Channel Modal 小结(1)

信道模型 Channel Modal 小结(1)

  (2010-04-20 13:45:59)
转载
标签: 

信道模型

 

channel

 

modal

 

rayleigh

分类: 无线通信

    这两天看了信道模型相关内容,发现Channel Modal还挺讲究的。原本以为直接按照Clarke模型搭仿真平台是亘古不变的硬道理,但看了文章[1][2]后发现并不是这样,按照Jake模型搭建的似乎更多呢。选择何种信道模型搭建仿真平台会很明显的影响信道的统计特性,以致影响算法效果,所以研究信道是做算法研究不容忽视的内容。这次总结先总结一下现有的经典信道模型:Clarke 模型、Jake 模型和文章[1]提出的信道模型,并分析一下三种模型之间的差异。至于在何种条件下选择相应模型,还要再仔细思考一下,目前有些问题自己还没想通,打算留在总结(2)记录。另外经典的信道模型和文章[1]提出的信道模型都是针对Rayleigh信道,如果是赖斯信道或单径信道(高铁场景)按照这些模型搭建的话,其分布是否还满足理想统计特性还没有仿真验证过,打算留在总结(3)中记录。

    现在常用的经典模型是Clarke模型和Jake模型,有一点可以确认Clarke模型得到的统计特性是几乎所有改进信道模型的参照标准。

    1、Clarke Modal最理想的模型:

      Channel Modal 小结(1)_第1张图片    

    其中N为多径径数,Cn为每一径的幅度增益,wd为最大多普勒频散,an为每一径来波方向,phin为每一径初始相位。其中Cn,an,phin是随机数,在径数N很大的时候,g(t)可被视为高斯随机过程,an,phin看做在(-pi,pi]均匀分布,由此有以下结论:(1)信号幅度服从瑞利分布;(2)相位在(-pi,pi]均匀分布;(3)信道响应的二阶统计特性:如自相关满足贝塞尔曲线J(wd*tau),(tau:相关时间差,之前我写过一篇速度估计的日志,其中的相关算法就是基于自相关的二阶统计特性估计移动速度),信号两个正交分量的互相关为0;(4)以及四阶统计特性。由于告诫统计特性不好表达,直接给出公式了:

Channel Modal 小结(1)_第2张图片

    2、Jake Modal:这是现在常用的信道模型,与Clarke的不同时,归一化后每一径幅度增益相同且为1/sqrt(N),每径初始相位都为0,第n径来波方向为2*pi*n/N,n=1,2,3,..N。也就是上述中的Cn,an,phin为:

Channel Modal 小结(1)_第3张图片
    Jake模型大名就不说了,我觉得大家之所以那么爱用它是因为它将Clarke理论模型优化了,它是可以用仿真实现的。毕竟Clarke是个统计模型,每一径来波方向都在(-pi,pi]均匀分布的随机数,但只当多径数量趋于无穷的时候才符合以上统计特性,看到许多文章都用100个正弦分量来合成一个径,这对系统仿真来说代价太大。那么怎么才能用有限个的正弦分量(N)产生符合Clarke统计特性的信道呢?Jake模型为了减少计算量,就人为的把N径均匀的分布在(-pi,pi]范围内,仿真的时候这N个径不是(-pi,pi]的随机数,而是公式an=2*pi*n/N给出的特定值,这样即使N很小也能保证N个径合成的信号与Clarke模型理论一致的,图1给出了N=6时的情况。可以说Jake模型为Clarke理论模型找到了实际仿真可用的信道设计方案。但是有些地方理想的比较过分,比如每一径的增益都一样(实际中可能吗?多径延时特别小的话可以吧),而且初始相位也相同(可能吗?多径延时特别小的话可以吧),这样设计可能对算法仿真结果上有好处,不过做工程的话还是希望仿真模型更接近实际一些吧,所以文章【1】对Jake模型进行改进。

Channel Modal 小结(1)_第4张图片

图1 方位角an分布

 

    但Jake模型的有一处设计让我很惊叹它的巧妙,即径数的选择N=4M+2,有了这个条件就可以简化仿真运算,可以减少做硬件用到的震荡器(正弦分量)数量,想想本来要用N个正弦分量,现在只需M=(N-2)/4个了,简化运算量。就拿TD-SCDMA信道来说吧,通常给出5个径的Power Average和多径时延tau_t,注意这里的径区别于上述径。此处为“大径”,大径由多径时延区分开,而其中每一个“大径”由无穷个“小径”合成,这些“小径”才是上面模型所提到的径的概念,“小径”合成的大径服从上述的Clarke模型或Jake模型的统计特性,假设有6个小径N=6,那么M=1,从图1可以看出这6个“小径”方位角分布的对称关系,从而将信道模型化简为: 

Channel Modal 小结(1)_第5张图片

 

     从上面看出,Jake模型和Clarke有那么多不同,就可以很容易理解为什么Jake模型的统计特性与Clarke理论不符了,下面给出公式:

Channel Modal 小结(1)_第6张图片

 

    3、改进信道:尽管Jake信道那么的受欢迎,但是由于其高阶统计特性与理想不符,所以文章【1】的作者对它进行了改进,其实我倒是觉得这个信道怎么又朝着Clarke改回去了,说白了就是让幅度、初始相位、来波方向尽可能随机以符合Clarke理论的统计分布,但同时又能保证如Jake模型中所有径总体来看在(-pi,pi]上均匀分布的,是有可借鉴之处的。挺适合我之前说的速度估计算法使用,毕竟相关算法、CrossingRate算法都是由理论Clarke模型推出来的嘛。既能保证统计特性符合Clarke理论,又借鉴了Jake模型的优点能减少硬件实现和仿真时用到的正弦分量(径数N)的个数。另外文章【1】说Clarke模型无法产生用于频率选择性和MIMO的信道,这个我是百思不得其解,怎样的统计特性才符合呢?为什么文章【1】的统计特性就可以产生符合MIMO的信道呢,想通了留到总结(2)记录好了。下面给出Cn,an,phi公式:

Channel Modal 小结(1)_第7张图片
     其高阶统计特性如下,与在径数大的时候与Clarke完全一致:

     Channel Modal 小结(1)_第8张图片


Reference:

【1】Yahong Rosa Zheng and Chengshan Xiao, “Simulation Models With Correct Statistical
Properties for Rayleigh Fading Channels”,IEEE Trans. Commun.

【2】M. F. Pop and N. C. Beaulieu, “Limitations of sum-of-sinusoids fading
channel simulators,” IEEE Trans. Commun.

你可能感兴趣的:(信道)