CN114301558B - 信道建模方法、装置、电子设备及存储介质 - Google Patents
信道建模方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114301558B CN114301558B CN202111506183.0A CN202111506183A CN114301558B CN 114301558 B CN114301558 B CN 114301558B CN 202111506183 A CN202111506183 A CN 202111506183A CN 114301558 B CN114301558 B CN 114301558B
- Authority
- CN
- China
- Prior art keywords
- cluster
- channel
- signals
- determining
- different
- 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 75
- 230000003068 static effect Effects 0.000 claims abstract description 49
- 238000009826 distribution Methods 0.000 claims description 31
- 230000014509 gene expression Effects 0.000 claims description 29
- 238000005562 fading Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 238000005315 distribution function Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 41
- 230000001788 irregular Effects 0.000 abstract description 20
- 238000004088 simulation Methods 0.000 description 40
- 238000010586 diagram Methods 0.000 description 30
- 238000004891 communication Methods 0.000 description 15
- 238000013461 design Methods 0.000 description 11
- 238000005457 optimization Methods 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 101100346629 Mus musculus Msr1 gene Proteins 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明提供一种信道建模方法、装置、电子设备及存储介质，所述方法包括：确定发射端Tx、接收端Rx和至少一个反散射体的位置；基于Tx、Rx和至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；其中不同种类的信号对应不同的簇结构，簇结构包括以下至少一项：直射簇LOSC、静态反射簇SC、移动反射簇MC和镜像簇TC。本发明通过基于Tx、Rx和反散射体的几何位置关系，对目标信道的各种信号分别进行信道建模，而且不同种类的信号对应不同的簇结构，有效实现基于簇结构的非规则随机几何混合信道模型，提高了模型的准确性而且具有高扩展性，进而提高了模型的通用性，避免了对信道进行重复测量。
Description
技术领域
本发明涉及无线通信技术领域，尤其涉及一种信道建模方法、装置、电子设备及存储介质。
背景技术
对无线信道的理解与分析是对无线系统设计、分析、评估及应用的前提，对电波传播特性的掌握是对无线信道进行研究的物理基础。电波传播与无线信道建模是无线通信系统主要参数与关键技术设计的重要依据，是对无线接口候选技术的选拔与测评的必要条件。因此，无线信道建模一直是无线通信领域的热点研究课题之一。
目前具有代表性的基于几何的随机性信道模型(Geometry-Based StochasticChannel Model，GBSM)可以很好地提供收发双向信道模型，用于多输入多输出(Multiple-Input Multiple-Output，MIMO)通信系统的分析与设计。同时，由于GBSM对发射端(Tx)、接收端(Rx)和反散射体的物理位置进行建模，因此其可以很好的支持非平稳信道环境，并可以通过修改其反散射体的分布和环境物理参数来扩展适应不同的信道传播环境。而且，非规则几何分布模型(Irregular-Shaped GBSM，IS-GBSM)结合了实际电波传播的物理环境，可以通过重构物理场景实现更加真实的模拟信道。
但是，IS-GBSM未充分考虑实际信道中的多径簇结构，这种信道多径结构上的差异成为了提高IS-GBSM准确度的障碍。
发明内容
本发明提供一种信道建模方法、装置、电子设备及存储介质，用以解决现有技术中未充分考虑实际信道中的多径簇结构的缺陷，有效实现基于簇结构的非规则随机几何混合信道模型，提高了模型的准确性并具有高扩展性。
第一方面，本发明提供一种信道建模方法，包括：
确定发射端Tx、接收端Rx和至少一个反散射体的位置；
基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；
其中不同种类的所述信号对应不同的簇结构，所述簇结构包括以下至少一项：
直射簇LOSC、静态反射簇SC、移动反射簇MC和镜像簇TC。
可选地，根据本发明提供的一种信道建模方法，所述确定目标信道的至少两种信号各自的信号模型，包括以下至少一项：
确定所述至少两种信号各自对应的所述簇结构的路损和阴影衰落；其中，不同的所述簇结构对应的用于计算所述路损和阴影衰落的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的多径分量MPC的数量；其中，不同的所述簇结构对应的用于计算所述MPC的数量的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的时延偏置；其中，不同的所述簇结构对应的用于计算所述时延偏置的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的角度偏置，所述角度偏置包括到达角偏置和离开角偏置；其中，不同的所述簇结构对应的用于计算所述角度偏置的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的MPC的功率；其中，不同的所述簇结构对应的用于计算所述MPC的功率的表达式中的参数的取值不同。
可选地，根据本发明提供的一种信道建模方法，所述确定所述至少两种信号各自对应的所述簇结构的MPC的功率，包括：
基于所述MPC的时延偏置、所述MPC的到达角偏置和离开角偏置、以及所述簇结构的功率衰减因子，确定所述至少两种信号各自对应的所述簇结构的MPC的功率。
可选地，根据本发明提供的一种信道建模方法，所述基于所述MPC的时延偏置、所述MPC的到达角偏置和离开角偏置、以及所述簇结构的功率衰减因子，确定所述至少两种信号各自对应的所述簇结构的MPC的功率，包括：
基于如下公式确定所述至少两种信号各自对应的所述簇结构的MPC的功率：
其中，表示所述簇结构对应的第l个MPC的功率α服从的分布函数，Δτ表示所述MPC的时延偏置，ΔωR表示所述MPC的到达角偏置，ΔωT表示所述MPC的离开角偏置，bα,R和bα,T表示功率衰减因子，a为系数；
