CN109462864A - 一种5g通信典型场景信道模型自适应匹配方法 - Google Patents
一种5g通信典型场景信道模型自适应匹配方法 Download PDFInfo
- Publication number
- CN109462864A CN109462864A CN201811462092.XA CN201811462092A CN109462864A CN 109462864 A CN109462864 A CN 109462864A CN 201811462092 A CN201811462092 A CN 201811462092A CN 109462864 A CN109462864 A CN 109462864A
- Authority
- CN
- China
- Prior art keywords
- scene
- model
- 6ghz
- city
- macrocellular
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种5G通信典型场景信道模型自适应匹配方法,包括如下步骤:步骤A:设置5G信道模型库;步骤B:根据用户提供的基站和终端地形地物数据条件确定本次分析区域所属的典型5G应用环境类型;步骤C:根据链路所用频率是否超出6GHz选择典型区域下所适用的模型。本发明所公开的5G通信典型场景信道模型自适应匹配方法,利用现有5G通信信道模型,结合对5G通信典型场景的自适应匹配,给出更适用于分析场景的信道模型,可为5G通信系统的论证、设计、研发和测试全寿命周期提供支撑。
Description
技术领域
本发明属于5G信道模拟研究领域,特别涉及该领域中的一种5G通信典型场景信道模型自适应匹配方法。
背景技术
5G通信系统的发展离不开无线信道传播特性的研究,新的通信系统在被研究、采纳和应用之前,会先对描述无线信道的特征做出详细的分析与研究,因此5G信道模型的选择与5G无线通信系统标准的形成,无线网络的规划、优化和后期的业务开发都有着紧密的联系。
目前国内外机构、科研学者对5G信道模型进行了研究,通过大量试验、理论分析和测试统计,目前国际上已经形成了winner系列、IMT-Advanced和3GPP 3D-MIMO等低频段标准化GBSM模型,3GPP TR38.900等高频段模型。对于各类5G信道模型大多具有相应的计算方法描述,但不同信道模型所对应的典型场景、频段以及适用范围各不相同。
当前,这些模型的应用只有5G信道领域有经验的专业人员方能很好的完成确定场景和频段的信道模型选择,为满足5G移动通信系统的多应用场景信道模拟和测试要求,亟需建立一套方法实现适合典型场景、相应频段条件下信道模型的自适应匹配,提升方法的普适性。
发明内容
本发明所要解决的技术问题就是提供一种实用、有效的5G通信典型场景信道模型自适应匹配方法。
本发明采用如下技术方案:
一种5G通信典型场景信道模型自适应匹配方法,其改进之处在于,包括如下步骤:
步骤A:设置5G信道模型库,所述电波传播模型库存储的传播模型包括但不限于现有的3GPP TR 36.873模型、WINNER II模型、ITU-R M.2135模型和3GPP TR38.900模型,其具体步骤如下:
步骤A1:对适用于5G通信典型场景及频段的综合性信道模型进行分析;
其中3GPP TR 36.873模型为3D SCM模型,考虑的传播效应包括:路径损耗和信号衰落;WINNER II模型基于几何的随机信道建模方法,采用参数化的信道模型,对不同环境使用相同的建模方法;ITU-R M.2135模型基于WINNER II模型,考虑的传播效应包括:路径损耗、由于遮蔽和散射引起的缓慢变化以及由于多径效应引起的信号快速变化,3GPPTR38.900模型与3GPP TR 36.873模型、ITU-R M.2135模型均不一致,提供随载频变化的统一路径损耗和信道参数模型;
步骤A2:判断信道模型适用频率是否满足大于6GHz情况;
步骤A3:确定适用不同频段的综合性传播模型,若适用频率小于6GHz划分为6GHz以下信道模型,其余情况划分为6GHz以上信道模型;
根据分析的5G信道模型,低于6GHz频率的传播模型包括3GPP TR 36.873模型、WINNER II模型和ITU-R M.2135模型;高于6GHz频率的传播模型包括3GPP TR38.900模型;
步骤A4:根据综合性传播模型所覆盖的典型5G应用场景分别建立适用于不同5G通信典型场景的子信道模型;
具体的说,3GPP TR 36.873模型针对都市微蜂窝场景、都市宏蜂窝场景分别提供了3D-UMi、3D-UMa两种适用信道模型;
WINNER II模型针对都市宏蜂窝场景、恶劣的都市宏蜂窝场景、都市微蜂窝场景、恶劣的都市微蜂窝场景、郊区宏蜂窝场景、乡村宏蜂窝场景、现代开放办公室场景和室内热点场景分别提供了Winner_C2、Winner_C3、Winner_B1、Winner_B2、Winner_C1、Winner_D1、Winner_A1和Winner_B3适用信道模型;
ITU-R M.2135模型针对室内热点场景、都市微蜂窝场景、都市宏蜂窝场景、乡村宏蜂窝场景和郊区宏蜂窝场景中传播分别提供了IMT-Advanced–InH、IMT-Advanced–UMi、IMT-Advanced–UMa、IMT-Advanced–RMa和IMT-Advanced–SMa适用信道模型;
