【《5G信道模型仿真设计及使用研究》16000字】

5G信道模型仿真设计及使用研究摘要伴随着第五代移动通信系统的快速发展，新型应用出现爆炸式增长，以及一些大数据量业务的流行，人们对通信系统的整体性能提出了更高的要求。而在移动通信中，信道的特性就决定了整个移动通信系统的性能上限，构建信道模型能够帮助我们研究5G系统，方便进行设计和技术优化，因此需要建立不同场景下尽可能与实际传播环境相似的信道模型加以分析，这对建立具有能够承载大带宽、低时延、高可靠需求的第五代通信系统具有重大意义。基于5G通信系统在移动通信应用中的广泛性与复杂性，本文基于随机几何建立了准确的数学模型，在不同的带宽、频率、信道特性和测试场景条件下，分析和探索各种因素对需求的影响及变化规律，提供精确的数学模型。同时作为5G关键技术，本文也将对毫米波以及大规模MIMO技术所引入的信道特性进行提取与建模分析，为移动通信系统的设计与技术优化提供基础。关键词：5G移动通信系统；信道建模；毫米波；大规模MIMO；信道仿真目录TOC\o"1-3"\h\u15247第一章绪论 1215781.1课题研究的背景及意义 184821.25G新技术概述 241491.3国内外研究现状 3128241.4本文主要研究内容和目标 4284841.5本文章节安排 5160501.6本章小结 511592第二章5G信道特性及建模方法 6137872.1无线信道衰减特性概述 677582.1.1大尺度衰落 684122.1.2小尺度衰落 7241132.25G信道新特性 9115632.2.1空间一致性 9270062.2.2氧气损耗 10159192.2.3阻塞 10212012.3信道建模方法 1035102.3.1统计性建模 1081552.3.3确定性建模 11228802.3.3半确定性建模 11296012.4本章小结 1119556第三章信道模型仿真设计 1260743.1信道建模流程 1241673.2参数建模 12175693.2.1通用参数生成 1211543.2.2信道系数生成 17187603.35G新特性模型传播 18235953.3.1空间一致性 18298413.3.2氧气损耗 1866873.3.3阻塞 19305633.4本章小结 2026431第四章信道模型的使用 21277484.1使用步骤 21234784.2场景参数配置 21232144.2.1拓扑配置 21234044.2.2链路生成 22294264.2.3通用参数配置 23263824.3本章小结 24740第五章仿真结果展示与分析 2536655.1参数配置 25145735.2仿真结果 25218555.3本章小结 2625196结束语 2724854参考文献 29-PAGE5第一章绪论1.1课题研究的背景及意义通信对人类的生活有着重要的影响，早在远古时期，人们在生活中就学会了使用简单的语言来传递信息。随后在人类的智慧中，人们又学会了使用笔画、图符等方式来存留重要的信息，再后来伴随着人类文明的进步，为了满足远距离通信的需要，又出现了烽火狼烟、飞鸽传书、驿传等方式。19世纪中叶以后，人们发现金属导线可以用来传输信号，由此电报、电话这样的通信方式开始出现，从此人类通信领域产生了根本性的重大变革，直至开始通过电磁波来进行通信，无线通信就此产生。从此，人类的信息传递已经可以脱离常规的视听觉方式，选用电信号作为新的信息载体，为通信发展带来了一系列的技术革新，开创了人类通信的新时代，并将这项技术逐渐渗透到我们社会生活的方方面面。到目前为止，移动通信已经进入了第五代，第六代也进入了研究日程。第一代移动通信系统诞生于1980年前后，在模拟调制技术的基础上，美国贝尔实验室成功研制出了全球第一个移动蜂窝电话系统，并在实际使用中取得了巨大成功。随后，第二代移动通信系统增加了时分多址、频分多址和码分多址技术的使用，帮助人们实现了高质量的数字语音传输的需要，并成功实现了相对低速的数据传输。2008年，国际电信联盟正式公布第三代移动通信系统(3thGenerationofMobileCommunicationSystem,3G)的标准，规定其以WiMAX、WCDMA、CDMA2000和TD-SCDMA为主要技术，开始支持高速数据传输的蜂窝移动通讯。相比第二代通信技术，使用较高的频带和CDMA技术和相关技术支持进行传输数据，能够实现信号稳定、成本低廉和安全性能好的要求。3G网络技术能够全面支持更加多样化的图像、音乐、视频等多媒体应用。但随着无线应用的发展，人们开始追求具有高速率、高容量、大带宽的通信系统来满足娱乐生活的需要，第四代通信系统（4G)随之产生，它是在3G技术基础上的一次更好的改良。4G主要采用了正交频分复用（OFDM)技术、多输入多输出(MIMO)技术，充分利用抗多径干扰特性和MIMO技术的空间特性，显著提升了通信系统的通信速率及软硬件间的兼容性，使之更加趋向于智能化，极大的方便了人们的生活。第五代移动通信技术是最新研究产生的\t"/item/5G/_blank"蜂窝移动通信技术，国际电信联盟（ITU）发布5G应为具有支持超低延迟、高移动性、高可靠性传输、高质量、高用户密度以及以机器为中心的通信。