几种典型的无线传播模型

标签: 信道模型  网络通信


目录

一、如何是一个好的无线传播模型?

一个优秀的移动无线传播模型要具有能够根据不同的特征地貌轮廓,像平原、丘陵、山谷等,或者不同的人造环境,例如开阔地、郊区、市区等,做出适当的调整。这些环境因素涉及了传播模型中的很多变量,它们都起着重要的作用。因此,一个良好的移动无线传播模型是很难形成的。为了完善模型,就需要利用统计方法,测量出大量的数据,对模型进行校正。一个好的模型还应该简单易用。模型应该表述清楚,不应该给用户提供任何主观判断和解释,因为主观判断和解释往往再同一区域会给出不同的预测值。 一个好的模型应该具有好的公认度和可接受性。应用不同的模型时,得到的结构有可能不一致。良好的公认度就显得非常重要了。多数模型是预期无线电波传播路径上的路径损耗的。所以传播环境对无线传播模型的建立起着关键作用,确定某一特定地区的传播环境的主要因素有:

(1)自然地形(高山、丘陵、平原、水域等);
(2)人工建筑的数量,高度,分步和材料特征;
(3)该地区的植被特征;
(4)天气状况;
(5)自然和人为的电磁噪声状况;
(6)系统工作频率和移动台运动状况的影响。(在相同地区,工作频率不同,接收信号衰落状况各异;静止的移动台与高速移动的移动台的传播环境也不大相同)

二、几种典型的无线传播模型

模型名称适用范围
Okumura-Hata模型适用于900MHz宏蜂窝预测
COST231-Hata模型适用于1800MHz宏蜂窝预测
COST231 Walfisch-Ikegami模型适用于900MHz和1800MHz微蜂窝预测
Keenan-Motley模型适用于900MHz和1800MHz室内环境预测
规划软件ASSET中使用适用于900MHz和1800MHz宏蜂窝预测

1.Okumura-Hata模型

Hata模型是在Okumura大量测试数据的基础上用公式拟合得到的,叫做Okumura-Hata模型。
为了简化,Okumura-Hata模型做了三点假设:

  • 作为两个全向天线之间的传播损耗处理;
  • 作为准平滑地形而不是不规则地形处理;
  • 以城市市区的传播损耗公式作为标准,其他地区采用校正公式进行修正。

1、Okumura-Hata模型适用的条件:
f:工作频率(MHz)(150~1500)
hb:基站天线有效高度(m)(30~200)
hm:移动台天线有效高度(m)(1~10)z
d :移动台与基站之间的距离(km)(1~35)

2、基本传播损耗中值公式:

Lb=69.55+26.16lg f-13.82lg hb-α(hm)+(44.9-6.55lg hb)lg d

其中:

d的单位为km,f的单位为MHz;

Lb城为城市市区的基本传播损耗中值;

hb、hm——基站、移动台天线有效高度,单位为米。

基站天线有效高度计算:设基站天线离地面的高度为hs,基站地面的海拔高度为hg,移动台天线离地面的高度为hm,移动台所在位置的地面海拔高度为hmg。则基站天线的有效高度hb=hs+hg-hmg,移动台天线的有效高度为hm。
需要说明的是,基站天线有效高度计算有多种方法,如:基站周围510公里的范围内的地面海拔高度的平均;基站周围510公里的范围内的地面海拔高度的地形拟合线;等等;不同的计算方法一方面与所使用的传播模型有关,另外也与计算精度要求有关。

a(hm)——移动台天线高度修正因子

在这里插入图片描述

3、其他各自修正因子
(1)Kstreet——街道校正因子
一般资料上只给出了与传播方向成水平或垂直的损耗修正曲线,为了便于计算,下面给出了任意角度的拟合公式。
设传播方向与街道的夹角为θ,则:
在这里插入图片描述
实际上,街道效应一般在8~10km后将会消失,故只考虑10km之内。