3GPP TR38.900模型针对都市宏蜂窝场景、都市微蜂窝场景、乡村宏蜂窝场景、现代开放办公室场景和室内热点场景中传播分别提供了3GPP UMa、3GPP UMi-streetcanyon、3GPP UMi-open square、3GPP RMa、3GPP Indoor-office和3GPP InH-Shoppingmall适用信道模型;
步骤B:根据用户提供的基站和终端地形地物数据条件确定本次分析区域所属的典型5G应用环境类型,所述的典型5G应用环境类型包括:室内热点场景、现代开放办公室场景、恶劣的都市微蜂窝场景、都市微蜂窝场景、都市宏蜂窝场景、恶劣的都市宏蜂窝场景、郊区宏蜂窝场景和乡村宏蜂窝场景,其具体步骤如下:
步骤B1:对基站以及终端所在位置周边的地形地物数据进行分析;
具体的说就是,根据用户提供的传播环境条件确定本次5G通信典型场景信道模型匹配需要的传播环境条件,所述传播环境条件至少包括:接入点和用户所在位置、楼宇高度、建筑物密集度、建筑布局结构及高度、基站和移动端天线高度、街道布局、用户端数量及移动速度;
步骤B2:判断是否满足室内场景:如接入点和用户都在室内,则判定为室内场景,否则判定为其它场景;
步骤B21:判断是否满足现代开放办公室场景;
根据地形地物数据分析结果,判定是否满足现代开放办公室场景,如接入点和用户都在室内,且场景类型属于格子式办公场景,则判定为现代开放办公室场景,否则判定为其它场景;
步骤B22:判断是否满足室内热点场景;
根据地形地物数据分析结果,判定是否满足室内热点场景,如接入点和用户都在室内,场景处于非常拥挤的环境,且建筑结构与办公室不同,则判定为室内热点场景;
步骤B3:判断是否满足都市场景:如接入点和用户都在室内,则判定为都市场景,否则判定为其它场景;
步骤B31:判断是否满足都市微蜂窝场景;
根据地形地物数据分析结果,判定是否满足都市微蜂窝场景,如基站和移动站的天线都在建筑物的高度以下,天线均位于室外,覆盖区的街道是大街,多数情况下街道上所有位置到基站是视距的,偶尔会有阻挡,同向的街道认为是平行的,与大街交叉的街道认为是垂直的,则判定为都市微蜂窝场景,否则判定为其它场景;
步骤B32:判断是否满足恶劣的都市微蜂窝场景;
根据地形地物数据分析结果,判定是否满足恶劣的都市微蜂窝场景,如多数分析结果环境与都市微蜂窝场景一致,但是在部分位置能够收到从远处物体传播的多径信号,有较长的延迟,则判定为恶劣的都市微蜂窝场景,否则判定为其它场景;
步骤B33:判断是否满足都市宏蜂窝场景;
根据地形地物数据分析结果,判定是否满足都市宏蜂窝场景,如移动站位于室外,典型的建筑物高度超过四层,基站高度高于环境建筑物高度,建筑物分布比较规则,大部分建筑物的高度和密度分布较为一致,则判定为都市宏蜂窝场景,否则判定为其它场景;
步骤B34:判断是否满足恶劣的都市宏蜂窝场景;
根据地形地物数据分析结果,判定是否满足恶劣的都市宏蜂窝场景,如建筑物的高度和密度的分布有非常明显的差异,基站的高度比屋顶平均高度高,覆盖区内可能有部分建筑物比基站高,较典型都市宏蜂窝有附加的远处散射杂波,时延和角度的传播色散,则判定为恶劣的都市宏蜂窝场景,否则判定为其它场景;
步骤B4:判断是否满足郊区场景:如环境较为开阔,街道不是规则的栅格,典型的建筑物为多层的公寓楼,基站高度远高于周围建筑物的平均高度,植被不够茂密,则判定为郊区宏蜂窝场景,否则判定为其它场景;
步骤B5:判断是否满足乡村场景:如半径可到10km范围内建筑物密度很低,基站天线比建筑物的平均高度要高,移动站的运动速度为0到350km/h,则判定为乡村宏蜂窝场景,否则判定为自定义场景;
步骤C:根据链路所用频率是否超出6GHz选择典型区域下所适用的模型;
具体的说就是,根据本次典型场景分析结果,并判断所用频率是否超过6GHz,进而从5G信道模型库选择该频段下适用于当前典型场景的子模型;
步骤C1:都市宏蜂窝场景模型选择;
具体的说,在都市宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用D-UMa模型、IMT-Advanced–UMa模型、Winner_C2模型;高于6GHz可选用3GPP UMa模型;
步骤C2:恶劣的都市宏蜂窝场景模型选择;
具体的说,在恶劣的都市宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用Winner_C3模型;高于6GHz可采用实测的方法进行分析;
步骤C3:都市微蜂窝场景模型选择;
具体的说,在都市微蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用3D-UMi模型、IMT-Advanced–UMi模型、Winner_B1模型;高于6GHz可选用3GPP UMi–Street canyon模型、3GPP UMi-open square模型;
步骤C4:恶劣的都市微蜂窝场景模型选择;
具体的说,在恶劣的都市微蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用Winner_B2模型;高于6GHz可采用实测的方法进行分析;
步骤C5:郊区宏蜂窝场景模型选择;
具体的说,在郊区宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用IMT-Advanced–SMa模型、Winner_C1模型;高于6GHz可采用实测的方法进行分析;
步骤C6:乡村宏蜂窝场景模型选择;
具体的说,在乡村宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用IMT-Advanced–RMa模型、Winner_D1模型;高于6GHz可选用3GPP RMa模型;
