信道模型

信道模型（精选十篇）

信道模型 篇1

时延和多普勒频移是无线衰落信道中最重要的统计参数。对这两个参数具备量化的认识对我们研究无线信道有很大的帮助。时延是由多径产生, 取决于用户所处的地理环境, 例如, 在大部分大城市里面, 由于基站比较密集, 时延维持在P A (Pedestrian A[3]) 的量级, 大约几百纳秒。而在农村地区, 大部分都保持在5微秒以下。然而, 有些地方譬如山区或者偏远农村地区, 时延可以达到2 0微秒。多普勒频移由用户相对于基站的速度以及载波的频率决定。例如对于以2 G H2为载波的系统, 一般行人用户的多普勒频移都在5 0 H z以下, 而高速公路上以1 2 0公里/小时行驶的小轿车中的用户, 多普勒频移在2 2 0 H z左右。

1 通信系统中信道模型的演变

通过进行实地测量和分析, 我们可以将各种无线信道抽象为模型, 然后依据这些模型对无线通信系统进行设计和优化。理论上来说, 无线通信信道就是一个线性滤波器。发射的信号通过这个滤波器后被接收, 所以信号传输就是一个信号处理的过程。信道模型给出了信道的基本统计信息, 因此它是信道估计的基础。我们这里要讨论的信道模型有以下几类:Typical Urban (TU) 模型, I T U信道模型, L T E扩展信道模型。

在G S M网络投入运行之前, T U模型就已经被用来决定G S M中均衡器的需求和性能。后来3 G P P组织提出的一个新的T U模型, 其与旧T U模型的最大区别在于新模型的最大时延只有旧模型的一半。随着时间的推移, 在3 G系统进入标准化阶段的过程中, ITU (International Telecommunication U n i o n) 组织提出了一系列的信道模型。这一系列一共有6个模型[3]:4个具有经典J a k e s谱的模型和2个具有矩形谱的模型。4 G通信系统的标准在制定过程中首先需要确立自己的信道模型, 然而, 随着通信系统的演变和基站数量的增加, 以前人们确定好的模型已经不再适合被用来模拟当今通信系统中的信道, 因此, 制定L T E标准的3 G P P组织确立了3个从旧信道模型演变出来的扩展信道模型, 它们分别是[5]:E xtended Pedestrian A (EPA) , Extended Vehicular A (EVA) 和Extended Typical Urban (E T U) 模型。图1给出了这些常用信道模型的累积分布函数。

2 信道模型的仿真及信道估计

在介绍信道的仿真和信道估计之前, 我们先讨论信道估计的核心基础:二维采样定律。具体说来就是, 在给定信道的带宽τma x∆F和fDmaxTs后, 导频的在时间轴和频率轴上的间隔必须满足:

这样我们才能够在没有噪声的前提下, 完美地恢复出信道参数。通过二维采样定理, 我们可以大体计算出基于导频进行信道估计的通信系统在没有噪声情况下所能维持的最大的时延和多普勒频移。表1给出了D V B-H 4 K模式和L T E系统一些结构参数和理论能够维持的最大时延和频移。在这里, τmax和fDmax分别表示最大时延∆F和TS多普勒频移, 和分别表示载频的间隔和信号的码元长度, 而NT和NF则表示导频在时间轴上的码元间隔和频率轴上的载频间隔。

前面我们已经提到过, 无线信道可以模拟为有限冲激响应滤波器。这个滤波器的阶数是由信道的时延决定, 而滤波器的每一阶是一个锐利随机过程。我们可以首先产生独立同分布的零均值复高斯噪声, 然后将此噪声通过由信道频谱决定的多普勒滤波器来产生滤波器的每一阶, 这样我们就可以仿真出我们所需要的信道。

信道估计是一个通过利用导频获得的信道参数, 在压制噪声同时估计未知信道参数的过程, 它是一个信号的采样与恢复的过程。我们可以使用维纳滤波器来最大压制噪声, 获得最小均方误差的信道估计。维纳滤波器是在最小均方误差准则下最优化的信道估计方法。对于均匀分布的时延扩展和矩形多普勒频谱, 令τn和fn分别表示标准化的最大时延和多普勒频移, 我们可以获得最小均方误差如下:

该公式可以让我们对信道估计和信道的统计参数对信道估计的影响有一个量化的认识, 同时, 通过该公式, 我们还可以估计在非均匀分布的时延扩展和J a k e s谱情况下信道估计所可能产生的最小均方误差, 而且此估值和精确值的偏差并不大, 这一点可以通过仿真来获得验证。

3 结语

在这篇论文中, 以下一代通信系统为背景, 我们简要阐述了无线通信信道的一些基本理论和一些常用的信道模型, 同时讨论了信道模型的仿真及信道估计。

参考文献

[1]Qualcomm.3GPP Long-Term Evolu-tion (LTE) .2008.

[2]G.Faria, J.A.Henriksson, E.Stare, DVB-H:Digital Broadcast Services to Handheld Device.Proc.IEEE, 94 (1) :194～209.

[3]Recommendation ITU-R M.1225.Guidelines for Evalution of Radio Transmission Technologies for IMT-2000.1997.

信道是什么_信道的报警信道 篇2

信道是什么

一是指词语，表示知道的意思，二是指通信的通道，是信号传输的媒介。

信道的报警信息

信道是探测电信号传送的通道。信道的种类较多，通常分有线信道和无线信道。有线信道是指探测电信号通过双纹线、电话线、电缆或光缆向控制器或控制中心传输。无线信道则是对探测电信号先调制到专用的无线电频道由发送天线发出;控制器或控制中心的无线接收机将空中的无线电波接收下来后，解调还原出控制报警 信号。

信道是传输探测电信号的通道，也即媒介。信道的范围有狭义和广义之分。仅指传输信号的媒介称为狭义信道;把除包括传输媒介外，还包括从探测器输 出端到报警控制器输入端之间的所有转换器(如发送设备、编码发射机、接收设备等)在内的扩大范围的信道称为广义信道。

狭义信道

狭义信道，按照传输媒质来划分，可以分为有线信道、无线信道和存储信道三类。

有线信道

有线信道以导线为传输媒质，信号沿导线进行传输，信号的能量集中在导线附近，因此传输效率高，但是部署不够灵活。这一类信道使用的传输媒质包括用电线传输电信号的架空明线、电话线、双绞线、对称电缆和同轴电缆等等，还有传输经过调制的光脉冲信号的光导纤维。如图 3为常见的有线通信方式，通常每个家庭的固定电话就是通过有线信道进行通讯。

无线信道

无线信道主要有以辐射无线电波为传输方式的无线电信道和在水下传播声波的水声信道等。

无线电信号由发射机的天线辐射到整个自由空间上进行传播。不同频段的无线电波有不同的传播方式，主要有：

地波传输：地球和电离层构成波导，中长波、长波和甚长波可以在这天然波导内沿着地面传播并绕过地面的障碍物。长波可以应用于海事通信，中波调幅广播也利用了地波传输。

天波传输：短波、超短波可以通过电离层形成的反射信道和对流层形成的散射信道进行传播。短波电台就利用了天波传输方式。天波传输的距离最大可以达到400千米左右。电离层和对流层的反射与散射，形成了从发射机到接收机的多条随时间变化的传播路径，电波信号经过这些路径在接收端形成相长或相消的叠加，使得接收信号的幅度和相位呈随机变化，这就是多径信道的衰落，这种信道被称作衰落信道。

视距传输：对于超短波、微波等更高频率的电磁波，通常采用直接点对点的直线传输。由于波长很短，无法绕过障碍物，视距传输要求发射机与接收机之间没有物体阻碍。由于地球曲率的影响，视距传输的距离有限，最远传输距离 d 与发射天线距地面的高度 h 满足。如果要进行远距离传输，必须设立地面中继站或卫星中继站进行接力传输，这就是微波视距中继和卫星中继传输。光信号的视距传输也属于此类。

由于电磁波在水体中传输的损耗很大，在水下通常采用声波的水声信道进行传输。不同密度和盐度的水层形成的反射、折射作用和水下物体的散射作用，使得水声信道也是多径衰落信道。

无线信道在自由空间(对于无线电信道来说是大气层和太空，对于水声信道来说是水体)上传播信号，能量分散，传输效率较低，并且很容易被他人截获，安全性差。但是通过无线信道的通信摆脱了导线的束缚，因此无线通信具有有线通信所没有的高度灵活性。如图4所示为常见的无线通信方式，手机和手机之间通电话，电脑之间通过蓝牙互传信息，这些都是经过无线方式进行通讯。

存储信道

在某种意义上，磁带、光盘、磁盘等数据存储媒质也可以被看作是一种通信信道。将数据写入存储媒质的过程即等效于发射机将信号传输到信道的过程，将数据从存储媒质读出的过程即等效于接收机从信道接收信号的过程。

广义信道

广义信道，按照其功能进行划分，可以分为调制信道和编码信道两类。

调制信道是指信号从调制器的输出端传输到解调器的输入端经过的部分。对于调制和解调的研究者来说，信号在调制信道上经过的传输媒质和变换设备都对信号做出了某种形式的变换，研究者只关心这些变换的输入和输出的关系，并不关心实现这一系列变换的具体物理过程。这一系列变换的输入与输出之间的关系，通常用多端口时变网络作为调制信道的数学模型进行描述。