其中，不同的所述簇结构对应的所述bα,R、bα,T和a的取值不同。
可选地，根据本发明提供的一种信道建模方法，所述确定目标信道的至少两种信号各自的信号模型，包括：
在所述至少两种信号各自对应的所述簇结构包括所述TC的情况下，确定所述TC的数量。
可选地，根据本发明提供的一种信道建模方法，所述确定目标信道的至少两种信号各自的信号模型，包括：
在所述至少两种信号各自对应的所述簇结构包括所述TC的情况下，确定所述TC的簇心时延，所述TC的簇心时延是直射LOS时延与所述TC的附加时延之和，所述LOS时延是所述LOSC中功率最高的MPC的时延，所述TC的附加时延基于截断高斯分布随机生成。
可选地，根据本发明提供的一种信道建模方法，所述确定目标信道的至少两种信号各自的信号模型，还包括：
确定所述至少两种信号各自的信道冲激响应。
可选地，根据本发明提供的一种信道建模方法，所述确定目标信道的至少两种信号各自的信号模型，还包括：
确定所述至少两种信号各自的漫反射分量DMC的功率。
可选地，根据本发明提供的一种信道建模方法，所述方法还包括：
基于所述Tx、所述Rx和所述反散射体的方向矢量，更新所述Tx、所述Rx和所述反散射体的位置。
可选地，根据本发明提供的一种信道建模方法，所述反散射体包括以下至少一项：
静态反散射体和动态反散射体。
可选地，根据本发明提供的一种信道建模方法，所述LOSC包括：由所述Tx发出，并被所述Rx直接接收的多径簇；
所述SC包括：由所述Tx发出，并经过所述静态反散射体反射后被所述Rx接收的多径簇；
所述MC包括：由所述Tx发出，并经过所述动态反散射体反射后被所述Rx接收的多径簇；
所述TC包括：由所述Tx发出，并经过至少两个所述静态反散射体反射后被所述Rx接收的多径簇。
第二方面，本发明还提供一种信道建模装置，包括：
第一确定模块，用于确定发射端Tx、接收端Rx和至少一个反散射体的位置；
第二确定模块，用于基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；
其中不同种类的所述信号对应不同的簇结构，所述簇结构包括以下至少一项：
直射簇LOSC、静态反射簇SC、移动反射簇MC和镜像簇TC。
第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述信道建模方法的步骤。
第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述信道建模方法的步骤。
第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述信道建模方法的步骤。
本发明提供的信道建模方法、装置、电子设备及存储介质，通过基于Tx、Rx和反散射体的几何位置关系，对目标信道的各种信号分别进行信道建模，并且，不同种类的信号对应不同的簇结构，有效实现基于簇结构的非规则随机几何混合信道模型，提高了模型的准确性而且具有高扩展性，进而提高了模型的通用性，避免了对信道进行重复测量，并为上层网络优化与设计提供准确的数据支持和理论依据。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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他的附图。
图1是本发明提供的信道建模方法的流程示意图之一；
图2是本发明提供的高速公路场景示意图；
图3是本发明提供的信道建模方法的流程示意图之二；
图4是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之一；
图5是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之二；
图6是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之三；
图7是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之四；
图8是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之五；
图9是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之六；
图10是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之一；
图11是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之二；
图12是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之三；
图13是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之四；
图14是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之五；
图15是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之六；
图16是本发明提供的信道建模装置的结构示意图；
图17是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
为了便于更加清晰地理解本发明各实施例，首先对一些相关的背景知识进行如下介绍：
超5代移动通信(Beyond 5th Generation，B5G)是面向移动通信需求而发展的新一代移动通信系统。B5G将使信息突破时空限制，通过无缝融合的方式，便捷地实现人与万物智能互联。
对无线信道的理解与分析是对任何现有的或新提出的无线系统设计、分析、评估及应用的前提，对电波传播特性的掌握是对无线信道进行研究的物理基础。电波传播与无线信道建模是无线通信系统主要参数与关键技术设计的重要依据，是对无线接口候选技术的选拔与测评的必要条件。
诸多车联网信道标准和协议都复用了传统标准蜂窝网络信道标准或协议，仅对天线高度进行调整，并沿用非道路环境的模型参数。当前具有代表性的车联网信道模型中，基于建模方法主要可以划分为以下三类：
(1)基于几何的确定性信道模型(Geometry-Based Deterministic ChannelModel，GBDM)：其中车联网信道中的物理参数都基于实际几何场景确定，并基于电磁波传播方程求出接收点信号表达式，常见于各类射线追踪平台(Ray-Tracing，RT)；
(2)非几何的随机性信道模型(Nongeometry-Based Stochastic Channel Model，NBSM)：其中车联网信道中的基本物理参数在不考虑任何几何位置关系的情况下，使用随机分布函数进行建模，例如三维(Three Dimensional，3D)车联网信道模型，以及普适性随机信道模型；
(3)基于几何的随机性信道模型(Geometry-Based Stochastic Channel Model，GBSM)：其中车联网信道中的有效反散射体(此处反散射体指在电波传播过程中与传输信号产生包括反射、散射、穿透或衍射等“交互现象”的物体)被建模为随机分布过程，并基于发射端Tx、接收端Rx和反散射体的几何位置关系使用简化的射线追踪方式去获得实际的信道冲激响应。
从上述建模方法可以看出，GBSM可以很好地提供收发双向信道模型用于MIMO通信系统分析与设计。同时，由于GBSM中对Tx、Rx和反散射体的物理位置进行建模，因此其可以很好的支持非平稳信道环境，并可以通过修改其反散射体的分布和环境物理参数来扩展适应不同的信道传播环境。
