CN108768472B - 一种临近空间高空平台空间-极化分集mimo信道建模方法 - Google Patents

一种临近空间高空平台空间-极化分集mimo信道建模方法 Download PDF

Info

Publication number
CN108768472B
CN108768472B CN201810226309.0A CN201810226309A CN108768472B CN 108768472 B CN108768472 B CN 108768472B CN 201810226309 A CN201810226309 A CN 201810226309A CN 108768472 B CN108768472 B CN 108768472B
Authority
CN
China
Prior art keywords
channel
polarization
model
space
scale fading
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810226309.0A
Other languages
English (en)
Other versions
CN108768472A (zh
Inventor
刘彦明
李琦
石磊
李小平
姚博
朱从莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201810226309.0A priority Critical patent/CN108768472B/zh
Publication of CN108768472A publication Critical patent/CN108768472A/zh
Application granted granted Critical
Publication of CN108768472B publication Critical patent/CN108768472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3911—Fading models or fading generators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/10—Polarisation diversity; Directional diversity

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明属于无线电传输技术领域，公开了一种临近空间高空平台空间‑极化分集MIMO信道建模方法，利用马尔科夫状态转移模型确定Loo信道参数；利用信道测量数据和理论模型计算极化和空间相关系数，代入由Loo模型模拟的大/小尺度衰落模型产生相关性；联合每条子信道的大尺度衰落和小尺度衰落部分得到高空平台空间‑极化分集MIMO信道模型。与现有高空平台MIMO信道模型相比，综合考虑了理论模型和基于实测的散射模型的优劣性，全面评估了极化相关性和空间相关性对信道模型的影响，能够准确描述高空平台环境下大尺度和小尺度衰落特性，以及子信道之间的相关性。

Description

一种临近空间高空平台空间-极化分集MIMO信道建模方法
技术领域
本发明属于无线电传输技术领域，尤其涉及一种临近空间高空平台空间-极化分集MIMO信道建模方法。
背景技术
目前，业内常用的现有技术是这样的：无线电频谱是有限的资源，而现代通信服务需要越来越高的数据速率和信道容量。因此，在部署需要高容量的下一代通信系统时，融合了陆地和卫星通信系统的优势的高空平台通信系统是最有潜力的补充或替代解决方案。特别是在地震等自然灾害失去地面基站和网络支持下的快速应急通信场合，基于高空平台快速部署、重构大容量通信系统将是最有潜力的一种解决方案。作为可提升信道容量的强有效方法，MIMO技术在高空平台通信系统中的应用逐渐成为学术研究的热点问题。但是，由于信道传播条件和平台尺寸限制，MIMO技术在高空平台通信中的性能无法从传统地面通信中的MIMO性能推断。因此，开发精确、高效的HAP-MIMO信道仿真模型具有重要的意义。目前关于将MIMO应用在高空平台通信系统研究主要是分为基于几何分布的理论建模研究和基于实地测量的物理建模研究，理论模型的主要问题在于仅使用假设统计分布特性描述信道环境，缺乏实验数据的支撑和验证；而实测模型又相对成本过高，且通常基于某一特定场景，不具普遍性。因而两者都不足以准确描述高空平台通信场景。将MIMO技术应用在高空平台通信系统仍存在以下问题：(1)缺乏可以准确描述高空平台信道环境的信道模型；(2)高空平台通信系统存在视距环境，由此带来的空间相关性问题不可忽略，现有研究大多停留于理论研究，对相关性带来的影响研究不够深入。(3)现有的单维分集2x2MIMO信道模型带来的信道容量的提升不足以弥补低仰角区阴影遮蔽带来的重度衰落问题。针对现今通信服务高容量的要求和低仰角区重度衰落问题，提出一种高空平台空间-极化分集MIMO信道建模方法，可为高空平台通信评估和体制设计提供参考。
综上所述，现有技术存在的问题是：现有高空平台MIMO信道建模中存在的信道环境描述不准确、相关性考虑欠缺、信道容量不足以对抗低仰角多径阴影衰落问题，需要采取更有效的分集策略进行弥补提升。
