无线信道建模技术在5G场景下的分析与应用

来源:用户上传      作者:

　　【摘  要】通过对5G场景下的无线信道建模技术进行分析，给出了不同场景的信道特性和建模方法，并阐述了该技术在理论研究、仿真分析和实际测试中的具体应用方式，为无线信道建模技术在5G中的应用提供参考。
　　【关键词】 5G;无线信道建模技术;信道建模应用
　　doi：10.3969/j.issn.1006-1010.2020.04.004      中图分类号：TN929.5
　　文献标志码：A      文章编号：1006-1010（2020）04-0019-05
　　引用格式：魏贵明，刘晓龙，张翔. 无线信道建模技术在5G场景下的分析与应用[J]. 移动通信， 2020，44（4）： 19-23.
　　Analysis and Application of Wireless Channel Modeling Technology in 5G Scenarios
　　WEI Guiming， LIU Xiaolong， ZHANG Xiang
　　（China Academy of Information and Communication Technology， Beijing 100191， China）
　　[Abstract] By analyzing the wireless channel modeling techniques in 5G scenarios， this paper provides the channel characteristics and modeling methods in different scenarios， and describes the specific applications of the technology in theoretical research， simulation analysis， and actual test. It provides a reference for the application of wireless channel modeling technology in 5G.
　　[Key words] 5G; wireless channel modeling technology; channel modeling application
　　0   引言
　　随着中国企业在世界范围内对5G无线通信市场的占有率逐渐增大，中国在无线通信系统的基础设施建设力上已经走在了世界的前列。通信系统的三大要素包括信源、无线信道、信宿。无线信道指的是在无线通信传输过程中所需的传输媒介，它会直接影响信源到信宿间各个通信指标的性能。因此，为了在不同的无线环境的传输特性下推动新技术的开发，人们对无线信道环境特性的探索从未停止。商用的5G移动通信系统需具备支持大带宽（eMBB）、海量用户连接（mMTC）、低时延高可靠（URLLC）的传输能力。通过对5G不同的应用场景进行研究，无线信道应具备支持多频点，大带宽，多实用场景，空时频均满足一致性，支持大规模多输入多输出，支持高移动性等重要特性。
　　通过详细调研发现：虽然现有的指南和综述类文章对无线信道某一个关键场景下的测量和建模技术都有很详细的归纳和分析，但是从对5G典型场景的无线信道建模技术方法的分析入手，并说明该建模技术的主要实际应用方向的综述文章却很少。因此，本文的主要贡献如下：
　　（1）作者将尽自己最大的努力对5G无线通信各关键场景下的无线信道建模技术进行归纳总结，经分析得出该场景下信道模型的主要特点，给出基本方法和建模注意事项。
　　（2）通过介绍无线信道建模技术的重点应用方向，为无线信道建模技术在5G无线通信产业推进过程中提供有效的着力点。
　　1   国内外信道建模技术综述
　　在无线信道研究中，世界上众多研究团队都做出了很大的努力。西南交通大学和山东大学团队针对5G的几个主要应用场景，如Massive MIMO、V2V、高速列车（HST）等，对已有的无线信道建模进行了总结，并为信道建模提供了新研究方向[1]。关于Massive MIMO无线信道，北京邮电大学联合同济大学，对当前的主要信道建模方法进行了详细总结和分析[2]。针对毫米波（mmWave）技术场景，纽约大学团队则针对mmWave系统通过滑动相关信道探测仪在多个频段进行了对基于定向天线收发机的信道测量，并对测量结果进行总结，给出了大尺度衰落和波束叠加的建模方法[3]。针对车辆到车辆（V2V）场景，南加州大学对已有的V2V无线传输信道进行了总体回顾，并针对信道色散和时变特性，分析了信道冲击响应（CIR）和信道传递函数（CTF）。针对多天线系统和信道的不稳定性，分析了抽头时延线（TDL）模型和基于几何随机信道（GBSM）模型[4]。针对高速列车（HST）场景，赫瑞-瓦特大学、北京交通大学、山东大学、西南交通大學联合团队对已有的信道测量进行了总结，并讨论了现有的信道建模技术，并给出了关于HST场景下信道测量和建模的主要挑战[5]。北京交通大学团队总结了现有的国内外信道测量结果，通过分析测量后的信道特点，研究了通过信道建模方式还原HST的相关问题，并提出了未来的研究方向[6]。针对工业互联网（IIOT）场景，北京交通大学团队详细介绍并分析了工业互联网的信道特性，给出了主要调整频段建议和信道建模建议，并为IIOT的建模提供了有效参数[7]。
