CN112383370B - 一种卫星时变信道的建模仿真方法及系统 - Google Patents
一种卫星时变信道的建模仿真方法及系统 Download PDFInfo
- Publication number
- CN112383370B CN112383370B CN202011190771.3A CN202011190771A CN112383370B CN 112383370 B CN112383370 B CN 112383370B CN 202011190771 A CN202011190771 A CN 202011190771A CN 112383370 B CN112383370 B CN 112383370B
- Authority
- CN
- China
- Prior art keywords
- model
- distribution
- channel
- rainfall
- attenuation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000004088 simulation Methods 0.000 title claims abstract description 37
- 238000009826 distribution Methods 0.000 claims abstract description 87
- 230000008569 process Effects 0.000 claims abstract description 42
- 238000012546 transfer Methods 0.000 claims abstract description 39
- 238000005562 fading Methods 0.000 claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims abstract description 27
- 238000010295 mobile communication Methods 0.000 claims abstract description 13
- 230000007774 longterm Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 150000001875 compounds Chemical class 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 14
- 230000007704 transition Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000013179 statistical model Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000009827 uniform distribution Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000005309 stochastic process Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- 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
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3913—Predictive models, e.g. based on neural network models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1853—Satellite systems for providing telephony service to a mobile station, i.e. mobile satellite service
- H04B7/18532—Arrangements for managing transmission, i.e. for transporting data or a signalling message
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1853—Satellite systems for providing telephony service to a mobile station, i.e. mobile satellite service
- H04B7/18545—Arrangements for managing station mobility, i.e. for station registration or localisation
- H04B7/18547—Arrangements for managing station mobility, i.e. for station registration or localisation for geolocalisation of a station
