无线通信信道仿真及预测

刘希嘉, 杨 凯, 马云霞, 陈 帆, 马妍瑞

(吉林大学 通信工程学院, 长春 130012)

0 引 言

无线信道就是无线信号从被发射端发出到被接收端接收过程所通过的物理媒介[1]。目前研究无线信道的模型很多, 但都存在着一些缺点, 诸如, 可读性不好, 人机交互效果差, 缺乏硬软交互等。因而, 如何对无线信道进行建模和优化, 成为一个具有广泛实用价值和应用前景的研究课题。

在早期的移动通信系统中, 信道建模方法大多是先进行大量信道测量, 再根据测量结果分析相应的经验信道模型。这些经典模型包括Longley-Rice模型、 Okumura-Hata模型、 COST-231WI模型等[2]。随着移动数据通信系统不断发展, 无线信道的多径效应对数字通信系统产生的影响越来越显著, 它可以导致频率选择性衰落, 严重限制了数据传输速率, 抽头时延线(TDL： Tap Delay Coefficient)模型[3]应运而生。随着人们对无线数据速率的要求不断提高, 能大幅度提升数据速率的MIMO(Multiple Input Multiple Output)技术[4]受到了越来越多的关注, 随后出现了智能天线技术[5]、 基于几何的统计信道模型(GBSM: Generic Bayesian Student Model)[6]。随着移动数据量的持续增长, 可以进一步提升系统容量的3D MIMO技术和Massive MIMO技术成为了研究焦点[7]。

目前信道建模的主要思路有两种, 一是统计性信道建模, 即根据信道测量结果分析出信道的统计特性, 再通过仿真重建信道冲击响应； 另一种是确定性建模, 需要从完备的环境地图数据库中获取无线环境中散射体的几何形状和材质属性, 并根据基站和用户的位置天线配置等计算信道响应[8]。笔者将研究0.1～50 GHz频率上的地球各站之间的干扰[9], 并根据信道特征, 分别计算无线信道模型的大尺度衰落和小尺度衰落, 得到信道的有效数据, 通过搭建DSP(Digital Signal Processing)+FPGA(Field Programmable Gata Array)硬件系统的方式仿真无线通信信道的衰落特性, 并通过可视化界面实现人机交互以及对仿真结果的分析和保存。

1 无线通信信道模型

移动信道根据不同距离内信号强度变化的快慢可分为大尺度衰落和小尺度衰落, 其中大尺度衰落是由信道路径上固定障碍物的阴影而造成的长距离上信号强度的缓慢变化, 主要影响业务的覆盖区域； 而小尺度衰落是由移动台运动和地点的变化而引起的短距离上信号强度的快速波动, 其主要特征是多径, 主要影响信号的传输质量[10]。

图1描绘了大尺度和小尺度衰落信号, 其中不断起伏的波线表示信号的小尺度衰落, 而中心线标志其平均值, 该平均值的衰减模型称为大尺度模型。

图1 无线通信信号衰减 图2 无线通信主要特征

建立信道模型时, 在大小尺度的基础上, 可将无线信道的主要特征做如下划分, 如图2所示。

下面分别从大尺度和小尺度方面讨论了相应的模型。

1.1 晴空传播预测模型

1.1.1 晴空传播干扰机理

微波干扰可能通过许多传播机理引起, 其传播机理主要取决于气候、 无线电频率、 关心的时间百分比、 距离和传播路径的地形。随时都可能存在单个传播机理或多个传播机理。主要干扰传播机理如图3所示。

图3 晴空干扰传播机理

1) 视距传播。在正常大气条件下存在视距传播路径, 是最直接的干扰传播状态, 如图1所示。然而, 在除最短的路径以外的所有路径上, 由于大气分层引起的多径效应和聚焦效应, 信号电平常常会在短时间内显著增强, 即产生异常传播机理。

2) 绕射。超过视距以外并且在正常条件下, 只要找到有用信号电平通常是以绕射效应为主的, 如图1所示。但对于那些异常的短时间内的问题并不太重要的业务, 可以建立的绕射模型的精度一般决定了系统可以达到的密度。绕射预测的性能一定要很好地适用于光滑地球、 离散障碍物和不规则地形的情况。

