基于改进SPM的海上NB-IoT覆盖研究

胡正，陈褒丹，任佳，樊雨沛，汪炼

（1. 海南大学信息科学技术学院，海南 海口 570228；2. 勃艮第大学LE2I实验室，法国 第戎 21078）

1 引言

随着通过琼州海峡的大型船只数量逐年增多，随之而来的船舶污染日益严重，因此急需一种智能化的船舶监管手段，提高对船舶的监管效率。

使用电信运营商网络来实现船舶的联网[1-2]是海上船联网覆盖最有效的方法。但长期演进（LTE,long term evolution）网络存在基站覆盖范围小、设备和终端成本高、可用频谱资源紧缺等问题，限制了海上船联网的发展[3]。2016年6月，窄带物联网（NB-IoT, narrowband Internet of things）标准得到了RAN全会通过，代表着无线通信产业核心协议的完成，该标准得到了无线通信行业内的大力支持。NB-IoT网络以上行传输为主，系统带宽只有200 kHz，主要用于物联网终端的信息检测和上传，很好地解决了目前频谱资源不足的问题。利用NB-IoT部署船联网系统将具备广覆盖、广连接、时延敏感度低、设备功耗小、模块成本低等优点[4-5]。琼州海峡船联网监管的要求是网络覆盖范围大，主要监控船舶方位、航线、航速、污水排放、压载水等数据，传输数据量小，对网络时延、网速要求很低，非常适合建设NB-IoT网络。

针对 NB-IoT网络的覆盖问题，文献[6]对NB-IoT的技术特点和性能进行了综述，并对NB-IoT和2G、MTC/eMTC、Wi-Fi、Lora、4G等网络的各方面性能进行了详细的对比分析，得出NB-IoT网络最适合用于物联网数据传输的结论。文献[7]对 NB-IoT上行、下行的传输速率进行了详细的计算分析，得出有效的传输带宽和传输速率范围。文献[8]分析了 NB-IoT上行传输能力，得到各种参数下的最大传输速率，并对最大路径损耗（覆盖范围）进行了定量计算。文献[9]分析了信道估计质量和信道相干时间对上行链路覆盖的影响，对2种极端信道条件下的上行覆盖性能进行了分析和仿真，并与 NB-IoT网络实际测量结果对比，验证了仿真的结论。但是，目前对NB-IoT的研究还没有针对海上覆盖的特点做出相应的仿真分析，也没有针对海上特征对相应的传播模型做出优化改进。

本文针对电磁波海上传输存在障碍物少、反射系数大、降雨频繁等特点，基于通用标准传播模型（SPM, standard propagation model）提出一种改进的电磁波传播模型，利用琼州海峡海岸现有基站对海上 NB-IoT覆盖进行链路预算和覆盖仿真。NB-IoT海上覆盖的研究，对于加强琼州海峡海事监管、交通与环境监测、搜救和维护水上安全有着重要的意义。

2 NB-IoT网络规划

2.1 网络规划步骤

无线网络规划是实际网络建设的前提，对于网络的实际建设及优化有重要的意义。对于一个新系统，需要对它的覆盖特性和容量进行规划，经过反复覆盖仿真和修改规划，达到覆盖要求后，导出符合规划要求的基站信息及参数，形成最终的网络规划方案。图 1为 NB-IoT无线网络规划的主要步骤。

图1 NB-IoT无线网络规划的主要步骤

2.2 NB-IoT部署方式

NB-IoT网络的系统带宽只有200 kHz，其子帧结构与LTE相同。支持在已建成LTE网络频段上带内（in-band）、保护带（guard-band）部署，以及在已用网络频段外独立（stand-alone）部署[10]，不会占用现有网络的带宽资源，能够更好地保障船联网业务与LTE业务的独立性。

