Saleh-Valenzuela 毫米波信道模型

3GPP SCM信道的角度域表示

H ( t ) = ∑ l = 1 L ∑ m = 1 M l α l , m a r ( θ l + Δ θ l , m ) a t H ( φ l + Δ φ l , m ) δ ( t − τ l − Δ τ l , m ) \mathbf{H}(t)=\sum_{l=1}^{L} \sum_{m=1}^{M_{l}} \alpha_{l, m} \mathbf{a}_{r}\left(\theta_{l}+\Delta \theta_{l, m}\right) \mathbf{a}_{t}^{H}\left(\varphi_{l}+\Delta \varphi_{l, m}\right) \delta\left(t-\tau_{l}-\Delta \tau_{l, m}\right) H(t)=l=1Lm=1Mlαl,mar(θl+Δθl,m)atH(φl+Δφl,m)δ(tτlΔτl,m)

其中各参数的物理含义为

参数含义
L L L信号的簇数
M l M_l Ml l l l 簇中的信号径数
α l , m \alpha_{l,m} αl,m l l l 簇第 m m m 径的信道增益
θ l \theta_l θl l l l 簇的参考到达角
Δ θ l , m \Delta \theta_{l,m} Δθl,m l l l 簇第 m m m 径信号到达角相对于第 l l l 簇的参考到达角的增量
φ l \varphi_l φl l l l 簇的参考离开角
Δ φ l , m \Delta \varphi_{l,m} Δφl,m l l l 簇第 m m m 径信号离开角相对于第 l l l 簇的参考离开角的增量
τ l \tau_l τl l l l 簇的参考信号时延
Δ τ l , m \Delta \tau_{l,m} Δτl,m l l l 簇第 m m m 径信号时延相对于第 l l l 簇的参考时延的增量

a r \mathbf{a}_{r} ar为接收端(终端)的导引矢量, a t \mathbf{a}_{t} at为发射端(基站)的导引矢量,均假设基站端和终端的多天线均为均为线性阵(Uniform Linear Array, ULA)排列。当接收端天线数为 N r N_r Nr,天线间隔为 d r d_r dr,信号波长为 λ \lambda λ且到达角为 θ \theta θ时,导引向量
a r ( θ ) = [ 1 e − j 2 π d r sin ⁡ ( θ ) / λ … e − j 2 π ( N r − 1 ) d r sin ⁡ ( θ ) / λ ] T \mathbf{a}_{r}(\theta)=\left[\begin{array}{llll} 1 & e^{-j 2 \pi d_{r} \sin (\theta) / \lambda} & \ldots & e^{-j 2 \pi\left(N_{r}-1\right) d_{r} \sin (\theta) / \lambda} \end{array}\right]^{T} ar(θ)=[1ej2πdrsin(θ)/λej2π(Nr1)drsin(θ)/λ]T
当发送端天线数为 N t N_t Nt,天线间隔为 d t d_t dt,信号波长为 λ \lambda λ且离开角为 φ \varphi φ时,导引向量
a t ( φ ) = [ 1 e − j 2 π d t sin ⁡ ( φ ) / λ … e − j 2 π ( N t − 1 ) d t sin ⁡ ( φ ) / λ ] T \mathbf{a}_{t}(\varphi)=\left[\begin{array}{llll} 1 & e^{-j 2 \pi d_{t} \sin (\varphi) / \lambda} & \ldots & e^{-j 2 \pi\left(N_{t}-1\right) d_{t} \sin (\varphi) / \lambda} \end{array}\right]^{T} at(φ)=[1ej2πdtsin(φ)/λej2π(Nt1)dtsin(φ)/λ]T

SCM信道模型在UPA下的推广

在均匀平面阵(Uniform Planar Array, UPA)设置下,发送端的离开角(AoD)和接收端的到达角(AoA)需要用方位角(azimuth angle)和仰角(elevation angle)同时确定。

对于接收端,假定UPA处于yz-平面,沿y和z方向各有 N r y N_{ry} Nry N r z N_{rz} Nrz个天线,即 N r = N r y × N r z N_r=N_{ry}\times N_{rz} Nr=Nry×Nrz,沿y方向和z方向的天线间隔分别为 d r y d_{ry} dry d r z d_{rz} drz,信号波长为 λ \lambda λ,方位角为 θ r \theta_r θr,仰角为 ϕ r \phi_r ϕr。则
a r = a r y ⊗ a r z (4) \mathbf{a}_r=\mathbf{a}_{ry}\otimes \mathbf{a}_{rz}\tag{4} ar=aryarz(4)

为了明确起见,对方位角和仰角进一步定义如下:

  • 方位角为某条径的信号在xy-平面投影与x轴的夹角,范围为 [ − π , π ) [-\pi, \pi) [π,π)
  • 仰角为某条径的信号与xy-平面的夹角,范围为 [ − π 2 , π 2 ) [-\frac{\pi}{2},\frac{\pi}{2}) [2π,2π)

由几何关系可知,y方向上,相邻天线上信号的路程差为 d r y cos ⁡ ( ϕ r ) sin ⁡ ( θ r ) d_{ry}\cos(\phi_r)\sin(\theta_r) drycos(ϕr)sin(θr)(三余弦定理);z方向上,相邻天线上信号的路程差为 d r z sin ⁡ ( ϕ r ) d_{rz}\sin(\phi_r) drzsin(ϕr),所以有
a r y ( θ r , ϕ r ) = [ 1 e − j 2 π d r y cos ⁡ ( ϕ r ) sin ⁡ ( θ r ) / λ … e − j 2 π ( N r y − 1 ) d r y cos ⁡ ( ϕ r ) sin ⁡ ( θ r ) / λ ] T \mathbf{a}_{ry}(\theta_r,\phi_r)=\left[\begin{array}{llll} 1 & e^{-j 2 \pi d_{ry}\cos(\phi_r)\sin(\theta_r) / \lambda} & \ldots & e^{-j 2 \pi\left(N_{ry}-1\right) d_{ry}\cos(\phi_r)\sin(\theta_r) / \lambda} \end{array}\right]^{T} ary(θr,ϕr)=[1ej2πdrycos(ϕr)sin(θr)/λej2π(Nry1)drycos(ϕr)sin(θr)/λ]T

a r z ( θ r , ϕ r ) = [ 1 e − j 2 π d r z sin ⁡ ( ϕ r ) / λ … e − j 2 π ( N r z − 1 ) d r z sin ⁡ ( ϕ r ) / λ ] T \mathbf{a}_{rz}(\theta_r,\phi_r)=\left[\begin{array}{llll} 1 & e^{-j 2 \pi d_{rz}\sin(\phi_r) / \lambda} & \ldots & e^{-j 2 \pi\left(N_{rz}-1\right) d_{rz}\sin(\phi_r) / \lambda} \end{array}\right]^{T} arz(θr,ϕr)=[1ej2πdrzsin(ϕr)/λej2π(Nrz1)drzsin(ϕr)/λ]T

于是仿照ULA下的SCM表达式,可以得到在UPA下,3GPP SCM信道的角度域表示如下
H ( t ) = ∑ l = 1 L ∑ m = 1 M l α l , m a r ( θ r , l + Δ θ r , l , m , ϕ r , l + Δ ϕ r , l , m ) a t H ( θ t , l + Δ θ t , l , m , ϕ t , l + Δ ϕ t , l , m ) δ ( t − τ l − Δ τ l , m ) \mathbf{H}(t)=\sum_{l=1}^{L} \sum_{m=1}^{M_{l}} \alpha_{l, m} \mathbf{a}_{r}\left(\theta_{r,l}+\Delta \theta_{r,l,m},\phi_{r,l}+\Delta \phi_{r,l,m}\right) \mathbf{a}_{t}^{H}\left(\theta_{t,l}+\Delta \theta_{t,l,m},\phi_{t,l}+\Delta \phi_{t,l,m}\right) \delta\left(t-\tau_{l}-\Delta \tau_{l, m}\right) H(t)=l=1Lm=1Mlαl,mar(θr,l+Δθr,l,m,ϕr,l+Δϕr,l,m)atH(θt,l+Δθt,l,m,ϕt,l+Δϕt,l,m)δ(tτlΔτl,m)
上式中的 a r \mathbf{a}_r ar a t \mathbf{a}_t at按照公式(4)~(6)进行计算,对其中几个角度参数进行说明如下:

  • θ r , l \theta_{r,l} θr,l:第 l l l簇在接收端的参考到达方位角
  • Δ θ r , l , m \Delta \theta_{r,l,m} Δθr,l,m:第 l l l簇中第 m m m径在接收端相对于参考到达方位角的增量
  • ϕ r , l \phi_{r,l} ϕr,l:第 l l l簇在接收端的参考到达仰角
  • Δ ϕ r , l , m \Delta \phi_{r,l,m} Δϕr,l,m:第 l l l簇中第 m m m径在接收端相对于参考到达仰角的增量

脚标为 t t t的对应发射端相对应的离开角,其他参数含义同前面的表格。

  • 5
    点赞
  • 46
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个简单的 Python 代码实现 Saleh-Valenzuela 信道模型: ```python import numpy as np def sv_channel_model(fc, d, ht, hr, num_samples): """ Saleh-Valenzuela channel model implementation in Python. Parameters: fc (float): carrier frequency in Hz d (float): distance between transmitter and receiver in meters ht (float): height of transmitter in meters hr (float): height of receiver in meters num_samples (int): number of samples to generate Returns: h (1D numpy array): channel impulse response t (1D numpy array): time vector for the channel impulse response """ # Constants c = 299792458 # speed of light in m/s lam = c / fc # wavelength in m d_bp = 4 * ht * hr * fc / c # break point distance in m # Calculate path loss path_loss = 20 * np.log10(4 * np.pi * d / lam) # Calculate small-scale fading if d <= d_bp: sigma_l = 3.2 * np.sqrt((ht - hr) / d) sigma_n = 8.7 * np.sqrt((ht - hr) / d) sigma_s = 10 * np.sqrt((ht - hr) / d) alpha_l = np.random.normal(0, sigma_l, num_samples) alpha_n = np.random.normal(0, sigma_n, num_samples) alpha_s = np.random.normal(0, sigma_s, num_samples) h = np.exp(1j * 2 * np.pi * np.random.rand(num_samples)) * \ np.exp(-alpha_l / 20) * \ (1 - np.exp(-alpha_n / 20)) ** 0.5 + \ np.exp(-alpha_s / 20) else: sigma_l = 3.2 * np.sqrt(ht * hr / d ** 2) sigma_n = 8.7 * np.sqrt(ht * hr / d ** 2) sigma_s = 10 * np.sqrt(ht * hr / d ** 2) alpha_l = np.random.normal(0, sigma_l, num_samples) alpha_n = np.random.normal(0, sigma_n, num_samples) alpha_s = np.random.normal(0, sigma_s, num_samples) h = np.exp(1j * 2 * np.pi * np.random.rand(num_samples)) * \ np.exp(-alpha_l / 20) * \ (1 - np.exp(-alpha_n / 20)) ** 0.5 + \ np.exp(-alpha_s / 20) # Calculate time vector dt = 1 / (fc * 1000) # time step in ms t = np.arange(0, num_samples * dt, dt) return h, t ``` 此代码实现了 Saleh-Valenzuela 信道模型中的大尺度衰落和小尺度衰落。大尺度衰落通过计算路径损耗来实现,而小尺度衰落则根据距离是否小于或大于突破点距离来计算不同的参数。 请注意,此代码仅供参考,并不考虑更复杂的情况和参数。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值