- H04B7/1855—Arrangements for managing station mobility, i.e. for station registration or localisation for geolocalisation of a station using a telephonic control signal, e.g. propagation delay variation, Doppler frequency variation, power variation, beam identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Radio Relay Systems (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明提出了一种卫星时变信道的建模仿真方法及系统，通过雨衰模块和Loo模块的结合分别作为markov的转移状态仿真出考虑天气状态变化的时变卫星信道仿真系统。而晴、阴模块采用Loo模型，根据晴、阴时的具体情况，通过调整服从多普勒频谱的瑞利分布和服从多普勒频谱的lognormal分布的接收功率实现晴天和阴天的仿真。雨衰建模时，通过ITU‑R模型计算得到的长期雨衰数据拟合出随机过程的统计参数，代入对数高斯分布模型，从而得到雨衰值随时间变化的序列。由于ITU‑R模型可以计算工作频段在55Ghz以下的雨衰值，因此该系统可仿真的频率范围广泛。本发明考虑传输过程中的多径时延、多普勒频偏、阴影衰落等因素，准确描述了卫星移动通信信道在不同天气状态下的传输特性。
Description
技术领域
本发明涉及一种卫星时变信道的建模仿真方法及系统，涉及通信领域。
背景技术
随着科技的发展与进步，无线通信在当代移动通信领域发挥着越来越重要的作用，卫星移动通信凭借其自身的优点逐渐普及。对卫星移动通信更大需求使得对其传播质量和传递内容准确度的要求越来越高，由于卫星与地面的通信时传播距离通常很长，为了保证通信质量，必须清楚在传播过程中发生的通信信号衰落特性，以对被损耗的信号进行修正，降低误码率。为了了解并分析通信信号衰落特性，掌握信道对信号传输的影响因素，许多技术人员建立了很多卫星信道的分析模型及仿真模型。
在不同的天气状态下，信号在卫星信道传播时会出现不同程度的衰落。单一状态无法充分体现在地面天气状态不断变化时对卫星信道传播特性的影响。
发明内容
发明目的：一个目的是提出一种卫星时变信道的建模仿真方法，该方法在基于马尔可夫链实现天气状态转换的基础上，对晴天、阴天和雨天的天气状态分别进行建模，同时考虑了传输过程中的多径时延、多普勒频偏、阴影衰落等因素，准确描述了卫星移动通信信道在不同天气状态下的传输特性，从而有效解决现有技术存在的上述问题。进一步目的是提出一种实现上述方法的系统。
技术方案：一种卫星时变信道的建模仿真方法，包括以下步骤：
步骤1、根据最大多普勒频移生成服从给定多普勒谱的低通滤波器，对高斯白噪声滤波生成有色高斯随机过程；
步骤2、根据阴影衰落的统计参数，生成对数高斯分布；
步骤3、根据最大多普勒频移通过复正弦波的合成产生瑞利分布；
步骤4、构建Loo模型和雨衰模块仿真出考虑天气状态变化的时变卫星信道仿真系统，生成转移状态控制模块。
在进一步的实施例中，为了更准确的反映卫星信道情况，需要采用一种可靠的数值计算方法来生成有色高斯随机过程，使其具有更好的性能，将计算机生成的高斯白噪声随机过程
通过线性时不变多普勒滤波器，所述滤波器的传递函数为：
式中，N为滤波器IFFT点数，
为最大多普勒频移，滤波后的高斯随机过程在频域符合多普勒频移，由此得到有色高斯噪声随机过程，
表示滤波器传递函数，
为第i个IFFT点数对应的多普勒频移。
在进一步的实施例中，所述步骤2中对数高斯分布的概率密度表达式如下：
式中，，
表示服从对数高斯分布的接收信号直射分量幅度，u表示对数高斯分布ln
的均值，
表示对数高斯分布ln
的方差；
根据对数高斯分布的概率密度表达式，将按照给定多普勒频谱产生的有色高斯噪声随机过程乘以表达式中ln
的方差
再加上表达式中ln
的均值u，再对得到的结果取e指数，完成对数高斯分布的实现。
在进一步的实施例中，所述步骤3进一步包括：
步骤3-1、构建瑞利分布的概率密度表达式：
式中，
表示服从瑞利分布的接收信号多径分量幅度，
表示多径分量的平均散射功率；
步骤3-2、在卫星信道建模时，除了考虑多径效应，还需考虑多普勒产生的频偏。具体实现时，通过对复正弦波的合成，产生服从给定多普勒谱的瑞利衰落信道，对正弦波进行加权以得到目的多普勒谱：预设到达接收体的所有散射分量为均匀到达的N个平面波，采用
个频率为
的复振荡器的输出求和，每个复振荡器对应不同的多普勒频移；
其中定义
，定义
为第n个平面波到达的角度，由于为均匀达到，取值为
，此时
的计算方法为
；
复振荡器求和的实部和虚部分别表示为：
其中，
为经过多普勒频移的第n个正弦信号的初始相位，
为经过最大多普勒频移
的正弦信号的初始相位，
，t为生成序列的采样时间索引；由于瑞利衰落的相位服从均匀分布，因此设置相位为：
式中，各符号含义同上。
在进一步的实施例中，所述步骤4进一步为：
步骤4-1、对于卫星移动通信而言，卫星和移动台之间大部分时间内存在直射分量，但此时的直射分量由于云层、森林等物体遮蔽产生阴影效应；在存在阴影效应的同时，由于接收体周围存在建筑物、人群，接收信号会发生反射、散射和绕射等多径效益，因此传统单一的统计模型无法更好的描述上述复杂因素。Loo模型通过对受阴影遮蔽的直射分量和不受阴影遮蔽的多径分量的仿真，可以真实地模拟卫星移动通信信道的复杂环境。Loo模型的概率密度函数为：
式中，
表示直射分量衰减，
表示直射分量的标准差，
表示多径分量的平均散射功率，r表示接收信号的包络；
为第一类零阶修正贝塞尔函数，z表示直射分量；
步骤4-2、由步骤4-1中的直射分量部分和多径分量部分共同构成Loo模型的信道冲击响应，表达式如下：
式中，
和
分别为直射分量的包络和相位，
和
分别为多径分量的包络和相位，直射分量和多径分量的相位均服从均匀分布；直射分量的包络受阴影衰落影响，服从对数高斯分布，多径分量的包络受多径效应的影响，服从瑞利分布；
步骤4-3、通过ITU-R模型计算得到的长期雨衰数据拟合出随机过程的统计参数，代入对数高斯分布模型，从而得到雨衰值随时间变化的序列；
步骤4-4、采用多状态Markov的方法，对实际变化的情况做仿真和预测，生成转移状态控制模块。
