高速移動下U型槽的時變信道建模

廖 勇,胡 異

1.重慶大學 通信與測控中心,重慶 400044; 2.綜合業務網理論及關鍵技術國家重點實驗室(西安電子科技大學),西安 710071) (*通信作者電子郵箱liaoy@cqu.edu.cn)

高速移動下U型槽的時變信道建模

廖 勇1,2*,胡 異1

1.重慶大學 通信與測控中心,重慶 400044; 2.綜合業務網理論及關鍵技術國家重點實驗室(西安電子科技大學),西安 710071) (*通信作者電子郵箱liaoy@cqu.edu.cn)

隨著國內高速鐵路建設的迅速發展，在高速鐵路上要求移動辦公、娛樂的客戶需求與日俱增，而現有的蜂窩移動通信以及針對鐵路的移動通信鐵路全球系統(GSM-R)均不能很好地滿足客戶對寬帶無線通信的服務質量(QoS)需求。高鐵在實際的行駛過程中，會經歷各種復雜的場景，U型槽是常見的場景，然而目前尚未有充分針對高速移動下U型槽的時變信道建模的研究。針對此問題，提出一種高速移動下U型槽的時變信道建模方法。首先，采用幾何隨機分布理論，針對高鐵典型場景U型槽建立幾何分布模型，分析散射體簇的變化規律，推導視距(LOS)分布、時變角度擴展、時變多普勒擴展等參數的表達式，并給出了信道沖擊響應的閉式解。其次，分析了信道的時變空時域互相關函數、時變自相關函數以及時變空域多普勒功率譜密度的表達式。最后，對所提模型進行了統計性能的仿真，驗證了該模型具有時變性以及較高的相關性，體現了高鐵信道的非平穩性，滿足高速無線信道的特性。

高速移動;信道模型;U型槽;時變信道;幾何隨機分布

0 引言

從1998年以來,全球移動通信鐵路系統(Global System for Mobile communication-Railway, GSM-R)已廣泛地應用于列車通信和控制。然而,GSM-R僅僅只能提供200 Kb/s的數據率[1],主要用于列車控制,而不能為乘客提供寬帶通信服務[2]。其后隨著蜂窩移動通信的發展,長期演進(Long Term Evolution, LTE)系統的建設和使用,研究人員針對高鐵場景提出LTE-R(LTE-Railway)的概念,但是目前還沒有形成標準,尚有諸多的技術挑戰[3]。另一方面,在高速鐵路上要求移動辦公、娛樂的客戶需求與日俱增。因此,GSM-R和現有的蜂窩移動通信系統均不能滿足目前以及未來高鐵用戶對高速數據傳輸的需求[4]。故設計一個能夠滿足寬帶數據傳輸需求的高鐵移動通信系統非常緊迫且意義重大。而一個無線通信系統最基礎的技術就是信道建模,因此,研究高速移動下的信道建模非常有意義。目前,國內外對高速移動下的信道建模作了大量的研究。文獻[5-8]研究了基于光線跟蹤法的幾何確定性模型(Geometry Based Deterministic Model, GBDM)的高鐵傳播信道。而在幾何隨機信道模型中,高鐵信道的脈沖響應通過波傳播定律來表征。基于有效散射體的位置,幾何隨機信道模型可以進一步分為規則形狀幾何隨機模型(Regular-Shaped Geometry Based Stochastic Model, RS-GBSM),例如單環[8]、雙環和橢圓模型[10-12],還有不規則形狀幾何隨機模型(Irregular-Shaped Geometry Based Stochastic Model, IS-GBSM)[13]。非幾何隨機模型(Non-Geometrical Stochastic Model, NGSM)通過提供基本概率分布函數,用一種完全隨機的方式來表征在一個高鐵傳輸信道的物理參數,不需要假定散射體為任何的基本幾何體[14-15]。文獻[14]提出了一種基于高鐵無線通信的有限狀態馬爾可夫鏈的NGSM。基于在高鐵高架橋和狹窄通道場景的測量,文獻[15]提出了一種有限狀態的馬爾可夫信道。

以上研究主要針對的是高鐵平原場景,而高鐵無線通信系統的發射機和接收機由于周圍不同的地理環境而遭遇不同的信道條件。高鐵環境一般被劃分為以下幾個主要場景:開闊地、高架橋、U型槽、山區、隧道和車站。綜合考慮上述場景獨特的設置和其他一些特殊的高鐵場景,高鐵環境可以進一步劃分為12種場景[16]。高鐵在行駛途中會穿過一個或多個這些場景。而不同的場景,它們的信道模型差異較大。在實際的高鐵運行中,U型槽又是常見的場景,大量出現在地下水豐富、地下水位較高、放坡條件受到限制的區域。目前對于高速移動下U型槽的信道建模的研究較少。文獻[17]提出了基于U型槽的抽頭延遲線模型和簇延遲線模型,所提的建模方法都是只考慮了大尺度模型,而沒有考慮小尺度模型,建模計算復雜度更高。除此之外,現有的高速移動下U型槽的信道建模都是非時變性的,而實際的信道是具有時變性和非平穩性的[12],因此,研究高速移動下U型槽的時變信道建模及其對高鐵移動通信的影響,可以豐富該領域的研究成果。

1 高鐵移動通信系統模型

本文考慮高鐵移動車廂終端(Mobile Carriage Terminal, MCT)與鐵路沿線的分布式遠端天線單元(Remote Antenna Unit, RAU)之間的多輸入多輸出(Multiple Input Multiple Output, MIMO)通信系統,以達到提高車廂內固定座位終端用戶的語音和數據通信性能的目標。如圖1所示,車內用戶與基站之間的通信采用雙層結構,分別由兩部分組成:一部分為車地通信,即道旁的分布式MIMO中央控制基站(Central Control Station, CCS)和在其覆蓋區內高速行駛的高鐵車載MCT之間的車地通信,列車位于U型槽內,兩側的障礙物高于列車頂部;另一部分為車內通信,即高鐵每節車廂頂部的車載MCT和車廂內WiFi接入點(Access Point, AP)之間的通信，以及WiFi AP與固定座位用戶通信。MCT作為車地通信和車內通信的關鍵中間節點,車內用戶的服務質量(Quality of Service, QoS)需要通過MCT保障,而MCT的QoS受限于車地通信的質量。本文主要研究其中的車地通信。

高速移動切換下分布式MIMO通信系統模型如圖2所示,陰影部分為相鄰RAU的重疊覆蓋區,高鐵在此重疊區域內將同時與兩個相鄰RAU進行通信,由于高鐵速度非常快,其將在非常短的時間內完成小區切換。每個CCS管理有M個RAU,并且在同一個CCS內,所有的RAU都工作在相同的頻率,即MCT在同一個CCS內的兩個相鄰RAU發生切換時,工作頻率不會發生變化,這將大大減小系統的射頻開銷,同時相鄰MIMO RAU對MCT進行信號的復用和分集,顯然,在兩個CCS間相鄰的兩個RAU之間進行小區切換時,將考慮頻率切換問題。RAU均勻分布在高鐵沿線,每個RAU上有NT根天線,RAU和CCS通過光載無線電(Radio over Fiber, RoF)進行連接。高鐵有S節車廂,每節車廂頂部安裝有1個MCT,每個MCT有NR根天線。MCT通過RoF與車廂內的WiFi AP連接。分布式MIMO CCS和高鐵MCT構成車地通信,MCT和WiFi AP以及WiFi AP和固定座位用戶之間構成車內通信。

圖1 高速移動切換下分布式MIMO系統網絡架構

圖2 高速移動切換下分布式MIMO通信系統模型

2 高速移動下U型槽的時變信道模型

2.1 U型槽場景

U型槽是在高鐵無線通信中一個常見的場景。它代表了一種環境,高鐵通過U形地理狹窄通道的表面。U型槽場景被廣泛應用于高鐵建設,確保鐵路的光滑以及在通過山地時幫助火車達到高速。在這種場景下,無線電傳播的波形會由于兩邊陡峭的墻壁而受到嚴重的影響。

有研究表明U型槽兩邊陡峭的墻壁反射體較多,故U型槽具有反射環境豐富、多徑數量多等特點[17]。同時,它還有較強的直射徑,因此,該場景是一種強視距的場景。由于上述特點,U型槽場景的無線信道就具有非平穩性、較高的相關性以及較明顯的多普勒效應。因為U型槽場景與高鐵其他場景不同,所以高鐵中其他場景的信道模型并不完全適合U型槽。為此,基于U型槽的特點,本文對高速移動下的U型槽場景進行了信道建模。

2.2 U型槽時變信道建模

為便于高速信道建模,將實際的U型槽場景下高鐵沿線的基于MIMO的RAU與車載MCT之間的車地通信場景抽象為一個幾何模型,具體建模過程如下。

圖3 U型槽下在橢圓上帶有局部散射體的NT×NR MIMO信道的幾何學橢圓時變散射模型

圖3中各個參數表示的具體含義如表1所示。

表1 高速移動下U型槽幾何學橢圓時變散射模型的主要參數

(1)

2πλ0f(t)))

(2)

非視距(Non Line of Sight, NLOS)的CIR可表示為:

(3)

散射分量可表示為：

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)

將式(8)～(10)代入式(7),聯立式(11)～(14)得到高速環境下從RAU第l根天線到MCT第k根天線時變信道模型的復數信道增益為:

exp(j(2πfn(t)t+θn+θ0))

(15)

其中：

(16)

(17)

其中:

(18)

(19)

其中：κ0為橢圓離心率的倒數,即κ0=1/e=a(t)/f(t)。

(20)

其中:

至此,完整地建模得到了高速移動下U型槽場景下的MIMO時變信道模型,如式(1)所示,分別包含LOS和NLOS的CIR表達式。

圖4 高鐵U形槽信道模型中的時變角度參數

綜上,高鐵U型槽信道模型構建的步驟如下:

1)設定高鐵場景為U型槽場景,U型槽壁有無數的散射體簇,以遠端天線單元和高鐵移動車廂終端分別作為橢圓的焦點建立一個橢圓的幾何模型。

2)根據步驟1)獲取當前時刻該場景下的距離、天線等參數。

3)由步驟2)得到當前時刻從RAU第l根天線到MCT第k根天線的CIR的視距分量。

4)由步驟2)得到當前時刻從RAU第l根天線到MCT第k根天線的復數信道增益。

5)由步驟4)得到當前時刻從RAU第l根天線到MCT第k根天線的CIR的非視距分量。

6)結合步驟3)和步驟5)得到當前時刻從RAU第l根天線到MCT第k根天線的CIR。

7)經過Δt時間以后,若達到運行的時間,則步驟6)得到的CIR即為從RAU第l根天線到MCT第k根天線的時變CIR,若沒有達到運行時間,則再回到步驟2)。

3 信道統計性能及仿真結果分析

3.1 統計性能

首先,將介紹應用于高速移動下U型槽時變信道模型的統計性能,并給出各統計性能的數學表達式。

3.1.1 時變空時域互相關函數

時變空時域互相關函數由MIMO高鐵信道的兩個任意的CIR之間的相關函數決定[12]。因為在高速移動下U型槽場景的時變信道模型的角度參數和發射機與接收機之間的距離是時變的,故時變空時域互相關函數與時間和天線間的距離有關。時變空時域互相關函數的表達式如下:

(22)

3.1.2 時變自相關函數

時變自相關函數是由MIMO高鐵信道的任意CIR的自相關函數決定[12]。因為在高速移動下U型槽場景的時變信道模型是具有不穩定性的,故時變自相關函數不僅與時間差Δt相關,還與時間t相關。令時變空時域互相關函數的ΔδT與ΔδR為0,即可得到時變自相關函數,具體表達式如下：

(23)

3.1.3 時變空域多普勒功率譜密度

時變空域多普勒功率密度描述了高速移動下的信道頻率色散參數,是由移動臺與基站間的相對運動或是信道中物體運動所引起的[12]。因為在高速移動下,運動速度特別大,多普勒效應比較明顯,故在仿真高速移動下U型槽場景的時變信道模型時,需要考慮時變空域多普勒功率譜密度。具體表達式如下：

W(t,ν,ΔδT,ΔδR)=

其中:t為時間；Δt為時間差；ν為多普勒頻移;ΔδT為發射端天線間的距離;ΔδR為接收端天線間的距離。由式(22)可知，時變空域多普勒功率譜密度是由時變空時域互相關函數進行傅里葉變換得到的。

3.2 仿真結果及其分析

為驗證本文所提信道模型的合理性,結合第2章所述的MIMO系統模型進行了驗證。系統模型場景如圖5所示。

圖5 U型槽場景下的系統模型

列車位于U型槽內,在U型槽壁有無窮多散射體簇,但在仿真中不可能做到無窮多的散射體簇,故假設散射體簇的數目為50。該系統模型的主要仿真參數如表2所示。

表2 高速移動下U型槽時變信道模型的主要仿真參數

3.2.1 時變空時域互相關函數

圖6 高速移動下U型槽時變信道模型含有視距分量的時變空時域互相關函數

圖7 高速移動下U型槽時變信道模型不含視距分量的時變空時域互相關函數

從圖6～7可看出，高速移動下U型槽時變信道模型在含有視距分量時的時變空時域互相關函數的值高于沒有視距分量時的時變空時域互相關函數。這是因為加入視距分量后,信道的相關性增強,相關的性能下降。因此,從圖6～7可以看出,本文所提的信道模型是具有較高的相關性。

3.2.2 時變自相關函數

通過將δT和δR設置為0,從時變空時域互相關函數可以得到時變自相關函數,如圖8所示。

圖8 高速移動下U型槽時變信道模型的時變角度參數歸一化的自相關函數

從圖8可看出，高速移動下U型槽時變信道模型的歸一化自相關函數具有時變性,而且自相關性也較高。首先,因為加入了LOS分量,信道的相關性會大幅提高；其次,高速移動下U型槽時變信道模型是具有時變性的,天線參數和發射端與接收端的距離也是時變參數,故自相關函數隨時間變化；并且由于高鐵信道具有非平穩性,自相關函數不僅與時間差Δt有關,還與時間t相關。從圖9可以看出,影響信道模型時變性的主要因素是角度參數,若角度參數是非時變的,則得到的自相關函數也是非時變的。圖8～9的結果驗證了本文模型具有時變性以及高鐵信道的非平穩性。

圖9 高速移動下U型槽時變信道模型的非時變角度參數的歸一化的自相關函數

3.2.3 時變空域多普勒功率譜密度

將時變空時域互相關函數進行傅里葉變換,即可得到時變空域多普勒功率譜密度,得到的仿真結果如圖10所示。

從圖10可看出，高速移動下U型槽時變信道模型的時變空域多普勒功率譜密度呈U型,也稱之為典型U型譜。多普勒頻移是關于入射角的函數,且關于入射角具有對稱性。入射角變化時,頻率域會從fc變化到fc±fmax,多普勒功率隨著頻率變化而變化,因此時變空域多普勒功率譜密度呈U型。圖11顯示了在不同時刻的高速移動場景下，U型槽時變信道模型下的時變空域多普勒功率譜密度,因為本文所提的信道模型具有時變性,所得的空域多普勒功率譜密度也具有時變性,所以不同時刻下的多普勒功率譜密度函數也不同,進一步驗證了本文所提的信道模型具有時變性。

圖10 高速移動下U型槽時變信道模型的時變空域多普勒功率譜密度

圖11 不同時刻的高速移動下U型槽時變信道模型的時變空域多普勒功率譜密度

3.3 統計性能開銷

本文通過計算不同統計性能的復雜度來分析統計性能開銷。從表3中本文所應用的不同統計性能的復雜度可以看出：時變自相關函數和時變空域多普勒功率譜密度的復雜度位于同一復雜度級別,而時變空時域互相關函數更加復雜。這是因為它們都是基于CIR來計算的,時變自相關函數和時變空域多普勒功率譜密度的循環次數僅與散射體簇的數目相關,而時變空時域互相關函數的循環次數不僅與散射體簇的數目相關,還與接收端和發射端天線數相關。此外,本文也對比了以上三種統計性能進行完整運算的運行時間情況。仿真工具為Matlab 2014,主機配置為2.6 GHz奔騰E5300 CPU,內存2 GB,Windows 7.1操作系統,仿真結果見表3。可以看到,時變空時域自相關函數的運行總時間略長于其他兩種統計性能的運行總時間,這是因為計算時變自相關函數和時變空域多普勒功率譜密度基于同一發射天線和接收天線,而時變空時域互相關函數基于不同發射天線與接收天線,計算更復雜,這也與復雜度分析一致。

表3 不同統計性能的對比

4 結語

本文提出了一種高速移動下U型槽的時變信道模型,采用幾何隨機分布理論以及波傳播定律,針對高鐵典型場景U型槽建立出具體的幾何分布模型,分析散射體的變化規律,推導視距分布、非視距分布、時變角度、時變多普勒擴展等參數的數學閉合表達式,并給出了信道沖擊響應的閉式解。仿真結果表明,本文所提的信道模型具有時變性和較高的相關性,體現了高鐵信道的非平穩性，滿足高速移動場景下無線信道的特性,驗證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, 劉留, 等. U型槽無線信道多徑傳播特性測量與建模方法的研究[J]. 鐵道學報, 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。

國家自然科學基金資助項目(61501066,61571069);重慶市基礎與前沿研究計劃項目(cstc2015jcyjA40003);中央高校基本科研業務費專項資金資助項目(106112017CDJXY500001,106112017CDJQJ168817);西安電子科技大學綜合業務網理論及關鍵技術國家重點實驗室開放基金資助項目(ISN16-03)。

廖勇(1982—),男,四川自貢人,副研究員,博士,CCF高級會員,主要研究方向:高速移動通信、飛行器測控與通信; 胡異(1994—),女,重慶人,碩士研究生,主要研究方向:高速移動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.