解决上述技术问题的难度和意义：现有的技术多采用单维的极化分集或平台分集来实现MIMO传输。然而，在低仰角区阴影遮蔽带来的重度衰落时，空间分集增益性能会严重降低。单维天线分集带来的信道容量增益不足以弥补阴影带来的重度衰落。本发明提出的空间-极化天线分集策略能够很好的弥补低仰角区的阴影衰落问题，以达到分集增益的最大化，进而提升信道容量以满足用户日益增长的通信容量需求。难点在于由于高空平台存在视距路径，子信道间存在一定相关性，同时应用空间分集和极化分集需要考虑子信道的空间相关性和极化相关性，现有的测量数据只有2x2MIMO系统的相关系数矩阵，要获取4x4MIMO系统的相关系数矩阵必须进行合理的参数扩展和推导。
发明内容
针对现有技术存在的问题，本发明提供了一种临近空间高空平台空间-极化分集MIMO信道建模方法。
本发明是这样实现的，一种临近空间高空平台空间-极化分集MIMO信道建模方法，所述临近空间高空平台空间-极化分集MIMO信道建模方法利用马尔科夫状态转移模型确定Loo信道参数；利用信道测量数据和理论模型计算极化和空间相关系数，代入由Loo模型模拟的大/小尺度衰落模型产生相关性；联合每条子信道的大尺度衰落和小尺度衰落部分得到高空平台空间-极化分集MIMO信道模型。
进一步，所述临近空间高空平台空间-极化分集MIMO信道建模方法包括以下步骤：
步骤一，建立马尔科夫状态转移模型，输入信道状态转移矩阵P，获取马尔科夫信道模型的状态转移序列；根据陆地移动卫星信道测试结果状态序列确定对应的Loo模型信道参数；
步骤二，利用现有的2x2MIMO的信道测量数据和理论模型计算空间-极化分集MIMO信道的大尺度衰落极化相关系数矩阵Cpl、小尺度衰落极化相关系数矩阵Cps和空间相关系数矩阵Cs，代入到由Loo模型生成的大/小尺度衰落模型中，产生子信道间的相关性；
步骤三，联合每条子信道的大尺度衰落和小尺度衰落部分得到高空平台空间-极化分集MIMO信道模型。
进一步，所述步骤一具体包括：
(1)建立两状态马尔科夫状态转移模型，生成状态转移时间序列。
(2)输入两状态马尔科夫状态转移矩阵
Figure GDA0001664755520000031
状态转移矩阵P中元素P(i,j)表示从状态i跳转到状态j的概率，0≤P(i,j)≤1且
Figure GDA0001664755520000032
(3)输入状态帧LFrame＝5，LFrame表示为某个状态持续的最小距离。给定当前状态St＝i，每LFrame米生成下一状态St+1：
产生一个服从(0，1)均匀分布的随机数K，并设置i＝1；
若参数满足
Figure GDA0001664755520000033
则下一状态St+1＝i；若不满足测试条件，则i＝i+1并重复测试条件，直到满足条件为止；
(4)随着终端移动，每LFrame米做一次判断终端所处的状态，并查找相应状态下的Loo模型参数Loo(MA,∑A,MP)，相应的Loo模型参数定义如下：f(MA)～Gaussian(μ1,σ1)，f(∑A|MA)～Gaussian(μ2,σ2)，f(MP)～Gaussian(μ3,σ3)；
Figure GDA0001664755520000034
MA,∑A和MP均以dB形式表示，其中MA，∑A分别表示大尺度衰落的LOS视距分量的均值和方差，MP表示小尺度衰落的多径分量的平均功率；
进一步，所述步骤二具体包括：
(1)根据所提极化参数扩展方法，在计算极化相关性时只关注天线的极化，而不考虑收发天线；
Figure GDA0001664755520000041
其中，Li,Rj/Lm,Rn均表示空间-极化分集4x4MIMO收发天线i,j,m,n(i/m＝1,2,j/n＝a,b)的左旋/右旋圆极化；
(2)根据参数扩展方法，输入现有的开阔地环境下2x2极化分集MIMO的信道测量数据
Figure GDA0001664755520000042
进行参数扩展，得到相应的空间-极化分集4x4MIMO信道的大尺度衰落极化相关系数矩阵Cpl和小尺度衰落极化相关系数矩阵Cps；
(3)计算40°仰角下2x2MIMO空间分集的空间相关系数，高空平台信道存在视距，空间相关系数由视距路径和非视距路径信道分量的相关函数叠加得到：
Figure GDA0001664755520000043
其中Ra1,b2为a1链路和b2链路信道间的空时相关函数，ha1(t),hb2(t)分别为对应链路信道的冲击响应；Ωa1为子信道发送能量，Ωa1＝E[|ha1(t)|2]≤1，
Figure GDA0001664755520000044
和
Figure GDA0001664755520000045
分别为视距路径和非视距路径信道分量的相关函数；
(4)根据空间相关系数参数扩展方法，进行参数扩展时只考虑天线的空间分集不考虑极化分集，即：
Figure GDA0001664755520000051
其中，Li,Rj/Lm,Rn均表示空间-极化分集4x4MIMO收发天线i,j,m,n(i/m＝1,2,j/n＝a,b)的左旋/右旋圆极化；
输入计算得到的空间分集2x2MIMO空间相关系数
Figure GDA0001664755520000052
