CN112865895A

CN112865895A - 车联网双重非平稳信道模型

Info

Publication number: CN112865895A
Application number: CN201911177440.3A
Authority: CN
Inventors: 程翔; 黄子蔚
Original assignee: Peking University
Current assignee: Peking University
Priority date: 2019-11-27
Filing date: 2019-11-27
Publication date: 2021-05-28

Abstract

本发明提出了一个车载信道模型，可在车联网的快时变和双选择性的场景下，通过路径的生灭过程和生成具有相关性的抽头，联合建模车联网信道中时域和频域的双重非平稳特性，为车载系统仿真和分析提供了一个真实可靠的信道模型。该方案命名为基于车联网场景双重非平稳信道建模方案(Vehicular Scenario Based Double Non‑stationary Channel Modeling Scheme，VDNCM)。在本发明中，根据传统的车载信道模型建模步骤，进一步建模了各路径随时间的生灭和具有不同时延的抽头间的相关性，从而完成了车载信道的双重非平稳建模。此方案能够模拟车载信道中四个重要的特性，即时域和频域非平稳特性，视距分量的存在，丰富的多普勒特性。

Description

车联网双重非平稳信道模型

技术领域

本发明属于无线通信领域，具体涉及一个车联网场景下联合考虑双重非平稳的信道模型，可以为今后的车载系统的仿真与分析提供一个真实可靠的信道模型。

背景技术：

随着智能交通系统与车辆自组织网络研究的迅速发展，对车载通信信道的研究的热度也日益提升。车载通信具体是指在智能交通系统、传感器网络技术发展基础上，在车辆上应用先进的无线通信技术，实现交通高度信息化、智能化的手段。所谓车车(vehicle-to-vehicle)通信，即车对车的信息交换，是未来智能交通运输系统的关键技术之一。它使得车与车之间能够通信，实时获得一系列的交通信息，从而带来了诸多优势。进一步而言，由于车车通信信道是车载通信的基础，所以必须设计出有效的车载信道才能满足车载通信的要求。

然而，车车通信由于具有车辆高速行驶、移动区域受限等特点，其信道与传统蜂窝系统信道有着显著差别。具体而言，车载信道的传输环境与蜂窝网络最大的不同在于：在车载信道中，接收端与发射端都在移动，从而二者附近都可能存在有大量散射体，且散射体可能也在移动中。另外，接收端和发射端的高度都较低，尽管传播距离不长，直射径(line ofsight，直射路径)仍更易受阻，故要被合理地建模。因此，设计出有效的车载信道具有一定的难度和重大的意义。

根据建模方法的不同，车载信道模型可以被分为基于几何的确定模型(geometry-based deterministic models，GBDMs)和统计模型，后者可以进一步分为非几何统计模型(non-geometrical stochastic models，NGSMs)和基于几何的统计模型(geometry-basedstochastic models，GBSMs)。由于NGSMs具有较低的复杂度和较高的准确性，因此，NGSMs的建模方法被广泛地使用于车载信道建模。

在车载信道中，由于更恶劣的时延扩展和多普勒扩展特性，以及非平稳特性的作用，多径分量往往呈现出深度衰落现象。其次，信道的非平稳特性是因为发射机和接收机和一些有效散射体都是移动的，且发射器和接收器两者的全向天线在相对低的高度。另外，由于车车通信距离不长，直射路径分量经常存在。最后，大量实测结果表明，每个抽头具有不同多普勒频谱的子路径，包含丰富的多普勒特性。

但是，现有的工作很少还没有一个车载NGSM信道模型可以完整地描述上述四个车载信道特性，并重点建模车联网的双重非平稳特性，即时域和频域非平稳特性。

发明内容：

本发明提出了一个NGSM车载信道模型，该模型可联合建模车联网信道中时域和频域的双重非平稳特性，为车载系统仿真和分析提供了一个真实可靠的信道模型。该方案命名为基于车联网场景双重非平稳信道建模方案(Vehicular Scenario Based Double Non-stationary Channel Modeling Scheme，VDNCM)。本发明包含以下步骤：