步骤C7:现代开放办公室场景模型选择;
具体的说,在现代开放办公室场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用Winner_A1模型;高于6GHz可选用3GPP Indoor–office模型;
步骤C8:室内热点场景模型选择;
具体的说,在室内热点场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用IMT-Advanced–InH模型、Winner_B3模型;高于6GHz可选用3GPP InH-Shopping mall模型。
本发明的有益效果是:
本发明所公开的5G通信典型场景信道模型自适应匹配方法,利用现有5G通信信道模型,结合对5G通信典型场景的自适应匹配,给出更适用于分析场景的信道模型,可为5G通信系统的论证、设计、研发和测试全寿命周期提供支撑。
本发明所公开的5G通信典型场景信道模型自适应匹配方法,通过对国际上现有的方法进行了综合性的分析利用,能够适应不同5G典型传播场景、不同传播频段,从而提高了信道模拟的机器自适应匹配及计算结果的准确性,提升方法的普适性。
附图说明
图1是本发明实施例1所公开方法的流程示意图;
图2是本发明实施例1所公开方法步骤A中设置5G信道模型库的流程示意图;
图3是本发明实施例1所公开方法步骤B中确定分析区域所属类型的流程示意图。
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,以下结合附图和实施例,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仅用以解释本发明,并不用于限定本发明。
5G信道模型自适应匹配主要基于现有综合性信道模型,通过典型场景和频段的选择,完成各种应用场景下所需无线信道特性的模拟,为5G通信系统论证、设计、研发和测试全寿命周期提供保障。为更好的服务于5G通信系统,急需开展三类工作:一是对现有的模型的特点进行梳理和分析,确定信道模型的应用场景;二是5G移动通信系统典型场景较多,可用频段较宽,无法做到模型的具体化、专用化;三是结合实际场景及频段去选择、匹配适用的信道模型,提高5G通信系统论证设计的准确度。
5G信道模型的研究是目前5G通信系统的研究重点,但与典型场景及频段的适用性的结合进行模型的自适应匹配研究,还未见公开记载,也未见此方面的专利公布。
基于5G通信系统规划、设计、分析需求和目前的研究现状,本实施例将各种类型的信道模型有机结合在一起,提出一种实用、有效的5G通信典型场景信道模型自适应匹配方法。
实施例1,如图1所示,本实施例公开了一种5G通信典型场景信道模型自适应匹配方法,具体可以包括如下步骤:
步骤A:设置5G信道模型库,其流程如图2所示,所述电波传播模型库存储有现有的3GPP TR 36.873模型、WINNER II模型、ITU-R M.2135模型、3GPP TR38.900模型等不同传播模型,其具体步骤如下:
步骤A1:对适用于5G通信典型场景及频段的综合性信道模型进行分析;
根据已知的5G信道模型进行分析,主要包括3GPP TR 36.873模型、WINNER II模型、ITU-R M.2135模型、3GPP TR38.900模型等4类典型信道模型。
其中3GPP TR 36.873模型为3D SCM模型,考虑的传播效应主要包括:路径损耗和信号衰落;WINNER II模型基于几何的随机信道建模方法,采用参数化的信道模型,对不同环境使用相同的建模方法;ITU-R M.2135模型基于WINNER II模型,考虑的传播效应主要包括:路径损耗、由于遮蔽和散射引起的缓慢变化以及由于多径效应引起的信号快速变化,3GPP TR38.900模型与3GPP TR 36.873、ITU-R M.2135等均不一致,主要提供了随载频变化的统一路径损耗和信道参数模型。
步骤A2:判断信道模型适用频率是否满足大于6GHz情况;
步骤A3:确定适用不同频段的综合性传播模型,若适用频率小于6GHz划分为6GHz以下信道模型,其余情况划分为6GHz以上信道模型;
根据分析的5G信道模型,低于6GHz频率的传播模型主要包括3GPP TR 36.873信道模型、WINNER II信道模型、ITU-R M.2135信道模型;高于6GHz频率的传播模型,包括3GPPTR38.900信道模型。
步骤A4:根据综合性传播模型所覆盖的典型5G应用场景分别建立适用于不同5G通信典型场景的子信道模型。
具体的说,3GPP TR 36.873模型针对都市微蜂窝场景、都市宏蜂窝场景分别提供了3D-UMi、3D-UMa两种适用信道模型。
WINNER II信道模型针对都市宏蜂窝场景、恶劣的都市宏蜂窝场景、都市微蜂窝场景、恶劣的都市微蜂窝场景、郊区宏蜂窝场景、乡村宏蜂窝场景、现代开放办公室场景、室内热点场景等场景分别提供了Winner_C2、Winner_C3、Winner_B1、Winner_B2、Winner_C1、Winner_D1、Winner_A1、Winner_B3等适用信道模型。
ITU-R M.2135模型针对室内热点场景、都市微蜂窝场景、都市宏蜂窝场景、乡村宏蜂窝场景、郊区宏蜂窝场景等5类场景中传播分别提供了IMT-Advanced–InH、IMT-Advanced–UMi、IMT-Advanced–UMa、IMT-Advanced–RMa、IMT-Advanced–SMa等5类典型场景适用信道模型。