基于反散射体的分布规律，可以将GBSM细分为两类：反散射体分布在规则几何场景结构上的“规则几何分布模型(Regular-Shaped GBSM，RS-GBSM)”和反散射体随机分布在非规则几何场景结构的“非规则几何分布模型(Irregular-Shaped GBSM，IS-GBSM)”。其中，RS-GBSM为了实现较低的模型复杂度，会将反散射体置于一个简单易于描述的几何形状上，例如圆形模型、椭圆模型、套圆模型、和双圆柱模型。由于所有的反散射体都分布在规则几何结构上，因此RS-GBSM可以获得信道统计性特征以及车联网通信系统性能的闭式解析。但是，由于规则几何分布的反散射体并不能完全描述现实信道的物理环境，因此其模型结果与实际的信道测量数据可能出现不匹配的情况。
与RS-GBSM不同，IS-GBSM从基础模型层面重现了信道环境的物理场景，因此其可以较为容易且真实地修改反散射体在不同电波传播环境中的分布概率和密度等参数。IS-GBSM中的有效反散射体在本发明中可以被细分为四大类：视距传播信号、来自动态反散射体(例如道路上的其他车辆)反射的离散多径分量、来自静态反散射体(例如道路两边的建筑物)反射的离散多径分量以及来自周围所有环境的漫反射分量(Diffuse MultipathComponent，DMC)。
由上述介绍可知，GBSM在建模时充分考虑了电波传播的物理特性，同时又避免了GDSM的高复杂度缺点，且具有较强的可扩展性，因此成为了信道建模方法中的主流方法之一。但是RS-GBSM由于仅将反散射体规则部署在电波传播环境，违背了实际信道物理场景特征规律，因此其信道模型结果与实际信道测量结果之间常存在一定误差。同时由于规则几何结构无法与现实物理场景存在较大的差距，因此在实际场景中部署RS-GBSM仍存在较大难度。而IS-GBSM结合了实际电波传播的物理环境，因此可以通过重构物理场景实现更加真实的模拟信道。但是目前的IS-GBSM研究仅针对单跳反射多径进行建模，然而通过实际信道测量可以发现多跳反射是信道中不可缺少的组成部分。除此之外，现有的IS-GBSM未充分的考虑实际信道中的多径簇结构。这种信道多径结构上的差异成为了提高IS-GBSM准确度的障碍。因此，基于簇结构的IS-GBSM研究具有较大的研究空间。
为了克服上述缺陷，本申请实施例提供一种信道建模方法、装置、电子设备及存储介质。下面对本申请实施例提供的信道建模方法、装置、电子设备及存储介质进行示例性地介绍。
下面结合图1-图16描述本发明提供的信道建模方法及装置。
图1是本发明提供的信道建模方法的流程示意图之一，如图1所示，该方法包括如下流程：
步骤100，确定发射端Tx、接收端Rx和至少一个反散射体的位置；
步骤110，基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；
其中不同种类的所述信号对应不同的簇结构，所述簇结构包括以下至少一项：
直射簇LOSC、静态反射簇SC、移动反射簇MC和镜像簇TC。
为了克服现有技术中未充分考虑实际信道中的多径簇结构的缺陷，本发明通过首先确定Tx、Rx和反散射体的位置，然后基于Tx、Rx和反散射体的几何位置关系，对目标信道的不同种类的信号分别进行信道建模，并且，不同种类的信号对应不同的簇结构，有效实现基于簇结构的非规则随机几何混合信道模型，提高了模型的准确性而且具有高扩展性，进而提高了模型的通用性，避免了对信道进行重复测量，并为上层网络优化与设计提供准确的数据支持和理论依据。
可选地，可以确定发射端Tx、接收端Rx和至少一个反散射体的位置。
例如，在高速公路场景下，可以确定车辆1为发射端Tx，确定车辆2为接收端Rx，确定车辆3和建筑物1为反散射体，并确定Tx、Rx和反散射体的位置坐标。
可选地，反散射体可以包括静态反散射体和动态反散射体。
例如，上述示例中移动的车辆3为动态反散射体，而建筑物1为静态反散射体。
可选地，在执行步骤100之前，可以先建立目标信道场景模型，其可以包括如下步骤：
(1)设置物理环境参数。
例如，图2是本发明提供的高速公路场景示意图，如图2所示，物理环境参数具体包括街道长度Llength；静态反散射体和动态反散射体的分布密度χSC和χMC；街道、人行道、建筑区域的宽度Wlane和Wbuildings；单向车道数量Nlane；保护区域长度Dp。本发明仿真中的上述参数设置如表1所示，其中，表1中的Part I表示街道1，Part II表示街道2。
表1物理环境参数设置
可选地，可以基于实际信道环境的使用需求对物理环境参数进行任意设置，本发明对此不作具体限定。
(2)建立静态反散射体。
可选地，可以基于分布和分布密度χSC生成静态反散射体的x坐标。
其中，xmin和xmax分别表示道路沿x轴的始点和终点。
可选地，可以基于零均值的截断高斯分布 和/> 建立静态反散射体的y坐标。
其中，参数y1,SC、y2,SC、σSC和Wbuildings的设置可以参见表1。
可选地，每个静态反散射体之间的距离需要大于保护距离Dp，否则重新生成。参数Dp的设置可以参见表1。
可选地，可以为每一个静态反散射体设置可视区域(Visible Region，VR)DSCvr。
可选地，VR区域可以覆盖整个y轴方向，x轴方向中心可以为反射点中心，因此可以通过反散射体的x坐标+/-DSCvr获得。参数DSCvr的设置可以参见表1。
可以理解的是，只有当Tx和Rx位于反散射体的VR中时，该反散射体才会被激活，或者说该反散射体才为有效反散射体。
(3)初始化Tx、Rx和移动反散射体参数。
可选地，可以初始化Tx和Rx的位置坐标：{xT,yT}和{xR,yR}。
可选地，可以初始化Tx、Rx和移动反散射体的方向矢量：VT、VR和VMC。
可选地，可以基于连续均匀分布和分布密度χMC初始化移动反散射体的x坐标。
可选地，可以设置Tx、Rx和移动反散射体的y坐标为车道中央坐标。
可选地，可以为每个移动反散射体设置VR区域
可选地，Tx、Rx和移动反散射体的速度设定可以基于实际场景或仿真需求进行设置，本发明对此不作具体限定。
可以理解的是，Tx、Rx和移动反散射体的参数的具体取值会极大地影响到信道表现，因此建议Tx、Rx和移动反散射体的初始位置和速度可以基于信道测量实际场景进行设置。
可选地，可以基于Tx、Rx和至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型。
可选地，不同种类的信号可以对应不同的簇结构。
可选地，可以基于轨迹追踪分簇算法对时变动态簇进行识别。
可选地，簇结构可以包括以下至少一项：
直射簇(Line-of-sight cluster，LOSC)、静态反射簇(Static cluster，SC)、移动反射簇(Mobile cluster，MC)和镜像簇(Twin cluster，TC)。
可选地，由于直射簇LOSC没有反散射体参与，因此可以基于Tx和Rx的位置，确定目标信道的直射径信号的信号模型。
可选地，由于静态反射簇SC有静态反散射体的参与，因此可以基于Tx、Rx和静态反散射体的位置，确定目标信道的静态反散射体反射信号的信号模型。
可选地，由于动态反射簇MC有动态反散射体的参与，因此可以基于Tx、Rx和动态反散射体的位置，确定目标信道的动态反散射体反射信号的信号模型。
可选地，由于镜像簇TC有多个静态反散射体的参与，因此可以基于Tx、Rx和多个静态反散射体的位置，确定目标信道的多跳反射信号的信号模型。
可选地，本发明提供的信道建模方法，可以对镜像簇TC进行建模，克服了现有的IS-GBSM仅针对单跳反射多径进行建模的缺陷，实现了对多跳反射多径进行建模。
本发明提供的信道建模方法，通过基于Tx、Rx和反散射体的几何位置关系，对目标信道的各种信号分别进行信道建模，并且，不同种类的信号对应不同的簇结构，有效实现基于簇结构的非规则随机几何混合信道模型，提高了模型的准确性而且具有高扩展性，进而提高了模型的通用性，避免了对信道进行重复测量，并为上层网络优化与设计提供准确的数据支持和理论依据。