结合所提参数扩展方法得到空间-极化分集4x4MIMO信道需要的空间相关系数Cs。
进一步，所述步骤三具体包括：
(1)对于每个状态，产生4×4统计独立的均值为0，方差为1的高斯随机序列样本矩阵
Figure GDA0001664755520000053
(2)将高斯随机序列样本矩阵
Figure GDA0001664755520000054
分别通过低通IIR滤波器和巴特沃斯滤波器，产生具有时间相关性的不相关4×4MIMO大尺度衰落矩阵
Figure GDA0001664755520000055
和不相关的小尺度衰落瑞利矩阵
Figure GDA0001664755520000056
得到不相关的大尺度衰落模型和小尺度衰落模型；
(3)利用计算得到的极化相关系数和空间相关系数，对生成的大尺度衰落和小尺度衰落模型叠加相关性，得到相关的空间-极化分集4×4MIMO大尺度衰落矩阵
Figure GDA0001664755520000057
和小尺度衰落矩阵
Figure GDA0001664755520000058
Figure GDA0001664755520000059
Figure GDA00016647555200000510
Figure GDA00016647555200000511
Figure GDA00016647555200000512
Figure GDA0001664755520000061
和
Figure GDA0001664755520000062
分别表示大尺度衰落和小尺度衰落极化相关系数，Cs表示空间分集相关系数，vec()表示取列向量操作；
(4)输入Loo模型信道参数MA、∑A和MP，并将
Figure GDA0001664755520000063
带入下式，产生相关的对数正态分布的大尺度衰落信道特性矩阵
Figure GDA0001664755520000064
Figure GDA0001664755520000065
(5)根据极化对信道序列功率的影响，加入极化鉴别度XPDant对信道序列的影响，利用下式调整大尺度衰落矩阵
Figure GDA0001664755520000066
和小尺度衰落矩阵
Figure GDA0001664755520000067
Figure GDA0001664755520000068
Figure GDA0001664755520000069
其中βant是极化鉴别度XPDant的因子，
Figure GDA00016647555200000610
γ＝βant(1-γenv)+(1-βant)γenv和γenv为极化耦合度XPCenv因子。
本发明的另一目的在于提供一种应用所述临近空间高空平台空间-极化分集MIMO信道建模方法的无线电传输系统。
综上所述，本发明的优点及积极效果为：与现有的多数使用平台分集的高空平台MIMO系统相比，本发明提出的高空平台空间-极化分集MIMO系统，只需要一个平台即可实现空间分集和极化分集的利用，极大的增加了分集性能，大大降低了系统实现的复杂度和成本；本发明提供的高空平台空间-极化分集MIMO信道模型建模方法，与现有高空平台MIMO信道模型相比，综合考虑了理论模型和基于实测的物理模型的优劣性，全面评估了极化相关性和空间相关性对信道模型的影响，能够准确描述高空平台环境下大尺度和小尺度衰落特性，以及子信道之间的相关性。通过仿真验证，对比单维天线分集模型，在三种典型环境下本发明均可带来的1.4～1.8倍的信道增益，大大提升了系统的信道容量。
附图说明
图1是本发明实施例提供的临近空间高空平台空间-极化分集MIMO信道建模方法流程图。
图2是本发明实施例提供的临近空间高空平台空间-极化分集MIMO信道建模方法具体实现流程图。
图3是本发明实施例提供的高空平台环境下的大尺度衰落极化相关系数示意图。
图4是本发明实施例提供的高空平台环境下的小尺度衰落极化相关系数示意图。
图5是本发明实施例提供的高空平台环境下空间分集相关系数示意图。
图6是本发明实施例提供的一定条件下对比了高空平台环境下采用空间-极化分集MIMO技术与仅采用极化分集MIMO技术对信道容量的影响示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明适用于临近空间高空平台MIMO信道建模，所建立的信道模型可为高空平台(通信飞艇)通信体制设计、适应性方法研究提供信道仿真基础和平台，可用于调制/解调、信道编码、信道估计和均衡等通信物理层传输技术的算法设计和性能评估。
如图1所示，本发明实施例提供的临近空间高空平台空间-极化分集MIMO信道建模方法包括以下步骤：
S101：利用马尔科夫状态转移模型确定Loo信道参数；
S102：利用信道测量数据和理论模型计算极化和空间相关系数，代入由Loo模型模拟的大/小尺度衰落模型产生相关性；
S103：联合每条子信道的大尺度衰落和小尺度衰落部分得到高空平台空间-极化分集MIMO信道模型。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示，本发明实施例实施例的高空平台空间-极化分集MIMO信道建模方法包括如下步骤：
S1根据陆地移动卫星马尔科夫信道状态转移矩阵P，获取马尔科夫信道模型的状态转移序列；根据陆地移动卫星信道测试结果确定状态序列对应的Loo模型信道参数。