在进一步的实施例中，由于卫星工作频段一般在较高频段，由降雨产生的对传播电磁波的吸收和扩散从而导致的损耗会变得很严重，因此在高频段卫星信道建模时需要较为真实与准确地仿真出降雨对链路产生的传播损耗，即雨衰值。采用ITU-R雨衰预测模型对当地降雨分布模式和信号传播衰减进行理论上的分析与预测；步骤4-3中雨衰值计算具体为：
步骤4-3a、采用ITU-R雨衰预测模型对当地降雨分布模式和信号传播衰减进行理论上的分析与预测，计算出0.01%概率的年均降雨量下的雨衰值
：
式中，
表示有效路径长度，
表示单位衰减；
其中，
；
；
式中，
表示该地0.01%概率的年均单点降雨量，
、
为调节参数，根据频率取值，
表示水平缩减因子，
表示倾斜路径长度的水平投影，
表示垂直修正因子；
步骤4-3b、计算p%概率的年均降雨量下的雨衰值：
式中，各符合含义同上。
在进一步的实施例中，步骤4-3中生成雨衰情况下的随机过程进一步为：由于ITU-R雨衰模型只能给出某地长期的雨衰预测值，但在卫星通信信道建模过程中，需要模拟出较短时间内降雨导致的衰减，因此形成一个统计模型，以便更真实地仿真出某段时间内雨衰对信道传播的影响。降雨引起的损耗是慢衰落，概率服从对数高斯分布。通过最小二乘曲线拟合的方法，拟合数据采用由ITU-R雨衰模型预测出的若干个雨衰值，计算出仿真降雨统计模型所需要的统计参数；
上述都是对卫星通信信道某种单一状态仿真，然而在实际情况中，卫星一直处于高速移动中，随着卫星的移动，信号传播环境是不断变化的，从而信道状态也是处于频繁变化的状态。因此单一状态的建模不能完全反映实际情况中卫星与地面接收站之间的信号损耗情况。采用多状态Markov的方法，对实际变化的情况做仿真和预测。Markov采用状态转移矩阵：
其中
表示信道状态从i状态转移为j状态的概率；计算机根据状态转移矩阵生成信道状态转移序列，以状态转移序列为指示开关，控制卫星通信信道的状态转移情况。
本发明进一步提出一种卫星时变信道的建模仿真系统，包括用于根据最大多普勒频移生成服从给定多普勒谱的低通滤波器，对高斯白噪声滤波生成有色高斯随机过程的第一模块；用于根据阴影衰落的统计参数，生成对数高斯分布第二模块；用于根据最大多普勒频移通过复正弦波的合成产生瑞利分布第三模块；以及用于构建Loo模型和雨衰模块仿真出考虑天气状态变化的时变卫星信道仿真系统，生成转移状态控制模块的第四模块。
在进一步的实施例中，所述第一模块进一步将计算机生成的高斯白噪声随机过程
通过线性时不变多普勒滤波器，所述滤波器的传递函数为：
式中，N为滤波器IFFT点数，
为最大多普勒频移，滤波后的高斯随机过程在频域符合多普勒频移，由此得到有色高斯噪声随机过程，
表示滤波器传递函数，
为第i个IFFT点数对应的多普勒频移；
所述第二模块进一步根据对数高斯分布的概率密度表达式，将按照给定多普勒频谱产生的有色高斯噪声随机过程乘以表达式中lnr的方差
再加上表达式中lnr的均值u，再对得到的结果取e指数，完成对数高斯分布的实现；对数高斯分布的概率密度表达式如下：
式中，
表示服从对数高斯分布的接收信号直射分量幅度，u表示对数高斯分布ln
的均值，
表示对数高斯分布ln
的方差。
在进一步的实施例中，所述第三模块进一步用于构建瑞利分布的概率密度表达式：
式中，
表示服从瑞利分布的接收信号多径分量幅度，
表示多径分量的平均散射功率；
通过对复正弦波的合成，产生服从给定多普勒谱的瑞利衰落信道，对正弦波进行加权以得到目的多普勒谱：预设到达接收体的所有散射分量为均匀到达的N个平面波，采用
个频率为
的复振荡器的输出求和，每个复振荡器对应不同的多普勒频移；
其中定义
，定义
为第n个平面波到达的角度，由于为均匀达到，取值为
，此时
的计算方法为
；
复振荡器求和的实部和虚部分别表示为：
其中，
为经过多普勒频移的第n个正弦信号的初始相位，
为经过最大多普勒频移
的正弦信号的初始相位，
，t为生成序列的采样时间索引。由于瑞利衰落的相位服从均匀分布，因此设置相位为：
式中，各符号含义同上；
所述第四模块进一步用于构建Loo模型实现晴天和阴天的仿真，通过对受阴影遮蔽的直射分量和不受阴影遮蔽的多径分量的仿真，模拟卫星移动通信信道的复杂环境，其中所述Loo模型的概率密度函数为：
式中，
表示直射分量衰减，
表示直射分量的标准差，
表示多径分量的平均散射功率，r表示接收信号的包络；
为第一类零阶修正贝塞尔函数，z表示直射分量；
由直射分量部分和多径分量部分共同构成Loo模型的信道冲击响应，表达式如下：
式中，
和
分别为直射分量的包络和相位，
和
分别为多径分量的包络和相位，直射分量和多径分量的相位均服从均匀分布；直射分量的包络受阴影衰落影响，服从对数高斯分布，多径分量的包络受多径效应的影响，服从瑞利分布；
通过ITU-R模型计算得到的长期雨衰数据拟合出随机过程的统计参数，代入对数高斯分布模型，从而得到雨衰值随时间变化的序列；雨衰值计算具体为：
采用ITU-R雨衰预测模型对当地降雨分布模式和信号传播衰减进行理论上的分析与预测，计算出0.01%概率的年均降雨量下的雨衰值
：
式中，
表示有效路径长度，
表示单位衰减；
其中，
；
；
式中，
表示该地0.01%概率的年均单点降雨量，
、
为调节参数，根据频率取值，
表示水平缩减因子，
表示倾斜路径长度的水平投影，
表示垂直修正因子；
计算p%概率的年均降雨量下的雨衰值：
式中，各符合含义同上；
采用多状态Markov的方法，对实际变化的情况做仿真和预测，生成转移状态控制模块；生成雨衰情况下的随机过程为：通过最小二乘曲线拟合的方法，拟合数据采用由ITU-R雨衰模型预测出的若干个雨衰值，计算出仿真降雨统计模型所需要的统计参数；
其中Markov采用状态转移矩阵：
其中
表示信道状态从i状态转移为j状态的概率；计算机根据状态转移矩阵生成信道状态转移序列，以状态转移序列为指示开关，控制卫星通信信道的状态转移情况。