编码信道是指数字信号由编码器输出端传输到译码器输入端经过的部分。对于编译码的研究者来说，编码器输出的数字序列经过编码信道上的一系列变换之后，在译码器的输入端成为另一组数字序列，研究者只关系这两组数字序列之间的变换关系，而并不关心这一系列变换发生的具体物理过程，甚至并不关心信号在调制信道上的具体变化。编码器输出的数字序列与到译码器输入的数字序列之间的关系，通常用多端口网络的转移概率作为编码信道的数学模型进行描述。

有线信道

在报警器中常用的有线信道有如下两种。

① 专用线

专用于连接每个探测器和报警接收中心的线路，只作为传输该系统的探测信号用，不做它用。一般常用的有双绞线、电缆、通信电缆。专用线是我国目前大量采 用的信道。专用线有并行传输的多线制和串行传输的总线制两种。总线制线数最少有两根，既做电源传输用又做信号传输用。常用的是4根线，电源线和信号线分 开，也有6根线或更多一点的。串行总线制比并行传输的多线制对整个报警工程系统的设计、施工和节省导线上优越得多，尤其是对大、中型工程来说优越性就更加 显著。

② 借用线

一些建好的建筑物内，已有各种传输线网络，如220V的照明线路，电话及电视共用的天线线路等。若能借此传输报警系统的探测信号，这也是报警系统的设 计者和施工者们所盼望的。人们根据实际需要研制了能利用已有的线路传输报警探测信号的相关设备，像电话报警器，平时作为电话用，有情况时作为报警器用。

无线信道

无线信道将探测器输出的探测电信号经过调制，用一定频率的无线电波向空间发送，到报警控制器处接收。控制中心将接收信号分析处理后，发出报警和判定报警部位。

一般都是探测器在正常状态下不发射无线电波，而在报警状态下发射无线电波的模式。常用的有调幅与调频两种方式。a

信道模型 篇3

与会专家认为，该标准针对不同应用场景设计了不同的传输模式和参数，兼容我国现有模拟调频广播的频谱规划，能够满足我国调频频段声音广播从模拟到数字平滑过渡的需求，对于我国数字音频广播及相关产业的发展具有具体指导作用，同意该标准通过审查。

广东广电积极推进三网融合

上半年，广东广电系统积极推进三网融合，取得了一系列成效：一是南方广播影视传媒集团IPTV发展迅速。3月29日，央视CNTV、南方传媒集团和广东电信签署广东省三网融合IPTV业务合作协议，三方将在IPTV业务领域开展深度合作；5月，IPTV平台二期建设基本完成，具备3.4万小时点播内容，直播频道共106套。二是深圳三网融合试点工作取得里程碑式突破。在全国试点城市率先实现IPTV商业运营，5月底用户规模超过30.6万，并完成内容平台一期建设，可向用户提供超过50000小时点播节目，提供80路高标清直播频道、1路中国3D试验频道，形成了15大点播栏目，实现节目内容创新。深圳广电与北京大学深圳研究生院合作成立三网融合核心技术联合实验室，研发的核心课题包括“移动高清IPTV系统”、《三网融合分布式存储机构》等，部分已获得或正申请国家发明专利授權。三是省级三网融合监管平台加紧建设。目前该项目经广东省领导同意，得到广东省政府的大力支持，现正加紧报建立项，以确保三网融合下广东全省广播电视播出安全。

MIMO信道模型综述 篇4

目前, 从国际国内无线通信研究趋势的发展中可以发现, 在无线通信传输理论和技术领域, MIMO做为未来宽带无线通信系统的框架技术之一, 有着巨大的潜力和发展前景, 它也是充分利用空间资源以提高频谱利用率的一个必然途径。然而, MIMO系统大容量的实现和系统性能的提高以及MIMO系统中使用的各种信号处理算法的性能优劣都极大地依赖于MIMO信道的特性, 特别是各个天线之间的相关性, 所以对MIMO信道建模就显的至关重要了。其重要性体现在:一方面, 我们可以用所提模型评估各种空时处理算法的性能, 另一方面可以进行系统级和链路级仿真, 并给出天线设计的位置, 间距参数等。

1 MIMO信道测量

无线信道模型, 是在人们对无线传播环境及其传播特性有了充分的了解后, 对它的一个抽象的描述。所以对无线信道的测量就成为了信道建模的第一步。首先, 通过信道测量我们可以得到真实的测量数据, 从而可以得到一些最基本的信道研究工具, 如功率延迟线、传递函数等, 通过这些工具我们可以抽取出很多重要的信道参数, 如RMS时延扩展、相干时间。其次, 可以为信道建模提供参考数据, 并为模型提供比对的参考, 以此来验证模型的有效性和合理性。

2 MIMO信道模型分类

不同的信道模型总试图去描述信道的一个或多个方面的特征。在宽带、高频、高速移动的前提下, 无线传播环境显得十分复杂。一个好的信道模型可以在某一个方面拟合真实的信道, 为系统设计、仿真、评估提供参考。目前用于MIMO信道建模的方法主要有两大类:一类是确定性衰落信道建模方法, 这类方法基于对特定传播环境的准确描述产生, 具体又可分为基于冲激响应功率时延特征测量数据的方法和基于射线跟踪的建模方法。另一类建模方法是是基于统计特征的建模方法, 与确定性建模方法相比, 这类方法试图利用统计平均的方法重新产生观察到的MIMO信道的衰落现象, 具体可分为基于几何分布统计建模、参数化建模和基于空时相关特征建模的3种方法。这些建模方法对应的模型分类如图1[1]:

3 MIMO信道模型分析

3.1 确定性模型

现在分别对这些信道模型加以分析比较。脉冲响应记录模型是通过对MIMO信道衰落的测量, 获得特定电波传播环境的信道冲激响应测量数据, 利用正弦波迭加 (SOS) 方法[2]模拟MIMO信道的衰落过程。在整个信道衰落的模拟过程中, 信道衰落只视为时间的函数, 因此称为确定性建模方法。其建模过程简单, 运算量小, 不过因为需要脉冲响应测量的数据, 所以只能用于特定的传播环境。而射线跟踪的基本思想是:将发射点视为点源, 其发射的电磁波作为向各个方向传输的射线, 对每条射线进行跟踪, 在遇到阻碍物时按反射、透射或绕射来进行场强计算, 在接收点将到达该点的各条射线合并, 从而实现传播预测.射线跟踪可得到每条路径的幅度、时间延迟和到达角, 以预测信号电平、时域色散和信道的冲激响应, 随之一系列的参数如功率延迟谱、均方根延迟扩展和相关带宽等就可确定。但冗长的计算时间和很大的内存需求一直都是射线跟踪法的瓶颈。

3.2 统计模型

基于地理特征描述的模型 (GBSM) 又称物理模型, 它对链路两端的散射体做随机分布的假设, 根据电磁波反射、衍射和散射的基本定律, 从散射体的分布位置导出MIMO信道模型。GBSM有两种典型的信道模型:基于宏小区的几何单反射圆环模型和基于微小区的几何单反射椭圆模型。

3.2.1 单环模型

在宏蜂窝或郊区的电波传播环境中, 由于发送天线的高度较高, 可以假设散射体主要围绕在接收端。其中著名的为单环模型[3]。在单环模型中, 基站周围无散射体分布, 而移动台周围的散射体都分布在半径为R的环上。如图2所示:

下面用该模型来确定信道的空间衰落相关性。模型中包括基站与移动台之间的距离D、散射体环的半径R、基站的到达角度Θ和天线阵列的地理位置。从特定天线元素看过去, 电波到来的角度限制在[Θ-∆, Θ+∆], 其中∆称为角度扩展, 且有∆≈arcsin (R/D) 。考虑发送天线阵列元素数目为nt接收天线阵列元素数目为nr的MIMO系统。假设使用的都是全向天线, 且只考虑一次反射, 则发送天线元素Tp与接收天线元素Rm之间的信道增益为来自每个散射体的分量之和:

其中Ns为散射体的数目, ri (Rm, Tp) 为从天线Tp出发受到散射体i的反射后到达天线Rm的射线的复值幅度, 于是h (Rm, Tp) 与h (Rn, Tq) 之间的相关可以表示为

对于同一副发送天线的信道增益有 , J0 (x) 为0阶贝塞尔函数, D (Rm, Rn) 是天线元素mR与Rn之间的距离, 因此, 不相关距离为半个波长左右。基站所看到散射体的方位角分布p (θ) 称为功率方位分布 (PAD) 。给定p (θ) 则空间相关函数可表示为

其中D (Tp, Tq) 表示天线元素Tp与qT之间的距离。PAD可以采用, 如均匀分布, 截短正态分布, 截短拉普拉斯分布等等, 使用PAD不同, 得到天线相关性与AOA和角度扩展之间的关系也不同。

3.2.2 椭圆模型

椭圆模型是在微蜂窝、微微蜂窝环境下提出的模型。由于收发天线的高度几乎相同, 因此可假设散射体分布在不同长短焦距的同心椭圆上, 该模型把所有的多径信号等效为是经过一次反射到达接收机的信号。反射点均匀分布在以发射点和接收点为焦点的椭圆面内。通常为了简化起见, 认为该平面为水平面。椭圆的区域取决于最大时延τmax。根据椭圆的性质, 时延相同的多径信号的反射点位于同一椭圆上。其模型如图3所示:

假设基站和移动台之间的距离为d0, 内边界和外边界椭圆参数可以表示为 式中, f=d0/2如散射体服从均匀分布其概率分布可以表示为

令ri=cτi/d0=τi/τ0 (表示标准时延) , 则可得到达角的分布函数为

对Φ微分, 得条件概率密度函数为

标准时延分布概率密度函数为

结合上面两式, 可以得到到达角度ɸi和归一化传播时延ri的联合概率密度函数

该联合概率密度函数在信道建模中极为重要。一般的说, 所有基于统计的矢量信道模型最终都需要TOA和DOA的联合概率密度函数来表征。

3.2.3 分层几何模型

当同时考虑宏蜂窝和微蜂窝, 考虑区域散射体和本地散射体影响时, 文献[4]提出了分层几何模型。分层几何假设是在原有的GBSR模型的几何假设基础上结合Raleigh模型的分析发展出来的。如图4所示:

在这个模型中, 我们把分布在较大的空间范围内, 产生较大角度扩展和时延扩展的散射体称为区域散射体, 在移动台周围, 对移动台接收信号产生较大角度扩展的散射体称为本地散射体。假设传播时间超过某一确定数值的散射径和那些经过两次以上散射的多径分量被极大的衰减掉了, 因此得到区域散射体的分布区域为一椭圆, 椭圆的长、短轴由基站到移动台的距离和最大传播时延确定。一般来说, 区域散射体的分布密度较低, 根据环境的不同, 可以选用不同的参考值。而本地散射体则均匀分布在以移动台为圆心, 半径为R的圆形区域内。这里的散射体被看作是由多个子散射体构成的散射体簇, 在散射体簇中的各子径的DOA和时延扩展相对于系统时间来说是不可分解的, 因此等效成一个散射体。但在计算信号强度的时候, 需要考虑散射体簇中子散射体的影响, 得到的信号强度包括了路径损失和信号传播相位叠加的共同影响[4]。

B为基站, M为移动台, SD为区域散射体SL为本地散射体, 则区域散射体在基站端的DOA和TOA联合概率密度函数为:

本地散射体的DOA和TOA的联合概率密度函数[5]为:

其中, θb、am、mb、Rm、C分别表示基站的信号到达角、区域散射体分布区的长轴、短轴、本地散射体区域半径和光速。

3.2.4 空间衰落相关模型

在实际中, 由于天线尺寸限制、散射体分布等因素的影响, 衰落并非总是独立同分布的, 信道矩阵的元素并非完全的不相关, 使容量比理想值有所降低, 因此, 分析MIMO信道模型, 必须考虑MIMO信道的相关性。若信道矩阵为H, 其列向量记为h服从于复多元正态分布, h的协方差矩阵 (也称为复相关模型) 定义为R=E{| (h-u) (h=u) H|}该随机矩阵模型具有两种情况:若信道矢量的均值u为零时, 这时信道为Rayleigh衰落;若u不为零时, 信道为具有非衰落或视距 (LOS) 成分的Rician衰落。利用开阔地区假设 (SLAC) , 若发射端天线与接收端天线互不相关, 依据多天线系统相似振子相关的可分性和移位不变性[6], 得到不同的两对天线经历的衰落之间的相关性等于对应的发射天线与接收天线相关之积, 推导出Kronecher模型R=RC⊗RT

设矩阵HW为一个nr×nt矩阵, 其元素为独立同分布的循环对称复高斯随机变量, 在各支路之间存在相关的情况下, 也可以通过对HW分别左乘和右乘收发两端的相关矩阵来获得Rayleigh衰落的相关信道矩阵H, 即 其中表示矩阵R的平方根矩阵, 即有R=R1/2 (R1/2) *。利用矩阵的性质Vec (AXB) = (BT⊗A) Vec (X) 则

Vec (H) =R1/2Vec (HW) , 可以按照此式来获得符合特定相关的信道增益。

3.2.5 参数化统计模型

参数化统计建模方法[7]将接收信号描述为许多电磁波的迭加, 以构建信道衰落的特征。抽头延迟线 (Tapped Delay Line, TDL) 模型结构是其通常的实现方法, 每个抽头对应一条径。而对应每个抽头, 在发送端和接收端分别有对应的离开角和到达角、复信道衰落因子和相对时延等参数进行描述。

ITU给出的时延功率谱为

K为可分解的路径数, 又叫抽头数。实际上如果不同方向的来波时延在如下间隔内:τl-1/2W≤τ≤τl+1/2W则这些来波在时间上是不可分的, W为信号带宽。即每个可分解的路径是由大量的时间上不可分的不同方向来波的叠加。则冲激响应矢量h (t, τ) 的抽头延迟线可表示为:

a (θb, n) 和a (θs, n) 分别为基站和移动台处的方向矢量φn为附加相位fd为多普勒频移。

参数化统计模型中有代表性的是双方向性信道模型和虚射线模型, 但双方向性信道模型无法包括收发端天线阵列结构的影响, 虚射线模型则较好地解决了这个问题, 它先将多径解释为分别包含多个子径的簇, 对每个簇分别用多个衰落成份模拟产生, 这个模型已用于3GPP的系统级仿真模型中。

4 结束语

本文对使用比较广泛的MIMO信道模型进行了分类分析和比较, 可以看出信道建模的方法很多, 而且对信道信息的认识还有待进一步提高, 尤其是MIMO信道, 需要同时考虑接收和发送端周围空间和时间的衰落统计特性, 这就要我们在进行MIMO信道建模时在合理性、准确性和复杂度方面慎重考虑, 提出更接近实际情况, 更易于理论分析和仿真实现的MIMO信道模型。

摘要：无线传播环境十分复杂, 除了考虑时延, 频移, 还要关注空间相关性, 所以对MIMO信道建模就显得很困难。本文分析了现有统计性和确定性MIMO信道模型, 并着重描述了基于散射体几何分布的地理特征模型, 并给出了基于相关统计模型的建模方法。

关键词：射线追踪,正弦波叠加,单环模型

参考文献

[1]蒋泽, 顾朝志.无线信道模型综述.重庆工学院学报, 2005.8

[2]杨大成.移动传播环境——理论基础, 分析方法和建模技术[M].北京:机械工业出版社, 2003

[3]W.C.Jakes.Microwave mobile communications, reprinted.Piscataway:IEEE Press:1993

[4]闫志刚, 贺志强, 杜志敏, 吴伟陵.基于分层几何单反射原理的连续时间时变矢量信道模型.北京:通信学报, 2003.6

[5]Petrus J, Reed, Rappaport.Geometrically based statistical model for mobile communications[A].IEEE Proc Global Communications Conference (GLOBECOM’96) [c].q.1996.1197-1201

[6]Durgin G, D.Space-time wireless channels[M].New Jersey:Prentice Hall PTR., 2003

信道模型 篇5

一般默认的是信道6或者AUTO，你可以先用wirelessmon这类的软件查找出你周围AP的信号信道，然后得知一个理你最近的AP信号信道是什么。

1.6.11.这些信道之所以用的比较多，因为他们的信号频率是阶梯式的，覆盖率最低的，也就是影响范围最小的，所以建议在你最近的那个AP的信号信道加一层，它是6，你就选11，它是1，你就选6。

wirelessmon 下载:xiazai.zol.com.cn/detail/14/136314.shtml

WirelessMon是一款允许使用者监控无线适配器和聚集的状态，显示周边无线接入点或基站实时信息的工具，列出计算机与基站间的信号强度，实时的监测无线网络的传输速度，以便让我们了解网络的下载速度或其稳定性。

安装过程我就不废话了，很简答，完成后，打开wirelessmon主界面，可以通过select network card右边的下拉菜单选择对应的无线网卡，需要注意的是，既然叫做WirelessMon，就只能对无线网络进行Monitor，无法支持有线网络速度 测试。

在中间右边区域看到当前环境下周边的无线网络信号基本情况，这里主要显示的是无线信道相关信息，包括有几个2信道，有几个6信道等等，下面还有 个切换按钮可以在802.11a与802.11b/g模式之间更换，估计绝大多数人用的无线网络都是b/g的，不过不知道为什么没有未来的趋势 802.11n切换。

在下方大面积区域我们能够看到当前环境周边扫描到的无线网络基本信息，包括状态是否可用，SSID信息，使用的发射频段，是否加密传 输，RSSI信号强度，目的无线网络基本传输速度模式，无线路由器或AP的MAC地址，无线网络组成模式(点对点还是点对多点)，连接的时间基本信息等， 通过这个区域的信息我们可以清晰详细的了解四周无线网络的组成状况。

我的无线路由器可以设置信号强度，这是把路由器设置成最小28mW发射功率时候的监测数据，可以看到信号是-52dBm/47%。

在同一位置，设置成最大281mW时候的信号监测数据，可以明显看到信号边强，有-38dBm/65%了。不过建议各位不要超过100mW，要不然多少对人体有伤害，DD-WRT默认就是最小的28mW，就我这里来说，28mW也够用了。

除了上面提到的无线信号扫描功能外，wirelessmon还提供了信号强度检测、监测无线网络的传输速度与图标生成等功能，点主界面左侧的 graphs，横坐标是时间坐标，而纵坐标可以由我们来选择参数，包括signal strength percentage，signal strength(DBM)，received rate，sent rate，total data rate等等，以便让我们了解网络的下载速度或其稳定性，

随着无线技术的逐渐发展，无线产品价格的不断走低，越来越多的企业开始着眼于将企业内网建立成无线网络，然而你是否知道在无线网络中各个设备该如何摆放呢?你又是否明白无线网络最忌讳的是地理位置出现信号盲点问题呢?