S1.1建立两个时间序列，分别表示信道1和信道2的状态序列，每个序列包括两种状态，分别为好状态和坏状态。
S1.2输入两状态马尔科夫状态转移矩阵
Figure GDA0001664755520000081
状态转移矩阵P中元素P(i,j)表示从状态i跳转到状态j的概率，0≤P(i,j)≤1且
Figure GDA0001664755520000082
S1.3：输入状态态帧LFrame＝5，LFrame表示为某个状态持续的最小距离。给定当前状态St，每LFrame米生成下一状态St+1：
产生一个服从(0，1)均匀分布的随机数K，并设置i＝1；
若参数满足
Figure GDA0001664755520000083
则下一状态St+1＝i；若不满足测试条件，则i＝i+1并重复测试条件，直到满足条件为止；
S1.4：随着终端移动，每LFrame米做一次判断终端所处的状态，并查找相应状态下的Loo模型参数Loo(MA,∑A,MP)，相应的Loo模型参数定义如下：f(MA)～Gaussian(μ1,σ1)，f(∑A|MA)～Gaussian(μ2,σ2)，f(MP)～Gaussian(μ3,σ3)；
Figure GDA0001664755520000091
MA,∑A和MP均以dB形式表示，其中MA，∑A分别表示大尺度衰落的LOS视距分量的均值和方差，MP表示小尺度衰落的多径分量的平均功率。
S1.5叠加两个时间序列，得到信道总的时间序列。
S2利用现有的2x2MIMO的信道测量数据和理论模型计算空间-极化分集MIMO信道的大尺度衰落极化相关系数矩阵Cpl、小尺度衰落极化相关系数矩阵Cps和空间相关系数矩阵Cs，具体数据如图3，图4，图5所示。
S2.1根据所提极化参数扩展方法，假设在计算极化相关性时只关注天线的极化，而不管收发天线：
Figure GDA0001664755520000092
其中，Li,Rj/Lm,Rn均表示空间-极化分集4x4MIMO收发天线i,j,m,n(i/m＝1,2,j/n＝a,b)的左旋/右旋圆极化；
S2.2根据第二步的参数扩展方法，输入现有的2x2双极化MIMO的信道测量数据
Figure GDA0001664755520000093
进行参数扩展，从而得到相应的4x4MIMO信道的大尺度衰落极化相关系数矩阵Cpl和小尺度衰落极化相关系数矩阵Cps；
S2.3计算40°仰角下2x2MIMO空间分集的空间相关系数，考虑高空平台信道存在视距情况，空间相关系数由直视路径和非直视路径信道分量的相关函数叠加得到：
Figure GDA0001664755520000101
其中Ra1,b2为a1链路和b2链路信道间的空间相关函数，ha1(t),hb2(t)分别为对应链路信道的冲击响应。Ωa1为子信道发送能量，Ωa1＝E[|ha1(t)|2]≤1，
Figure GDA0001664755520000102
和
Figure GDA0001664755520000103
分别为直视路径和非直视路径信道分量的相关函数。
S2.4根据空间相关系数参数扩展方法，即假设进行参数扩展时只考虑天线的空间分集，不考虑天线的极化：
Figure GDA0001664755520000104
其中，Li,Rj/Lm,Rn均表示空间-极化分集4x4MIMO收发天线i,j,m,n(i/m＝1,2,j/n＝a,b)的左旋/右旋圆极化；
输入第三步计算得到的空间分集2x2MIMO空间相关系数
Figure GDA0001664755520000105
结合参数扩展方法对应得到4x4MIMO信道需要的空间相关系数Cs，具体数据如图5所示。
S3利用Loo模型生成的大尺度衰落模型和小尺度衰落模型，并将第二步得到的相关系数代入对应模型，产生子信道间的相关性。
S3.1对于每个状态，产生4×4统计独立的均值为0，方差为1的高斯随机序列样本矩阵
Figure GDA0001664755520000106
S3.2将高斯随机序列样本矩阵
Figure GDA0001664755520000107
分别通过低通IIR滤波器和巴特沃斯滤波器，产生具有时间相关性的不相关4×4MIMO大尺度衰落矩阵
Figure GDA0001664755520000108
和不相关的小尺度衰落瑞利矩阵
Figure GDA0001664755520000109
得到不相关的大尺度衰落模型和小尺度衰落模型；
S3.3利用步骤二计算得到的极化相关系数和空间相关系数，对生成的大尺度衰落和小尺度衰落模型叠加相关性，得到相关的4×4MIMO大尺度衰落矩阵
Figure GDA0001664755520000111
和小尺度衰落矩阵
Figure GDA0001664755520000112
Figure GDA0001664755520000113
Figure GDA0001664755520000114
Figure GDA0001664755520000115
Figure GDA0001664755520000116
Figure GDA0001664755520000117
和
Figure GDA0001664755520000118
分别表示大尺度衰落和小尺度衰落极化相关系数，Cs表示空间分集相关系数，vec()表示取列向量操作；