3GPP TR38.900模型针对都市宏蜂窝场景、都市微蜂窝场景、乡村宏蜂窝场景、现代开放办公室场景、室内热点场景中传播分别提供了3GPP UMa、3GPP UMi-street canyon、3GPP UMi-open square、3GPP RMa、3GPP Indoor-office、3GPP InH-Shopping mall等6类典型场景适用信道模型。
步骤B:根据用户提供的基站和终端地形地物数据等条件确定本次分析区域所属的典型5G应用环境类型,其流程如图3所示,主要包括:室内热点场景、现代开放办公室场景、恶劣的都市微蜂窝场景、都市微蜂窝场景、都市宏蜂窝场景、恶劣的都市宏蜂窝场景、郊区宏蜂窝场景、乡村宏蜂窝场景等共8类典型场景,其具体步骤如下:
步骤B1:对基站以及终端所在位置周边的地形地物数据进行分析;
具体的说就是,根据用户提供的传播环境条件确定本次5G通信典型场景信道模型匹配需要的传播环境条件,所述传播环境条件至少包括:接入点和用户所在位置、楼宇高度、建筑物密集度、建筑布局结构及高度、基站和移动端天线高度、街道布局、用户端数量及移动速度等。
步骤B2:判断是否满足室内场景;
根据地形地物数据分析结果,判定是否满足室内场景,如接入点和用户都在室内,则判定为室内场景,否则判定为其它场景。
步骤B21:判断是否满足现代开放办公室场景;
根据地形地物数据分析结果,判定是否满足现代开放办公室场景,如接入点和用户都在室内,且场景类型属于格子式办公场景,则判定为现代开放办公室场景,否则判定为其它场景。
步骤B22:判断是否满足室内热点场景;
根据地形地物数据分析结果,判定是否满足室内热点场景,如接入点和用户都在室内,场景处于非常拥挤的环境,且建筑结构与办公室不同,则判定为室内热点场景。
步骤B3:判断是否满足都市场景;
根据地形地物数据分析结果,判定是否满足都市场景,如接入点和用户都在室内,则判定为都市场景,否则判定为其它场景。
步骤B31:判断是否满足都市微蜂窝场景;
根据地形地物数据分析结果,判定是否满足都市微蜂窝场景,如基站和移动站的天线都在建筑物的高度以下,天线均位于室外,覆盖区的街道是大街,多数情况下街道上所有位置到基站是视距的,偶尔会有阻挡,场景类型属于格子式办公场景,同向的街道认为是平行的,与大街交叉的街道认为是垂直的,则判定为都市微蜂窝场景,否则判定为其它场景。
步骤B32:判断是否满足恶劣的都市微蜂窝场景;
根据地形地物数据分析结果,判定是否满足恶劣的都市微蜂窝场景,如多数分析结果环境与都市微蜂窝场景一致,但是在部分位置能够收到从远处物体传播的多径信号,有较长的延迟,则判定为恶劣的都市微蜂窝场景,否则判定为其它场景。
步骤B33:判断是否满足都市宏蜂窝场景;
根据地形地物数据分析结果,判定是否满足都市宏蜂窝场景,如移动站位于室外,典型的建筑物高度超过四层,基站高度高于环境建筑物高度,建筑物分布比较规则,大部分建筑物的高度和密度分布较为一致,则判定为都市宏蜂窝场景,否则判定为其它场景。
步骤B34:判断是否满足恶劣的都市宏蜂窝场景;
根据地形地物数据分析结果,判定是否满足恶劣的都市宏蜂窝场景,如建筑物的高度和密度的分布有非常明显的差异,基站的高度比屋顶平均高度高,覆盖区内可能有部分建筑物比基站高,较典型都市宏蜂窝有附加的远处散射杂波,时延和角度的传播色散,则判定为恶劣的都市宏蜂窝场景,否则判定为其它场景。
步骤B4:判断是否满足郊区场景;
根据地形地物数据分析结果,判定是否满足郊区场景,如环境较为开阔,街道不是规则的栅格,典型的建筑物为多层的公寓楼,基站高度远高于周围建筑物的平均高度,植被不够茂密,则判定为郊区宏蜂窝场景,否则判定为其它场景。
步骤B5:判断是否满足乡村场景。
根据地形地物数据分析结果,判定是否满足乡村场景,如半径可到10km范围内建筑物密度很低,基站天线比建筑物的平均高度要高,移动站的运动速度为0到350km/h,则判定为乡村宏蜂窝场景,否则判定为自定义场景。
步骤C:根据链路所用频率是否超出6GHz选择典型区域下所适用的模型。
具体的说就是,根据本次典型场景分析结果,并判断所用频率是否超过6GHz,进而从5G信道模型库选择该频段下适用于当前典型场景的子模型。
步骤C1:都市宏蜂窝场景模型选择;
具体的说,在都市宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同种方法:小于6GHz可选用3D-UMa模型、IMT-Advanced–UMa模型、Winner_C2模型;高于6GHz可选用3GPP UMa模型。
步骤C2:恶劣的都市宏蜂窝场景模型选择;
具体的说,在恶劣的都市宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同种方法:小于6GHz可选用Winner_C3模型;高于6GHz可采用实测的方法进行分析。
步骤C3:都市微蜂窝场景模型选择;
具体的说,在都市微蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同种方法:小于6GHz可选用3D-UMi模型、IMT-Advanced–UMi模型、Winner_B1模型;高于6GHz可选用3GPP UMi–Street canyon模型、3GPP UMi-open square模型。
步骤C4:恶劣的都市微蜂窝场景模型选择;
具体的说,在恶劣的都市微蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同种方法:小于6GHz可选用Winner_B2模型;高于6GHz可采用实测的方法进行分析。
步骤C5:郊区宏蜂窝场景模型选择;