1)生成幅度服从威布尔分布，相位服从非均匀分布的抽头，并进一步建模各抽头间的相关性；

2)利用生灭过程，建模抽头中不同路径随着时间变化的出现和产生；

3)假设不同的抽头具有不同的时间相关性，并进一步建模了这些抽头在幅度和相位上的复杂相关性；

4)根据上述得到的各参数的统计分布，得到信道冲激响应。

与现有技术相比，本发明具有以下优点：

1)创新性地提出了车联网场景下时间和频域地双重非平稳特性的建模方案；

2)利用抽头的相位服从非均匀分布，合理的引入了视距分量，从而更真实可靠地模拟车联网场景下由于车车通信距离不长而直射分量存在的特性。

附图说明：

图1是车联网双重非平稳模型建模流程图。

图2是具有相关性地抽头的生成。

图3是模型直射分量的引入。

图4是VDNCM模型、传统GBSM模型与实测得到的抽头相关系数矩阵对比图。

图5是VDNCM模型和传统NGSM模型多普勒功率谱的对比。

具体实施方式

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

图1是本发明的建模流程图。与传统NGSM模型一样，提出的改进车联网信道模型建模同样考虑了信道中的非平稳特性和深度衰落特性，并实现了各抽头的相关散射。然而，改进模型改变了原有的相位的均匀分布和考虑了不同抽头的具有不同的时间相关性。具体而言，在改进模型的威布尔随机过程的建模中，幅度和相位分量都进行幂运算2/β；由于在复高斯随机过程中，幅度和相位是相互独立的，从而将复高斯随机变量分离成独立的幅度部分和相位部分，即二者均进行了幂运算，产生了服从威布尔分布的幅度以及服从非均匀分布的相位，并解决了已有模型中视距分量缺失的不足。另外，改进模型从已有模型的时间相关函数入手，考虑了不同抽头具有不同时间相关性。进一步，为了更好的完成相关散射建模，改进模型还实现了不同抽头间幅度和相位的复杂相关性。因此，改进模型在解决已有模型只有单一的多普勒谱的问题的同时，又进一步更好地实现了不同抽头间的相关性。基于以上两点，改进模型合理的解决了已有模型的所有的不足，从而可以完整的描述车联网信道中的全部的四个特性。以下将分别阐述改进模型基于已有模型的三个优化部分，分别是抽头间的相关性建模，视距分量的引入和丰富的多普勒特性的实现。

参照图2，示出了抽头间的相关性建模。由于非平稳特性已用独立的开关函数z(t)描述，故在此仅考虑平稳状态下的情景，信道的相关性表示为：

r_hh(τ′₁，τ′₂；t，t+τ)＝r_hh(τ′₁，τ′₂；τ)

这包括了时间维与时延维的相关性，为了降低复杂度，认为各径的时间相关性均相同，且信道的相关散射特性不随时间变化而改变，则上述两维度的联合相关函数可拆分成独立的时间维相关函数与时延维相关函数(即相关散射)：

r_hh(τ′₁，τ′₂；τ)＝σ(τ′₁)σ(τ′₂)ρ(τ′₁，τ′₂)r_hh(τ)

＝σ(τ′₁)σ(τ′₂)ρ(τ′₁，τ′₂)∫P(f)df

再进一步，考虑信道各径服从复高斯(瑞利)分布，则可通过两次独立的线性相关运算实现：时间域做多普勒滤波的线性卷积，时延域做线性运算，即

且做归一化，即为相关系数矩阵的cholesky分解：LL^H＝ρ^G。

因此，抽头间的相关散射特性反应了不同径之间的相互影响，代表了时延域特性。生成相关系数矩阵为ρ^G的有色复高斯随机变量包含以下三个步骤：首先，生成非相关复高斯随机变量V；其次，将相关系数矩阵通过Cholesky分解，得到有色矩阵L，即LL^H＝ρ^G，其中L^H是L的埃尔米特转置矩阵；最后，通过W＝LV生成相关复高斯随机变量。从而信道的相关特性可以由相关抽头实现。

