时交叉极化链路衰落系数为：

其中，如图4所示，是针对幅度、相位、极化三个变化域的信道模型建立过程原理描述，幅度状态转移、相位状态转移、极化偏转状态转移均是遵循同类型马尔科夫链（参见图3），信号合成遵循IQ正交原理，模型数值参数以数据格式存储。

其中，需要说明的是，此时的所述生成模块503只计算出一对同极化链路和交叉极化链路的衰落系数，即接收端的一个极化分支（垂直极化分支或者交叉极化分支）上接收到的同极化链路和交叉极化链路的信道衰落信息；在不考虑发射天线阵元或接收天线阵元的空间相关性的时候，对于发射端有N_t个垂直和水平极化分支，接收端有N_r个垂直和水平极化分支的N_t×N_r的双极化MIMO系统，共有N=2N_tN_r对同极化链路和交叉极化链路，因此，用生成模块503进行N个并行操作，即可实时地产生可以用于模拟N_t×N_r的双极化MIMO系统的信道衰落系数。

由上可知，本发明实施例提供一种无线信道建模设备50，在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；根据所述接收信号信噪比的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的接收信号幅度；根据所述随机相位的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的随机相位；根据所述极化偏转角度的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的极化偏转角度；根据每一个相同时刻上的所述接收信号幅度、随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数。如此，基于马尔科夫（Markov）链原理对双极化MIMO信道进行建模，提高了信道建模的准确度，同时提升了多天线系统的通信性能；避免现有的双极化MIMO信道的建模方法存在准确度不高的问题，不能为多天线系统的性能研究提供足够保证，从而不能提升对天线系统的通信性能的缺陷。

实施例三

参见图6，为本发明实施例提供的另一种无线信道建模设备60，如图6所示，该信道建模设备60可以包括：处理器601、存储器602、通信单元603，至少一个通信总线604，用于实现这些装置之间的连接和相互通信；

处理器601可能是一个中央处理器（英文：central processing unit，简称为CPU）；

存储器602，可以是易失性存储器（英文：volatile memory），例如随机存取存储器（英文：random-access memory，缩写：RAM）；或者非易失性存储器（英文：non-volatile memory），例如只读存储器（英文：read-only memory，缩写：ROM），快闪存储器（英文：flashmemory），硬盘（英文：hard disk drive，缩写：HDD）或固态硬盘（英文：solid-state drive，缩写：SSD）；或者上述种类的存储器的组合，并向处理器1001提供指令和数据；

通信单元603，用于与外部网元之间进行数据传输。

其中，所述处理器601用于：

在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；

优选的，所述处理器601还用于：

采集经过双极化MIMO信道的接收信号信噪比的数据样本集合{γ_k}、随机相位的数据样本集合{θ_k}、极化偏转角度的数据样本集合

例如，通过双极化MIMO信道发射具有指定功率为P_k的训练信号，经过测量可知在接收端接收到所述训练信号的瞬时功率为则可以得出经过双极化MIMO信道的接收信号信噪比为：在一段时间内连续发射N个具有指定功率为P_k的训练信号，构成训练序列，即可得到经过双极化MIMO信道的接收信号信噪比的数据样本集合{γ_k}，其中，k=0,1,…,N,N为发射训练信号的次数，N的取值是根据需要进行设定的，本发明实施例对此不进行限定。

再例如，通过双极化MIMO信道发射具有指定相位为Θ_k的训练信号，经过测量可知在接收端接收到所述训练信号的相位为则可以得出经过双极化MIMO信道的接收信号随机相位为：在一段时间内连续发射N个具有指定相位为Θ_k的训练信号，构成训练序列，即可得到经过双极化MIMO信道的接收信号随机相位的数据样本集合{θ_k}，其中，k=0,1,…,N,N为发射训练信号的次数，N的取值是根据需要进行设定的，本发明实施例对此不进行限定。

再例如，通过双极化MIMO信道的垂直极化分支（或水平极化分支）发射具有指定极化强度为I_k的训练信号，经过测量可知在接收端的水平极化分支（或垂直极化分支）上接收到所述训练信号的瞬时极化强度为则可以得出经过双极化MIMO信道的接收信号极化偏转角为：在一段时间内连续发射N个具有指定极化强度为I_k的训练信号，构成训练序列，即可得到经过双极化MIMO信道的接收信号极化偏转角度的数据样本集合其中，k=0,1,…,N,N为发射训练信号的次数，N的取值是根据需要进行设定的，本发明实施例对此不进行限定。