具体的说,在郊区宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同种方法:小于6GHz可选用IMT-Advanced–SMa模型、Winner_C1模型;高于6GHz可采用实测的方法进行分析。
步骤C6:乡村宏蜂窝场景模型选择;
具体的说,在乡村宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同种方法:小于6GHz可选用IMT-Advanced–RMa模型、Winner_D1模型;高于6GHz可选用3GPP RMa模型。
步骤C7:现代开放办公室场景模型选择;
具体的说,在现代开放办公室场景下,根据所用频率是否高于6GHz,分别采用不同种方法:小于6GHz可选用Winner_A1模型;高于6GHz可选用3GPP Indoor–office模型。
步骤C8:室内热点场景模型选择;
具体的说,在室内热点场景下,根据所用频率是否高于6GHz,分别采用不同种方法:小于6GHz可选用IMT-Advanced–InH模型、Winner_B3模型;高于6GHz可选用3GPP InH-Shopping mall模型。
综上所述,本实施例提供了一种5G通信典型场景信道模型自适应匹配方法。本实施例的最大优势在于能够满足未来5G通信系统发展需求,而且方法具有高效性和易用性,对国际上现有的方法进行了综合性的分析利用,能够适应不同5G典型传播场景、不同传播频段,具有很强的灵活性,从而提高了信道模拟的机器自适应匹配及计算结果的准确性。经过试验的验证,本实施例所公开的方法可以很好的改善各种条件下的5G信道模型匹配的准确率和效率。
Claims (1)
1.一种5G通信典型场景信道模型自适应匹配方法,其特征在于,包括如下步骤:
步骤A:设置5G信道模型库,所述电波传播模型库存储的传播模型包括但不限于现有的3GPP TR 36.873模型、WINNER II模型、ITU-R M.2135模型和3GPP TR38.900模型,其具体步骤如下:
步骤A1:对适用于5G通信典型场景及频段的综合性信道模型进行分析;
其中3GPP TR 36.873模型为3D SCM模型,考虑的传播效应包括:路径损耗和信号衰落;WINNER II模型基于几何的随机信道建模方法,采用参数化的信道模型,对不同环境使用相同的建模方法;ITU-R M.2135模型基于WINNER II模型,考虑的传播效应包括:路径损耗、由于遮蔽和散射引起的缓慢变化以及由于多径效应引起的信号快速变化;3GPP TR38.900模型与3GPP TR 36.873模型、ITU-R M.2135模型均不一致,提供随载频变化的统一路径损耗和信道参数模型;
步骤A2:判断信道模型适用频率是否满足大于6GHz情况;
步骤A3:确定适用不同频段的综合性传播模型,若适用频率小于6GHz划分为6GHz以下信道模型,其余情况划分为6GHz以上信道模型;
根据分析的5G信道模型,低于6GHz频率的传播模型包括3GPP TR 36.873模型、WINNERII模型和ITU-R M.2135模型;高于6GHz频率的传播模型包括3GPP TR38.900模型;
步骤A4:根据综合性传播模型所覆盖的典型5G应用场景分别建立适用于不同5G通信典型场景的子信道模型;
具体的说,3GPP TR 36.873模型针对都市微蜂窝场景、都市宏蜂窝场景分别提供了3D-UMi、3D-UMa两种适用信道模型;
WINNER II模型针对都市宏蜂窝场景、恶劣的都市宏蜂窝场景、都市微蜂窝场景、恶劣的都市微蜂窝场景、郊区宏蜂窝场景、乡村宏蜂窝场景、现代开放办公室场景和室内热点场景分别提供了Winner_C2、Winner_C3、Winner_B1、Winner_B2、Winner_C1、Winner_D1、Winner_A1和Winner_B3适用信道模型;
ITU-R M.2135模型针对室内热点场景、都市微蜂窝场景、都市宏蜂窝场景、乡村宏蜂窝场景和郊区宏蜂窝场景中传播分别提供了IMT-Advanced–InH、IMT-Advanced–UMi、IMT-Advanced–UMa、IMT-Advanced–RMa和IMT-Advanced–SMa适用信道模型;
3GPP TR38.900模型针对都市宏蜂窝场景、都市微蜂窝场景、乡村宏蜂窝场景、现代开放办公室场景和室内热点场景中传播分别提供了3GPP UMa、3GPP UMi-street canyon、3GPP UMi-open square、3GPP RMa、3GPP Indoor-office和3GPP InH-Shopping mall适用信道模型;
步骤B:根据用户提供的基站和终端地形地物数据条件确定本次分析区域所属的典型5G应用环境类型,所述的典型5G应用环境类型包括:室内热点场景、现代开放办公室场景、恶劣的都市微蜂窝场景、都市微蜂窝场景、都市宏蜂窝场景、恶劣的都市宏蜂窝场景、郊区宏蜂窝场景和乡村宏蜂窝场景,其具体步骤如下:
步骤B1:对基站以及终端所在位置周边的地形地物数据进行分析;
具体的说就是,根据用户提供的传播环境条件确定本次5G通信典型场景信道模型匹配需要的传播环境条件,所述传播环境条件至少包括:接入点和用户所在位置、楼宇高度、建筑物密集度、建筑布局结构及高度、基站和移动端天线高度、街道布局、用户端数量及移动速度;
步骤B2:判断是否满足室内场景:如接入点和用户都在室内,则判定为室内场景,否则判定为其它场景;
步骤B21:判断是否满足现代开放办公室场景;
根据地形地物数据分析结果,判定是否满足现代开放办公室场景,如接入点和用户都在室内,且场景类型属于格子式办公场景,则判定为现代开放办公室场景,否则判定为其它场景;
