空时非平稳无线信道：特性解析与建模新探

空时非平稳无线信道：特性解析与建模新探一、引言1.1研究背景与意义随着科技的飞速发展，无线通信已经成为现代社会不可或缺的一部分。从早期的模拟通信到如今的5G乃至6G通信技术，无线通信的发展历程见证了人类对高效、便捷通信的不懈追求。在这个过程中，无线信道作为无线通信系统的关键组成部分，其特性对通信系统的性能起着决定性作用。无线信道是指在自由空间或其他介质中，传输电磁波信号的媒介。与有线传输不同，无线信道的传输路径不仅包括直线传输，还会经历反射、绕射、散射等多种信号误差。因此，无线信道具有多径效应、时变性、同频干扰和多用户干扰等特性。在城市环境中，高楼大厦等障碍物会使信号发生多次反射，导致接收端收到多个不同时延和幅度的信号副本，这就是多径效应。而移动台的移动以及环境中物体的动态变化，会使信道特性随时间不断改变，即信道的时变性。此外，当多个信号在同一频率下进行传输时，会相互干扰，降低信号质量，这便是同频干扰。多个用户同时使用同一频段进行通信时，也会相互干扰，容易导致通信质量下降，此为多用户干扰。在众多无线信道特性中，空时非平稳特性近年来受到了广泛关注。传统的无线信道模型大多基于广义平稳非相关散射（WSSUS）假设，即在一定的观察时间内，通过信道的复带通信号在传输过程中将呈现稳态特性。然而，随着无线通信技术的不断演进，特别是5G及未来通信系统的发展，实际的无线信道环境变得愈发复杂。在高速移动场景下，如高铁、车对车通信中，收发端以及散射体的快速移动使得信道参数（如时延、角度、功率等）随时间和空间发生剧烈变化，不再满足WSSUS假设。在无人机通信中，无人机的高速飞行、姿态变化以及复杂的空中环境，也会导致信道呈现出明显的空时非平稳特性。对空时非平稳无线信道特性进行深入分析与建模具有重要的理论意义和实际应用价值。从理论角度来看，它有助于完善无线通信理论体系。传统的基于WSSUS假设的信道理论在面对复杂的空时非平稳信道时存在局限性，通过研究空时非平稳信道特性，可以拓展和深化对无线信道传输机制的理解，为通信理论的进一步发展提供新的思路和方法。从实际应用角度而言，准确的信道模型是通信系统设计、优化和评估的基础。在5G及未来通信系统中，为了实现更高的数据传输速率、更低的时延和更大的连接数量，需要设计更加先进的通信技术和算法，如大规模MIMO技术、毫米波通信等。而这些技术的性能很大程度上依赖于对信道特性的准确把握。通过建立精确的空时非平稳信道模型，可以更真实地模拟实际信道环境，为通信系统的设计提供可靠依据，从而提高系统的性能和可靠性。准确的信道模型还可以用于通信设备的测试和验证，确保设备在实际信道条件下能够正常工作。1.2国内外研究现状在无线信道特性分析与建模的研究历程中，早期的研究主要集中在平稳信道模型的构建。经典的平稳信道模型，如瑞利衰落信道模型和莱斯衰落信道模型，在描述一些简单的无线信道场景时发挥了重要作用。瑞利衰落信道模型适用于不存在直射路径的多径传播环境，其信号包络服从瑞利分布；莱斯衰落信道模型则适用于存在直射路径的情况，信号包络服从莱斯分布。随着通信技术的发展，实际信道环境的复杂性逐渐凸显，传统的平稳信道模型难以满足需求，空时非平稳无线信道特性分析与建模逐渐成为研究热点。国外在这一领域的研究起步较早，取得了丰硕的成果。美国的一些科研机构和高校，如斯坦福大学、麻省理工学院等，在无线信道建模方面进行了大量的理论研究和实验测量。他们通过对不同场景下的无线信道进行实地测量，获取了丰富的数据，并基于这些数据提出了多种空时非平稳信道模型。在高速移动场景下，斯坦福大学的研究团队通过对车辆移动过程中信道参数的测量和分析，提出了一种考虑车辆速度、方向以及周围散射体动态变化的信道模型，该模型能够较好地描述车对车通信中的空时非平稳特性。欧洲的一些研究组织，如欧盟的5G公私合作联盟（5GPPP），也在积极开展相关研究。他们致力于建立适用于5G及未来通信系统的统一信道模型，通过整合欧洲各国的研究力量，对不同的应用场景进行了全面的信道测量和建模研究，提出了一系列具有创新性的信道模型和建模方法。国内的研究也在近年来取得了显著进展。国内众多高校和科研机构，如清华大学、北京邮电大学、东南大学等，在空时非平稳无线信道特性分析与建模方面开展了深入研究。清华大学的研究团队针对无人机通信中的信道特性，提出了一种考虑无人机飞行姿态、高度以及周围环境影响的三维非平稳信道模型。该模型通过引入姿态相位矩阵来描述无人机的姿态变化，能够准确地模拟无人机通信中信道参数的动态变化。北京邮电大学则在高铁通信信道建模方面取得了重要成果，提出了一种基于几何统计的高铁信道模型，该模型充分考虑了高铁运行速度、轨道特性以及周围散射体的分布情况，能够有效地描述高铁通信中的空时非平稳特性。尽管国内外在空时非平稳无线信道特性分析与建模方面已经取得了一定的成果，但当前的研究仍存在一些不足之处。在模型的通用性方面，现有的许多模型往往是针对特定的应用场景或通信技术开发的，缺乏通用性和可扩展性。一种针对车对车通信开发的信道模型，可能无法直接应用于无人机通信或其他场景，这限制了模型的广泛应用。在模型的准确性方面，虽然一些模型能够在一定程度上描述信道的空时非平稳特性，但对于复杂环境下的信道变化，如多径分量的快速变化、散射体的复杂分布等，模型的准确性还有待提高。由于无线信道环境的复杂性和多样性，实际测量数据的获取难度较大，这也给模型的验证和改进带来了一定的困难。1.3研究内容与方法本文旨在深入剖析空时非平稳无线信道特性，并提出创新的建模方法，以提升无线通信系统在复杂环境下的性能。具体研究内容如下：空时非平稳无线信道特性分析：对空时非平稳无线信道的多径传播特性展开研究，分析多径分量的时延、幅度和相位变化规律。通过理论推导和实际测量，探究多径传播对信号传输的影响机制，如信号的衰落、失真等。研究信道的时变特性，包括信道参数随时间的变化规律以及时变特性对通信系统性能的影响。通过建立时变信道模型，分析信道时变对信号传输速率、误码率等性能指标的影响。针对高速移动场景，研究其独特的信道特性，如高速移动导致的多普勒频移、信道快速变化等问题。分析这些特性对通信系统的影响，并探讨相应的应对策略。空时非平稳无线信道建模方法研究：基于几何统计的建模方法，将无线信道中的散射体分布和传播路径抽象为几何模型，结合统计理论，建立能够描述空时非平稳特性的信道模型。在高铁信道建模中，考虑轨道的几何形状、列车的运行速度和方向以及周围散射体的分布情况，建立基于几何统计的高铁信道模型。研究基于深度学习的信道建模方法，利用深度学习算法强大的非线性拟合能力，对复杂的空时非平稳信道特性进行学习和建模。通过构建合适的深度学习模型，如卷积神经网络（CNN）、循环神经网络（RNN）等，对信道数据进行训练，实现对信道特性的准确建模。结合不同场景下的实际需求，对所提出的建模方法进行优化和改进，提高模型的准确性和适用性。在无人机通信场景中，考虑无人机的飞行姿态、高度和速度等因素，对基于几何统计的建模方法进行优化，以更好地描述无人机通信中的信道特性。模型验证与性能评估：通过实际测量获取不同场景下的无线信道数据，用于验证所建立的信道模型的准确性。在车对车通信场景中，利用车载设备进行信道测量，获取信号的时延、角度和功率等参数，与模型预测结果进行对比分析。利用仿真软件对所建立的信道模型进行仿真验证，评估模型在不同条件下的性能表现。通过仿真分析模型的误码率、信道容量等性能指标，与传统信道模型进行对比，验证所提模型的优势。对基于不同建模方法的信道模型进行性能比较，分析各种方法的优缺点，为实际应用提供参考依据。对比基于几何统计和深度学习的信道模型在不同场景下的性能，根据实际需求选择合适的建模方法。为实现上述研究内容，本文将采用以下研究方法：理论分析：运用电磁波传播理论、概率论与数理统计等知识，对空时非平稳无线信道的特性进行理论推导和分析。