具体的，所述处理器601可以按照图2所示的计算联合概率密度的方法，根据采集到的所述接收信号信噪比的数据样本集合{γ_k}、随机相位的数据样本集合{θ_k}、极化偏转角度的数据样本集合获取在相邻时间间隔上，经过双极化MIMO信道的所述接收信号信噪比的联合概率密度函数f_Γ(γ_l-1,γ_l)，所述随机相位的联合概率密度函数f_Θ(θ_l-1,θ_l)，以及所述极化偏转角度的联合概率密度函数

其中，本发明实施例中，所述时间间隔为训练信号的时间长度。

例如，图2为计算联合概率密度函数的流程示意图，假设样本集合为{s_k}，该集合中样本个数为N，如图2所示可以包括以下步骤：

201：建立xOy平面直角坐标系；其中，x轴表示时刻l-1时的样本值s_l-1，y轴表示时刻l时的样本值s_l，且x轴和y轴的值域均为[a,b]；其中，下限a=min{s_k}，上限b=max{s_k}；

202：分别将x轴和y轴的值域划分为K个子区间；

其中，K为根据需要选定的坐标划分个数，本发明实施例对此不进行限定；

进一步的，将划分的K个子区间依次编号为0,1,…,K-1，则整个xOy平面被划分为K²个子区域，将每个子区域记为A_i,j(i,j=0,1,…,K-1)；

203：初始化循环值k=0,N_i,j=0(i,j=0,1,…,K-1)；其中，N_i,j为每个子区域中的坐标点个数，所述坐标点由(s_k-1,s_k)组成；

204：判断是否k<N-1；若是，执行步骤205；若否，执行步:207；

205：查找坐标点(s_k-1,s_k)属于的子区域A_i,j，并累计计数N_i,j=N_i,j+1；

206：k=k+1，返回步骤204；

207：对每个子区域的坐标点计数，得到计数值N_i,j(i,j=0,1,…,K-1)，则概率密度的统计点值为p_i,j≈N_i,j/(N-1)；从而可以通过插值处理得到渐进逼近的连续概率密度函数。

进一步的，所述处理器601：用于根据所述接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；根据所述接收信号随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；根据所述接收信号极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度；

本发明实施例中，把双极化MIMO信道状态的发展过程看成是按照图3所示的有限状态马尔科夫链运动的一种过程，即可以基于有限状态Markov链对双极化MIMO信道状态进行建模，本发明实施例中，有限状态Markov链为一阶有限状态Markov链；假设接收信号幅度、随机相位以及极化偏转角度是相互独立的，则可以根据图3所示的有限状态马尔科夫链原理图，分别对接收信号幅度或随机相位或极化偏转角度的Markov链进行建模；

其中，如图3所示，为建立信道模型所需马尔科夫链的图解，其中考虑了K个马尔科夫状态，除首尾两状态，其余每个状态均为单跳状态且是两入两出转移和保持过程。

在本发明实施例提供的无线信道建模设备中，假设双极化MIMO系统的双极化发射天线数目和接收天线数目分别为N_t和N_r，是归一化接收信号信噪比的均值，且信道是慢衰落的瑞利信道，

具体的，所述处理器601用于：

1）初始化接收信号信噪比、随机相位、极化偏转角度的状态个数；例如，接收信号信噪比的状态个数为K_γ，随机相位的状态个数为K_θ，极化偏转角度的状态个数为

进一步的，假设各个参数的平稳状态分布均为等概率分布，则接收信号信噪比量化状态为：

在散射体丰富的环境下，接收信号的随机相位是服从均匀分布的，因此随机相位量化状态为： ${\mathrm{\&pi;}}_k^{\left(\mathrm{\&theta;}\right)}=1/k_{\mathrm{\&theta;}},k=\mathrm{0,1,2},...,K_{\mathrm{\&theta;}}-1;$

由于接收信号的极化强度大小与极化波在空间中极化角度的随机偏转有关，且在散射体丰富的环境下，极化天线所接收的极化波的偏转角度是服从均匀分布的，因此，极化偏转角度量化状态为：

2）计算接收信号信噪比、随机相位、极化偏转角度的量化门限值；

例如，接收信号信噪比量化门限值为：

$v_k^{\left(\mathrm{\&gamma;}\right)}=-\stackrel{\&OverBar;}{\mathrm{\&gamma;}}\ln (1-k/K_{\mathrm{\&gamma;}}),k=\mathrm{0,1,2},...,K_{\mathrm{\&gamma;}}-1;$