步骤B22:判断是否满足室内热点场景;
根据地形地物数据分析结果,判定是否满足室内热点场景,如接入点和用户都在室内,场景处于非常拥挤的环境,且建筑结构与办公室不同,则判定为室内热点场景;
步骤B3:判断是否满足都市场景:如接入点和用户都在室内,则判定为都市场景,否则判定为其它场景;
步骤B31:判断是否满足都市微蜂窝场景;
根据地形地物数据分析结果,判定是否满足都市微蜂窝场景,如基站和移动站的天线都在建筑物的高度以下,天线均位于室外,覆盖区的街道是大街,多数情况下街道上所有位置到基站是视距的,偶尔会有阻挡,同向的街道认为是平行的,与大街交叉的街道认为是垂直的,则判定为都市微蜂窝场景,否则判定为其它场景;
步骤B32:判断是否满足恶劣的都市微蜂窝场景;
根据地形地物数据分析结果,判定是否满足恶劣的都市微蜂窝场景,如多数分析结果环境与都市微蜂窝场景一致,但是在部分位置能够收到从远处物体传播的多径信号,有较长的延迟,则判定为恶劣的都市微蜂窝场景,否则判定为其它场景;
步骤B33:判断是否满足都市宏蜂窝场景;
根据地形地物数据分析结果,判定是否满足都市宏蜂窝场景,如移动站位于室外,典型的建筑物高度超过四层,基站高度高于环境建筑物高度,建筑物分布比较规则,大部分建筑物的高度和密度分布较为一致,则判定为都市宏蜂窝场景,否则判定为其它场景;
步骤B34:判断是否满足恶劣的都市宏蜂窝场景;
根据地形地物数据分析结果,判定是否满足恶劣的都市宏蜂窝场景,如建筑物的高度和密度的分布有非常明显的差异,基站的高度比屋顶平均高度高,覆盖区内可能有部分建筑物比基站高,较典型都市宏蜂窝有附加的远处散射杂波,时延和角度的传播色散,则判定为恶劣的都市宏蜂窝场景,否则判定为其它场景;
步骤B4:判断是否满足郊区场景:如环境较为开阔,街道不是规则的栅格,典型的建筑物为多层的公寓楼,基站高度远高于周围建筑物的平均高度,植被不够茂密,则判定为郊区宏蜂窝场景,否则判定为其它场景;
步骤B5:判断是否满足乡村场景:如半径可到10km范围内建筑物密度很低,基站天线比建筑物的平均高度要高,移动站的运动速度为0到350km/h,则判定为乡村宏蜂窝场景,否则判定为自定义场景;
步骤C:根据链路所用频率是否超出6GHz选择典型区域下所适用的模型;
具体的说就是,根据本次典型场景分析结果,并判断所用频率是否超过6GHz,进而从5G信道模型库选择该频段下适用于当前典型场景的子模型;
步骤C1:都市宏蜂窝场景模型选择;
具体的说,在都市宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用3D-UMa模型、IMT-Advanced–UMa模型、Winner_C2模型;高于6GHz可选用3GPPUMa模型;
步骤C2:恶劣的都市宏蜂窝场景模型选择;
具体的说,在恶劣的都市宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用Winner_C3模型;高于6GHz可采用实测的方法进行分析;
步骤C3:都市微蜂窝场景模型选择;
具体的说,在都市微蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用3D-UMi模型、IMT-Advanced–UMi模型、Winner_B1模型;高于6GHz可选用3GPPUMi–Street canyon模型、3GPP UMi-open square模型;
步骤C4:恶劣的都市微蜂窝场景模型选择;
具体的说,在恶劣的都市微蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用Winner_B2模型;高于6GHz可采用实测的方法进行分析;
步骤C5:郊区宏蜂窝场景模型选择;
具体的说,在郊区宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用IMT-Advanced–SMa模型、Winner_C1模型;高于6GHz可采用实测的方法进行分析;
步骤C6:乡村宏蜂窝场景模型选择;
具体的说,在乡村宏蜂窝场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用IMT-Advanced–RMa模型、Winner_D1模型;高于6GHz可选用3GPP RMa模型;
步骤C7:现代开放办公室场景模型选择;
具体的说,在现代开放办公室场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用Winner_A1模型;高于6GHz可选用3GPP Indoor–office模型;
步骤C8:室内热点场景模型选择;
具体的说,在室内热点场景下,根据所用频率是否高于6GHz,分别采用不同方法:小于6GHz可选用IMT-Advanced–InH模型、Winner_B3模型;高于6GHz可选用3GPP InH-Shoppingmall模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811462092.XA CN109462864B (zh) | 2018-12-03 | 2018-12-03 | 一种5g通信典型场景信道模型自适应匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811462092.XA CN109462864B (zh) | 2018-12-03 | 2018-12-03 | 一种5g通信典型场景信道模型自适应匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109462864A true CN109462864A (zh) | 2019-03-12 |