通过建立数学模型，深入研究信道的多径传播、时变特性以及在高速移动场景下的特性，为信道建模提供理论基础。基于电磁波传播理论，推导多径传播中信号的时延、幅度和相位变化的数学表达式，分析多径传播对信号传输的影响。实验测量：搭建无线信道测量平台，在不同场景下进行实际的信道测量。通过测量获取信道的各种参数，如时延扩展、角度扩展、多普勒频移等，为信道特性分析和建模提供真实的数据支持。在城市环境中，利用测量设备对不同位置、不同时间的信道参数进行测量，分析信道特性的变化规律。仿真模拟：使用专业的通信仿真软件，如MATLAB、NS-3等，对无线信道进行仿真模拟。通过设置不同的场景参数和信道模型，模拟信号在信道中的传输过程，分析通信系统的性能。利用MATLAB中的通信工具箱，搭建基于不同信道模型的通信系统仿真平台，对比不同模型下系统的误码率性能。二、空时非平稳无线信道特性分析2.1信道衰落特性2.1.1路径损耗路径损耗是指无线信号在传播过程中，由于传播距离的增加以及传播环境的影响，导致信号强度逐渐减弱的现象。它是无线信道中一种重要的大尺度衰落特性，对通信系统的覆盖范围和信号质量有着关键影响。在自由空间中，路径损耗遵循Friis传输公式：P_r=P_tG_tG_r(\frac{\lambda}{4\pid})^2，其中P_r是接收功率，P_t是发射功率，G_t和G_r分别是发射天线和接收天线的增益，\lambda是信号波长，d是收发天线之间的距离。从该公式可以看出，在自由空间中，路径损耗与距离的平方成正比，与信号波长的平方成反比。当距离增加一倍时，接收功率将降低为原来的四分之一；信号频率越高（波长越短），路径损耗越大。在实际的无线通信环境中，由于存在各种障碍物和复杂的地形地貌，路径损耗会偏离自由空间的理论模型。在城市环境中，高楼大厦会对信号产生反射、散射和绕射等作用，使得信号传播路径变得复杂，从而增加了路径损耗。为了更准确地描述实际环境中的路径损耗，人们提出了多种经验模型和半经验模型，如Okumura-Hata模型、COST231-Hata模型等。Okumura-Hata模型适用于150MHz-1500MHz的频率范围，主要用于预测城市、郊区和农村等不同环境下的路径损耗。该模型考虑了发射机和接收机的高度、频率、传播环境等因素，通过大量的实际测量数据拟合得到路径损耗的计算公式。COST231-Hata模型则是在Okumura-Hata模型的基础上，扩展到了1500MHz-2000MHz的频率范围，更适用于现代移动通信系统。路径损耗的影响因素除了传播距离和信号频率外，还包括发射天线和接收天线的高度、周围环境的类型（如城市、郊区、农村、室内等）以及障碍物的性质和分布情况等。发射天线和接收天线的高度越高，信号传播的可视距离越远，路径损耗相对较小。在城市环境中，由于建筑物密集，信号容易受到阻挡和反射，路径损耗通常比郊区和农村环境大。障碍物的材质、形状和大小也会对路径损耗产生影响，金属材质的障碍物对信号的反射和吸收较强，会导致较大的路径损耗；而植被等障碍物对信号的影响相对较小。2.1.2阴影衰落阴影衰落是由于无线信号在传播路径上受到障碍物（如建筑物、山丘等）的阻挡，导致信号在接收端产生的缓慢变化的衰落现象。当信号遇到障碍物时，部分信号被吸收或反射，使得接收端接收到的信号强度减弱，形成信号的阴影区域。阴影衰落的产生原因主要包括以下几个方面：首先，障碍物的阻挡使得信号传播路径发生改变，信号在绕过障碍物时会发生绕射现象，导致信号强度衰减；其次，信号在障碍物表面发生反射，反射信号与直射信号在接收端相互干涉，进一步影响信号的强度；此外，大气条件（如温度、湿度、气压等）的变化也会对信号传播产生一定影响，导致信号的折射和散射，从而引起阴影衰落。阴影衰落具有对数正态分布特性。大量的实际测量数据表明，阴影衰落的场强中值服从对数正态分布。若以分贝（dB）为单位表示信号强度，设X为阴影衰落的信号强度，则X服从正态分布N(\mu,\sigma^2)，其中\mu是信号强度的均值，\sigma是标准差。这意味着在相同的传播环境下，阴影衰落的信号强度在均值附近波动，且波动的幅度由标准差决定。标准差越大，信号强度的波动范围越大，阴影衰落的影响越严重。阴影衰落对信号传输具有长期、大尺度的影响。它会导致信号强度在较大的空间范围内发生缓慢变化，使得通信系统的覆盖范围出现不均匀的情况。在阴影区域内，信号强度较弱，可能会导致通信质量下降，甚至出现通信中断的情况。阴影衰落还会影响通信系统的可靠性和稳定性，增加信号传输的误码率。为了应对阴影衰落的影响，通信系统通常采用一些技术手段，如增加发射功率、采用分集接收技术等。增加发射功率可以提高信号在阴影区域的强度，从而保证通信的正常进行；分集接收技术则通过在接收端使用多个天线，接收来自不同路径的信号，然后对这些信号进行合并处理，以降低阴影衰落对信号传输的影响。2.1.3多径衰落多径衰落是由于无线信道中的多径传播现象导致的信号衰落。在无线通信环境中，信号从发射端到接收端往往会经过多条不同的路径，这些路径包括直射路径、反射路径、绕射路径和散射路径等。由于各条路径的长度、传播特性不同，信号到达接收端的时间、幅度和相位也各不相同。当这些不同路径的信号在接收端叠加时，会产生相长干涉和相消干涉，从而导致接收信号的幅度和相位发生快速变化，形成多径衰落。在描述多径衰落时，瑞利分布和莱斯分布是常用的两种分布模型。瑞利分布适用于不存在直射路径，只有多条反射或散射路径的多径传播环境。在这种环境下，接收信号的包络服从瑞利分布。瑞利分布的概率密度函数为：p(x)=\frac{x}{\sigma^2}e^{-\frac{x^2}{2\sigma^2}}，其中x是接收信号的包络，\sigma^2是信号的平均功率。当信号经过多个独立的散射体反射后，由于中心极限定理，这些反射信号的叠加会使得接收信号的包络近似服从瑞利分布。瑞利衰落的特点是信号包络的衰落较为严重，信号的幅度在短时间内会发生较大的变化，导致通信质量下降。莱斯分布则适用于存在直射路径和多条反射或散射路径的多径传播环境。在这种情况下，接收信号可以看作是直射信号和服从瑞利分布的多径信号分量的叠加。莱斯分布的概率密度函数为：p(x)=\frac{x}{\sigma^2}e^{-\frac{x^2+A^2}{2\sigma^2}}I_0(\frac{Ax}{\sigma^2})，其中A是直射信号的幅度，I_0()是修正的0阶第一类贝塞尔函数。莱斯分布的参数K定义为直射信号功率与多径信号功率之比，即K=\frac{A^2}{2\sigma^2}，称为莱斯因子。当K趋近于0时，莱斯分布趋近于瑞利分布，此时直射信号的影响可以忽略不计，多径衰落主要由反射和散射信号引起；当K较大时，直射信号的功率远大于多径信号功率，莱斯分布趋近于高斯分布，信号的衰落相对较小，通信质量相对较好。2.2信道时延特性2.2.1时延扩展时延扩展是指由于多径传播，信号从发射端到接收端经过不同路径所产生的时间延迟差异。在无线通信中，信号在传输过程中会遇到各种障碍物，如建筑物、树木等，这些障碍物会使信号发生反射、散射和绕射，从而产生多条传播路径。不同路径的长度不同，导致信号到达接收端的时间也不同，这种时间差就是时延扩展。假设发射端发送一个脉冲信号，由于多径传播，接收端会接收到多个不同时延的脉冲信号副本，这些副本之间的时间延迟范围就是时延扩展。时延扩展对系统性能有着重要影响，它会导致信号的码间干扰（ISI）。在数字通信系统中，每个码元都有一定的持续时间。当信号存在时延扩展时，前一个码元的拖尾可能会延伸到下一个码元的时间区间内，从而对下一个码元的判决产生干扰，增加误码率。在高速数据传输系统中，如5G通信系统，对信号传输速率要求很高，码元持续时间很短。此时，时延扩展更容易导致码间干扰，严重影响系统的性能。时延扩展还会限制系统的传输带宽。根据奈奎斯特准则，为了避免码间干扰，信号的传输速率不能超过信道的相干带宽，而相干带宽与时延扩展成反比。