《IMT-2030(6G)推进组:2023面向6G的信道测量与建模研究报告(第二版)(120页).pdf》由会员分享,可在线阅读,更多相关《IMT-2030(6G)推进组:2023面向6G的信道测量与建模研究报告(第二版)(120页).pdf(120页珍藏版)》请在三个皮匠报告上搜索。
1、北京稻壳科技有限公司Beijing Rice Hull Technology Co.,Ltd.地址:北京市朝阳区九住路 188 号IMT-2030(6G)推进组IMT-2030(6G)Promotion Group2023 年年 12 月月版权声明版权声明 Copyright Notification未经书面许可未经书面许可 禁止打印、复制及通过任何媒体传播禁止打印、复制及通过任何媒体传播2023 IMT-2030(6G)推进组版权所有IMT-2030(6G)推进组IMT-2030(6G)Promotion Group目录前言.1第一章6G 信道研究背景与现状.21.1 6G 愿景与需求.21
2、.2 6G 信道需求与挑战.21.3 6G 信道研究现状.4第二章 太赫兹通信信道研究.102.1 太赫兹信道测量平台与场景.102.2 太赫兹信道特性分析.152.3 小结.25第三章 通信感知一体化信道研究.263.1 通信感知一体化信道建模场景及需求.263.2 通信感知一体化信道测量及仿真研究.273.3 通信感知一体化信道建模方法研究.403.4 小结.53第四章 大规模多输入多输出信道研究.564.1 概述.564.2 大规模 MIMO 信道特性分析与建模.564.3 智能超表面信道特性分析与建模.644.4 小结.71第五章 可见光通信信道研究.735.1 可见光信道建模研究现状
3、.735.2 考虑人体遮挡的可见光通信中断概率分析与建模.745.3 可见光信道建模挑战与展望.795.4 小结.79第六章 多样通信场景信道研究.806.1 车联网无线信道测量和建模.806.2 空-地无线信道测量和建模.836.3 海洋无线信道测量和建模.886.4 小结.97第七章 新型信道建模方法探索.1017.1 基于多任务深度学习的信道特征超分辨率模型.101IMT-2030(6G)推进组IMT-2030(6G)Promotion Group7.2 小结.106第八章 面向 6G 的信道数据集和信道仿真器.1078.1 面向 6G 的信道仿真器.1078.2 面向 6G 的 AI
4、空口信道数据集.108第九章 总结.109贡献单位.110IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图目录图 2-1 105 GHz 太赫兹信道测量平台.11图 2-2 105 GHz 办公室测量场景及测量点位建模方法原理.11图 2-3 132 GHz 城市微蜂窝测量场景及测量点位部署.12图 2-4 140 GHz&220 GHz 室外街道峡谷的信道测量环境和部署.13图 2-5 306-321GHz 太赫兹信道测量系统.13图 2-6 中庭天台场景和测量部署.13图 2-7 室外 L 型街道场景和测量部署.14图 2-8 LOS 与 NLOS 场
5、景路径损耗模型.16图 2-9 130-135 GHz 与 219-224 GHz 室外街道峡谷路径损耗.17图 2-10 306-321GHz 室外场景最佳方向路径损耗和 CI 模型.17图 2-11 太赫兹室外场景下路径损耗因子的测量值.17图 2-12 LOS 与 NLOS 场景时延扩展模型.18图 2-13 LOS 与 NLOS 场景角度扩展模型.19图 2-14 K 因子模型.20图 2-15 多频段测量、传统 3GPP 模型以及改进后的 3GPP 信道模型的稀疏性曲线.21图 2-16(a)EFeko(s,s)与(b)EDS(s,s)的比较.23图 2-17 三维表面上的散射电场比
6、较(a)Feko,(b)散射模型.24图 2-18 不同入射角度下的散射电场比较(a)Feko,(b)散射模型.24图 2-19(a)不同粗糙表面形状下的散射电场比较(b)Feko,(c)散射模型.25图 3-1 信道测量场景布局.28图 3-2 ISAC 信道实际测量场景.29图 3-3 ISAC 信道的 PADP.29图 3-4 ISAC 信道 MPC 联合分簇结果.30图 3-5 测量实景图.31图 3-6 测量布局图.31图 3-7 不同情况下的功率时延角度谱.32图 3-8 不同点位下目标朝向角度与环境相同角度的 PDP 对比.33图 3-9 多径数目对比.33图 3-10 时延与角
7、度的统计性参数对比.33图 3-11 USRP 硬件测量系统示意图.34图 3-12 InH LOS 场景通信信道路径损耗.34图 3-13 mono-static 感知模式 USRP 硬件测量系统.35图 3-14 角反射器示意图.35图 3-15 InH LOS 场景感知信道路径损耗.36图 3-16 UMi LOS 场景路径损耗测量示意图.36IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 3-17 10GHz 汽车 RCS8.36图 3-18 Umi LOS 场景感知信道路径损耗.36图 3-19 RT 仿真结果.37图 3-20 生成的散射簇.
