活动介绍

5G通信中的路径损耗、信道模型与天线特性解析

立即解锁
发布时间: 2025-08-27 01:52:09 阅读量: 4 订阅数: 17
### 5G通信中的路径损耗、信道模型与天线特性解析 #### 1. 大气条件对毫米波链路的影响 大气条件,如雾和雨,对不同频率的毫米波链路有着不同程度的影响。在低于6GHz的频率下,雾和雨对信号传播的影响可以忽略不计。然而,在高于80GHz的频率时,能见度低于70m的浓雾会产生显著影响,衰减超过3dB/km;当频率高于200GHz时,这种影响会变得更加严重,衰减超过10dB/km。对于毛毛雨和持续降雨,在距离不超过1km且频率高于70GHz的情况下,影响并不显著,衰减在3.0 - 4.4dB/km之间。但暴雨会导致严重的信号衰减,最高可达40dB/km。总体而言,在恶劣天气条件下,大气效应对于距离超过100m的毫米波链路有重要影响,而对于1km及更远的链路,这更是一个关键问题。 #### 2. LoS路径损耗概率 为了区分视距(LoS)和非视距(NLoS)链路,引入了LoS概率的概念。链路长度为d时,其为LoS的概率为pLoS(d),且LoS概率是链路长度的非增函数。 ##### 2.1 LoS路径损耗建模 对于室内用户设备(UE)在LoS条件下的路径损耗,可以考虑建筑物的尺寸和UE在建筑物内的位置进行建模。3GPP使用gNB和UE之间的3D距离以及ITU - R的LoS路径损耗方程中的系数来建模LoS路径损耗,这种方法无需明确建模建筑物尺寸就能得到合理近似。ITU - R的LoS路径损耗模型基于两射线模型,路径损耗方程在断点处从22dB/十年的斜率转变为更陡的斜率,断点取决于环境高度。在3D - UMa场景中,对于与类型1 LoS条件相关的室内UE,主导反射路径可能来自街道层,此时环境高度固定为1m;对于与类型2 LoS条件相关的UE,主导路径可能由相邻建筑物屋顶的反射形成,环境高度从UE高度(米)到12m的离散均匀分布中随机确定。 ##### 2.2 NLoS路径损耗建模 在3D - UMa场景中,NLoS路径损耗是主要的无线电传播机制。主导传播路径会经历多次屋顶衍射和建筑物边缘衍射,随着UE从高层移动到低层,路径损耗衰减会随着衍射角的增加而增大。为了对这一现象进行建模,引入了线性高度增益项2α(h - 1.5),其中α(dB/m)是增益系数,根据不同研究,选择标称值0.6dB/m。在3D - UMi测试环境中,主导传播路径穿过和绕过建筑物,UE也可能从屋顶上方的传播中接收到少量能量。为了简化模型,基于多项研究结果,对3D - UMi的NLoS路径损耗也应用了线性高度增益,增益系数为0.3dB/m。此外,在3D - UMa和3D - UMi场景中,NLoS路径损耗的下限是相应的LoS路径损耗。 ##### 2.3 LoS概率计算 测量结果和射线追踪数据表明,天顶方向的复合功率角谱的边际分布在统计上具有拉普拉斯分布,给定特定链路距离和UE高度的条件分布也可以用拉普拉斯分布近似。为了纳入这些观察结果,天顶出发角(ZoD)和天顶到达角(ZoA)用逆拉普拉斯函数建模。同时,随着UE远离gNB,天顶出发角扩展(ZSD)会显著减小,室内UE向高层移动时,ZSD也会略有变化。 3GPP和ITU - R定义的UMa LoS概率公式为: \[p_{LoS}(d) = \min\left(\frac{d_1}{d_{2D}}, 1\right)\frac{1 - e^{-d_{2D}/d_2}}{1 + e^{-d_{2D}/d_2}}\] 其中,d2D是2D距离(米),d1和d2可以根据测试环境中的一组测量数据进行优化。对于UMi测试环境,上述LoS概率公式在频率高于6GHz时是适用的,拟合的d1/d2模型与测量数据具有更好的一致性,且在所有距离上测量数据与3GPP LoS概率模型之间的误差较小。需要注意的是,3GPP的UMi LoS概率模型与UE高度无关,而UMa LoS概率模型则与之相关。 在路径损耗模型中,2D和3D距离的定义如下: \[d_{3D} = d_{3D - out} + d_{3D - in} = \sqrt{(d_{2D - out}+d_{2D - in})^2 + (h_{gNB}-h_{UE})^2}\] 相关参数的定义可以用以下表格总结: |参数|定义| | ---- | ---- | |d2D|2D距离| |d3D|3D距离| |hUE|UE高度| |hgNB|gNB高度| #### 3. 二维和三维信道模型 5G蜂窝系统预计在450MHz到100GHz的宽频率范围内运行。对于工作在6GHz以上频段的新5G系统的开发和标准化,准确建模这些频段的无线电信号传播至关重要,因为现有的信道模型无法完全表征这些频段的传播特性,之前的信道模型是为低于6GHz的频率设计和评估的。 ##### 3.1 3GPP 3D信道模型的发展 3GPP 3D信道模型的发展是为了对5G网络部署中使用的2D天线阵列进行建模。测量表明,较小的波长增加了传播模型对环境效应尺度的敏感性,显示出路径损耗的频率依赖性以及阻塞现象的增加。此外,穿透损耗高度依赖于材料,并且往往随频率增加而增大。阴影衰落和角度扩展参数更大,LoS和NLoS之间的边界不仅取决于天线高度,还取决于局部环境。信道的小尺度特性,如延迟扩展、角度扩展和多径丰富性在一定程度上相似,这是将现有3GPP模型扩展到更宽频率范围的一个重要原因。 ##### 3.2 信道建模的目标和方法 信道建模的目标是为特定部署场景的链路级和系统级仿真提供准确的无线电传播数学表示。由于无线电信道可以假设为线性的,因此可以用其冲激响应来描述。冲激响应通常表示为相对于第一个可检测信号测量的过剩延迟的功率密度函数,即功率延迟剖面。信道冲激响应随接收器位置和时间变化,通常通过对一个波长或多个波长上测量的剖面进行平均来减少噪声影响或确定空间平均值。 无线电信道的传播效应可以用大尺度传播模型和小尺度衰落模型组合来建模。大尺度传播模型用于模拟无线信道的长期慢衰落特性,如路径损耗和阴影衰落;小尺度衰落模型用于描述由于多径和多普勒扩展引起的快速波动行为。对于多天线无线信道,静态波束形成增益(如扇区化波束模式)也可以作为大尺度传播模型的一部分进行建模。对于MIMO信道的小尺度衰落模型,需要考虑天线元件之间信号的相关性,可以使用空间信道模型来评估前代蜂窝标准的性能。 传统上,基站天线阵列产生的电磁波束模式通常被建模为线性水平阵列,忽略了信号路径的仰角。而3D空间信道模型考虑了信号路径的非零仰角和方位角,从而可以对2D天线网格上每个天线元件的小尺度衰落效应以及任意两个天线元件之间的相关性进行建模。 ##### 3.3 MIMO信道的特性 随着MIMO信道中天线数量的增加,平均互信息(容量)的增加是众所周知的,但互信息的方差可能增长缓慢甚至减小,这种现象被称为信道硬化,对控制和数据传输有一定影响。 对于三扇区宏蜂窝,水平和垂直天线模式通常分别建模为3dB波束宽度为70度和10度,天线增益为17dBi。垂直天线模式还与电气和机械天线下倾角有关,电气下倾角是通过对2D天线元件的每个垂直阵列应用公共和静态相移产生的垂直模拟波束形成的结果。例如,在3GPP评估方法中,对于站间距离为500m和1732m的宏蜂窝部署场景,电气下倾角分别设置为15度和6度。 为了满足IMT - 2020的技术要求,5G信道模型包含了一些新特性,如支持高达100GHz的频率和大带宽、3D建模、支持大型天线阵列、阻塞建模和空间一致性。3D建模描述了发射和接收天线之间在方位和仰角方向上的信道传播,比仅考虑方位方向传播特性的2D建模更完整和准确。自Rel - 13以来,LTE就已经开发了能够利用仰角维度的多天线技术,这些技术在5G中也非常重要,包括对出发和到达仰角及其与其他参数的相关性进行建模。 对于配备有源天线阵列列的基站,可以在功率放大器(PA)之前应用垂直模拟波束形成,从而动态调整电气下倾角。这使得基站能够根据小区内用户的分布动态调整其小区覆盖范围,但这种波束形成仍然是基于小区的,无法实现对单个UE的空间分离,并且操作时间尺度较长。因此,为了评估全维度MIMO的性能,需要进行3D信道建模。全维度MIMO涉及在小时间尺度上以频率选择方式利用水平和垂直自由度进行预编码/波束形成。 #### 4. 3D天线模型 假设gNB和/或UE各自具有一个由Ms×Ns个天线元件组成的2D平面天线子阵列,其中Ns表示列数,Ms表示每列中具有相同极化的天线元件数。天线元件在水平和垂直方向上均匀间隔,间距分别为dh和dv。Ms×Ns个元件可以是单极化或双极化的。由M×N个天线面板组成均匀矩形阵列,其中M表示列中的面板数,N表示行中的面板数,天线面板在水平和垂直方向上的中心间距分别为dH和dV。 3GPP 3D信道模型允许对2D平面天线阵列进行建模,天线元件可以是线性极化或交叉极化的。该模型在实用性和精度之间进行了折衷,没有考虑互耦效应以及水平和垂直极化波的不同传播效应。 每个天线元件的水平辐射方向图的一般形式为: \[A_{E,H}(\varphi) = - \min\left\{\left(1 - \frac{\varphi}{\varphi_{3dB}}\right)^2, \alpha_m\right\}\] 其中,- 180° ≤ φ ≤ 180°,φ3dB表示水平3dB波束宽度,αm是最大旁瓣电平衰减。 垂直辐射方向图的一般形式为: \[A_{E,V}(\theta) = - \min\left\{\left(1 - \frac{\theta - \theta_{tilt}}{\theta_{3dB}}\right)^2, \alpha_m\right\}\] 其中,- 180° ≤ θ ≤ 180°,θ3dB表示垂直3dB波束宽度,θtilt是倾斜角,θ = 0指向天顶,θ = 90°指向地平线。 组合的垂直和水平天线元件方向图为: \[A(\theta, \varphi) = - \min\left\{- A_{E,V}(\theta) + A_{E,H}(\varphi), \alpha_m\right\}\] 其中,A(θ, φ)是天线元件在方向(θ, φ)上的相对天线增益(dB)。 这些概念也可以应用于UE天线阵列。在这种情况下,M×N个天线面板可能具有不同的方向。用\((\Omega_{mg,ng}, \Theta_{mg,ng})\)表示面板\((mg, ng)\)(0 ≤ mg < Mg,0 ≤ ng < Ng)的方向角,其中第一个面板\((\Omega_{0,0}, \Theta_{0,0})\)的方向定义为UE方向,\(\Omega_{mg,ng}\)是阵列方位角,\(\Theta_{mg,ng}\)是阵列下倾角。天线方位定义为天线主瓣中心与指向东方的线之间
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

