1. 概述
无线电传播三种物理现象:反射(障碍物尺寸远大于信号波长,使信号功率被反射回发射端);绕射/衍射(尖锐障碍物、不规则物体表面或小的缺口阻挡);散射(障碍物尺寸远小于波长,电磁波传播方向偏离)。
“衰落”,即信号幅度(强度)在时间和频率上的波动。
衰落的分类:大尺度衰落Large-scale Fading,由路径损耗(Path Loss,关于距离的函数)和阴影衰落(Shadowing,大型障碍物遮挡)描述;小尺度衰落Small-scale Fading包括多径衰落(Multipath Fading,多条传播路径上信号的幅度和相位不同,造成相互干扰,导致接收信号强度快速变化)和快衰落(Fast Fading,由于移动速度快接收信号强度变化也很快)。多径衰落(根据信号在不同频率分量上表现出的衰落特性)分为频率选择性衰落和平坦衰落,时变衰落(根据信号强度变化的速率)分为快衰落Fast Fading和慢衰落Slow Fading。
频率选择性衰落
频率选择性衰落是指在广泛的频率范围内,不同频率的信号会经历不同程度的衰落,这主要是因为多径传播的影响。通常出现在宽带信号传输中和多径效应较为明显的场景中。
在这种衰落中,由于各个路径的传播特性不同,信号在不同频率上的衰落特性也不同,导致在接收端的频响出现不规律的波动。
符号间干扰(ISI):在数字通信中,频率选择性衰落可能导致不同时间发送的符号之间发生干扰。
处理方法:可以通过使用均衡器来减少符号间干扰,或者使用多载波技术(例如 OFDM,正交频分复用)将宽带信号分解为多个窄带信号,每个窄带信号都在平坦衰落的条件下传输。
平坦衰落
平坦衰落是指在信号的整个带宽范围内,信号的所有频率成分都大致经历相同程度的衰减,没有明显的频率选择性。这通常发生在信号带宽相对较窄,或者多径传播的延迟扩散较小的情况下。
处理方法:可以通过增益控制、多天线技术(例如 MIMO)或多用户分集等方法来改善接收信号质量。
2. 大尺度衰落的数学模型
对数距离路径损耗(阴影衰落)模型:
P
r
(
d
[
m
]
)
=
P
t
G
t
G
r
λ
2
(
4
π
)
2
d
2
L
(Friis公式)
无硬件损耗
L
=
1
→
无天线增益
G
t
=
G
r
=
1
→
P
L
F
(
d
)
[
d
B
]
=
10
log
10
(
P
t
P
r
)
=
20
log
10
(
4
π
d
λ
)
引入环境有关的路径损耗指数
n
→
P
L
L
D
(
d
)
[
d
B
]
=
P
L
F
(
d
0
)
+
10
n
log
10
(
d
d
0
)
(
+
X
σ
)
P_{\mathrm{r}}(d[m])=\frac{P_{\mathrm{t}} G_{\mathrm{t}} G_{\mathrm{r}} \lambda^2}{(4 \pi)^2 d^2 L}\text{(Friis公式)}\\ \underrightarrow{\text{\small 无硬件损耗}L=1}\\ \underrightarrow{\text{\small 无天线增益}G_{\mathrm{t}} =G_{\mathrm{r}}=1}\\ \mathrm{PL}_{\mathrm{F}}(d)[\mathrm{dB}]=10 \log _{10}\left(\frac{P_{\mathrm{t}}}{P_{\mathrm{r}}}\right)=20 \log _{10}\left(\frac{4 \pi d}{\lambda}\right)\\ \underrightarrow{\text{\small 引入环境有关的路径损耗指数}n}\\ \mathrm{PL}_{\mathrm{LD}}(d)[\mathrm{dB}]=\mathrm{PL}_{\mathrm{F}}\left(d_0\right)+10 n \log _{10}\left(\frac{d}{d_0}\right)(+X_{\sigma})
Pr(d[m])=(4π)2d2LPtGtGrλ2(Friis公式)无硬件损耗L=1无天线增益Gt=Gr=1PLF(d)[dB]=10log10(PrPt)=20log10(λ4πd)引入环境有关的路径损耗指数nPLLD(d)[dB]=PLF(d0)+10nlog10(d0d)(+Xσ)