可选地，所述确定目标信道的至少两种信号各自的信号模型，包括以下至少一项：
确定所述至少两种信号各自对应的所述簇结构的路损和阴影衰落；其中，不同的所述簇结构对应的用于计算所述路损和阴影衰落的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的多径分量MPC的数量；其中，不同的所述簇结构对应的用于计算所述MPC的数量的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的时延偏置；其中，不同的所述簇结构对应的用于计算所述时延偏置的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的角度偏置，所述角度偏置包括到达角偏置和离开角偏置；其中，不同的所述簇结构对应的用于计算所述角度偏置的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的MPC的功率；其中，不同的所述簇结构对应的用于计算所述MPC的功率的表达式中的参数的取值不同。
可选地，可以确定目标信道的至少两种信号各自对应的簇结构的路损和阴影衰落。
可选地，路损即路径损耗，或称传播损耗，可以是信号在空间传播所产生的损耗，是由发射功率的辐射扩散及信道的传播特性造成的。
可以理解的是，发射功率越大，辐射扩散越大，路径损耗也就越大。
可选地，阴影衰落可以是由发射端Tx和接收端Rx之间的障碍物造成的，这些障碍物会以吸收、反射、散射和绕射等方式衰减信号功率，甚至阻断信号的传播。
可选地，不同的簇结构对应的用于计算路损和阴影衰落的表达式中的参数的取值可以不同。
可选地，可以基于如下公式和表2确定各个簇结构的路损和阴影衰落：
其中，PL(dB)为路损和阴影衰落，γ为路损系数，其大小反应了路损随距离变化的关系，P(dref)为路损在参考距离dref处的截距值。χδ为零均值高斯分布随机变量，用于描述阴影衰落，d为发射端Tx与接收端Rx之间的传播距离，表2中的T2C表示卡车-轿车通信(Truck-to-car)，T2T表示卡车-卡车通信(Truck-to-truck)。
表2簇间统计性特征参数
从表2可以看出，针对不同的簇结构，即LOSC、MC、SC和TC，其簇间特征参数P(dref)、γ和χδ的取值均不相同。
本发明提供的信道建模方法，通过分别确定不同的簇结构的路损和阴影衰落，有效实现基于簇结构的非规则随机几何混合信道模型，并实现对簇间特征进行建模。
可选地，所述确定目标信道的至少两种信号各自的信号模型，包括：
确定所述至少两种信号各自对应的所述簇结构的多径分量(Multipath Component，MPC)的数量；
其中，不同的所述簇结构对应的用于计算所述MPC的数量的表达式中的参数的取值不同。
可选地，可以确定目标信道的至少两种信号各自对应的簇结构的MPC的数量。
可选地，不同的簇结构对应的用于计算MPC的数量的表达式中的参数的取值可以不同。
可选地，可以基于如下公式和表3确定各个簇结构内的MPC的数量：
其中，LMPC表示MPC的数量，表示MPC的数量服从的分布的均值，其具体取值可以参见表3。
可选地，由上述公式可以看出，簇结构内的MPC的数量LMPC的分布服从泊松分布。
表3簇内统计特征参数
/>
/>
从表3可以看出，针对不同的簇结构，即LOSC、MC、SC和TC，其簇内特征参数λL的取值不同。
本发明提供的信道建模方法，通过分别确定不同的簇结构的MPC的数量，有效实现基于簇结构的非规则随机几何混合信道模型，并实现对簇内特征进行建模。
可选地，所述确定目标信道的至少两种信号各自的信号模型，包括：
确定所述至少两种信号各自对应的所述簇结构的时延偏置；
其中，不同的所述簇结构对应的用于计算所述时延偏置的表达式中的参数的取值不同。
可选地，可以确定目标信道的至少两种信号各自对应的簇结构的时延偏置。
可选地，不同的簇结构对应的用于计算时延偏置的表达式中的参数的取值可以不同。
可以理解的是，Tx、Rx和反散射体的相对位置关系决定了簇心的传播距离，即簇结构内功率最高的MPC的时延。
可选地，簇结构内其他MPC的时延与簇心时延的偏量可以被建模为一个截断高斯分布模型，其可以表示为：
其中，其上下界分别为[τmin,τmax]；Δτ为时延偏置，μΔτ和σΔτ分别为时延偏置服从的分布的均值和方差，其具体取值可以参见表3；系数ψ为零均值统一方差的标准高斯分布，其可以表示为：
其中，Ψ(*)为ψ(*)的累计概率分布。
从表3可以看出，针对不同的簇结构，即LOSC、MC、SC和TC，其簇内特征参数μΔτ和σΔτ的取值不同。
本发明提供的信道建模方法，通过分别确定不同的簇结构的时延偏置，有效实现基于簇结构的非规则随机几何混合信道模型，并实现对簇内特征进行建模。
可选地，所述确定目标信道的至少两种信号各自的信号模型，包括：
确定所述至少两种信号各自对应的所述簇结构的角度偏置，所述角度偏置包括到达角偏置和离开角偏置；
其中，不同的所述簇结构对应的用于计算所述角度偏置的表达式中的参数的取值不同。
可选地，可以确定目标信道的至少两种信号各自对应的簇结构的角度偏置。
可选地，簇结构的角度偏置可以包括簇结构的到达角偏置和簇结构的离开角偏置。
可选地，不同的簇结构对应的用于计算角度偏置的表达式中的参数的取值可以不同。
可选地，可以基于如下公式和表3确定各个簇结构内的到达角偏置ΔωR和离开角偏置ΔωT：
其中，bΔω的具体取值可以参见表3。
从表3可以看出，针对不同的簇结构，即LOSC、MC、SC和TC，其簇内特征参数和的取值不同。
本发明提供的信道建模方法，通过分别确定不同的簇结构的角度偏置，有效实现基于簇结构的非规则随机几何混合信道模型，并实现对簇内特征进行建模。
可选地，所述确定目标信道的至少两种信号各自的信号模型，包括：
确定所述至少两种信号各自对应的所述簇结构的MPC的功率；
其中，不同的所述簇结构对应的用于计算所述MPC的功率的表达式中的参数的取值不同。
可选地，可以确定目标信道的至少两种信号各自对应的簇结构的MPC的功率。
可选地，不同的簇结构对应的用于计算MPC的功率的表达式中的参数的取值可以不同。
可选地，所述确定所述至少两种信号各自对应的所述簇结构的MPC的功率，包括：
基于所述MPC的时延偏置、所述MPC的到达角偏置和离开角偏置、以及所述簇结构的功率衰减因子，确定所述至少两种信号各自对应的所述簇结构的MPC的功率。
可选地，可以基于簇结构内MPC的时延偏置、MPC的到达角偏置、MPC的离开角偏置和簇结构的功率衰减因子，确定MPC的功率。
可选地，可以基于MPC的时延偏置、MPC的到达角偏置、MPC的离开角偏置和簇结构的功率衰减因子，确定用于计算MPC的功率的表达式，并将MPC的时延偏置、MPC的到达角偏置、MPC的离开角偏置和簇结构的功率衰减因子各自的值带入该表达式中，确定MPC的功率。
可选地，针对不同的簇结构内的MPC，基于MPC的时延偏置、MPC的到达角偏置、MPC的离开角偏置和簇结构的功率衰减因子，确定的用于计算MPC的功率的表达式中的参数的取值可以不同。
例如，针对不同的簇结构内的MPC，确定的用于计算MPC的功率的表达式中的功率衰减因子的取值可以不同。
可选地，所述确定所述至少两种信号各自对应的所述簇结构的MPC的功率，包括：
基于如下公式确定所述至少两种信号各自对应的所述簇结构的MPC的功率：
其中，表示所述簇结构对应的第l个MPC的功率α服从的分布函数，Δτ表示所述MPC的时延偏置，ΔωR表示所述MPC的到达角偏置，ΔωT表示所述MPC的离开角偏置，bα,R和bα,T表示功率衰减因子，a为系数；
其中，不同的所述簇结构对应的所述bα,R、bα,T和a的取值不同。