有益效果：本发明提出一种可以反映出信道晴、阴和雨气象状态变化的卫星信道建模方法，该方法在基于马尔可夫链实现天气状态转换的基础上，对晴天、阴天和雨天的天气状态分别进行建模，同时考虑了传输过程中的多径时延、多普勒频偏、阴影衰落等因素，准确描述了卫星移动通信信道在不同天气状态下的传输特性。
附图说明
图1是本发明的流程图。
图2是本发明中Loo模型仿真方法框图。
图3是本发明中雨衰模型仿真方法框图。
图4是本发明中多状态信道建模设计框图。
图5是本发明中Loo模型理论框图。
图6是本发明中仿真的Loo模型实际分布图。
图7是本发明中markov状态转移的某次仿真结果图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
申请人认为，在不同的天气状态下，信号在卫星信道传播时会出现不同程度的衰落。单一状态无法充分体现在地面天气状态不断变化时对卫星信道传播特性的影响。
为此，申请人提出一种可以反映出信道晴、阴和雨气象状态变化的卫星信道建模方法，该方法在基于马尔可夫链实现天气状态转换的基础上，对晴天、阴天和雨天的天气状态分别进行建模，同时考虑了传输过程中的多径时延、多普勒频偏、阴影衰落等因素，准确描述了卫星移动通信信道在不同天气状态下的传输特性。
卫星信道建模方法见图1，包括如下步骤：
步骤1、根据最大多普勒频移生成服从给定多普勒谱的低通滤波器，对高斯白噪声滤波生成有色高斯随机过程；
步骤2、根据阴影衰落的统计参数，生成对数高斯分布；
步骤3、根据最大多普勒频移通过复正弦波的合成产生瑞利分布；
步骤4、构建Loo模型和雨衰模块仿真出考虑天气状态变化的时变卫星信道仿真系统，生成转移状态控制模块。
作为一个优选方案，所述步骤S1中用低通滤波法产生有色高斯噪声随机过程具体步骤为：
为了更准确的反映卫星信道情况，需要采用一种可靠的数值计算方法来生成有色高斯随机过程，使其具有更好的性能。采用Clarke 模型法，FFT计算较为便捷。将计算机生成的高斯白噪声随机过程
通过线性时不变多普勒滤波器。多普勒滤波器的功率谱具有Jakes功率谱密度函数，也称为U型谱，这个滤波器的传递函数为：
其中N为滤波器IFFT点数，
为最大多普勒频移。滤波后的高斯随机过程在频域符合多普勒频移，由此得到有色高斯噪声随机过程。
进一步的，所述步骤S2中实现对数高斯分布具体为：
对数高斯分布的概率密度表达式
其中，
---服从对数高斯分布的接收信号直射分量幅度；
u ---对数高斯分布ln
的均值；
根据对数高斯分布的概率密度表达式，将按照给定多普勒频谱产生的有色高斯噪声随机过程乘以表达式中ln
的方差
再加上表达式中ln
的均值u，再对得到的结果取e指数，完成对数高斯分布的实现。
进一步的，所述步骤3中Jakes法实现基于给定多普勒谱的瑞利分布的具体方法为：
瑞利分布的概率密度表达式为
其中
---服从瑞利分布的接收信号多径多量幅度；
b0 ---多径分量的平均散射功率。
在卫星信道建模时，除了考虑多径效应，还需考虑多普勒产生的频偏。具体实现时，通过对复正弦波的合成，可以产生服从给定多普勒谱的瑞利衰落信道。为产生想要的多普勒谱，需要对正弦波进行加权。假设到达接收体的所有散射分量为均匀到达的N个平面波，采用
个频率为
的复振荡器的输出求和，每个复振荡器对应不同的多普勒频移。其中定义
，定义
为第n个平面波到达的角度，由于为均匀达到，取值为
，因此
的计算方法为
。复振荡器求和的实部和虚部可分别表示为
其中，
为经过多普勒频移的第n个正弦信号的初始相位，
为经过最大多普勒频移
的正弦信号的初始相位，由于瑞利衰落的相位服从均匀分布，这里设置相位为：
进一步的，所述步骤4中Loo模型的实现具体为：
对于卫星移动通信而言，卫星和移动台之间大部分时间内存在直射分量，但此时的直射分量由于云层、森林等物体遮蔽产生阴影效应；在存在阴影效应的同时，由于接收体周围存在建筑物、人群，接收信号会发生反射、散射和绕射等多径效益，因此传统单一的统计模型无法更好的描述上述复杂因素。Loo模型通过对受阴影遮蔽的直射分量和不受阴影遮蔽的多径分量的仿真，可以真实地模拟卫星移动通信信道的复杂环境。Loo模型的概率密度函数为：
决定Loo模型的三个主要参数为直射分量衰减
，直射分量的标准差
，多径的平均功率
，通常这些参数会以dB的形式表达。
Loo模型的信道冲击响应由直射分量部分和多径分量部分共同构成，表达式如下：
式中：
和
分别为直射分量的包络和相位，
和
分别为多径分量的包络和相位，直射分量和多径分量的相位均服从均匀分布；直射分量的包络受阴影衰落影响，服从对数高斯分布，多径分量的包络受多径效应的影响，服从瑞利分布。
进一步的，雨衰值计算具体为：由于卫星工作频段一般在较高频段，由降雨产生的对传播电磁波的吸收和扩散从而导致的损耗会变得很严重，因此在高频段卫星信道建模时需要较为真实与准确地仿真出降雨对链路产生的传播损耗，即雨衰值。采用ITU-R雨衰预测模型对当地降雨分布模式和信号传播衰减进行理论上的分析与预测。某一个城市的降雨衰减由以下因素决定：
根据ITU-R降雨预测模型和上述所需参数，可以得到0.01%概率的年均降雨量下的雨衰值
，同时p%概率的年均降雨量下的雨衰值可以从
中推知：
进一步的，生成雨衰情况下的随机过程具体为：由于ITU-R雨衰模型只能给出某地长期的雨衰预测值，但在卫星通信信道建模过程中，需要模拟出较短时间内降雨导致的衰减，因此形成一个统计模型，以便更真实地仿真出某段时间内雨衰对信道传播的影响。降雨引起的损耗是慢衰落，概率服从对数高斯分布。通过最小二乘曲线拟合的方法，拟合数据采用由ITU-R雨衰模型预测出的若干个雨衰值，计算出仿真降雨统计模型所需要的统计参数。
进一步的，生成状态转移控制模块具体为：上述都是对卫星通信信道某种单一状态仿真，然而在实际情况中，卫星一直处于高速移动中，随着卫星的移动，信号传播环境是不断变化的，从而信道状态也是处于频繁变化的状态。因此单一状态的建模不能完全反映实际情况中卫星与地面接收站之间的信号损耗情况。采用多状态Markov的方法，对实际变化的情况做仿真和预测。Markov采用状态转移矩阵：
