高速移动下U型槽的时变信道建模

廖 勇,胡 异

1.重庆大学 通信与测控中心,重庆 400044; 2.综合业务网理论及关键技术国家重点实验室(西安电子科技大学),西安 710071) (*通信作者电子邮箱liaoy@cqu.edu.cn)

高速移动下U型槽的时变信道建模

廖 勇1,2*,胡 异1

1.重庆大学 通信与测控中心,重庆 400044; 2.综合业务网理论及关键技术国家重点实验室(西安电子科技大学),西安 710071) (*通信作者电子邮箱liaoy@cqu.edu.cn)

随着国内高速铁路建设的迅速发展，在高速铁路上要求移动办公、娱乐的客户需求与日俱增，而现有的蜂窝移动通信以及针对铁路的移动通信铁路全球系统(GSM-R)均不能很好地满足客户对宽带无线通信的服务质量(QoS)需求。高铁在实际的行驶过程中，会经历各种复杂的场景，U型槽是常见的场景，然而目前尚未有充分针对高速移动下U型槽的时变信道建模的研究。针对此问题，提出一种高速移动下U型槽的时变信道建模方法。首先，采用几何随机分布理论，针对高铁典型场景U型槽建立几何分布模型，分析散射体簇的变化规律，推导视距(LOS)分布、时变角度扩展、时变多普勒扩展等参数的表达式，并给出了信道冲击响应的闭式解。其次，分析了信道的时变空时域互相关函数、时变自相关函数以及时变空域多普勒功率谱密度的表达式。最后，对所提模型进行了统计性能的仿真，验证了该模型具有时变性以及较高的相关性，体现了高铁信道的非平稳性，满足高速无线信道的特性。

高速移动;信道模型;U型槽;时变信道;几何随机分布

0 引言

从1998年以来,全球移动通信铁路系统(Global System for Mobile communication-Railway, GSM-R)已广泛地应用于列车通信和控制。然而,GSM-R仅仅只能提供200 Kb/s的数据率[1],主要用于列车控制,而不能为乘客提供宽带通信服务[2]。其后随着蜂窝移动通信的发展,长期演进(Long Term Evolution, LTE)系统的建设和使用,研究人员针对高铁场景提出LTE-R(LTE-Railway)的概念,但是目前还没有形成标准,尚有诸多的技术挑战[3]。另一方面,在高速铁路上要求移动办公、娱乐的客户需求与日俱增。因此,GSM-R和现有的蜂窝移动通信系统均不能满足目前以及未来高铁用户对高速数据传输的需求[4]。故设计一个能够满足宽带数据传输需求的高铁移动通信系统非常紧迫且意义重大。而一个无线通信系统最基础的技术就是信道建模,因此,研究高速移动下的信道建模非常有意义。目前,国内外对高速移动下的信道建模作了大量的研究。文献[5-8]研究了基于光线跟踪法的几何确定性模型(Geometry Based Deterministic Model, GBDM)的高铁传播信道。而在几何随机信道模型中,高铁信道的脉冲响应通过波传播定律来表征。基于有效散射体的位置,几何随机信道模型可以进一步分为规则形状几何随机模型(Regular-Shaped Geometry Based Stochastic Model, RS-GBSM),例如单环[8]、双环和椭圆模型[10-12],还有不规则形状几何随机模型(Irregular-Shaped Geometry Based Stochastic Model, IS-GBSM)[13]。非几何随机模型(Non-Geometrical Stochastic Model, NGSM)通过提供基本概率分布函数,用一种完全随机的方式来表征在一个高铁传输信道的物理参数,不需要假定散射体为任何的基本几何体[14-15]。文献[14]提出了一种基于高铁无线通信的有限状态马尔可夫链的NGSM。基于在高铁高架桥和狭窄通道场景的测量,文献[15]提出了一种有限状态的马尔可夫信道。