S3.4输入Loo模型信道参数MA、∑A和MP，并将
Figure GDA0001664755520000119
带入下式，产生相关的对数正态分布的大尺度衰落信道特性矩阵
Figure GDA00016647555200001110
Figure GDA00016647555200001111
S3.5根据极化对信道序列功率的影响，加入极化天线极化鉴别度XPDant对信道序列的影响，利用下式调整大尺度衰落矩阵
Figure GDA00016647555200001112
和小尺度衰落矩阵
Figure GDA00016647555200001113
Figure GDA00016647555200001114
Figure GDA00016647555200001115
其中βant是极化鉴别度XPDant的因子，
Figure GDA00016647555200001116
γ＝βant(1-γenv)+(1-βant)γenv和γenv为极化耦合度XPCenv因子；
步骤S4的具体实施如下：
联合步骤S2的相关系数和步骤S3大/小尺度衰落模型得到高空平台空间-极化分集MIMO信道模型。
下面结合仿真对本发明的应用原理作进一步的描述。
从图6可以看出，高空平台空间-极化分集4x4MIMO系统与仅使用极化分集的2x2MIMO系统的信道容量随着信噪比的增加而增加，但是高空平台空间-极化分集4x4MIMO系统的信道容量明显比仅使用极化分集的2x2MIMO系统的信道容量高很多。例如，当信噪比为25dB时,高空平台空间-极化分集4x4MIMO系统的信道容量为16.15bps/Hz，而仅使用极化分集的2x2MIMO系统的信道容量为11.051bps/Hz。因此，在高空平台上采用空间-极化分集的MIMO技术可以大大的增加信道容量，说明了本发明的有效性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种临近空间高空平台空间-极化分集MIMO信道建模方法，其特征在于，所述临近空间高空平台空间-极化分集MIMO信道建模方法利用马尔科夫状态转移模型确定Loo模型信道参数；利用信道测量数据和理论模型计算并扩展极化和空间相关系数，代入由Loo模型模拟的大/小尺度衰落模型产生相关性；联合每条子信道的大尺度衰落和小尺度衰落部分得到高空平台空间-极化分集MIMO信道模型；
所述临近空间高空平台空间-极化分集MIMO信道建模方法包括以下步骤：
步骤一，根据陆地移动卫星马尔科夫信道状态转移矩阵P，获取马尔科夫信道模型的状态转移序列；根据陆地移动卫星信道测试结果确定状态序列对应的Loo模型信道参数；
步骤二，利用现有的2x2 MIMO的信道测量数据和理论模型计算空间-极化分集MIMO信道的大尺度衰落极化相关系数矩阵Cpl、小尺度衰落极化相关系数矩阵Cps和空间相关系数矩阵Cs；
步骤三，利用Loo模型生成大尺度衰落模型和小尺度衰落模型，并将第二步得到的相关系数代入对应模型，产生子信道间的相关性；
步骤四，结合步骤二的相关系数和步骤三大/小尺度衰落模型得到高空平台空间-极化分集MIMO信道模型；
所述步骤一具体包括：
(1)建立两个时间序列，分别表示信道1和信道2的状态序列，每个序列包括两种状态，分别为好状态和坏状态；
(2)输入两状态马尔科夫状态转移矩阵
Figure FDA0002900863340000011
状态转移矩阵P中元素P(i,j)表示从状态i转移到状态j的概率，0≤P(i,j)≤1且
Figure FDA0002900863340000012
(3)输入状态态帧LFrame＝5，LFrame表示为某个状态持续的最小距离；给定当前状态St，每LFrame米生成下一状态St+1：
产生一个服从(0，1)均匀分布的随机数K，并设置i＝1；
若参数满足
Figure FDA0002900863340000021
则下一状态St+1＝i；若不满足测试条件，则i＝i+1并重复测试条件，直到满足条件为止；
(3)随着终端移动，每LFrame米做一次判断终端所处的状态，并查找相应状态下的Loo模型参数Loo(MA,ΣA,MP)，相应的Loo模型参数定义如下：
f(MA)～Gaussian(μ1,σ1)，f(ΣA|MA)～Gaussian(μ2,σ2)，f(MP)～Gaussian(μ3,σ3)；
Figure FDA0002900863340000022
MA,ΣA和MP均以dB形式表示，其中MA，ΣA分别表示大尺度衰落视距分量的均值和方差，MP表示小尺度衰落的多径分量的平均功率；
(4)叠加两个时间序列，得到信道总的时间序列；
所述步骤二具体包括：
(1)根据所提极化参数扩展方法在计算极化相关性时只关注天线的极化；
Figure FDA0002900863340000023
其中，Li,Rj/Lm,Rn均表示空间-极化分集4x4 MIMO收发天线i,j,m,n(i/m＝1,2,j/n＝a,b)的左旋/右旋圆极化；
(2)根据参数扩展方法，输入现有的开阔地环境下2x2双极化分集MIMO的信道测量数据
Figure FDA0002900863340000024
进行参数扩展，得到相应的4x4MIMO信道的大尺度衰落极化相关系数矩阵Cpl和小尺度衰落极化相关系数矩阵Cps；