　　2   5G关键场景下的无线信道模型分析
　　5G应用场景中的增强移动大带宽（eMBB）场景引入了Massive MIMO技术，会对信道的特性造成很大影响;海量机器类型通信（mMTC）场景的信道研究集中于车联网（V2X）和工业物联网（IIOT）;此外，高速移动交通工具，如高速移动（HST）场景根据实际的应用业务，依然需要被高度关注。 　　2.1  大规模天线场景无线信道建模
　　Massive MIMO技术的天线面板的设计会直接影响基站整体的天线方向图效果，因此，在信道建模中需要体现多阵子之间天线增益的矢量合并。现有模型大都基于平面波原理进行合并。如果信道模型中散射体距离基站的位置小于瑞利距离，则必须根据球面波的原理进行阵子天线方向增益的合并，合并过程需要考虑阵列的波前导线向量[8]。
　　值得注意的是，Massive MIMO无线信道会出现阵列不稳定（Array non-stationarity）特性。这种现象的产生原因为，随着天线面板变大，每个天线阵子所能“看见”的簇其实是不同的。不同的簇对于不同的天线就出现了所谓的“生灭”现象[9]。通过视觉区域（VR）对各个天线的簇集合进行划分的信道模型（如COST 2100模型[10]）是从天线的角度来建模信道不平稳过程。相反，基于概率论的随机过程对该现象进行建模的模型（如一般化的5G信道模型[11]）则是通过每个簇对于天线的“生灭”状态的角度进行模拟。
　　对于mmWave下的Massive MIMO技术，考虑到此状态下无线信道对于时延和角度的识别率提升了，在进行建模时，功率时延分布（PDP）会出现双峰指数衰落现象，Saleh-Valenzuela（SV）模型就是对这种现象的典型描述[12]。此外，为了进一步提升信道多径分辨率，每个簇中的径数也应该遵循一定的随机过程，如经典的泊松分布，或是根据信道测量情况进行指定。
　　2.2  高速列车场景下的无线信道模型
　　由于过快的移动速度，HST的无线信道往往具备不稳定（non-stationarity），高多普勒频偏，LOS概率高，以及不同覆盖区域间的快速切换等特点。在高性能的计算平台下，对HST场景进行RT无线信道仿真是实现信道建模的有效方法。不过从资源的消耗角度来看，基于随机无线信道建模技术仍然拥有很大的优势，在采用随机性信道建模技术时，需要根据HST场景特点，对基于随机的建模技术做适当的修正。
　　HST下的无线信道模型具有不稳定特性，只有在稳定区间内，信道系数才是平稳随机过程[6]。因此，在无线信道测量时，通常需要在一个准平稳区间内完成。关于准平稳空间的确认是HST无线信道建模需要考虑的主要问题之一，现有成果通过平均功率时延分布（APDP）或相关矩阵距离作为度量，可以确定以距离为单位的HST信道的准平稳区间[13-14]。如果是基于非几何的信道建模技术，需注意不同准平稳区间的信道系数是非平稳的随机过程。如果是基于几何的信道建模技术，散射体的位置特性在不同平稳区间内不同，并留意关于其它随机过程部分的不平稳特性。
　　考虑到HST的主要应用场景大多在开阔地，信道出现LOS径的概率很高，因此，多普勒谱大部分能量均集中在LOS径上[6]。HST下的无线信道模型有着较大的多普勒频移，结合覆盖区域的快速切换特性，根据入射角度的定义，多普勒的时变特性应该出现连续爬坡或连续下降的趋势。因此，建模时需根据实际列车和基站的几何位置动态调整入射角度来添加多普勒频偏项。同样地，信道多径时延也会随高铁和基站之间距离的快速变化而产生变化，需要对时延进行合理建模。
　　2.3  物联网场景下的无线信道建模
　　物联网的主要应用场景集中在室外的V2V场景和室内的工业物联网（IIOT）场景。针对V2V无线信道建模，同样需要确认平稳区间，在平稳区间内，信道系数才满足平稳的随机过程。可以通过模拟“生灭”现象的随机过程来实现非平稳特性，如改进后的抽头时延线（TDL）模型[15]。另外，由于收发两车都具备移动性，对双向移动性进行合理建模更能满足真实无线信道传播特征。对于基于几何的随机性建模技术而言，需要同时考虑收发两台车辆的移动轨迹，对时变的PDP和多普勒频偏进行模拟[16]。此外，随着车辆间距的变换，最终可能导致LOS到NLOS信道模型的切换。对于IIOT的室内环境，各部分遮挡物的穿透损耗需要合理进行模拟，簇时延线（CDL）模型分别给出了基于随机和几何的遮挡模拟方法[17]。此外，需要注意模拟收发机之间的特定移动方式，如周期性重复或随机方向移动，合理地模拟多普勒频偏。