8、38图 3-21 通信信道中使用全向天线的功率时延谱.38图 3-22 通信信道中使用定向天线的功率时延谱.38图 3-23 感知信道中使用全向天线的功率时延谱.39图 3-24 感知信道中使用定向天线的功率时延谱.39图 3-25 考虑气象因素的功率时延谱.40图 3-26 GBSM 通感一体化信道模型示意图.40图 3-27 GBSM 通感信道参数生成流程.41图 3-28 ISAC 信道模型示意.41图 3-29 ISAC 信道模型实现框架.43图 3-30 分段式建模示意图.43图 3-31 不分段式建模示意图.44图 3-32 分段建模示意图.45图 3-33 感知链路与通信链路.4
9、5图 3-34 通感一体化系统模型.46图 3-35 ISAC 信道模型包括 LOS 径、前向散射径和后向散射径20.47图 3-36 通感信道模型架构.50图 3-37 车辆散射中心提取.51图 3-38 车辆散射场-角度函数仿真和 5 个多散射中心重构结果.51图 3-39 目标相关分量的系统模型.52图 3-40 目标相关分量的生成流程.52图 3-41 背景分量的系统模型.53图 3-42 单站感知背景分量的生成流程.53图 4-1 无线通信中近场和远场示意图.56图 4-2 NF-SnS 框架的流程图.59图 4-3 平稳区间示意图,以 8 阵元为例.59图 4-4 3GPP 模型仿
10、真结果的 PDP 热度图.60图 4-5 NF-SnS 框架仿真结果的 PDP 热度图.61图 4-6 时延 PSD(a)LoS 环境(b)NLoS 环境.61图 4-7 LoS 环境和 NLoS 环境下(a)SCCF 和(b)ACCF 的绝对值.62图 4-8 沿天线阵列 RMS DS 的变化.62图 4-9 沿天线阵列(a)RMS DS 和(b)RMSAS 的变化.62图 4-10 随着 Rx 天线数量的增加用户信道矢量 SP 的变化(Duser=0.2 m).63IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 4-11 LoS(a)阵列域(b)角度
11、域及 NLoS(c)阵列域(d)角度域归一化信道矩阵.63图 4-12 RIS 单元独立调控极化所对应的入射波磁场分量及相关的分解示意图.66图 4-13 RIS 阵子第一极化及第二极化方向图.69图 4-14 RIS 在复杂场景部署仿真.69图 4-15 BS-UE、级联 BS-RIS-UE、综合 BS-UE+级联 BS-RIS-UE 信道覆盖.69图 4-16 RIS 部署时覆盖目标位置的功率时延谱(PDP).70图 4-17 RIS 室内场景测试环境及部署架构图.70图 4-18 RIS 单元 S11 参数随频率变化曲线.70图 4-19 RIS 面板码本对应的各单元相位状态.71图 4
12、-20 各频点终端轨迹位置接收电平仿真结果.71图 5-1 可见光信道测量平台.74图 5-2 圆形人体阴影示意图.76图 5-3 扇形人体阴影示意图.76图 5-4 中断概率 v.s.人体高度.77图 5-5 中断概率 v.s.人体宽度.77图 5-6 中断概率 v.s.收发端距离.77图 5-7 中断概率建模结果.78图 6-1 车联网中包含多样化的通信链路.80图 6-2 测试场景示意图.80图 6-3 实测路径损耗的距离拟合.81图 6-4 一种简化的断点距离划分方法.82图 6-5 测试场景中的密集多径成分(DMC)能量占比.83图 6-6 基于无人机平台的空-地信道测量系统.83图
13、 6-7 实时测量系统收发端的实现方案.85图 6-8 多通道相位校正.85图 6-9 信道测量系统验证.86图 6-10 路径损耗测量结果.86图 6-11 测量场景及飞行轨迹.87图 6-12 多径数目分布测量结果.88图 6-13 海洋无线信道测量平台示意图.88图 6-14 发射信号通过无线信道示意图.88图 6-15 信道测量仪结构图.89图 6-16 整个信道测量仪在时域上的工作流程图.89图 6-17 基于双射线模型的影响.90图 6-18 REL 的几何模型.91图 6-19 粗糙海面的有效反射和阴影效应.91IMT-2030(6G)推进组IMT-2030(6G)Promoti