(3)计算40°仰角下2x2 MIMO空间分集的空间相关系数，高空平台信道存在视距路径，因而空间相关系数由视距路径和非视距路径信道分量的相关函数叠加得到：
Figure FDA0002900863340000031
其中Ra1,b2为a1链路和b2链路信道间的空时相关函数，ha1(t),hb2(t)分别为对应链路信道的冲击响应；Ωa1为子信道发送能量，Ωa1＝E[|ha1(t)|2]≤1，
Figure FDA0002900863340000032
和
Figure FDA0002900863340000033
分别为直视视距和非视距路径信道分量的相关函数；
(4)根据空间相关系数参数扩展方法，进行参数扩展时只考虑天线的空间分集，不考虑天线的极化分集：
Figure FDA0002900863340000034
其中，Li,Rj/Lm,Rn均表示空间-极化分集4x4 MIMO收发天线i,j,m,n(i/m＝1,2,j/n＝a,b)的左旋/右旋圆极化；
(5)输入第三步计算得到的空间分集2x2MIMO信道的空间相关系数
Figure FDA0002900863340000035
结合参数扩展方法对应得到空间-极化分集4x4MIMO信道需要的空间相关系数Cs；
所述步骤三具体包括：
(1)对于每个状态，产生4×4统计独立的均值为0，方差为1的高斯随机序列样本矩阵
Figure FDA0002900863340000036
(2)将高斯随机序列样本矩阵
Figure FDA0002900863340000037
分别通过低通IIR滤波器和巴特沃斯滤波器，产生具有时间相关性的不相关4×4MIMO大尺度衰落矩阵
Figure FDA0002900863340000038
和不相关的小尺度衰落瑞利矩阵
Figure FDA0002900863340000039
得到不相关的大尺度衰落模型和小尺度衰落模型；
(3)利用步骤二计算得到的极化相关系数和空间相关系数，对生成的大尺度衰落和小尺度衰落模型叠加相关性，得到相关的空间-极化分集4×4MIMO大尺度衰落矩阵
Figure FDA00029008633400000310
和小尺度衰落矩阵
Figure FDA00029008633400000311
Figure FDA0002900863340000041
Figure FDA0002900863340000042
Figure FDA0002900863340000043
Figure FDA0002900863340000044
Figure FDA0002900863340000045
和
Figure FDA0002900863340000046
分别表示大尺度衰落和小尺度衰落极化相关系数，
Figure FDA0002900863340000047
表示空间分集相关系数，vec()表示取列向量操作；
(4)输入Loo模型信道参数MA、ΣA和MP，并将
Figure FDA0002900863340000048
带入下式，产生相关的对数正态分布的大尺度衰落信道特性矩阵
Figure FDA0002900863340000049
Figure FDA00029008633400000410
(5)根据极化对信道序列功率的影响，加入极化鉴别度XPDant对信道序列的影响，利用下式调整大尺度衰落矩阵
Figure FDA00029008633400000411
和小尺度衰落矩阵
Figure FDA00029008633400000412
Figure FDA00029008633400000413
Figure FDA00029008633400000414
其中βant是极化鉴别度XPDant的因子，
Figure FDA00029008633400000415
γ＝βant(1-γenv)+(1-βant)γenv和γenv为极化耦合度XPCenv因子。
2.一种应用权利要求1所述临近空间高空平台空间-极化分集MIMO信道建模方法的无线电传输系统。
CN201810226309.0A 2018-03-19 2018-03-19 一种临近空间高空平台空间-极化分集mimo信道建模方法 Active CN108768472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810226309.0A CN108768472B (zh) 2018-03-19 2018-03-19 一种临近空间高空平台空间-极化分集mimo信道建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810226309.0A CN108768472B (zh) 2018-03-19 2018-03-19 一种临近空间高空平台空间-极化分集mimo信道建模方法

Publications (2)

Publication Number Publication Date
CN108768472A CN108768472A (zh) 2018-11-06
CN108768472B true CN108768472B (zh) 2021-05-14

Family