CN109462864B CN109462864B (zh) | 2021-12-24 |
Family
ID=65612239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811462092.XA Active CN109462864B (zh) | 2018-12-03 | 2018-12-03 | 一种5g通信典型场景信道模型自适应匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109462864B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110662225A (zh) * | 2019-09-17 | 2020-01-07 | 中国联合网络通信集团有限公司 | 一种设备选型方法和装置 |
CN110972152A (zh) * | 2019-12-18 | 2020-04-07 | 武汉大学 | 一种考虑信号阻隔效应的城市空间5g基站选址优化方法 |
CN114268397A (zh) * | 2021-12-09 | 2022-04-01 | 重庆邮电大学 | 一种基于山地地形的无人机空对空信道建模方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090238297A1 (en) * | 2008-03-07 | 2009-09-24 | Fujitsu Limited | Method For Selecting Subchannel Mode And MIMO Communication System Using The Same |
US20100081426A1 (en) * | 2007-01-10 | 2010-04-01 | Telefonaktiebolaget L M Ericsson (Publ) | Method for Classifying Radio Channels |
CN102223192A (zh) * | 2011-06-15 | 2011-10-19 | 北京交通大学 | 一种高速铁路复合小尺度无线信道模型构建的方法和装置 |
CN104618045A (zh) * | 2015-01-27 | 2015-05-13 | 北京交通大学 | 基于采集数据的无线信道传播模型的建立方法和系统 |
CN106126807A (zh) * | 2016-06-22 | 2016-11-16 | 北京邮电大学 | 一种基于大数据挖掘的无线信道建模方法 |
CN106547915A (zh) * | 2016-11-29 | 2017-03-29 | 上海轻维软件有限公司 | 基于模型库的智能数据提取方法 |
-
2018
- 2018-12-03 CN CN201811462092.XA patent/CN109462864B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100081426A1 (en) * | 2007-01-10 | 2010-04-01 | Telefonaktiebolaget L M Ericsson (Publ) | Method for Classifying Radio Channels |
US20090238297A1 (en) * | 2008-03-07 | 2009-09-24 | Fujitsu Limited | Method For Selecting Subchannel Mode And MIMO Communication System Using The Same |
CN102223192A (zh) * | 2011-06-15 | 2011-10-19 | 北京交通大学 | 一种高速铁路复合小尺度无线信道模型构建的方法和装置 |
CN104618045A (zh) * | 2015-01-27 | 2015-05-13 | 北京交通大学 | 基于采集数据的无线信道传播模型的建立方法和系统 |
CN106126807A (zh) * | 2016-06-22 | 2016-11-16 | 北京邮电大学 | 一种基于大数据挖掘的无线信道建模方法 |
CN106547915A (zh) * | 2016-11-29 | 2017-03-29 | 上海轻维软件有限公司 | 基于模型库的智能数据提取方法 |
Non-Patent Citations (6)
Title |
---|
3GPP: "Study on 3D channel model for LTE", 《3GPP TR 36.873 V12.7.0》 * |
3GPP: "Study on channel model for frequency spectrum above 6 GHz", 《3GPP TR 38.900 V15.0.0》 * |
MUSTAFA RIZA AKDENIZ: "millimeter wave channel modeling and cellularcapacity evaluation", 《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》 * |
