39 GHz室外微蜂窩信道測量、建模與仿真研究

李樹 孫寧姚 張蕊 李博晗 趙雄文

(1. 華北電力大學電氣與電子工程學院,北京 102206;2. 中國電波傳播研究所 電波環境特性及模化技術重點實驗室,青島 266107;3. 北京郵電大學信息與通信工程學院,北京 100876)

引 言

隨著第五代(the 5th Generation, 5G)移動通信的興起,毫米波頻段被認為是5G關鍵的候選頻段. 目前,在5G的系統和鏈路仿真中,尚未給出準確的毫米波信道模型及參數. 根據目前現有的研究成果,3GPP于2016年7月制定并發布了相應的5G信道標準化報告[1],與此同時國際電信聯盟(International Telecommunication Union, ITU)在全球無線電通信會議(World Radio Communication Conference, WRC-15)上為5G分配了24 GHz到86 GHz之間的候選頻段[2]. 現在相關候選頻道的信道測量和建模工作主要集中于24.25～27.5 GHz和31.8～33.4 GHz,而在37～40.5 GHz的研究相對匱乏[3].

本次測量中,發射端(Tx)使用全向天線,接收端(Rx)采用喇叭天線旋轉以實現定向天線旋轉掃描測量. 本文基于39 GHz頻段室外微蜂窩場景實測數據,對路徑損耗(Path-Loss,PL)、陰影衰落(Shadow Fading, SF)、時延擴展(Delay Spread, DS)以及角度擴展(Angle Spread,AS)等大尺度參數的參數化建模方法展開研究,建立基于幾何統計的隨機信道模型(Geometric-Based Stochastic Model, GBSM),并將所得結果與3GPP TR 38.900[1]和mmMAGIC項目[5]的戶外微蜂窩頻率依賴性模型參數結果進行對比分析驗證. 基于定向掃描測量 (Directional-Scan-Sounding,DSS)系統推導了該信號模型下的SAGE算法和萊斯因子K的計算方法,利用SAGE算法提取多徑分量(Multipath Component,MPC),建立參數化模型,利用分簇算法提取簇參數并建模.本文為39 GHz室外微蜂窩場景5G毫米波鏈路和系統仿真及系統設計提供了數據和模型基礎.

1 測量環境與測量系統

39 GHz毫米波室外信道測量工作在中國電波傳播研究所青島分所中住宅樓區開展,分別對一條視距(Line-of-Sight, LOS)路徑與一條非視距(Non-Line-of-Sight, NLOS)進行了測量,場景示意圖如圖1所示. 其中,Tx固定在升降車上,采用全向天線,相對地面高度為9 m;Rx固定在手推車上,搭載三軸高精度步進電機轉臺,配備喇叭天線,可遠程控制實現其在水平面和垂直面的精確旋轉,其高度固定為1.5 m,喇叭天線的半波功率角(Half-Power Beamwidth, HPBW)為10°. 為獲取完整的三維到達角(Angle-of-Arrival, AOA)信息,喇叭天線在水平面以5°為間隔在0°到360°掃描;以10°為間隔在垂直面上可能存在多徑的角度范圍內掃描以提高測量效率. 測量系統采用滑動相關時域信道探測儀[6],主要系統參數見表1.

圖1 測量環境及路徑示意圖

參數取值載頻/GHz39帶寬/GHz1碼長/ns1024時延分辨率/ns1發射/接收天線全向天線/喇叭天線發射/接收天線增益/dB3/24發射/接收天線高度/m9/1.5

2 毫米波信道建模與參數估計

2.1 旋轉掃描測量系統下的信號模型

SAGE算法廣泛應用于無線世界倡議新無線電(Wireless World Initiative New Radio,WINNER)的信道建模中,提取多輸入多輸出(Multiple-Input Multiple-Output, MIMO)信道的多徑參數[7]. 文獻[8]詳細描述了MIMO陣列天線信號模型SAGE算法的具體實現. 本次測量中,Rx端采用喇叭天線旋轉方式,M次掃描可視作M個單元的虛擬單輸入多輸出(Single-Input Multiple-Output,SIMO)系統. 則第l條多徑的沖激響應可表示為

s(t;ρl) =[s1(t;ρl),…,sM(t;ρl)]T

=c(θl,φl)αlexp(j2πvlt)u(t-tl).