(2)Kmr——郊区校正因子

Lbs= Lb(市区)-2[lg(f/28)]2-5.4

(3)Qo——开阔地带校正因子

Lbq= Lb(市区)-4.78(lg f)2+18.33lg f-40.94

(4)Qr——准开阔地带校正因子

Qr=Qo+5.5

(5)Ru——农村校正因子
在这里插入图片描述
(6)Kh——丘陵地校正因子
在这里插入图片描述
⊿h——地形起伏高度
如图所示,由移动台算起,向基站方向延伸10km(不足10km,则以实际距离计算),在此范围内计算地形起伏高度的10%到90%之间的差值(适用于多次起伏的情况,起伏次数>3)。
在这里插入图片描述
(7)Ksp——一般倾斜地形校正因子
如图所示,斜坡地形有可能产生第二次地面反射。在水平距离d2>d1时,图中正负斜坡都有可能产生第二次地面反射。
在这里插入图片描述
近似归纳斜坡地修正因子为:
在这里插入图片描述
θm以毫弧度为单位,d的单位为km
θm为移动台与基站连线的剖面上,移动台前后一公里内地形高度的平均倾角(用最小二乘法)
(8)Kim——孤立山峰校正因子
这里使用刀刃绕射损耗来计算,虽然计算量稍大,但要准确一些;绕射损耗计算如图所示:
在这里插入图片描述

2.COST231-Hata模型

欧洲研究委员会(陆地移动无线电发展)COST231传播模型小组建议,根据Okumura-Hata模型,利用一些修正项使用频率覆盖范围从1500MHz扩展到2000MHz,所得到的传播模型表达式称为COST231-Hata模型。与Okumura-Hata模型一样,COST231-Hata模型也是以Okumura等人的测试结果作为依据。它通过对较高频段的Okumura传播曲线进行分析,得到的公式。

1、COST231-Hata模型适用的条件:
使用频段f:1500~2000MHz;
基站天线有效高度hb为30~200米
移动台天线高度hm为1~10米
通信距离为1~20km。

2、基本传播损耗中值公式:
在这里插入图片描述
其中:

d的单位为km,f的单位为MHz;
Lb城为城市市区的基本传播损耗中值;
hb、hm——基站、移动台天线有效高度,单位为米;

基站天线有效高度计算:设基站天线离地面的高度为hs,基站地面的海拔高度为hg,移动台天线离地面的高度为hm,移动台所在位置的地面海拔高度为hmg。则基站天线的有效高度hb=hs+hg-hmg,移动台天线的有效高度为hm。

a(hm)——移动台天线高度修正因子。
Cm——城市修正因子

在这里插入图片描述
其他各种修正因子同Okumura-Hata模型。

3、下面看看如何计算边缘场强:
计算公式:

TX+G-L-Cs-Rs≤Rx

式中:

TX(dBm):天线口功率;
G(dB):天线增益;
L(dB):路径损耗;
Cs(dB):车体损耗;
Rs(dB):人体损耗;
Rx(dBm):边缘场强。

例如:
工作频率f(MHz):900
发射天线高度ht(m):45
接收天线高度hr(m):1.7
天线口功率TX(dBm):41
天线增益G(dBi):21
人体损耗Rs(dB):5
边缘场强Rx(dBm):-91.99
车体损耗Cs(dB):10
天线覆盖距离d(km)2.5

大城市:

L=46.33+(44.9-6.55lght)lgd+33.9lgf-((1.1lgf-0.7)hr-1.56lgf+0.8)-13.82lght+3
L =138.99

3、COST231 Walfisch Ikegami模型

COST231 Walfisch-Ikegami模型可以用于估计市区环境蜂窝通信的路径损耗(广泛用于建筑物高度近似一致的郊区和城区环境)。为了得到比较准确的估计,就需要考虑到建筑物的高度hb和建筑物之间的距离b以及街道宽度ω这三个城市特征量。因此COST231 Walfisch-Ikegami模型使用起来比较复杂。
COST231 Walfisch-lkegami 模型考虑了自由空间损耗、从建筑物顶到街面的损耗以及受街道方向影响的损耗,因此,可以计算基站发射天线高于、等于或低于周围建筑物等不同情况的路径损耗。