其中,
n
∈
[
2
,
6
]
n\in [2,6]
n∈[2,6],
d
0
d_0
d0是一个参考距离,通常在半径大于10km的蜂窝系统
d
0
=
1
,
000
m
d_0=1,000m
d0=1,000m,对于半径为1km的宏蜂窝系统
d
0
=
100
m
d_0=100m
d0=100m,极小半径的微蜂窝系统
d
0
=
1
m
d_0=1m
d0=1m,
X
σ
X_{\sigma}
Xσ表示均值为0方差为
σ
\sigma
σ的高斯随机变量。
修正的IEEE 802.16d路径损耗模型:
P
L
M
802.16
(
d
)
[
d
B
]
=
{
20
log
10
(
4
π
d
λ
)
,
d
⩽
d
0
′
20
log
10
(
4
π
d
0
′
λ
)
+
10
γ
log
10
(
d
d
0
)
+
C
f
+
C
R
x
,
d
>
d
0
′
\mathrm{PL}_{\mathrm{M} 802.16}(d)[\mathrm{dB}]= \begin{cases}20 \log _{10}\left(\frac{4 \pi d}{\lambda}\right), & d \leqslant d_0^{\prime} \\ 20 \log _{10}\left(\frac{4 \pi d_0^{\prime}}{\lambda}\right)+10 \gamma \log _{10}\left(\frac{d}{d_0}\right)+C_{\mathrm{f}}+C_{\rm Rx}, & d>d_0^{\prime}\end{cases}
PLM802.16(d)[dB]={20log10(λ4πd),20log10(λ4πd0′)+10γlog10(d0d)+Cf+CRx,d⩽d0′d>d0′
其中,
d
0
=
100
d_0=100
d0=100 m,
γ
=
a
−
b
h
T
x
+
c
/
h
T
x
\gamma=a-b h_{\mathrm{Tx}}+c / h_{\mathrm{Tx}}
γ=a−bhTx+c/hTx,
a
a
a、
b
b
b 、
c
c
c 为参数,
h
T
x
h_{\mathrm{Tx}}
hTx为发射天线的高度(典型值10-80m),
λ
\lambda
λ [m] 为天线高度,
C
f
=
6
log
10
(
f
c
/
2000
)
C_{\mathrm{f}}=6\log_{10}(f_c/2000)
Cf=6log10(fc/2000)为与载波频率
f
c
f_c
fc [MHz]相关的系数,
C
R
x
=
{
−
10
log
10
(
h
R
x
3
)
,
h
R
x
⩽
3
m
−
20
log
10
(
h
R
x
3
)
,
h
R
x
>
3
m
C_{\mathrm{Rx}}= \begin{cases}-10 \log _{10}\left(\frac{h_{\mathrm{Rx}}}{3}\right), & h_{\mathrm{Rx}} \leqslant 3 \mathrm{~m} \\ -20 \log _{10}\left(\frac{h_{\mathrm{Rx}}}{3}\right), & h_{\mathrm{Rx}}>3 \mathrm{~m}\end{cases}
CRx={−10log10(3hRx),−20log10(3hRx),hRx⩽3 mhRx>3 m是与接收天线相关的系数,参考距离
d
0
′
=
d
0
1
0
−
C
f
+
C
R
x
10
γ
d_0^{\prime}=d_0 10^{-\frac{C_{\mathrm{f}}+C_{\mathrm{Rx}}}{10 \gamma}}
d0′=d010−10γCf+CRx。
参数 | 丘陵地区 | 中等路径损耗的条件 | 平坦地区 |
---|---|---|---|
a | 4.6 | 4 | 3.6 |
b | 0.0075 | 0.065 | 0.005 |
c | 12.6 | 17.1 | 20 |
3. 小尺度衰落
小尺度衰落由以下因素决定:多径传播、移动台速度、周围物体的速度和信号传输带宽。
相干带宽 B c B_{\rm c} Bc与时延扩展 τ c \tau_{\rm c} τc之间的关系通常是成反比的。数学上,这可以表示为:
B c ∝ 1 τ c B_{\rm c} \propto \frac{1}{\tau_{\rm c}} Bc∝τc1
这种关系描述的是无线通信中的多径效应。时延扩展 τ c \tau_{\rm c} τc表示的是多径信号中最早和最晚到达的信号之间的时间差,而相干带宽 B c B_{\rm c} Bc描述的是频率上的变化范围,当超出这个范围时,多径信号的干涉效应将不再是相干的。
简单来说,当时延扩展增大时(即多径效应更加显著),相干带宽会减小,这意味着在更狭窄的频率范围内,信号将受到显著的多径干涉。反之,当时延扩展减小时,相干带宽会增大。
无线信道的特点由两种不同的信道参数描述:多径时延扩展(引起时间色散效应)和多普勒扩展(引起频率色散效应)
3.1 多径时延扩展引起时间色散效应,时间色散效应引起的衰落------频率选择性衰落信道
辨析信号带宽、信道带宽和相干带宽
-
信号带宽 (Signal Bandwidth):
- 描述的是一个信号本身所占用的频率范围。
- 它与信号的信息内容和调制方式有关。
- 例如,FM广播信号的带宽为200 kHz,而某种特定的数字信号可能只有10 kHz的带宽。
-
信道带宽 (Channel Bandwidth):
- 描述的是一个传输信号的通道或介质所能支持的频率范围。
- 它与通道的物理特性和设计有关。
- 例如,WiFi通道的带宽可以是20 MHz、40 MHz、80 MHz或更宽。
-
相干1带宽 (Coherence Bandwidth)
- 描述的是在一个特定的频率范围内,多径干扰成分之间仍然保持相干的干涉的最大带宽。
- 如果两个频率分量的间隔小于相干带宽,它们之间的干扰将是相干的;反之,它们之间的干扰将是不相干的。
- 相干带宽与多径传播环境的时延扩展有关,通常满足 B c × τ c ≈ 1 B_{\rm c} \times \tau_{\rm c} \approx 1 Bc×τc≈1 的关系。
- 信道带宽 B c B_{\rm c} Bc>信号带宽 B s B_{\rm s} Bs------发射信号经平坦的信道频率响应------平坦衰落------在信道带宽内,信号的幅度和相位不会随频率变化
- 信号带宽 B s B_{\rm s} Bs>信道带宽 B c B_{\rm c} Bc------发射信号被有限的信道带宽 B c B_{\rm c} Bc过滤------频率选择性衰落-----在信道带宽内,不同频率分量的信号会经历不同的幅度和相位变化
- 符号周期 T T T<多径信道 h ( t , τ ) h(t,\tau) h(t,τ)的时延扩展 σ τ \sigma_\tau στ------频率选择性衰落----符号间干扰(ISI)
3.2 多普勒扩展引起的频率色散效应,频率色散效应引起的衰落------时间选择性衰落
信号在时域的波动与发射机和接收机之间的相对运动密切相关。相对运动引起信号在频域的扩展,称为多普勒频移Doppler Shift。令
f
m
f_{\rm m}
fm为最大的多普勒频移,
B
d
B_{\rm d}
Bd为多普勒频谱带宽,满足
B
d
=
2
f
m
B_{\rm d}=2f_{\rm m}
Bd=2fm。相干时间
T
c
T_{\rm c}
Tc与多普勒扩展成反比:
T
c
∝
1
B
d
T_{\rm c}\propto \frac{1}{B_{\rm d}}
Tc∝Bd1
发射信号在满足以下条件是经历快衰落:
T
<
T
c
和
B
s
>
B
d
T<T_{\rm c}\text{和}B_s>B_{\rm d}
T<Tc和Bs>Bd
另外,考虑信道的脉冲响应比基带发射信号变换缓慢,即信道在一个或者多个符号周期内不变,静态信道,此时,发射信号满足下列条件时经历慢衰落:
T
≪
T
c
和
B
s
≫
B
d
T\ll T_{\rm c} \text{和} B_{\rm s}\gg B_{\rm d}
T≪Tc和Bs≫Bd
3.3 衰落信道的统计特性(小尺度衰落的统计模型)
平面波与移动台运动方向夹角
θ
\theta
θ,移动台速度
v
v
v,基带发射信号
x
(
t
)
x (t)
x(t),则相应的通带发射信号为
x
~
(
t
)
=
Re
[
x
(
t
)
e
j
2
π
f
c
t
]
\tilde{x}(t)=\operatorname{Re}\left[x(t) \mathrm{e}^{\mathrm{j} 2 \pi f_c t}\right]
x~(t)=Re[x(t)ej2πfct]
其中,
Re
[
s
(
t
)
]
\operatorname{Re}[s(t)]
Re[s(t)] 表示
s
(
t
)
s(t)
s(t) 的实部。通过具有
I
I
I 条传播路径的散射信道后(其中每条路径具有不同的多普勒频移), 通频带接收信号可以表示为
y
~
(
t
)
=
Re
[
∑
i
=
1
I
C
i
e
j
2
π
(
f
c
+
f
i
)
(
t
−
τ
i
)
x
(
t
−
τ
i
)
]
=
Re
[
y
(
t
)
e
j
2
π
f
c
t
]
\begin{aligned} \tilde{y}(t) & =\operatorname{Re}\left[\sum_{i=1}^I C_i \mathrm{e}^{\mathrm{j} 2 \pi\left(f_{\mathrm{c}}+f_i\right)\left(t-\tau_i\right)} x\left(t-\tau_i\right)\right] \\ & =\operatorname{Re}\left[y(t) \mathrm{e}^{\mathrm{j} 2 \pi f_{\mathrm{c}} t}\right] \end{aligned}
y~(t)=Re[i=1∑ICiej2π(fc+fi)(t−τi)x(t−τi)]=Re[y(t)ej2πfct]
其中,
C
i
τ
i
C_i \ \tau_i
Ci τi 和
f
i
f_i
fi 分别表示第
i
i
i 条传播路径的信道增益、时延和多普勤频移。给定移动台的速度
v
v
v 和波长
λ
\lambda
λ, 多普勒频移可以表示为
f
i
=
f
m
cos
θ
i
=
ν
λ
cos
θ
i
f_i=f_{\mathrm{m}} \cos \theta_i=\frac{\nu}{\lambda} \cos \theta_i
fi=fmcosθi=λνcosθi
其中, f m f_{\mathrm{m}} fm 为最大多普勒频移, θ i \theta_i θi 为第 i i i 个平面波的到达角度 (Angle of Arrival, AoA)。
然后,基带接收信号可以重新表示为
y
(
t
)
=
∑
i
=
1
I
C
i
e
−
j
ϕ
i
(
t
)
x
(
t
−
τ
i
)
y(t)=\sum_{i=1}^{I} C_i e^{-j\phi_i(t)}x(t-\tau_i)
y(t)=i=1∑ICie−jϕi(t)x(t−τi)
其中,
ϕ
i
(
t
)
=
2
π
{
(
f
c
+
f
i
)
τ
i
−
f
i
t
}
\phi_i(t)=2\pi\{(f_c+f_i)\tau_i-f_it\}
ϕi(t)=2π{(fc+fi)τi−fit}。相应的基带信道响应为
h
(
t
)
=
∑
i
=
1
I
C
i
e
−
j
ϕ
i
(
t
)
h(t)=\sum_{i=1}^{I} C_ie^{-j \phi_i(t)}
h(t)=i=1∑ICie−jϕi(t)
令
x
(
t
)
=
1
x(t)=1
x(t)=1,则通带接收信号
y
~
(
t
)
\tilde y(t)
y~(t)可以表示为
y
~
(
t
)
=
Re
[
y
(
t
)
e
j
2
π
f
c
t
]
=
Re
[
{
h
I
(
t
)
+
j
h
Q
(
t
)
}
e
j
2
π
c
c
]
=
h
I
(
t
)
cos
2
π
f
c
t
−
h
Q
(
t
)
sin
2
π
f
c
t
\begin{aligned} \tilde{y}(t) & =\operatorname{Re}\left[y(t) \mathrm{e}^{\mathrm{j} 2 \pi f_{\mathrm{c}} t}\right] \\ & =\operatorname{Re}\left[\left\{h_{\mathrm{I}}(t)+\mathrm{j} h_{\mathrm{Q}}(t)\right\} \mathrm{e}^{\mathrm{j} 2 \pi \mathrm{c}_{\mathrm{c}}}\right] \\ & =h_{\mathrm{I}}(t) \cos 2 \pi f_{\mathrm{c}} t-h_{\mathrm{Q}}(t) \sin 2 \pi f_{\mathrm{c}} t \end{aligned}
y~(t)=Re[y(t)ej2πfct]=Re[{hI(t)+jhQ(t)}ej2πcc]=hI(t)cos2πfct−hQ(t)sin2πfct
其中,
h
I
(
t
)
h_{\mathrm{I}}(t)
hI(t) 和
h
Q
(
t
)
h_{\mathrm{Q}}(t)
hQ(t) 分别是
h
(
t
)
h(t)
h(t) 的同相和正交分量:
h
I
(
t
)
=
∑
i
=
1
l
C
i
cos
ϕ
i
(
t
)
h
Q
(
t
)
=
∑
i
=
1
l
C
i
sin
ϕ
i
(
t
)
\begin{aligned} & h_{\mathrm{I}}(t)=\sum_{i=1}^l C_i \cos \phi_i(t) \\ & h_{\mathrm{Q}}(t)=\sum_{i=1}^l C_i \sin \phi_i(t) \end{aligned}
hI(t)=i=1∑lCicosϕi(t)hQ(t)=i=1∑lCisinϕi(t)
假设 I I I 足够大, 由中心极限定理可知, h I ( t ) h_{\mathrm{I}}(t) hI(t) 和 h Q ( t ) h_{\mathrm{Q}}(t) hQ(t) 可以分别近似为高斯随机变量。因此, 经过具有大量散射分量的多径信道后, 接收信号的幅度 y ~ ( t ) = h I 2 ( t ) + h Q 2 ( t ) \tilde{y}(t)=\sqrt{h_{\mathrm{I}}{ }^2(t)+h_{\mathrm{Q}}{ }^2(t)} y~(t)=hI2(t)+hQ2(t) 服从瑞利分布。
令复高斯随机变量
W
1
+
j
W
2
W_1+\mathrm{j} W_2
W1+jW2 表示一个无线信道, 其中
W
1
W_1
W1 和
W
2
W_2
W2 是均值为 0 、方差为
σ
2
\sigma^2
σ2 的独立同分布的 (i.i.d.) 高斯随机变量。信号幅度为
X
=
W
1
2
+
W
2
2
X=\sqrt{W_1^2+W_2^2}
X=W12+W22,
X
X
X 是瑞利随机变量, 其 PDF 为
f
X
(
x
)
=
x
σ
2
e
−
x
2
2
σ
2
f_X(x)=\frac{x}{\sigma^2} \mathrm{e}^{-\frac{x^2}{2 \sigma^2}}
fX(x)=σ2xe−2σ2x2
其中,
σ
2
=
E
{
X
2
}
2
\sigma^2=\frac{E\left\{X^2\right\}}{2}
σ2=2E{X2} 此外,
X
2
X^2
X2 为卡方随机变量
(
χ
2
)
\left(\chi^2\right)
(χ2) 。
通过 MATLAB 内置函数 randn 产生均值为 0 、方差为 1 的两个 i.i.d. 高斯随机变量
Z
1
Z_1
Z1 和
Z
2
Z_2
Z2 。瑞利随机变量
X
X
X为
X
=
σ
⋅
Z
1
2
+
Z
2
2
X=\sigma \cdot \sqrt{Z_1^2+Z_2^2}
X=σ⋅Z12+Z22
其中, Z 1 ∼ N ( 0 , 1 ) , Z 2 ∼ N ( 0 , 1 ) Z_1 \sim \mathcal{N}(0,1), Z_2 \sim \mathcal{N}(0,1) Z1∼N(0,1),Z2∼N(0,1) 2。
此外, 如果有一部分散射分量明显强于其他分量, 那么衰落过程将不再服从瑞利分布。在这种情况下, 接收信号的幅度
y
~
(
t
)
=
h
I
2
(
t
)
+
h
Q
2
(
t
)
\tilde{y}(t)=\sqrt{h_{\mathrm{I}}{ }^2(t)+h_{\mathrm{Q}}{ }^2(t)}
y~(t)=hI2(t)+hQ2(t) 服从莱斯分布, 相应的衰落过程称为莱斯衰落。通常, 最强的散射分量对应于 LOS 分量 (也称镜像分量)。除了 LOS 分量外, 其他分量都视为非视线 (Non-line-of-sight, NLOS) 分量 (也称散射分量)。令
p
~
(
θ
)
\tilde{p}(\theta)
p~(θ) 表示散射分量的 AoA 的概率密度函数 (Probability Density Function, PDF),
θ
0
\theta_0
θ0 表示反射后的镜像分量到达角, 那么所有分量的
A
o
A
\mathrm{AoA}
AoA 的 PDF 为
p
(
θ
)
=
1
K
+
1
p
~
(
θ
)
+
K
K
+
1
δ
(
θ
−
θ
0
)
p(\theta)=\frac{1}{K+1} \tilde{p}(\theta)+\frac{K}{K+1} \delta\left(\theta-\theta_0\right)
p(θ)=K+11p~(θ)+K+1Kδ(θ−θ0)
其中,
K
K
K 是莱斯因子。
经过莱斯衰落信道,接收信号的幅度可以表示为
X
=
c
+
W
1
+
j
W
2
X=c+W_1+\mathrm{j} W_2
X=c+W1+jW2 。其中,
c
c
c 表示 LOS 分量;
W
1
W_1
W1 和
W
2
W_2
W2 是两个 i.i.d.高斯随机变量,其均值为 0 , 方差为
σ
2
\sigma^2
σ2 。
X
X
X 服从莱斯分布, 其 PDF 为
f
X
(
x
)
=
x
σ
2
e
−
x
2
+
c
2
2
σ
2
I
0
(
x
c
σ
2
)
f_X(x)=\frac{x}{\sigma^2} \mathrm{e}^{-\frac{x^2+c^2}{2 \sigma^2}} I_0\left(\frac{x c}{\sigma^2}\right)
fX(x)=σ2xe−2σ2x2+c2I0(σ2xc)
其中,
I
0
(
⋅
)
I_0(\cdot)
I0(⋅) 为第一类修正的零阶贝塞尔函数。莱斯因子
K
K
K。在不存在 LOS 分量的情况下 (即
K
=
0
K=0
K=0 ), 退化为瑞利分布, 相当于在 NLOS 环境中瑞利衰落的PDF。
A. 附录
1. 论文中常见的毫米波信道的数学模型
在毫米波通信研究中,信道模型常常采用基于几何的统计模型,特别是聚簇(Cluster)模型。这样的模型捕捉了毫米波信道中的稀疏性,这意味着只有少数的散射路径对信号传播有显著的贡献。以下是一个常见的基于聚簇的毫米波信道模型:
假设信道中有 L L L 个聚簇,每个聚簇 l l l 中有 R l R_l Rl 个射线。那么,毫米波MIMO信道模型可以表示为:
H = N t N r L ∑ l = 1 L R l ∑ l = 1 L ∑ r = 1 R l α l , r a r ( ϕ l , r R ) a t H ( ϕ l , r T ) \mathbf{H} = \sqrt{\frac{N_t N_r}{L \sum_{l=1}^{L} R_l}} \sum_{l=1}^{L} \sum_{r=1}^{R_l} \alpha_{l,r} \mathbf{a}_{r}(\phi_{l,r}^{R}) \mathbf{a}_{t}^H(\phi_{l,r}^{T}) H=L∑l=1LRlNtNrl=1∑Lr=1∑Rlαl,rar(ϕl,rR)atH(ϕl,rT)
其中:
-
H \mathbf{H} H 是 N r × N t N_r \times N_t Nr×Nt 的信道矩阵,其中 N r N_r Nr 是接收天线的数量, N t N_t Nt 是发送天线的数量。
-
α l , r \alpha_{l,r} αl,r 是第 l l l 个聚簇中第 r r r 个射线的复数增益,它通常包括路径损耗、小尺度衰落和其他影响。
-
a r ( ϕ l , r R ) \mathbf{a}_{r}(\phi_{l,r}^{R}) ar(ϕl,rR) 和 a t ( ϕ l , r T ) \mathbf{a}_{t}(\phi_{l,r}^{T}) at(ϕl,rT) 分别是接收和发送阵列的阵列响应向量。这些响应取决于阵列的几何结构和射线的方向。(参考MIMO信道建模)
-
ϕ l , r R \phi_{l,r}^{R} ϕl,rR和 ϕ l , r T \phi_{l,r}^{T} ϕl,rT 分别是第 l l l 个聚簇中第 r r r 个射线的接收和发送方向。
这个模型表达了信道的稀疏特性,其中只有少数的聚簇和射线对信道响应有显著的贡献。需要注意的是,这只是其中一种毫米波信道模型,实际的模型可能会根据不同的研究和应用进行调整。
此外,这些参数(如聚簇数量、射线数量、射线增益等)可以通过测量得到,也可以通过仿真来估计,具体取决于研究的目的和场景。
在毫米波信道模型中,射线的复数增益是一个关键参数,它描述了在特定的路径或射线上的信号衰减和相位变化。以下是论文中常见的复数增益的数学模型:
复数增益表示:
射线的复数增益通常表示为:
α
l
,
r
=
β
l
,
r
e
j
θ
l
,
r
\alpha_{l,r} = \sqrt{\beta_{l,r}} e^{j \theta_{l,r}}
αl,r=βl,rejθl,r
其中,
α
l
,
r
\alpha_{l,r}
αl,r 是第
l
l
l 个聚簇中第
r
r
r 个射线的复数增益,
β
l
,
r
\beta_{l,r}
βl,r 是相应的功率增益,而
θ
l
,
r
\theta_{l,r}
θl,r 是随机相位,通常均匀分布在
[
0
,
2
π
]
[0, 2\pi]
[0,2π]。
-
功率增益模型:
功率增益 β l , r \beta_{l,r} βl,r 通常与路径损耗、小尺度衰落和其他信道影响有关。常见的功率增益模型为:
β l , r = P 0 × 1 0 − P L ( d ) 10 × ∣ f ( r ) ∣ 2 \beta_{l,r} = P_0 \times 10^{-\frac{PL(d)}{10}} \times |f(r)|^2 βl,r=P0×10−10PL(d)×∣f(r)∣2
其中, P 0 P_0 P0 是参考功率, P L ( d ) PL(d) PL(d) 是距离 d d d 的路径损耗(通常用对数距离模型表示),而 ∣ f ( r ) ∣ |f(r)| ∣f(r)∣ 是描述小尺度衰落的函数,可能是瑞利分布、莱斯分布或其他分布的随机变量。 -
相位模型:
射线的随机相位 θ l , r \theta_{l,r} θl,r 通常假设是均匀分布的,即:
θ l , r ∼ U ( 0 , 2 π ) \theta_{l,r} \sim U(0, 2\pi) θl,r∼U(0,2π)
在某些情况下,射线的相位也可能受到确定性因素的影响,如传播环境的特定特性或天线阵列的相位误差。
这些模型为毫米波信道的仿真和分析提供了基本工具。当然,复数增益的具体模型可能会根据实际的测量数据、研究目的和场景进行调整。
2.1. 移动通信中的相位模型
在移动通信的环境中,毫米波信道的射线复数增益的相位是受到多种因素的影响的,这包括移动终端的速度、运动方向、传播环境的动态性等。因此,相位模型需要捕捉这些影响。以下是论文中关于移动通信环境中的毫米波信道射线相位模型的一些常见内容:
2.1.1. Doppler Shift:
当移动终端在移动时,由于Doppler效应,信号的频率和相位都会发生变化。Doppler shift
f
d
f_d
fd 可以表示为:
f
d
=
v
⋅
f
c
⋅
cos
(
θ
)
c
f_d = \frac{v \cdot f_c \cdot \cos(\theta)}{c}
fd=cv⋅fc⋅cos(θ)
其中,
v
v
v 是移动终端的速度,
f
c
f_c
fc 是载波频率,
θ
\theta
θ 是移动方向与射线方向的夹角,$c $ 是光速。
因此,由于Doppler效应引起的相位变化
Δ
θ
\Delta\theta
Δθ 可以表示为:
Δ
θ
(
t
)
=
2
π
f
d
t
\Delta\theta(t) = 2\pi f_d t
Δθ(t)=2πfdt
2.1.2 随机相位变化:
除了由于Doppler效应引起的确定性相位变化外,多径效应、随机散射、反射等都会引起相位的随机变化。这种随机相位变化通常模型化为均匀分布在 [ 0 , 2 π ] [0, 2\pi] [0,2π] 的随机变量。
2.1.3. 总相位模型:
因此,射线的总相位
θ
l
,
r
\theta_{l,r}
θl,r 可以表示为:
θ
l
,
r
(
t
)
=
θ
l
,
r
0
+
Δ
θ
(
t
)
+
ϕ
l
,
r
\theta_{l,r}(t) = \theta_{l,r}^0 + \Delta\theta(t) + \phi_{l,r}
θl,r(t)=θl,r0+Δθ(t)+ϕl,r
其中,
θ
l
,
r
0
\theta_{l,r}^0
θl,r0 是初始相位,
Δ
θ
(
t
)
\Delta\theta(t)
Δθ(t) 是由于Doppler效应引起的相位变化,而
ϕ
l
,
r
\phi_{l,r}
ϕl,r 是随机相位变化。
这种模型捕捉了移动通信环境中的相位变化的主要因素。
2.1.3.1 在论文中描述毫米波或其他频段的信道模型时,初始相位(或多路径相位偏移)通常是作为一个随机变量来描述的。以下是描述初始相位的常见方式:
a. 均匀分布的随机相位:
这是最常见的方式,假设初始相位是均匀分布在
[
0
,
2
π
]
[0, 2\pi]
[0,2π] 上的随机变量。数学上表示为:
θ
l
,
r
0
∼
U
(
0
,
2
π
)
\theta_{l,r}^0 \sim U(0, 2\pi)
θl,r0∼U(0,2π)
这种假设基于这样一个事实:在复杂的多路径环境中,特定路径的相位偏移通常是不可预测的,并且在全范围内等可能地出现。
b. 基于测量的相位分布:
在某些研究中,初始相位可能基于实际测量的数据来建模。这种情况下,相位的统计分布可能与均匀分布不同,可能是其他更复杂的分布。
c. 确定性的相位偏移:
在某些特定场景或应用中,初始相位可能是已知的,或者可以用确定性的方式来描述。例如,对于已知的固定反射面,反射路径的初始相位可能是确定的,并且可以基于几何和波的传播特性来计算。
在描述初始相位时,除了给出其统计特性或分布外,论文通常还会提供相应的理由或证据。这可能是基于理论、仿真、测量数据或其他研究成果。
最后,需要注意的是,尽管初始相位是信道模型的一个重要组成部分,但它通常不是主要的焦点。更多的关注通常集中在路径损失、小尺度衰落、Doppler效应或其他更显著的信道特性上。
“相干”这个词在物理和工程领域有多种含义,但通常它涉及到波的一致性或同步性。在通信和信号处理的上下文中,这里是“相干”的一些常见定义和应用:1. 波的相干性 (Coherence of Waves): - 当两个或多个波以固定的相位差关系传播时,它们被认为是相干的。这通常是指波的时相和频率都是匹配或同步的。2. 相干通信 (Coherent Communication): - 在相干通信中,接收器具有对传输信号的参考相位的知识或能够估计它。这样,它可以解调包含相位信息的信号,如在相移键控 (PSK) 中使用的信号。3. 时间相干 (Temporal Coherence): - 描述一个波在特定时间范围内保持其相位一致性的能力。4. 频率相干 (Spatial Coherence): - 描述一个波在空间上保持其相位一致性的能力。5. 相干带宽 (Coherence Bandwidth): - 在无线通信中,相干带宽描述了一个频率范围,在该范围内多径信号的干扰是相干的。超出这个范围,干扰变得不相干。6. 相干检测 (Coherent Detection): - 使用已知或估计的参考信号来检测或解调接收信号的方法。 ↩︎
N ( m , σ 2 ) \mathcal{N} \left(m, \sigma^2 \right) N(m,σ2) 表示均值为 m m m 、方差为 σ 2 \sigma^2 σ2 的实高斯(正态)随机变量。 ↩︎