参照图3，示出了引入直射路径的建模。与传统NGSM模型不同，发明方案在生成抽头相位时，采用了不同的方法。根据已有模型深度衰落建模时的分析，威布尔随机过程无法描述直射路径存在的原因，是其相位直接由复高斯随机过程中分离得到以及相位φ也将服从[-π，π]的均匀分布，从而导致产生一个零均值的同相和正交分量。因此，为了破坏随机过程相位分布范围，我们必须改变相位的均匀分布。从而提出的宽带非平稳车载NGSM信道模型在幅度和相位分离过程中，不仅对幅度做幂运算2/β，对相位也做一次幂运算2/β，随后再乘以经幂运算且滤波后的相位。因此，衰落指数β同等的影响了抽头的幅度部分和相位部分，从而使得相位不再服从均匀分布。

确定性的包络由确定性的相位实现，如下所示

改进模型威布尔分布随机过程中的相位可以写为

同样，改进模型中威布尔随机过程的均值可以计算得

因此，得到的相位将会集中在一个更小的范围内，导致随机过程。从而，对于改进模型而言，非均匀分布的相位不再提供零均值的同相和正交分量，因此多普勒谱上会产生一个明显的直射路径分量，从而可以描述直射路径的存在。

根据上述分析可知，为了降低复杂度，在相关散射建模过程中，传统NGSM模型假设了每一抽头具有相同的时延，时间相关函数用r_hh(τ)表示。然而，在实际车载信道中，每一抽头的时延并不相同。因此，我们在传统NGSM模型相关散射建模过程中，引入了不同的抽头具有不同的时延，并同样考虑了不同抽头间的相关性。我们依然以自相关函数为切入点，由于信道非平稳特性已用开关函数z(t)描述，故此仅考虑信道是平稳的情景，信道的相关性表示为：

r_hh(τ′₁，τ′₂；t，t+τ_i)＝r_hh(τ′₁，τ′₂；τ_i).

同样包括了时间维和时延维的相关性，假设信道的相关散射特性不随时间的变化而变化，上述两维度的联合相关函数可拆分成独立的时间相关维和时延相关维，为

r_hh(τ₁′，τ₂′；τ_i)＝σ(τ₁′)σ(τ₂′)ρ(τ₁′，τ₂′)r_hh(τ_i).

不同的是，我们假设了各抽头具有不同的时间相关性。

并做归一化处理，因此，信道的相关性可以表示为：

r_hh(τ₁′，τ₂′；τ_i)＝σ(τ₁′)σ(τ₂′)ρ(τ₁′，τ₂′)r_hh(t_m，t_n)

＝σ(τ′₁)σ(τ′₂)σ²(τ′)ρ(τ′₁，τ′₂)ρ(t_m，t_n).

至此，我们完成了相关散射和相关多普勒特性。时间相关函数也不再是每抽头都相同的r_hh(τ)，而与每个抽头的时延τ_i＝t_m-t_n有关，因此各抽头不再具有相同的时间相关性

进一步，根据信道的相关函数，可以求得多普勒功率谱为

其中，F(·)提供了傅里叶变换，以及f_D是多普勒频移。从上式可以明显地看出，具有不同时延的抽头，具有的时间相关性不同，从而得到的多普勒功率谱也不同。

综上所述，我们提出了一个双重非平稳车载NGSM信道模型，该模型合理的解决了传统NGSM模型直射分量缺失和只有单一的不随时延改变的多普勒谱的不足，并更好地建模了车载信道中频域的非平稳特性。具体而言，改进模型首先改变了传统NGSM模型中均匀分布的相位，即在深度衰落过程中，分别对幅度和相位均做幂变换，从而产生一个非均匀分布的相位，因此合理的引入了直射分量。进一步，在相关散射建模过程中，我们考虑了不同的抽头具有不同的时间相关性，从而在引入多种多普勒谱的。因此，我们可以得出结论：理论分析表明，改进模型合理的解决了传统NGSM模型的不足，从而可以更好的表征车联网信道特性。