其中
表示信道状态从i状态转移为j状态的概率。计算机根据状态转移矩阵生成信道状态转移序列，以状态转移序列为指示开关，控制卫星通信信道的状态转移情况。
实施例一：
仿真时系统工作频率选取2.2GHz,最大多普勒频移选取300Hz，工作频段和最大多普勒频移可以根据实际需求更改，ITU-R雨衰模型建议书在上至55 GHz以内的频率范围都能对雨衰值做较好的拟合，这里只是选取某一个具体的值产生仿真结果。根据最大多普勒频移生成服从给定多普勒谱的低通滤波器，对高斯白噪声滤波生成有色高斯随机过程，产生有色高斯随机过程之后，根据阴影衰落的统计参数，生成对数高斯分布；根据最大多普勒频移通过复正弦波的合成产生瑞利分布。获取Loo模型的统计参数直射分量衰减
，直射分量的标准差
，多径的平均功率
，这些参数通常通过对当地长期观察气象数据拟合的方式获得。结合上述模型，对Loo模型进行仿真的方法框图如图2所示。
确定如下计算雨衰值所需参数：该地0.01%概率的年均单点降雨量
；地球站在平均海平面以上的高度
；仰角
；地球站的纬度
；工作频率
。某地的单点降雨量可以通过查询当地气象局统计数据获得，仿真时地面站的高度取0.036km，地球站纬度选取39.8度，0.01%概率的年均单点降雨量58mm/h，天线仰角选取37.49度，极化倾角选取45度，工作频段2.2GHz，这些参数也可以根据系统实际需求更改。根据ITU-R计算模型得到若干个p%概率的年均降雨量下的雨衰值，拟合出雨天时雨衰统计模型的统计参数。雨衰模型仿真流程如图3所示。确定信道状态转移矩阵，产生信道状态转移序列以实现卫星信道的多状态信道建模。上述总设计框图如图4所示。
二、结果分析
按照上述方法，对卫星信道进行不同天气状态下的仿真建模，晴天和阴天采用直射分量不同的Loo模型，雨天采用雨衰统计模型，并对仿真结果进行分析。气象统计数据采用基于欧洲航天局实际的陆地移动卫星测量数据。Loo模型的理论分布如图5所示。仿真实现的Loo模型的分布如图6所示。
可以看出实际分布于理论分布大致吻合，证明卫星信道建模效果较好。
Markov链卫星状态转移的某次仿真结果如图7所示。第一格表示状态1，即晴天的卫星信道损耗；第二格表示状态2，即阴天的卫星信道损耗；第三个表示状态3，即雨天时的卫星信道损耗。由图可见较好的反映出了不同天气晴天时卫星通信的传播损耗，在晴天时，云层等遮挡物较少，此时卫星通信信道的衰减较少，损耗主要由多普勒频移和多径效应产生；在阴天时，云层等遮挡物较多，由阴影效应产生的信道衰减增加；在雨天时，降雨会对卫星通信产生较大的损耗，信道衰减进一步增加。在多次的仿真中，可以看出状态通常持续在晴天，有部分概率会产生短时间的降雨，符合实际情况。
综上，本发明提出一种可以反映出信道晴、阴和雨气象状态变化的卫星信道建模方法，并进一步提出了一种基于上述方法的系统，具体如下创新点：
1、卫星信道仿真构建方法创新：为通过雨衰模块和两个Loo模块的结合分别作为markov的转移状态仿真出考虑天气状态变化（晴、阴、雨）的时变卫星信道仿真系统；
2、晴、阴模块：而晴、阴模块采用Loo模型，根据晴、阴时的具体情况，通过调整服从多普勒频谱的瑞利分布（仿真多径分量）和服从多普勒频谱的lognormal分布（仿真直径分量）的接收功率，来实现晴天和阴天的仿真；
3、雨衰模块为雨衰情况的具体仿真：雨衰建模时，通过ITU-R模型计算得到的长期雨衰数据拟合出随机过程的统计参数，代入对数高斯分布模型，从而得到雨衰值随时间变化的序列。由于ITU-R模型可以计算工作频段在55Ghz以下的雨衰值，因此该系统可仿真的频率范围广泛。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。
Claims (3)
1.一种卫星时变信道的建模仿真方法，其特征是包括以下步骤：
步骤1、根据最大多普勒频移生成服从给定多普勒谱的低通滤波器，对高斯白噪声滤波生成有色高斯随机过程；
将计算机生成的高斯白噪声随机过程
通过线性时不变多普勒滤波器，所述滤波器的传递函数
为：
式中，N为滤波器IFFT点数，
为最大多普勒频移，滤波后的高斯随机过程在频域符合多普勒频移，由此得到有色高斯噪声随机过程，
为第i个IFFT点数对应的多普勒频移；
步骤2、根据阴影衰落的统计参数，生成对数高斯分布；对数高斯分布的概率密度表达式如下：
式中，
表示服从对数高斯分布的接收信号直射分量幅度，u表示对数高斯分布ln
的均值，
表示对数高斯分布ln
的方差；
根据对数高斯分布的概率密度表达式，将按照给定多普勒频谱产生的有色高斯噪声随机过程乘以表达式中ln
的方差
再加上表达式中ln
的均值u，再对得到的结果取e指数，完成对数高斯分布的实现；
步骤3、根据最大多普勒频移通过复正弦波的合成产生瑞利分布；
步骤3-1、构建瑞利分布的概率密度表达式：
式中，
表示服从瑞利分布的接收信号多径分量幅度，
表示多径分量的平均散射功率；
步骤3-2、通过对复正弦波的合成，产生服从给定多普勒谱的瑞利衰落信道，对正弦波进行加权以得到目的多普勒谱：预设到达接收体的所有散射分量为均匀到达的N个平面波，采用
个频率为
的复振荡器的输出求和，每个复振荡器对应不同的多普勒频移；
其中定义
，定义
为第n个平面波到达的角度，由于为均匀达到，取值为
，此时频率
的计算方法为
；
复振荡器求和的实部和虚部分别表示为：
其中，
为经过多普勒频移的第n个正弦信号的初始相位，
为经过最大多普勒频移
的正弦信号的初始相位，
，t为生成序列的采样时间索引；由于瑞利衰落的相位服从均匀分布，因此设置相位为：
式中，各符号含义同上；
步骤4、构建Loo模型和雨衰模块仿真出考虑天气状态变化的时变卫星信道仿真系统，生成转移状态控制模块；
步骤4-1、构建Loo模型实现晴天和阴天的仿真，通过对受阴影遮蔽的直射分量和不受阴影遮蔽的多径分量的仿真，模拟卫星移动通信信道的复杂环境，其中所述Loo模型的概率密度函数为：