郑天昊

首席网络架构师
拥有超过15年的工作经验。曾就职于某大厂,主导AWS云服务的网络架构设计和优化工作,后在一家创业公司担任首席网络架构师,负责构建公司的整体网络架构和技术规划。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

从近似程度推导近似秩下界

# 从近似程度推导近似秩下界 ## 1. 近似秩下界与通信应用 ### 1.1 近似秩下界推导 通过一系列公式推导得出近似秩的下界。相关公式如下: - (10.34) - (10.37) 进行了不等式推导,其中 (10.35) 成立是因为对于所有 \(x,y \in \{ -1,1\}^{3n}\),有 \(R_{xy} \cdot (M_{\psi})_{x,y} > 0\);(10.36) 成立是由于 \(\psi\) 的平滑性,即对于所有 \(x,y \in \{ -1,1\}^{3n}\),\(|\psi(x, y)| > 2^d \cdot 2^{-6n}\);(10.37) 由

区块链集成供应链与医疗数据管理系统的优化研究

# 区块链集成供应链与医疗数据管理系统的优化研究 ## 1. 区块链集成供应链的优化工作 在供应链管理领域,区块链技术的集成带来了诸多优化方案。以下是近期相关优化工作的总结: | 应用 | 技术 | | --- | --- | | 数据清理过程 | 基于新交叉点更新的鲸鱼算法(WNU) | | 食品供应链 | 深度学习网络(长短期记忆网络,LSTM) | | 食品供应链溯源系统 | 循环神经网络和遗传算法 | | 多级供应链生产分配(碳税政策下) | 混合整数非线性规划和分布式账本区块链方法 | | 区块链安全供应链网络的路线优化 | 遗传算法 | | 药品供应链 | 深度学习 | 这些技

使用GameKit创建多人游戏

### 利用 GameKit 创建多人游戏 #### 1. 引言 在为游戏添加了 Game Center 的一些基本功能后,现在可以将游戏功能扩展到支持通过 Game Center 进行在线多人游戏。在线多人游戏可以让玩家与真实的人对战,增加游戏的受欢迎程度,同时也带来更多乐趣。Game Center 中有两种类型的多人游戏:实时游戏和回合制游戏,本文将重点介绍自动匹配的回合制游戏。 #### 2. 请求回合制匹配 在玩家开始或加入多人游戏之前,需要先发出请求。可以使用 `GKTurnBasedMatchmakerViewController` 类及其对应的 `GKTurnBasedMat

量子物理相关资源与概念解析

# 量子物理相关资源与概念解析 ## 1. 参考书籍 在量子物理的学习与研究中,有许多经典的参考书籍,以下是部分书籍的介绍: |序号|作者|书名|出版信息|ISBN| | ---- | ---- | ---- | ---- | ---- | |[1]| M. Abramowitz 和 I.A. Stegun| Handbook of Mathematical Functions| Dover, New York, 1972年第10次印刷| 0 - 486 - 61272 - 4| |[2]| D. Bouwmeester, A.K. Ekert, 和 A. Zeilinger| The Ph