1、模型适用条件
频段:800-2000MHz;
使用的天线挂高:4-50m;
移动台高度:1-3m;
覆盖距离:0.02-5km;
建筑物高度:Hroof(m);
街道宽度:w(m);
建筑物距离:b(m);

该模型中传输损耗计算分为两种情况:视距传输和非视距传输。

1、若发送端与接收端之间为视距传输(基站与手机之间有直射径的情况)(微小区:天线高度低于屋顶高度)。

此时路径损耗为:

L=42.6+26lgd+20Lgf   d>=0.020km

其中,d为发送端与接收端之间的距离,单位km;
f为频率,单位MHz;

2、若发送端与接收端之间为非视距传输(基站与移动台之间没有直射径的情况)。
在这里插入图片描述
此时路径损耗为:
在这里插入图片描述

其中,L_0 表示自由空间损耗,计算方法为:
在这里插入图片描述
L_1 表示由屋顶下沿最近的衍射引起的衰落损耗(屋顶和街道之间的衍射和散射损耗,对应慢衰落),它的计算方法如下:

在这里插入图片描述
其中,ω 表示接收机所在的街道宽度,单位为m,h_b 表示建筑物平均高度,h_r 表示接收天线的高度,单位为m,Φ 表示街区轴线与连接发送机和接收机之间连线的夹角。

L_11 Φ 的计算方法如下:
在这里插入图片描述
L_2 表示沿屋顶的多重衍射引起的衰落损耗(多路径损耗,对应快衰落),计算方法为:
在这里插入图片描述

其中的各个参数计算方式如下:
在这里插入图片描述

k_a 代表由于基站天线低于附近建筑物屋顶导致路径损耗的增加,计算方法为:
在这里插入图片描述

k_d 表示对应于距离的多屏绕射损耗,计算方法为:
在这里插入图片描述
k_f 表示对应于射频的多屏绕射损耗,计算方法为:
在这里插入图片描述
上面各式中,h_t 为发射天线高度,h_b 为建筑物的平均高度,d 为收发端之间的水平距离,b 为相邻行建筑物的中心距离。

4、室内传播模型(Keenan-Motley模型)

室内传播损耗公式为:

 L_indoor=L_ss+k×F(k)+p×W(k)+D(d-d_s)

其中,L_ss是自由空间传播损耗,L_ss=32.5+20×logf+20×logd

f 频率(MHz)
d 传播距离(km)
k 直达波穿透的楼层数
f 楼层衰减因子
p 直达波穿透的墙壁数
W 墙壁衰减因子(dB)
D 线性衰减因子(dB/m)
d_b 室内转折点(m),典型值为65m,大于该值增加0.2dB/m。

5、规划软件ASSET使用的传播模型

模型表示公式如下:

Lp=K1+K2logd+K3(hm)+K4loghm+K5log(Heff)+K6log(Heff)logd+K7+Kclutter

式中:

K1——与频率有关常数
K2——距离衰减常数
K3、K4——移动台天线高度修正系数;
KS、K6——基站天线高度修正系数;
K7——绕射修正系数;
Kclutter——地物衰减修正系数;
d——基站和移动台之间的距离。单位:km;
hm、heff——移动台天线和基站天线的有效高度,单位:m。

在分析不同地区、不同城市的电波传播时,K值会因为地形、地貌的不同以及城市环境的不同而选取不同的值。下面表给出了一个曾经用于中等城市电波传播分析时的K值以及一些Clutter衰耗值。
在这里插入图片描述
根据这些K参数,可以计算出传播损耗中值。但是由于环境的复杂性,还要进行适当的修正。当蜂窝移动通信系统用于室内时要考虑建筑损耗。建筑损耗时墙壁结构(钢,玻璃、砖等)、楼层高度、建筑物相对于基站的走向、窗户区所占的百分比等的函数。由于变量的复杂性,建筑物的损耗只能在周围环境的基础上统计预测。我们可以有以下结论:
(1)位于市区的建筑平均穿透损耗大于郊区和偏远地区。
(2)有窗户区域的损耗一般小于没有窗户区域的损耗。
(3)建筑物内开阔地的损耗小于有走廊的墙壁区域的损耗。
(4)街道墙壁有铝的支架的比没有铝的支架产生更大的衰减。
(5)只在天花板加隔离的建筑物比天花板和内部墙壁都加隔离的建筑物产生的衰减小。