14、on Group图 6-20 不同均方根表面坡度的阴影系数与距离的函数关系.92图 6-21 红色为发散效应.92图 6-22 发散因子与距离的函数关系.92图 6-23 在光滑的地面上超越 LOS 的无线电链路.93图 6-24 h1=14.1m、h2=9.5m 的 LOS 衍射增益与距离的函数关系.94图 6-25 REL 模型、PEL 模型、ITU-R 模型和远距离测量 RSL 之间的比较.94图 6-26 整体估计的最佳拟合分布.96图 6-27 TWDP 分布的估计参数.97图 6-28 TWDP 分布的发生率.97图 7-1 信道特征超分辨率模型研究流程.102图 7-2 多任务学
15、习超分辨率模型网络架构.103图 7-3 用于损失函数计算的掩码示意图.104图 8-1 BUPTCMCCCMG-IMT2030 的架构.107图 8-2 BUPTCMCCCMG-IMT2030 的界面.107图 8-3 BUPTCMCCCMG-IMT2030 的操作界面.108图 8-4 BUPTCMCC-DataAI-6G 的构建方式.108IMT-2030(6G)推进组IMT-2030(6G)Promotion Group表目录表 2-1 太赫兹信道测量系统配置.14表 2-2 太赫兹 K 因子参数表.20表 2-3 太赫兹簇特性参数表.21表 2-4 多频段下 20%,50%以及 80
16、%CDF 的 Gini 系数值.22表 3-1 不同应用的信道建模需求与候选建模方法.27表 3-2 信道测量参数.28表 3-3 信道测量参数.30表 3-4 USRP 硬件测量系统路径损耗测量参数配置.34表 3-5 三角板角反射器 RCS 计算公式.35表 3-6 仿真参数.37表 4-1 中间参数参考取值.60表 6-1 测量结果汇总和提出的参考路径损耗模型.81表 6-2 系统性能指标.84表 6-3 CI 模型拟合参数.87表 6-4 图 6-25 中使用的相关模型参数值.95表 6-5 路径损耗模型与测量结果之间的 RMSE 结果.95表 6-6 最佳拟合分布的百分比.96表 6
17、-7 不同地区的主要分布.97表 7-1 射线追踪仿真中使用的材料电磁参数.102表 7-2 RT 仿真配置.103表 7-3 信道特征数据的正常范围与 NaN 值.1041IMT-2030(6G)推进组IMT-2030(6G)Promotion Group前言在下一代移动通信技术(6G)研究初期,基础性和前提性的信道测量与建模研究为移动通信系统技术评估、设备研发、系统设计和网络部署奠定基础。本研究报告重点关注 6G 信道在频率、技术、场景等多个维度上扩展后的新特性、未知规律以及新型的信道建模方法。频率方面,搭建了太赫兹时频域以及可见光高精度大尺度信道测量平台,研究了太赫兹、可见光通信信道的大
18、、小尺度衰落特性。技术方面,针对 6G 使能技术通信感知一体化、智能超表面等开展相应的信道研究,阐述新技术信道建模场景及需求,论述新技术信道测量及仿真的研究进展,并提出改进的新技术信道模型。建模方法论方面,提出了基于人工智能、射线跟踪、几何随机等新型信道建模方法。目前来看,6G 信道测量与建模所面临三大挑战。第一是频率跨度大:由于 6G 可应用的频率更高、带宽更宽,考虑到搭建宽带和高频信道探测仪(CS)的元器件和平台能力,利用 CS 从更高频率和更宽频带的信道中获得可靠和频率跨度如此巨大的精确信道特性是具有挑战性的;第二是通信场景复杂:考虑到超高速移动、空-天-地的多域空间等场景,物理环境更加
19、复杂,各场景下的散射体分布、地形特征、天气等因素都会呈现较大差异,支持上述复杂通信场景的基础上建立准确、可信的模型理论是具有挑战性的;第三是技术多样:未来 6G 系统中可能会采用超大规模 MIMO/全息 MIMO、智能超表面、通信感知一体化、可见光/太赫兹通信等更加多样的技术,不同技术测试评估所需要的模型特征是有区别的,精确的捕获这些技术下的信道新特征和规律,并低复杂度融入到 6G模型理论框架里,支持上述技术的研究评估是具有挑战性的。为了应对上述挑战,需要结合学术和产业界全体的力量。通过前期的需求评估和合理规划,采集更多典型场景、频段、测量配置下的信道实测数据,而后通过数据的标准化构建真实场景
