铁路5G专网大尺度信道建模

李岸宁,李 辉,梁轶群,

(1.中国铁道科学研究院研究生部,北京 100081； 2.中国铁道科学研究院集团有限公司通信信号研究所,北京 100081； 3.国家铁路智能运输系统工程技术研究中心,北京 100081)

1 概述

随着我国铁路高质量发展，为满足不同铁路应用业务的需求，铁路移动通信系统未来将由GSM-R逐渐转向铁路5G专网。铁路对数据安全和自主管理有较高的要求，铁路通信专网是保障铁路运输安全，提高铁路生产效率的重要支撑，承载了列控、自动驾驶、调度通信、监测等各类业务。铁路5G专网降低时延、提高可控性、增强安全隔离度水平，进而保证承载各类铁路业务的安全和质量。

无线传播信道是无线通信系统中收发天线间的物理媒介，传播信道的特性决定了传输信道容量上限、吞吐量、误码率等系统性能。在传播信道中不仅存在种种干扰和噪声，还会存在障碍物、多普勒效应等影响。利用数学方法将传播信道抽象成信道模型，可更为科学和简便地描述传播信道。信道模型一般分为大尺度衰落模型和小尺度衰落模型。大尺度衰落主要描述长距离范围内无线通信的信号强度与收发距离的关系，主要由路径损耗和阴影衰落造成；小尺度衰落是指在给定位置短距离短时间内，接收信号场强围绕平均值快速波动的现象，主要由多径信号叠加和收发机相对运动造成[1]。

铁路场景下无线传播信道具有独特的衰落特点：铁路5G专网基站一般采用定向天线，沿铁路线状覆盖，距离铁轨很近，收发端存在直射路径。准确的大尺度衰落模型可辅助网络规划和站址规划，降低相邻小区之间的干扰，有助于优化基站布设间距。合理的站点规划可降低工程造价和铁路建造成本，节约投资。所以，为更好的部署系统，需了解铁路典型环境下的信道特征，建立更真实、准确的大尺度信道模型，这对于提升承载列控、调度通信等业务的能力有重要作用。目前，我国铁路处于铁路5G专网技术应用研究初级阶段，有必要开展大尺度信道建模研究，为后续工程设计和实施提供理论支持。

国内外相关研究人员已经开展了5G或铁路场景下无线信道建模研究。HANEDA[2]描述了5G信道模型，结合典型场景，介绍了路径损耗、阴影衰落、视距概率、阻挡模型和穿透模型；田磊[3]对IMT-2020信道模型标准进行介绍，总结和对比ITU和3GPP的5G信道模型标准的特点和关系；陈金铭[4]在室内走廊进行了大尺度衰落的建模，对比测量值和模型理想值发现了比高斯更切合的Logistic分布；逯静辉[5]研究了高架桥、路堑等典型场景的路径损耗和大尺度传播特性；何睿斯[6]针对高速铁路建立了大尺度传播模型库，通过提出的模型进行了系统链路预算；李宇辉[7]基于实地信道测量进行大尺度信道建模和多径信道建模；李春铎[8]结合实测数据建立高铁LTE系统的大尺度传播模型、拟合小尺度衰落分布。目前，研究成果尚无针对铁路5G专网这种典型应用场景进行现场测试和模型修正，研究不够充分、完善。

选择在现有的3GPP(第三代合作伙伴计划) TR 38.901标准[9]基础上进行完善，TR 38.901标准给出不同频段、不同带宽、不同空间维度下室内热点、城市宏蜂窝、城市微蜂窝、农村宏蜂窝4类信道场景的信道模型。TR 38.901模型为通用模型，应用场景与铁路实际情况存在一定差距，模型针对性不强，需在其基础上根据铁路场景实测数据进行矫正，以便更加准确地反映铁路场景下的大尺度衰落特性。目前，铁路5G专网尚未在运营线部署，缺少现场实测数据。在此情况下，通过搭建外场实验环境，利用试验列车完成数据采集，根据数据分析提取信道特征，对TR 38.901大尺度信道模型进行修正，并利用京张高铁公网5G测试数据进行检验，从而建立铁路5G专网下大尺度衰落信道模型。