(1)

式中:ρl=[τl,θl,φl,υl,αl]是待估計的第l條徑的參數集,τ是時延,θ是垂直到達角,φ是水平到達角,υ是多普勒頻移,α是振幅;u(t)為參考信號;導向矢量c(θ,φ)可表示為

(2)

式中:r1,r2,…,rM表示M個接收天線單元的位置;f表示復天線方向圖;e(θ,φ)表示單位方向矢量;〈·〉表示內積. 接收信號Y(t)=[Y1(t),…,YM(t)]T可表示為

(3)

式中:N0是正常數;N(t)=[N1(t),…,NM(t)]T是M維標準復高斯白噪聲.

DSS系統常應用于目前的毫米波信道測量中[9].如圖2所示,在DSS測量系統中,假定測量信道是時不變信道,且當喇叭旋轉時,天線饋點保持在中心位置不變,則式(2)中的導向向量c(θ,φ)可表示為

(4)

在測量時,收發端保持靜止且不考慮移動散射體的影響,式(1)中的目標函數s(t;ρl)可表示為

s(t;ρl)=c(θl,φl)αlu(τ-τl).

(5)

圖2 DSS系統下的信號模型

2.2 路徑損耗模型

目前,基于DSS系統下的測量方式,常用兩種方法對路徑損耗進行建模,分別是方向性路損模型和全向路損模型. 方向性路損模型主要考慮天線旋轉測量中獲取的最大接受功率或最小路徑損耗. 由于5G通信系統中波束成型與波束追蹤技術的運用,方向性路損模型在系統設計時有很高的參考價值. 全向路損模型可以利用各角度路損按式(6)合成[10]:

(6)

式中:Pri(θel,φaz)是在去除天線增益后接收端Rx在測量位置i的水平方向角φaz和垂直方向角θel的接收功率,mW;Pt是發射端Tx全向天線發射功率,dBm.

方向性路損模型與全向路損模型均可用自由空間逼近(Close-in,CI)和浮動截距(Flouting Intercept,FI)兩種路損模型進行擬合. 在CI模型中,參考距離d0取1 m,路徑損耗可表示為[10-12]

(7)

式中:n表示路損指數;f表示載頻;c表示光速;d表示收發端的三維空間距離.

如文獻[10]所述,FI模型可以表示為

(8)

式中:α是與距離相關的系數,與CI模型中的路損指數n相似;β是參考距離1 m處的浮動路損截距.

2.3 大尺度參數建模

大尺度參數主要包括DS、AS和K因子等. 均方根時延擴展可由下式計算得到:

(9)

式中:L是由SAGE估算的總路徑數;τ0是平均附加時延,計算公式為

(10)

在文獻[13]中,均方根角度擴展σφ按式(11)計算得出,并通過定義圓角擴展避免了由零度選擇所造成的誤差.

(11)

式中,

(12)

(13)

(14)

2.4 分簇算法及萊斯因子計算方法

在目前主流的GBSM模型中,如3GPP 空間信道模型(Spatial Channel Model,SCM)和WINNER II 模型以及超寬帶SV(Saleh-Valenzula),常引用簇(Cluster)的概念. MPC被分成若干個簇. 在信道模擬的實現過程中,簇的個數、簇時延擴展和簇角度擴展等都是十分重要的參數. 本次的測量和建模過程中,采用了基于多徑分量距離 (Multipath Component Distance,MCD)算法對MPC進行分簇,MCD算法介紹如下.

任意第i個MPC和第j個MPC之間的MCDdi,j可由式(15)計算得出:

(15)

式中:dAOA,ij和dτ,ij分別是到達角域和時延域的MCD,且有

dAOA,ij=‖Ωj-Ωi‖,

(16)

(17)

式中:Ωi和Ωj是第i個和第j個MPC的AOA方向單位矢量,且有Ω=[cos(φ)cos(θ),sin(φ)cos(θ),sin(θ)]T;τi和τj分別表示第i個和第j個MPC的時延;Δτmax=max{|τj-τi|;?i,j∈[i,…,L]}表示最大附加時延;ζ表示時延域與角度域的比例因子.分簇算法包括以下三步:

第一步,在待分簇的集合內選擇功率最大的MPC作為參考徑;

第二步,計算其余所有的徑與參考徑的MCD,將MCD小于閾值dth的MCP歸為一個簇;

第三步, 將已分簇的MCP從全集中完全移除,重復上述兩步,直至全體MPC被分配完成.

