《5G NR物理層技術詳解：原理、模型和組件 》 —3.4　信道建模

3.4　信道建模

本節討論在標準化組織（如3GPP、ITU-R）以及其他國際研究項目和網絡（如METIS和mmMAGIC）中所定義的常用信道模型。主要關注特別著重于5G特定功能的最新模型上。所有這些模型都是幾何隨機信道模型（除了METIS基于地圖的模型），每種信道都是根據每個參數的概率分布由蒙特卡羅方法生成。為了在空間和時間上實現連續性，在這些維度上隨機分布是自相關的。要在全部信道參數和全部自相關函數之間建立全相關矩陣是一項巨大的挑戰。此外，要在合適的置信區間內提供合理的值需要大量的測量數據。即使能夠提供所需的相關性，進行提供空間一致性所需要的全部自相關的計算量也是相當可觀的。在METIS基于地圖的模型中采用的另一種替代方法是基于簡化的幾何射線跟蹤。由于模型是完全基于確定性和物理原理，因此模型中全部的相關性和空間一致性都是自動生成的。該模型具備全部重要的散射機制，即鏡面反射、衍射、粗糙表面和物體的散射以及室外到室內的穿透。但是該模型的缺點是實現復雜度較高。

隨著每次新一代移動通信的出現，信道模型的復雜度也在不斷增加。通過更多地利用物理傳播信道的自由度，每個新一代技術都能提供更優的性能。在第二代移動通信（GSM）中，由于所用帶寬較窄及空間分集程度較低，因此復雜度相對較低。經過第三代和第四代，通過引入例如軟切換和MIMO傳輸，帶寬和空間分集技術都得到擴展。

本節主要著重于3GPP[2]和ITU-R[9]研究的最新5G模型。該模型成功地將傳輸損耗建模擴展到高達100 GHz的毫米波范圍。此外還提供了擴展帶寬（最大2 GHz）和路徑的高分辨率方向特性。盡管某些極高分辨率的特性沒有經過充分驗證，但模型對于沒有使用最大帶寬和最窄波束的早期5G網絡可能是足夠精確的。

3.4.1　5G隨機信道模型

本節描述了3GPP為5G在0.5～100 GHz頻率范圍開發的信道模型[2]，該模型也同樣被ITU-R用于IMT-2020[9]。該模型很大程度上是基于上一代建模[1，6]，也是基于幾何的隨機信道模型。mmMAGIC信道模型[26]與3GPP/ITU-R模型在很大程度上是一致的，另有些改進和添加。信道Hmn由根據公式（3-7）生成的一組平面波來定義，其中極化幅度為Al，方向為kltx和klrx，時延為l，多普勒頻率Dl用相應的隨機分布對其進行經驗表征。只有LoS分量是由幾何確定的。

3.4.1.1　傳輸損耗建模

傳輸損耗建模是基于假設鏈路兩端的全向天線都使用由ITU-R建議書P.341[8]定義的基本傳輸損耗。任何與特定天線方向圖有關的建模由合并天線方向圖和相應的多徑分布來分別處理，多徑分布將在下一節介紹。表3-1總結了模型的傳輸損耗（在ITU-R和3GPP規范中被稱為路徑損耗）特性。這些模型大部分經3.3.3節所介紹的室內辦公室和街道峽谷場景的測量驗證。對于LoS場景，路徑損耗接近于自由空間損耗，直到一個斷點，之后路徑損耗與40 log(d)成正比。在NLoS條件下，對于城市宏蜂窩（Urban Macro，UMa）和農村宏蜂窩（Rural Macro，RMa）場景，相比于自由空間，路徑損耗與頻率無關。但是，對于室內和街道峽谷場景，相比于自由空間，路徑損耗會隨著頻率升高而略微增加。

表3-1　3GPP傳輸損耗模型（得到3GPP許可）

注1：斷點距離d'BP = 4 h'BS h'UT fc/c，其中fc為中心頻率，單位為Hz，c = 3.0×108 m/s為自由空間中的傳播速度，h'BS和h'UT分別為BS和UT處的天線有效高度。天線有效高度h'BS和h'UT計算如下：h'BS = hBS – hE，h'UT = hUT – hE，其中hBS和hUT為天線實際高度，hE為環境有效高度。對于UMi，hE = 1.0m。對于UMa，hE = 1m的概率等于1/(1+C (d2D, hUT))，否則從離散均勻分布(12, 15, …, (hUT – 1.5))中選取。C(d2D, hUT)由下式給出：