为了支撑5G新应用，在关键性能指标方面也进行了新的突破，5G达到了GHz级的超大带宽、μs级的超低时延和高精度ns级的时间同步，ITU为5G系统定义了8个关键性能指标，如图1.1所示。相比4G而言，5G提出了了更高的性能要求，所以研究5G信道建模，对研究5G系统的特性，分析信道性能、规划天线和网络布局、分析支撑新型应用的场景等方面都具有重大意义。图1.1ITU定义的5G系统8个关键性能指标[1]1.25G新技术概述相比于传统通信，为满足5G性能指标，建立满足用户需求的通信系统，国际上的一些大学、组织、研究机构在4G的基础上提出了5G的关键技术，主要为：（1）大规模多输入多输出（MassiveMIMO）；（2）毫米波技术；（3）设备到设备通信技术（Device-to-Device，D2D）；（4）同时同频全双工技术（Co-timeCo-frequencyFullDuplex，CCFD）；（5）5G新型网络架构。①大规模多输入多输出（MassiveMIMO）随着并行数字信号的处理和高速电子技术的进步，MassiveMIMO可以利用数百（通常是100-1000根）根天线进一步将数据的传输速率提升到10Gbps以上，这些额外的天线可以讲信号的能量及接受集中到一个很小的空间内，能够极大的提高系统的吞吐量和能量效率，通过使用大规模的体现阵列来提升系统的容量。当使用的天线越多，可以释放的数据流也就越多，在降低辐射功率的同时也可以服务于更多的终端，在提升数据传输速率的同时，还可以利用了空间分集技术来提高链路的可靠性，以此在空间域中获取更多的自由度，这使得系统在一定程度上消除了噪声干扰，大大提升了系统性能。除此之外，MassiveMIMO还适当使用了波束成形技术来减少衰落，有效提高了接收信噪比（SignalNoiseRation，简称SNR）和比特率，减少了延迟，而且还将BS天线数量加到用户数量以上产生了更高的吞吐量。国内外对MassiveMIMO的研究十分重视，所以针对大规模MIMO进行信道测量及参数提取，开展信道的特性研究，构建相应的无线信道模型，对进一步健全MIMO技术的使用就具有了重大意义。②毫米波技术作为5G的关键技术之一，毫米波技术已经被广泛应用于无线局域网（WLAN）系统和卫星通信中，并且逐渐在移动通信中呈现发展趋势，成为了目前专家学者研究讨论的的重点。通常，毫米波指的是频率范围在30~300GHz之间的电磁波，并且与微波相比，毫米波具有非常丰富的频谱资源，它的波长也更短，在设计天线阵列时就可以实现更高的集成度，波束的宽度也会更窄，因此可以获得更高的空间分辨率和波束增益，可以利用毫米波频段丰富的频谱资源来提升系统容量。但毫米波的使用也面临着挑战，毫米波的特性使得它在使用过程中传输损耗大、传输距离短、穿透能力弱且毫米波器件制作成本高难度大，为毫米波的使用增加了许多限制。毫米波技术在5G的使用者存在着明显的优势，但毫米波信道的特性虽然却决定了毫米波通信的性能上线，因此，如何更加有效地利用好毫米波就成为了我们在研究时必须解决的问题，这也就需要更好地研究毫米波信道的传输特性，建立毫米波信道传播模型。③设备到设备通信技术（Device-to-Device，D2D）为了提高系统性能、实现更加丰富的通信模式、提升用户体验、扩展新型应用的使用前景，5G使用了D2D关键技术。D2D技术避免了网络中转，可实现终端间资源的同步和抗干扰，为系统带来了信道增益和复用增益，进一步提高了资源的利用和信道吞吐为5G新型应用中的社交互动、网络游戏等带来了良好的发展前景。④同时同频全双工技术（Co-timeCo-frequencyFullDuplex，CCFD）CCFD技术的目的就是实现在同一频段、同一时刻内，以全双工的方式进行无线信号的传输工作。与传统的TDD、FDD方式相比，CCFD的接受端需要能够抑制或消除本地基站产生的强自干扰，这样就可以使传输的频谱效率得到提高。但是，本项技术对同频小区和基站的干扰消除能力具有极高的要求，所以目前还有许多技术难题尚待解决。⑤5G新型网络架构在IMT-2020白皮书中对5G网络架构提出了速率、时延、效率等方面的新要求，所以我们需要建立更加扁平化、更加智能化的5G新型网络架构，以实现更快捷的数据分配能力、更可靠的网络安全服务、更舒适的用户体验。面对这样的需求，5G系统提出了四维网络架构和其“三朵云”特征，致力于实现通信新时代的共享数据网络。1.3国内外研究现状目前，大量的组织、学者对5G通信系统毫米波和大规模MIMO信道的建模进行了相关研究。随着人们对无线通信研究的深入，信道模型从早期的时域-频域发展到到空域-时域-频域，从单输入单输出到多输入多输出，频谱范围也不断扩大。2012年前后，世界上的各大研究机构和组织就致力于制定全球统一的5G标准。2012年，欧洲科技合作组织（COST）发布了COST2100，该模型属于GSCM模型，可以表征MIMO信道的空域-时域-频域多维属性。与之前发布的COST251、COST259、COST273相比，引入了区域概念来进行模拟用户移动过程中簇的演进过程，可以对簇的更新和演进进行更加精确的建模，同时也提高了信道模型的普适性和灵活性。