　　3   5G无线信道模型应用
　　对无线信道建模技术的研究源于对实际应用的需求，针对理论研究、系统仿真和实测模拟三个主要应用方向进行阐述，为5G无线建模技术寻找有效的应用场景。
　　3.1  无线技术的理论研究
　　通过无线信道模型技术，可以明确5G技术在不同无线信道环境下的理论极限和性能，为网络实施部署做指导。无线信道建模是通信系统理论模型中的重要环节，而确定无线信道增益的统计特性是分析此类问题的基础。考虑到5G不同场景的差异性，单输入单输出（SISO）无线信道的增益分步可能满足Rayleigh分布、Rice分布、Nakagami分布以及Weibull分布[1]。根据信道增益的分布可知实际信号接收信干噪比（SNR）的概率统计特性，能得出在接收端已知信道状态信息（CSI）情况下，SISO信道在衰落信道下的容量[18]。同样地，对于MIMO链路而言，假设每个信道元素的小尺度衰落为独立同分布的循环对称复高斯随机变量，最终在接收端已知CSI的情况下可以得出MIMO链路的信道容量[19]。针对不同的5G场景确定信道统计特性，可以研究5G关键技术性能，如研究大规模MIMO多用户的预编码性能，多小区、多用户系统级信道容量及资源分配策略等。
　　3.2  多場景系统仿真应用
　　相比于理论研究中的5G通信系统模型，5G仿真系统更能在网络实施部署之前真实地反映5G通信网络的性能。ITU组织于2017年12月正式发布了《IMT-2020空口技术评估指南》，描述了对5G新空口技术的自评估指南和指标，其中用户体验速率、5%用户频谱效率、平均频谱效率、连接密度、可靠性和移动性指标都需要借助系统仿真来完成[20]。指南中除了基本的评估方法、评估指标、评估指标的计算方法以及必要的系统参数之外，大部分的篇幅都对如何进行5G各个场景的3D信道建模进行了详细的描述，其中包括了如何建立大尺度模型和小尺度模型的全部过程。在这之后，3GPP组织根据评估指南，同样对研究报告中的信道建模方法进行了修正[17]。基于上述的无线信道建模研究成果，ITU组织的自评估结果为5G技术的网络部署和技术演进提供了有效期望指标。由此可见，如何准确模拟无线信道空间传播特性是能够完成系统仿真的关键，它决定着评估指标结果最终能否应用于所对应的特定环境。 　　3.3  多场景实测应用
　　对5G无线产品进行性能测试是无线建模技术的重要应用方向。在此过程中，无线信道建模技术的主要作用是生成真实无线信道环境的信道数据，并最终通过信道模拟系统进行实现。信道模拟指的是通过专业的设备和合理的系统设计，将数据化的无线信道进行实现的过程。信道实现的方法主要分为基于传导（Conduction-based）测试方法和空口（OTA）测量方法。传导测试法直接借助导线和信道模拟仪器实现信道模拟，OTA测试法需要设计合理的硬件测试系统用来实现部分或全部信道模拟。OTA测试方法又分为基于暗室的OTA测试法、基于屏蔽室的OTA测试方法和基于混响室的OTA测试法。关于上述测试方法的性能优缺点，已有文章对此做出了详细总结[21]。
　　4   结束语
　　针对5G场景的不同技术类型，对无线信道建模技术进行了分类总结，通过分析模型特点给出了各场景下的建模注意事项。随后，给出无线信道建模技术在5G通信中的应用方向和整体实现方法，为推动5G实施部署做出努力。随着5G的不断发展和演进，通信系统又将迎来新的时代。分析未来6G场景无线信道的特点，研究6G无线信道建模技術将会是后续主要的研究方向。
　　参考文献：
　　[1]      WANG C X， BIAN J， SUN J， et al. A survey of 5G channel measurements and models[J]. IEEE Communications Surveys & Tutorials， 2018，20（4）： 3142-3168.
　　[2]    ZHENG K， OU S， YIN X. Massive MIMO channel models： A survey[Z]. International Journal of Antennas and Propagation， 2014.
　　[3]    RAPPAPORT T S， MACCARTNEY G R， SAMIMI M K， et al. Wideband millimeter-wave propagation measurements and channel models for future wireless communication system design[J]. IEEE Transactions on Communications， 2015，63（9）： 3029-3056.