3) 对流层散射。这一机理决定了较长路径上的干扰电平。在这种情况下, 绕射场很弱。但是, 除了几个特殊情况, 如很灵敏的地球站或很高功率的干扰源(如雷达系统)等情况以外, 通过对流层散射的干扰电平的值太低, 以至于不必要考虑。

4) 表面大气波导。在水面上和在平坦的沿海陆地区域, 这是最重要的短时间干扰机理, 它可能在很远距离(海面上长于500 km)上产生高信号电平。在某些条件下, 这样的信号可能超过等效“自由空间”电平。

1.1.2 晴空传播模型损耗计算

根据晴空干扰的传播机理, 可以得出晴空模型的损耗计算流程如图4所示。

图4 晴空模型损耗计算流程图

其具体计算方法如下。

1) 输入参数。用于计相关参数和传播损耗的数据。

2) 计算相关参数。

① 项目中分别计算平均年份和最差月份的传播损耗, 对于平均年的预测, 时间百分比p将直接用于预测过程。对平均最差月份的预测, 需要计算路径中心纬度φ对应的与最差月份时间百分比pw的年等效时间百分比

(1)

② 无线电气象数据。

a) 确定路径中心位置的异常传播的点发生率β0(%), 即在低层大气的第1个100 m内可预计出折射率指数下降率超过100 N-units/km的时间百分比。用于估计在所研究的纬度上, 充分显现出异常传播的相对发生率, 适合于路径中心的纬度。

(2)

b) 计算有效地球半径ae, 其中μ1为0.99,μ4为1。

3) 路径剖面分析。根据干扰站(φt,Ψt)和被干扰站(φr,Ψr)的地理坐标, 从地形数据库或从适当的大比例等高线地图得到大圆路径上的地形高度(平均海拔高度)。剖面图包含分别作为起点和终点的干扰站和被干扰站位置处的地面高度。

笔者将干扰源处的路径剖面点视为零点, 而将被干扰站处的路径剖面点视为点n。图5为高于地形平均海平面高度的路径剖面图。

图5 路径剖面图

4) 计算传输损耗。笔者需要计算的传输损耗分别为： 由于自由空间传播和大气气体的衰减而导致的基本传输损耗、 由于衍射激励而造成的额外损耗、 由对流层散射引入的基本传输损耗、 在异常传播(大气波导和对流层反射)期间出现的基本传输损耗、 由于地面物体引起的附加散射损耗。并最终经过整体预测处理、 加入两站点之间的传输损耗, 得到完整的传输损耗。

① 视距传播。首先计算由自由空间传播和大气气体衰减引起的基本传输损耗

Lbfsg=92.5+20logf+20logd+Ag

(3)

加上矫正项后得到在不超过p时间内由视距传播引起的基本传输损耗

Lb0p=Lbfsg+Esp

(4)

② 衍射损耗。衍射损耗的计算采用基于Bullington结构和球面地球衍射相结合的方法。

a) 计算衍射损耗的布林顿部分

(5)

b) 通过插值计算球面-地球衍射损耗

(6)

c) 得到一般路径的衍射损耗

Ld=Lbulla+max{Ldsph-Lbulls,0}

(7)

其中Lbulla=Lbull, 为实际路径的最终布林顿衍射损耗。

d) 计算与衍射相关的在p%时间内的基本传输损耗

Lbd=Lb0p+Ldp

(8)

其中Lb0p在视距传播中计算得出。

③ 对流层散射损耗。对于低于50%的任何时间百分比p, 可由

(9)

求出由对流层散射引入的基本传输损耗。

④ 大气波导/对流层反射损耗。在异常传播(大气波导和对流层反射)期间, 预测出现的基本传输损耗

Lba=Af+Ad(p)+Ag

(10)

⑤ 附加散射损耗。算法中根据已知的地面物体的情况考虑在路径的任何一端或两端附加该散射损耗。它预测了路径任一端的最大附加损耗, 并通过一个S形内插函数施用, 以避免对屏蔽损耗估计过高。

通过地面物体的保护引入的附加损耗由

(11)