随机相位量化门限值为： $v_k^{\left(\mathrm{\&theta;}\right)}=2\mathrm{\&pi;k}/K_{\mathrm{\&theta;}},k=\mathrm{0,1,2},...,K_{\mathrm{\&theta;}}-1;$

极化偏转角度量化门限值为：

3）根据所述接收信号信噪比的联合概率密度函数以及所述接收信号信噪比的量化门限值、根据根据所述随机相位的联合概率密度函数以及所述随机相位的量化门限值、根据所述极化偏转角度的联合概率密度函数以及所述极化偏转角度的量化门限值，计算接收信号信噪比、随机相位、极化偏转角度的状态转移矩阵T^(γ)、T^(θ)、

例如，对于接收信号信噪比状态转移矩阵T^(γ)，在本发明实施例提供的无线信道建模设备中，利用得到的接收信号信噪比的联合概率密度函数f_Γ(γ_l-1,γ_l)，根据图3所示的有限状态马尔科夫链中的状态转移，计算T^(γ)内的各元素：

$t_{i\&RightArrow;k}^{\left(\mathrm{\&gamma;}\right)}=0,\&ForAll;|i-k|>1,i,k=\mathrm{0,1},...,K_{\mathrm{\&gamma;}}-1$

$t_{k\&RightArrow;k+1}^{\left(\mathrm{\&gamma;}\right)}=\frac{{\&Integral;}_{v_{k+1}^{\left(\mathrm{\&gamma;}\right)}}^{v_{k+2}^{\left(\mathrm{\&gamma;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&gamma;}\right)}}^{v_{k+1}^{\left(\mathrm{\&gamma;}\right)}}{f}_{\mathrm{\&Gamma;}}({\mathrm{\&gamma;}}_{l-1},{\mathrm{\&gamma;}}_l){\mathrm{d\&gamma;}}_{l-1}{\mathrm{d\&gamma;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&gamma;}\right)}},k=\mathrm{0,1},...,K_{\mathrm{\&gamma;}}-2$

$t_{k\&RightArrow;k-1}^{\left(\mathrm{\&gamma;}\right)}=\frac{{\&Integral;}_{v_{k-1}^{\left(\mathrm{\&gamma;}\right)}}^{v_k^{\left(\mathrm{\&gamma;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&gamma;}\right)}}^{v_{k+1}^{\left(\mathrm{\&gamma;}\right)}}{f}_{\mathrm{\&Gamma;}}({\mathrm{\&gamma;}}_{l-1},{\mathrm{\&gamma;}}_l){\mathrm{d\&gamma;}}_{l-1}{\mathrm{d\&gamma;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&gamma;}\right)}},k=1,2,...,K_{\mathrm{\&gamma;}}-1$

$t_{k\&RightArrow;k}^{\left(\mathrm{\&gamma;}\right)}=1-\underset{k\&NotEqual;l}{\mathrm{\&Sigma;}}{t}_{k\&RightArrow;l}^{\left(\mathrm{\&gamma;}\right)},k,l=\mathrm{0,1,2},...,K_{\mathrm{\&gamma;}}-1$

对于随机相位状态转移矩阵T^(θ)，在本发明实施例提供的无线信道建模设备中，利用得到的随机相位的联合概率密度函数f_Θ(θ_l-1,θ_l)，根据图3所示的有限状态马尔科夫链中的状态转移，计算T^(θ)内的各元素：

$t_{i\&RightArrow;k}^{\left(\mathrm{\&theta;}\right)}=0,1<|i-k|<K_{\mathrm{\&theta;}}-1,i,k=\mathrm{0,1},...,K_{\mathrm{\&theta;}}-1$

$t_{k\&RightArrow;{<k+1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}=\frac{{\&Integral;}_{v_{{<k+1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}}^{v_{{<k+1>}_{K_{\mathrm{\&theta;}}}+1}^{\left(\mathrm{\&theta;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&theta;}\right)}}^{v_{{<k+1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}}{f}_{\mathrm{\&Theta;}}({\mathrm{\&theta;}}_{l-1},{\mathrm{\&theta;}}_l)d{\mathrm{\&theta;}}_{l-1}{\mathrm{d\&theta;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&theta;}\right)}},k=\mathrm{0,1},...,K_{\mathrm{\&theta;}}-1$