时延扩展越大，相干带宽越小，系统能够传输的信号带宽就越窄，从而限制了系统的数据传输速率。时延扩展与多径传播密切相关。多径传播是产生时延扩展的根本原因，多径传播的复杂程度决定了时延扩展的大小。在复杂的城市环境中，信号会经历多次反射和散射，多径传播现象严重，时延扩展通常较大；而在开阔的农村环境中，障碍物较少，多径传播相对简单，时延扩展较小。多径传播中不同路径的信号强度和时延分布也会影响时延扩展的特性。如果某些路径的信号强度较强且时延较大，那么时延扩展就会更加明显，对系统性能的影响也会更大。2.2.2多径时延扩展多径时延扩展是时延扩展的一种具体表现形式，它着重强调了多径传播导致的信号时延差异。在实际的无线信道中，多径时延扩展的大小和分布情况对无线系统的容量和可靠性有着至关重要的影响。从无线系统容量方面来看，多径时延扩展会限制系统的频谱效率。由于多径时延扩展导致码间干扰，为了保证信号的正确传输，需要采用一些技术来克服码间干扰，如增加保护间隔、采用均衡技术等。这些技术虽然可以在一定程度上减少码间干扰，但也会占用额外的系统资源，从而降低了系统的频谱效率。在正交频分复用（OFDM）系统中，为了克服多径时延扩展引起的码间干扰，需要在每个OFDM符号之间插入循环前缀（CP）。CP的长度需要根据多径时延扩展的大小来确定，如果多径时延扩展较大，CP的长度也需要相应增加，这就会导致有效数据传输时间减少，系统的频谱效率降低。在无线系统的可靠性方面，多径时延扩展会增加信号传输的误码率。当多径时延扩展导致码间干扰时，接收端在对信号进行判决时容易出现错误，从而增加误码率。在衰落信道中，多径时延扩展还会与衰落现象相互作用，进一步恶化信号传输的质量。在瑞利衰落信道中，多径时延扩展会使信号的衰落更加严重，导致误码率急剧上升，降低通信系统的可靠性。以城市中的移动基站通信为例，城市环境中高楼大厦林立，信号在传播过程中会经历大量的反射和散射，多径时延扩展现象十分严重。在这种情况下，基站与移动终端之间的通信质量会受到很大影响。为了保证通信的可靠性，通信系统需要采用更加复杂的信号处理技术，如自适应均衡技术、分集接收技术等。自适应均衡技术可以根据信道的时延扩展特性，动态地调整均衡器的参数，以补偿信号的失真；分集接收技术则通过接收多个不同路径的信号，利用信号的相关性来降低误码率。这些技术虽然可以提高通信系统在多径时延扩展环境下的性能，但也会增加系统的复杂度和成本。2.2.3相干时间相干时间是指在无线信道中，信道特性保持相对稳定的时间间隔。从物理意义上讲，它反映了信道对信号的时变特性。当信号在信道中传输时，由于收发端以及散射体的移动，信道的参数（如时延、幅度、相位等）会随时间发生变化。相干时间就是衡量这种变化快慢的一个重要指标。如果信号的传输时间小于相干时间，那么在这段时间内，信道可以看作是相对稳定的，信号在传输过程中受到信道变化的影响较小；反之，如果信号的传输时间大于相干时间，信道特性在信号传输过程中会发生明显变化，信号会受到信道时变的影响而产生失真。相干时间与信号相干性及系统性能密切相关。在信号相干性方面，相干时间决定了信号在信道中传输时的相关性。当信号的符号周期小于相干时间时，信号在传输过程中的相位和幅度变化较小，信号之间具有较好的相干性；而当信号的符号周期大于相干时间时，信号在传输过程中会经历信道的明显变化，信号之间的相干性会变差。在系统性能方面，相干时间对通信系统的可靠性和传输速率有着重要影响。在慢衰落信道中，信道的相干时间较长，信号在传输过程中受到信道变化的影响较小，通信系统的可靠性较高，此时可以采用较高的传输速率；而在快衰落信道中，信道的相干时间较短，信号在传输过程中容易受到信道变化的影响，通信系统的可靠性较低，为了保证通信质量，需要降低传输速率，或者采用一些抗衰落技术，如分集技术、信道编码技术等。通过相干时间优化系统可以从多个方面入手。在通信系统设计中，可以根据信道的相干时间来选择合适的信号传输速率和调制方式。如果信道的相干时间较长，可以选择较高的传输速率和高阶的调制方式，以提高系统的传输效率；如果信道的相干时间较短，则需要选择较低的传输速率和低阶的调制方式，以保证信号的可靠传输。可以利用信道的相干时间来设计有效的信道估计和跟踪算法。由于信道在相干时间内保持相对稳定，因此可以在这段时间内对信道进行准确的估计，并根据估计结果对信号进行相应的处理，以补偿信道的变化。还可以采用分集技术来对抗信道的快衰落。通过在不同的时间、频率或空间上发送相同的信息，利用信道的非相关性来降低信道变化对信号传输的影响，提高系统的可靠性。2.3信道带宽特性2.3.1相关带宽相关带宽是无线信道的一个重要特性，它定义为信道的相干带宽，是指在该带宽范围内，信道的频率响应具有较强的相关性，即信道对不同频率分量的衰落特性基本相同。从数学角度来看，相关带宽与信道的时延扩展成反比关系。若用B_c表示相关带宽，\tau_{max}表示最大时延扩展，则相关带宽的近似计算公式为B_c\approx\frac{1}{5\sim10\tau_{max}}。当信号带宽小于相关带宽时，信号在信道传输过程中各频率分量受到的衰落基本一致，这种衰落称为平坦衰落；而当信号带宽大于相关带宽时，信号的不同频率分量将经历不同程度的衰落，这种衰落称为频率选择性衰落。相关带宽对信道容量有着显著的影响。在平坦衰落信道中，由于信号各频率分量衰落一致，信道可以看作是一个恒参信道，此时信道容量主要受信噪比的限制。根据香农公式C=B\log_2(1+\frac{S}{N})，其中C表示信道容量，B表示信道带宽，S表示信号功率，N表示噪声功率，在平坦衰落信道中，若信噪比固定，增加信道带宽可以线性地提高信道容量。在频率选择性衰落信道中，情况则较为复杂。由于信号不同频率分量衰落不一致，会导致信号的失真和码间干扰，使得信道容量下降。为了在频率选择性衰落信道中提高信道容量，需要采用一些特殊的技术，如正交频分复用（OFDM）技术。OFDM技术将高速数据流分成多个低速子数据流，分别在多个子载波上进行传输，每个子载波的带宽小于相关带宽，从而将频率选择性衰落信道转化为多个平坦衰落子信道，有效地提高了信道容量。在不同的通信场景下，相关带宽会呈现出不同的变化规律。在室内通信场景中，由于传播环境相对简单，障碍物较少，多径传播现象相对不严重，时延扩展较小，因此相关带宽较大。在家庭无线网络中，信号主要在室内空间传播，经过的反射和散射较少，相关带宽通常可以达到几十MHz甚至更高。在这种情况下，信号传输可以采用较宽的带宽，以提高数据传输速率。而在城市室外通信场景中，建筑物密集，多径传播现象严重，时延扩展较大，相关带宽则较小。在城市中心的高楼大厦之间，信号会经历多次反射和散射，时延扩展可能达到几微秒甚至更高，导致相关带宽降低到几MHz甚至更低。在这种场景下，通信系统需要更加关注频率选择性衰落的影响，采用合适的技术来克服码间干扰，保证信号的可靠传输。2.3.2多普勒带宽多普勒带宽的产生源于信号源和接收器之间的相对运动。当两者存在相对运动时，接收器接收到的信号频率会发生变化，这种频率偏移就是多普勒频移。在无线通信中，若发射端发送的信号频率为f_c，接收端与发射端之间的相对速度为v，信号传播方向与相对运动方向的夹角为\theta，光速为c，则多普勒频移f_d的计算公式为f_d=\frac{v\cos\theta}{c}f_c。由于散射体的存在，接收信号是由多个不同路径的信号叠加而成，每个路径的信号都有不同的多普勒频移，这些不同频移的信号叠加后，形成了多普勒带宽。多普勒带宽对系统性能有着多方面的影响。它会导致信号的频率弥散，使信号的频谱展宽。这会破坏信号的正交性，增加系统的误码率。在OFDM系统中，子载波之间的正交性是保证系统性能的关键。当存在多普勒带宽时，子载波的频率发生偏移，会导致子载波之间的正交性被破坏，产生子载波间干扰（ICI），从而降低系统的性能。多普勒带宽还会影响信道的时变特性，使信道估计和跟踪变得更加困难。