论文部分内容阅读
近年来,随着信息全球化快速发展,大们对无线通信网络性能的需求越来越高,第五代(The 5th Generation,5G)无线通信系统应运而生。其中,大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术能够有效地提升无线通信系统的频谱和能量效率以及系统的可靠性,是5G无线通信系统的关键技术。同时,为构建全球无线通信覆盖网络,以提供环境监测、灾害预警、地球成像等多种服务,卫星通信技术以其组网方便迅速、传输质量好、覆盖范围广、通信容量大、能实现全球无缝连接等优势成为五代后(Beyond 5th Generation,B5G)无线通信系统的核心关键技术。这些通信技术的应用使得5G及B5G无线通信信道展现出与传统信道截然不同的新型特性,给5G及B5G无线通信系统的信道建模带来了极大的挑战。准确高效的信道模型是无线通信系统设计、性能评估及测试的重要手段和实验工具,在无线通信的物理层研发中起到基础和支撑作用。考虑到现有信道模型的不足,论文针对5G及B5G无线通信系统中的大规模MIMO与卫星通信信道的建模和特性分析进行了广泛而深入的研究。本文对当前5G及B5G无线通信系统中的大规模MIMO与卫星通信信道模型研究进行了总结归纳,针对其中的不足之处,在信道测量和射线追踪获取的信道数据的基础上,同时使用几何随机建模方法和人工智能预测方法对大规模MIMO技术下的通信信道和卫星通信信道进行建模。完成的主要工作与创新性成果如下:1)大规模M1MO非预测性信道模型本文提出了一个适用于均匀平面天线阵列(Uniform Planar Antenna,UPA)的大规模MIMO无线通信系统的三维(3 Dimentional,3D)非平稳宽带共焦点多椭球信道模型,该模型不仅考虑了信道的时域非平稳特性,而且结合了马尔可夫生灭过程和种子算法对散射簇在UPA阵列域的非平稳特性进行建模。同时,此模型提出了选择性散射簇演进过程和散射簇非平稳演进区域(Cluster Evolution Areas,CEAs),限定了散射簇演进的范围。该模型考虑了 UPAs的空间旋转性,并通过对延迟、多普勒频移、出发角(Angle of Departure,AoD)和到达角(Angle of Arrival,AoA)等信道参数的水平角方向和俯仰角方向的精确计算实现了球面波假设。本文在该理论参考模型的基础上,实现了相应的仿真模型。理论参考和仿真模型的统计特性与数值计算结果吻合良好。同时,本文比较分析了有代表性的5个几何随机信道模型(Geometry-based Stochastic Models,GBSMs)——二维(2 Dimentional,2D)椭圆模型,2D 抛物线波模型,3D成对散射簇模型,3D 5G通用模型,3D椭球模型与目前最为成熟的相关性随机信道模型(Correlation-based Stochastic Models,CBSMs)——Kronecker生灭模型,分析计算了 6大模型的空间互相关函数(Spatial Cross-Correlation Functions,SCCFs)和信道容量,结果显示3D信道模型的SCCFs略小于对应2D简化模型的SCCFs且3D信道模型的信道容量均大于对应2D简化模型的信道容量。2)大规模MIMO和毫米波技术结合的室内场景信道特性预测模型本文提出了一种基于卷积神经网络的大规模MIMO和毫米波技术结合的室内场景的信道特性预测模型。利用有限的数据集训练卷积神经网络之后,可通过将室内场景的发送端(Transmitter,Tx)和接收端(Receiver,Rx)的3D坐标输入到训练好的卷积神经网络来预测该子信道的11个信道特性。卷积神经网络预测的信道特性与测量数据得到的信道特性拟合良好,预测结果与实际测量数据的均方根误差(Root Mean Square Errors,RMSEs)和误差方(Error Squares,ESs)的概率密度分布(Probability Density Distributions,PDFs)也得到了准确的分析。同时,我们用不同的数据采集方式获取了两个场景的数据集并对其进行训练、预测和对比分析,总结了如何进行数据采集可获得更好的预测效果,该研究对无线大数据中数据的采集和数据集的生成具有指导意义。3)卫星通信信道的非预测性信道模型本文提出了一种适用于高纬度地区Q波段的卫星通信3D信道模型,该模型同时考虑了路径损耗(Path Loss,PL)、阴影衰落和小尺度衰落。阴影衰落模型部分采用马尔可夫链进行建模;小尺度衰落模型是散射簇位于半球球面上的GBSM。仿真结果表明,本文提出的适用于高纬度地区Q波段的卫星通信3D信道模型的仿真模型能够较好地再现与之相对应的理论模型和测量数据的主要统计特性。4)卫星通信信道的预测性信道模型本文提出了一种基于人工神经网络(Artificial Neural Network,ANN)的卫星信道衰落预测模型,可根据预测的天气信息有效预测未来的信道衰落情况。实验表明该方法预测效果良好,预测所得的信道衰落数据与测量所得信道衰落数据的绝对误差低于1 dB的概率高达98.85%。该模型的提出能够有效帮助改善降低信道对信号损害的技术,如自适应编码和调制以及动态功率控制,完成低成本部署,提升卫星通信的传输效率。综上所述,本文在5G和B5G无线通信系统的大规模MIMO和卫星通信信道建模等方面开展了相关的研究工作,提出了两种技术下的几何随机模型和预测性信道模型,这些工作对于5G和B5G无线通信系统的实现具有重要的指导意义。