$t_{k\&RightArrow;{<k-1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}=\frac{{\&Integral;}_{v_{{<k-1>}_{K_{\mathrm{\&theta;}}}}^{\left(\mathrm{\&theta;}\right)}}^{v_k^{\left(\mathrm{\&theta;}\right)}}{\&Integral;}_{v_k^{\left(\mathrm{\&theta;}\right)}}^{v_{k+1}^{\left(\mathrm{\&theta;}\right)}}{f}_{\mathrm{\&Theta;}}({\mathrm{\&theta;}}_{l-1},{\mathrm{\&theta;}}_l)d{\mathrm{\&theta;}}_{l-1}{\mathrm{d\&theta;}}_l}{{\mathrm{\&pi;}}_k^{\left(\mathrm{\&theta;}\right)}},k=\mathrm{0,1},2,...,K_{\mathrm{\&theta;}}-1$

其中，需要说明的是，由于随机相位是具有周期性的，因此对于随机相位而言，第一个状态与最后一个状态之间也存在状态转移；

对于极化偏转角度状态转移矩阵在本发明实施例提供的无线信道建模设备中，利用得到的极化偏转角度的联合概率密度函数根据图3所示的有限状态马尔科夫链中的状态转移，计算内的各元素：

4）选择接收信号信噪比、随机相位以及极化偏转角度的初始状态；

例如，对于接收信号信噪比，可以选择任意状态 $S_k^{\left(\mathrm{\&gamma;}\right)},k=\mathrm{0,1,2},...,K_{\mathrm{\&gamma;}}-1$ 作为初始状态；

对于随机相位，可以选择任意状态作为随机相位的初始状态；

对于极化偏转角度，在通信刚开始的时候，通常认为极化偏转角度极小，因此选择极化偏转角度最小的范围所对应的状态作为极化偏转角度的初始状态。

5）根据所述接收信号信噪比的初始状态以及所述接收信号信噪比的状态转移概率矩阵，建立所述接收信号信噪比的马尔科夫链；根据所述随机相位的初始状态以及所述随机相位的状态转移概率矩阵，建立所述随机相位的马尔科夫链；根据所述极化偏转角度的初始状态以及所述极化偏转角度的状态转移概率矩阵，建立所述极化偏转角度的马尔科夫链；

例如，使用在区间[0,1]内均匀分布的随机噪声，根据所述接收信号信噪比、随机相位、极化偏转角度的初始状态以及所述转移概率矩阵T^(γ)，T^(θ)和决定所述接收信号信噪比、随机相位和极化偏转角度的马尔科夫（Markov）状态的转移，建立所述接收信号信噪比、随机相位以及极化偏转角度的马尔科夫链。

6）生成每一个时刻上表征双极化MIMO信道状态的接收信号幅度、随机相位以及极化偏转角度的瞬时值；

在实际场景中，双极化MIMO信道的衰落状态可以由多种因素共同决定，而在本发明实施例提供的无线信道建模设备中，双极化MIMO信道的衰落状态由经过双极化MIMO衰落信道的接收信号幅度、随机相位、极化偏转角度三个因素共同决定，即双极化MIMO信道在某一时刻的瞬时状态值是由接收信号幅度的瞬时值、随机相位的瞬时值以及极化偏转角度的瞬时值共同确定的；

例如，对于接收信号信噪比在某一时刻t所在的Markov状态下，利用生成一个处于状态所在区间的瞬时随机接收信号信噪比值γ_t，因此对应的接收信号的幅度的瞬时值为

对于接收信号随机相位在某一时刻t所在的在状态下，生成一个服从 $\mathrm{\&theta;}:U(\frac{2\mathrm{\&pi;l}}{K_{\mathrm{\&theta;}}},\frac{2\mathrm{\&pi;}(l+1)}{K_{\mathrm{\&theta;}}})$ 的瞬时随机相位θ_t；

对于接收信号极化偏转角度在某一时刻t所在的在状态下，产生服从一个瞬时随机数同时构造一个极化影响因子对分别作用与双极化MIMO信道的同极化分支和交叉极化分支的链路上；

进一步的，所述处理器601用于根据每一个相同时刻上的所述接收信号幅度、随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数；

具体的，所述处理器601用于：根据图4所示的同极化链路和交叉极化链路衰落系数生成过程的示意图，可以计算出时刻t时同极化链路衰落系数为：时刻t时交叉极化链路衰落系数为：

其中，如图4所示，是针对幅度、相位、极化三个变化域的信道模型建立过程原理描述，幅度状态转移、相位状态转移、极化偏转状态转移均是遵循同类型马尔科夫链（参见图3），信号合成遵循IQ正交原理，模型数值参数以数据格式存储。