由于信道参数随时间快速变化，传统的信道估计和跟踪算法难以准确地估计信道状态，从而影响通信系统的可靠性。在高速移动场景下，如高铁通信、车对车通信等，多普勒带宽问题尤为突出。以高铁通信为例，列车的运行速度通常可达几百公里每小时，这会导致较大的多普勒频移和多普勒带宽。在这种情况下，为了应对多普勒带宽的影响，可以采取以下策略：在信号处理方面，可以采用多普勒补偿技术，对接收信号进行频率校正，以恢复信号的频率。通过估计多普勒频移，对接收信号进行相应的频率偏移补偿，减少子载波间干扰。可以采用更复杂的信道估计和跟踪算法，如基于导频的信道估计方法结合自适应跟踪算法，以适应信道的快速变化。在系统设计方面，可以优化系统的参数配置，如增加子载波间隔，降低多普勒带宽对系统性能的影响。2.3.3信噪比信噪比是指信号功率与噪声功率的比值，通常用S/N表示。在无线通信中，信号在传输过程中会受到各种噪声的干扰，如热噪声、背景噪声等。热噪声是由于电子的热运动产生的，它在整个频率范围内都存在，且功率谱密度是均匀的；背景噪声则来自于周围环境中的各种干扰源，如其他无线通信系统的信号、电气设备的电磁辐射等。信噪比反映了信号在噪声背景下的相对强度，是衡量无线信道质量的重要指标。信噪比越高，说明信号的质量越好，受到噪声的干扰越小；反之，信噪比越低，信号受到噪声的干扰越严重，通信质量越差。信噪比对无线信道质量有着至关重要的衡量作用。它直接影响着信号的传输可靠性和通信系统的性能。在数字通信系统中，信噪比与误码率密切相关。一般来说，信噪比越高，误码率越低。当信噪比低于一定阈值时，误码率会急剧上升，导致通信无法正常进行。在二进制相移键控（BPSK）调制方式下，误码率P_e与信噪比S/N的关系可以用公式P_e=\frac{1}{2}erfc(\sqrt{\frac{S}{N}})表示，其中erfc()是互补误差函数。从这个公式可以看出，随着信噪比的增加，误码率呈指数下降。为了提高信噪比以优化通信，可以采取多种方法。在发射端，可以通过增加发射功率来提高信号强度，从而提高信噪比。需要注意的是，发射功率的增加会受到功率放大器的限制，同时也会增加系统的能耗和对其他通信系统的干扰。可以采用功率控制技术，根据信道状态动态调整发射功率，在保证通信质量的前提下，尽量降低发射功率。在接收端，可以采用分集接收技术来提高信噪比。分集接收技术通过在接收端使用多个天线，接收来自不同路径的信号，然后对这些信号进行合并处理，利用信号的相关性来降低噪声的影响，提高信噪比。常用的分集合并方法有最大比合并（MRC）、等增益合并（EGC）和选择合并（SC）等，其中最大比合并能够使合并后的信噪比达到最大。还可以采用信道编码技术，如卷积码、Turbo码、低密度奇偶校验码（LDPC）等，通过在发送信息中加入冗余比特，增加信号的抗干扰能力，从而在一定程度上提高信噪比。2.4信道角度特性2.4.1到达角到达角（AngleofArrival，AOA）是指信号从发射端到达接收端时，信号传播方向与接收天线阵列参考方向之间的夹角。在无线信道中，由于多径传播的存在，信号会从不同的方向到达接收端，因此到达角是一个重要的参数，它能够反映信号的传播路径和传播环境的特征。到达角在无线信道中具有多方面的重要作用。在信号定位方面，通过测量多个接收天线接收到信号的到达角，可以利用三角定位原理确定信号发射源的位置。在智能交通系统中，车联网中的车辆可以通过接收路边基站信号的到达角，结合自身的位置信息，确定基站的位置，从而实现车辆的精确定位和导航。在信号识别方面，不同信号源发射的信号到达角往往不同，利用这一特性可以对信号进行识别和分类。在多用户通信系统中，基站可以根据接收信号的到达角来区分不同用户的信号，从而实现多用户的有效接入和通信。在信道估计中，到达角是信道参数估计的重要组成部分。准确估计到达角可以帮助建立更精确的信道模型，提高信道估计的准确性，进而提高通信系统的性能。通过到达角优化信号接收可以采用多种方法。利用智能天线技术，根据到达角调整天线的波束方向，使天线的主波束对准信号的来向，增强信号的接收强度，同时抑制其他方向的干扰信号。在移动通信基站中，采用自适应阵列天线，通过实时监测信号的到达角，动态调整天线阵列的权重，使天线波束跟踪信号的传播方向，提高信号的接收质量。还可以结合多天线技术，利用不同天线接收到信号的到达角差异，进行信号的分集合并，降低信号的衰落，提高信号的可靠性。在MIMO系统中，通过对多个天线接收到的信号进行联合处理，利用到达角信息进行空间分集和复用，提高系统的传输速率和容量。2.4.2离散到达角离散到达角是指在无线信道中，信号以离散的角度到达接收端的现象。在实际的无线通信环境中，由于存在有限数量的主要散射体和反射体，信号在传播过程中经过这些物体的反射、散射后，会以特定的几个角度到达接收端，形成离散到达角。在城市环境中，高楼大厦等建筑物会对信号进行强烈的反射，使得信号主要从建筑物的几个主要反射面的方向到达接收端，从而产生离散到达角。离散到达角的产生原因主要包括以下几个方面。环境中的强散射体和反射体的分布是离散到达角产生的主要原因。这些强散射体和反射体具有较大的尺寸和反射系数，能够对信号进行有效的反射和散射，使得信号在特定的方向上形成较强的分量。在山区，山体的表面会对信号进行反射，由于山体的形状和位置相对固定，信号会从山体的几个特定方向反射到达接收端。信号传播路径的几何特性也会影响离散到达角的形成。当信号在特定的几何结构中传播时，如在峡谷、街道等环境中，信号会受到几何结构的限制，只能在有限的方向上传播，从而导致离散到达角的出现。在城市的街道峡谷中，信号主要在街道的方向上传播，经过两侧建筑物的反射后，以离散的角度到达接收端。离散到达角对信道特性分析具有重要影响。它会影响信道的角度相关特性。由于信号以离散角度到达，信道在不同角度上的相关性会发生变化，这会影响信号的空间分集和复用效果。在MIMO系统中，如果离散到达角的角度间隔较小，不同天线接收到的信号相关性较大，空间复用的性能会受到限制。离散到达角还会影响信道的功率延迟分布。不同离散角度的信号可能具有不同的传播路径长度和衰减特性，从而导致信道的功率延迟分布呈现出复杂的结构，这会对信号的多径分辨和处理带来挑战。离散到达角的存在也为信道建模带来了一定的困难，需要在建模过程中充分考虑离散到达角的特性，以提高模型的准确性。2.4.3角度扩展角度扩展是指信号到达接收端时，到达角在一定范围内的扩展程度。它反映了信号在传播过程中受到散射体的影响，使得信号的传播方向变得分散。角度扩展通常用角度的标准差或角度范围来衡量。当信号在复杂的散射环境中传播时，如在城市密集区域，信号会与大量的散射体相互作用，导致信号以不同的角度到达接收端，从而产生较大的角度扩展。角度扩展对无线信道性能有着多方面的影响。它会导致信号的空间选择性衰落。由于信号以不同角度到达，不同方向上的信号衰落特性不同，这会使接收信号在空间上呈现出选择性衰落，影响信号的空间分集和复用效果。在多天线系统中，角度扩展会使不同天线接收到的信号衰落相关性发生变化，降低空间分集增益，增加误码率。角度扩展还会影响信道的容量。较大的角度扩展意味着信号在空间上的分散程度增加，这会降低信号在空间上的相关性，有利于提高信道的空间复用能力，从而增加信道容量。但角度扩展过大也会导致信号的能量分散，降低信号的强度，对信道容量产生负面影响。在多天线系统中，角度扩展有着重要的应用。它为空间复用提供了基础。通过利用角度扩展带来的空间维度，多天线系统可以在不同的角度上传输不同的数据流，实现空间复用，提高系统的传输速率。在大规模MIMO系统中，基站配备大量的天线，利用角度扩展的特性，可以同时为多个用户提供服务，提高系统的容量和频谱效率。角度扩展还可以用于信道估计和信号检测。通过分析信号的角度扩展特性，可以估计信道的参数，如到达角、时延等，从而提高信道估计的准确性。在信号检测中，利用角度扩展信息可以对接收信号进行空间滤波，抑制干扰信号，提高信号检测的性能。