1) in-band是指在LTE的载波上传输，占用其一个物理资源块（PRB, physical resource block），如图2所示。但是，in-band模式需要减小下行功率来降低和LTE网络的相互干扰，同时，由于NB-IoT使用LTE频段内的资源，会减少LTE 网络的系统容量。

图2 in-band部署

2) guard-band是指在LTE保护带上部署，但与LTE带宽的间隔要在100 kHz以上，如图3所示。该部署方式能有效地利用保护带的资源。然而，guard-band模式仍需减小下行功率来降低和LTE网络的相互干扰，因此其覆盖半径也会随之降低。

图3 guard-band部署

3) stand-alone是指在LTE频段范围外独立部署，如图4所示。由于与LTE网络是相互独立的，因此不需要考虑和 LTE系统的相互干扰，与 in-band和guard-band模式相比，stand-alone下行功率约高13 dB。

图4 stand-alone部署

NB-IoT在LTE基础上增加了同步信号，分别为窄带主同步信号（NPSS, narrowband primary synchronization signal）、窄带次同步信号（NSSS,narrowband secondary synchronization signal）和窄带参考信号（NRS, narrowband reference signal）。表1是NB-IoT的物理信道。相比于LTE网络，NB-IoT信道状态信息（CSI, channel state information）的上报机制和物理混合自动重传请求或指示信道（PHICH, physical hybrid ARQ indicator channel）、上行共享信道（PUCCH, physical uplink control channel）、物理控制格式指示信道（PCFICH, physical control format indication channel）3个信道被省略，下行没有控制域。由于琼州海峡NB-IoT业务以上行为主，因此本文主要关注窄带物理上行共享信道（NPUSCH, narrowband physical uplink shared channel）的覆盖情况。

表1 NB-IoT的物理信道

3 海面传播模型研究

电波传播模型是用来预测电磁波传播损耗的模型，其模型参数受地貌、环境等因素影响很大，因此需要针对不同区域使用不同的传播模型参数。准确的传播模型可以用来对网络进行链路预算和网络规划。

经典的电磁波传播模型有 Okumura模型、Okumura-Hata模型、COST231-Hata模型等。Okumura模型是Okumura使用在日本东京收集的数据，建立的无线电传播模型。该模型是经验模型，其传输损耗参数Lm(f,d)来自统计测试的曲线，没有精确的数值，使用起来不方便。因此，Hata基于Okumura模型，建立了数学关系来描述传输损耗参数曲线Lm(f,d)，提出了Okumura-Hata传播模型，但是该模型仅适用于城市地区，且使用的频率范围限于 150 ～1 500 MHz[11]。COST231-Hata 模型基于Okumura-Hata模型发展而来，是Okumura- Hata模型的补充，适用于1 500 ～ 2 000 MHz频段的传输损耗计算[12]。2012年，Dalela[13]在印度西部进行全球微波互联接入（WiMAX, worldwide interoperability for microwave access）传输的2.3 GHz实验，基于线性迭代调整方法，使用大量测量数据调整COST231-Hata模型的参数，与原始COST-231 Hata模型相比，调谐模型的均方根误差减少了14.4 dB。2014年，Martine等[14]基于CAST231 Hata模型，提出了通用SPM，适用于GMS900/1800、CDMA200和LTE网络的电磁波路径损耗预测。但这些模型只适用于陆地电磁波的传输损耗计算。

在海上电磁波传播模型的研究方面，文献[15-18]在实测数据的基础上比较了 Okumura-Hata模型、Longley-Rice模型和基于抛物方程的模型，得出Longley-Rice模型比较适合电磁波的海上传播，但是在传输的前 6 km，传播模型和实测数据仍有差距。2017年，张利军等[19]将Hata、Longley-Rice等模型与海面实测数据比较，得出在L波段上，实测的传输损耗与Hata模型更为接近，但实测数据大部分仍要大于Hata模型。2017年，Popoola等[20]采集了某地近海基站的接收信号强度数据，并与传播模型对比，结果表明 SPM 比 Okumura-Hata、COST 231-Hata和Longley- Rice等模型更加符合实测数据，但具有高均方根误差（RMSE, root mean square error）。2016年，陈星[21]基于海上测试路径损耗数据，对SPM的参数进行了手动校正，使其更加符合实际测试结果，但是传播模型没有针对海面传输特点做出对应优化，而且手动校正精确度也有待提高。