以上研究主要针对的是高铁平原场景,而高铁无线通信系统的发射机和接收机由于周围不同的地理环境而遭遇不同的信道条件。高铁环境一般被划分为以下几个主要场景:开阔地、高架桥、U型槽、山区、隧道和车站。综合考虑上述场景独特的设置和其他一些特殊的高铁场景,高铁环境可以进一步划分为12种场景[16]。高铁在行驶途中会穿过一个或多个这些场景。而不同的场景,它们的信道模型差异较大。在实际的高铁运行中,U型槽又是常见的场景,大量出现在地下水丰富、地下水位较高、放坡条件受到限制的区域。目前对于高速移动下U型槽的信道建模的研究较少。文献[17]提出了基于U型槽的抽头延迟线模型和簇延迟线模型,所提的建模方法都是只考虑了大尺度模型,而没有考虑小尺度模型,建模计算复杂度更高。除此之外,现有的高速移动下U型槽的信道建模都是非时变性的,而实际的信道是具有时变性和非平稳性的[12],因此,研究高速移动下U型槽的时变信道建模及其对高铁移动通信的影响,可以丰富该领域的研究成果。

1 高铁移动通信系统模型

本文考虑高铁移动车厢终端(Mobile Carriage Terminal, MCT)与铁路沿线的分布式远端天线单元(Remote Antenna Unit, RAU)之间的多输入多输出(Multiple Input Multiple Output, MIMO)通信系统,以达到提高车厢内固定座位终端用户的语音和数据通信性能的目标。如图1所示,车内用户与基站之间的通信采用双层结构,分别由两部分组成:一部分为车地通信,即道旁的分布式MIMO中央控制基站(Central Control Station, CCS)和在其覆盖区内高速行驶的高铁车载MCT之间的车地通信,列车位于U型槽内,两侧的障碍物高于列车顶部;另一部分为车内通信,即高铁每节车厢顶部的车载MCT和车厢内WiFi接入点(Access Point, AP)之间的通信，以及WiFi AP与固定座位用户通信。MCT作为车地通信和车内通信的关键中间节点,车内用户的服务质量(Quality of Service, QoS)需要通过MCT保障,而MCT的QoS受限于车地通信的质量。本文主要研究其中的车地通信。

高速移动切换下分布式MIMO通信系统模型如图2所示,阴影部分为相邻RAU的重叠覆盖区,高铁在此重叠区域内将同时与两个相邻RAU进行通信,由于高铁速度非常快,其将在非常短的时间内完成小区切换。每个CCS管理有M个RAU,并且在同一个CCS内,所有的RAU都工作在相同的频率,即MCT在同一个CCS内的两个相邻RAU发生切换时,工作频率不会发生变化,这将大大减小系统的射频开销,同时相邻MIMO RAU对MCT进行信号的复用和分集,显然,在两个CCS间相邻的两个RAU之间进行小区切换时,将考虑频率切换问题。RAU均匀分布在高铁沿线,每个RAU上有NT根天线,RAU和CCS通过光载无线电(Radio over Fiber, RoF)进行连接。高铁有S节车厢,每节车厢顶部安装有1个MCT,每个MCT有NR根天线。MCT通过RoF与车厢内的WiFi AP连接。分布式MIMO CCS和高铁MCT构成车地通信,MCT和WiFi AP以及WiFi AP和固定座位用户之间构成车内通信。

图1 高速移动切换下分布式MIMO系统网络架构

图2 高速移动切换下分布式MIMO通信系统模型

2 高速移动下U型槽的时变信道模型

2.1 U型槽场景

U型槽是在高铁无线通信中一个常见的场景。它代表了一种环境,高铁通过U形地理狭窄通道的表面。U型槽场景被广泛应用于高铁建设,确保铁路的光滑以及在通过山地时帮助火车达到高速。在这种场景下,无线电传播的波形会由于两边陡峭的墙壁而受到严重的影响。

有研究表明U型槽两边陡峭的墙壁反射体较多,故U型槽具有反射环境丰富、多径数量多等特点[17]。同时,它还有较强的直射径,因此,该场景是一种强视距的场景。由于上述特点,U型槽场景的无线信道就具有非平稳性、较高的相关性以及较明显的多普勒效应。因为U型槽场景与高铁其他场景不同,所以高铁中其他场景的信道模型并不完全适合U型槽。为此,基于U型槽的特点,本文对高速移动下的U型槽场景进行了信道建模。