在過去的連續信道測量中,萊斯因子K的估計通常使用矩量法. DSS測量系統中,采用的測量方式為定點測量,因此矩量法不再適用于K因子的估計計算.K因子定義為LOS分量與NLOS分量之和的功率比. 基于分簇結果與定義,K因子的表達式為

(18)

式中:N是簇的總數;P1和Pn分別表示第一個簇(視距簇)和第n個簇中MPC的總功率.

3 信道建模結果和分析

3.1 路徑損耗與陰影衰落

根據2.2節介紹的方向性路損模型與全向性路損模型對室外微蜂窩場景進行建模,LOS路徑和NLOS路徑的路徑損耗分別如圖3(a)和圖3(b)所示. 表2總結了路徑損耗模型相關參數. 表2中,α,β,n定義見式(7)和式(8),σ表示陰影衰落標準差. 作為參考,圖3給出了自由空間路徑損耗. 由圖3結果可以發現: 1)LOS路徑的方向性路損和全向性路損在CI和FI兩種擬合方式下與自由空間路損模型十分接近;2)CI模型中陰影衰落比FI模型略大,但差別在1 dB左右,符合相關規律與已有文獻結果[14],既驗證了此次測量數據的有效性又驗證了39 GHz毫米波頻段應用于戶外微蜂窩通信的可行性.

(a) LOS場景

(b) NLOS場景

路徑方向路損全向路損CIFICIFInσαβσnσαβσLOS21.001.8818.5268.851.7619.571.7323.7556.611.34NLOS31.743.9517.6386.892.9728.532.5229.2463.122.52

3.2 MPC參數的提取

根據2.1節的信號模型,采用SAGE算法在測量得到的信道沖激響應 (Channel Impulse Response, CIR)中提取以下多徑參數:時延、水平到達角和幅度. 由于測量的垂直面樣本數量不足以精確提取MPC垂直到達角,故本文垂直面到達角仍采用非參數化方法進行計算. 接收端在每個測量點的水平面進行喇叭天線旋轉測量時,共旋轉72次, 根據式(4)構成72單元的虛擬天線陣列,可充分精確地提

(a) NLOS場景第8測量點CIR

取水平面到達角. SAGE算法估計參數設置如下:迭代次數為10次,最大多徑數量為200條,多徑功率動態范圍篩選閾值為LOS 25 dB,NLOS 20 dB,進而在提取得到的200條多徑中篩選有效多徑. NLOS場景較之LOS場景能夠觀察到更多繞射、反射多徑,故作為示例,給出了NLOS路徑第8測量點測量得到的CIR以及對應的MPC參數提取結果,如圖4所示. 其中,圖4(b)結果由SAGE提取得到,圓點的半徑越大表示該多徑的功率越強. 從圖4(b)

(b) NLOS場景第8測量點SAGE提取MPC參數

可發現,電波主要從四個方向到達接收端,分別是-10°、60°附近、-70°附近以及-120°附近,這些主要MPC的到達角、時延和功率均可與圖4(a)中CIR對應. 結合圖1所示拓撲結構,可發現-10°附近的MPC來自繞射傳播,而60°、-70°與-120°附近的散射體主要來自左右兩端的樓體與植被反射,由于該住宅區樓房表面主要為大面積落地窗,故反射徑能量很強. 玻璃窗鏡面反射在該住宅小區環境的NLOS場景中成為主要的多徑傳播方式.

3.3 時延擴展和角度擴展

均方根時延擴展和角度擴展分別描述了信道對傳輸信號在時延域和角度域上造成的色散程度. 采用2.3節所介紹的方法對時延擴展和角度擴展進行建模. 噪聲功率通過統計功率時延譜(Power Delay Profile, PDP)最后200 ns無信號純噪聲數據得出. SAGE提取的多徑以相同的噪聲功率值作為門限值進行了篩選. 所得到的LOS和NLOS的DS結果、水平到達角和垂直到達角的角度擴展結果如表3所示．為了對比驗證,在表3中給出了mmMAGIC項目[5]與3GPP TR 38.900[1]的戶外微蜂窩頻率依賴性信道模型參數結果.