式中，
表示直射分量衰减，
表示直射分量的标准差，
表示多径分量的平均散射功率，r表示接收信号的包络；
为第一类零阶修正贝塞尔函数，z表示直射分量；
步骤4-2、由步骤4-1中的直射分量部分和多径分量部分共同构成Loo模型的信道冲击响应，表达式如下：
式中，
和
分别为直射分量的包络和相位，
和
分别为多径分量的包络和相位，其余各符号含义同上；直射分量和多径分量的相位均服从均匀分布；直射分量的包络受阴影衰落影响，服从对数高斯分布，多径分量的包络受多径效应的影响，服从瑞利分布；
步骤4-3、通过ITU-R模型计算得到的长期雨衰数据拟合出随机过程的统计参数，代入对数高斯分布模型，从而得到雨衰值随时间变化的序列；
雨衰值计算具体为：
步骤4-3a、采用ITU-R雨衰预测模型对当地降雨分布模式和信号传播衰减进行理论上的分析与预测，计算出0.01%概率的年均降雨量下的雨衰值
：
式中，
表示有效路径长度，
表示单位衰减；
其中，
；
；
式中，
表示该地0.01%概率的年均单点降雨量，
、
为调节参数，根据频率取值，
表示水平缩减因子，
表示倾斜路径长度的水平投影，
表示垂直修正因子；
步骤4-3b、计算p%概率的年均降雨量下的雨衰值：
式中，各符合含义同上；
步骤4-4、采用多状态Markov的方法，对实际变化的情况做仿真和预测，生成转移状态控制模块。
2.根据权利要求1所述的一种卫星时变信道的建模仿真方法，其特征在于，步骤4-3中生成雨衰情况下的随机过程进一步为：通过最小二乘曲线拟合的方法，拟合数据采用由ITU-R雨衰模型预测出的若干个雨衰值，计算出仿真降雨统计模型所需要的统计参数；
步骤4-4中Markov采用状态转移矩阵：
其中
表示信道状态从i状态转移为j状态的概率；计算机根据状态转移矩阵生成信道状态转移序列，以状态转移序列为指示开关，控制卫星通信信道的状态转移情况。
3.一种卫星时变信道的建模仿真系统，其特征是包括如下模块：
用于根据最大多普勒频移生成服从给定多普勒谱的低通滤波器，对高斯白噪声滤波生成有色高斯随机过程的第一模块；所述第一模块进一步将计算机生成的高斯白噪声随机过程
通过线性时不变多普勒滤波器，所述滤波器的传递函数为：
式中，N为滤波器IFFT点数，
为最大多普勒频移，滤波后的高斯随机过程在频域符合多普勒频移，由此得到有色高斯噪声随机过程，
表示滤波器传递函数，
为第i个IFFT点数对应的多普勒频移；用于根据阴影衰落的统计参数，生成对数高斯分布第二模块；所述第二模块进一步根据对数高斯分布的概率密度表达式，将按照给定多普勒频谱产生的有色高斯噪声随机过程乘以表达式中lnr的方差
再加上表达式中lnr的均值u，再对得到的结果取e指数，完成对数高斯分布的实现；对数高斯分布的概率密度表达式如下：
式中，
表示服从对数高斯分布的接收信号直射分量幅度，u表示对数高斯分布ln
的均值，
表示对数高斯分布ln
的方差；
用于根据最大多普勒频移通过复正弦波的合成产生瑞利分布第三模块；所述第三模块进一步用于构建瑞利分布的概率密度表达式：
式中，
表示服从瑞利分布的接收信号多径分量幅度，
表示多径分量的平均散射功率；
通过对复正弦波的合成，产生服从给定多普勒谱的瑞利衰落信道，对正弦波进行加权以得到目的多普勒谱：预设到达接收体的所有散射分量为均匀到达的N个平面波，采用
个频率为
的复振荡器的输出求和，每个复振荡器对应不同的多普勒频移；
其中定义
，定义
为第n个平面波到达的角度，由于为均匀达到，取值为
，此时
的计算方法为
；
复振荡器求和的实部和虚部分别表示为：
其中，
为经过多普勒频移的第n个正弦信号的初始相位，
为经过最大多普勒频移
的正弦信号的初始相位，
，t为生成序列的采样时间索引；由于瑞利衰落的相位服从均匀分布，因此设置相位为：
式中，各符号含义同上；
用于构建Loo模型和雨衰模块仿真出考虑天气状态变化的时变卫星信道仿真系统，生成转移状态控制模块的第四模块；
所述第四模块进一步用于构建Loo模型实现晴天和阴天的仿真，通过对受阴影遮蔽的直射分量和不受阴影遮蔽的多径分量的仿真，模拟卫星移动通信信道的复杂环境，其中所述Loo模型的概率密度函数为：
式中，
表示直射分量衰减，
表示直射分量的标准差，
表示多径分量的平均散射功率，r表示接收信号的包络；
为第一类零阶修正贝塞尔函数，z表示直射分量；
由直射分量部分和多径分量部分共同构成Loo模型的信道冲击响应，表达式如下：
式中，
和
分别为直射分量的包络和相位，
和
分别为多径分量的包络和相位，直射分量和多径分量的相位均服从均匀分布；直射分量的包络受阴影衰落影响，服从对数高斯分布，多径分量的包络受多径效应的影响，服从瑞利分布；
通过ITU-R模型计算得到的长期雨衰数据拟合出随机过程的统计参数，代入对数高斯分布模型，从而得到雨衰值随时间变化的序列；雨衰值计算具体为：
采用ITU-R雨衰预测模型对当地降雨分布模式和信号传播衰减进行理论上的分析与预测，计算出0.01%概率的年均降雨量下的雨衰值
：
式中，
表示有效路径长度，
表示单位衰减；
其中，
；
；
式中，
表示该地0.01%概率的年均单点降雨量，
、
为调节参数，根据频率取值，
表示水平缩减因子，
表示倾斜路径长度的水平投影，
表示垂直修正因子；
计算p%概率的年均降雨量下的雨衰值：
式中，各符合含义同上；
采用多状态Markov的方法，对实际变化的情况做仿真和预测，生成转移状态控制模块；生成雨衰情况下的随机过程为：通过最小二乘曲线拟合的方法，拟合数据采用由ITU-R雨衰模型预测出的若干个雨衰值，计算出仿真降雨统计模型所需要的统计参数；
其中Markov采用状态转移矩阵：
其中
