CN114448531A - 一种信道特性分析方法、系统、介质、设备及处理终端 - Google Patents

一种信道特性分析方法、系统、介质、设备及处理终端 Download PDF

Info

Publication number
CN114448531A
CN114448531A CN202111481302.1A CN202111481302A CN114448531A CN 114448531 A CN114448531 A CN 114448531A CN 202111481302 A CN202111481302 A CN 202111481302A CN 114448531 A CN114448531 A CN 114448531A
Authority
CN
China
Prior art keywords
channel
characteristic analysis
channel characteristic
multipath
parameters
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
Application number
CN202111481302.1A
Other languages
English (en)
Other versions
CN114448531B (zh
Inventor
郭立新
田天宇
刘忠玉
董江波
刘玮
齐航
刘伟
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
China Mobile Group Design Institute Co Ltd
Original Assignee
Xidian University
China Mobile Group Design Institute Co Ltd
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, China Mobile Group Design Institute Co Ltd filed Critical Xidian University
Priority to CN202111481302.1A priority Critical patent/CN114448531B/zh
Publication of CN114448531A publication Critical patent/CN114448531A/zh
Application granted granted Critical
Publication of CN114448531B publication Critical patent/CN114448531B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H04B17/327—Received signal code power [RSCP]
    • 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
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明属于无线通信技术领域，公开了一种信道特性分析方法、系统、介质、设备及处理终端，所述信道特性分析方法包括：基于具体传播环境的几何信息与电磁信息构建确定性信道模型，通过求解麦克斯韦方程或近似传播方程，计算预测接收点处的多维度信道参数；基于确定性信道模型的仿真结果，提出无线信道特性分析方法；针对传播场景，对典型信道参数进行系统化规划化的参数提取与特性分析；基于K‑means算法，加入多径参数作为权重度量，优化质心的选取，改进信道分簇算法。本发明基于反向射线跟踪算法，进行精确的电磁波路径预测和多维度信道参数计算，定义系统的信道特性分析方法，为无线通信系统设计和网络规划提供较为准确的理论依据。

Description

一种信道特性分析方法、系统、介质、设备及处理终端
技术领域
本发明属于无线通信技术领域，尤其涉及一种信道特性分析方法、系统、介质、设备及处理终端。
背景技术
目前，无线通信技术在近二十年来的快速革新影响着整个世界，无论是从科学技术领域的蓬勃发展，还是从产业转化、市场普及的社会影响，它的发展与普及已经改变了人们的生活方式。无线通信不同于通过电缆光纤等媒介传输的有线通信，电磁波是在自由空间的无线信道中传播的，所以无线通信性能的优劣是受其实际传播环境影响的，因此在进行无线通信系统设计和网络规划时，需要准确了解信道特性。
随着2019年第一个商用5G网络的成功部署，新时代也真正来临了。与过往的通信技术相比，5G有着传输速度快，信道带宽大，传播时延低等优势，它带来的终端智能化使其真正有能力实现更广泛的万物互联，智慧家居、智慧医疗、无人驾驶等新应用场景也喷涌而出。目前国内5G网络所采用的频段主要是Sub6GHz频段，同时毫米波段的研发、测试和应用也在稳步开展。5G网络主要部署场景为市区微蜂窝等小区域，以消除宏蜂窝中的“盲点”与“热点”。