ID=63980524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810226309.0A Active CN108768472B (zh) 2018-03-19 2018-03-19 一种临近空间高空平台空间-极化分集mimo信道建模方法

Country Status (1)

Country Link
CN (1) CN108768472B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109951213B (zh) * 2017-12-21 2021-04-02 上海交通大学 高空平台mimo三维几何随机模型建立方法及通信方法
CN111263391B (zh) 2018-11-30 2021-08-13 华为技术有限公司 信号处理方法、设备及基站
CN112511200B (zh) * 2020-11-10 2022-04-08 河海大学 一种模拟3d散射空间耦合衰落相关信道传播特性的方法
CN113595768A (zh) * 2021-07-07 2021-11-02 西安电子科技大学 一种保障移动信息物理系统控制性能的分布式协作传输算法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070294063A1 (en) * 2006-06-14 2007-12-20 Nec Laboratories America, Inc. Automatic-Repeat-Request Throughput Over Parallel Channels
CN104038959A (zh) * 2014-06-11 2014-09-10 重庆邮电大学 一种信道模拟器及其建模方法
CN104378170A (zh) * 2014-10-27 2015-02-25 西安电子科技大学 一种临近空间动态等离子鞘套信道建模及模拟的方法
CN104994517A (zh) * 2015-06-10 2015-10-21 哈尔滨工业大学 一种高空平台mimo通信系统三维信道建模方法
CN107302387A (zh) * 2017-06-30 2017-10-27 西安电子科技大学 一种高速飞行器中继双极化mimo信道建模方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070294063A1 (en) * 2006-06-14 2007-12-20 Nec Laboratories America, Inc. Automatic-Repeat-Request Throughput Over Parallel Channels
CN104038959A (zh) * 2014-06-11 2014-09-10 重庆邮电大学 一种信道模拟器及其建模方法
CN104378170A (zh) * 2014-10-27 2015-02-25 西安电子科技大学 一种临近空间动态等离子鞘套信道建模及模拟的方法
CN104994517A (zh) * 2015-06-10 2015-10-21 哈尔滨工业大学 一种高空平台mimo通信系统三维信道建模方法
CN107302387A (zh) * 2017-06-30 2017-10-27 西安电子科技大学 一种高速飞行器中继双极化mimo信道建模方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Channel modeling for High-Altitude platform A review;Yong Yang et al;《2010 International Symposium on Intelligent Signal Processing and Communication Systems》;20101208;全文 *
SISO and MIMO enhanced 2-state modelling of the Land Mobile satellite channel for various frequencies, environments and Elevation Angles;Frédéric Lacoste et al;《The 8th European Conference on Antennas and Propagation》;20140411;第2277-2281页 *
Statistical modeling of the high altitude platform dual-polarized MIMO propagation channel;Mingchuan Yang et al;《China Communications》;20170412;第14卷(第3期);第43-54页 *
Wireless Channel Modeling and Performance Analysis Based on Markov Chain;Xiaoyang Liu et al;《2017 29th Chinese Control And Decision Conference》;20170330;第2256-2260页 *