2.5信道极化特性2.5.1极化极化是指在无线信号传输过程中，电场矢量在空间的取向随时间变化的特性。它是无线信号的一个重要属性，对信号的传输和接收有着关键影响。在电磁波的传播过程中，电场矢量的端点在空间中随时间运动的轨迹决定了信号的极化方式。极化方式主要有线极化、圆极化和椭圆极化等。不同的极化方式具有各自独特的特点，这使得它们在不同的无线通信场景中有着不同的应用。极化在无线信号传输中起着重要作用。它能够影响信号的传播特性。在复杂的无线通信环境中，信号会受到各种障碍物的反射、散射和绕射等影响。不同极化方式的信号在与障碍物相互作用时，其反射、散射和绕射特性不同，从而导致信号的传播路径和衰减程度也不同。线极化信号在遇到与极化方向垂直的障碍物时，反射损耗较大；而圆极化信号由于其电场矢量在空间中均匀旋转，对不同方向的障碍物具有相对均匀的反射和散射特性，传播特性相对更稳定。极化还与信号的接收效果密切相关。接收天线的极化方式应与发射信号的极化方式相匹配，才能实现最佳的信号接收效果。如果接收天线与发射信号的极化方式不匹配，会导致接收信号的强度减弱，甚至无法正常接收信号，增加通信的误码率。2.5.2线极化线极化是指电场矢量在空间的取向固定不变的极化方式。当电场矢量的端点在空间中随时间运动的轨迹为一条直线时，就形成了线极化。线极化又可分为水平极化和垂直极化。水平极化是指电场矢量在水平方向上振动，与地面平行；垂直极化则是指电场矢量在垂直方向上振动，与地面垂直。线极化在实际通信中有着广泛的应用场景。在广播电视信号传输中，很多地面电视广播采用水平极化方式。这是因为水平极化信号在地面传播时，受到地面反射和散射的影响相对较小，能够在一定程度上保证信号的稳定传输，从而实现更广泛的覆盖。在一些固定通信系统中，如微波通信链路，也常采用线极化方式。通过合理选择极化方向，可以减少信号之间的干扰，提高通信系统的可靠性。在视距微波通信中，发射天线和接收天线采用相同的极化方式（如水平极化或垂直极化），可以有效地增强信号的传输强度，提高通信质量。线极化在实际通信中也存在一些局限性。线极化信号的传播特性对环境的依赖性较强。当遇到与极化方向垂直的障碍物时，信号容易发生反射和散射，导致信号强度衰减较大。在城市高楼林立的环境中，水平极化信号容易受到建筑物的阻挡和反射，信号质量会受到较大影响。线极化信号在多径传播环境下，容易产生极化失配问题。由于多径信号的极化方向可能不同，与接收天线的极化方向不一致，会导致接收信号的衰落加剧，降低通信系统的性能。为了克服这些局限性，在实际应用中，可以采取一些措施，如采用分集接收技术，通过使用多个不同极化方向的天线，接收来自不同路径的信号，以降低极化失配的影响，提高信号的可靠性。2.5.3圆极化圆极化是指电场矢量在空间中以固定的角速度旋转，其端点的运动轨迹为一个圆的极化方式。根据电场矢量的旋转方向，圆极化可分为左旋圆极化和右旋圆极化。当电场矢量按顺时针方向旋转时，称为右旋圆极化；当电场矢量按逆时针方向旋转时，称为左旋圆极化。圆极化具有独特的特点，使其在复杂环境下的信号传输中具有明显优势。圆极化信号对不同方向的障碍物具有相对均匀的反射和散射特性，传播特性较为稳定。这是因为圆极化信号的电场矢量在空间中均匀旋转，无论遇到何种方向的障碍物，都能在一定程度上保持信号的传播能力，不易受到障碍物的强烈反射和散射影响，从而减少信号的衰落。圆极化信号在多径传播环境下具有较好的抗干扰能力。由于不同路径的信号极化方向可能不同，但圆极化信号能够在一定程度上接收不同极化方向的多径信号，通过合理的信号处理，可以有效地降低多径干扰的影响，提高信号的可靠性。圆极化在实际应用中有着广泛的应用领域。在卫星通信中，圆极化被广泛应用。由于卫星与地面站之间的信号传输会受到大气层、电离层等多种因素的影响，信号的极化方向可能会发生变化。圆极化信号能够适应这种变化，保证信号的稳定传输，从而实现可靠的卫星通信。在移动通信中，一些特殊场景也会采用圆极化技术。在室内环境中，信号会遇到各种障碍物和反射体，圆极化天线可以更好地接收来自不同方向的信号，提高室内信号的覆盖质量。在军事通信中，圆极化也具有重要应用价值，其抗干扰能力和稳定的传播特性能够满足军事通信对可靠性和保密性的要求。2.6信道空间相关性2.6.1空间相关性空间相关性是指在多天线系统中，不同天线接收到的信号之间的相关性。在无线通信中，由于无线信道的多径传播特性，信号会从不同的路径到达接收天线，这些路径的信号具有不同的时延、幅度和相位。当天线之间的距离较小时，不同天线接收到的信号可能来自相似的传播路径，从而导致信号之间具有较高的相关性；而当天线之间的距离较大时，不同天线接收到的信号更有可能来自不同的传播路径，信号之间的相关性会降低。空间相关性对无线信道特性有着重要影响。它会影响信道的容量和分集增益。在多输入多输出（MIMO）系统中，信道容量与天线之间的空间相关性密切相关。当空间相关性较高时，不同天线接收到的信号相似，信道的空间复用能力会受到限制，从而降低信道容量。空间相关性还会影响分集增益。分集技术是通过利用多个天线接收不同路径的信号，来降低信号衰落的影响。如果天线之间的空间相关性较高，不同天线接收到的信号衰落情况相似，分集增益会减小，无法有效提高通信系统的可靠性。在多天线系统中，空间相关性有着广泛的应用。在MIMO系统的设计中，需要考虑天线的布局和间距，以控制空间相关性。通过合理选择天线的位置和方向，可以降低空间相关性，提高信道容量和分集增益。在大规模MIMO系统中，基站配备大量的天线，通过优化天线的布局和信号处理算法，可以充分利用空间维度，实现更高的频谱效率和系统容量。空间相关性还可以用于信道估计和信号检测。利用不同天线接收到信号的相关性，可以更准确地估计信道参数，提高信号检测的性能。2.6.2距离相关性距离相关性是指无线信道特性随收发天线之间距离的变化而呈现出的相关性。在无线通信中，随着收发天线之间距离的改变，信号传播所经历的环境和路径会发生变化，从而导致信道的各种特性，如路径损耗、多径传播、衰落特性等，也会相应地改变。距离相关性与信道特性密切相关。在路径损耗方面，距离是影响路径损耗的主要因素之一。随着距离的增加，信号在传播过程中的能量衰减增大，路径损耗增加。在自由空间中，路径损耗与距离的平方成正比；在实际的无线通信环境中，由于存在各种障碍物和复杂的传播环境，路径损耗与距离的关系更为复杂，但总体趋势是距离越大，路径损耗越大。在多径传播方面，距离的变化会影响多径分量的分布和特性。当距离较小时，多径传播的路径相对较短，多径分量之间的时延差异较小，时延扩展相对较小；随着距离的增加，多径传播的路径变长，多径分量之间的时延差异增大，时延扩展会增加，从而导致信号的码间干扰加剧，通信质量下降。在不同的通信距离下，距离相关性呈现出不同的变化规律。在短距离通信中，如室内无线通信，由于传播环境相对简单，障碍物较少，信号传播的路径相对较短，距离对信道特性的影响相对较小。在这种情况下，信道特性相对稳定，距离相关性较弱。在长距离通信中，如蜂窝移动通信，信号需要传播较长的距离，会经历复杂的传播环境，如城市中的高楼大厦、山区的地形起伏等。随着距离的增加，信道特性会发生明显的变化，路径损耗增大，多径传播现象更加复杂，阴影衰落和多径衰落的影响也会更加显著，距离相关性较强。2.6.3角度相关性角度相关性是指无线信道特性在不同角度上的相关性。在无线通信中，信号从发射端到接收端会以不同的角度到达，这些不同角度的信号在传播过程中会受到不同的散射体和传播环境的影响，从而导致信道特性在不同角度上存在差异和相关性。角度相关性对信道特性有着重要影响。它会影响信号的空间选择性衰落。由于不同角度的信号受到的散射和衰落情况不同，当信号在空间中传播时，会呈现出空间选择性衰落，即信号在不同方向上的衰落程度不同。在多天线系统中，角度相关性会影响天线的方向性和空间复用能力。