在大尺度上具有一定普遍统计特性的宏蜂窝，可以通过基于大量实际测量结果根据电磁计算理论统计分析得出经验模型来表征该区域内的无线信道特性；然而针对5G时代以微基站为主的趋势，在小区域传播环境，每个特定区域有其不可忽视的特性与随机性，需要基于实际传播场景建立确定性模型进行仿真计算。然而针对确定性模型仿真得到的多维信道参数，也应该形成系统的多维度的信道特性分析。
现有技术中对无线信道特性的分析还是以功率覆盖预测为主，并没有考虑更多维度的多径信息，没有形成系统的信道特性分析方法。5G网络所用频段的信道特性与以往通信技术所用频段的信道特性有显著差别，需要对Sub6GHz和毫米波频段的特性展开研究。在小区域场景下，需要针对各种特定环境(如居民区深阴影区)开展相关研究，完善对5G网络典型场景信道特性的认知。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有技术中对无线信道特性的分析还是以功率覆盖预测为主，并没有考虑更多维度的多径信息，没有形成系统的信道特性分析方法。
(2)5G网络所用频段的信道特性与以往通信技术所用频段的信道特性有显著差别，同时在小区域场景下，需要针对各种特定环境开展相关研究。
解决以上问题及缺陷的难度为：针对5G所用频段在小区域场景的仿真预测难以兼顾准确性与适用性，同时针对多维信道参数以及灵活多变的场景，量化参数计算分析的系统化构建存在一定的难度。
解决以上问题及缺陷的意义为：针对现有技术存在的问题，本发明基于反向射线跟踪算法，进行精确的电磁波路径预测和多维度信道参数计算，定义了一套系统的信道特性分析方法，为无线通信系统设计和网络规划提供一个较为准确的理论依据。
发明内容
针对现有技术存在的问题，本发明提供了一种信道特性分析方法、系统、介质、设备及处理终端，尤其涉及一种针对确定性信道模型的信道特性分析方法、系统、介质、设备及处理终端。
本发明是这样实现的，一种信道特性分析方法，所述信道特性分析方法，包括：基于具体传播环境的几何信息与电磁信息构建确定性信道模型，通过求解麦克斯韦方程或近似传播方程，计算预测接收点处的多维度信道参数；基于确定性信道模型的仿真结果，提出无线信道特性分析方法；针对具体传播场景，对典型信道参数进行系统化规划化的参数提取与特性分析；基于K-means算法，加入多径参数作为权重度量，同时优化质心的选取，改进信道分簇算法。
进一步，所述信道特性分析方法包括以下步骤：
步骤一，分别进行功率时延谱PDP、接受功率与路径损耗的计算；
步骤二，分别进行时延扩展以及莱斯因子K的计算；
步骤三，构建信道分簇算法，并利用信道分簇算法进行信道特性分析。
步骤一中时延谱可以对实际传播场景信道多径进行直观的考察，以确定该实际传播场量中多径能量的分布；接收功率与路径损耗可以描述信号在传播过程中的传播损耗，从而对链路预算和系统设计(如覆盖范围基站选址等)提供一个依据。
步骤二中时延扩展可以对信道时间色散提供量化指标，从而对无线通信信道码间干扰进行评估；莱斯因子K可以量化视距分量在总接收功率中的权重，从而对实际传播环境信道质量与小区规划进行评估。
步骤三可以根据实际场景复杂程度、分簇精度进行分簇，从而可以精确分析各簇簇内与簇间的信道特性。
进一步，步骤二中，所述时延扩展，包括：
均方根时延扩展用于表征多径信道时间弥散特性，并对无线通信信道码间干扰进行度量；通过PDP进行计算，被定义为PDP二阶中心矩的平方根：
Figure BDA0003394979820000031
其中，
Figure BDA0003394979820000032
为附加延迟τi时的射线路径在接收点处的电场幅值的平方，N为到达接收点处的射线路径总数，τe为平均附加时延，所述附加延迟τi为到达时间减去第一径时延。
进一步，步骤二中，所述莱斯因子K的计算，包括：
莱斯因子K，即KF，用于反映视距分量和非视距分量之间功率的权重，KF被定义为直射路径功率与其余各个路径功率之和的比值，计算公式如下：
Figure BDA0003394979820000041
其中，PLOS表示直射路径的功率，P表示总的接收功率。
进一步，步骤三中，所述信道分簇算法的构建，包括：
(1)选取当前数据集中接收功率最大的径作为当前质心标准，进行分簇，根据数据集内数据聚合度自行确定k值；
(2)在数据集距离计算中引入多径分量参数，形成综合判断函数；
(3)设定阈值Dlim，将小于阈值的多径分量与参考多径分量归为一簇，分好类的分量从数据集中去除，阈值将决定分簇的精度；
(4)对于未进行分簇的多径，从步骤(1)开始，重新选取新的参考多径分量质心；重复步骤(1)至步骤(3)，直到不存在未分类的多径分量为止。
进一步，步骤(2)中，所述综合判断函数为：
Figure BDA0003394979820000042
其中，c为质心，i为多径分量，P为功率，MCDγ(c,i)表示质心与该多径之间的时延域距离，MCDAoA(c,i)表示质心与该多径之间的角度域距离：
Figure BDA0003394979820000043
Figure BDA0003394979820000044
其中，Δγ2 max为最大时延与最小时延之差，σγ表示时延标准差，k为权重因子，θ和
Figure BDA0003394979820000045