忽略SPM地貌损耗、衍射、移动台高度增益的影响，可以把电磁波传输环境视为平坦地区[14]，这和海面的传输环境非常相似。但是，电磁波海上传播还需考虑以下 3个问题：1) 海面大多时候比较平静，障碍物很少，但是反射系数大，电磁波反射损耗比较严重；2) 针对特定海域必须对模型的参数做出相应修正；3) 海上降雨较多，雨衰对电磁波的损耗也比较严重。因此，需要针对琼州海峡海面特点，提出一种基于SPM的改进传播模型。

3.1 SPM

SPM是基于COST231-Hata模型提出的，用于CDMA和LTE网络频段的信道传输损耗预测。SPM模型的数学表达式如式(1)所示。

其中，各参数的意义如表2所示。

表2 SPM各参数的意义

海面地貌环境类型可以看作rural地区，由经典Hata模型公式可知

其中，fc为电磁波频率。衍射、移动台高度增益的影响可以忽略，模型参数的经验值如表3所示。

表3 SPM参数的经验值

初始化参数A1～A7，Hm=5 m，fc=1 800 MHz，SPM在Hb分别为30 m、100 m、200 m时的仿真结果如图5所示。由图5可知，当基站高度Hb不变时，传播损耗Ls随基站与移动台直线传输距离d的增大而增大，即信号的衰减率随着d的增大而减少；当直线传输距离d相同时，传播损耗Ls随着基站天线Hb的增加而减少。

图5 SPM的仿真结果

3.2 SPM的改进

3.2.1 雨衰

降雨对于频率 1 GHz以上的电磁波的传播影响比较大，雨滴可以吸收一部分电磁波能量，并且电磁波受其影响会发生散射。雨滴对电磁波的吸收与散射造成的电波衰减叫作雨衰[22]。雨滴的直径和信号波长的比值对电磁波的雨衰有很大影响，雨滴的直径与电磁波的波长（1.5 mm）越接近，电磁波的衰减越大。另外，雨滴的直径和降雨强度有着重要的关系。

本文采用 HPM（high power microwave）[23]模型来计算雨衰对电磁波的损耗，适合 1～350 GHz频段的电磁波传播损耗计算，具体计算方法如下。

设kH和aH为水平方向的回归系数，kV和aV为垂直方向的回归系数。由频率fc拟合式[24]可得

则指数β和k的表达式为

其中，τ为极化倾角（水平极化时τ=0°，垂直极化时τ=90°，圆极化时τ=45°），θ为路径仰角。由于海面上地貌比较平坦，本文设τ为0°（水平极化），θ为 20°。

设kRβ为传播路线各点的降雨衰减率，传输距离为h，降雨衰减与路线各点降雨衰减率kRβ的关系为

其中，Lh为雨衰，R为降雨概率超过0.01%的地区的年平均降雨量，称为降雨强度。降雨强度可以反映某个地区的描述降雨情况，用单位时间的降雨深度表示，单位为mm/h。根据文献[25]，琼州海峡年平均降雨强度R为74.22 mm/h。综合式(3)～式(9)可以看出，降雨引起的总衰减Lh随着电磁波频率fc的升高和降雨强度R的增大而增大。

3.2.2 反射损耗

反射损耗是影响电磁波在海面传播的一个重要因素，而 SPM 没有考虑反射损耗。在海面电磁波传播的前5 km，海面上的信号可以看作由直射波和反射波组成，采用反射模型[26]来计算信号的反射损耗，如图6所示。