由表3結果可以發現:1)通過參數化方法所得DS結果較小,與文獻[15]中所得的研究結果相吻合. 2)NLOS環境下的DS大于LOS的結果,這與以往的6 GHz的信道測量結果一致. 3)此次測量結果與文獻結果差別不大,對39 GHz下的戶外微蜂窩場景的5G毫米波信道建模具有一定參考意義.

3.4 萊斯因子和簇參數

本文中簇參數的提取以及萊斯因子的提取均基于2.4節所介紹的分簇算法處理后的多徑射線的分簇結果. 信道參數提取的準確性取決于分簇算法中控制參數的選取. 本文中,以散射體分簇結果與實際環境的匹配情況為標準,通過反復檢驗,參數取值如下:比例因子ζ=5,閾值dth=0.25,與文獻[9,16-17]一致. 所得K因子的CDF曲線如圖5所示. 由圖5可發現K因子與正態分布擬合較好,符合3～10 dB的經驗值.

表3 本文39 GHz毫米波模型時延擴展和角度擴展參數與現有文獻結果比較

圖5 K因子的建模結果

利用分簇算法提取的簇參數如下:簇的個數、簇內時延擴展和簇內角度擴展,結果在圖6以及表3中給出.由圖6和表3可總結發現:1)LOS與NLOS的簇內角度擴展結果十分接近;2)LOS場景下的簇內垂直角度擴展略大于NLOS場景;3)LOS場景下簇的個數分布與正態分布擬合程度較好,NLOS場景下簇的個數分布趨勢與正態分布近似,部分細節有偏差,并且簇的個數(最大平均值小于10)較6 GHz以下更少[7].

圖6 簇的個數分布

4 基于QuaDRiGa的信道仿真驗證

4.1 仿真場景信道參數設置

39 GHz室外毫米波信道模型的仿真驗證采用3GPP TR 38.900[1]推薦的信道仿真平臺QuaDRiGa. 表3及K因子、簇數等參數均作為場景參數輸入到QuaDRiGa仿真器中,由于本次測量發射端采用全向天線,電波的離開角無法通過測量獲取,故

仿真時采用3GPP 模型[1]的離開角參數替代. 此外,為匹配仿真器參數輸入格式,簇的數目取值按照均值四舍五入取整,仿真器簇的數目及簇內參數輸入值詳見表4．

表4 QuaDRiGa仿真器簇的數目及簇內參數輸入值

4.2 仿真場景拓撲參數設置

仿真場景的參數設置如下:發射端配備全向天線,高度為9 m,與實測環境對應,在仿真拓撲中位于坐標原點;接收端設置了250個測量點,均勻分布在以發射端為圓心,半徑為200 m的圓內,高度為1.5 m,如圖7所示.

圖7 QuaDRiGa仿真平臺的場景設置示意圖

4.3 仿真結果的統計驗證

將LOS和NLOS場景測量與建模得到的大尺度參數分別輸入到仿真器中,可分別得到250個CIR矩陣. 本節通過由仿真得到的CIR矩陣計算DS、水平角度擴展和垂直角度擴展等大尺度參數,并將250組仿真結果的統計CDF與實測結果進行對比,從而驗證仿真平臺在39 GHz毫米波段的可用性. 圖8所示為LOS和NLOS場景仿真與實測結果的CDF曲線對比結果.

由圖8可以發現,DS、ASA、ESA、K等大尺度參數的仿真結果在LOS與NLOS場景下均能和實測結果很好地吻合.

(a) DS

(b) 水平角度擴展

(c) 垂直角度擴展

(d) 視距場景的萊斯因子K圖8 仿真與實測的大尺度參數統計結果對比

5 結 論

本文基于39 GHz室外微蜂窩毫米波信道測量的實測數據,對高頻段測試系統下39 GHz頻段的大尺度參數建模和提取方法進行研究,并對QuaDRiGa仿真平臺在該頻段下的可用性進行了分析驗證. 基于DSS系統,推導給出導向矢量表達式,以及優化的分簇算法與K因子的計算方法. 結果表明,在LOS路徑下,方向性路損和全向路損在CI和FI的擬合方式下與自由空間路損模型較為接近,同時在FI模型中陰影衰落較在CI模型中小. LOS與NLOS的簇內角度和時延擴展同正態分布擬合較好,視距徑的簇內時延擴展稍大于非視距徑. 簇的數目相比6 GHz以下的高頻信道要少,均值在10個以下,體現了毫米波室外環境簇的稀疏性. QuaDRiGa仿真結果與實測信道的大尺度參數統計特性能夠很好地吻合,驗證了其在39 GHz頻段的可用性. 本文為39 GHz室外微蜂窩場景5G毫米波鏈路和系統仿真及系統設計提供了數據和模型基礎.