如果不同角度的信号相关性较高，天线的方向性会受到限制，空间复用的性能也会降低；而当不同角度的信号相关性较低时，天线可以更好地利用空间维度，实现更高的空间复用增益。在角度分集技术中，角度相关性有着重要的应用。角度分集是通过利用不同角度的信号来实现分集增益，提高通信系统的可靠性。当信道在不同角度上的相关性较低时，不同角度的信号衰落情况不同，通过在接收端接收不同角度的信号，并进行合并处理，可以有效地降低信号的衰落，提高信号的可靠性。在智能天线系统中，通过根据信号的到达角调整天线的波束方向，可以实现角度分集。根据角度相关性的特性，选择相关性较低的角度进行信号接收和处理，能够提高智能天线系统的性能，增强信号的抗干扰能力。三、空时非平稳无线信道建模方法3.1统计建模法3.1.1多径信道模型多径信道模型是基于多径传播理论构建的，其原理在于假设信号在传输过程中受到多条路径上的反射、折射、散射和衍射等因素的影响。在城市环境中，高楼大厦林立，信号从发射端发出后，会在建筑物表面发生多次反射，形成多条不同长度和方向的传播路径，这些路径上的信号到达接收端的时间、幅度和相位各不相同。当信号遇到一个大型建筑物时，部分信号会直接穿过建筑物的缝隙或窗户到达接收端，形成直射路径；部分信号则会在建筑物表面反射，经过一次或多次反射后到达接收端，形成反射路径；还有部分信号会绕过建筑物的边缘，发生衍射现象，以衍射路径到达接收端。由于这些路径的长度和传播特性不同，信号在各路径上的衰减、时延和相位变化也不同。反射路径可能会因为反射面的材质和粗糙度而导致信号幅度衰减较大，时延也会相应增加；衍射路径则可能会使信号的相位发生改变。多径信道模型在描述城市和室内环境无线信道传输特性时具有重要应用。在城市环境中，该模型能够准确地描述信号在复杂建筑物布局中的传播情况，帮助工程师预测信号的覆盖范围和强度分布。通过多径信道模型，可以分析不同区域的信号强度变化，从而合理规划基站的位置和发射功率，以确保信号能够有效地覆盖目标区域，减少信号盲区。在室内环境中，如办公室、商场等场所，存在大量的家具、墙壁等障碍物，信号传播同样会经历多径效应。多径信道模型可以用于分析室内无线信号的传播特性，优化室内无线网络的布局。通过对室内多径信道的建模分析，可以确定最佳的接入点位置，减少信号的干扰和衰落，提高室内无线网络的性能。3.1.2阴影衰落模型阴影衰落模型主要考虑由于地物等环境因素引起的无线信号衰落。其构建方法基于对大量实际测量数据的统计分析。在实际的无线通信环境中，当信号传播路径上存在建筑物、山丘、树木等障碍物时，信号会被部分遮挡或吸收，导致信号强度在接收端产生缓慢变化的衰落现象。为了构建阴影衰落模型，首先需要在不同的环境中进行大量的信号强度测量，获取信号强度随位置变化的数据。在城市区域，选择不同的街道、建筑物周围等位置进行测量；在郊区，选择不同的地形区域进行测量。然后，对这些测量数据进行统计分析，确定信号强度的概率分布函数。大量的研究表明，阴影衰落的信号强度中值通常服从对数正态分布。若以分贝（dB）为单位表示信号强度，设X为阴影衰落的信号强度，则X服从正态分布N(\mu,\sigma^2)，其中\mu是信号强度的均值，\sigma是标准差。阴影衰落模型在考虑地物等环境因素引起的无线信号衰落时作用显著。它可以帮助通信系统设计人员评估信号在不同环境下的覆盖范围和可靠性。在进行基站规划时，通过阴影衰落模型可以预测信号在建筑物密集区域的衰落情况，合理调整基站的发射功率和天线高度，以确保信号能够覆盖到目标区域，减少信号盲区。阴影衰落模型还可以用于通信系统的性能评估和优化。通过对阴影衰落模型的分析，可以了解信号在不同环境下的衰落特性，从而选择合适的调制解调方式、编码方式和分集技术等，提高通信系统在阴影衰落环境下的抗干扰能力和可靠性。3.1.3瑞利衰落模型瑞利衰落模型的特点是假设信号通过无线信道之后，其信号幅度是随机的，即“衰落”，并且其包络服从瑞利分布。当发射信号通过无线信道传播时，若信道中不存在一个较强的直达径，信号主要通过多条反射或散射路径到达接收端，此时接收信号的包络服从瑞利分布。瑞利分布的概率密度函数为p(x)=\frac{x}{\sigma^2}e^{-\frac{x^2}{2\sigma^2}}，其中x是接收信号的包络，\sigma^2是信号的平均功率。瑞利衰落模型适用于描述建筑物密集的城镇中心地带的无线信道，以及由电离层和对流层反射的短波信道。在建筑物密集的城镇中心，信号很难直接从发射端到达接收端，通常会经过多次反射和散射，满足瑞利衰落模型的条件。在短波通信中，信号经过电离层和对流层的反射后，也会呈现出瑞利衰落的特性。在描述小尺度衰落时，瑞利衰落模型具有明显优势。它能够准确地描述信号在短时间内的快速衰落现象，为研究小尺度衰落对通信系统性能的影响提供了有效的工具。在分析无线通信系统的误码率性能时，瑞利衰落模型可以帮助研究人员了解信号在小尺度衰落环境下的变化规律，从而优化系统的调制解调方式和编码方式，降低误码率，提高通信系统的可靠性。3.1.4纯随机衰落模型纯随机衰落模型的原理是将无线信道的衰落看作是完全随机的过程，不考虑具体的物理传播机制，仅从统计特性的角度来描述信道衰落。该模型假设信号的衰落是由大量独立的随机因素共同作用导致的，这些随机因素可能包括信道中的噪声、散射体的随机分布和运动等。在实际应用中，纯随机衰落模型常用于一些对信道具体特性要求不高，只关注信道衰落的随机性和统计特性的场景。在某些简单的无线通信实验中，为了初步研究信号在随机衰落环境下的传输特性，可以采用纯随机衰落模型来简化信道建模过程。在不同的通信场景下，纯随机衰落模型的表现有所不同。在干扰较少、信道环境相对简单的场景中，纯随机衰落模型可以在一定程度上描述信道的衰落特性，为通信系统的设计和分析提供参考。在一些室内短距离通信场景中，信号传播路径相对简单，干扰较少，纯随机衰落模型可以用来分析信号的衰落情况，评估通信系统的性能。在复杂的通信场景中，如城市中的蜂窝移动通信，由于存在多径传播、阴影衰落、多普勒频移等多种复杂的信道特性，纯随机衰落模型的准确性会受到很大限制。它无法准确描述信号在复杂环境下的传播路径和衰落机制，不能满足通信系统对高精度信道模型的需求。3.2确定性建模法3.2.1基于物理传播的理论建模基于物理传播的理论建模方法，是依据电磁波传播的基本理论，如麦克斯韦方程组等，对无线信号在特定传播环境中的传播行为进行精确分析和模拟。在分析信号在建筑物内的传播时，会考虑建筑物的材质、结构以及门窗等开口的位置和大小。不同的建筑材料对电磁波的吸收、反射和透射特性不同，混凝土等材料对电磁波有较强的吸收和反射作用，而玻璃等材料则具有一定的透射性。通过考虑这些因素，可以更准确地预测信号在建筑物内的传播损耗和路径。在利用传播环境信息预测无线传播模型时，该方法具有显著优势。它能够考虑到传播环境的具体细节，如地形地貌、建筑物分布等，从而提供更精确的预测结果。在城市环境中，高楼大厦的分布和高度对信号传播有重要影响。基于物理传播的理论建模方法可以通过对建筑物的几何形状、位置以及材料特性进行详细分析，准确地预测信号在城市街道峡谷中的传播路径和强度变化，为基站的布局和信号覆盖规划提供可靠依据。该方法还可以灵活适应不同的传播环境和场景，具有较强的通用性。无论是在室内环境、城市室外环境还是山区等复杂地形环境中，都可以根据具体的环境信息进行建模和分析，而不像一些统计模型那样受到特定环境条件的限制。3.2.2参数化的实际统计建模参数化的实际统计建模，是将接收信号看作是许多电磁波的叠加，以构建信道衰落的特征。它通过对实际测量数据的分析，直接对时延扩展、多普勒扩展和角度扩展等参数进行建模。在测量过程中，利用高精度的测量设备，在不同的时间、地点和环境条件下采集信号的各种参数数据。在不同的天气条件下，如晴天、雨天、雾天等，测量信号的传播特性，分析天气因素对信道参数的影响。在构建信道衰落特征时，该方法通过对大量测量数据的统计分析，确定信道参数的概率分布和相关特性。