通过簇的使用可以实现多用户与分布式MIMO场景建模。两年后，MiWEBA组织针对回传和接入的毫米波演进了提出了毫米波模型和3D准确性模型，它适用于60GHz以下频段的信道仿真。2015年，信息社会的移动无线通信建造者（METIS）在信道实测数据的基础上提出了随机性信道模型，随后在地图信道模型的基础上又提出了基于这两种模型的混合信道模型。到2016年，5GCMSIG在进行了大量的信道检测和Ray-tracing后，发布了可以将使用频率提高到100GHz的5G信道模型。2016年，美国纽约大学Rappaport教授团队基于时间簇和空间波瓣两个小规模参数，提出了适用于0.5GHz～100GHz的NYUSIM模型。同年，mmMAGIC组织基于毫米波的移动无线接入5G集成通信网络，利用多频点、多场景的信道检测结果，开发了针对6-100GHz频率范围的高频5G信道模型。2016年，3GPP标准组织发布了支持UMi、UMa、InH场景的3GPPTR38.900高频信道模型和适用于0.5GHz～100GHz的模型标准3GPPTR38.901，该模型新增加了5G场景的信道新特性[4]，包含空间一致性、多载波聚合、氧气损耗、大带宽大天线阵列、地面反射等新指标。2017年，ITU完成了5G信道的标准化并发布了M.2412[1,3,4]。1.4本文主要研究内容和目标由以上内容可见，人们在统一5G标准、优化通信系统设计和研究新型通信算法、网络规划时都需要构建准确的信道模型。基于5G通信系统在移动通信应用中的广泛性与复杂性，本文主要研究以下两个方面的内容：通过建立准确的数学模型，在不同的带宽、频率、信道特性和测试场景条件下，刻画5G信道模型，分析和探索各种因素对需求的影响及变化规律，为进一步优化5G通信系统性能、提高传输速率、提升用户体验提供相应的理论数据参考。另外，针对毫米波及大规模MIMO技术分析对5G通信系统的关键作用，在传统的信道模型的基础上，重点对毫米波及大规模MIMO技术引用入5G信道后的信道特性进行数学建模与分析，分析多径的传播机理，探索和掌握信道变化的规律和容量机理，完成信道模型的仿真并精确模型，为移动通信系统设计与技术优化提供基础。1.5本文章节安排本文主要以毫米波大规模MIMO信道建模为主要研究内容，共分为五章，各章内容如下：第一章：绪论。本章首先引入了本课题研究的相关背景及在现实生活中的实际意义，介绍了各代通信系统的发展历程和主要技术发展；其次，还介绍了国内外各个组织在5G通信系统信道建模上的研究现状。第二章：5G信道特性及建模方法。本章主要对无线信道特性大尺度衰落和小尺度衰落的其产生原因、建模方法进行了简要介绍；此外，针对5G系统的新技术，对信道的新特性的产生原因进行了概述；最后，还分别介绍了现在常用的建模方法，包括统计性建模、确定性建模以及半确定性建模。第三章：信道模型的仿真设计。本章在上一章的基础上，从信道建模的流程开始，详细地介绍了本文所采用的建模方法以及各个参数数据的生成。还对影响5G信道的新特性（包括空间一致性、氧气损耗、阻塞）模型的建立进行了详细介绍。第四章：信道模型的使用。本章结合信道的设计对模型的使用方法步骤以及场景参数配置进行了相关介绍。介绍通过相关参数的配置，改变模拟场景中的拓扑和链路，信道的双工方式，并且选择得到上行、下行链路或某些节点的仿真结果，绘制需要的结果图。第五章：仿真结果展示与分析。本章结合了本文所设置的大规模MIMO、毫米波场景，对仿真结果进行了简单分析。1.6本章小结本章主要介绍了本课题研究的相关背景、研究现状以及在现实生活中的意义。在移动通信中，信道的特性决定了移动通信系统的性能上限，5G系统设计与技术优化的也需要信道模型作为支撑，因此需要建立不同场景下尽可能贴近实际传播环境的信道模型用于研究分析，这对建立能够承载大带宽、低时延、高可靠需求的第五代通信系统具有重大意义。本章先详细介绍了移动通信的发展历史和5G通信的主要性能及相关技术，然后以时间顺序介绍了各个国家、研究机构在5G信道模型方面的研究与发展。最后，介绍了本文研究的主要目标，通过建立可靠的数学模型，刻画在不同带宽、频率、信道特性及研究场景下的，引入毫米波和大规模MIMO技术后的5G信道模型。5G信道特性及建模方法2.1无线信道衰减特性概述信号从发射端发出后，在传播过程中会经过信道上的固定障碍物（如建筑物、空气中的水滴、山丘、树林等）直射、反射、散射和衍射最终来到接收端，而这些信号在经历不同的传输过程后伴随着噪音叠加到接收端，便使得信号产生了大尺度衰落和小尺度衰落。这些衰落的变化具有对数正态分布的统计特性，通常在相对较大的传输距离上（通常是十到几百米甚至更长）产生的衰落被叫做大尺度衰落，而在相对较小的传输距离上（通常是几十个波长距离内）产生的衰落被叫做小尺度衰落[2]。随着四代通信技术的研究与发展，5G信道增加了一些新特性：空间一致性、气体吸收、阻塞等等。2.1.1大尺度衰落大尺度衰落是指信号经历长距离传输（通常是十到几百米甚至更长)，在传播过程中经过建筑物、山丘、树林等障碍物的影响产生的衰落。通常情况下，大尺度衰落由路径损耗和阴影衰落组成。路径损耗是由信号的多径传播在自由空间中传播产生的损耗，取决于收发双方之间的空间距离，而阴影衰落主要与接受方间的遮挡物有关，它与电磁波传播的路径、传播地形、建筑物的分布高低都有关系。一般情况下，随着传播距离的增大，电磁波在传输过程中的消耗也更大，而电磁波的频率越高，在传输时消耗得越快，传输的极限距离也越小。路径损耗模型由于路径损耗模型描述了信号传播过程中衰落与传播距离的关系，它的相关研究在基站布置时起到了尤为重要的作用。目前，相关学者提出了多种路径损耗模型。在理想情况下，根据Friis传输公式，可以得到电磁波在自由空间内的传输公式： （2-1）其中，表示发送端天线的功率，表示接收端天线的功率，表示发送端天线的增益，表示接收端天线的增益，是电磁波的波长，表示接收端与发送端之间的距离。但在实际场景中，电磁波的传输路径中不可能没有没有障碍物。所以目前，比较常用的路径损耗模型有三种，分别是：自由空间临近（CI）路径损耗模型、浮动截距（FI）路径损耗模型和ABG（Alpha-beta-gamma）路径损耗模型[1]。自由空间临近（CI）路径损耗模型考虑自由空间传播，表示为： ， （2-2） （2-3）其中，=1m，，是一个标准差为，均值为0的高斯随机变量，是电磁波的频率，为收发端之间的距离，表示自由空间路径损耗，单位为dB，路径损耗指数（PathLossExponent，PLE）通过对测量路径损耗进行MMSE拟合得出。浮动截距（FI）路径损耗模型可表示为： （2-4）其中，是以dB单位的浮动截距，是拟合截距，都需要通过对实测数据的最优拟合得到具体计算，可参考文献[13]，是一个标准差为，均值为0的高斯随机变量。值得注意的是，FI模型只适合建立距离范围在测试距离内的模型。ABG路径损耗模型可表示为： （2-5）其中，=1m，、是描述距离与频率对路径损耗的依赖性系数，是以dB单位的浮动截距，是路损模型的线性斜率，计算方式同FI模型。是高斯随机变量，表示发射天线与接收天线间的3D距离。ABG模型是一种含有三个参数的多频路径损耗模型，能够与测量数据获得更好的拟合效果，同时描述了路径损耗与距离、频率之间的关系。当测量环境属于单个频率时，可将ABG模型退化为FI模型，同样地，通过调节ABG模型中的α和γ参数，也可将其退化为CI模型。通常情况下，CI和FI模型更适合运用于室内场景中，ABG模型则适合运用在具有多频段的NLOS场景。阴影衰落及其统计特征在实际环境中，在不同的传播路径上信号会经历不同的障碍物，所呈现出的信道特性和衰落程度也就不同，为了刻画这一变量，研究人员引入了阴影衰落模型，通常情况下，可将阴影衰落建模为一个均值为零的高斯随机变量，如公式（2-2）、（2-4）、（2-5）所示[2]。2.1.2小尺度衰落小尺度衰落是指信号在很短距离内传输，主要由多径效应和多普勒效应而产生的信号强度快速变化的现象。小尺度衰落与信号收发端的移动速度、周围物体的移动速度息息相关，研究小尺度信号的建模方法对通信系统的设计和优化具有重要意义。（1）多径时延扩展产生的小尺度衰落信号在经历不同的传输路径后，不同路径的信号会产生不同的时延，同时它们的信号强度、相位及入射角度也会呈现随机分布，接收机收到的信号可以看做是这些信号的叠加。假设表示发送端发射的信号，那么经多径效应后，接收机收到的信号与可以表示为： （2-6）其中，为多径数，、分别表示第条路径上的幅度和时间。而实际情况中这些信号在被接受机进行叠加后会相互影响，这会使得某些信号加强，也会使得某些信号削弱。例如，假设两个信号的路程之差为信号波长的整数倍，就会对叠加信号产生积极影响；但如果两个信号的路程之差为半波长加波长的整数倍，就会对叠加信号产生消极影响。根据信号带宽与信道相关带宽、时延扩展与符号周期之间的比较，又可以将基于时延扩展的小尺度衰落分为频率选择性衰落和平坦衰落。产生频率选择性衰落的条件为： >，<产生平坦衰落的条件为： <<，>>（2）多普勒扩展产生的小尺度衰落我们知道通常在基站相对于地面静止，而移动台相对运动时多普勒频移可以表示为： （2-7）其中，表示移动台相对于地面的运动速度，是信号的波长，是运动方向与信号入射方向之间的夹角，不同的入射角度导致了多径分量的多普勒频移也不同，接收信号就变为： （2-8）其中，第个多径分量的多普勒频移为，角频率为，信道的传输函数就变为时变函数。同样地，通过信号的符号周期与相干时间，以及信号带宽与多普勒扩展的比较可以将小尺度衰落分为时间选择性衰落（也称快衰落）和非时间选择性衰落（也称慢衰落）。产生时间选择性衰落的条件为： >，<产生非时间选择性衰落的条件为： <<，>>如果我们将信号叠加表示为公式： （2-9） （2-10）其中，表示窄带信号的冲击响应，表示多径数，表示第条路径的幅度，表示第条路径的时延，表示第条路径的相位。那么根据中心极限定理，我们知道这些信号的叠加是一个高斯信号，其包络服从瑞利分布： （2-11）其中，是瑞利分布的比例参数。2.25G信道新特性随着通信系统四代的研究发展，5G引入了毫米波和大规模MIMO等新技术，在信道建模方面，就需要考虑适用于5G系统高频段通信的新型信道特性，主要包括：空间一致性、氧气损耗、阻塞、大天线和大带宽等等。2.2.1空间一致性在信道建模中，我们用空间一致性来描述基站或移动台在运动时，移动台与基站之间位置相近的两条链路的相似特性。