图4和图5示出了VDNCM和传统GBSM模型的性能评估结果。

参照图4，示出了VDNCM模型、传统GBSM模型与实测得到的抽头相关系数矩阵的对比与分析。以实测结果为标准，邻近抽头的仿真精度基本在50％以上，但传统GBSM模型只有30％左右。因此，我们可以得出结论：改进模型抽头相关系数矩阵比传统GBSM模型的抽头相关系数矩阵的精度值高于10％以上。

参照图5，示出了VDNCM模型和传统NGSM模型城市场景下抽头的多普勒功率谱的对比。从图中可以看出，相比于传统NGSM模型，VDNCM方案能准确地描述车联网场景中直射路径的存在和具有不同时延的抽头可以灵活的展现出多种多普勒谱。

尽管为说明目的公开了本发明的具体实施例和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims

1.一种车联网信道建模时域和频域双重非平稳的方案，其特征在于包含以下步骤：

1)利用生灭过程来表征车载通信路径随着时间的出现和消失，在原有的冲激响应上乘一个开关函数表征时域非平稳特性；

2)生成两个独立的高斯随机变量，并利用线性相加的方法生成复高斯随机变量；

3)对生成的复高斯随机变量进行平方根分解，生成各抽头间的相关性表征频域非平稳特性。

2.一种引入车联网通信中的视距分量和建模深衰落的方案，其特征在于包含以下步骤：

1)分离产生的信号的幅度和相位并分别进行插值滤波；

2)将分离得到的幅度进行线性运算，使得幅度服从威布尔分布；

3)将分离得到的相位进行线性运算，使得相位在[-π，π]服从非均匀分布；

4)将上述两个幅度和相位进行相乘，实现视距分量的引入和深衰落的建模。

3.根据权利要求1所述的方法，其特征在于利用生灭过程来表征车载通信路径随着时间的出现和消失，在原有的冲激响应上乘一个开关函数，并同时生成具有相关性的抽头，包括如下步骤

1)对传输的路径利用生灭过程表征路径随时间的产生与消失

用一阶二状态的马尔科夫链来描述生灭状态的持续与跳转，由式1表示：

TS为状态转移矩阵，P_ij表示从当前状态i跳转到状态j的概率，SS为状态保持矩阵，S_i表示i状态在整个状态序列中的存在概率，满足

每个生灭状态的持续时间为信道的相关时间，f_m为信道最大多普勒频移，将这个状态序列应用到信道冲击响应中，即在原抽头延迟线模型基础上乘以一取值为{0，1}的开关函数，由式2表示：

同理，z(t)为开关函数，f_D，LOS为LoS径多普勒频偏，θ_LOS为LoS初始相位，一般设为0，K为莱斯因子的线性表达，N为抽头数，K_K为第K个路径的莱斯因子值，α(t)为滤波得到的随机分量，τ_K代表第K个路径的时延值；

2)对生成的抽头相关系数矩阵进行Cholesky分解，产生具有相关性的抽头

生成相关系数矩阵为ρ^G的有色复高斯随机变量包含：首先，生成非相关复高斯随机变量V；其次，将相关系数矩阵通过Cholesky分解，得到有色矩阵L，即LL^H＝ρ^G，其中L^H是L的埃尔米特转置矩阵；最后，通过W＝LV生成相关复高斯随机变量。从而信道的相关特性可以由相关抽头实现。

4.根据权利要求2所述的方法，其特征在于引入车联网通信中的视距分量和建模深衰落，包括以下步骤：

1)分别对抽头的幅度和相位进行线性运算，得到幅度服从威布尔分布，相位服从非均匀分布，如式3所示：

2)计算和验证威布尔随机过程中抽头的均值不为0，如式4所示：

非均匀分布的相位不再提供零均值的同相和正交分量，因此多普勒谱上会产生一个明显的直射路径分量，从而可以描述直射路径的存在，由于抽头的幅度被建模为威布尔分布，从而可以表征车载信道中深衰落的存在。