给出。

⑥ 整体预测。对以上计算出的5种损耗进行处理。

a) 计算与视距传播和海底子路径衍射相关的假想最小基本传输损耗

(12)

b) 计算与视距和超视距信号增强相关的理论最小基本传输损耗

(13)

c) 计算与衍射和视距或大气波导层/对流层反射模型增强相关的理论基本传输损耗

(14)

d) 计算修正的基本传输损耗

Lbam=Lbda+(Lminb0p-Lbda)Fj

(15)

e) 计算在p%时间内的最终基本传输损耗

Lb=-5log(10-0.2Lbs+10-0.2Lbam)+Aht+Ahr

(16)

⑦ 在基本传输损耗的基础上, 为计算一个站点由于另一站点的干扰而引起的信号电平, 需要加入两个地面站之间的传输损耗

L=Lb(p)-Gt-Gr

(17)

其中Gt和Gr为收发站点的天线增益。

1.2 多径仿真信道模型

1.2.1 多径仿真信道模型理论

多径信道对无线信号的影响表现为多径衰落特性, 所以可以将信道看成是一个滤波器, 通过分析滤波器的冲激响应和传递函数, 可得到多径信道的特征。多径衰落的基本特性包括幅度衰落和时延拓展, 其中幅度衰落主要由本地反射物、 地形变化和空间扩散损耗引起, 而时延拓展是由于信号传播的路径不同, 到达接收端的时间也就不同, 导致接收信号包含发送脉冲及各个时延信号[11]。

只考虑多径效应时, 假设传输信号为

x(t)=Re{s(t)ej2πfct}

(18)

假设第i径的路径长度为xi, 衰落系数为ai, 则接收信号为

y(t)=Re{r(t)ej2πfct}

(19)

其中r(t)为接收信号的复包络模型

(20)

再考虑移动台移动时, 导致各径产生多普勒效应, 设路径到达方向和移动台运动方向之间的夹角为θi, 得到输出复包络为

(21)

结合多径和多普勒效应对传输信号的影响, 得到信道的冲击响应

(22)

其中ψi(t)=ωcτi-ωD,it, 前一项为多径效应影响, 后一项为多普勒效应影响。

1.2.2 多径信道模型选择

瑞利衰落信道是一种无线电信号传播环境的统计模型, 属于小尺度衰落效应[12]。这种模型假设信号通过无线信道后, 其信号幅度是随机的, 即“衰落”, 并且其包络服从瑞利分布。这种信道模型可以描述电离层和对流层反射的短波信道, 更为重要的是适用于城市建筑物密集环境, 这种情况下认为接收机接收到多个散射路径信号, 但不存在发射机到接收机的直射路径[13]。结合多径信号的不可辨路径与可辨路径这两种多径效应, 瑞利衰落模型将其分类为平坦性衰落、 频率选择性衰落两种。针对这两类衰落所建模的的信道模型也不同, 使用Clarke信道模型描述平坦性衰落类型、 使用广义平稳非相干散射(WSSUS: Wide-Sense Stationary Uncorrelated Scattering)信道模型描述频率选择性衰落类型[14]。这两种信道模型具有密切的关系, 可以认为多径信道模型包括多条可辨路径, 每条可辨路径都是Clarke信道模型[15]。

2 信道仿真系统搭建

该部分与上文对应, 仍然是分别对晴空模型和多径仿真模型进行阐述。

2.1 晴空传播预测模型搭建

对大尺度仿真模型即晴空预测模型, PC机将用户输入的参数通过UART串口传递给FPGA, 在FPGA里完成对计算所需参数的赋值、 对2.1.2内容中各类损耗的计算以及结果整合此处不再赘述, 最后将测试后得到总的基本损耗值通过UART上传给PC机。图6为FPGA与电脑串口通信示意图。

图6 串口通信

以上流程通过Verilog语言在FPGA中实现计算, 得到最终的传输损耗, 并通过UART上传给PC机。

2.2 多径仿真信道模型搭建

对于小尺度仿真模型即多径仿真信道模型, PC机将信号抽样数据、 多径及对应时延、 控制信息等通过UART串口传递给FPGA, FPGA将信道抽头系数生成参数通过SPI(Serial Peripheral interface)传递给DSP, DSP根据抽头生成算法将插值反向传递给FPGA, 在FPGA中完成信号时延、 并与抽头同步卷积, 最终将测试后的数据通过UART上传给PC机。图7为硬件连接图。