表示信道状态从i状态转移为j状态的概率；计算机根据状态转移矩阵生成信道状态转移序列，以状态转移序列为指示开关，控制卫星通信信道的状态转移情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011190771.3A CN112383370B (zh) | 2020-10-30 | 2020-10-30 | 一种卫星时变信道的建模仿真方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011190771.3A CN112383370B (zh) | 2020-10-30 | 2020-10-30 | 一种卫星时变信道的建模仿真方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112383370A CN112383370A (zh) | 2021-02-19 |
| CN112383370B true CN112383370B (zh) | 2022-12-06 |
Family
ID=74577390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011190771.3A Active CN112383370B (zh) | 2020-10-30 | 2020-10-30 | 一种卫星时变信道的建模仿真方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112383370B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112994814B (zh) * | 2021-03-04 | 2023-03-10 | 天津光电通信技术有限公司 | 一种大规模信道仿真的fpga系统 |
| CN113466969B (zh) * | 2021-05-11 | 2023-10-27 | 深圳捷豹电波科技有限公司 | 一种雨量监测方法、接收设备、雨量监测系统和存储介质 |
| CN113904744A (zh) * | 2021-09-24 | 2022-01-07 | 上海微波技术研究所（中国电子科技集团公司第五十研究所） | 具备卫星通信信道仿真功能的ka波段信道模拟系统 |
| CN114598407B (zh) * | 2022-01-27 | 2023-06-23 | 南京邮电大学 | 一种室内高频段离体信道路径损耗的建模方法及装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107517091A (zh) * | 2017-08-07 | 2017-12-26 | 合肥工业大学 | 一种瑞利圆拱复衰落信道仿真方法 |
| CN110927750A (zh) * | 2019-11-22 | 2020-03-27 | 中科院计算技术研究所南京移动通信与计算创新研究院 | 一种基于格型滤波Burg谱估计算法的低轨卫星多普勒频偏捕获方法 |
| CN111147169A (zh) * | 2019-12-27 | 2020-05-12 | 东方红卫星移动通信有限公司 | 一种低轨卫星天地通信信道建模模型及建模方法 |
| CN111628815B (zh) * | 2020-05-08 | 2021-09-10 | 山东星通易航通信科技有限公司 | 一种卫星vdes系统的信道估计方法 |
-
2020
- 2020-10-30 CN CN202011190771.3A patent/CN112383370B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112383370A (zh) | 2021-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112383370B (zh) | 一种卫星时变信道的建模仿真方法及系统 | |
| CN101394233B (zh) | 室内视距环境下脉冲超宽带多径信号建模的方法及系统 | |
| CN109188355B (zh) | 一种多点定位系统接收天线优化及最优布站方法 | |
| CN103188011B (zh) | 一种综合气象因素的Ka波段卫星信道建模方法 | |
| Benmus et al. | Neural network approach to model the propagation path loss for great Tripoli area at 900, 1800, and 2100 MHz bands | |
| Whitteker | Physical optics and field-strength predictions for wireless systems | |
| Stéphan et al. | Increased reliability of outdoor millimeter-wave link simulations by leveraging lidar point cloud | |
| CN110990500A (zh) | 传播路径模型地图建立方法及路径损耗确定方法 | |
| CN104618046B (zh) | 基于无线传播模型校正的信号强度预测方法和系统 | |
| Saverino et al. | Frequency management in HF-OTH skywave radar: Ionospheric propagation channel representation | |
| Wang et al. | Study on the outdoor wave propagation at 28GHz by ray tracing method | |
| Singh et al. | Prediction of radio wave attenuation due to clouds using ANN and its business aspects | |