其中

注意hE取決于d2D和hUT，因此需要對BS站點和UT之間的每條鏈路獨立確定。一個BS站點可能是單個BS或多個共址的BS。

注2：表中PL公式適用的頻率范圍為0.5 < fc < fH GHz，其中對于RMa，fH = 30 GHz，對其他所有場景fH = 100 GHz。應當注意到對大于7 GHz的RMa路徑損耗模型是以在24 GHz上進行的單次測量活動為基礎驗證的。

注3：UMa NLOS路徑損耗來自TR36.873但簡化了格式，PLUMa-LOS = UMa LOS室外場景的路徑損耗。

注4：PLUMi-LOS = UMi-街道峽谷 LOS室外場景的路徑損耗。

注5：斷點距離dBP = 2 hBS hUT fc/c，其中fc為中心頻率，單位為Hz，c = 3.0×108 m/s為自由空間中的傳播速度，hBS和hUT分別為BS和UT處的天線高度。

注6：fc表示用1 GHz歸一化的中心頻率，所有距離相關的值用1 m進行歸一化，除非另有說明。

進一步，假設在距離相關函數中損耗的位置變化服從對數正態隨機分布。對應的標準偏差范圍在4～8 dB之間。這些變化在空間上通過指數自相關函數關聯：

（3-30）

其中d為空間上兩個點之間的距離，dcor為常數。

建筑物穿透損耗LO2I由下式建模：

（3-31）

其中和分別為建筑物外墻玻璃和混凝土面積的比例，Lglass和Lconcrete為多層窗戶和混凝土對應的損耗，為水平穿透到建筑物深度為d2D-in的每米穿透損耗。在3GPP和ITU模型中=0.5 dB/m。由mmMAGIC進行了更深入的分析，表明均勻分布在0.5～1.5 dB/m之間。人們發現建筑物可以分為高損耗和低損耗兩種類別。高損耗類的建筑物稱為“熱效率”，其對應的建筑材料和施工方法會造成很大的穿透損耗。尤其是用于阻擋透過窗戶的熱輻射而采用的薄金屬鍍膜也會使無線電波衰減20～30 dB。而低損耗類則對應于使用無鍍膜窗戶的傳統建筑物。外墻建筑材料造成的損耗Lm由下式給出：

Lm = a + bf （3-32）

對應的材料參數在表3-2中列出。

表3-2　3GPP穿透損耗材料參數

假設由于建筑物內部的不規則性（諸如家具、內墻、電梯井等），穿透損耗的對數正態分布位置發生變化。對應的標準偏差分別為：低損耗low =4.4 dB，高損耗high =6.5 dB。mmMAGIC模型通過引入如下頻率相關的標準偏差，對這種變化進行了細化：

（3-33）

其中對于低損耗類k估計為0.08 dB/GHz。

對于位置變化分布水平5%、50%和95%，在圖3-36中展示了兩類建筑物（傳統的和熱效率的）在3GPP模型中穿透損耗隨頻率的變化。為了便于對比，圖中顯示了ITU-R建議書P.2109中的建筑物入口損耗。ITU-R模型是基于大量測量數據的經驗模型，而3GPP模型是基于簡化的物理原理。在50%水平，對于低于50 GHz的頻率，兩個模型非常一致。但是，3GPP模型的頻率趨勢明顯更強。這可以用表3-2中的值來解釋，傳統窗戶的玻璃總厚度為24 mm，而熱效率窗戶的玻璃總厚度為36 mm[7]。這大約是真實建筑物中玻璃厚度的三倍。還可以明顯看出ITU-R模型[10]反映了擴展隨頻率升高而增加，而3GPP模型則不存在這種趨勢。

在3GPP和ITU-R IMT 2020模型中，傳播入射角相對于外墻的依賴性通過在公式（3-31）中增加5 dB常數來說明，因此，損耗分布的擴展減少。這可以在圖3-36中清楚地看到，對于ITU-R建議書P.2109[10]的模型，5%和95%概率水平明顯移動得更多。由于該建議書是為支持例如IMT和衛星之間的頻譜共享研究而制定的，仰角的依賴性由下式說明：

其中為路徑相對于外墻的仰角，為常數，用大約20 dB/90度來估計。

圖3-36　在微蜂窩場景下建筑穿透損耗與頻率的關系，使用3GPP和ITU-R P.2109模型下5%、50%和95%概率水平

3.4.1.2　多徑方向性和時延建模

多徑分量的幅度、時延和方向的分布是基于封閉形式隨機分布的一階和二階矩產生的。而且，這些分布分為兩個層面：簇和簇之間和一個簇之內。這意味著在較高層面生成關于簇的多徑分量隨機分布。在較低層面生成簇之內的相應分布。用兩個層面來描述簇的動機是沿承了基于功率時延分布的觀察[31]。然而在與高分辨率試驗數據相比時，會對拓撲的合理性產生懷疑。

在時延域，簇的概率和功率服從疊加有對數正態陰影的指數衰落的分布。在角度域，即仰角和方位角，分布由簇功率的高斯函數包絡。當在同一方向上有多個簇的概率降低時，也就是與試驗數據相反時，這就有點問題。在基線模型中每個簇包含20個多徑分量。這些分量以簇為單位有固定時延，除了兩個最強簇被細分為三個有固定時延的子簇。每個簇中的全部20個子徑有固定的功率，并且有列表分布來提供角度上的拉普拉斯功率分布。圖3-37給出了NLoS 60 GHz室內辦公場景（與3.3.4.1節的場景相同）下，方位角和傳播距離的多徑分量分布。圖中包括超高分辨率測量數據[14, 26]和相應的3GPP模型實現。測量在辦公室環境下進行，使用50 cm寬、12.5 cm高的平面陣列，2 GHz帶寬，在方向上提供超高分辨率。很明顯測量分布并沒有顯示出時延較長的簇偏離主方向的影響。當使用窄波束天線時該模型特性可能導致時延擴展不真實地減少。

圖3-37　60 GHz NLoS辦公室內場景下多徑分量方位角和傳播距離的分布

很明顯每個簇使用20個具有固定時延子徑的基線模型所合成的輸出與高分辨率測量不能很好地匹配。如圖3-38所示，當考慮到多徑分量的功率有序分布時這一影響更為明顯。在測量中MPC的功率隨功率排序的數目增加而大幅衰減。在MPC數量為20時，測量的功率低于最大功率7 ～15 dB，而3GPP基線模型沒有相應的衰減。這會有問題，但當擴展到大的陣列或者每個MPC使用極窄波束時，問題可以得到解決。相應的空間復用性能，例如干擾抑制或者MIMO容量，將會不真實地好，如參考文獻[29，20]中信道建模章節所述。出于這個原因，3GPP為非常大的天線陣列或大帶寬提供了多徑分量可選建模方案。簇的分布保持與基線模型相同。然而在每個簇中，存在大量的MPC。其中角度和時延是均勻分布的。在角度上使用拉普拉斯函數并且在時延上使用指數函數對分量的功率進行加權。該可選方案的結果如圖3-37和圖3-38所示。可以明顯地看出高分辨率可選方案的MPC功率分布更符合實際。而且在簇中的角度和時延分布也更符合實際。

在3GPP模型中顯示了多數場景下方向性和時延擴展的頻率強依賴性降低。這一隨頻率變化的趨勢并沒有在3.3.4節和3.3.5節的測量中確認。對觀察到的趨勢的解釋可能是，3.3.2.3節所描述的所有確保不同頻段之間可比性的要求，在測量時不能總是得到滿足，而測量是3GPP模型的基礎。如3.3.4.4節所指出，mmMAGIC所做的非常徹底的分析表明，時延擴展沒有隨頻率變化的趨勢或者僅有非常弱的變化。

圖3-38　60 GHz NLoS辦公室內場景下功率排序的多徑分量分布，包括3GPP基線模型和高分辨率可選模型以及3個測量位置上的相應分布

3.4.1.3　空間一致性

為了在移動性的情況下提供真實的模型輸出，即當UE移動時或者在MU-MIMO場景下，使用公式（3-30）來修正信道實現的空間分布。對于基線模型，僅修正簇間參數。然而，對于高分辨率可選模型，簇內的參數也要修正。相關距離范圍為10～50 m，取決于參數和場景。該方法確實使得信道隨UE的移動而連續變化。然而不能確保變化反應實際情況，如在多普勒和生滅過程中。例如對于室外用戶，信道狀態可能是平穩的，直到用戶移動到街道十字路口拐角附近。對于室內用戶，當從一個房間移動到另一個房間時，可能有同樣的影響。這可能對基于動態無線信道的波束跟蹤技術的優化產生重要影響。出于這個原因，下一節將用阻擋模型提供一個更實際的基于幾何的選項。

5G

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。