今天给各位介绍的WirelessMon就是一款不错的无线信号扫描和监测工具，通过它我们可以更加合适更加高效的建立企业无线内网，也可以查看购买的无线产品信号到底好不好，是不是够稳定。

WirelessMon是一款允许使用者监控无线适配器和聚集的状态，显示周边无线接入点或基站实时信息的工具，列出计算机与基站间的信号强度，实时的监测无线网络的传输速度，以便让我们了解网络的下载速度或其稳定性。

安装过程我就不废话了，很简答，完成后，打开wirelessmon主界面，可以通过select network card右边的下拉菜单选择对应的无线网卡，需要注意的是，既然叫做WirelessMon，就只能对无线网络进行Monitor，无法支持有线网络速度 测试。

在中间右边区域看到当前环境下周边的无线网络信号基本情况，这里主要显示的是无线信道相关信息，包括有几个2信道，有几个6信道等等，下面还有 个切换按钮可以在802.11a与802.11b/g模式之间更换，估计绝大多数人用的无线网络都是b/g的，不过不知道为什么没有未来的趋势 802.11n切换。

在下方大面积区域我们能够看到当前环境周边扫描到的无线网络基本信息，包括状态是否可用，SSID信息，使用的发射频段，是否加密传 输，RSSI信号强度，目的无线网络基本传输速度模式，无线路由器或AP的MAC地址，无线网络组成模式(点对点还是点对多点)，连接的时间基本信息等， 通过这个区域的信息我们可以清晰详细的了解四周无线网络的组成状况。

在同一位置，设置成最大281mW时候的信号监测数据，可以明显看到信号边强，有-38dBm/65%了。不过建议各位不要超过100mW，要不然多少对人体有伤害，DD-WRT默认就是最小的28mW，就我这里来说，28mW也够用了。

矿井MIMO信道模型的容量分析 篇6

煤矿井下复杂的环境严重影响了井下无线信道容量的提高。MIMO系统采用多天线技术, 有效的利用井下信号的多径传播, 与传统单天线系统相比, 系统的信道容量显著提高, 所以MIMO技术能够对抗信号的多径衰落, 提高系统的通信质量。

1 矿井MIMO信道的统计模型

矿井巷道空间相对狭小, 矿井中设备较多, 启动频繁, 电磁干扰大, 会带来较大的反射和散射, 散射体分布不均匀, 地面散射体分布有很大区别, 因此, 传统陆地MIMO信道模型往往很难应用到井下MIMO信道建模。矿井的巷道的无线传播环境, 服从瑞利衰落分布。针对矿井的特殊的无线通信环境, 采用GBDB统计模型来描述如图1、图2矿井MIMO信道。

为了对信道容量的分析, 建立了信道模型。假设通信系统为2×2收发天线系统。发射天线与接收天线距离为d0, 并且发射端与接收端之间隧道内的总散射体N服从均匀分布, 发射天线与接收天线距离分别为Di, Dr, 天线之间的距离远远小于发射端与接收端的间距。

和陆地通信相比, 煤矿井下物体运行速度相对较慢, 因此可以不考虑多普勒频移对其的影响, 由图1、图2可得低通冲击响应hpm (t) :

其中散射分量等效低通冲击响应表示为:

2 MIMO信道容量

MIMO技术对于存在多径衰落的信道有独特的优势, 可以提升信道容量, 并且信道容量与天线的数目存在正相关。在保证带宽和发射功率不变的情况下, 充分利用无线信道的多径传播, 对井下无线通信质量的提高有重要意义。

为了分析MIMO信道的容量, 假设MIMO系统的发射天线为Nr, 接收天线为NR, 发射总功率为P, 则每根天线的发射功率为P/NR, 信道受高斯白噪声的影响, 接收天线的信号功率与发射信号功率相等, 每根接受天线上的噪声功率为σ2, 于是每根天线的信噪比ζ=P/σ2。

NR×Nr的复矩阵H用来表示信道矩阵, H的第ji个元素表示hji第i根发射天线到第j根接收天线的信道衰落系数。

对于具有Nr根发射天线和NR根接收天线的MIMO信道, 假设发射端对信道的状态信息未知, 且具有固定的信道幅度, 则该信道容量可以表示为:

式中, min表示Nr和NR中的最小数, Imin表示min×min阶的单位阵, det (·) 表示矩阵的行列式。矩阵Q的定义如下:

由于MIMO信道系数的幅度是随机变化量, 因此信道容量随机变化量用平均值表示为:

式中r表示矩阵H的秩, 且r≤min (Nr, NR) , 数学期望为E (·) 。

3 仿真结果与分析

煤矿井下特殊的环境, 要求井下无线信道容量的提高, 在不考虑天线放置方式及天线间相关性的基础上, 并且信道服从瑞利分布, 信道衰落系数不变, 通过采用增加天线数目的方法来研究其对信道容量的影响。对SISO, 2×2MIMO, 3×3MIMO, 4×4MIMO信道容量进行分析仿真。

结果如图3所示, 天线数目对信道容量有显著的影响, 随着信噪比的增加, 信道容量不断提高;天线数目的增多, MIMO系统容量也不断增加。

由图4可知, 当相关系数r (0≤r≤1) 取0, 0.5和0.9时, MIMO系统信道容量受空间相关性系数影响显著且相关系数越大, 系统信道容量越小。对比2×1和2×2系统曲线可知, 天线数目的增加, 系统信道容量也随之增加。当r=0和r=0.5, r=0.9时, 对于2×1系统信道容量基本吻合, 而当r=0和r=0.5, r=0.9时, 对2×2系统, 随着相关系数的增加, 系统的信道容量不断下降。横向比较可知, 信噪比越大, 信道容量损失越大。因此, 为了保证MIMO系统信道容量不受损失, 在不增加天线尺寸的基础上, 使天线阵列间距离最大化且无线信号传播相互独立, 有利于矿井巷道无线通信的发展。

4 结语

本文对矿井无线通信环境进行了分析, 通过建立矿井MIMO信道模型, 假设天线间相对独立, 并且散射体服从均匀分布, 推导出信道容量函数, 并在此模型的基础上, 对MIMO系统容量进行了仿真, 仿真结果表明, MIMO系统信道容量随天线数目的增加而增加, 并且空时相关性对系统容量有显著影响, 相关系数越高, 系统容量呈不断下降趋势。

摘要：分析了煤矿井下无线通信环境, 建立了矿井MIMO信道模型, 推导出了该信道模型的信道容量函数, 在此MIMO信道模型的基础上, 对不同天线数目的 MIMO通信系统进行了仿真, 仿真结果表明, MIMO系统信道容量随天线数目的增加而增加, 随空间相关性增大而减小。

关键词：矿井通信,MIMO技术,信道模型,信道容量,空间相关

参考文献

[1]陈珊珊, 刘广亚, 姚善化.MIMO-OFDM技术在矿井无线通信中的应用[J].煤矿机械, 2013, 34 (3) :223-224.

[2]肖扬.MIMO多天线通信系统[M].北京:清华大学出版社, 2002.

[3]彭丽, 孙彦景, 钱建生.UWB矿井巷道无线信道模型[J].华中科技大学学报, 2008, 36 (1) :247-251.

[4]王阶.MIMO系统信道估计技术研究[D].成都:电子科技大学, 2005.

车辆间通信信道的仿真模型分析 篇7

随着无线通信技术的发展, 人们对无线通信应用的范围和需求也随之扩展。作为智能交通系统研究中关键性的热点, 车辆间通信越来越受到关注。车终端之间的通信带来了许多新的应用, 如在加强道路交通安全上和减少交通对环境影响的应用[1]和商业服务以及车载娱乐中的应用[2,3,4]等。传统的车辆间通信系统需要架设交通信息中心来实现用户的接入, 这不仅需要较大的基站辐射功率, 而且网络中可能会存在传输的盲点, 组网不够灵活。近年来人们试图将协作中继技术用于车辆间通信系统, 以期望实现车辆间通信在没有交通信息中心的情况下灵活可靠地运作[5]。要研究快速变化信道中的车辆间通信, 需要一个良好的在真实环境里测试过的物理层信道模型。

车辆间通信系统中的车终端与路边设施之间的信道属于平坦衰落信道, 信道模型可采用传统平坦衰落信道模型, 如瑞利信道、Nakagami信道、莱斯信道等。而由于车终端间环境和通信方式的特殊性, 如信道的快速时变性、收发终端同时移动性和车终端天线较低等, 车辆间的信道统计特性与传统的蜂窝无线网络有非常大的区别[6,7,8]。因此, 找到合适的车辆间自组织网络信道模型仍然是一个研究的热点。文献[1]致力于网络层仿真与物理层仿真的结合研究, 介绍了3种车辆间通信信道。文献[6]基于测试结果, 提出了对5 GHz带宽的车辆间信道的技术规范。文献[7]描述了比较常用的信道模型方法, 并侧重描述了统计性模型和基于地理信息的信道模型。

本文对在仿真中常用的3种车辆间信道的模型进行介绍, 对其统计模型、适用场景等进行分析, 并给出误码率的性能仿真结果。

1 无线信道的特征

在无线通信系统中, 信源发射的电磁波经过不同的路径到达目的接收端, 会产生“多径效应”。多径效应是发送电磁波与环境中的物体相互影响所造成的结果。在多径传播的条件下, 由于不同路径的信号到达接收天线的时间不一样, 因此接收的信号是由多个时延信号构成, 会产生时延扩展。时延扩展是衡量多径传播信道质量的一个重要指标, 具体定义为最大传输时延与最小传输时延的差值。在多径信道中, 均方根 (RMS) 时延扩展τRMS是量化时延扩展最常用的参数, 其定义为

$\tau {}_{\text{R}\text{Μ}\text{S}}=\sqrt{\stackrel{—}{{\displaystyle \tau {}^2}}-(\overline{\tau }){}^2}(1)$