在实际情况中，同一个基站服务的两个移动台之间信道，在移动过程中不论从时域还是频域上看，都是一个保持平滑连续演变的过程。随着5G时代的到来，通信系统中用户规模和终端数量不断扩大，使得同一基站下的链路密度大幅增加，研究相邻信道间的空间一致性具有重大意义。2.2.2氧气损耗在实际的使用场景中，通信链路的距离可能达到数百米，由于空气中原子与分子间的相互作用，高频段的电磁波可能更容易损失，信号的传输距离也随之减少。可见，在5G信道中，气体吸收的影响在建模时显得更加重要。2.2.3阻塞由于5G使用的是毫米波，而毫米波在传输时很难有效的绕过人或其他障碍物，这就使得发射器与接收器之间有静止或运动的物体对信道进行阻塞时，会极大的改变某一段信道上的信道特性。因此，充分考虑阻塞物的大小、形状、尺寸，对动态阻塞进行技术评估，研究其对信道造成的阴影效应对5G信道研究同样具有重大意义[12]。2.3信道建模方法信道建模是对是环境的一种抽象，移动通信系统已经经历五代的研究与发展，涌现出了大量的研究成果。目前，归纳现有的通信信道模型，主要将无线信道建模方法分为统计性建模、确定性建模和半确定性建模[15]。2.3.1统计性建模统计性建模是一种通过对信道关键性参数（例如路损、时延、角度等）进行大量测量，然后从中获取统计特性并建立信号传输的经验公式以描述传播环境的建模方法。由于测量环境可能存在相似之处，获得的统计特性也会存在相似之处，所以也称作随机性建模。一般情况下，由于建立模型使用目的及侧重点的不同，在使用参数进行分析时，建模的参数使用也不同。通常统计性建模都是基于参数进行的，这种方法注重更信道的多径效应，以信号叠加的方式来描述信道衰落特性。统计性建模也可以基于物理传播进行，根据电磁波基本传输规律对散射体的统计分布刻画，更注重于信号的传播时延、波到达角和波离开角等参数极其统计特性，来实现描述信道特性的目的，这种方法也更常运用于MIMO信道的研究中。2.3.3确定性建模确定性建模需要根据实际的地图信息，详尽的了解通信场景的环境规模、建筑结构、散射体分布、地理特性等一系列场景物理与形态数据。这种方法要求对环境数据进行详细准确的测量，这些数据直接影响到了信道建模的准确性，理论上我们认为只要准确地获取数据，就可以通过麦克斯韦方程以及电磁场的边界条件求解出任意场景中某些位置的场强和信号强度等信息。确定性建模对数据的要求非常高，例如在我们对场景中的建筑物进行测量时，不仅要描述它的高度、宽度、体积，还要考虑它的材质、结构对电磁波的影响，这就使得随着通信环境范围的增加地理环境的变化，需要预先测量评估的数据更加庞大，计算资源消耗更大，建模的难度也随之增加，所以，该方法只适合运用于在小范围内或室内环境下的信道研究。但随着目前电子设备的高速发展，这种具有高准确度的建模方法也逐渐成为主流的研究方向。2.3.3半确定性建模为了综合以上两种建模方法的优点，研究人员提出了半确定性建模，这是一种牺牲建模精确度来降低系统复杂的建模方法。比较常见的有随机几何建模法和相关矩阵法。在特定的场景中，随机几何建模法只需要对通行环境进行简易测量获取某种固定的概率分布，随机选择散射体的位置，然后通过获取的数据进行统计分析并修正经验公式，就可以得到相对准确的信道模型，例如SCM/SCME模型、WINNER模型等。而在相关矩阵法中，需要得到有关空间的系数，例如路径时延、发射角AOD以及到达角AOA等，然后利用它们与天线之间的几何关系直接计算信道空间相关矩阵。常见的Kronecker模型、LTE模型、IEEE802.11n都属于此类模型。2.4本章小结本章主要对信道建模特征和常用建模方法进行了介绍。对于传统信道而言，影响信道特性的主要是大尺度衰落和小尺度衰落，本章对它们的产生原因及相关建模理论进行了介绍。针对5G信道高频段、多输入多输出的特性，本章还对5G信道产生新型信道影响进行了介绍。最后，对现如今常用的信道建模方法及其优缺点进行了总结与分析。信道模型仿真设计3.1信道建模流程基于现有的信道建模研究成果，我们可以利用时间簇和空间波瓣实现5G毫米波信道的建模，使用时间簇可以表示出在相近时间内从各个方向到达的任意多径分量，使用空间波瓣表示在相近角度域中具有不同时延的多径分量，其建模主要流程如下图所示：图3.1信道建模流程图[7]3.2参数建模3.2.1通用参数生成（1）信道冲击响应参照3GPP模型和WINNER模型，我们使用簇的概念描述空间信道模型（SpatialChannelModel,SCM），它同时考虑了多径的时延、方向和天线方向图。规定每条主路径含多条子径，假设子径时延固定，每一条子径将由同一发射信号经过不同时延到达接收端。同时，基于散射体的统计特性将簇分为任意条子径，按照强度依次赋予不同的时延。这样就可将收发端全向信道冲击响应模型描述为： （3-1）为了方便，我们将信道响应系数矩阵已三维能量角度谱的形式表示，通过对信道系数矩阵模的平方在时域上积分就可以得到功率分布指标： （3-2）其中，表示绝对信号传输时间，表示离开角，表示到达角，和分别表示时间簇和簇内子径的个数，、、分别表示第个时间簇内的第个子径的幅度、相位和传输时延，、则表示对应子径的离开角和到达角。