对于时延扩展，通过统计不同路径信号的时延差异，得到时延扩展的概率分布函数，从而了解信号在时间维度上的扩展情况；对于多普勒扩展，通过分析信号频率随时间的变化，确定多普勒扩展的范围和特性，以评估信号在频率维度上的变化情况；对于角度扩展，通过测量信号到达的不同角度，得到角度扩展的分布，以描述信号在空间维度上的分散程度。这些参数的准确建模，能够更全面地描述信道的衰落特征，为通信系统的设计和优化提供更详细的信道信息。在设计高速移动的通信系统时，通过准确掌握多普勒扩展的特性，可以采用相应的技术来补偿多普勒频移，提高通信系统的性能。3.3半确定建模法3.3.1随机几何建模方法随机几何建模方法是一种将随机性和几何特性相结合的信道建模方法，其原理基于随机点过程和几何图形的随机分布。在无线通信场景中，该方法将基站、用户设备以及散射体等视为空间中的随机点，这些点的位置、数量和分布遵循一定的概率分布规律，如泊松点过程。通过这种方式，能够更真实地反映无线通信环境中各元素的不确定性和随机性。在城市无线通信网络中，基站的分布可能受到地理环境、人口密度等因素的影响，并非完全均匀分布。利用随机几何建模方法，将基站看作是按照泊松点过程分布在城市区域内的随机点，能够更准确地模拟基站的实际分布情况。该方法在结合随机性和几何特性进行信道建模时具有显著优势。它能够充分考虑无线通信环境的复杂性和不确定性，为信道建模提供了更灵活和真实的框架。通过对散射体的随机分布进行建模，可以更好地描述信号在传播过程中的多径效应和散射现象，从而提高信道模型的准确性。在复杂的城市环境中，建筑物等散射体的分布是随机的，随机几何建模方法可以通过对这些散射体的随机分布进行建模，准确地描述信号在建筑物之间的传播路径和散射情况，进而更精确地预测信号的衰落和干扰情况。随机几何建模方法还便于进行数学分析和推导。由于其基于严格的概率论和随机过程理论，能够利用数学工具对信道模型进行深入分析，得到一些关于信道性能的理论结果，为通信系统的设计和优化提供理论依据。通过随机几何建模方法，可以推导出网络的覆盖概率、信道容量等性能指标与基站分布、用户密度等因素之间的数学关系，从而指导通信系统的参数设计和优化。3.3.2相关矩阵法相关矩阵法在无线信道建模中主要用于描述信道的相关性，它通过构建相关矩阵来刻画不同天线之间或不同时刻信道状态之间的相关性。在多天线系统中，由于天线之间的空间位置关系以及信号传播环境的影响，不同天线接收到的信号之间存在一定的相关性。相关矩阵法通过测量或计算不同天线接收信号之间的协方差，构建出相关矩阵。若有N个天线，相关矩阵\mathbf{R}是一个N\timesN的矩阵，其元素R_{ij}表示第i个天线和第j个天线接收信号之间的协方差。相关矩阵在描述信道相关性时具有重要作用。它可以用于分析信道的空间相关性，从而指导多天线系统的设计和优化。在MIMO系统中，信道的空间相关性会影响系统的容量和性能。通过相关矩阵可以了解不同天线之间的相关性程度，合理设计天线的布局和间距，以降低空间相关性，提高系统的容量和可靠性。相关矩阵还可以用于信道估计和信号检测。在信道估计中，利用相关矩阵的特性可以更准确地估计信道参数，提高信道估计的精度。在信号检测中，相关矩阵可以帮助分析信号之间的相关性，采用合适的检测算法，提高信号检测的性能。在基于导频的信道估计中，根据相关矩阵可以设计更有效的导频图案，利用信号之间的相关性提高信道估计的准确性。四、基于机器学习的空时非平稳无线信道建模4.1机器学习在信道建模中的优势4.1.1强大的学习与预测能力机器学习算法在信道建模中展现出强大的学习能力，能够深入挖掘信道数据集中隐藏的特征和规律。以神经网络为例，其包含多个神经元层，输入数据通过这些层进行逐层处理。在处理信道数据时，神经网络可以自动学习到信道的多径传播特性、时延扩展、角度扩展等复杂特征之间的内在关系。通过对大量信道测量数据的学习，神经网络能够准确捕捉到多径分量的时延与信号到达角之间的关联，以及它们随时间和空间的变化规律。这种对复杂特征的学习能力是传统信道建模方法难以企及的，传统方法往往依赖于人为设定的模型和参数，无法充分利用数据中的信息。基于机器学习的信道模型在预测信道特性方面表现出色。通过对历史信道数据的学习，模型可以建立起信道参数与各种影响因素之间的映射关系，从而对未来的信道状态进行准确预测。在高速移动场景下，利用循环神经网络（RNN）对信道数据进行学习和建模。RNN具有记忆功能，能够处理时间序列数据，它可以根据过去的信道状态和移动台的运动信息，预测未来时刻的信道参数，如多普勒频移、信道增益等。在车对车通信中，RNN模型可以根据车辆的当前速度、行驶方向以及周围环境的变化，准确预测下一个时刻的信道特性，为通信系统的自适应调整提供依据，有效提高通信的可靠性和稳定性。4.1.2良好的非线性拟合及自适应能力实际的无线信道具有明显的非线性特性，这是由于信号在传播过程中会受到多径传播、散射体的非线性作用以及环境因素的复杂影响。机器学习算法在模拟这种非线性无线信道方面具有独特的优势。以支持向量机（SVM）为例，它通过引入核函数，可以将低维空间中的非线性问题映射到高维空间中，使其在高维空间中变得线性可分。在无线信道建模中，SVM可以利用核函数对信道的非线性特性进行建模，准确地描述信道的输入输出关系。在处理多径衰落信道时，SVM能够通过核函数将多径分量的时延、幅度等复杂参数进行非线性映射，从而建立起准确的信道模型，有效模拟信道的衰落特性。随着通信场景的日益复杂，信道条件会迅速发生变化，这就要求信道模型具备良好的自适应能力。机器学习算法能够根据新的信道条件实时调整模型参数，以适应信道的动态变化。在大规模MIMO系统中，利用在线学习算法对信道进行建模。在线学习算法可以在接收新的信道数据时，不断更新模型的参数，使其能够及时适应信道的变化。当系统中的用户数量、位置或环境发生变化时，在线学习算法可以根据新的信道测量数据，快速调整模型，保证对信道状态的准确估计，从而实现系统性能的优化。通过不断学习新的信道数据，机器学习模型能够自动调整自身的结构和参数，以更好地适应不同的信道条件，提高信道建模的准确性和可靠性。4.1.3高效处理海量数据在5G及未来的通信系统中，由于采用了毫米波通信、大规模多输入多输出（massiveMIMO）以及超密集组网等关键技术，所需测量的数据量和维度迅速增加。毫米波通信利用超大带宽提升网络吞吐量，这使得信道测量需要覆盖更宽的频率范围，从而产生大量的频率相关数据；massiveMIMO利用超高天线维度充分挖掘利用空间资源，基站配备大量的天线，导致信道矩阵的维度急剧增加，需要处理的数据量呈指数级增长；超密集组网利用超密基站提高频谱利用率，使得网络中的节点数量增多，信道测量点和测量参数也相应增多，数据量大幅上升。传统的信道建模方法在处理如此海量的数据时面临巨大挑战，它们往往需要耗费大量的时间和计算资源，且难以有效地从高维度和高冗余的数据中提取有用信息。机器学习算法在处理大数据方面具有得天独厚的优势。聚类算法可以将高维的信道数据进行分类和聚类，发现数据中的潜在结构和模式。在处理大规模MIMO信道数据时，聚类算法可以根据信号的到达角、时延等参数，将多径分量进行聚类，从而简化信道模型的表示，降低数据的维度。神经网络算法则可以通过构建多层的网络结构，自动学习高维数据中的复杂特征。在处理毫米波信道数据时，卷积神经网络（CNN）可以利用卷积层和池化层对数据进行特征提取和降维，有效地处理高维数据中的冗余信息，提高信道建模的效率和准确性。通过主成分分析（PCA）等方法，机器学习还可以将高维的信道参数降低为低维的主成分，在保留主要信息的同时，减少数据处理的复杂度，使得在海量数据下进行高效的信道建模成为可能。4.2机器学习在信道建模中的应用4.2.1信道多径分簇在MIMO系统中，以簇为核心的信道模型具有重要意义，它能有效简化建模过程。