版权声明:本文为super_Zhu0818原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/super_Zhu0818/article/details/109067419

智能推荐

26_Python基础_继承

面向对象三大特性: 封装 根据 职责 将 属性 和 方法 封装 到一个抽象的 类 中 继承 实现代码的重用, 相同的代码不需要重复的编写 多态 不同的对象调用相同的方法,  产生不同的执行结果,  增加代码的灵活度 1.  单继承 1.1 概念 继承的概念:&...

循环

与任何程序设计语言一样Java利用条件语句与循环结构确定流程控制,一下总结一下Java中的循环语句: while do while for switch 对于golang来说: switch非常灵活。从第一个expr为true的case开始执行,如果case带有fallthrough,程序会继续执行下一条case,不会再判断下一条case的expr,如果之后的case都有fallthrough,d...

1638 统计只差一个字符的子串数目(动态规划)

1. 问题描述: 给你两个字符串 s 和 t ,请你找出 s 中的非空子串的数目,这些子串满足替换一个不同字符以后,是 t 串的子串。换言之,请你找到 s 和 t 串中恰好只有一个字符不同的子字符串对的数目。比方说, "computer" 和 "computation"...

websocket基本原理

HTTP中一个request只能有一个response。而且这个response也是被动的,不能主动发起 因此过去的服务端推送信息是通过客户端不停的轮询实现的 websocket是双向通信协议,提供了服务端主动推送信息的能力 需要客户端(浏览器)和服务端同时支持 如果经过代理的话,还需要代理支持,否则有些代理在长时间无通信时会自动切断连接 因此WS为了保证连接不被断掉,会发心跳 WebSocket...

mybatis+ehcache二级缓存

导入jar包 mapper.xml文件开启二级缓存 pojo类实现序列化接口 配置ehcache.xml 测试...

猜你喜欢

python+opencv实现图像拼接

任务 拍摄两张图片去除相同部分,拼接在一起 原图 结果 步骤 读取两张图片 使用sift检测关键点及描述因子 匹配关键点 处理并保存关键点 得到变换矩阵 图像变换并拼接 代码实现 扩展 这里对右边图像进行变换,右边变得模糊,可以修改代码对左边图像变换 这里只有两张图片拼接,可以封装实现多张图片拼接 可以修改代码实现上下图片的拼接...

python_sklearn机器学习算法系列之AdaBoost------人脸识别(PCA,决策树)

          注:在读本文之前建议读一下之前的一片文章python_sklearn机器学习算法系列之PCA(主成分分析)------人脸识别(k-NearestNeighbor,KNN)         本文主要目的是通过一个简单的小...

memmove函数与memcpy函数的模拟实现

memmove函数和memcpy函数都是在内存复制任意类型的,但是它俩也有区别。当源区域和目标区域有重复的,memmove函数会复制缓冲区重叠的部分,而memcpy相反,会报出未知错误。 下面给出两个函数的实现 首先,memmove函数。 实现的基本原理如下图。 具体代码如下: memcpy函数的实现很简单,就直接给出源代码了...

SpringFramework核心 - IOC容器的实现 - 总结

1. 概述 把Spring技术内幕第一章和第二章过了一遍,也做了一些笔记, 对IOC容器的实现有了一定皮毛理解,现在跟着源码再过一遍总结一下IOC容器的初始化,Bean的初始化的过程,做一下总结 ① IOC容器和简单工厂模式 在开始之前,先想想我们平时是怎么使用IOC容器为我们管理Bean的,假设我们要把下面的User类交给IOC容器管理 我们不想关心如何创建一个User对象实例的,仅仅在需要他的...