2 3GPP TR 38.901信道模型研究

2.1 信道模型分类对比及选取

3GPP TR 38.901信道模型是3GPP为5G在0.5 ～100 GHz频率范围开发的信道模型，是基于几何的随机信道模型，描述了包括Umi(定义为城区微小区场景，室内/室外的用户密度均为高密度，且基站低于周围建筑物高度)、Uma(定义为城区宏小区场景，室内/室外的用户密度均为高密度，且基站高于周围建筑物高度)、RMa(定义为大范围连续覆盖场景，主要特征是通过连续广域覆盖支持高速移动以及郊区和农村等覆盖广袤地区)、InH(定义为室内热点覆盖场景，根据建筑物特征和覆盖面积，可将室内热点场景分为 Open Office 和 Mixed Office 两类，其在信道模型上的差别主要是 LOS 概率不同)[10]。表1给出了4种场景参数设置对比。

表1 4种场景参数设置对比

由于铁路场景下移动终端具有移动速度快、遮挡较少、基站间距小、环境复杂多变(高架桥、路堑、隧道等)、覆盖区域沿铁路呈带状分布、小区切换频率高等特点，基于上述分析，RMa模型符合铁路场景要求。针对RMa场景进行建模，RMa适用于建筑物分布非常稀疏的区域，基站天线挂高在10～150 m之间，终端天线位于车顶，高度约4 m。

2.2 RMa模型铁路适用性分析

大尺度信道模型对于预测场强变化具有重要的参考价值。信道大尺度衰落一般分为路径损耗和 阴影衰落。在自由空间传播模型中，路径损耗只与信号的载波频率及传输距离相关。在实际传输过程中，由于存在反射、绕射、散射等现象，路径损耗会略有不同。

2.2.1 3D距离

3GPP TR 38.901信道模型在传统二维平面模型基础上，定义了基站到接收端的3D距离， 在已知天线高度hBS、终端高度hUT和二者间2D距离的情况下，根据勾股定理算出3D距离[11]。图1为3D距离示意。

图1 3D距离示意

(1)

式中，d3D为3D距离；d2D为2D距离；hBS为天线高度；hUT为终端高度。

测试场景中，基站站间距为1.5 km，基站实际高度约30 m。移动台发射天线置于车顶，京张高铁测试时车辆高度约为4.05 m[12]，外场测试时乘坐的机车车辆高度约为4 m，所以选取hBS=30 m，hUT=4.05 m/hUT=4 m。原则上基站距铁轨的垂直距离不超过30 m，TR 38.901要求2D距离不小于35 m，故取最小2D距离为35 m。代入公式进行计算，京张高铁3D距离为43.57 m，外场试验环境3D距离为43.6 m，在后续分析时，接收天线距基站的距离应大于3D距离，故后续图中横坐标最小值均为0.044 km。

2.2.2 LOS概率

在无线蜂窝系统中，当 UE(User Equipment) 与基站距离较近且无建筑物遮挡时，UE与基站间的传播路径中可能存在直接视距路径(LOS)；而其他传播路径由于经过建筑物的绕射及反射损耗，定义为非直射(NLOS)路径。RMa模型[13]中LOS概率定义为

(2)

由于铁路多存在开阔地、高架桥等平坦开阔的场景，接收信号中具有较强的直射分量，所以实验环境搭建在无明显遮挡物的地区，保证收发端间具有良好的视距传输距离，并选取LOS模型进行信道建模。

2.2.3 LOS条件下的传输损耗

传输损耗为有效发射功率和平均接收功率之间的差值，是衡量无线信道大尺度衰落的重要指标。在RMa的LOS场景下，路径损耗和自由空间损耗比较接近，在分界点dBP后，路径损耗和40lgd成正比。表2给出了RMa场景下的LOS公式。