图7 系统硬件连接图

2.2.1 信道的抽头与插值

由于多普勒效应的影响, 信道是时变衰落的, 所以每条径的离散数字信号在卷积过程中的乘的衰落因子(抽头系数)也是时变的[16]。但由于计算得出原信道抽头系数远小于信号采样率, 而卷积过程要求信号速率和抽头系数速率相同且同步, 所以需要对原抽头系数进行插值处理。

采用基于线性多项式的插值, 其概念是在需要插值的两点之间采用曲线拟合方法, 其中特例为零阶插值是将所有插值设定为两点的平均值, 一阶线性插值则是使用折线拟合[17]。笔者采用了一种在相邻点之间进行幅度线性增量、 相位线性增量的插值方法, 这种方法可以采用DSP+FPGA的协作工作模式, 将DSP用作插值增量的计算, DSP将增量和其他参数进行帧封装, FPGA将接收到的帧信息进行展开, 完成插值过程。

FPGA将信道抽头系数生成参数, 由SPI通信传递给DSP。

信道抽头是计算乘性调制中的复系数ej(φ+2πfmtcos θi), 在计算抽头系数时, 采用DSP模块分别计算该复系数的实部和虚部。采用查表法计算正余弦值, 将多个离散点模拟正余弦函数的连续变化。这种方法以一定量存储空间为代价, 可以化简浮点数的复杂计算过程。对角度值第i条径计算多普勒频移引起的随时间变化的角度φ+2πfmtcosθi, 只需将角度值映射到查询标数, 再根据标数查表就可以得出其对应的正余弦值, 并结合前面的固定系数就得到了虚部、 实部的乘性抽头值。

FPGA接收到DSP的数据, 并根据数据更新每条径的抽头基数和增量, 并利用抽头系数=抽头基数+抽头增量*插值步数, 计算出具体的抽头系数。

2.2.2 信道时延功能的实现

采用TDL(Tap Delay Coefficient)(抽头时延线)的信道模型搭建方法, 这种方法是基于单输入单输出的形式[18]。即是在基带处理部分, 需要输入单条线的基带信号, 将这条基带信号线经过不同的时延, 分别与对应的抽头系数进行乘法运算, 得出各个径的信号, 最后将各个径的信号加和得出单条输出的结果。

其中在实现单条输入信号的不同时延结果时, 分为两种情况： 第1, 多条可辨路径的时延满足是基带信号码片时长的整数倍, 往往发生在基带信号速率较高的情况下, 可以采用移位寄存器的方法实现基带信号的不同时延结果。第2, 当各条径的时延不满足是整数倍的基带信号码片时长情况下, 需要采用FIR(Finite Impulse Response)滤波器实现分数阶时延, 不局限于被时钟量化的离散时延, 时延的大小在理论上可以是时延区间中的任何一点[19]。

2.2.3 计算基带复信号

FPGA完成时延后与抽头系数做乘和运算得出结果, 一般TDL(Tap Delay Coefficient)信道模型的信道冲激响应表达式如下

(23)

其中ai(t)为第i条子径的信道抽头系数,δ(τ-τi)为第i条子径所对应的相对时延,L为无线信道总子径数。

2.3 硬件仿真系统整体搭建

软件部分将依托QT+MinGW的win64平台运行整个工程, PC端通过USB-TTL连接到FPGA。FPGA与DSP开发板及其外设被整合固定到一块木板上, FPGA使用10 cm杜邦线分别连接到USB转TTL和DSP的SPI接口上。FPGA使用USB-TTL电源上的5 V接口供电, DSP使用单独的USB线连接电脑供电。图8为硬件系统整体连线图。

图8 系统硬件连接图

使用SPI通信作为FPGA与DSP的板间通信方式, 如图9所示。

图9 SPI通信

SPI通信需要主机方提供与信号同步的时钟, 从机按照时钟对信号进行采样。设定为SPI-0的通信方式, 即时钟空闲位为低电平, 相位为0。这时SPI从机需要在时钟信号的上升沿采集信号。

3 系统软件显示可视化

使用QT软件和C++语言制作了上位机的可视化界面, 并分别对函数封装, 给每个函数设置了用户输入和输出窗口, 同时对于输入参数, 通过控件读取到相应的数值, 再赋值给程序内部的变量, 用于后续的计算。而对于不同参数及损耗的计算, 在程序中将其封装为相应的方法, 使程序更加易懂。