| Mezaal et al. | Empirical modelling of dust storm path attenuation for 5G mmWave | |
| Elechi et al. | Analysis of a Developed Building Penetration Path Loss Model for GSM Wireless Access | |
| Corre et al. | A new approach for radio propagation modeling in urban environment: Knife-edge diffraction combined with 2D ray-tracing | |
| Lindquist | Wave Propagation Models in the Troposphere for Long-Range UHF/SHF Radio Connections | |
| Gong et al. | A practical MGA-ARIMA model for forecasting real-time dynamic rain-induced attenuation | |
| Ogbulezie et al. | A Review of Path Loss Models for UHFRADIOWaves Propagation: Trends andAssessment | |
| Sirkova | Anomalous tropospheric propagation: Usage possibilities and limitations in radar and wireless communications systems | |
| Fetescu et al. | A site diversity model for non-geosynchronous systems: development and preliminary results | |
| Song et al. | Research on HF Radio Propagation on the Sea by Machine Learning Optimized Model | |
| CN112487653B (zh) | 一种基于直射路径出现概率的传播图论的信道仿真方法 | |
| He et al. | Research on Countermeasures to Improve the Efficiency of Shortwave Communication in the Atlantic | |
| CN117439659B (zh) | 一种面向低轨卫星通信的射线追踪信道建模方法 | |
| Shu et al. | Application of Ray Tracing for Beyond-line-of-sight Maritime Communication in Evaporation Ducts |
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 | ||
| CB02 | Change of applicant information |
Address after: 211100 floor 1-3, auxiliary building, building 6, Nanjing artificial intelligence Industrial Park, Nanjing City, Jiangsu Province Applicant after: Zhongke Nanjing mobile communication and computing Innovation Research Institute Address before: 211100 floor 1-3, auxiliary building, building 6, Nanjing artificial intelligence Industrial Park, Nanjing City, Jiangsu Province Applicant before: INSTITUTE OF COMPUTING TECHNOLOGY, CHINESE ACADEMY OF SCIENCES, NANJING INSTITUTE OF MOBILE COMMUNICATIONS AND COMPUTING INNOVATION |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240312 Address after: 1811, 18th Floor, No. 9 North Fourth Ring West Road, Haidian District, Beijing, 100000 Patentee after: BEIJING SYLINCOM TECHNOLOGY CO.,LTD. Country or region after: China Address before: 211100 floor 1-3, auxiliary building, building 6, Nanjing artificial intelligence Industrial Park, Nanjing City, Jiangsu Province Patentee before: Zhongke Nanjing mobile communication and computing Innovation Research Institute Country or region before: China |
|
| TR01 | Transfer of patent right |