其中，断点距离dBP=2πhBShUTfC/c。当2D距离大于10 m，小于断点距离时使用PL1公式；2D距离大于断点距离，小于10 km时使用PL2公式。fC为中心频率，本文选取2.6 GHz；c为光速。计算得到，dBP=2.041 km。

表2 RMa场景下LOS公式

本文主要研究2 km以内的传播模型，所以选择PL1公式。PL1公式表示，随着距离增加，损耗变大；当频率变高或者周围建筑物高度增加时，损耗也会增加。TR 38.901模型适用于通用情况，但需结合铁路5G专网实际情况对RMa模型进行修正。

3 信道仿真测试环境搭建

3.1 外场实验环境设置

本次测试选在外场进行5G高速信道仿真实验。周围平坦开阔，无明显遮挡物。试验场地周长9 km，呈圆形，某运营商实现了环行铁道5G信号(独立组网架构)全覆盖。选取均匀布设的6个基站，基站天线高约30 m，图2为实验环境。

图2 外场试验环境示意

测试数据采集系统包括笔记本电脑，GPS定位装置，罗德与施瓦茨(R&S)TSME6接收机，接收天线。搭载试验列车，采用车顶天线完成数据采集。

3.2 大尺度参数设置

表3为外场试验环境测试时大尺度参数设置，其中，周围建筑物平均高度为实际高度统计值。

表3 外场试验环境大尺度参数设置

目前，铁路5G专网频率尚未确定，故使用可能频率相近的2.6 GHz进行试验。

3.3 京张高铁环境及测试参数

选择京张高铁对拟合后公式进行检验，从北京北站出发，终至张家口站，测试设备搭载综合检测列车，利用车顶天线采集数据。表4为京张高铁大尺度参数设置，其中，周围建筑物平均高度为实际高度统计值。

表4 京张高铁大尺度参数设置

3.4 采样间隔

采样间隔的选取对建模结果具有重要影响。采样间隔过大，会平滑掉本地均值数据，达不到建模要求；间隔过小，平均结果会存在微弱的瑞利衰落，影响样本独立性[14]。

根据李氏定律[15]，在40个波长间隔内，采样36～50个点可有效地去除快衰落影响。本次进行了2次数据采集，试验列车车速为120 km/h，行车距离9 km，代入李氏定律计算可知需采集70 130～97 402个点。对实际测试采集的数据利用系统抽样方法进行处理：得到数据72 816个，满足李氏定律。

4 数据分析及模型修正

4.1 数据分析

测试数据包络测试时间、测试点经纬度、基站小区标识(PCI)、频点、SSB-RSRP、SSB-SINR等信息。SS-RSRP和SS-SINR是基于SSB信号，体现了广播和同步信道的能力，在空闲态和连接态均可测量，属于小区级指标，能够反映小区的覆盖水平[16]。处理数据时首先要进行数据预处理，剔除异常数值和部分数据缺失值，用于保证数据的准确性。同时，对接收信号设置电平过滤门限(-50 dBm≤RSRP≤-110 dBm)。

首先，选取多个PCI，做出每一个PCI下曲线图，对多条曲线进行平均处理，将多个PCI曲线进行插值处理，并提取纵坐标取平均值；然后，对数据进行内插抽样以得到均匀的X轴数据，便于后续进行曲线平滑处理；之后，使用Savitzky-Golay[17]方法进行滑动平均滤波，这是一种基于最小二乘的卷积拟合算法，通过在滑动窗口内对给定高阶多项式进行最小二乘拟合得到其加权系数，可在滤除噪声的同时保证信号形状、宽度不变。窗宽为40时，Savitzky-Golay滤波器参数指标变化愈趋平缓[18]，故本文窗宽选择40。图3为120 km/h平滑处理后大尺度衰落曲线。