20、环境和信道测量的数据库,实现信道数据的开源共享。结合传统建模理论,利用人工智能技术深度挖掘信道大数据下的隐藏规律,从而建立高精度、低复杂度、高通用性的 6G 信道模型。2IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第一章 6G 信道研究背景与现状1.1 6G 愿景与需求移动通信领域科技创新的步伐从未停歇,从第一代移动通信系统(The FirstGeneration Mobile Communication System,1G)到万物互联的第五代移动通信系统(TheFifth Generation Mobile Communication System,5
21、G),移动通信不仅深刻变革了人们的生活方式,更成为社会经济数字化和信息化水平加速提升的新引擎。随着 5G 网络的规模化商用,全球针对第六代移动通信系统(The Sixth Generation Mobile CommunicationSystem,6G)研发的战略布局已全面展开。面向 2030 年及未来,6G 将实现物理世界人与人、人与物、物与物的高效智能互联,打造泛在精细、实时可信、有机整合的数字世界,实时精确地反映和预测物理世界的真实状态,助力人类走进虚拟与现实深度融合的全新时代,最终实现“万物智联、数字孪生”的美好愿景1。6G 场景相较于 5G 场景来说,需求指标在速率、可靠性、时延、移
22、动性、能耗等各方面进一步提升。要使 6G 能应用于多种场景,需要从频率带宽、频谱效率、空间自由度三方面进行提升。一方面可以通过使用更高的频段来提升通信带宽,如可见光、太赫兹等新频段,通过新的调制编码、新的波形多址技术提升频谱效率。另一方面,通过智能超表面、超大规模 MIMO(Multiple Input Multiple Output)等新技术提升空间自由度,通过通信感知一体化、空天地一体化扩展 6G 应用场景。围绕 6G 总体愿景,未来业务将呈现沉浸化、智慧化、全域化等全新发展趋势,涵盖沉浸式云扩展现实(ExtendedReality,XR)、全息通信、感官互联、智慧交互、通信感知、普惠智能
23、、数字孪生、全域覆盖等八大业务应用场景2。这些场景一方面要求 6G 网络性能指标在现有 5G 能力指标的基础上尽可能提升,另一方面要求对 6G 网络的能力进行更加全面的拓展,如超低时延抖动、超高安全、立体覆盖、超高定位精度、人工智能(Artificial Intelligence,AI)相关指标和感知相关指标等。1.2 6G 信道需求与挑战无线电波从发送机天线发射后到达接收机天线所经历的通道就是无线信道,移动通信是利用无线电波在信道中传播,从而进行信息交换的一种通信方式。信道的特性决定了移动通信系统的性能限。无线信道传播特性和模型不仅是无线通信领域最具活力的基础性研究,同时也是每一代移动通信技
24、术评估、设备研发、系统设计和网络部署的前提条件3,而复杂、易变的信道一直以来是移动通信面临的巨大挑战之一。随着各代移动通信系统的演进,移动通信信道研究的趋势呈现出场景、频率、带宽、空域维度的持续扩展。国际电信联盟无线部(International Telecommunication Union-Radio,ITU-R)和第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)已经发布了若干 5G 信道3IMT-2030(6G)推进组IMT-2030(6G)Promotion Group模型标准,如 ITU M.2412、3GPPTR 38.900 和
25、 3GPPTR 38.901,它们为 5G 典型技术和通信系统性能评价提供了基础。其中 3GPPTR 38.901 和 ITU M.2412 两个信道模型标准适用于 0.5100 GHz,支持 3D MIMO、大规模 MIMO、毫米波三大新技术的评估,同时支持空间一致性、动态特性、遮挡、氧衰的建模,可以满足 5G 通信系统设计与技术优化的需求4。对于 6G,无线信道传播特性和模型面临的情况将更为复杂5。首先 6G信道的频率跨度较 5G 更大,涉及低频、毫米波、太赫兹和可见光频段,不同频段的信道特性明显不同。其次 6G 的业务场景复杂,涵盖空、天、地等物理环境,环境信道差异较大。然后,使用不同技
26、术考虑到的信道特性也各不相同,每种技术涉及到的信道特性都需要仔细考虑,例如智能超表面(Reconfigurable Intelligent Surface,RIS)、通信感知一体化(Integrated sensing and communication,ISAC)和可见光技术等。最后,针对新频谱、新天线、新场景,传统单一的建模方法无法支撑建模需求,需要联合利用多种建模方法,包括统计性建模、确定性建模、混合信道建模等。因此,6G 需求驱动下的信道研究需要从新频段、新场景、新技术和新建模方法四个维度进行研究。从频率来看,太赫兹通信存在巨大的传输损耗,这使得其传输距离相比于 5G 毫米波来讲更近。