[1] 3GPP. 3rd generation partnership project, TR 38.900, study on channel model for frequency spectrum above 6 GHz[R/OL]. [2017-09-13]. http://www.3gpp.org, 2016.

[2] World Radio Communication Conference (WRC-15)[EB/OL]. Geneva: Switzerland, 2015[2017-09-13]. http://rspg-spectrum.eu

[3] ZHANG J, TANG P, TIAN L, et al. 6—100 GHz research progress and challenges for fifth generation(5G) and future wireless communication from channel perspective[J]. Science China information sciences, 2017, 60(8): 1-16.

[4] AI B, GUAN K, HE R, et al. On indoor millimeter wave massive MIMO channels: measurement and simulation[J]. IEEE journal on selected areas in communications, 2017, 35(7): 1678-1690.

[5] mmMagic. mm-Wave based mobile radio access network for 5G integrated communications, W2.1, 6-100 GHz channel modeling for 5G: measurement and modeling Plans in mmMAGIC[EB/OL]. [2017-09-13]. https://5g-mmmagic.eu

[6] WEN Z, KONG H. mmWave MIMO channel sounding for 5G[C]//2014 1st International Conference on 5G for Ubiquitous Connectivity (5GU).?k?slompolo, 2014: 192-197.

[7] IST-4-027756 WINNER II, D1.1.2 ver 1.2, Final Report on Link Level and 606 System Level Channel Models[R/OL]. 2008[2017-09-13]. http://projects.celtic-initiative.org/winner+/phase-2-model.html

[8] RICHTER A, THOMA R S. Joint maximum likelihood estimation of specular paths and distributed diffuse scattering[C]//2005 IEEE 61st Vehicular Technology Conference (VTC-Spring). Stockholm, 2005: 11-15.

[9] YIN X, LING C, KIM M D. Experimental multipath-cluster characteristics of 28-GHz propagation channel[J]. IEEE access, 2015, 3: 3138-3150.

[10] MACCARTNEY G R, RAPPAPORT T S, SAMIMI M K, et al. Millimeter-wave omnidirectional path loss data for small cell 5G channel modeling[J]. IEEE access, 2015, 3: 1573-1580.

[11] RAPPAPORT T S, MACCARTNEY G, SAMIMI M K, et al. Wideband millimeter-wave propagation measurements and channel models for future wireless communication system design[J]. IEEE transactions on communications, 2015, 63(9): 3029-3056.

[12] SULYMAN A I, ALWARAFY A, MACCARTNEY G, et al. Directional radio propagation path loss models for millimeter-wave wireless networks in the 28, 60, and 73 GHz bands[J]. IEEE transactions on wireless communications, 2016,15(10): 6939-6947.

[13] 3GPP. 3rd generation partnership project, TR 25.996. Spatial channel model for multiple input multiple output (MIMO) simulations, v11.0.0, [R/OL]. [2017-09-13]. http://www.3gpp.org, 2012.

[14] MACCARTNEY G R, RAPPAPORT T S, SUN S, et al. Indoor office wideband millimeter-wave propagation measurements and channel models at 28 and 73 GHz for ultra-dense 5G wireless networks[J]. IEEE access, 2015, 3: 2388-2424.

[15] JI Y, YIN X, WANG H, et al. antenna de-embedded characterization for 13-17 GHz wave propagation in indoor environments[J]. IEEE antennas and wireless propagation letters, 2017, 16: 42-45.

[16] GUSTAFSON C, HANEDA K, WYNE S, et al. On mm-wave multipath clustering and channel modeling[J]. IEEE transaction on antennas and propagation, 2014,62(3): 1445-1455.

[17] KIM M, TAKADA J I, CHANG Y, et al. Large scale characteristics of urban cellular wideband channels at 11 GHz[C]//2015 9th European Conference on Antennas and Propagation (EuCAP). Lisbon, 13-17 April, 2015:1-4.