　　[4]    MATOLAK D W. Modeling the vehicle-to-vehicle propagation channel： A review[J]. Radio Science， 2014，49（9）： 721-736.
　　[5]   WANG C X， GHAZAL A， AI B， et al. Channel measurements and models for high-speed train communication systems： A survey[J]. IEEE communications surveys & tutorials， 2015，18（2）： 974-987.
　　[6]    刘留，陶成，陈后金，等. 高速铁路无线传播信道测量与建模综述[J]. 通信学报， 2014，35（1）： 115-127.
　　[7]    李一倩，刘留，李慧婷，等. 工业物联网无线信道特性研究[J]. 物联网学报， 2019（4）： 34-47.
　　[8]    李健之. 基于多径簇的三维大规模多天线信道测量与建模研究[D]. 北京： 北京交通大学， 2019.
　　[9]    WU S， WANG C X， ALWAKEEL M M， et al. A non-stationary 3-D wideband twin-cluster model for 5G massive MIMO channels[J]. IEEE Journal on Selected Areas in Communications， 2014，32（6）： 1207-1218.
　　[10]   LIU L， OESTGES C， POUTANEN J， et al. The COST 2100 MIMO channel model[J]. IEEE Wireless Communications， 2012，19（6）： 92-99.
　　[11]   WU S， WANG C X， ALWAKEEL M M， et al. A general 3-D non-stationary 5G wireless channel model[J]. IEEE Transactions on Communications， 2017，66（7）： 3065-3078.
　　[12]   A SALEH， R VALENZUELA. A statistical model for indoor multipath propagation[J]. IEEE Journal on Selected Areas in Communications， 1987，5（2）： 128-137.
　　[13]  BINGHAO C， ZHANGDUI Z， BO A. Stationarity intervals of time-variant channel in high speed railway scenario[J]. China Communications， 2012，9（8）： 64-70. 　　[14]   RENAUDIN O， KOLMONEN V M， VAINIKAINEN P， et al. Non-stationary narrowband MIMO inter-vehicle channel characterization in the 5-GHz band[J]. IEEE Transactions on Vehicular Technology， 2010，59（4）： 2007-2015.
　　[15]  MATOLAK D W， WU Q. Markov models for vehicle-to-vehicle channel multipath persistence processes[C]//Processing 1st IEEE Vehicle Technology Society Wireless Access. 2008： 8-9.
　　[16]   MATOLAK D W. Channel modeling for vehicle-to-vehicle communications[J]. IEEE Communications Magazine， 2008，46（5）： 76-83.
　　[17]   3GPP. 3GPP TR 38.901 V16.1.0： Study on channel model for frequencies form 0.5 to 100 GHz[R]. 2019.
　　[18]  GOLDSMITH A. Wireless communications[M]. UK： Cambridge University Press， 2005.
　　[19]   RUSEK F， PERSSON D， LAU B K， et al. Scaling up MIMO： Opportunities and challenges with very large arrays[J]. IEEE Signal Processing Magazine， 2012，30（1）： 40-60.
　　[20]   ITU. ITU-Report M 2412-0： Guidelines for evaluation of radio interface technologies for IMT-2020[EB/OL]. （2017-12-18）[2020-03-20]. https：∥www.itu.int/pub /R-REP-M.2412-2017.
　　[21]  W FAN， INES CARTON， PEKKA KY?STI， et al. A Step Toward 5G in 2020： Low-cost OTA performance evaluation of massive MIMO base stations[J]. IEEE Antennas and Propagation Magazine， 2017，59（1）： 38-47.★
　　作者簡介
　　魏贵明（orcid.org/0000-0003-2493-8899）：现任中国信息通信研究院技术与标准所无线与移动研究部主任，曾兼任TD-SCDMA专家组办公室主任、TD-LTE工作组办公室主任，长期从事移动通信技术标准、产业组织和发展策略等研究工作。
　　刘晓龙（orcid.org/0000-0002-4986-5916）：博士毕业于北京邮电大学，现任职于中国信息通信研究院技术与标准研究所，主要研究方向为大规模天线技术，全双工无线技术，自适应调制编码技术，无线产品的性能测试与标准化，已在国内外期刊和会议上发表论文10余篇，申请国内外发明专利3项。
　　张翔：博士毕业于北京邮电大学，现任中国信息通信研究院技术与标准研究所主任工程师，主持多项国家科技重大专项科研项目，主要研究方向为大规模天线技术，5G OTA测试方法，基站和终端的射频与性能测试技术，已在国际期刊和会议上发表SCI、EI论文30余篇，申请发明专利20余项。
转载注明来源:https://www.xzbu.com/8/view-15185629.htm