2.2 U型槽时变信道建模

为便于高速信道建模,将实际的U型槽场景下高铁沿线的基于MIMO的RAU与车载MCT之间的车地通信场景抽象为一个几何模型,具体建模过程如下。

图3 U型槽下在椭圆上带有局部散射体的NT×NR MIMO信道的几何学椭圆时变散射模型

图3中各个参数表示的具体含义如表1所示。

表1 高速移动下U型槽几何学椭圆时变散射模型的主要参数

(1)

2πλ0f(t)))

(2)

非视距(Non Line of Sight, NLOS)的CIR可表示为:

(3)

散射分量可表示为：

k0Dn1q(t)))

(4)

k0Dn1q(t)))×En2qexp(j(θn2q-kn2q·rR-

k0Dn2q(t)))

(5)

kn1q·rR-k0Dn1q(t)))×En2qexp(j(θn2q-

kn2q·rR-k0Dn2q(t)))×En3qexp(j(θn3q-

kn3q·rR-k0Dn3q(t)))

(6)

kn1q·rR-k0Dn1q(t)))×…×

Enpqexp(j(θnpq-knpq·rR-k0Dnpq(t)))

(7)

(8)

(9)

(10)

(11)

(12)

其中:

(13)

(14)

将式(8)～(10)代入式(7),联立式(11)～(14)得到高速环境下从RAU第l根天线到MCT第k根天线时变信道模型的复数信道增益为:

exp(j(2πfn(t)t+θn+θ0))

(15)

其中：

(16)

(17)

其中:

(18)

(19)

其中：κ0为椭圆离心率的倒数,即κ0=1/e=a(t)/f(t)。

(20)

其中:

至此,完整地建模得到了高速移动下U型槽场景下的MIMO时变信道模型,如式(1)所示,分别包含LOS和NLOS的CIR表达式。

图4 高铁U形槽信道模型中的时变角度参数

综上,高铁U型槽信道模型构建的步骤如下:

1)设定高铁场景为U型槽场景,U型槽壁有无数的散射体簇,以远端天线单元和高铁移动车厢终端分别作为椭圆的焦点建立一个椭圆的几何模型。

2)根据步骤1)获取当前时刻该场景下的距离、天线等参数。

3)由步骤2)得到当前时刻从RAU第l根天线到MCT第k根天线的CIR的视距分量。

4)由步骤2)得到当前时刻从RAU第l根天线到MCT第k根天线的复数信道增益。

5)由步骤4)得到当前时刻从RAU第l根天线到MCT第k根天线的CIR的非视距分量。

6)结合步骤3)和步骤5)得到当前时刻从RAU第l根天线到MCT第k根天线的CIR。

7)经过Δt时间以后,若达到运行的时间,则步骤6)得到的CIR即为从RAU第l根天线到MCT第k根天线的时变CIR,若没有达到运行时间,则再回到步骤2)。

3 信道统计性能及仿真结果分析

3.1 统计性能

首先,将介绍应用于高速移动下U型槽时变信道模型的统计性能,并给出各统计性能的数学表达式。

3.1.1 时变空时域互相关函数

时变空时域互相关函数由MIMO高铁信道的两个任意的CIR之间的相关函数决定[12]。因为在高速移动下U型槽场景的时变信道模型的角度参数和发射机与接收机之间的距离是时变的,故时变空时域互相关函数与时间和天线间的距离有关。时变空时域互相关函数的表达式如下:

(22)

3.1.2 时变自相关函数

时变自相关函数是由MIMO高铁信道的任意CIR的自相关函数决定[12]。因为在高速移动下U型槽场景的时变信道模型是具有不稳定性的,故时变自相关函数不仅与时间差Δt相关,还与时间t相关。令时变空时域互相关函数的ΔδT与ΔδR为0,即可得到时变自相关函数,具体表达式如下：

(23)

3.1.3 时变空域多普勒功率谱密度

时变空域多普勒功率密度描述了高速移动下的信道频率色散参数,是由移动台与基站间的相对运动或是信道中物体运动所引起的[12]。因为在高速移动下,运动速度特别大,多普勒效应比较明显,故在仿真高速移动下U型槽场景的时变信道模型时,需要考虑时变空域多普勒功率谱密度。具体表达式如下：