同时创建的最终用户界面包含4个部分, 分别是输入参数, 输出结果, 帮助文档和仿真, 且分别使用QT美化并与内部的算法进行了完整联通, 更方便用户操作。4个界面功能如下。

1) 输入参数。用户将计算晴空传播损耗所需的相关参数以及模型的调整参数在次输入并导入算法。

2) 输出结果。在输入参数经过内部封装好的计算函数后得出计算结果并显示。

3) 帮助文档。模型的相关介绍和使用方法, 以及对模型的各种相关参数的解释。

4) 信道仿真。在使用硬件仿真时对FPGA和DSP的相关参数配置, 并可现实结果和生成日志。

此外为避免用户界面冻结问题, 使用多线程完成具体参数和传输损耗的计算： 点击开始运行模型后, 将输入参数赋值, 通过WorkThread类创建一个新的线程, 并启动线程, 在线程中完成计算后, 发送停止信号, 释放并等待线程的回收, 最后将输出结果在界面中显示。

4 系统的整体测试

4.1 软硬件系统联调测试

主要联调部分包括软件仿真测试及硬件中PC机与FPGA的串口通信、 FPGA与DSP之间的SPI通信、 综合仿真结果的输出等。

在使用系统仿真时, 配置相应的输入参数, 即可进行测试, 最终输出仿真结果及生成仿真日志。软件测试过程需要按照以下的操作流程进行：

1) 运行QT工程软件程序, 显示用户控制界面；

2) 在输入界面(见图10)输入仿真所需基本参数；

图10 输入参数界面

有关晴空模型基本输入参数指标如表1所示, 在仿真运行期间, 所有信息均来自这些基本数据。

表1 模型输入参数

3) 输入完成后点击开始按钮, 启动线程, 用内部封装好的模型函数计算传输损耗。

4) 完成仿真, 将结果数据返回至用户界面, 图11为软件仿真测试完成后的结果及生成日志。

图11 软件仿真结果

5) 在点击帮助文档按钮可进入帮助文档对模型说明和参数进行查看, 如图12所示。

图12 帮助文档

4.2 计算结果与真实数据比对

笔者使用内蒙古黑山头和乌鲁木齐水塔山地点对系统的计算结果进行测试, 将环境参量输入系统后, 对比真实数据和系统计算数据之间差异。表2为黑山头和水塔山的真实环境数据。

表2 黑山头和水塔山环境参数

将环境中的参数输入程序中, 将得到的数据和真实的数据进行对比, 并将比较结果列于表3中。

表3 实际数据和计算数据

根据表3可知, 与实际值对比, 对于不同地点的损耗计算值的误差不大, 由此可知本系统和在不同环境下的测试稳定性和准确性都较好。

5 结 语

通过对各种环境下的电波传播特性以及晴空模型相关内容(传播机理、 传播模型及干扰模型简介等)的学习, 最终搭建了适用于0.1 GHz至50 GHz频段优化信道仿真系统, 并创新性地以上位机UI界面+FPGA+DSP的软硬件结合形式所呈现。

目前国内外针对信道仿真系统的设计局限于纯软件或纯硬件, 这些系统的适用群体较小, 针对性较强。本研究采用软硬结合的办法, 提升了传统仿真系统的可读性, 使人机交互更为便捷。在信道模型方面包含了应考虑的全部损耗, 代码可重用性较高。经实验测试, 本研究对0.1～50 GHz频率上的地球各站之间干扰功率电平的计算较为准确, 在信道的仿真与优化方面, 较传统的信道仿真系统实现了较大的性能提升。

一套完整的无线信道仿真优化系统是十分复杂、 精准的, 目前开发的信道仿真器还有需要完善和补充, 例如： 该系统只在0.1～50 GHz频率上计算较为准确, 不适用于实现更大范围内的仿真进行优化； 对地球地理数据库, 虽具有短期内的时间稳定性, 但大气与地壳环境的局部变化也会使离线阶段的数据库失去时间稳定性, 从而使计算出现偏差, 而本实验的数据库不具有自适应的特点, 所以为了保证准确性, 应该频繁的更新地理数据库信息。