可选地，可以基于如下公式确定各个簇结构内的MPC的功率：
其中，可以表示簇结构对应的第l个MPC的功率α服从的分布函数，Δτ可以表示MPC的时延偏置，ΔωR可以表示MPC的到达角偏置，ΔωT可以表示MPC的离开角偏置，bα,R和bα,T表示功率衰减因子，a为系数。
可选地，bα,R、bα,T和a的取值由实测数据拟合得到，具体取值可以参见表3。
从表3可以看出，针对不同的簇结构，即LOSC、MC、SC和TC，其簇内特征参数bα,R、bα,T和a的取值不同。
本发明提供的信道建模方法，通过分别确定不同的簇结构的MPC的功率，有效实现基于簇结构的非规则随机几何混合信道模型，并实现对簇内特征进行建模。
可选地，所述确定目标信道的至少两种信号各自的信号模型，包括：
在所述至少两种信号各自对应的所述簇结构包括所述TC的情况下，确定所述TC的数量。
可选地，在目标信道的至少两种信号各自对应的簇结构包括TC的情况下，可以确定TC的数量。
可选地，可以随机选择静态反散射体对，并且Tx和Rx应分别处于被选择的静态反散射体对的VR区域中。
可选地，可以基于如下公式确定TC的数量NTC：
由上述公式可知，TC的数量NTC等于1或2或3的概率相同，概率均为1/3。
可选地，所述确定目标信道的至少两种信号各自的信号模型，包括：
在所述至少两种信号各自对应的所述簇结构包括所述TC的情况下，确定所述TC的簇心时延，所述TC的簇心时延是直射LOS时延与所述TC的附加时延之和，所述直射(Line-of-sight，LOS)时延是所述LOSC中功率最高的MPC的时延，所述TC的附加时延基于截断高斯分布随机生成。
可选地，在目标信道的至少两种信号各自对应的簇结构包括TC的情况下，可以确定TC的簇心时延。
可选地，TC的簇心时延可以是LOS时延与TC的附加时延之和。
可选地，LOS时延可以是LOSC中功率最高的MPC的时延。
可选地，LOS可以为LOSC中的主要组成部分，LOSC中MPC的时延偏置可以为MPC的时延与LOS时延的差值。
可选地，TC的附加时延可以基于截断高斯分布随机生成。
其中，参数μTC和σTC的具体取值可以参见表3。
可选地，所述确定目标信道的至少两种信号各自的信号模型，还包括：
确定所述至少两种信号各自的信道冲激响应。
可选地，可以确定目标信道的至少两种信号各自的信道冲激响应。
可选地，可以通过如下公式确定不同种类信号各自的信道冲激响应：
其中，N表示簇结构的数量，n＝1,2,…,N；Ln表示每个簇结构内MPC的数量，l＝1,2,…,Ln；an,l表示第n个簇结构内第l个MPC的功率；表示每个MPC的相位，其中χn,l为[0，2π)的均匀分布随机数；Tn，ΩR,n，ΩT,n分别表示第n个簇簇心的时延、到达角、离开角；Δτn,l表示第n个簇结构内第l个MPC的时延偏置；ΔωR,n,l表示第n个簇结构内第l个MPC的到达角偏置；ΔωT,n,l表示第n个簇结构内第l个MPC的离开角偏置。
可选地，可以通过如下公式确定多径簇的信道冲激响应：
其中，LLOSC表示LOSC内MPC的数量，NSC表示SC的数量，表示第n个SC内MPC的数量，NMC表示MC的数量，/>表示第n个MC内MPC的数量，NTC表示TC的数量，/>表示第n个TC内MPC的数量。
本发明提供的信道建模方法，通过确定多径簇的信道冲激响应，有效实现基于簇结构的非规则随机几何混合信道模型，并实现对簇内特征进行建模。
可选地，所述确定目标信道的至少两种信号各自的信号模型，还包括：
确定所述至少两种信号各自的漫反射分量DMC的功率。
可选地，可以确定目标信道的至少两种信号各自的漫反射分量DMC的功率。
可选地，可以基于如下公式和表3确定目标信道的至少两种信号各自的漫反射分量DMC的功率：
其中，βd系数为衰减因子，并服从对数正态(log-normal)分布：
其中，α1为峰值功率，τd为起始时延，并被建模为泊松点分布 和/>的具体取值可以参见表3。
可选地，从信道实测数据提取结果来看，DMC的总功率一般为信道总功率的10％。因此，α1建议设置为信道总功率的10％。
可选地，所述信道建模方法还包括：
基于所述Tx、所述Rx和所述反散射体的方向矢量，更新所述Tx、所述Rx和所述反散射体的位置。
可选地，可以基于Tx、Rx和反散射体的方向矢量，更新Tx、Rx和反散射体的位置。
可选地，在每次更新Tx、Rx和反散射体的坐标位置后，可以重新计算所有的MPC。
可选地，阴影衰落可以基于如下的相关函数进行更新：
其中，Δd表示Tx、Rx和反散射体的相对移动距离，阴影衰落的相关距离dcor的具体取值可以参见表2。
可选地，所述反散射体包括以下至少一项：
静态反散射体和动态反散射体。
可选地，反散射体可以包括静态反散射体和动态反散射体。
例如，在高速公路场景下，移动的车辆可以作为动态反散射体，而高速公路边上的建筑物可以作为静态反散射体。
可选地，所述LOSC包括：由所述Tx发出，并被所述Rx直接接收的多径簇；
所述SC包括：由所述Tx发出，并经过所述静态反散射体反射后被所述Rx接收的多径簇；
所述MC包括：由所述Tx发出，并经过所述动态反散射体反射后被所述Rx接收的多径簇；
所述TC包括：由所述Tx发出，并经过至少两个所述静态反散射体反射后被所述Rx接收的多径簇。
可选地，直射簇LOSC可以包括：由Tx发出，并被Rx直接接收的多径簇。
可选地，静态反射簇SC可以包括：由Tx发出，并经过静态反散射体反射后被Rx接收的多径簇。
可选地，移动反射簇MC可以包括：由Tx发出，并经过动态反散射体反射后被Rx接收的多径簇。
可选地，镜像簇TC可以包括：由Tx发出，并经过至少两个静态反散射体反射后被Rx接收的多径簇。
例如，在高速公路场景下，确定车辆1为发射端Tx，确定车辆2为接收端Rx，确定车辆3为动态反散射体，并确定建筑物1和建筑物2为静态反散射体，则由车辆1发出，并由车辆2直接接收的多径簇为LOSC；由车辆1发出，由建筑物1反射后被车辆2接收的多径簇为SC；由车辆1发出，由车辆3反射后被车辆2接收的多径簇为MC；由车辆1发出，由建筑物1反射后，再被建筑物2反射，最后被车辆2接收的多径簇为TC。
图3是本发明提供的信道建模方法的流程示意图之二，如图3所示，该方法包括：
(1)设置环境参数，具体包括：街道长度Llength；静态反散射体和动态反散射体的分布密度χSC和χMC；街道和建筑区域的宽度Wlane和Wbuildings；保护区域长度Dp；
(2)生成静态反散射体；
(3)生成发射端Tx、接收端Rx和其他移动车辆的初始的位置，及其速度矢量；
可选地，可以将除Tx和Rx之外的其他移动车辆作为动态反散射体。
(4)基于可视距离内的反散射体，生成多径簇LOSC、SC和MC；
(5)分别计算多径簇LOSC、SC和MC的路损和阴影衰落、MPC数量、时延偏置、角度偏置、以及簇结构内MPC的功率；
(6)生成镜像簇TC，并计算TC的路损和阴影衰落、MPC数量、时延偏置、角度偏置、以及TC内MPC的功率；
(7)生成多径簇的信道冲激响应；
(8)计算多径簇的漫反射分量DMC的功率，并可以将获取的DMC功率添加到步骤(7)获取的信道冲激响应中；
(9)判断仿真时间是否超过预设的时长，在超过预设时长的情况下，输出双端信道冲激响应，否则基于时间和速度矢量，更新Tx、Rx和其他移动车辆的位置，并返回步骤(4)。
可选地，预设时长可以根据实际需求进行设置，本发明对此不作具体限定。
下面通过使用二阶统计特性参数，即均方根时延扩展和到达/离开角度扩展来验证模型准确性。验证采用500次独立模拟仿真数据来消除信道模型和建筑物位置的相关性对结果的影响。