式中:τ为信道的多径时延;$\overline{\tau }=\frac{{\displaystyle \sum _k{\rm P}}(\tau {}_k)\tau {}_k}{{\displaystyle \sum _k{\rm P}}(\tau {}_k)}$为平均附加时延且为功率延迟分布的一阶矩;$\stackrel{—}{{\displaystyle \tau {}^2}}=\frac{{\displaystyle \sum _k{\rm P}}(\tau {}_k)\tau {}_k^2}{{\displaystyle \sum _k{\rm P}}(\tau {}_k)}$, k为路径数, P为功率延迟分布。

时延扩展是由多径传播引起的现象, 而相干带宽Bc是由均方根时延扩展得出的一个确定关系值。相干带宽是在一定范围内的频率的统计测量值, 该频率范围内的任意两个频率分量受到的信道影响具有很强的相关性。若相干带宽内的各频率分量的相关函数值大于0.5, 则相干带宽Bc与RMS时延扩展τRMS有如下关系[9]

$B{}_{\text{c}}\approx \frac{0.2}{\tau {}_{\text{R}\text{Μ}\text{S}}}(2)$

如果发送信号带宽小于无线信道的相干带宽, 那么接收信号经历的衰落过程就属于平坦衰落过程。在平坦衰落下, 信道的多径特性会使发送信号的频谱结构在接收端保持不变, 而多径信道增益的起伏, 会使接收信号的强度随着时间变化。如果发送信号带宽大于信道的相干带宽, 那么该信道特性会使得接收信号产生频率选择性衰落, 并带来符号间干扰。

以上考虑的都是没有移动性的无线信道特性。当移动台与基站之间存在相对运动或信道路径中的物体处于运动中时, 多径信道就会表现出时变特性。这种时变特性由多普勒扩展[10]和相干时间进行描述。

多普勒扩展BD是由移动通信信道的时变速率引起的频谱展宽程度的度量值[11,12,13]。如当发送信号频率为fc时, 若收发端间存在相对运动, 则接收信号频率会发生偏移, 即多普勒频移。多普勒频移是移动台的相对速度v、移动台运动方向与散射波到达方向之间夹角θ的函数, 即fd=vcosθ/λ, 其中λ为载波波长。接收信号频谱展宽的大小依赖于多普勒频移fd。

相干时间Tc是在时域对多普勒扩展的表示, 其与最大多普勒频移成反比, 即

${\rm T}{}_{\text{c}}\approx \frac{1}{f{}_{\text{D}{}_{\max }}}(3)$

式中, fDmax是最大多普勒频移。相干时间是信道脉冲响应维持不变的时间间隔的统计平均值。在此时间间隔内, 两个到达信号所受到的信道的影响具有很强的相关性。如果信号符号周期大于信道相干时间, 那么在信号的传输中, 信道特性会发生改变, 产生时间选择性衰落。

2 车辆间信道分析

车辆间通信主要有两种方式:一种是车终端与路边设施的通信;另一种是车终端之间的通信。如图1所示, 其中S为路边设施, M1, M2为两个不同的车终端。车终端与路边设施的通信信道可采用传统的衰落信道模型, 如Nakagami信道、瑞利信道或莱斯信道模型来描述, 本文不再进行介绍。本文主要对车终端之间通信的信道模型进行介绍。

车辆间通信的环境主要有城市环境和郊区高速环境两种, 车辆间通信系统可分为窄带通信系统和宽带通信系统。在城市环境中的交通拥挤路段, 由于车辆行驶速度较慢, 可假设车终端间通信系统为准静态的窄带系统;而在城市环境交通非拥挤路段或在郊区高速环境中, 车辆以较高速度行驶, 车辆间信道时变较快, 多普勒频移现象较明显, 车终端间通信系统为宽带系统, 车辆间信道可看成是双选择 (即同时具有时间选择性和频率选择性) 衰落信道。

2.1 车辆间通信的窄带系统

在城市环境中的交通拥挤路段, 车辆行驶较为缓慢, 而又比传统的移动终端快, 当移动终端的覆盖范围在几十个载波波长之内时, 信道状态可认为是准静态的[14]。一般性的车辆间通信散射模型[15]如图2所示。源终端S和目的终端D都处于移动状态, 并且装配的天线高度水平位置较低。周围环境中不同物体会使源终端发送的信号发生散射, 目的端接收到不同时延和衰落的信号。图2中, 相互通信的两个车终端的周围各有一组各向同性分布的散射体, ss1, ss2, …, ssN表示源终端周围的散射体集, ds1, ds2, …, dsM表示目的终端周围的散射体集, dsd为源终端S和目的终端D之间的距离, Rs和Rd分别为源终端和目的终端的平均散射半径。假设Rs和Rd相对于dsd都很小, 当两车终端之间的距离足够大, 即Rs+Rd≪dsd时, 可认为两组散射体之间相互独立。这样就在发送端和接收端分别产生N个和M个衰落过程, 即发送终端到其周围散射体ss1, ss2, …, ssN的衰落过程和接收终端周围的散射体ds1, ds2, …, dsM到接收终端的衰落过程, 当这两组衰落过程都分别合成为Nakagami衰落过程, 那么发送端和接收端之间的信道为级联Nakagami信道[16,17];当发送端和接收端的衰落过程分别合成为瑞利衰落过程, 那么它们之间的信道为级联瑞利衰落信道[18]。

2.1.1 级联Nakagami衰落信道

在城市环境中的交通拥挤路段, 车终端周围均匀分布着散射体, 若在源车终端周围和目的车终端周围分别产生两组Nakagami衰落过程, 那么发送端和接收端之间的信道为级联Nakagami信道。

如图3所示, 级联Nakagami信道衰落因子hSD服从级联Nakagami分布。该衰落因子为两个统计独立服从Nakagami分布的随机变量的乘积, 即对于源端S到目的端D链路有hSD=hSD1hSD2, 其中hSD1和hSD2服从参数不同的Nakagami分布。

hSD的概率密度函数为

$f{}_h(h)=\frac{2}{h\text{Γ}(m{}_1)\text{Γ}(m{}_2)}G{}_{0,2}^{2,0}\left(\frac{m{}_{1}m{}_{2}h{}^2}{\Omega {}_1\Omega {}_2}|{}_{m{}_1,m{}_2}^{-}\right)(4)$

式中:ml是与信道衰落程度有关的参数, 且l=1, 2, 当ml=1时, 式 (4) 就简化为级联瑞利分布, 方便起见省略了下脚标SD;Γ (·) 是伽马函数;G${}_{0,2}^{2,0}$是Meijer G函数, Meijer G函数是一种特殊函数, 其一般性定义为

$\begin{array}{l}G{}_{p,q}^{m,n}\left(\begin{array}{cc}a{}_1,\cdots ,a{}_p& \\ b{}_1,\cdots ,b{}_q& \end{array}|z\right)=\\ \frac{1}{2\text{π}i}{\displaystyle {\int }_L\frac{{\displaystyle {\prod }_{j=1}^m\text{Γ}}(b{}_j-s){\displaystyle {\prod }_{j=1}^n\text{Γ}}(1-a{}_j+s)}{{\displaystyle {\prod }_{j=m+1}^q\text{Γ}}(1-b{}_j+s){\displaystyle {\prod }_{j=n+1}^p\text{Γ}}(a{}_j-s)}}z{}^s\text{d}s(5)\end{array}$

式中:0≤m≤q, 0≤n≤p且m, n, p和q都是整数;对于k=1, 2, …, n和j=1, 2, …, m, 有ak-bj≠1, 2, 3, …, n;z≠0[19]。

2.1.2 级联瑞利衰落信道

在城市环境中的交通拥挤路段, 车终端周围均匀分布着散射体, 若在源车终端和目的车终端分别形成两组瑞利衰落过程, 那么发送端和接收端之间的信道为级联瑞利信道[17,18,19,20,21,22]。

在非视距通信的前提下, 假设发送端和接收端周围的散射体数目足够大, 即N和M的值都远大于1, 级联瑞利信道的转移函数可表达为两个复高斯独立随机过程的乘积[23,24], 即

$h\left(t\right)=\alpha \cdot \gamma (6)$

式中:α和γ是均值为0的复高斯随机变量。该转移函数的模值的概率密度函数为

$p(\left|h\right|)=4\left|h\right|\text{Κ}{}_0(2\left|h\right|)(7)$

式中:K0 ( ) 是修正后的第二类零阶贝塞尔函数[25]。修正后的第二类零阶贝塞尔函数积分表达式为

K0 (x) =∫∞0exp (-xcosh t) cosh (αt) dt (8)

式中:cosh为双曲余弦函数。

2.2 车辆间通信的宽带系统

在城市环境中的非拥挤路段或在郊区高速环境中, 两车终端周围各向同性地均匀分布着散射体, 车上的天线高度是处于较低水平位置的。一方面, 在该环境下车终端的高速移动性, 使得传输信道特性快速变化, 在一个符号周期内信道的快速变化, 会产生信道的时间选择性衰落。发射机和接收机之间的相对运动会导致信道快速时变, 且移动速度越快, 信道的时变特性越显著。另一方面, 由于数据率越高, 符号周期越短, 信号带宽越宽, 当信号带宽大于信道的相干带宽时, 将产生频率选择性衰落。当车辆高速移动时, 目前的通信系统往往只能提供低速率传输服务, 难以实现高速率的数据传输[26]。如果此时信道满足2fdτd<1, 那么该信道可被认定为双选择衰落, 其中fd为多普勒扩展, τd为时延扩展[27,28,29,30]。在此情况下, 时频双选择性衰落对车辆间通信的影响较大。