（2）信道场景选择为了方便研究，用表示收发端之间的距离，当时为LOS场景，当为NLOS场景。服从均匀分布，且可在场景范围内随机生成，也可以将其设定为固定数值。计算路径损耗根据场景生成接收端全向功率，为接受端功率，则路径损耗模型为： （3-3） （3-4） （3-5）其中，=1m，为波长，为不同情况下的路径指数（PLE），为均值为0，方差为的高斯随机变量，它们在不同环境下取值如下表3.1所示：表3.1场景参数28GHz73GHzLOS2.03.62.05.2NLOS7.6（4）设置接收端时间簇数目和发射角与到达角的空间波瓣数目假设接收端时间簇数目为且服从1～6上的均匀分布，即,发射角与到达角的空间波瓣数目分别用、表示，满足泊松分布: （3-6） （3-7）其中，和分别为离开角度域和到达角域上突出波瓣的平均数目，在不同频段场景下的取值如图3.2所示，为空间波瓣允许的最大数目。最大时间簇数目在选择离散均匀分布[1,6]内随机生成。因为簇内子径在近似时间内以不同角度达到，在波瓣域内以相同角度的不同时间内到达，所以空间波瓣数和时间簇数可以彼此相互独立分别生成。（5）设置每个时间簇内子径（SP）数目在实测中可以通过尖峰检测算法观察子径数目，在本文中，我们将每个时间簇内的子径数目设置为1～30内的均匀分布，即。设置簇内径时延为避免信道模型频带之间产生交叠，反映簇内时延间隔随簇时延的增加而增加，将发送端PN序列的基带带宽设置为=400MHz，则簇内径时延为： （3-8）其中，在0～内服从均匀分布，即。（7）设置簇间时延簇内时延因子由以下公式生成： （3-9） （3-10）其中，表示实验因子，服从参数为的指数分布，即，函数可以将时延因子升序排列，但在不同频段的取值是不同的，具体数值由图3.2所示。因为时间簇间隔是由具体的场景环境决定的，在这里我们把它设置为不小于25ns,以此区分不同的时间簇。（8）设置时间簇功率类比3GPP、WINNER信道模型中的方法，我们将时间簇的功率在时延上的分布拟合为指数分布，则时间簇功率的计算为： （3-11） （3-12）其中，是第一个时间簇的平均功率，是功率的衰减常数，是满足均值为0，方差为的正态分布，即，的取值如下图3.2所示，在确保簇功率归一求和的情况下可求出接收端的全向接收功率。设置簇内子径功率通过实际环境中的测量发现，簇内子径功率随簇内子径时延表示出指数衰落，当空间和时间的分辨率达到一定程度时，也会随簇内时延表现出指数衰减。 （3-13） （3-14）其中，是第一条簇内子径的平均功率，表示时间衰减因子，是满足均值为0，方差为的正态分布，在不同频段的取值如图3.2所示，在保证簇内各子径功率归一求和后，可以计算簇功率。设置子径相位用以往的信道模型进行参考，为了在保证准确性的同时满足频段的普适性，可以认为子径的相位独立与频率和时延的变化，在不同散射环境中各条子径之间互不影响，这里我们将子径相位设置为0～2之间均匀分布的随机变量，即,其中，，。（11）恢复簇内子径绝对时延为收发端之间的距离，可用其恢复簇内子径绝对时延： （3-15）其中，，，为光在自由空间的传播速度。（12）设置3D空间波瓣发射角与到达角的水平角度均值为同时避免上下限的波瓣交叠，设置AOA、AOD的水平角度均值服从均匀分布，即： （3-16） （3-17）（13）设置3D空间波瓣发射角与到达角的垂直角度均值同样地，这里的AOA、AOD的水平角度均值服从均匀分布，即。其中，位于水平面的上方为正，位于水平面的下方为负，分布的均值和方差在不同的频段取值不同，如图3.2所示：（14）设置各个子径分量的离开角和到达角采用中置配合扩展值的方式分别从水平、垂直两个维度考虑离开角（，）和到达角（，）： （3-18）其中，， （3-19）其中，每一多径簇都可分配到一个独立的波瓣补充子径角度偏移，满足一定的经验分布。和3GPP中使用均匀生成径离开角，0均值高斯分布生成径到达角、WINNER中使用功率谱包络满足0均值高斯分布的方式不同，这里使用了拉普拉斯分布，更加契合跨频段的模型生成[1]。图3.2模型参数参考3.2.2信道系数生成信道系数表示仿真信道最终的输出，首先需要随机生成多径簇内的各子径传播射线的初始相位（，，，），都满足均匀分布，即,其中，（，，，）为四种极化组合方式。假设基站的发射天线数目为S,移动台的接收天线数目为U,发射阵元s与接收阵元的第n个簇的信道内，信道系数值为U与S的复矩阵： （3-20）其中，为电磁波波长，是多径簇的功率，是簇内子径数目，、表示天线阵元u在对应方向的增益，、则表示天线阵元s在对应方向上的增益，、分别表示接收天线阵元u和发射天线阵元s的位置坐标向量，表示移动台的移动速度，、分别表示到达角和离开角的球面单位向量。最终，信道中的冲击响应的生成还需要考虑路径损耗和阴影衰落： （3-21）其中，PL表示路径损耗（PathLoss,PL）,SF表示阴影衰落（ShadowFading）,均由大尺度参数生成。相比小尺度参数，大尺度参数的研究已经相对成熟，这里，我们可以参考WINNER中的建模思路，使用2D网格滤波器算法生成，详细可参考WINNERⅡ[11]。