其中，需要说明的是，此时的所述处理器601只计算出一对同极化链路和交叉极化链路的衰落系数，即接收端的一个极化分支（垂直极化分支或者交叉极化分支）上接收到的同极化链路和交叉极化链路的信道衰落信息；在不考虑发射天线阵元或接收天线阵元的空间相关性的时候，对于发射端有N_t个垂直和水平极化分支，接收端有N_r个垂直和水平极化分支的N_t×N_r的双极化MIMO系统，共有N=2N_tN_r对同极化链路和交叉极化链路，因此，用生成模块503进行N个并行操作，即可实时地产生可以用于模拟N_t×N_r的双极化MIMO系统的信道衰落系数。

由上可知，本发明实施例提供另一种无线信道建模设备60，在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；根据所述接收信号信噪比的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的接收信号幅度；根据所述随机相位的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的随机相位；根据所述极化偏转角度的联合概率密度函数，基于马尔科夫链原理计算每一个时刻上的极化偏转角度；根据每一个相同时刻上的所述接收信号幅度、随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数。如此，基于马尔科夫（Markov）链原理对双极化MIMO信道进行建模，提高了信道建模的准确度，同时提升了多天线系统的通信性能；避免现有的双极化MIMO信道的建模方法存在准确度不高的问题，不能为多天线系统的性能研究提供足够保证，从而不能提升对天线系统的通信性能的缺陷。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的单元和系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，简称ROM）、随机存取存储器（Random Access Memory，简称RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件（例如处理器）来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种无线信道建模方法，其特征在于，包括：

在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；

根据接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；根据随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；根据极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度；

根据每一个相同时刻上的所述接收信号幅度、随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数。

2.根据权利要求1所述的方法，其特征在于，所述根据接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；包括：

初始化接收信号信噪比的状态个数；

计算接收信号信噪比的量化门限值；

根据所述接收信号信噪比的联合概率密度函数以及所述接收信号信噪比的量化门限值，计算所述接收信号信噪比的状态转移概率矩阵；

选择所述接收信号信噪比的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述接收信号信噪比的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度。

3.根据权利要求1所述的方法，其特征在于，所述根据随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；包括：

初始化随机相位的状态个数；

计算随机相位的量化门限值；

根据所述随机相位的联合概率密度函数以及所述随机相位的量化门限值，计算所述随机相位的状态转移概率矩阵；

选择所述随机相位的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述随机相位的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位。

4.根据权利要求1所述的方法，其特征在于，所述根据极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度；包括：

初始化极化偏转角度的状态个数；

计算极化偏转角度的量化门限值；

根据所述极化偏转角度的联合概率密度函数以及所述极化偏转角度的量化门限值，计算所述极化偏转角度的状态转移概率矩阵；

选择所述极化偏转角度的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述极化偏转角度的马尔科夫链；

基于马尔科夫（Markov）原理链计算每一个时刻上的极化偏转角度。

5.一种无线信道建模设备，其特征在于，包括：

获取模块：用于在相邻时间间隔上获取经过双极化MIMO信道的接收信号信噪比的联合概率密度函数、随机相位的联合概率密度函数以及极化偏转角度的联合概率密度函数；

计算模块：用于根据接收信号信噪比的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度；根据随机相位的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位；根据极化偏转角度的联合概率密度函数，基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度；

生成模块：用于根据每一个相同时刻上的所述接收信号幅度，随机相位以及极化偏转角度生成同极化链路的衰落系数和交叉极化链路的衰落系数。

6.根据权利要求5所述的设备，其特征在于，

所述计算模块具体用于：初始化接收信号信噪比的状态个数；

计算接收信号信噪比的量化门限值；

根据所述接收信号信噪比的联合概率密度函数以及所述接收信号信噪比的量化门限值，计算所述接收信号信噪比的状态转移概率矩阵；

选择所述接收信号信噪比的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述接收信号信噪比的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的接收信号幅度。

7.根据权利要求5所述的设备，其特征在于，

所述计算模块具体用于：初始化随机相位的状态个数；

计算随机相位的量化门限值；

根据所述随机相位的联合概率密度函数以及所述随机相位的量化门限值，计算所述随机相位的状态转移概率矩阵；

选择所述随机相位的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述随机相位的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的随机相位。

8.根据权利要求5所述的设备，其特征在于，

所述计算模块具体用于：初始化极化偏转角度的状态个数；

计算极化偏转角度的量化门限值；

根据所述极化偏转角度的联合概率密度函数以及所述极化偏转角度的量化门限值，计算所述极化偏转角度的状态转移概率矩阵；

选择所述极化偏转角度的初始状态；

根据所述初始状态以及所述状态转移概率矩阵，建立所述极化偏转角度的马尔科夫链；

基于马尔科夫（Markov）链原理计算每一个时刻上的极化偏转角度。