元宇宙与AR/VR在特殊教育中的应用及安全隐私问题

### 元宇宙与AR/VR在特殊教育中的应用及安全隐私问题 #### 元宇宙在特殊教育中的应用与挑战 元宇宙平台在特殊教育发展中具有独特的特性,旨在为残疾学生提供可定制、沉浸式、易获取且个性化的学习和发展体验,从而改善他们的学习成果。然而,在实际应用中,元宇宙技术面临着诸多挑战。 一方面,要确保基于元宇宙的技术在设计和实施过程中能够促进所有学生的公平和包容,避免加剧现有的不平等现象和强化学习发展中的偏见。另一方面,大规模实施基于元宇宙的特殊教育虚拟体验解决方案成本高昂且安全性较差。学校和教育机构需要采购新的基础设施、软件及VR设备,还会产生培训、维护和支持等持续成本。 解决这些关键技术挑

利用GeoGebra增强现实技术学习抛物面知识

### GeoGebra AR在数学学习中的应用与效果分析 #### 1. 符号学视角下的学生学习情况 在初步任务结束后的集体讨论中,学生们面临着一项挑战:在不使用任何动态几何软件,仅依靠纸和笔的情况下,将一些等高线和方程与对应的抛物面联系起来。从学生S1的发言“在第一个练习的图形表示中,我们做得非常粗略,即使现在,我们仍然不确定我们给出的答案……”可以看出,不借助GeoGebra AR或GeoGebra 3D,识别抛物面的特征对学生来说更为复杂。 而当提及GeoGebra时,学生S1表示“使用GeoGebra,你可以旋转图像,这很有帮助”。学生S3也指出“从上方看,抛物面与平面的切割已经

由于提供的内容仅为“以下”,没有具体的英文内容可供翻译和缩写创作博客,请你提供第38章的英文具体内容,以便我按照要求完成博客创作。

由于提供的内容仅为“以下”,没有具体的英文内容可供翻译和缩写创作博客,请你提供第38章的英文具体内容,以便我按照要求完成博客创作。 请你提供第38章的英文具体内容,同时给出上半部分的具体内容(目前仅为告知无具体英文内容需提供的提示),这样我才能按照要求输出下半部分。

黎曼zeta函数与高斯乘性混沌

### 黎曼zeta函数与高斯乘性混沌 在数学领域中,黎曼zeta函数和高斯乘性混沌是两个重要的研究对象,它们之间存在着紧密的联系。下面我们将深入探讨相关内容。 #### 1. 对数相关高斯场 在研究中,我们发现协方差函数具有平移不变性,并且在对角线上存在对数奇异性。这种具有对数奇异性的随机广义函数在高斯过程的研究中被广泛关注,被称为高斯对数相关场。 有几个方面的证据表明临界线上$\log(\zeta)$的平移具有对数相关的统计性质: - 理论启发:从蒙哥马利 - 基廷 - 斯奈思的观点来看,在合适的尺度上,zeta函数可以建模为大型随机矩阵的特征多项式。 - 实际研究结果:布尔加德、布

探索人体与科技融合的前沿:从可穿戴设备到脑机接口

# 探索人体与科技融合的前沿:从可穿戴设备到脑机接口 ## 1. 耳部交互技术:EarPut的创新与潜力 在移动交互领域,减少界面的视觉需求,实现无视觉交互是一大挑战。EarPut便是应对这一挑战的创新成果,它支持单手和无视觉的移动交互。通过触摸耳部表面、拉扯耳垂、在耳部上下滑动手指或捂住耳朵等动作,就能实现不同的交互功能,例如通过拉扯耳垂实现开关命令,上下滑动耳朵调节音量,捂住耳朵实现静音。 EarPut的应用场景广泛,可作为移动设备的遥控器(特别是在播放音乐时)、控制家用电器(如电视或光源)以及用于移动游戏。不过,目前EarPut仍处于研究和原型阶段,尚未有商业化产品推出。 除了Ea

人工智能与混合现实技术在灾害预防中的应用与挑战

### 人工智能与混合现实在灾害预防中的应用 #### 1. 技术应用与可持续发展目标 在当今科技飞速发展的时代,人工智能(AI)和混合现实(如VR/AR)技术正逐渐展现出巨大的潜力。实施这些技术的应用,有望助力实现可持续发展目标11。该目标要求,依据2015 - 2030年仙台减少灾害风险框架(SFDRR),增加“采用并实施综合政策和计划,以实现包容、资源高效利用、缓解和适应气候变化、增强抗灾能力的城市和人类住区数量”,并在各级层面制定和实施全面的灾害风险管理。 这意味着,通过AI和VR/AR技术的应用,可以更好地规划城市和人类住区,提高资源利用效率,应对气候变化带来的挑战,增强对灾害的