图6 海面反射模型

设海面为平坦的传播环境，基站高度为Hb，移动台天线高度为Hm，基站和移动台间的直线传输距离为d（沿水平方向），电磁波波长为λ，设Er是接收场强，Ef是自由空间场强，令可以得到

当Hb=200 m，Hm=5 m，fc=4 000 MHz时，反射衰落损耗仿真曲线如图7所示。由图7可以看出，反射模型和SPM（如图5所示）差异很大，电磁波在传播的前15 km内会出现多个损耗峰值，并立即回落，电磁波传输至15 km时，路径损耗为160 dB左右，且达到损耗峰值的次数随着信号传输距离的增大而减小，如传输前5 km内出现7个峰值，在传输5～15 km只出现2个峰值。这是因为随着基站和移动台距离d的增大，直射与反射的路径差Δd不断变小，反射损耗对于信号传输的影响也越来越小。

图7 反射衰落损耗仿真曲线

综上，在 SPM 的基础上，加入降雨衰减、反射损耗模型的影响，得到基于 SPM 的改进模型，如式(12)所示。

其中，L为海面传播损耗，Ls为SPM 传播损耗，Lh为雨衰，Lr为反射损耗，a和b为修正参数，d为基站与移动台的直线距离。当电磁波频率fc=2 015 MHz，Hb=40 m，Hm=1.5 m时，SPM曲线和改进SPM仿真曲线分别如图8和图9所示。从图8和图9可以看出，SPM和改进的SPM仿真结果差别较大，图9在传输的前5 km内受反射模型影响，曲线出现很大波动。当传输距离d为5 km时，SPM路径损耗为120 dB左右，改进SPM为117 dB左右；当传输距离d为35 km时，SPM路径损耗为152 dB左右，改进SPM路径损耗为145 dB左右。

图8 SPM仿真曲线

图9 改进SPM仿真曲线

4 海面测试与模型校正

4.1 海面CW测试

电磁波传播模型与地形关系密切，经典传播模型的参数通常会存在误差，连续波（CW, continuous wave）测试数据可以用来校正模型的参数[27]。CW测试是传播模型校正的基础，其测试数据由实际测试点的经纬度和场强组成。通过测试海上某一确定的通信载波频段并和仿真结果进行对比分析，可保证该频率下的传播模型结果的准确性。

测试设备如下：发射设备包括信号发射机、功率放大器、发射机天线、连接馈线；接收设备包括信号接收机、接收机天线、后台分析软件等；辅助设备包括测试船舶、全向天线支架、船载电源、多孔插座、皮尺、Hub、照相机以及笔记本电脑上相应的测试软件。海上CW测试平台如图10所示，测试设备参数如表4所示。

图10 海上CW测试平台

表4 测试设备参数

本文联合大唐移动公司在琼州海峡海海面进行CW测试，测试地点从海南省海口市美兰区海甸岛出发，深入琼州海峡。实际测试电磁波频率fc= 2 015 MHz，Hb=40 m，Hm=1.5 m。根据海上CW 测试的数据，得到的距离-传输损耗曲线如图11所示。由实测数据可以看出，信号受到反射损耗的影响，在传播的前5 km内波动很大，当传输距离d= 3 km左右时，存在路径损耗峰值，之后回落；当传输距离d= 5 km时，路径损耗约为115 dB，之后趋于稳定上升趋势；当传输距离d=35 km时，路径损耗最大，约为140 dB。

图11 实测传播损耗数据

4.2 改进SPM的校正

4.2.1 基于WLS的校正算法

在传播模型的校正过程中，通常釆用 LS（least square）算法[28]进行分析校正，但是经典 LS算法需要满足总体回归函数中的随机误差项必须有相同的方差。但是在实测数据中，随机误差项ei的方差是不同的，因此要对每一个随机误差项进行加权估计。