簇是由一组具有相似时延、角度等参数的多径分量（MPC）构成。在城市高楼林立的环境中，信号从发射端传播到接收端时，会在建筑物表面发生多次反射，形成众多传播路径。由于建筑物的布局和结构特点，部分反射路径的时延和角度较为相似，这些路径上的多径分量就可以归为一个簇。为了在接收端准确识别出簇，机器学习中的聚类算法发挥了关键作用。K-Means聚类算法通过将多径分量的时延、角度等参数作为特征向量，将相似的多径分量聚为一类。在实际应用中，首先确定需要划分的簇的数量K，然后随机选择K个初始聚类中心，计算每个多径分量到各个聚类中心的距离，将其分配到距离最近的聚类中心所在的簇中。之后，重新计算每个簇的中心，不断迭代这个过程，直到聚类中心不再发生变化，从而完成多径分簇。深度学习的聚类算法在信道多径分簇中展现出独特优势。深度自编码器结合K-Means聚类算法，能够更有效地组织和区分多径信号。深度自编码器由编码器和解码器组成，编码器将高维的多径分量特征向量压缩成低维的表示，解码器再将低维表示还原为高维特征向量。在这个过程中，深度自编码器学习到多径分量的内在特征表示。然后，利用K-Means聚类算法对低维表示进行聚类，得到更准确的多径分簇结果。这种方法为无线通信系统提供了更精细的路径衰落模型，通过准确地划分多径分量，能够更精确地描述每个簇的衰落特性，从而提高簇核心模型的精度，为通信系统的性能优化提供有力支持。4.2.2参数估计信道参数估计是信道建模的关键环节，机器学习在这方面的应用日益广泛。通过训练深度神经网络（DNN），可以从大量观测数据中学习信道参数的分布和变化趋势。以预测信道的时延扩展为例，将接收信号的功率延迟分布、信号强度等作为输入特征，时延扩展作为输出标签，对DNN进行训练。DNN通过多层神经元的非线性变换，能够自动提取输入特征中的复杂模式，学习到这些特征与信道参数之间的映射关系。在训练过程中，通过不断调整网络的权重和偏置，使DNN的输出尽可能接近真实的时延扩展值，从而提高时延扩展估计的精度。支持向量机（SVM）也可用于信道参数估计，如估计信道的衰落系数。SVM的原理是寻找一个最优的决策边界，将不同类别的数据点分开，并且使边界到各类数据点的距离最大化。在信道参数估计中，将已知信道参数的数据点作为训练样本，通过核函数将低维的输入数据映射到高维空间，在高维空间中寻找最优的分类超平面。对于新的信道数据，通过判断其在分类超平面的位置，来估计信道的参数。在估计衰落系数时，SVM能够处理高维数据，有效克服信道数据的复杂性和非线性，提高衰落系数估计的准确性。机器学习在参数估计方面的应用，有助于设计出更适应实际环境的信道模型。通过准确估计信道参数，能够减少模型的误差和干扰，提高信道模型对实际信道特性的拟合能力。在不同的通信场景中，如室内、室外、高速移动等场景，信道参数会发生变化，机器学习算法能够根据场景的特点和数据的分布，自适应地调整参数估计的方法和模型，使信道模型更准确地反映实际信道的特性。4.2.3模型构造机器学习为信道模型构造带来了新的思路，使模型自适应性成为可能。传统的信道模型往往基于固定假设，难以适应复杂多变的信道条件。而机器学习能够根据实际信道条件动态调整模型结构，构建出更具灵活性和适应性的信道模型。递归神经网络（RNN）在处理时间序列数据方面具有独特优势，可用于捕捉信道的动态特性。在无线通信中，信道状态会随时间不断变化，RNN通过引入记忆单元，能够记住过去的信道状态信息，从而对未来的信道状态进行预测。在高铁通信中，列车的高速移动导致信道快速变化，利用RNN对高铁通信信道进行建模。将过去多个时刻的信道参数（如时延、多普勒频移等）作为输入，RNN通过隐藏层的递归计算，学习信道参数随时间的变化规律，预测下一个时刻的信道状态。通过不断更新输入数据，RNN能够实时跟踪信道的动态变化，使信道模型更好地适应高铁通信中的时变信道特性。卷积神经网络（CNN）则擅长处理空间域的特征，可用于构建考虑空间相关性的信道模型。在大规模MIMO系统中，基站配备大量天线，不同天线之间存在空间相关性。CNN通过卷积层和池化层，能够自动提取信道数据在空间域的特征，学习不同天线之间的相关性模式。将不同天线接收到的信号作为输入，通过CNN的卷积操作，提取信号在空间上的局部特征，再通过池化操作对特征进行降维，减少计算量。最后，通过全连接层输出信道模型的参数。这样构建的信道模型能够充分考虑空间相关性，提高模型的准确性和可靠性。4.2.4信道场景识别信道场景识别是根据实时环境因素对信道进行分类和理解的重要步骤，机器学习在这方面发挥着重要作用。深度学习通过模式识别和特征提取，能够有效地识别不同的传播环境，为优化无线通信系统的设计和性能提供依据。在实际应用中，将信号强度、多径时延、角度扩展等信道参数作为特征，利用卷积神经网络（CNN）进行信道场景识别。CNN通过卷积层、池化层和全连接层，对输入的信道参数进行逐层处理，自动提取出能够表征不同信道场景的特征。在训练过程中，将已知场景类型的信道数据作为训练样本，通过反向传播算法不断调整网络的权重，使CNN能够准确地对不同场景的信道数据进行分类。在测试阶段，将待识别的信道数据输入训练好的CNN，CNN根据学习到的特征模式，判断该信道数据所属的场景类型，如城市街道、开阔田地、高楼林立等。除了CNN，支持向量机（SVM）也可用于信道场景识别。SVM通过将信道参数映射到高维空间，寻找最优的分类超平面，将不同场景的信道数据分开。在构建分类模型时，选择合适的核函数（如径向基核函数），能够提高SVM对复杂数据分布的分类能力。通过对大量不同场景的信道数据进行训练，SVM能够学习到不同场景信道数据的边界特征，从而准确地识别出未知信道数据的场景类型。信道场景识别的准确性对于通信系统的性能优化至关重要，它能够帮助通信系统根据不同的信道场景动态调整传输参数，提高通信系统的适应性和可靠性。五、典型场景下的空时非平稳无线信道建模实例5.1车联网通信信道建模5.1.1车联网通信信道特性车联网通信信道具有独特的高动态和复杂散射特性。与传统蜂窝通信不同，在车联网通信中，车辆作为通信节点处于高速移动状态，这使得信道条件瞬息万变。车辆的高速行驶会导致多普勒频移现象加剧，信号的频率发生显著变化。在高速公路场景下，车辆以120km/h的速度行驶时，若通信频率为5GHz，根据多普勒频移公式f_d=\frac{v\cos\theta}{c}f_c（其中v为车辆速度，\theta为信号传播方向与车辆运动方向的夹角，c为光速，f_c为通信频率），计算可得最大多普勒频移可达约556Hz。这种较大的多普勒频移会使信号的频谱发生展宽，导致信号失真，增加通信系统的解调难度，严重影响通信质量。车联网通信中的散射特性极为复杂。车辆周围存在大量的散射体，如其他车辆、路边的建筑物、树木等。这些散射体的分布和运动状态随机多变，使得信号在传播过程中经历多次反射、散射和绕射，形成复杂的多径传播环境。在城市街道中，信号会在高楼大厦之间不断反射，形成多条不同长度和方向的传播路径，每条路径的信号到达接收端的时间、幅度和相位都不相同。这些多径信号相互叠加，会产生相长干涉和相消干涉，导致接收信号的强度和相位快速波动，形成严重的多径衰落，进一步降低通信系统的可靠性。车流量密度和车辆行驶轨迹对车联网通信信道特性有着显著影响。在高车流量密度场景下，如早晚高峰时段的城市道路，车辆密集分布，动态散射体（其他车辆）数量大幅增加。这些动态散射体的快速运动使得信道的时变特性更加明显，信道参数（如时延、角度、功率等）在短时间内急剧变化。大量车辆的存在会增加信号的散射和反射，导致多径分量增多，时延扩展增大，信号的码间干扰加剧，从而降低通信系统的性能。车辆行驶轨迹的多样性也会对信道特性产生重要影响。当车辆进行直角转弯、U形转弯或曲线行驶时，其与周围散射体的相对位置和运动方向不断改变，导致信道的散射特性和多普勒频移特性发生变化。在直角转弯时，车辆的运动方向突然改变，会使信号的多普勒频移发生突变，同