W(t,ν,ΔδT,ΔδR)=

其中:t为时间；Δt为时间差；ν为多普勒频移;ΔδT为发射端天线间的距离;ΔδR为接收端天线间的距离。由式(22)可知，时变空域多普勒功率谱密度是由时变空时域互相关函数进行傅里叶变换得到的。

3.2 仿真结果及其分析

为验证本文所提信道模型的合理性,结合第2章所述的MIMO系统模型进行了验证。系统模型场景如图5所示。

图5 U型槽场景下的系统模型

列车位于U型槽内,在U型槽壁有无穷多散射体簇,但在仿真中不可能做到无穷多的散射体簇,故假设散射体簇的数目为50。该系统模型的主要仿真参数如表2所示。

表2 高速移动下U型槽时变信道模型的主要仿真参数

3.2.1 时变空时域互相关函数

图6 高速移动下U型槽时变信道模型含有视距分量的时变空时域互相关函数

图7 高速移动下U型槽时变信道模型不含视距分量的时变空时域互相关函数

从图6～7可看出，高速移动下U型槽时变信道模型在含有视距分量时的时变空时域互相关函数的值高于没有视距分量时的时变空时域互相关函数。这是因为加入视距分量后,信道的相关性增强,相关的性能下降。因此,从图6～7可以看出,本文所提的信道模型是具有较高的相关性。

3.2.2 时变自相关函数

通过将δT和δR设置为0,从时变空时域互相关函数可以得到时变自相关函数,如图8所示。

图8 高速移动下U型槽时变信道模型的时变角度参数归一化的自相关函数

从图8可看出，高速移动下U型槽时变信道模型的归一化自相关函数具有时变性,而且自相关性也较高。首先,因为加入了LOS分量,信道的相关性会大幅提高；其次,高速移动下U型槽时变信道模型是具有时变性的,天线参数和发射端与接收端的距离也是时变参数,故自相关函数随时间变化；并且由于高铁信道具有非平稳性,自相关函数不仅与时间差Δt有关,还与时间t相关。从图9可以看出,影响信道模型时变性的主要因素是角度参数,若角度参数是非时变的,则得到的自相关函数也是非时变的。图8～9的结果验证了本文模型具有时变性以及高铁信道的非平稳性。

图9 高速移动下U型槽时变信道模型的非时变角度参数的归一化的自相关函数

3.2.3 时变空域多普勒功率谱密度

将时变空时域互相关函数进行傅里叶变换,即可得到时变空域多普勒功率谱密度,得到的仿真结果如图10所示。

从图10可看出，高速移动下U型槽时变信道模型的时变空域多普勒功率谱密度呈U型,也称之为典型U型谱。多普勒频移是关于入射角的函数,且关于入射角具有对称性。入射角变化时,频率域会从fc变化到fc±fmax,多普勒功率随着频率变化而变化,因此时变空域多普勒功率谱密度呈U型。图11显示了在不同时刻的高速移动场景下，U型槽时变信道模型下的时变空域多普勒功率谱密度,因为本文所提的信道模型具有时变性,所得的空域多普勒功率谱密度也具有时变性,所以不同时刻下的多普勒功率谱密度函数也不同,进一步验证了本文所提的信道模型具有时变性。

图10 高速移动下U型槽时变信道模型的时变空域多普勒功率谱密度

图11 不同时刻的高速移动下U型槽时变信道模型的时变空域多普勒功率谱密度

3.3 统计性能开销

本文通过计算不同统计性能的复杂度来分析统计性能开销。从表3中本文所应用的不同统计性能的复杂度可以看出：时变自相关函数和时变空域多普勒功率谱密度的复杂度位于同一复杂度级别,而时变空时域互相关函数更加复杂。这是因为它们都是基于CIR来计算的,时变自相关函数和时变空域多普勒功率谱密度的循环次数仅与散射体簇的数目相关,而时变空时域互相关函数的循环次数不仅与散射体簇的数目相关,还与接收端和发射端天线数相关。此外,本文也对比了以上三种统计性能进行完整运算的运行时间情况。仿真工具为Matlab 2014,主机配置为2.6 GHz奔腾E5300 CPU,内存2 GB,Windows 7.1操作系统,仿真结果见表3。可以看到,时变空时域自相关函数的运行总时间略长于其他两种统计性能的运行总时间,这是因为计算时变自相关函数和时变空域多普勒功率谱密度基于同一发射天线和接收天线,而时变空时域互相关函数基于不同发射天线与接收天线,计算更复杂,这也与复杂度分析一致。