3.35G新特性模型传播3.3.1空间一致性由于5G信号的特殊性，考虑空间一致特性的信道模型更加能够与实际信道实现拟合。参考5G信道建模标准ITUM.2412，可以用以下方法进行：首先，将簇的时延表示为： （3-22） （3-23） （3-24）其中，表示光速，表示移动台的运动矢量，表示初始时延，表示发射天线与接收天线之间的3D欧氏距离。随后，可以得出球面单位矢量为： （3-25）其中，、分别表示簇在水平维度上的到达角和在俯仰维度上的到达角。那么，快衰落模型的时延则可生成为： （3-26）3.3.2氧气损耗在原有的簇相应基础上，簇n在中心频率处对附加损耗的建模为： （3-27）其中，表示光速，表示发射天线与接收天线之间的3D欧氏距离，表示与频率有关的氧气损耗，表示第n个簇的时延，在LOS场景下为0，其他场景下为最小延迟。3.3.3阻塞阻塞模型有两种类型，分别为：动态的阻塞模型和静态的阻塞模型。一般来说，动态模型运用于人体阻塞和车辆的移动过程中，使用随机获取的方法建立具有高效率的模型。而在静态模型中，则采用几何法对固定阻塞建模，只适用于特定场景或准确的建模情况。本文主要对静态阻塞进行建模。首先，需要在固定的场景中设置确定数目的障碍物，假设数目为k（距离障碍物越远阻塞的影响越小，所以在研究过程中为了方便，我们只考虑k个距离发射端或接受端靠近的障碍物），并逐个获取他们的高度（）、宽度（）以及位置坐标（、、）。然后，各个障碍物对簇的衰减可通过刀刃衍射模型进行建模: （3-28）、、、表示障碍物的四个边缘的刀刃衍射： （3-29）其中，为信号的波长，表示接收端与障碍物四个角之间的距离，表示发射端与障碍物四个角之间的距离。如图3.3、图3.4所示，侧视平面垂直于水平面，俯视图垂直于侧视图。每个簇围绕中心旋转可以使相应的路径到达方向总是垂直于障碍物表面，所以，对于不同的子径，屏障需要进行旋转。当屏障垂直于子径时，在LOS环境时，表示发射端与接收端之间的距离，而在NLOS环境时，表示屏障与接收端之间的距离。如果与之间的夹角为锐角，那么取正号，若夹角为钝角，则取负号，接收端类似。最后，将各个屏障的损耗求和可得到最终的阻塞损耗。图3.3LOS环境下阻塞模型[12]图3.4NLOS环境下阻塞模型[12]3.4本章小结上一章中我们对无线信道的特性和5G信道特性进行了详细地介绍，本章在上一章的基础上，从信道建模的流程开始，详细地介绍了本文所采用的建模方法以及各个参数数据的生成。在以往信道的基础上，本章充分考虑了5G信道多输入多输出、采用高频段毫米波的特点，增加了5G信道空间一致性、氧气损耗、阻塞三种新特性的建模方法和相关参数生成方法，更加完善了5G信道模型的准确性，为今后的相关研究提供了帮助。信道模型的使用4.1使用步骤打开信道模型后，进入目标目录下的main.m文件，选择模拟场景：%selectscenariosimulationScenario='genericScenario'如果想要模拟特定场景下的信道，可以在/scenarios目录中编辑或创建模拟场景，4.2节将对怎样进行配置进行介绍。根据是否以并行模式进行模拟，改变循环扫描参数为for或parfor：%loopoversweepparameterparforiSweep=1:length(simParams.simulation.sweepValue)%thismaybe'for'or'parfor'运行main.m脚本，所有结果将会存储在名为downlinkResults和uplinkResults的文件夹中。4.2场景参数配置4.2.1拓扑配置节点之间的链接的生成基于所提供的“拓扑”，它基本上告诉了节点是如何连接在一起的。可以打开文件Scenarios.genericScenario.m修改节点和拓扑，如图4.1所示，primaryLinks如下：图4.1拓扑配置在这部分中，节点包含网络中的所有节点且节点名必须按升序输入，即UE1、UE2、UE3，且节点号必须大于零，即不允许输入BS0或UE0。输入参与节点后，下一步是定义连接的链接。属性拓扑primaryLinks负责这一点，其中每行表示一个连接。对于每条线路，第一项为发送端，第二项为接收端。例如，'BS1:UE1'表示从BS1到UE1的下行链路，'UE2:BS1'表示从UE2到BS1的上行链路，等等。两个条目用冒号分隔，每一行用逗号结束。另外，使用附加链接以同样的方式定义来自其他单元的干扰。这些干扰链接可以通过设置erferenceGeneration为“Automatic”来自动设置，在“Automatic”中，不同细胞节点之间所有可能的干扰链接都会自动生成。干扰的强度则可以通过在干扰环节引入衰减来控制。4.2.2链路生成一旦输入了所需的拓扑，就会使用topology.getttopology功能生成链路。这个函数的输出是三个集合:BS,UE,Links。BS集合表示基站，UE表示用户，Links表示生成的Link对象。所有生成的节点(基站和用户)都具有惟一的id。这些id用于访问这些节点之间的关联链路。Links集合有一个非常特定的结构，它是一个2D单元格，其中行指示发送器ID，列指示接收者ID。