图4是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之一，图5是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之二，图6是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之三，图7是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之四，图8是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之五，图9是本发明提供的T2C模型的仿真数据与T2C信道测量结果对比示意图之六，如图4-9所示，展示了T2C信道仿真模拟数据与信道测量数据的二阶统计特性参数的累积分布函数(Cumulative Distribution Function，CDF)分布图。其中，图4-6的数据仿真场景采用与模型参数化相同的街道，即街道1(Part I)；图7-9的数据仿真场景采用了独立的其他街道，即街道2(Part II)。
图10是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之一，图11是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之二，图12是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之三，图13是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之四，图14是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之五，图15是本发明提供的T2T模型的仿真数据与T2T信道测量结果对比示意图之六，如图10-15所示，展示了T2T信道仿真模拟数据与信道测量数据的二阶统计特性参数的累积分布函数(Cumulative Distribution Function，CDF)分布图。其中，图10-12的数据仿真场景采用与模型参数化相同的街道，即街道1(Part I)；图13-15的数据仿真场景采用了独立的其他街道，即街道2(Part II)。
可选地，在生成街道2的模拟仿真数据时，环境参数需要基于街道2的真实环境进行修改，如表1所示，但是信道参数仍保持原有参数，如表2和表3所示。
在图4-15中，虚线表示测量数据(Measurement data)，实线表示仿真数据(Synthetic data)，横坐标分别表示均方根时延扩展(RMS dealy spread)、到达角扩展(AOA spread)和离开角扩展(AOD spread)。从对比图4-15中可以看出，模型模拟数据与实测信道数据拟合效果较好，在T2C与T2T两种场景下信道模型仿真数据与信道实测数据都具有较高的匹配度。因此，使用本发明建立的基于簇结构的非规则随机几何混合信道模型可以通过修改场景参数来模拟不同街道场景下的信道，这将极大地减少对于类似街道场景重复信道测量的工作。
对于车联网时变非平稳信道，本发明提出了可以适用于高速公路场景下的基于簇结构的非规则随机几何混合信道模型，通过对照信道测量物理环境，基于反散射体特征将所有时变动态簇分为LOSC、SC、MC等三类簇，并将测量数据中的多跳反射簇建模为TC。基于实测环境，重构二维(Two Dimensional，2D)高速公路信道物理场景，并分别使用不同的统计分布函数对环境中的Tx、Rx、静态反散射体以及动态反散射体进行建模。利用Tx、Rx和静态/动态反散射体的几何位置关系，对各类簇心的基本信道特征进行建模，然后基于簇内MPC的统计分布特征，对簇内信道特征进行建模。基于实测数据对所提簇结构非规则几何信道模型进行参数拟合，提取模型参数，符合不同反散射体对应不同反射簇的物理规律，提高了模型的准确性。而且，所提模型的高扩展性使得本模型可以方便且准确地扩展到类似的高速公路场景提供模拟信道数据，避免了信道测量重复的工作，并为上层网络优化与设计提供准确的数据支持和理论依据。
可选地，可以通过使用高精度萃取算法从原始测量数据中提取MPC和DMC，基于轨迹追踪分簇算法对时变动态簇进行识别，并将无线多径簇建模为四种基本模型：直射径信号，静态反散射体反射信号、动态反散射体反射信号以及多跳反射信号，并对簇间特征和簇内特征分别进行建模。基于实测数据对非规则随机几何信道模型进行参数化，并对动态信道模型进行仿真。
本发明提供的信道建模方法，通过基于Tx、Rx和反散射体的几何位置关系，对目标信道的各种信号分别进行信道建模，并且，不同种类的信号对应不同的簇结构，有效实现基于簇结构的非规则随机几何混合信道模型，提高了模型的准确性并具有高扩展性，进而扩大了模型的应用范围，避免了信道测量重复的工作，并为上层网络优化与设计提供准确的数据支持和理论依据。
下面对本发明提供的信道建模装置进行描述，下文描述的信道建模装置与上文描述的信道建模方法可相互对应参照。
图16是本发明提供的信道建模装置的结构示意图，如图16所示，该装置包括：第一确定模块1610和第二确定模块1620；其中：
第一确定模块1610用于确定发射端Tx、接收端Rx和至少一个反散射体的位置；
第二确定模块1620用于基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；
其中不同种类的所述信号对应不同的簇结构，所述簇结构包括以下至少一项：
直射簇LOSC、静态反射簇SC、移动反射簇MC和镜像簇TC。
本发明提供的信道建模装置，通过基于Tx、Rx和反散射体的几何位置关系，对目标信道的各种信号分别进行信道建模，并且，不同种类的信号对应不同的簇结构，有效实现基于簇结构的非规则随机几何混合信道模型，提高了模型的准确性而且具有高扩展性，进而提高了模型的通用性，避免了对信道进行重复测量，并为上层网络优化与设计提供准确的数据支持和理论依据。
图17是本发明提供的电子设备的结构示意图，如图17所示，该电子设备可以包括：处理器(processor)1710、通信接口(Communications Interface)1720、存储器(memory)1730和通信总线1740，其中，处理器1710，通信接口1720，存储器1730通过通信总线1740完成相互间的通信。处理器1710可以调用存储器1730中的逻辑指令，以执行上述各方法所提供的信道建模方法，该方法包括：
确定发射端Tx、接收端Rx和至少一个反散射体的位置；
基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；
其中不同种类的所述信号对应不同的簇结构，所述簇结构包括以下至少一项：
直射簇LOSC、静态反射簇SC、移动反射簇MC和镜像簇TC。
此外，上述的存储器1730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的信道建模方法，该方法包括：
确定发射端Tx、接收端Rx和至少一个反散射体的位置；
基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；
其中不同种类的所述信号对应不同的簇结构，所述簇结构包括以下至少一项：
直射簇LOSC、静态反射簇SC、移动反射簇MC和镜像簇TC。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的信道建模方法，该方法包括：
确定发射端Tx、接收端Rx和至少一个反散射体的位置；
基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；
其中不同种类的所述信号对应不同的簇结构，所述簇结构包括以下至少一项：
直射簇LOSC、静态反射簇SC、移动反射簇MC和镜像簇TC。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