孙刚: "无线传播信道模型库的研究与建立", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
张沛泽: "5G毫米波信道测量和建模技术研究", 《移动通信》 * |
杨光等: "5G移动通信系统的传播模型研究", 《移动通信》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110662225A (zh) * | 2019-09-17 | 2020-01-07 | 中国联合网络通信集团有限公司 | 一种设备选型方法和装置 |
CN110662225B (zh) * | 2019-09-17 | 2022-04-08 | 中国联合网络通信集团有限公司 | 一种设备选型方法和装置 |
CN110972152A (zh) * | 2019-12-18 | 2020-04-07 | 武汉大学 | 一种考虑信号阻隔效应的城市空间5g基站选址优化方法 |
CN114268397A (zh) * | 2021-12-09 | 2022-04-01 | 重庆邮电大学 | 一种基于山地地形的无人机空对空信道建模方法 |
CN114268397B (zh) * | 2021-12-09 | 2023-06-20 | 重庆邮电大学 | 一种基于山地地形的无人机空对空信道建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109462864B (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3213432A1 (en) | Method for predicting indoor three-dimensional space signal field strength using an outdoor-to-indoor propagation model | |
Degli-Esposti et al. | Speed-up techniques for ray tracing field prediction models | |
CN102036254B (zh) | 一种有关网络的快速自动邻区规划方法 | |
CN109462864A (zh) | 一种5g通信典型场景信道模型自适应匹配方法 | |
JP5120786B2 (ja) | 電波伝搬特性推定システム及びその方法並びにプログラム | |
CN105451244B (zh) | 一种小型基站协作的覆盖概率估计方法 | |
CN106125038B (zh) | 基于边缘计算和贝叶斯后验概率模型的室内无线定位方法 | |
CN102045734A (zh) | 一种基于自动场景分析的td-scdma系统参数方法 | |
CN108989986A (zh) | 基于迭代分割空间法的Wi-Fi室内定位方法 | |
CN111133785B (zh) | 用于无线通信系统中进行网络设计的分析方法和设备 | |
Russell et al. | A deterministic approach to predicting microwave diffraction by buildings for microcellular systems | |
CN102970748B (zh) | 无线人员区域定位方法 | |
CN103179583A (zh) | 一种网络仿真方法以及装置 | |
CN101998421A (zh) | 一种实现室内综合覆盖的室外天线放置方法 | |
Ullah et al. | Outdoor-to-indoor and indoor-to-indoor propagation path loss modeling using smart 3D ray tracing algorithm at 28 GHz mmWave | |
US8358305B2 (en) | Method for 3D preprocessing for ray tracing | |
CN105652236A (zh) | 一种基于ZigBee技术的商场室内无线定位方法和系统 | |
Yang et al. | AI-enabled data-driven channel modeling for future communications | |
Strzoda et al. | How Accurate is LoRa Positioning in Realistic Conditions? | |
CN102638807B (zh) | 一种下行干扰确定方法及装置 | |
CN108650682A (zh) | 一种5g超密集无线网络的基站布设装置及其方法 | |
Korkalainen et al. | A survey of RF-propagation simulation tools for wireless sensor networks | |
Rose et al. | The Urban Hannover Scenario-Realistic 3D Pathloss Predictions and Mobility Patterns | |
US11323891B2 (en) | Evaluating the wireless performance of a building | |
CN101374026B (zh) | 一种确定小区覆盖半径的方法及装置 |
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 |