假设您希望访问BS1和UE2之间的下行链路和上行链路，可以按照如图4.2的步骤进行：图4.2链路配置几乎每个参数都可以单独应用于每个节点或链路，也可以全局应用。这可以极大地简化在场景文件中输入参数的方式。让我们考虑下面的例子。假设您有以下拓扑：scStr.topology.nodes=['BS1,BS2,UE1,UE2']。可以让两个基站都发射30dbm的功率，就可以单独输入：scStr.simulation.txPowerBaseStation==[30,30]。或者，因为它们具有相同的值，所以可以全局输入，这时只需要输入参数一次，即：scStr.simulation.txPowerBaseStation=[30]。txPowerBaseStation是一个perBS参数。类似的事情可以应用到每个链接参数，比如pathloss。例如，假设您有以下图4.3所示链路：图4.3链路举例此时，就可以设置全局输入scStr.simulation.pathloss=[80,90,70,88,110,115]。表示“BS1:UE1”的路径损失为80dB，“BS1:UE2”的路径损失为90dB，“BS2:u3”的路径损失为70dB等，它表示的是每个节点、每个BS、每个终端或每个链路的参数。4.2.3通用参数配置本小节将介绍一般仿真参数的设置方法。如下图4.4所示前三个参数simulateDownlink,simulateUplink,simulateD2D控制进行仿真的方向。当加载的场景在下行链路、上行链路和D2D中有很多连接，并且在某一点上只对单个方向进行模拟时，就可以使用这三个参数。而参数frameStructure则指定了传输是FDD还是TDD。图4.4通用参数配置1图4.4中参数plotResultsFor选择绘制哪些节点的结果。当将该参数设置为1时，将绘制所有节点的结果，而如果将其设置为0，则不会显示任何图，也可以只显示特定数量节点的图。例如，假设您的拓扑定义为：scStr.Topology.nodes=['BS1,BS2,UE1,UE2']，如果只需要显示BS2和UE2的结果，那么可以将它们在plotResultsFor中的对应位置设置为1，而将其他的设置为0，即：scStr.simulation.plotResultsFor=[0,1,0,1]。当参数plotOverSNR设置为1时，它根据信噪比(SNR)绘制最终结果。这只在扫描参数为路径丢失时有效。参数plotPAPR表示是否绘制发送信号的峰值平均功率比(PAPR)。这个集合中的最后一个参数是saveData，它控制是将整个生成的信号(输入位、符号、解码位等)保存在结果中，还是只保存瞬时(每帧)的FER和BER。如果你要进行很多实现和模拟点时建议保持关闭。而下一组参数则是扫描参数集。第一个条目sweepParam选择将被扫过的参数，在场景文件中，您可以在每个参数前找到一个说明，该说明表明该参数是每个BS、UE还是每个链接。sweep的值是通过参数sweepValue设置的，这对于大多数值都是有效的。下一个参数applySweepingTo允许设置更高级的场景，顾名思义，它允许选择哪些节点或链接被扫过。选择的方式与plotResultsFor类似，在链接或节点的位置插入一个1，然后将其余设置为0。然后，只有选定的链接或节点将被扫过，而其他节点将使用全局输入的缺省值。只输入一个1意味着所有的链接或节点将被扫过。另外，如图4.5示例，pathloss是每个链路的参数，因此将applySweepingTo设置为[0,1]意味着BS1:UE1链路不会被扫过，而是会接受在simulation.pathloss中输入的值。在这个例子中，它是80，并且它将一直拥有这个值，直到模拟结束。另一方面，链路BS1:UE2将被扫过，其路径损耗值由仿真环路中的当前扫过值给出。图4.5通用参数配置24.3本章小结在本章中，结合信道的设计对模型的使用方法步骤以及场景参数配置进行了相关介绍。通过相关参数的配置，我们就可以改变模拟场景中的拓扑和链路，并且控制信道的双工方式，如TDD、FDD，并且选择得到上行、下行链路或某些节点的仿真结果，并根据信噪比（SNR）或峰值平均功率比(PAPR)绘制结果图。仿真结果展示与分析5.1参数配置在main.m中场景选择为“massiveMIMO”,此场景下的默认拓扑结构如图5.1所示，选择双工方式为“FDD”,显示上下行链路结果图。图5.1拓扑/链路配置5.2仿真结果以下行链路为例：图5.2下行链路比特出错率图5.3下行链路帧出错率结合图5.2、5.3可以看到天线数量的增多对未经编码的信道改善明显，随天线数量的增多，未经编码的信道比特出错率逐渐降低，而编码信道结果相对稳定，帧出错率在某些值上有较大起伏。图5.4下行链路总吞吐量图5.5下行链路各链路吞吐量在图5.3中，随着天线规模的增多，总吞吐量不断增大，而BS1所使用带宽、频率都比BS2大，吞吐量也更大。图5.5中，同一基站的不同链路之间吞吐量差异不大且变化趋势与总吞吐量相似，这与事实相符。5.3本章小结本章主要介绍了大规模MIMO、毫米波信道下的仿真结果，介绍了本文所设置的场景并以此为例，对仿真结果进行了简单分析，结合相关变量间的理论基础知