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 (14)
1.一种信道建模方法，其特征在于，包括：
确定发射端Tx、接收端Rx和至少一个反散射体的位置；
基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；
其中不同种类的所述信号对应不同的簇结构，所述簇结构包括镜像簇TC以及以下至少一项：
直射簇LOSC、静态反射簇SC和移动反射簇MC；所述TC包括：由所述Tx发出，并经过至少两个静态反散射体反射后被所述Rx接收的多径簇；
所述基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型，包括：
基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定所述目标信道的多跳反射信号的信号模型。
2.根据权利要求1所述的信道建模方法，其特征在于，所述确定目标信道的至少两种信号各自的信号模型，包括以下至少一项：
确定所述至少两种信号各自对应的所述簇结构的路损和阴影衰落；其中，不同的所述簇结构对应的用于计算所述路损和阴影衰落的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的多径分量MPC的数量；其中，不同的所述簇结构对应的用于计算所述MPC的数量的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的时延偏置；其中，不同的所述簇结构对应的用于计算所述时延偏置的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的角度偏置，所述角度偏置包括到达角偏置和离开角偏置；其中，不同的所述簇结构对应的用于计算所述角度偏置的表达式中的参数的取值不同；
确定所述至少两种信号各自对应的所述簇结构的MPC的功率；其中，不同的所述簇结构对应的用于计算所述MPC的功率的表达式中的参数的取值不同。
3.根据权利要求2所述的信道建模方法，其特征在于，所述确定所述至少两种信号各自对应的所述簇结构的MPC的功率，包括：
基于所述MPC的时延偏置、所述MPC的到达角偏置和离开角偏置、以及所述簇结构的功率衰减因子，确定所述至少两种信号各自对应的所述簇结构的MPC的功率。
4.根据权利要求3所述的信道建模方法，其特征在于，所述基于所述MPC的时延偏置、所述MPC的到达角偏置和离开角偏置、以及所述簇结构的功率衰减因子，确定所述至少两种信号各自对应的所述簇结构的MPC的功率，包括：
基于如下公式确定所述至少两种信号各自对应的所述簇结构的MPC的功率：
其中，表示所述簇结构对应的第l个MPC的功率α服从的分布函数，Δτ表示所述MPC的时延偏置，ΔωR表示所述MPC的到达角偏置，ΔωT表示所述MPC的离开角偏置，bα,R和bα,T表示功率衰减因子，a为系数；
其中，不同的所述簇结构对应的所述bα,R、bα,T和a的取值不同。
5.根据权利要求1所述的信道建模方法，其特征在于，所述确定目标信道的至少两种信号各自的信号模型，包括：
在所述至少两种信号各自对应的所述簇结构包括所述TC的情况下，确定所述TC的数量。
6.根据权利要求1所述的信道建模方法，其特征在于，所述确定目标信道的至少两种信号各自的信号模型，包括：
在所述至少两种信号各自对应的所述簇结构包括所述TC的情况下，确定所述TC的簇心时延，所述TC的簇心时延是直射LOS时延与所述TC的附加时延之和，所述LOS时延是所述LOSC中功率最高的MPC的时延，所述TC的附加时延基于截断高斯分布随机生成。
7.根据权利要求1-6任一项所述的信道建模方法，其特征在于，所述确定目标信道的至少两种信号各自的信号模型，还包括：
确定所述至少两种信号各自的信道冲激响应。
8.根据权利要求1-6任一项所述的信道建模方法，其特征在于，所述确定目标信道的至少两种信号各自的信号模型，还包括：
确定所述至少两种信号各自的漫反射分量DMC的功率。
9.根据权利要求1-6任一项所述的信道建模方法，其特征在于，所述方法还包括：
基于所述Tx、所述Rx和所述反散射体的方向矢量，更新所述Tx、所述Rx和所述反散射体的位置。
10.根据权利要求1-6任一项所述的信道建模方法，其特征在于，所述反散射体包括以下至少一项：
静态反散射体和动态反散射体。
11.根据权利要求10所述的信道建模方法，其特征在于，所述LOSC包括：由所述Tx发出，并被所述Rx直接接收的多径簇；
所述SC包括：由所述Tx发出，并经过所述静态反散射体反射后被所述Rx接收的多径簇；
所述MC包括：由所述Tx发出，并经过所述动态反散射体反射后被所述Rx接收的多径簇。
12.一种信道建模装置，其特征在于，包括：
第一确定模块，用于确定发射端Tx、接收端Rx和至少一个反散射体的位置；
第二确定模块，用于基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型；
其中不同种类的所述信号对应不同的簇结构，所述簇结构包括镜像簇TC以及以下至少一项：
直射簇LOSC、静态反射簇SC和移动反射簇MC；所述TC包括：由所述Tx发出，并经过至少两个静态反散射体反射后被所述Rx接收的多径簇；
所述基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定目标信道的至少两种信号各自的信号模型，包括：
基于所述Tx、所述Rx和所述至少一个反散射体的位置，确定所述目标信道的多跳反射信号的信号模型。
13.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至11任一项所述信道建模方法的步骤。
14.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至11任一项所述信道建模方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111506183.0A CN114301558B (zh) | 2021-12-10 | 2021-12-10 | 信道建模方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111506183.0A CN114301558B (zh) | 2021-12-10 | 2021-12-10 | 信道建模方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114301558A CN114301558A (zh) | 2022-04-08 |
| CN114301558B true CN114301558B (zh) | 2024-05-03 |
Family
ID=80967487
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111506183.0A Active CN114301558B (zh) | 2021-12-10 | 2021-12-10 | 信道建模方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114301558B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114978383B (zh) * | 2022-04-26 | 2023-08-11 | 华中科技大学 | 一种具有空间一致性的信道建模方法、装置及介质 |