文献[26,27,31]提出基扩展模型 (BEM) 适合作为双选择衰落信道的仿真模型, 该模型由式 (9) 给出。对于接收到的信息序列, 将其以Ts为采样周期进行采样, PTs为数据块间隔, 即每个数据块包括P个采样符号。利用实际信道的多普勒频率扩展的有限带宽性质, 把一个数据块内的时变多径信道变化, 用数量很少的块内时不变的参数来描述。基扩展模型表达式为

h (i;$l)={\displaystyle \sum _{q=0}^{Q}h}{}_q(p$;l) ejωqi, 0≤l≤L, 0≤p≤P (9)

式中:h (i;l) 表示第i个符号每一径上的信道增益;ωq=2π (q-Q/2) /P;L=└τmax/Ts」, τmax是最大时延扩展;Q=「fmaxPTs┐, fmax为最大多普勒频移。式 (9) 用Q+1个Fourier基来捕获每一径上的时变特性, 也就是说每一径的时变信道, 用Q+1个基的系数表示, 通常Q的取值很小 (2或4) , 那么用较少数量的 (Q+1) (L+1) 个系数hq, l就可以描述整个块内时变多径信道。

3 各信道性能的仿真

3.1 Nakagami信道、瑞利信道与级联Nakagami信道、级联瑞利信道性能

仿真时, 发送信号均采用BPSK调制, 假设接收端已知信道状态信息, 信道噪声为高斯白噪声。Nakagami信道仿真时, 参数m分别取值0.5和2, 方差为1[32];级联Nakagami信道衰落因子由两个服从Nakagami分布的变量相乘得来, 这两个变量的均值m同取0.5和2。瑞利信道即m=1时的Nakagami信道, 级联瑞利信道即两个m值同时取1时的级联Nakagami信道。仿真结果如图4所示。

由图4中曲线对比可知, 随着参数m的增大, 级联Nakagami信道误码率逐渐降低。级联Nakagami (m=2) 信道的误码率比级联瑞利信道低, 而级联Nakagami (m=0.5) 信道误码率比级联瑞利信道的高, 并且随着m值和信噪比值的增加, 误码率之间的差别都在逐渐增大。由此说明, 随着参数m值的增加, 级联Nakagami信道的衰落程度在减小。在m值取相同值时, 级联Nakagami信道的误码率性能比Nakagami信道的要差, 说明此时级联Nakagami信道比Nakagami信道的衰落程度更深, 车辆间通信信道比传统的移动通信信道有更严重的衰落。

3.2 双选择信道性能分析

针对双选择信道的情况, 文献[26]提出了一种用于信道估计的优化训练序列的设计方案, 随后仿真了该信道的误码率性能, 并与理想信道特性估计时的误码率进行了比较, 如图5所示。仿真中采用的系统:信道估计的数据块长度为300个符号, 每个传输数据块进行1次信道估计, 载波频率fc=2 GHz, 符号采样周期为10 μs, 最大移动速率为160 km/h, 根据Q=2「fmaxPTs┐, 计算得到Q=2。假设信道经过7条径 (L=6) 的瑞利衰落信道, 信道各径延迟功率相同, 信道总能量归一化, 系统采用QPSK调制, 采用MMSE均衡算法进行均衡。

由图4和图5对比可知, 信道理想且已知时的双选择信道的误码率性能优于级联瑞利信道。这是由于对于双选择衰落信道模型, 在信道信息为理想已知的前提下, 发送的信号经过7条瑞利信道到达接收端, 在接收端进行均衡出来后, 可形成分集效果, 使得接收到的信号得到加强, 因此信道理想且已知时的双选择信道性能要优于级联瑞利信道。另外, 从图5可知, 利用优化训练序列估计得出的信道信息进行均衡, 与利用理想信道信息进行均衡的系统间在误码性能上有3 dB以上的差距, 表明信道估计的性能对双选择信道系统性能有较大的影响。而在实际应用中, 由于信道衰落的快速变化, 信道估计困难, 会存在较大的估计误差, 因而双选择信道环境下的车辆间通信系统的误码性能实际上要远比图5中理想已知信道信息时的性能差。

4 小结

本文介绍了无线信道的特征和移动无线信道的特点以及它们主要的物理层影响, 重点描述了3种常用的车辆间通信信道的特征, 并对其进行了误码率的性能仿真。仿真结果表明, 相比较一般的无线信道, 车辆间通信信道的衰落更为严重。另一方面, 车辆间通信环境不同时, 信道的性能也存在很大的差别。因此, 对于车辆间通信进行研究时, 应根据不同的环境选用适合的信道模型。

无人机通信信道模型仿真分析 篇8

无人机[1](UAV,Unmanned Aerial Vehicle)是一种机上无人驾驶、可重复使用的航空器简称。与传统卫星通信和移动通信相比,无人机通信具有三个特点:

1)信号动态变化范围大;

2)多普勒频移大;

3)电磁干扰比较强。

无人机通信系统属于无线通信,其电波在无线信道中的反射、散射和绕射等特点,使得发射机和接收机之间存在多条传播路径,并且每条路径的传播时延和衰落因子都是时变的,造成了接收信号的衰落,因此多径衰落是无人机通信信道的主要特点。

无线信号随接收机与发射机之间的距离不断变化即产生了衰落,根据发送信号与信道变化快慢程度的比较,信道可分为快衰落信道和慢衰落信道。其中信号强度曲线的中直呈现慢速变化称为慢衰落,曲线的瞬时值呈快速变化,称快衰落。

快衰落与慢衰落并不是两个独立的衰落,快衰落反映的是瞬时值,慢衰落反映的是瞬时值加权平均后的中值。无人机与主控站间的通信信道可以分成两种情况:当无人机通信仰角较小时,信道为快衰落信道,直射径功率较小;当无人机通信仰角较大时,信道为慢衰落信道,直射径功率较大。

在无人机通信中,无人机与主控站之间属于莱斯(Rice)衰落信道[2],莱斯衰落信道的特点是信道中存在直视波分量,接收信号是由直视波分量和散射分量叠加而成的一种情况,散射信道是由许多相互独立且服从正态分布的随机信号组成,属于一种统计模型。

下面将从统计模型和非统计模型两个角度对无人机的信道进行分析。

二、信道模型建立与分析

2.1统计衰落模型建立

一般传统的莱斯衰落信道模型具有广义非静态特性,导致仿真结果与理论结果出现较大偏差,模型计算量和存储空间要求比较大,硬件实现困难,因此本节提出了一种新的莱斯衰落信道仿真模型,使其更加高效,并具有广义静态特性。

基于文献[4]中给出的Rayleigh衰落信道的仿真模型[4],Rice仿真模型可以表示为:

其中,N表示传播路径数,E0为常数,Cn表示第n条路径的传播增益,αn表示第n条路径的方向角,φn表示第n条路径的初始相位,ωd表示最大Doppler角频移。对于所有n=1,2,...,N,αn,φn独立同分布,服从[-π,π)上的均匀分布,gLOS(t)表示镜像分量,gDIF(t)表示散射分量,假设gDIF(t)服从参数为σ02的Rayleigh分布,在仿真模型中为常数,A、σ0为镜像分量的路径增益、方向角为常数,φ0为镜像分量的初始相位,为[-π,π)上均匀分布的随机变量。

为了克服仿真模型的广义非静态等问题,进一步简化仿真模型的运算量,提高仿真效率,对(1)的散射分量gDIF(t)中的变量进行随机化,gDIF(t)散射分量可以重新写成

不妨设

对比式(1)和式(3)可以发现,随机变量的个数由3N+1减少到N/4+3,而求和次数也由N+1减少到N/4+1,运算效率大大提高。

2.2非统计衰落模型建立

多径传输可归纳为两种类型:一种是直射波与反射波形成的多径;另一种是低空大气层大气效应造成的多径,一般第一种是主要因素,但当地面反射波强度很微弱时,第二种多径影响就将成为主要因素。

下图1是无人机通信的模型。

在图1中,A为主控站位置,B2、B3…Bn为散射点位置,C为接收机位置,辐射功率P经过散射点分n路输出,各自的辐射功率是P1、P2…Pn,接收端处的接收功率分别为P1'、P2'…Pn',发射机功率和发射天线增益分别为P、Gt,接收机功率和接收天线增益分别为P0、Gr,R1为直射路径长度,R2,R3…Rn是发射机与散射点之间的距离,R2',R3'…Rn'是散射点与接收机之间的距离,delt2,delt3…deltn为散射点的散射系数,Ar为接收天线的有效接收面积,Se2,Se3…Sen为散射点有效接收面积。

根据图1中的信道多径传输模型,对时延、衰落、多普勒频移三个多径参数,进行解算,在接收端出的总合成功率P0为

其中Фi为第i-1条散射路径信号与直射信号的相位差,P0-i第i路散射路径信号合成后的合成功率。

三、仿真分析及结论

基于图1的无人机通信的模型,以两径为例进行仿真。假设辐射功率为50d B,分两路输出,收发天线增益均为30d B,频率为1.25GHz,散射点的散射系数为1,散射点有效接收面积为1。

发射机的位置为(0,0,0),散射点的位置(10000,2000,1000),接收机用的坐标随时间变化(18000+i,6000+0.5*i,1000+0.2*i)。