WLS（weighted least squares）算法[29]是加权最小二乘法，其最小方差表达式如式(13)所示。

WLS算法根据测试数据的可靠性不同，给每一个数据分配不同的权重，因此该算法比经典LS算法具有更高的精度。利用 CW 测试的数据，通过WLS算法对改进SPM传播损耗式，得到预测模型与实测数据的误差值ei，设为权重变量，yi的测量精度越高wi越大，反之则wi越小。利用该方法可以校正传播模型的参数，使其模型曲线和CW数据更加吻合。

根据WLS的原理，提出一个基于WLS算法的SPM校正算法，由式(1)可知，对于不同区域的地貌特性，需要对参数A1～A7进行校正，以符合本地区的传播环境。

设

则

设K表示加权的残差平方和，可得

要使加权的残差平方和最小，则

利用矩阵法可得

由式(19)可求出c1和c2的值，由于 lgHb、diffraction、Hm、clutter是固定值，因此其对应的系数A3～A7保持原始值不变，故可以求出A1和A2的值。

令

故SPM可以表示为

其中，c1-T是校正后的A1，c2-T2是校正后的A2，该校正方法的计算精度要好于LS算法，且复杂度低。海面的地貌较为平坦，可以视为开阔地，因此参数clutter 对电磁波传播影响可以忽略。

4.2.2 改进模型的校正

根据第4.2.1节的校正算法，使用Matlab 2016a软件，其校正的图形界面如图12所示。将CW测试数据导入 Matlab，设置Hb、A3～A7、diffraction等参数，通过校正计算，系数A1和A2的校正值会出现在图12对应的窗口。

图12 传播模型校正界面

系数校正后得到的SPM 模型曲线和改进SPM曲线分别如图13和图14所示。将图13和图14的仿真结果与系数未校正的图8和图9对比，可以看出路径损耗曲线发生了明显变化。SPM在传输距离为5 km时，校正前（如图8所示）路径损耗约为120 dB，校正后（如图13所示）路径损耗约为103 dB；在传输距离为35 km时，校正前（如图8所示）路径损耗约为152 dB，校正后（如图13所示）路径损耗约为129 dB。改进SPM在传输距离约为5 km时，校正前（如图9所示）路径损耗约为117 dB；校正后（如图14所示）路径损耗约为110 dB；在传输距离为35 km时，校正前（如图9所示）路径损耗约为145 dB，校正后（如图14所示）路径损耗约为132 dB。

5 路径损耗仿真与覆盖仿真

5.1 路径损耗仿真

将校正前的 SPM 和改进模型以及校正后的SPM和改进模型与CW数据对比，分别如图15(a)～图15(d)所示。从图15可以看出，校正后的改进模型与实测数据的曲线更符合，但是修正参数a和b的值设置不准确，导致其在传输相同距离时路径损耗值有差异。经多次调整仿真，当修正参数a=b=5时，改进模型与 CW 数据对比如图 15(e)所示，可以看出，该模型曲线与CW测试数据较符合，可以用于琼州海峡电磁波路径损耗的预测。

图13 系数校正后的SPM仿真曲线

图14 系数校正后的改进SPM仿真曲线

图15 不同模型与CW数据对比

5.2 链路级仿真与覆盖仿真

链路预算（link budget）是在满足通信要求的前提下，通过对信号传播过程中的各种参数和损耗计算，得出传播过程中的最大损耗。根据校正后的传播模型得到基站的覆盖范围，并对系统的覆盖能力进行估计[30]。

NB-IoT上行链路预算如式(23)所示。

NB-IoT下行链路预算如式(24)所示。

其中，各参数的意义如表5所示，链路预算参数值如表6所示。

NB-IoT的部署方式采用 stand-alone，将各参数值代入上下行链路预算式(23)和式(24)，分别得到上行和下行最大传输损耗结果，如表6所示。由链路预算结果可知， NB-IoT网络由于受到上行 NPUSCH信道限制，最大允许路径损耗为133.1 dB。将最大允许路径损耗数值代入校正后的改进SPM式(22)中，可以求得最大覆盖半径为26.8 km。

表5 链路预算参数意义

链路级仿真参数如表6所示，导频和调制解调方式（OFDM）均和LTE系统一致，调制方式为BPSK。NB-IoT占用带宽为180 kHz，设本次仿真NB-IoT终端数量最大为100，仿真结果如图16～图18所示。

表6 链路预算参数值

图16表示在终端数为20的情况下，块错误率（BLER, block error ratio）和信噪比（SNR, signal-noise ratio）之间的关系。结果表明，随着接收SNR的增加，BLER降低（即信道传输条件更好）。并且随着传输带宽的增加，在相同SNR的情况下，BLER降低。图中Tx time表示发送时间。

图16 不同带宽下BLER和SNR的关系

图 17表示在具有不同数量的调制与编码策略（MCS, modulation and coding scheme）和资源单元（RU, resource unit）的情况下，SNR与重复次数之间的关系。结果表明，当提高重复次数时，可以正确地解码具有更差信道传输条件的信息（SNR更低）。此外，还可以看到，当MCS数量一定时，增加RU数量，SNR随之降低；当RU数量一定时，增加MCS数量，SNR随之提高。

图18表示在不同终端数量的情况下，BLER与SNR的关系。可以看到，在相同SNR情况下，随着接入终端数量的增加，BLER升高（即信道传输条件更差）。但是在终端数量为100且SNR接近-2 dB时，BLER低于10-1，依然可以正常传输数据，满足琼州海峡NB-IoT覆盖需求。

表7 规划基站信息

图17 不同数量RU下SNR和重复次数的关系

图18 不同终端数量下BLER和SNR的关系

根据覆盖区域的特点，使用目前海南海口和广东徐闻现有的 4个基站实现对琼州海峡的NB-IoT覆盖。利用FORSK公司的Atoll软件对琼州海峡进行模拟覆盖仿真，基站经纬度、方位角等信息如表7所示，电磁波频率设为2 015 MHz，基站天线为全向MIMO（4×4）天线，挂高50 m。图19为琼州海峡基站最优覆盖。设置信号场强阈值为-95 dBm，信号场强覆盖如图 20所示，图20中Legend窗口为信号场强区域图例，场强覆盖统计结果如表 8所示。从表 8可以看出，当基站信号覆盖强度为-90 dBm时，覆盖面积为总面积的96.05%；当基站信号覆盖强度为-95 dBm时，覆盖面积为总面积的99.91%，可以满足海上通信需求。

图19 琼州海峡基站最优覆盖

图20 琼州海峡信号场强覆盖

表8 信号场强覆盖统计结果

设置 NB-IoT终端数量为 100，移动速度为30 km/h（约为航速16节），设置最大上下行速率为250 kbit/s，最小上下行速率为2.2 kbit/s。对网络进行MonteCarlo仿真，仿真结果如下：终端连通率为100%，终端最大上行传输速率为231 kbit/s，有效传输速率为189 kbit/s；终端最大下行传输速率为236 kbit/s，有效传输速率为200 kbit/s，终端上下行速率均满足NB-IoT通信需求。

通过链路级仿真和覆盖仿真，结果表明规划的4个基站可以满足对琼州海峡的覆盖要求，实现对来往船只的监管。

6 结束语

本文针对电磁波海上传播的特点，在SPM的基础上提出一种改进的海面传播模型，同时提出一种基于WLS算法的模型校正算法，利用琼州海峡海面 CW 测试数据对传播模型参数进行校正。基于校正后的传播模型，利用海南海口和广东徐闻现有的4个基站对琼州海峡NB-IoT覆盖进行路径损耗仿真、链路级仿真和覆盖仿真，结果表明利用规划的4个基站可以完成对琼州海峡的覆盖，并且覆盖信号较强，可以有效地解决海事部门对来往船只的监管需求，对于NB-IoT网络实际部署具有指导意义。