| CN117859275A (zh) * | 2022-08-05 | 2024-04-09 | 北京小米移动软件有限公司 | 双向多径信道建模方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106452629A (zh) * | 2016-11-07 | 2017-02-22 | 北京交通大学 | 一种基于核功率密度的无线信道多径分簇方法 |
| CN107086894A (zh) * | 2017-05-12 | 2017-08-22 | 重庆大学 | 一种高速移动下基于马尔科夫链的mimo信道建模方法 |
| CN111314001A (zh) * | 2020-03-10 | 2020-06-19 | 合肥工业大学 | 一种基于几何的非平稳v2v mimo信道建模方法 |
| CN112333671A (zh) * | 2020-11-03 | 2021-02-05 | 合肥工业大学 | 一种车对车mimo信道的非平稳特征提取方法 |
-
2021
- 2021-12-10 CN CN202111506183.0A patent/CN114301558B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106452629A (zh) * | 2016-11-07 | 2017-02-22 | 北京交通大学 | 一种基于核功率密度的无线信道多径分簇方法 |
| CN107086894A (zh) * | 2017-05-12 | 2017-08-22 | 重庆大学 | 一种高速移动下基于马尔科夫链的mimo信道建模方法 |
| CN111314001A (zh) * | 2020-03-10 | 2020-06-19 | 合肥工业大学 | 一种基于几何的非平稳v2v mimo信道建模方法 |
| CN112333671A (zh) * | 2020-11-03 | 2021-02-05 | 合肥工业大学 | 一种车对车mimo信道的非平稳特征提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 5G/B5G车联网信道建模与仿真研究;李怡然;硕士电子期刊(第第11期期);第48-61页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114301558A (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114301558B (zh) | 信道建模方法、装置、电子设备及存储介质 | |
| Yun et al. | Ray tracing for radio propagation modeling: Principles and applications | |
| Hirsenkorn et al. | A ray launching approach for modeling an FMCW radar system | |
| US7796983B2 (en) | Physics-based statistical model and simulation method of RF propagation in urban environments | |
| US20070093212A1 (en) | Radio wave propagation characteristic estimation system, and its method and program | |
| CN106851821B (zh) | 一种基于无线通信基站的室内三维定位方法 | |
| Rumney | Testing 5G: Time to Throw Away the Cables. | |
| Yan et al. | Channel characterization for vehicle-to-infrastructure communications in millimeter-wave band | |
| Egea-Lopez et al. | Opal: An open source ray-tracing propagation simulator for electromagnetic characterization | |
| CN116827459B (zh) | 一种无线通信网络设备性能测试方法 | |
| Lübke et al. | Comparing mmWave channel simulators in vehicular environments | |
| Schiller et al. | GPU accelerated ray launching for high-fidelity virtual test drives of VANET applications | |
| Li et al. | Shadowing in urban environments with microcellular or peer-to-peer links | |
| Wang et al. | Dynamic coherence-based em ray tracing simulations in vehicular environments | |
| Pascual-García et al. | Wireless channel analysis between 25 and 40 ghz in an intra-wagon environment for 5g using a ray-tracing tool | |
| Navarro et al. | Using game engines for wideband channel estimation parameters in Andean cities | |
| Vuckovik et al. | Durkin’s propagation model based on triangular irregular network terrain | |
| Wang et al. | An Improved 3D Indoor Positioning Study with Ray Tracing Modeling for 6G Systems | |
| Schmitz et al. | Wave propagation using the photon path map | |
| CN113468735B (zh) | 一种激光雷达仿真方法、装置、系统和存储介质 | |
| JP2009005250A (ja) | 電波伝搬解析装置 | |
| CN111669726A (zh) | 一种用于车联网的确定性信道模拟器及信道模拟方法 | |
| Dreyer et al. | Comparison of a fast analytical ray tracer and channel-sounder measurements for V2V communications | |
| Steinböck et al. | A 5G hybrid channel model considering rays and geometric stochastic propagation graph | |
| Abadpour et al. | Extraction of scattering centers using a greedy algorithm for traffic participants |
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 |