表3 不同统计性能的对比

4 结语

本文提出了一种高速移动下U型槽的时变信道模型,采用几何随机分布理论以及波传播定律,针对高铁典型场景U型槽建立出具体的几何分布模型,分析散射体的变化规律,推导视距分布、非视距分布、时变角度、时变多普勒扩展等参数的数学闭合表达式,并给出了信道冲击响应的闭式解。仿真结果表明,本文所提的信道模型具有时变性和较高的相关性,体现了高铁信道的非平稳性，满足高速移动场景下无线信道的特性,验证了所提的信道模型的合理性。

References)

[1] GOLLER M. Application of GSM in high speed trains: measurements and simulations[C]// Proceedings of the 1995 IEE Colloquium on Radiocommunications in Transportation. Piscataway, NJ: IEEE, 1995: 1-7.

[2] BRISO C, CORTES C, ARQUES F J, et al. Requirements of GSM technology for the control of high speed trains[C]// Proceedings of the 13th IEEE International Symposium on Personal, Indoor and Mobile Radio Communications. Piscataway, NJ: IEEE, 2002: 792-793.

[3] GUAN K, ZHONG Z, AI B. Assessment of LTE-R using high speed railway channel model[C]// Proceedings of the 2011 Third International Conference on Communications and Mobile Computing. Piscataway, NJ: IEEE, 2011: 461-464.

[4] KASTELL K, BUG S, NAZAROV A, et al. Improvements in railway communication via GSM-R[C]// Proceedings of the IEEE 63rd Vehicular Technology Conference. Piscataway, NJ: IEEE, 2006: 3026-3030.

[5] KNORZER S, BALDAUF M A, FUGEN T, et al. Channel analysis for an OFDM-MISO train communications system using different antennas[C]// Proceedings of the 2007 IEEE 66th Vehicular Technology Conference. Piscataway, NJ: IEEE, 2007: 809-813.

[6] GUAN K, ZHONG Z, AI B, KURNER T. Deterministic propagation modeling for the realistic high-speed railway environment[C]// Proceedings of the 2013 IEEE 77th Vehicular Technology Conference. Piscataway, NJ: IEEE, 2013: 1-5.

[7] CICHON D J, BECKER T C, WIESBECK W. Determination of time-variant radio links in high-speed train tunnels by ray optical modeling[C]// Proceedings of the 1995 Antennas and Propagation Society International Symposium. Piscataway, NJ: IEEE, 1995, 1: 508-511.

[8] CICHON D J, ZWICK T, WIESBECK W. Ray optical modeling of wireless communications in high-speed railway tunnels[C]// Proceedings of the IEEE 46th Vehicular Technology Conference, Mobile Technology for the Human Race. Piscataway, NJ: IEEE, 1996, 1: 546-550.

[9] ZHENG Q, XU C, WU M. A novel MIMO channel model for high speed railway system[C]// Proceedings of the IEEE 14th International Conference on Communication Technology. Piscataway, NJ: IEEE, 2012: 31-35.

[10] GHAZAL A, WANG C, HAAS H, et al. A non-stationary MIMO channel model for high speed train communication systems[C]// Proceedings of the IEEE 75th Vehicular Technology Conference. Piscataway, NJ: IEEE, 2012: 1-5.

[11] GHAZAL A, WANG C, HAAS H, et al. A non-stationary geometry-based stochastic model for MIMO high-speed train channels[C]// Proceedings of the IEEE 12th International Conference on ITS Telecommunications. Piscataway, NJ: IEEE, 2012: 7-11.

[12] GHAZAL A, WANG C, AI B, et al. A nonstationary wideband MIMO channel model for high-mobility intelligent transportation systems [J]. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(2): 885-897.

[13] CHEN B, ZHONG Z. Geometry-based stochastic modeling for MIMO channel in high-speed mobile scenario[J]. International Journal of Antennas amp; Propagation, 2012,2012: Article ID 184682.

[14] LIN S, ZHONG Z, CAI L, et al. Finite state Markov modelling for high speed railway wireless communication channel[C]// Proceedings of the 2012 IEEE Global Communications Conference. Piscataway, NJ: IEEE, 2012: 5421-5426.