分别为俯仰角与方位角。
本发明的另一目的在于提供一种应用所述的信道特性分析方法的信道特性分析系统，所述信道特性分析系统包括：
功率时延谱计算模块，用于进行功率时延谱PDP的计算；
功率损耗计算模块，用于分别进行接受功率与路径损耗的计算；
时延扩展模块，用于进行时延扩展；
莱斯因子计算模块，用于进行莱斯因子K的计算；
信道分簇算法构建模块，用于构建信道分簇算法；
信道特性分析模块，用于利用信道分簇算法进行信道特性分析。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
基于具体传播环境的几何信息与电磁信息构建确定性信道模型，通过求解麦克斯韦方程或近似传播方程，计算预测接收点处的多维度信道参数；基于确定性信道模型的仿真结果，提出无线信道特性分析方法；针对具体传播场景，对典型信道参数进行系统化规划化的参数提取与特性分析；基于K-means算法，加入多径参数作为权重度量，同时优化质心的选取，改进信道分簇算法。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
基于具体传播环境的几何信息与电磁信息构建确定性信道模型，通过求解麦克斯韦方程或近似传播方程，计算预测接收点处的多维度信道参数；基于确定性信道模型的仿真结果，提出无线信道特性分析方法；针对具体传播场景，对典型信道参数进行系统化规划化的参数提取与特性分析；基于K-means算法，加入多径参数作为权重度量，同时优化质心的选取，改进信道分簇算法。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的信道特性分析系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的信道特性分析方法，具体涉及一种针对确定性信道模型的信道特性分析方法，确定性信道模型是基于具体传播环境的几何信息与电磁信息，通过求解麦克斯韦方程或近似传播方程，来精确计算预测接收点处的多维度信道参数；基于确定性信道模型的仿真结果，提出一种无线信道特性分析方法。针对具体传播场景，本发明对典型信道参数进行系统化规划化的参数提取与特性分析，同时基于K-means算法，加入多径参数作为权重度量，同时优化质心的选取，改进信道分簇算法。经过与实测数据对比分析，本发明提供的无线信道特性分析方法可以对具体传播场景的无线信道进行准确分析。
本发明基于反向射线跟踪算法，进行精确的电磁波路径预测和多维度信道参数计算，定义了一套系统的信道特性分析方法，为无线通信系统设计和网络规划提供一个较为准确的理论依据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅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是本发明实施例提供的信道特性分析方法流程图。
图2是本发明实施例提供的信道特性分析系统结构框图；
图中：1、功率时延谱计算模块；2、功率损耗计算模块；3、时延扩展模块；4、莱斯因子计算模块；5、信道分簇算法构建模块；6、信道特性分析模块。
图3是本发明实施例提供的收发天线位置示意图。
图4是本发明实施例提供的位置1处相对时延功率谱图。
图5是本发明实施例提供的连续位置PDP变化趋势(二维)示意图。
图6是本发明实施例提供的连续位置PDP变化趋势(三维)示意图。
图7是本发明实施例提供的接收功率变化趋势示意图。
图8是本发明实施例提供的路径损耗示意图。
图9是本发明实施例提供的接收点时延扩展示意图。
图10是本发明实施例提供的莱斯因子概率分布图。
图11是本发明实施例提供的算法流程图。
图12是本发明实施例提供的三维路径示意图。
图13是本发明实施例提供的信道分簇示意图。
图14是本发明实施例提供的按照逆时针方向对建筑物信息进行建模示意图。
图15是本发明实施例提供的txt文件对建筑物内部房间进行建模示意图。
图16是本发明实施例提供的对目标区域的信道特性进行分析示意图。
图17是本发明实施例提供的通过对不同发射天线位置的路径损耗与接收功率仿真可以对覆盖区域与基站架设有良好的评估示意图。
图18是本发明实施例提供的通过信道分簇算法可以对多径信道进行一个聚类分析示意图。
图19是本发明实施例提供的通过对时延扩展二阶矩的分析可以评估时域色散的程度与码间干扰强弱示意图。
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仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种信道特性分析方法、系统、介质、设备及处理终端，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的信道特性分析方法包括以下步骤：
S101，分别进行功率时延谱PDP、接受功率与路径损耗的计算；
S102，分别进行时延扩展以及莱斯因子K的计算；
S103，构建信道分簇算法，并利用信道分簇算法进行信道特性分析。
如图2所示，本发明实施例提供的信道特性分析系统包括：
功率时延谱计算模块1，用于进行功率时延谱PDP的计算；
功率损耗计算模块2，用于分别进行接受功率与路径损耗的计算；
时延扩展模块3，用于进行时延扩展；
莱斯因子计算模块4，用于进行莱斯因子K的计算；
信道分簇算法构建模块5，用于构建信道分簇算法；
信道特性分析模块6，用于利用信道分簇算法进行信道特性分析。
下面结合具体实施例对本发明的技术方案作进一步描述。
1、本发明公开了一种针对确定性信道模型的无线信道特性分析方法。确定性信道模型是基于具体传播环境的几何信息与电磁信息，通过求解麦克斯韦方程或近似传播方程，来精确计算预测接收点处的多维度信道参数。基于确定性信道模型的仿真结果，提出一种无线信道特性分析方法。针对具体传播场景，本发明对典型信道参数进行系统化规划化的参数提取与特性分析，同时基于K-means算法，加入多径参数作为权重度量，同时优化质心的选取，改进信道分簇算法。经过与实测数据对比分析，本发明提供的无线信道特性分析方法可以对具体传播场景的无线信道进行准确分析。
本发明基于反向射线跟踪算法，进行精确的电磁波路径预测和多维度信道参数计算，定义了一套系统的信道特性分析方法，为无线通信系统设计和网络规划提供一个较为准确的理论依据。
补充：
本发明通过该信道特性分析方法与系统，完成对考察区域的信道特性分析。
如图14所示，首先按照逆时针方向对建筑物信息进行建模。
如图15和表1所示，按如下格式的txt文件对建筑物内部房间进行建模。
表1
Figure BDA0003394979820000081
Figure BDA0003394979820000091
如图16所示，然后可以对目标区域的信道特性进行分析。
如图17所示，通过对不同发射天线位置的路径损耗与接收功率仿真可以对覆盖区域与基站架设有良好的评估。
如图18所示，通过信道分簇算法可以对多径信道进行一个聚类分析。
如图19所示，通过对时延扩展二阶矩的分析可以评估时域色散的程度与码间干扰强弱。
表2
Figure BDA0003394979820000092
2、内容
2.1仿真设置
本发明实施例是基于结合镜像法与虚拟源树法的反向射线跟踪算法进行仿真预测然后针对小区域场景进行系统化的信道特性分析，提供的信道特性分析方法可以适用于更多仿真算法。
针对不同的关注点可以进行不同的仿真设置，总体来说有：针对特定频段，变换收发天线相对位置或相对高度等；固定收发天线位置，变换发射天线工作频点或其他相关参数。
本发明实施例收发两端均采用半波偶极子天线，增益为1.26dBi，极化方式为垂直极化；发射端功率为100mW(20dBm)，工作频率范围选取2GHz-6GHz(500MHz间隔选取)；同时固定发射天线位置，移动接收天线选取20个点，位置设置如图3所示。
2.2功率时延谱(PDP)
衰落与弥散是无线信道的基本特性，电磁波经过无线信道传输后会使原本的信号在时域、频域、空域上产生弥散现象，功率时延谱描述的就是信道在时间上的色散，它是某一时延处接收信号功率的期望。其成因就是发射信号因多径传播经过不同的路径到达接收点的时间各不相同，功率时延分布可以反映接收端的功率在时间域上的分布。
图4展示了工作频率为2.5GHz时Rx位置1处到达功率的相对幅度随到达时间的分布；图5、图6则分别以二维三维的方式展示了工作频率为2.5GHz时，连续路径上随着Rx移动PDP的变化趋势。
可以观察到在实际传播场景中多径是非常丰富的。另外，还可以发现，在视距位置下，总有一条功率较强的直射路径和多条反射路径存在，而在非视距位置下，随着Rx移动，只有少量低阶绕射和多阶反射射线以较小的功率到达接收端，并且时延相对较大。
2.3接受功率与路径损耗
路径损耗是信道特征中一个非常重要的大尺度参数，也是链路预算和系统设计的一个重要特性，可以用来描述信号在传播过程中的传播损耗。同时路径损耗信息对于确定无线通信系统的覆盖面积大小和选择最优的基站天线位置是至关重要的。
图7为工作频率为3GHz时多点仿真接收功率变化趋势图，在此场景中接收功率与收发两端距离并不是绝对负相关，当Rx远离Tx时，路径损耗整体上呈现出稳定减小的趋势，局部会有起伏，结合实际的传播场景可知，这与收发天线是否互为可视以及周围墙体是否为路口有关；图8展示了路损模型、路径损耗仿真点及其对数距离的线性拟合，可以得出路径损耗指数n＝2.45，同时线性拟合与经验模型拟合较好。
2.4时延扩展
均方根时延扩展是表征多径信道时间弥散特性的重要参数，也可以对无线通信信道码间干扰进行度量。它可以通过PDP进行计算，被定义为PDP二阶中心矩的平方根：
Figure BDA0003394979820000111
式中，
Figure BDA0003394979820000112
为附加延迟(Excess Delay)τi(到达时间减去第一径时延)时的射线路径在接收点处的电场幅值的平方，N为到达接收点处的射线路径总数。τe为平均附加时延。
图9展示了各接收点各工作频段的时延扩展，总体上随着工作频率的升高，均方根时延扩展呈现出下降的趋势，从而达到降低时延，抑制码间干扰，提供更好的通信传输的目的。从单个接收点来看，也都有一些特别的现象，见表3。
表3特定接收点时延扩展分析表
Figure BDA0003394979820000113
2.5莱斯因子K
莱斯因子K(RicianK-factor，KF)反映了视距分量和非视距分量之间功率的权重，在估计信道质量和链路预算等方面有着重要的作用。KF通常被定义为直射路径功率与其余各个路径功率之和的比值，其计算公式如下：
Figure BDA0003394979820000121
其中，PLOS表示直射路径的功率，P表示总的接收功率。
图10统计了各接收点各工作频点的莱斯因子K，其中K因子平均值为6.5dB，与城区场景模型典型值吻合，并且总体呈现高斯分布的趋势，同时也可以体现出大部分情况下LOS场景直射路径与低阶反射路径总能量较高，电磁波的传播贡献主要来自于直射与低阶反射。
2.6信道分簇算法
在实际的传播环境中，无线电波的传播路径通常以簇的形式存在，可以近似地将多径中同时到达接收端的分量看成一个簇，它被定义为具有相似时延、到达离开角等参数的多径分量的集合，簇可以用来反映信道特性，因此信道分簇算法对于信道分析有着良好的作用。以往基于功率权重的K-means分簇算法的分簇效果比较粗略，同时需要首先设定K值来确定分簇数目，这与根据实际传播环境或者分簇精度的想法不符，因此引入多径分量等参数作为权重度量，同时优化质心的选取，对仿真结果进行分簇。分簇算法流程如图11所示。
(a)以往的K-means算法是先确定k值，将数据集聚类成k簇，并不能完全根据实际情况灵活确定一个最合适的k值。因此作为改进：首先选取当前数据集中接收功率最大的径作为当前质心标准，进行分簇，根据数据集内数据聚合度自行确定k值。
(b)在数据集距离计算中，引入多径分量参数，形成更完备的综合判断函数：
Figure BDA0003394979820000122
其中c为质心，i为多径分量，P为功率，MCDγ(c,i)表示质心与该多径之间的时延域距离(multipathcomponentdistance)，MCDAoA(c,i)表示质心与该多径之间的角度域距离。
Figure BDA0003394979820000131
Figure BDA0003394979820000132
Δγ2 max为最大时延与最小时延之差，σγ表示时延标准差，k为权重因子，θ和
Figure BDA0003394979820000133
分别为俯仰角与方位角。
(c)设定阈值Dlim，将小于阈值的多径分量与参考多径分量归为一簇，分好类的分量从数据集中去除，阈值将决定分簇的精度。
(d)对于未进行分簇的多径，从步骤a开始，重新选取新的参考多径分量质心，重复上面步骤，直到不存在未分类的多径分量为止。
图12为所有的三维路径分布图，图13举例展示了该信道分簇算法中聚类形成的两簇，直观上可以发现该算法分簇的效果明显，簇内多径相似度高，分簇精准。
该算法与K-power-means算法的对比见表4，从分簇数量，每簇簇内分量间信道特性的离散度(方差)等方面进行对比，发现改进分簇算法的聚类更精细，簇内分量的信道特性更相似。
表4算法对比表
Figure BDA0003394979820000134
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘Solid StateDisk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，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，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种信道特性分析方法，其特征在于，所述信道特性分析方法，包括：基于具体传播环境的几何信息与电磁信息构建确定性信道模型，通过求解麦克斯韦方程或近似传播方程，计算预测接收点处的多维度信道参数；基于确定性信道模型的仿真结果，提出无线信道特性分析方法；针对具体传播场景，对典型信道参数进行系统化规划化的参数提取与特性分析；基于K-means算法，加入多径参数作为权重度量，同时优化质心的选取，改进信道分簇算法。
2.如权利要求1所述的信道特性分析方法，其特征在于，所述信道特性分析方法包括以下步骤：
步骤一，分别进行功率时延谱PDP、接受功率与路径损耗的计算；
步骤二，分别进行时延扩展以及莱斯因子K的计算；
步骤三，构建信道分簇算法，并利用信道分簇算法进行信道特性分析。
3.如权利要求2所述的信道特性分析方法，其特征在于，步骤二中，所述时延扩展，包括：均方根时延扩展用于表征多径信道时间弥散特性，并对无线通信信道码间干扰进行度量；通过PDP进行计算，被定义为PDP二阶中心矩的平方根：
Figure FDA0003394979810000011
其中，
Figure FDA0003394979810000012
为附加延迟τi时的射线路径在接收点处的电场幅值的平方，N为到达接收点处的射线路径总数，τe为平均附加时延，所述附加延迟τi为到达时间减去第一径时延。
4.如权利要求2所述的信道特性分析方法，其特征在于，步骤二中，所述莱斯因子K的计算，包括：莱斯因子K，即KF，用于反映视距分量和非视距分量之间功率的权重，KF被定义为直射路径功率与其余各个路径功率之和的比值，计算公式如下：
Figure FDA0003394979810000021
其中，PLOS表示直射路径的功率，P表示总的接收功率。
5.如权利要求2所述的信道特性分析方法，其特征在于，步骤三中，所述信道分簇算法的构建，包括：
(1)选取当前数据集中接收功率最大的径作为当前质心标准，进行分簇，根据数据集内数据聚合度自行确定k值；
(2)在数据集距离计算中引入多径分量参数，形成综合判断函数；
(3)设定阈值Dlim，将小于阈值的多径分量与参考多径分量归为一簇，分好类的分量从数据集中去除，阈值将决定分簇的精度；
(4)对于未进行分簇的多径，从步骤(1)开始，重新选取新的参考多径分量质心；重复步骤(1)至步骤(3)，直到不存在未分类的多径分量为止。
6.如权利要求5所述的信道特性分析方法，其特征在于，步骤(2)中，所述综合判断函数为：
Figure FDA0003394979810000022
其中，c为质心，i为多径分量，P为功率，MCDγ(c,i)表示质心与该多径之间的时延域距离，MCDAoA(c,i)表示质心与该多径之间的角度域距离：
Figure FDA0003394979810000023
Figure FDA0003394979810000024
其中，Δγ2 max为最大时延与最小时延之差，σγ表示时延标准差，k为权重因子，θ和
Figure FDA0003394979810000025
分别为俯仰角与方位角。
7.一种实施权利要求1～6任意一项所述的信道特性分析方法的信道特性分析系统，其特征在于，所述信道特性分析系统包括：
功率时延谱计算模块，用于进行功率时延谱PDP的计算；
功率损耗计算模块，用于分别进行接受功率与路径损耗的计算；
时延扩展模块，用于进行时延扩展；
莱斯因子计算模块，用于进行莱斯因子K的计算；
信道分簇算法构建模块，用于构建信道分簇算法；
信道特性分析模块，用于利用信道分簇算法进行信道特性分析。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
基于具体传播环境的几何信息与电磁信息构建确定性信道模型，通过求解麦克斯韦方程或近似传播方程，计算预测接收点处的多维度信道参数；基于确定性信道模型的仿真结果，提出无线信道特性分析方法；针对具体传播场景，对典型信道参数进行系统化规划化的参数提取与特性分析；基于K-means算法，加入多径参数作为权重度量，同时优化质心的选取，改进信道分簇算法。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
基于具体传播环境的几何信息与电磁信息构建确定性信道模型，通过求解麦克斯韦方程或近似传播方程，计算预测接收点处的多维度信道参数；基于确定性信道模型的仿真结果，提出无线信道特性分析方法；针对具体传播场景，对典型信道参数进行系统化规划化的参数提取与特性分析；基于K-means算法，加入多径参数作为权重度量，同时优化质心的选取，改进信道分簇算法。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求7所述的信道特性分析系统。
CN202111481302.1A 2021-12-06 2021-12-06 一种信道特性分析方法、系统、介质、设备及处理终端 Active CN114448531B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111481302.1A CN114448531B (zh) 2021-12-06 2021-12-06 一种信道特性分析方法、系统、介质、设备及处理终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111481302.1A CN114448531B (zh) 2021-12-06 2021-12-06 一种信道特性分析方法、系统、介质、设备及处理终端

Publications (2)

Publication Number Publication Date
CN114448531A true CN114448531A (zh) 2022-05-06
CN114448531B CN114448531B (zh) 2023-05-09

Family

ID=81363208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111481302.1A Active CN114448531B (zh) 2021-12-06 2021-12-06 一种信道特性分析方法、系统、介质、设备及处理终端

Country Status (1)

Country Link
CN (1) CN114448531B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115296761A (zh) * 2022-10-10 2022-11-04 香港中文大学（深圳） 一种基于电磁传播模型的信道预测方法
CN116318443A (zh) * 2023-05-22 2023-06-23 北京星河亮点技术股份有限公司 混合信道模型优化方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217763A1 (en) * 2007-09-17 2010-08-26 Electronics And Telecommunications Research Institute Method for automatic clustering and method and apparatus for multipath clustering in wireless communication using the same
US20180131575A1 (en) * 2016-11-07 2018-05-10 Beijing Jiaotong University Method for clustering wireless channel mpcs based on a kpd doctrine
CN109450574A (zh) * 2019-01-08 2019-03-08 北京交通大学 高铁通信网络中无线信道多径分簇方法和装置
CN110376615A (zh) * 2019-07-04 2019-10-25 东南大学 一种基于统计模型的室内伪卫星信号多径微观参数分析系统
CN112865883A (zh) * 2021-01-21 2021-05-28 西北工业大学 联合射线追踪法和时域有限差分法的信道建模方法
CN112910578A (zh) * 2021-02-03 2021-06-04 重庆邮电大学 一种针对毫米波3d mimo信道的路径参数提取方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217763A1 (en) * 2007-09-17 2010-08-26 Electronics And Telecommunications Research Institute Method for automatic clustering and method and apparatus for multipath clustering in wireless communication using the same
US20180131575A1 (en) * 2016-11-07 2018-05-10 Beijing Jiaotong University Method for clustering wireless channel mpcs based on a kpd doctrine
CN109450574A (zh) * 2019-01-08 2019-03-08 北京交通大学 高铁通信网络中无线信道多径分簇方法和装置
CN110376615A (zh) * 2019-07-04 2019-10-25 东南大学 一种基于统计模型的室内伪卫星信号多径微观参数分析系统
CN112865883A (zh) * 2021-01-21 2021-05-28 西北工业大学 联合射线追踪法和时域有限差分法的信道建模方法
CN112910578A (zh) * 2021-02-03 2021-06-04 重庆邮电大学 一种针对毫米波3d mimo信道的路径参数提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵翠芹等: "多跳低功耗自适应修正k-means分簇协议研究", 《电子世界》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115296761A (zh) * 2022-10-10 2022-11-04 香港中文大学（深圳） 一种基于电磁传播模型的信道预测方法
CN115296761B (zh) * 2022-10-10 2022-12-02 香港中文大学（深圳） 一种基于电磁传播模型的信道预测方法
CN116318443A (zh) * 2023-05-22 2023-06-23 北京星河亮点技术股份有限公司 混合信道模型优化方法及系统
CN116318443B (zh) * 2023-05-22 2023-12-12 北京星河亮点技术股份有限公司 混合信道模型优化方法及系统

Also Published As

Publication number Publication date
CN114448531B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
Chen et al. Channel measurement and ray-tracing-statistical hybrid modeling for low-terahertz indoor communications
Maccartney et al. Indoor office wideband millimeter-wave propagation measurements and channel models at 28 and 73 GHz for ultra-dense 5G wireless networks
Weiler et al. Quasi-deterministic millimeter-wave channel models in MiWEBA
Eleryan et al. Synthetic generation of radio maps for device-free passive localization
CN114448531B (zh) 一种信道特性分析方法、系统、介质、设备及处理终端
Gante et al. Beamformed fingerprint learning for accurate millimeter wave positioning
Wang et al. An empirical path-loss model for wireless channels in indoor short-range office environment
Priebe et al. Calibrated broadband ray tracing for the simulation of wave propagation in mm and sub-mm wave indoor communication channels
Kim et al. Directional multipath propagation characteristics based on 28GHz outdoor channel measurements
KR20170090104A (ko) 5세대 이동통신용 공간 채널 모델 파라미터 획득 방법 및 장치
Zhou et al. Path loss model based on cluster at 28 GHz in the indoor and outdoor environments
Al-Saman et al. Radio propagation measurements in the indoor stairwell environment at 3.5 and 28 GHz for 5G wireless networks
Hu et al. Multi-frequency channel modeling for millimeter wave and thz wireless communication via generative adversarial networks
Zhan et al. Comparative channel study of ray tracing and measurement for an indoor scenario at 28 GHz
Bhatia et al. Efficient ray-tracing channel emulation in industrial environments: An analysis of propagation model impact
Njemčević et al. Improved model for estimation of spatial averaging path length
Elmezughi et al. Investigations into the effect of high-ordering the log-distance dependency of path loss models for indoor wireless channels
KR20200005002A (ko) 무선 네트워크 디자인 방법, 저장매체 및 전자 장치
Kumari et al. Optimization of street canyon outdoor channel deployment geometry for mmWave 5G communication
Tai et al. Effects of crowd density on radio propagation at 24 GHz in a pedestrian tunnel for 5G communications
Wu et al. A Weighted Random Forest Based Positioning Algorithm for 6G Indoor Communications
Baldansa et al. Wireless connectivity of a ground-and-air sensor network
Isabona et al. ‘Enhanced Radio Signal Loss Prediction with Correction Factors for Urban Streets in the IMT-2000 Band
Xue et al. A novel clustering method based on density peaks and its validation by channel measurement
CN112367674B (zh) 一种有效的三维环境下毫米波通信系统性能建模方法

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