图3 120 km/h平滑处理后大尺度衰落曲线

图3中，灰色曲线为采集到的一个PCI下的RSRP曲线，黄色曲线为进行平均处理后曲线，红色曲线为进行等间隔处理曲线，黑色曲线为进行平滑去噪处理曲线。从图3可以看出，路径损耗随着距离增大不断增大。基于以上参数，根据实测数据对大尺度模型进行修正，得出修正后公式。

4.2 大尺度模型修正

常用的传播矫正模型分为2种，一种是通过调整路损公式的系数，减小预测值和实际值误差；另一种为一元校正法，用一元一次线性最小二乘法校正距离因子系数及与频率有关的常数系数[19]。由于一元校正法误差偏大，使用价值不高，本次选择第一种方法，基于实测数据使用梯度下降法[20]进行传播模型路损公式拟合，并得到预测值和实际值间的误差值，并利用最小二乘法求出大尺度阴影衰落标准差[21]

y= 20lg(40πxfc/3)+0.01554h1.72lgx-0.056 4h1.72+0.001lg(h)x+σ

(3)

式中，y为路损值，dB；x为距基站的距离，km；h为周围建筑物平均高度，m；中心频率fc为2.6 GHz；阴影衰落标准差σ为2.96。图4为车速120 km/h数据拟合结果。

图4 120 km/h数据拟合结果

图4中，绿线为TR 38.901模型模拟出的曲线，蓝线为根据修正模型拟合出的曲线。

使用RMSE(均方根误差)[22]、MAPE(平均绝对百分比误差)[23]2种回归评价指标衡量模型修正结果。

(4)

RMSE为回归效果与真实值平均相差的值，误差越大，值越大；MAPE为0%代表完美模型，MAPE大于100%代表劣质模型，MAPE越小，拟合效果越好。表5给出120 km/h下TR 38.901和修正模型的指标，RMSE降低了13.42%，MAPE降低了10.71%，说明修正后的模型精确度更高。

表5 120 km/h下TR 38.901模型与修正公式评价指标对比

4.3 修正后大尺度模型检验

为验证模型的准确度和普适性，使用京张高铁实测数据对公式进行检验。图5、图6给出京张高铁平滑处理曲线和拟合曲线，表6给出京张高铁的TR 38.901和修正模型的指标，结果显示，RMSE降低了43.32%，MAPE降低了45.76%，验证了修正后模型在京张高铁的适应性。

图5 京张高铁平滑处理后大尺度衰落曲线

图6 京张高铁TR 38.901与拟合公式对比

表6 京张高铁TR 38.901与修正公式评价指标对比

从结果可得，修正模型较TR38.901在京张线的评价指标结果优于外场120 km/h实验环境下的评价指标结果，分析原因为京张高铁基站场景更多，规律更明显，统计效果更好。

5 结语

在铁路通信中，大尺度信道模型可辅助系统的设计和优化。目前，还未有针对铁路5G专网的模型，通过搭建外场环境，搭载试验列车采集5G专网数据，对测试数据进行处理，对不同PCI下曲线进行平均及等间隔处理，利用Savitzky-Golay方法平滑曲线，最后，利用梯度下降法修正TR 38.901模型，给出了铁路5G专网下的大尺度衰落模型研究过程。结果显示，RMSE降低了13.42%，MAPE降低了10.71%。经运营线实测数据校验，RMSE降低了43.32%，MAPE降低了45.76%，说明拟合公式较TR 38.901模型提升了准确度，泛化能力增强，有助于评估、设计、建设和部署未来运营线上的铁路5G专网，节约社会、经济、人力成本。

随着我国铁路5G专网研究的深入，未来可进一步在铁路5G专网试验段、运营线采集真实的电波传播数据，进行模型验证和优化，进而为标准制定和工程实施提供技术支撑。此外，铁路具有诸多场景，如路堑、隧道等，选取平坦开阔的地形，未来可对其他场景进行大尺度信道建模，进而全面掌握铁路5G专网的大尺度信道特性。