[15] XUAN L, CHAO S, AI B, et al. Finite-state Markov modeling of fading channels: a field measurement in high-speed railways[C]// Proceedings of the 2013 IEEE/CIC International Conference on Communications in China. Piscataway, NJ: IEEE, 2013: 577-582.

[16] AI B, HE R, ZHONG Z, et al. Radio wave propagation scene partitioning for high-speed rails[J]. International Journal of Antennas amp; Propagation, 2012(2012), Article ID 815232.

[17] 邱佳慧, 陶成, 刘留, 等. U型槽无线信道多径传播特性测量与建模方法的研究[J]. 铁道学报, 2014, 36(1): 40-48. (QIU J H, TAO C, LIU L, et al. Research on measurement and modeling of wireless channel multipath propagation properties for U-shape cutting[J]. Journal of the China Railway Society, 2014, 36(1): 40-48.)

High-speedmobiletime-varyingchannelmodelingunderU-shapedgroove

LIAO Yong1,2*, HU Yi1

(1.CenterofCommunicationandTTamp;C,ChongqingUniversity,Chongqing400044,China;2.StateKeyLaboratoryofIntegratedServicesNetworks(XidianUniversity),Xi’anShaanxi710071,China)

With the rapid development of the domestic high-speed railway construction, customer demand for mobile office and entertainment on high-speed railway is growing rapidly. While both of the existing cellular mobile communication and proprietary communication network for Global System for Mobile communication-Railway (GSM-R) cannot satisfy customer demand for Quality of Service (QoS) of broadband wireless communication. High-speed railway will experience all kinds of complex scenarios during the actual driving, and U-shaped groove scene is a common one. However, there is not a full research on time-varying channel modeling of the U-shaped groove scenario under high-speed mobile environment. Therefore, a U-shaped groove time-varying channel modeling method under high-speed mobile environment was proposed and simulated. Firstly, the geometric random distribution theory was used to established geometric distribution model for high-speed railway scenario under U-shaped groove, and the change law of scatterers was analyzed. Besides, the parameters’ closed mathematical expressions such as line-of-sight distribution, time-varying angle spread, time-varying Doppler spread were deduced, and the closed solution of the channel impulse response was given. Secondly, the time-variant space-time cross-correlation function, time-variant auto-correlation function and time-variant space-Doppler power spectrum density were analyzed. Finally, the simulations of statistical performance were carried out to verify the proposed model. The simulation results show that the proposed model has the properties of time-varying and high correlation, which verifies the non-stationary of high-speed wireless channel and satisfies the characteristics of high-speed wireless channel.

high-speed mobility; channel model; U-shaped groove; time-varying channel; geometric random distribution

2017- 04- 12;

2017- 06- 02。

国家自然科学基金资助项目(61501066,61571069);重庆市基础与前沿研究计划项目(cstc2015jcyjA40003);中央高校基本科研业务费专项资金资助项目(106112017CDJXY500001,106112017CDJQJ168817);西安电子科技大学综合业务网理论及关键技术国家重点实验室开放基金资助项目(ISN16-03)。

廖勇(1982—),男,四川自贡人,副研究员,博士,CCF高级会员,主要研究方向:高速移动通信、飞行器测控与通信; 胡异(1994—),女,重庆人,硕士研究生,主要研究方向:高速移动通信中的信道模型及其建模方法。

1001- 9081(2017)10- 2735- 07

10.11772/j.issn.1001- 9081.2017.10.2735

TN929.5

A

This work is partially supported by the National Natural Science Foundation of China (61501066, 61571069), the Chongqing Frontier and Applied Basic Research Project (cstc2015jcyjA40003), the Fundamental Research Funds for the Central Universities (106112017CDJXY500001, 106112017CDJQJ168817), the Open Fund of the State Key Laboratory of Integrated Services Networks (ISN16-03).

LIAOYong, born in 1982, Ph. D., associate professor. His research interests include high-speed mobile communication, aerocraft tracking, telemetry amp; command and communication.

HUYi, born in 1994, M. S. candidate. Her research interests include channel model and its modeling methods of high-speed mobile communication.