利用MATLAB对两径传播模型进行仿真,图2是无人机飞行高度为2000m时,地面发射天线高度分别为1.5m、3m和4.5m时无人机系统在两径传播模型空间传播损耗曲线。图3是地面发射天线天线高度3m时,无人机飞行高度分别为1500m、2500m和3500m时无人机系统在两径传播模型空间传播损耗曲线。

由图2和3可知,在无人机飞行过程中,无人机与地面天线不同距离时存在不同程度的深衰落区域,无论改变地面天线高度还是改变无人机飞行高度,只能改变深衰落区的位置,并不能避免深衰落的发生。

摘要：本文首先分析了无人机通信的特点,然后从统计模型和非统计模型两个角度对无人机的信道进行分析,研究了以莱斯衰落模型为代表的统计衰落模型,提出了一种新的莱斯仿真模型的算法;最后对无人机通信信道进行非统计模型建模分析,并以两径模型为例进行仿真,结果表明不管是改变地面天线高度还是改变无人机飞行高度,只能改变深衰落区的位置,不能避免深衰落的发生。

关键词：莱斯衰落,瑞利衰落,散射

参考文献

[1]Paul,Thomas著,吴汉平等译,无人机系统导论(第二版),北京:电子工业出版社,2003

[2]Niji Youssef,Chengxiang Wang,Matthias Patzoldt,etc.On the Statistical Properties of Generalized Rice Multi-path Fading Channels[C].IEEE Conference on Vehieular Technology,2004,l:162~165

信道模型 篇9

关键词：新型圆盘模型,概率函数密度,离开角,时延,平均时延

0 引言

无线通信技术正以前所未有的速度向前发展, 为了获得更高的信息传输速率以及更强的抗多径干扰能力, 需获得丰富的无线信道信息。因此, 各类时空信道模型相继提出并被深入研究[1,2,3,4,5,6,7,8,9,10]。近年来, 基于几何单反射模型如圆盘模型 (Geometrically based single bounce circular model, GBSBCM) [1,4]、圆环模型[2,3]、椭圆模型 (GBSBEM) [1,3,5]得到广泛研究。同时, 在不同的几何模型中散射体的分布如均匀分布[1,2,3,4]、高斯分布[5,6]、反抛物线分布[7]、指数分布[8]、瑞利分布[8]等都有相应研究, 并且研究显示不同散射体分布适用于不同的无线信号传播环境, 如GBSBCM能有效的给出室外宏小区信号传播信道空时特性。

在无线通信系统中, 基站发送的信号在传播过程中受到各个散射体的影响, 以致到达接收机的信号是来自不同传播路径的信号之和。发射信号到达接收天线的各路径分量经历的传播路径不同, 因此具有不同的时间延迟。信号多径分量的空间分布将导致信号严重衰落, 时延扩展导致符号间干扰, 这将会严重地影响通信链路的质量。同时, 共信道干扰是移动通信系统容量的主要限制因素, 他将影响用户对有效网络资源 (频率、时间) 的复用。

1 新型几何散射模型

图1 (a) 是新型圆盘模型散射体分布图, 散射体高度集中到一点, 随着半径的增大, 集中程度逐渐变小。图1 (b) 是GBSBCM的散射体分布图, 散射体均匀分布在圆盘内。而事实上, 宏小区散射体以较高的浓度均匀围绕着MS, 而随着距离变大浓度也会变低。因此相对于GBSBCM模型的均匀分布, 新型圆盘模型更加贴近无线通信宏小区的实际环境情况。

图2为新型圆盘模型的一次单反射。假设散射体随机分布在以移动台 (Mobile station, MS) 为中心, R为半径的圆盘内, 基站 (Base station, BS) 与MS水平距离为D。散射体的位置由极坐标 (α, r) 表示, 其中α为信号的时延 (AOA) , r为散射体到MS的距离。由于路径损耗高, 忽略了远散射体群, 并且假设电磁波从基站发射经过单个随机分布的散射体仅发生一次单反射到达移动站;单个散射体为全方向散射元, 散射体之间互不相关;BS和MS均使用全向天线, 并忽略极化影响。

采用散射体在极坐标系中均匀分布, 则新型圆盘模型的散射体概率密度PDF为

2 概率密度函数

在BS-Scatter-MS中, 根据电波传播理论和几何关系, 路径时延τ为:

式中:rBS为基站到散射体的距离, rMS为散射体到移动站的距离, c为光速, 到达角AOA为α, 则α, τ的联合概率分布可以用散射体的概率分布fr, αr (, α) 来表示:

式中, 为雅各比变换行列式:

由式 (2) 可得:

将式 (1, 4, 5) 代入到式 (3) 可得时延 (TOA) 和AOA联合概率密度函数为:

式中τ∈ (τmin, τmax) , α∈ (-π, π) 。

同理, 由图2的几何关系可知离开角 (AOD) 和AOA的关系:

则AOD和AOA的联合概率密度同样可以用散射体的概率分布fr, αr (, α) 来表示:

联合式 (1) 和式 (8) 代入式 (9) 可得AOA和AOD联合概率密度函数表达式为:

其中ζ的区域为:

AOA和AOD联合概率密度随收发机距离和圆盘半径的变化分别如图5, 随圆盘半径的变化如图6。可以看出当α·β<0时fα, β=0, 这是因为当α·β<0时, 在图2所示的圆盘内不可能找到散射体。

2.1 TOA边缘概率密度函数

根据式 (6) 可得TOA边缘概率密度函数

式中DαR是对于给定的τ值对应的α的取值范围。

根据式 (2) 很明显可知, τ是以r为变量的单调递增函数。如果散射体分布在圆盘的圆周上, 那么对于每个给定的α, 都可确定τ的最大值。

τR (α) 随AOA的变化如图7。

实际上, 对于给定的τ, AOA的变化范围DαR就是介于α1R和α2R之间。联合式 (12) 和式 (14) 可得τ的边缘概率密度函数为:

图8给出了TOA边缘概率密度函数图, 可知接收信号主要集中在短时延, 并且类似指数分布。文献[10]中的测量值显示在宏小区环境下的传播时延可以拟合成负指数分布。而GBSBCM模型仿真出的传播时延分布图并不能很好拟合负指数分布, 因此相对来说, 新型圆盘模型更符合实际环境, 并且适用于宏小区。

2.2 AOD的边缘概率密度函数

由式 (10) 对α积分可得AOD的边缘概率密度函数表达式

2.3 平均时延τm

由图10可知, 对于给定的圆盘半径, 随着距离的增大, 附加时延基本没有变化, 这也非常符合图8所示, 而对于给定的距离, 随着圆盘半径的变大, 大时延的概率逐渐变大。

图11显示了当D处于不同的值时, 平均时延随着圆盘半径的变化以及当R处于不同的值时, 平均时延随着收发机距离的变化, 可知平均时延随着圆盘半径和收发机间距离的变大而变大。但是很明显, 时延受到D的影响较大。

3 结束语

文章在研究新型圆盘模型的基础上, 采用TOA-AOA, AOA-AOD的联合概率密度算法, 并通过对收发机间的距离D和圆盘半径R的变化, 来分析和比较环境参数对无线信道信息的影响。由仿真结果可知, 新型圆盘模型的时延分布受到距离D的影响较大, 并且符合负指数分布, 因此比较适合宏小区环境。而离开角AOD在圆盘半径不变时, 随着距离的变大, 角度逐渐集中到0;在距离不变, 圆盘半径变大时, 角度逐渐分散。此外, 离开角的变化始终有一个范围, 因此在实际环境中可以采用定向天线来加强信号的发射质量。

参考文献

[1]Ertel R B, Reed J H.Angle and time of arrival statistics for circular and elliptical scattering model[J].IEEE journal on selected areas in communications, 1999, 17 (11) :1829-1840.

[2]Olenko A Y, Wong K T, Ng E H.Analytically derived TOA-DOA statistics of uplink/downlink wireless arisen from scatters on an hollow-disc around the mobile[J].IEEE antenna and wireless propagation letter, 2003 (2) :345-348.

[3]Jaafar I, Boujemaa H, Siala M.Angle and time of arrival statistics for hollow-disc and elliptical scattering models[C]//Proceeding of the 2nd international conference on signals, circuits and systems.Tunisia:IEEE, 2008:1-4.

[4]Mittal A, Bhattacharjee R, Paul B S.Angle and time of arrival statistics for a far circular scattering model[C]//Proceedings of the 5th international conference on communications.Guwahati, India:IoT, 2009:141-147.

[5]Janaswamy R.Angle and time of arrival statistics for the gaussian scatter density model[J].IEEE transactions on wireless communications, 2002, 1 (3) :488-497.

[6]Kong S H, TOA and AOD statistics for down link gaussian scatterer distribution model[J].IEEE transaction on wireless communications, 2009, 8 (5) :2609-2617.

[7]Olenko A Y, wong K T, Abdulla M.Analytically derived TOA-DOA distributions of uplink/downlink wireless cellular multipath arisen from scatters with an inverted-parabolic spatial distribution around the mobile[J].IEEE signal processing letters, 2005, 12 (7) :516-519.

[8]Jiang L, Tan S Y, Geometrically based statistical channel models for outdoor and indoor propagation environments[J].IEEE transactions vehicular technology, 2007, 56 (6) :196-205.

[9]Borhani A, Patzold M.Time-of-arrival, angle-of-arrival, and angle-of-departure statistics of a novel implistic disk channel model[J].Proc 5th ICSPCS.2011 (11) :1-7.