基于高空平台站通信的三状态马尔科夫信道模型;朱子行，梁俊;《通信技术》;20090630;第42卷;第174-176页 *
近空间飞行器信道特性研究;石磊;《中国博士学位论文全文数据库 信息科技辑》;20131115;全文 *

Also Published As

Publication number Publication date
CN108768472A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
Wang et al. Intelligent reflecting surface-assisted millimeter wave communications: Joint active and passive precoding design
CN108768472B (zh) 一种临近空间高空平台空间-极化分集mimo信道建模方法
CN110492911B (zh) 一种用于无人机通信的波束追踪方法与系统
CN110855585A (zh) 一种毫米波大规模mimo系统的信道估计方法
Bai et al. Channel modeling for satellite communication channels at Q-band in high latitude
CN112039564B (zh) 一种卫星大规模mimo广覆盖预编码传输方法
CN107171757B (zh) 一种融合智能天线的mimo无线信道建模方法
CN113315560B (zh) 一种紧凑型平面阵列Massive MIMO系统的波束赋形方法
Wang et al. Coordinated beamforming for UAV-aided millimeter-wave communications using GPML-based channel estimation
Tao et al. Weighted sum-rate of intelligent reflecting surface aided multiuser downlink transmission with statistical CSI
CN102710390B (zh) 一种多用户mimo系统中预编码的方法和装置
CN106788631A (zh) 一种基于局部校准的大规模mimo互易性校准方法
CN113965881B (zh) 遮挡效应下的毫米波一体化通信与感知方法
Hao et al. Robust design for intelligent reflecting surface assisted MIMO-OFDMA terahertz communications
Zhao et al. Beamforming design for IRS-assisted uplink cognitive satellite-terrestrial networks with NOMA
US9407339B2 (en) Monotonic optimization method for achieving the maximum weighted sum-rate in multicell downlink MISO systems
Chen et al. Joint channel estimation and beam selection NOMA system for satellite-based Internet of Things
Guo et al. Broad coverage precoder design for synchronization in satellite massive mimo systems
Schwarz Outage investigation of beamforming over random-phase finite-scatterer MISO channels
Lou et al. Coverage analysis of large-scale HAPS networks using directional beams
CN109861776A (zh) 一种模拟多天线室外空间耦合衰落传播特性的方法
Chen et al. Performance evaluation of BER for an Massive-MIMO with M-ary PSK scheme over Three-Dimension correlated channel
CN104539401A (zh) 一种自适应预编码方法、基站及系统
Cho et al. Coordinated beamforming in quantized massive MIMO systems with per-antenna constraints
Zhou et al. Power optimization for aerial intelligent reflecting surface-aided cell-free massive MIMO-based wireless sensor network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant