CN115173962A - 面向典型场景的v2x信道模型交叉测试验证方法 - Google Patents
面向典型场景的v2x信道模型交叉测试验证方法 Download PDFInfo
- Publication number
- CN115173962A CN115173962A CN202210772788.2A CN202210772788A CN115173962A CN 115173962 A CN115173962 A CN 115173962A CN 202210772788 A CN202210772788 A CN 202210772788A CN 115173962 A CN115173962 A CN 115173962A
- Authority
- CN
- China
- Prior art keywords
- data
- nlos
- channel
- reflection
- representing
- 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.)
- Pending
Links
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/0082—Monitoring; Testing using service channels; using auxiliary channels
- H04B17/0087—Monitoring; Testing using service channels; using auxiliary channels using auxiliary channels or channel simulators
-
- 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
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明提出了一种面向典型场景的V2X信道模型交叉测试验证方法,包括以下步骤:S1,进行典型C‑V2X信道场景的遴选,进而选择道路应用场景,进行信道数据采集和道路应用场景测试,提取并处理信道脉冲响应的尖峰数据和工况及应用响应数据;S2,基于K‑Means++和遗传算法的多目标模型参数优化方法进行尖峰聚类打标和信道模型参数寻优,得到最佳反射点数量M、反射系数μ、莱斯因子K,接着由多路传播原理,输出不同场景信道模型对应的功率衰减量;S3,进行内外场交叉测试验证,在C‑V2X暗室内对外场环境参数复现,通过分析内外场测试的通信性能和应用响应数据结果。
Description
技术领域
本发明涉及一种V2X技术领域,特别是涉及一种面向典型场景的V2X信道模型交叉测试验证方法。
背景技术
伴随着科技进步创新,V2X技术不断创新与发展,然而V2X的应用响应表现受通信质量的影响,通信质量的下降将直接导致通信性能不佳,应用响应失效。在城市复杂道路场景下,通信质量受到通信信道因素的影响,特别是因多径效应导致的小尺度衰落,且城市建筑物分布特性复杂,地理环境各异,信道条件表现出严重的时变性,导致主机厂对V2X应用响应的有效性产生了疑虑。因此需要对典型V2X通信信道模型展开研究,在不同应用场景下研究信道特性对应用响应的影响,为C-V2X应用策略的研究提供依据。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种面向典型场景的V2X信道模型交叉测试验证方法。
为了实现本发明的上述目的,本发明提供了一种面向典型场景的V2X信道模型交叉测试验证方法,包括以下步骤:
S1,进行典型信道场景的遴选,进而选择道路应用场景,进行信道数据采集和道路应用场景测试,提取并处理信道脉冲响应的尖峰数据和工况及应用响应数据;
S2,进行尖峰聚类打标和信道模型参数寻优,得到最佳反射点数量M、反射系数μ、莱斯因子K,接着由多路传播原理,输出不同场景信道模型对应的功率衰减量。
在本发明的一种优选实施方式中,还包括S3,进行内外场交叉测试验证,在C-V2X暗室内对外场环境参数复现,通过分析内外场测试的通信性能和应用响应数据结果,验证信道模型有效性。
在本发明的一种优选实施方式中,在步骤S2中包括:
在信号传输过程中,其受小尺度衰落的影响,其通信信道具有频率非选择性的特点,其复信道衰落包络表示:
3D_h(t)=3D_hLOS(t)+3D_hNLOS(t),
3D_h(t)表示复信道衰落包络;
3D_hLOS(t)表示3D C-V2X信道模型LOS分量的复信道衰落包络;
3D_hNLOS(t)表示3D C-V2X信道模型NLOS分量的复信道衰落包络;
3D C-V2X信道模型LOS分量的复信道衰落包络表示为:
其中K是莱斯因子,fc表示载波频率;c表示波速,DLOS表示发送车辆Tx与接收车辆Rx之间的LOS路径;
3D C-V2X信道模型NLOS分量的复信道衰落包络表示为:
其中,θi为发送信号在建筑物反射面上产生的随机相位,其服从[0,2π)之间的均匀分布,μ为不同场景中建筑物表面的反射系数。
在本发明的一种优选实施方式中,在步骤S2中还包括:在窄带信号传输过程中,若在垂直反射面上存在M个反射点,则分别对应M条NLOS分量,在垂直反射面上,M条NLOS路径的水平发射角αT相同,但其仰角εi不同,其仰角决定了NLOS分量,垂直反射面第i个反射点的仰角εi与反射点所在高度有关;经过一次反射的NLOS传输路径为:
在本发明的一种优选实施方式中,反射点分布决定了NLOS的仰角εi,NLOS的仰角εi决定了NLOS分量;仰角εi的大小取决于发射天线与C-V2X信道场景中建筑物S(l)之间的水平直线距离以及在建筑物S(l)垂直面上反射点所在的位置;
根据Parsons模型中反射点余弦分布特征,当水平发射角αT为一个常量时,可以得到关于仰角εi的概率密度函数:
可得建筑物S(l)垂直面上的第i个反射点对应的NLOS仰角为:
在本发明的一种优选实施方式中,反射体垂直面反射点数量M与建筑物的高度Height满足如下关系:
M=Mmax*sin(π/2*(Height/Heightmax))Height≤Heightmax,
其中Mmax为建筑物垂直面上反射点数量的最大值,Heightmax为建筑物的最大有效高度。
在本发明的一种优选实施方式中,以一个时间片的(AT,TD)构建一个道路场景数据片段DATA:
DATA={(AT,TD)1,(AT,TD)2,(AT,TD)3,...,(AT,TD)N},
DATA表示道路场景数据片段;
其中,(AT,TD)1表示一个时间片内第1个尖峰的归一化功率衰减和归一化时延;
(AT,TD)2表示一个时间片内第2个尖峰的归一化功率衰减和归一化时延;
(AT,TD)3表示一个时间片内第3个尖峰的归一化功率衰减和归一化时延;
(AT,TD)N表示一个时间片内第N个尖峰的归一化功率衰减和归一化时延;
AT表示归一化的功率衰减,单位为dB;TD表示归一化的时延,单位为us;
基于道路场景数据片段构建,数据集可以进一步构建为Ddata:
Ddata={DATA1,DATA2,DATA3,...,DATANUM},
其中,Ddata表示NUM个道路场景数据片段构成的集合;
DATA1表示第1个时间片的道路场景数据片段;
DATA2表示第2个时间片的道路场景数据片段;
DATA3表示第3个时间片的道路场景数据片段;
DATANUM表示第NUM个时间片的道路场景数据片段;
NUM表示为道路实测数据的条数;
对于每一个道路场景数据片段,以AT和TD作为聚类参数,由于不同的初始聚类中心可能导致完全不同的聚类结果,而且数据集中同一尖峰的功率和时延不尽相同,可采用K-Means++算法进行聚类;
为了选择合适的聚类中心数量,采用误差平方和作为衡量指标,其计算内容为当前可以获得的聚类中心到各自中心点簇之间的欧式距离的总和,其具体计算方式:
其中,pos表示当前点的位置,ms表示对应聚类中心点的位置,km表示聚类中心的个数,cs表示具体的聚类簇。
在本发明的一种优选实施方式中,参数优化方法包括:
第一步,初始化种群
一个种群个体代表一个可行的解,即为信道模型参数反射点数量M、反射系数μ,进而生成一个100*2的[M,μ]矩阵作为初始化种群;
第二步,评估种群适应度
对于不同典型C-V2X信道场景,采用聚类处理后不同尖峰的主类数据对个体参数进行拟合;
假定LOS路径的功率GT为1,LOS路径长度为收发两车之间直线距离,以之为参考,可得各条NLOS路径的路径长度:
Pi NLOS=Pi LOS+TDi*c,
其中Pi NLOS表示每条NLOS路径的长度,Pi LOS表示LOS路径的长度,TDi表示第i个尖峰主类数据对应的NLOS路径与LOS路径的相对时延;
由于隧道场景呈封闭式;高速场景和高架场景道路开阔且车辆高速行驶,可采用2D模型等效;由公式(7)、(8)计算可得发送信号经反射体反射的NLOS分量到达接收车辆所经历的反射次数:
μ表示不同场景中建筑物表面的反射系数;
由计算拟合功率的差值绝对值作为个体适应度的值:
Opt=|ATi-ATi cal|,
其中,ATi表示第i个尖峰主类数据对应的NLOS路径与LOS路径相对功率衰减量;
第三步,选择
由公式(16)所示的适应度函数可以获取最佳的种群个体,种群大小为100,第i个体适应度为Opti,可以判断每个个体在下一代种群中的生存数目:
然后对Number取整数部分为下一代种群生存数目,采用轮盘赌选择方法确定下一代中还没有被确定的个体;
第四步,交叉
由交叉概率,将下一代种群个体进行随机配对,个体参数值进行单点交叉;交叉概率在0.9~1时能有效避免进入局部最优;
第五步,变异
由变异概率,随机对个体中某个位置上参数随机赋值,变异概率0~0.1能有效避免进入局部最优;
第六步,终止
迭代到最大次数后,对种群在进化过程中得到具有最大适应度的个体,作为最优解输出,终止算法流程;
通过得到M和μ的最佳参数,进而可以得到不同尖峰最佳功率损耗,采用基于多径分量计算法计算莱斯因子K:
其中,mum表示尖峰个数,G1表示参考路径即第一个尖峰的功率,Gζ表示为第ζ个尖峰的功率。
综上所述,由于采用了上述技术方案,本发明由3D信道模型的几何关系以及垂直反射点的分布特性和数量特性,结合信道脉冲响应的尖峰数据,对信道模型进行拟合和优化,进而根据多路传播原理,可以输出不同场景信道模型对应的功率衰减量,为C-V2X暗室内对外场环境参数复现提供数据支持。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明整体流程示意框图。
图2是本发明整体系统示意框图。
图3是本发明信道脉冲响应尖峰数据提取流程示意框图。
图4是本发明信道模型拟合优化流程示意框图。
图5是本发明3D信道模型反射特性示意图。
图6是本发明垂直反射点数量M与建筑物高度Height的关系示意图。
图7是本发明多路传播示意图。
图8是本发明暗室内测试环境布置示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示,首先进行典型C-V2X信道场景的遴选,进而选择道路应用场景,进行信道数据采集和道路应用场景测试,提取并处理信道脉冲响应的尖峰数据和工况及应用响应数据;然后基于K-Means++和遗传算法的多目标模型参数优化方法进行尖峰聚类打标和信道模型参数寻优,得到最佳反射点数量M、反射系数μ、莱斯因子K,接着由多路传播原理,可以输出不同场景信道模型对应的功率衰减量;最后进行内外场交叉测试验证,在C-V2X暗室内对外场环境参数复现,通过分析内外场测试的通信性能和应用响应数据结果,验证信道模型有效性。方法详细步骤如下所示:
步骤一:遴选典型C-V2X信道场景,选择道路应用场景,进行信道数据采集、道路应用场景测试和电磁环境标定。
遴选出典型V2X信道场景(如城市低矮建筑物场景),继而选择道路应用场景(如前向碰撞预警),开展信道数据采集和应用测试,整体系统如图2所示。
外场测试步骤如下所示:
1)选择信道场景:选择遴选的典型C-V2X信道场景;
2)选择道路应用场景:从T/CSAE 53-2017.合作式智能运输系统车用通信系统应用层及应用层数据交互标准[S].中国汽车工程学会,2017中17个道路应用场景进行选择;
3)信道测量设备上线:
信号源:用于产生PN扩频信号,该信号为测试基准信号;信号源搭载于测试前车;
频谱分析仪:用于解扩PN扩频信号,实时显示接收信号,频谱分析仪搭载于测试后车;
IQ数据记录仪:用于存储测试数据,与频谱分析仪连接,搭载于测试后车;
全向偶极天线:用于发送和接收PN扩频信号,分别搭载于测试前车和后车;
4)应用测试设备上线:
设备厂商的OBU:作为RV和HV,分别搭载于测试前车和后车,通过PC5口进行通信;
磁吸式天线:用于发送和接收PC5和uu口传输信号,分别放置在测试前车和后车的天窗外;
云平台:作为远端上位机,HV和RV通过uu口传输测试工况和应用响应数据至云平台,其用于收集、保存数据;
5)电磁环境测量设备上线:电磁选频仪:测量该场景电磁环境,取多次测量的平均值;
6)配置信道测量信息:信道测量参数配置如表1所示;
表1.信道测量参数配置
参数 | 配置 |
载波频率 | 5.905GHz |
频率带宽 | 20MHz |
发射功率 | 18dBm |
发射天线 | 全向偶极天线 |
接收天线 | 全向偶极天线 |
发射/接收端天线的高度 | 2m |
7)配置应用响应测试信息:配置待测设备HV和RV的相关信息,如:IP地址;
8)执行测试任务:
信道采集数据由信号源发送信号,通过全向偶极天线,频谱分析仪接收,数据保存记录在IQ数据记录仪中;测试工况和应用响应数据由HV和RV在通信过程中通过磁吸式天线,实时回传至云平台;电磁环境标定数据由测试人员手持电磁选频仪同时进行测量。由于V2X通信质量受环境因素影响较大,因此信道模型拟合的基础是典型C-V2X信道场景的遴选。对遴选的V2X信道场景经过特性分析,制定信道采集方案,然后选择道路应用场景(如前向碰撞预警、盲区预警),完成信道数据采集和处理,同时可使用电磁选频仪对信道场景电磁环境进行测量,取多次测量的平均值。IQ数据记录仪获取信道脉冲响应的尖峰数据;上位机收集、保存V2X节点在应用场景下的应用测试数据;测试人员记录电磁环境的测量值。
9)提取数据:按如图3所示的提取流程,获取不同信道场景下信道脉冲响应的不同尖峰数据,如尖峰,归一化功率损耗(AT),归一化时延(TD);进入云平台,获取测试工况(如HV/RV速度,经纬度)和应用响应数据(如响应点、碰撞时间TTC)等,获取内容如表2所示;测试人员汇总关联信道场景和应用场景的电磁环境数据。
表2.应用测试数据内容
步骤二:信道模型的拟合和优化
信道模型拟合优化流程如图4所示。3D信道模型的反射特性如图5所示。
在信号传输过程中,其受小尺度衰落的影响,其通信信道具有频率非选择性的特点,其复信道衰落包络可表示:
3D_h(t)=3D_hLOS(t)+3D_hNLOS(t) (1)
3D_h(t)表示复信道衰落包络;
3D_hLOS(t)表示3D C-V2X信道模型LOS分量的复信道衰落包络;
3D_hNLOS(t)表示3D C-V2X信道模型NLOS分量的复信道衰落包络;
①LOS分量表示
3D C-V2X信道模型LOS分量的复信道衰落包络可表示为:
其中K是莱斯因子,fc=5.9GHZ,表示载波频率;c=3×108m/s,表示波速,DLOS表示发送车辆Tx与接收车辆Rx之间的LOS路径。e表示自然底数;j表示虚数;
②NLOS分量表示
在窄带信号传输过程中,若在垂直反射面上存在M个反射点,则分别对应M条NLOS分量,在垂直反射面上,M条NLOS路径的水平发射角αT相同,但其仰角εi(i=1,2,3,...,M)不同,其仰角决定了NLOS分量,垂直反射面第i个反射点的仰角εi与反射点所在高度有关。由图4所示,经过一次反射的NLOS传输路径为:
由此得3D C-V2X信道模型NLOS分量的复信道衰落包络:
其中,θi为发送信号在建筑物反射面上产生的随机相位,其服从[0,2π)之间的均匀分布,μ为不同场景中建筑物表面的反射系数。
反射点分布表现出三维空间特性,即反射点可能为地面反射点,也可能存在与反射体(如建筑物)立面,且反射体立面可能同时存在多个反射点,因此需要对垂直反射点的分布特性和数量进行分析:
③垂直反射点分布特性
反射点分布决定了NLOS的仰角εi(i=1,2,3,...,M),NLOS的仰角εi决定了NLOS分量。仰角εi的大小取决于发射天线与C-V2X信道场景中建筑物S(l)之间的水平直线距离以及在建筑物S(l)垂直面上反射点所在的位置。
根据Parsons模型中反射点余弦分布特征,当水平发射角αT为一个常量时,可以得到关于仰角εi的概率密度函数:
可得建筑物S(l)垂直面上的第i个反射点对应的NLOS仰角为:
④垂直反射点分布数量
采用基于建筑物高度正弦分布方法对建筑物上反射点数目分析,其建筑物上垂直反射点数量由NLOS路径的最大仰角和建筑物高度Height共同决定;可知反射体垂直面反射点数量M与建筑物的高度Height满足如下关系:
M=Mmax*sin(π/2*(Height/Heightmax))Height≤Heightmax (8)
其中Mmax为建筑物垂直面上反射点数量的最大值,Heightmax为建筑物的最大有效高度。
垂直反射点数量M与建筑物高度Height变化关系,如图6所示。
根据信道模型几何关系以及信道脉冲响应不同尖峰数据,以基于K-Means++和遗传算法的多目标模型参数优化方法,从以下两个方面对信道模型进行参数寻优:
①以尖峰数据归一化功率衰减和归一化时延特征构建数据时间片,采用K-Means++算法对尖峰数据进行聚类,获取聚类数据条数最多的数据即尖峰的主类数据。
②以尖峰主类数据为输入,采用遗传算法对信道模型参数进行多目标参数优化,搜索得到最佳反射点数量M、反射系数μ、莱斯因子K。
以一个时间片的(AT,TD)构建一个道路场景数据片段DATA:
DATA={(AT,TD)1,(AT,TD)2,(AT,TD)3,...,(AT,TD)N} (9)
DATA表示道路场景数据片段;
其中,(AT,TD)1表示一个时间片内第1个尖峰的归一化功率衰减和归一化时延;
(AT,TD)2表示一个时间片内第2个尖峰的归一化功率衰减和归一化时延;
(AT,TD)3表示一个时间片内第3个尖峰的归一化功率衰减和归一化时延;
(AT,TD)N表示一个时间片内第N个尖峰的归一化功率衰减和归一化时延;
AT表示归一化的功率衰减,单位为dB;TD表示归一化的时延,单位为us;N表示第N个尖峰。
基于道路场景数据片段构建,数据集可以进一步构建为Ddata:
Ddata={DATA1,DATA2,DATA3,...,DATANUM} (10)
其中,Ddata表示NUM个道路场景数据片段构成的集合;
DATA1表示第1个时间片的道路场景数据片段;
DATA2表示第2个时间片的道路场景数据片段;
DATA3表示第3个时间片的道路场景数据片段;
DATANUM表示第NUM个时间片的道路场景数据片段;
NUM表示为道路实测数据的条数。
对于每一个道路场景数据片段,以AT和TD作为聚类参数,由于不同的初始聚类中心可能导致完全不同的聚类结果,而且数据集中同一尖峰的功率和时延不尽相同,可采用K-Means++算法进行聚类。
为了选择合适的聚类中心数量,采用误差平方和(SSE,Sum of Square due toError)作为衡量指标,其计算内容为当前可以获得的聚类中心到各自中心点簇之间的欧式距离的总和,其具体计算方式:
其中,pos表示当前点的位置,ms表示对应聚类中心点的位置,km表示聚类中心的个数,cs表示具体的聚类簇。
利用聚类后不同尖峰的主类数据对信道模型参数反射点数量M、反射系数μ、莱斯因子K三个信道参数进行参数优化。具体实现如下所示:
1)初始化种群
一个种群个体代表一个可行的解,即为信道模型参数反射点数量M、反射系数μ,进而生成一个100*2的[M,μ]矩阵作为初始化种群。
2)评估种群适应度
对于不同典型C-V2X信道场景,采用聚类处理后不同尖峰的主类数据对个体参数进行拟合。
假定LOS路径的功率GT为1,LOS路径长度为收发两车之间直线距离,以之为参考,可得各条NLOS路径的路径长度:
Pi NLOS=Pi LOS+TDi*c (12)
其中Pi NLOS表示每条NLOS路径的长度,Pi LOS表示LOS路径的长度,TDi表示第i个尖峰主类数据对应的NLOS路径与LOS路径的相对时延,c=3×108m/s。
由于隧道场景呈封闭式;高速场景和高架场景道路开阔且车辆高速行驶,可采用2D模型等效。由公式(7)、(8)计算可得发送信号经反射体反射的NLOS分量到达接收车辆所经历的反射次数:
μ表示不同场景中建筑物表面的反射系数;
由计算拟合功率的差值绝对值作为个体适应度的值:
Opt=|ATi-ATi cal| (16)
其中,ATi表示第i个尖峰主类数据对应的NLOS路径与LOS路径相对功率衰减量。
3)选择
由公式(16)所示的适应度函数可以获取最佳的种群个体,种群大小为100,第i个体适应度为Opti,可以判断每个个体在下一代种群中的生存数目:
然后对Number取整数部分为下一代种群生存数目,采用轮盘赌选择方法确定下一代中还没有被确定的个体。
4)交叉
由交叉概率,将下一代种群个体进行随机配对,个体参数值进行单点交叉。交叉概率在0.9~1时能有效避免进入局部最优。
5)变异
由变异概率,随机对个体中某个位置上参数随机赋值,变异概率0~0.1能有效避免进入局部最优。
6)终止
迭代到最大次数后,对种群在进化过程中得到具有最大适应度的个体,作为最优解输出,终止算法流程。
通过得到M和μ的最佳参数,进而可以得到不同尖峰最佳功率损耗,采用基于多径分量计算法计算莱斯因子K:
其中,mum表示尖峰个数,G1表示参考路径即第一个尖峰的功率,Gζ表示为第ζ个尖峰的功率。
以多路传播模型来输出拟合优化后的信道模型,如图7所示。
令发射信号为f(t)(它是具有一定带宽的频谱),f(t)的频谱函数为F(ω)。经过路径传输信号分别为V0f(t-t0),...,V0f(t-t0-τn),其中t0为固定时延,τn为传输路径的相对时延,n表示为传播路数,n∈[0,+∞),V0为某一确定强度。
f(t-t0)表示经过固定时延t0之后的发射信号;
f(t-t0-τn)表示经过固定时延t0和传输路径的相对时延τn之后的发射信号;
由此可得传递函数H(ω)为:
可以得到不同典型C-V2X信道场景的功率衰减量,可以在暗室内场景测试复现中利用功率衰减器添加在RV上,为内外场交叉验证提供参数支持。
步骤三:内外场交叉测试验证
暗室内测试环境布置如图7所示,其支持用户根据测试需要自行选择应用场景,并根据所选择的应用场景,模拟真实道路环境下道路应用场景中RV(Remote Vehicle,远车)和HV(Host Vehicle,主车)之间的通信及应用响应。
图8所示上位机用于部署了一个测试平台。其复现步骤如下所示:
1)测试节点上线:OBU节点上线,用于模拟RV;
2)信道场景和电磁环境注入:选择合适的信道场景,注入该信道场景和电磁环境。对于信道场景,可使用功率衰减器一端连接在RV节点发射机输出端,另一端接发射天线,通过多路传播输出值调整功率衰减器衰减值,进行信道条件等效;对于电磁环境,通过天线照射,通过实测值设置EMC照射频段和照射强度,进行电磁环境复现;
3)配置待测设备信息:配置待测设备HV的相关信息,如:IP地址、设备厂商等;
4)新建测试任务:开始新建测试任务,并选择合适的应用场景进行测试;
5)应用场景注入:注入应用场景测试工况信息(如HV/RV速度,经纬度),GNSS模拟器会基于注入的位置信息生成HV的位置信息,RV会基于注入的行驶速度、位置等信息生成数据包,同时,HV和RV将会建立通信,RV发送对应的BSM包,通信过程中会将暗室内测试应用响应数据实时回传至测试平台。
完成内外场交叉测试后,通过分析内外场测试应用响应数据以验证信道模型的有效性。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (8)
1.一种面向典型场景的V2X信道模型交叉测试验证方法,其特征在于,包括以下步骤:
S1,进行典型信道场景的遴选,进而选择道路应用场景,进行信道数据采集和道路应用场景测试,提取并处理信道脉冲响应的尖峰数据和工况及应用响应数据;
S2,进行尖峰聚类打标和信道模型参数寻优,得到最佳反射点数量M、反射系数μ、莱斯因子K,接着由多路传播原理,输出不同场景信道模型对应的功率衰减量。
2.根据权利要求1所述的面向典型场景的V2X信道模型交叉测试验证方法,其特征在于,还包括S3,进行内外场交叉测试验证,在C-V2X暗室内对外场环境参数复现,通过分析内外场测试的通信性能和应用响应数据结果,验证信道模型有效性。
3.根据权利要求1所述的面向典型场景的V2X信道模型交叉测试验证方法,其特征在于,在步骤S2中包括:
在信号传输过程中,其受小尺度衰落的影响,其通信信道具有频率非选择性的特点,其复信道衰落包络表示:
3D_h(t)=3D_hLOS(t)+3D_hNLOS(t),
3D_h(t)表示复信道衰落包络;
3D_hLOS(t)表示3D C-V2X信道模型LOS分量的复信道衰落包络;
3D_hNLOS(t)表示3D C-V2X信道模型NLOS分量的复信道衰落包络;
3D C-V2X信道模型LOS分量的复信道衰落包络表示为:
其中K是莱斯因子,fc表示载波频率;c表示波速,DLOS表示发送车辆Tx与接收车辆Rx之间的LOS路径;
3D C-V2X信道模型NLOS分量的复信道衰落包络表示为:
其中,θi为发送信号在建筑物反射面上产生的随机相位,其服从[0,2π)之间的均匀分布,μ为不同场景中建筑物表面的反射系数。
5.根据权利要求3所述的面向典型场景的V2X信道模型交叉测试验证方法,其特征在于,反射点分布决定了NLOS的仰角εi,NLOS的仰角εi决定了NLOS分量;仰角εi的大小取决于发射天线与C-V2X信道场景中建筑物S(l)之间的水平直线距离以及在建筑物S(l)垂直面上反射点所在的位置;
根据Parsons模型中反射点余弦分布特征,当水平发射角αT为一个常量时,得到关于仰角εi的概率密度函数:
得到建筑物S(l)垂直面上的第i个反射点对应的NLOS仰角为:
6.根据权利要求3所述的面向典型场景的V2X信道模型交叉测试验证方法,其特征在于,反射体垂直面反射点数量M与建筑物的高度Height满足如下关系:
M=Mmax*sin(π/2*(Height/Heightmax))Height≤Heightmax,
其中Mmax为建筑物垂直面上反射点数量的最大值,Heightmax为建筑物的最大有效高度。
7.根据权利要求3所述的面向典型场景的V2X信道模型交叉测试验证方法,其特征在于,以一个时间片的(AT,TD)构建一个道路场景数据片段DATA:
DATA={(AT,TD)1,(AT,TD)2,(AT,TD)3,...,(AT,TD)N},
DATA表示道路场景数据片段;
其中,(AT,TD)1表示一个时间片内第1个尖峰的归一化功率衰减和归一化时延;
(AT,TD)2表示一个时间片内第2个尖峰的归一化功率衰减和归一化时延;
(AT,TD)3表示一个时间片内第3个尖峰的归一化功率衰减和归一化时延;
(AT,TD)N表示一个时间片内第N个尖峰的归一化功率衰减和归一化时延;
AT表示归一化的功率衰减,单位为dB;TD表示归一化的时延,单位为us;
基于道路场景数据片段构建,数据集进一步构建为Ddata:
Ddata={DATA1,DATA2,DATA3,...,DATANUM},
其中,Ddata表示NUM个道路场景数据片段构成的集合;
DATA1表示第1个时间片的道路场景数据片段;
DATA2表示第2个时间片的道路场景数据片段;
DATA3表示第3个时间片的道路场景数据片段;
DATANUM表示第NUM个时间片的道路场景数据片段;
NUM表示为道路实测数据的条数;
对于每一个道路场景数据片段,以AT和TD作为聚类参数,由于不同的初始聚类中心可能导致完全不同的聚类结果,而且数据集中同一尖峰的功率和时延不尽相同,采用K-Means++算法进行聚类;
为了选择合适的聚类中心数量,采用误差平方和作为衡量指标,其计算内容为当前获得的聚类中心到各自中心点簇之间的欧式距离的总和,其具体计算方式:
其中,pos表示当前点的位置,ms表示对应聚类中心点的位置,km表示聚类中心的个数,cs表示具体的聚类簇。
8.根据权利要求3所述的面向典型场景的V2X信道模型交叉测试验证方法,其特征在于,参数优化方法包括:
第一步,初始化种群
一个种群个体代表一个可行的解,即为信道模型参数反射点数量M、反射系数μ,进而生成一个100*2的[M,μ]矩阵作为初始化种群;
第二步,评估种群适应度
对于不同典型C-V2X信道场景,采用聚类处理后不同尖峰的主类数据对个体参数进行拟合;
假定LOS路径的功率GT为1,LOS路径长度为收发两车之间直线距离,以之为参考,得到各条NLOS路径的路径长度:
Pi NLOS=Pi LOS+TDi*c,
其中Pi NLOS表示每条NLOS路径的长度,Pi LOS表示LOS路径的长度,TDi表示第i个尖峰主类数据对应的NLOS路径与LOS路径的相对时延;
由于隧道场景呈封闭式;高速场景和高架场景道路开阔且车辆高速行驶,采用2D模型等效;计算得到发送信号经反射体反射的NLOS分量到达接收车辆所经历的反射次数:
μ表示不同场景中建筑物表面的反射系数;
由计算拟合功率的差值绝对值作为个体适应度的值:
Opt=|ATi-ATi cal|,
其中,ATi表示第i个尖峰主类数据对应的NLOS路径与LOS路径相对功率衰减量;
第三步,选择
由适应度函数获取最佳的种群个体,种群大小为100,第i个体适应度为Opti,以次判断每个个体在下一代种群中的生存数目:
然后对Number取整数部分为下一代种群生存数目,采用轮盘赌选择方法确定下一代中还没有被确定的个体;
第四步,交叉
由交叉概率,将下一代种群个体进行随机配对,个体参数值进行单点交叉;交叉概率在0.9~1时能有效避免进入局部最优;
第五步,变异
由变异概率,随机对个体中某个位置上参数随机赋值,变异概率0~0.1能有效避免进入局部最优;
第六步,终止
迭代到最大次数后,对种群在进化过程中得到具有最大适应度的个体,作为最优解输出,终止算法流程;
通过得到M和μ的最佳参数,进而得到不同尖峰最佳功率损耗,采用基于多径分量计算法计算莱斯因子K:
其中,mum表示尖峰个数,G1表示参考路径即第一个尖峰的功率,Gζ表示为第ζ个尖峰的功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210772788.2A CN115173962A (zh) | 2022-06-30 | 2022-06-30 | 面向典型场景的v2x信道模型交叉测试验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210772788.2A CN115173962A (zh) | 2022-06-30 | 2022-06-30 | 面向典型场景的v2x信道模型交叉测试验证方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115173962A true CN115173962A (zh) | 2022-10-11 |
Family
ID=83490096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210772788.2A Pending CN115173962A (zh) | 2022-06-30 | 2022-06-30 | 面向典型场景的v2x信道模型交叉测试验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115173962A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111586634A (zh) * | 2020-05-23 | 2020-08-25 | 重庆大学 | V2x外场测试场景映射方法、测试方法和测试系统 |
CN111741446A (zh) * | 2020-06-16 | 2020-10-02 | 重庆大学 | V2x通信与应用联合测试方法及系统 |
-
2022
- 2022-06-30 CN CN202210772788.2A patent/CN115173962A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111586634A (zh) * | 2020-05-23 | 2020-08-25 | 重庆大学 | V2x外场测试场景映射方法、测试方法和测试系统 |
CN111741446A (zh) * | 2020-06-16 | 2020-10-02 | 重庆大学 | V2x通信与应用联合测试方法及系统 |
Non-Patent Citations (3)
Title |
---|
LEI YE, ET AL: "Scenarios oriented V2V 3D Channel Model optimization", 2021 IEEE INTERNATIONAL INTELLIGENT TRANSPORTATION SYSTEMS CONFERENCE (ITSC), pages 3204 - 3209 * |
刘恩浩: "面向多场景的C-V2X信道模型的拟合与优化", CNKI中国期刊全文数据库, pages 2 - 4 * |
刘芳利: "面向典型场景的车通信信道模型的拟合与拟合与优化", 中国优秀硕士学位论文全文数据库 工程科技II辑, pages 034 - 287 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107809288B (zh) | 一种无线干扰测试方法和系统 | |
CN103856272B (zh) | Mimo无线终端的无线性能测试方法 | |
US8131312B2 (en) | Method and system for construction of radio environment model | |
CN107872827B (zh) | 一种无线干扰测试方法和系统 | |
JP4207081B2 (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 | |
Giordano et al. | Corner: A radio propagation model for vanets in urban scenarios | |
CN107911833B (zh) | 一种无线干扰测试方法和系统 | |
CN1826740A (zh) | 仿真操作环境测试条件下测试移动终端的装置及相关方法 | |
Wölfle et al. | Enhanced localization technique within urban and indoor environments based on accurate and fast propagation models | |
CN110730047A (zh) | 一种信道仿真模型检验方法及装置 | |
JP2011515054A (ja) | セルラーネットワーク用無線信号伝播モデルのテスト方法及びシステム | |
CN102223192A (zh) | 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 | |
EP0917771B1 (en) | Method of determining effect of radio wave multipath fading | |
CN103391562B (zh) | 一种基于上行干扰信号实现网络测试的方法以及装置 | |
Li et al. | Shadowing in urban environments with microcellular or peer-to-peer links | |
CN115173962A (zh) | 面向典型场景的v2x信道模型交叉测试验证方法 | |
Poutanen et al. | Development of measurement-based ray tracer for multi-link double directional propagation parameters | |
CN116800364A (zh) | 基于射线追踪法的luna月球基地通信信道方法 | |
Mao et al. | Wireless channel modeling methods: Classification, comparison and application | |
Michelson et al. | Measurement and modeling of wireless channels | |
Famoriji et al. | Channel characterization and modeling for wireless communication link planning and design in the tropics | |
Heidari et al. | Performance evaluation of indoor geolocation systems using PROPSim hardware and ray tracing software | |
Zhao et al. | Scenario Classification and Channel Modeling for MIMO Communications in Suburban Road Scenarios | |
CN114189302B (zh) | 一种面向用户分散场景的智能电网传输的无线通信信道建模方法 | |
CN116743292A (zh) | 一种基于实测信号多径相对幅度概率的无线信道建模方法 |
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 |