信道模型 篇10

天波雷达对空域和海域监视有着重要的意义,天波雷达信道的研究是进行雷达信号处理的前提。在某种意义上,天波雷达信道就是短波信道,窄带短波通信和天波超视距雷达在信道特性方面是相同的。短波(天波)通信的传输介质是电离层,电离层的空间结构随时间变化的特点导致了电离层具有复杂的特性,即短波电离层信道不是时不变的,其信道参数在传输过程中是变化的和随机的,但是在足够短的时间内,短波信道参数可近似为时不变的和平稳的。迄今,人们已经在通信方面对短波(天波)信道进行了大量数据测量和统计计算,先后建立了窄带Watterson[1](不大于12 kHz)信道模型和宽带ITS[2](不大于1 MHz)信道模型。

目前实现的天波超视距雷达(高频)都是窄带的,由于雷达工作环境与天波传播信道的限制,其信号带宽只有10～20 kHz,这成为提高天波雷达距离分辨率的瓶颈。因此要将无线通信中的宽带理论和技术应用于天波超视距雷达信号处理中,必须先研究宽带理论技术和对无线通信模型进行建模分析,这也是本文的出发点。

1 基于Watterson模型的宽带信号实现

1.1 Watterson模型概述

本文采用的电离层窄带信道模型是最典型的Watterson模型,采用的是抽头延迟线模型,每个抽头延迟线上都模拟了信道的时延、衰落及多普勒效应等特性,但是它适用于12 kHz以内的短波通信[3]。

实验数据统计分析表明:短波多径传播的路径数一般都在6径以内[4,5],其中在2～4径的约占85%,因此本文选择路径数目为4径;对于单跳模式传播的短波信号,多普勒频移一般在1～2 Hz,在发生磁暴时,频移可达6 Hz;多普勒扩展在0.1～1 Hz左右,在急剧衰落时可以达10～100 Hz。图1为此次仿真利用MATLAB软件搭建的仿真原理框图。

仿真中采用4个抽头延迟线,每个抽头延迟线对应一条可分解的传输路径,在每条路径上信号受到不同延时并被一个复杂的抽增益函数在幅度和相位上进行调制。在仿真过程中,10个输入信号分别经过4个路径的时延、衰落和多普勒频移。

1.2 Watterson模型的输入信号设计

无线信道的典型特点是多径传播,当发射信号带宽大于信道的相干带宽时,由于信道在时域的时延扩散,信号会产生频率选择性衰落[6]。多载波(MC)技术将宽带信号在频域上分割成许多窄带信号,分别调制到多个载波上,从而实现将宽带信号分割转化为窄带信号。

本文利用多载波调制思想将带宽为100 kHz的矩形宽带脉冲信号在频域上分解成N个带宽为10 kHz的窄带脉冲信号,再将N个信号分别调制到载波频率f1,f2,…,fi,…,fN上。这N个信号的总带宽B=Δf(N-1)+ΔB,其中N=10,ΔB=10 kHz,Δf=fi-fi-1 。

因此,第i个发送窄带信号为Si(t)=x(t)·cos[2πfit+φi(t)],其中x(t)为脉宽为0.1 ms,幅度为1的矩形脉冲信号,fi为发送窄带信号i的载频,φi(t)为信号i的初始相位。经过10个多载波调制之后的信号频谱上叠加后等效为宽带信号,其信号波形如下图2所示。

1.3 Watterson模型的软件仿真结果

10个带宽为10 kHz的窄带信号分别通过电离层信道Watterson模型,在接收端解调到相邻频段内并叠加,得到的输出信号等效为宽带信号。图2b是10个输入信号在进入信道前的频谱图,由图2可知,10个窄带信号经过不同载波调制后,其信号为带宽为100 kHz的宽带信号,由此验证了本文多载波调制(MC)技术的可行性。

图3为经过Watterson模型后合成的宽带信号,由仿真结果可以看出,信号经过信道仿真平台之后,与输入信号相比,信号幅度发生了明显的衰落现象,且两个信号都明显经过了多条路径,与发送信号的频谱相比,经过信道后的信号有了明显的频率扩展。

2 基于ITS模型的宽带信号实现

2.1 ITS模型概述

1993年,Vogler和Hoffmeyer提出了一种短波宽带信道模型,即ITS模型。ITS模型突破了传统Watterson模型带宽仅有12 kHz的限制,使其有效带宽可达1 MHz,且模型的建立条件比Watterson模型的限制少。

ITS模型搭建的主要依据是数学统计特性,即信道的冲激响应函数[7,8],它包含了模拟和分析信道特性的所有信息。信道对信号的影响可以表示为它受到一个服从高斯幅度分布(幅度衰落)、高斯频谱形状(相位扰动)的双变量的复随机过程的调制。由于短波电离层反射信道的传输特性是时变的,因此可用线性时变系统的冲激响应h(τ,t)代替线性时不变系统的冲激响应h(t)。

2.2 ITS模型的软件仿真设计

图4为ITS模型的软件仿真总体框图。

信道道冲击响应函数由3部分组成。

$\begin{array}{l}h(t,\tau )={\displaystyle \sum _{n}h}{}_{{}_n}(t,\tau )=\\ {\displaystyle \sum _n\sqrt{{\rm P}{}_n(\tau )}}D{}_n(t,\tau )\Phi {}_n(t,\tau )(1)\end{array}$

${\rm P}{}_n(\tau )=A\frac{\alpha {}^{\alpha +1}}{\text{Δ}{\rm T}(\alpha +1)}{\rm Z}{}^{\alpha }\text{e}{}^{-az}(2)$

Dn(τ)=ej2π[fs+b(τ-τc)] (3)

式中:n表示传输模式的个数;${\rm Z}-\frac{\tau -\tau {}_c}{\Delta }+1$;Pn(τ)是信道的延迟功率分布函数;Dn(τ)是确定相位函数,描述了每条路径的多普勒频移;Φn(t,τ) 是随机调制函数,描述了脉冲响应的衰落情况,它表征了电离层信道相位的随机性质,是多普勒模糊或展变的主要原因。对随机调制函数的建模,是宽带信道建模的重点所在。在短波传输过程中,由于电离层是一磁离子媒质,导致了电波磁化分离的现象,在中纬度地区,地球磁场把短波信号分为两个模式分量,即O模式和两个可分离的X模式,包括X1模式和X2模式[9]。

为了模拟信道冲激响应的衰落,随机调制函数由大量时间序列的随机复数构成,在每个延迟上构建两个独立的白高斯随机序列,以此来表示复时间序列的实部和虚部,然后将其变换为标准高斯分布的白噪声序列,之后再通过一个带宽为多普勒扩展的多普勒滤波器。

本文的仿真参数采用的是美国海军研究实验室(NRL)对中纬度地区路径为126 km的宽带短波信道实测参数[10],参数如表1所示。试验中电离层环境平静,可清楚分辨O模式和X模式的电磁波,电离层的穿透频率为13 MHz。

2.3 ITS模型的软件仿真结果

接下来会利用上述Watterson信道模型的10个多载波调制输入信号,将其合成后得到的宽带信号作为ITS信道模型的输入信号。由于信道模拟中参数以ms为单位,发送信号也以ms为单位。图5为ITS模型的发送信号及频谱,图6为ITS模型的接收信号及频谱。

由图6可以看出,经过ITS模型后的信号产生了明显的时延和衰落特性,且幅度谱有所扩展,这是信道的频扩造成的。

通过图6和图3对比,和Watterson模型的接收信号相比,经过ITS模型后的信号发生了严重的频率选择性衰落。频率选择性衰落取决于时延差,本文仿真过程中最大的多径时延差为20 μs,则频率间隔(相邻的传输零点间隔)为50 kHz,传输信号频谱大于这个频率间隔则会产生明显的选择性衰落,于是在信号传输过程中引起了严重的码间串扰。这也是随参信道特性的集中体现,即随着多径时延的随时间变化,其信道的传输函数也随时间变化。

3 小结

通过多载波调制思想将宽带信号在频域上分割,并将窄带信号通过Watterson信道模型,成功利用了现有的窄带模型完成了宽带信号的传输建模,并通过和已有的宽带信道模型仿真对比,仿真信道可以表征输入信号的衰落、频移、频扩等特性,不仅验证了仿真系统的有效性,也验证了多载波调制技术的可行性。下一步可直接通过输入实现雷达目标检测的宽带线性调频信号,在天波超视距雷达应用无线宽带信号技术,完成雷达信道的建模,以此来验证宽带信号对天波超视距雷达检测性能、分辨性能、目标识别性能的改善情况。

参考文献

[1]WATTERSON C C,JUROSHEK J R,BENSEMA W D.Experimental confirmation of an HF channel model[J].IEEE Trans.Communication Technology,1970,18(6):792-803.

[2]VOGLER L E,HOFFMEYER J A.A model for wideband HF propagation channels[J].Radio Science,1993,28(6):1131-1142.

[3]闫江涛.Watterson信道下能量检测性能研究[J].电视技术,2011,35(15):129-132.

[4]张力军,张宗橙,郑宝玉.数字通信[M].北京:电子工业出版社,2003.

[5]PROAKIS J G.Digital communications[M].4th ed.北京:电子工业出版社,2001.

[6]杨大成.移动传播环境[M].北京:机械工业出版社,2003.

[7]孙萍,张水莲,秦志强.ITS宽带短波信道及其噪声的建模和仿真[J].通信技术,2009,02(42):15-17.

[8]徐发强.短波宽带通信系统中信道模型的研究[J].系统仿真学报,2003,15(11):1557-1560.

[9]KELSO J M.Radio ray propagation in the ionosphere[M].NewYork:McGraw—Hill Book Company,1964.