27、但是较高的频率意味着其穿透损耗较毫米波更强。此外由于波长的减小,太赫兹信道模型还需要考虑大气影响,例如水雾等天气对太赫兹信号衰减的影响。还需要注意的是,太赫兹的频率跨度很大,电磁波传播特性随频率变化的差异比毫米波更加复杂,材料的电容率等特性的不同导致物体的反射、透射、衍射、散射特性等也更为不同。对于可见光频段,由于器件的特性和信号的特性,信道建模问题与射频频段有较大不同,环境噪声、相关噪声等需要进一步建模,器件的非线性特征也需要纳入考虑。从传播环境来看,6G 需要考虑空、天、地等不同场景。地面间通信是 5G 以来一直需要考虑的问题,由于业务场景更加广泛,6G 信道研究需要进一步考虑多种地面地形
28、、丰富的散射体以及终端移动等情况。非地面通信对收发端大时延、高移动速率通信要求很高,信道变化更加剧烈。天对地通信(如卫星通信)和天对天通信(如星际通信)还需要考虑对流层、电离层、大气波导、内外范艾伦辐射带中高能粒子等对信道的影响。从使能技术来看,6G 包括超大规模 MIMO、智能超表面、通信感知一体化、轨道角动量等多种技术,需要在多种技术类型下开展进一步的信道测量与建模。智能超表面技术由于引入了可对电磁波进行灵活调控的电磁表面,其电磁波传播的级联信道模型、智能超表面物理模型、收发辐射模型都需要考虑,传统的信道模型需要进行优化,且同时考虑智能超表面对快衰小尺度信道的影响。通信感知一体化需要将现有
29、的 5G 移动信道模型与雷达回波探测模型进行融合,建立两者之间特性、参数、结构的对应关系,并利用雷达探测结果修正信道统计参数。超大规模 MIMO 阵列、高频段的使用带来的是更大的瑞利距离,平面波的波前假设变得不再严格成立,有必要研究大规模天线阵列下的信道空间非平稳特性、空间一致性、信道稀疏性等问题。4IMT-2030(6G)推进组IMT-2030(6G)Promotion Group从信道建模方法上来看,传统典型的信道建模方法包括确定性建模、统计性建模、混合信道建模等,近年来还有一些新颖信道建模方法,如基于人工智能的信道建模方法、基于大数据的信道建模方法、基于点云的信道建模方法等。为满足 6G
30、 丰富的业务需求,提高信道建模的效率与准确性,需要结合实测与仿真数据,联合利用多种建模方法,考虑复杂性与精确性的平衡,提出精确度高、复杂度合适、具有一定普适性的信道模型。综上所述,6G 信道研究应从新频段、新场景、新技术出发,考虑新的建模方法,在信道实测、理论分析和仿真基础上,探索 6G 信道在更广泛的频段、场景、业务需求、新技术等方法,结合空-时-频等多域、多维度扩展,建立高精确度、低复杂度、强普适性的信道模型。1.3 6G 信道研究现状面对 6G 应用和新技术对 6G 信道模型研究的挑战,国内外各大研究机构和组织围绕太赫兹通信技术、可见光通信技术、智能超表面技术、通信感知一体化技术开展了相
31、应的信道测量与建模研究。1.3.1 太赫兹通信信道研究太赫兹(Terahertz,THz)指的是频率从 0.1 THz-10 THz 的频段,介于红外和微波之间,波长约为 303000 m。太赫兹存在大量未开发利用的频谱,具有大容量、高速率、方向性好、保密性高等优势。太赫兹有望于在传统网络场景以及新的纳米通信范例中开发大量新颖应用,是被给予厚望的 6G 技术之一。国内外现有太赫兹通信信道研究可分为两种,第一种是根据信道探测平台进行大量的实际测量,研究信道特性;第二种是基于射线追踪原理,对太赫兹场景信道进行仿真,得到信道特性。两种研究方法涵盖了信道大小尺度的衰落特性,其中大尺度路径损耗衰落特性的
32、研究与建模最为广泛的,对于小尺度参数如时延扩展、角度扩展,簇特性等空间信道特性也进行了一些研究。主流的太赫兹信道测量方法可以分为三类。第一类,基于滑动相关原理的时域信道测量方法。发射端基带发送扩频伪随机序列信号,通过上变频模块变频至太赫兹频段。接收端信号经过下变频至基带,并利用序列自相关特性获取信道冲激响应。北京邮电大学开发了 75-150 GHz 以及 220-330 GHz 的时域信道测量平台。基于该系统,北京邮电大学测量分析了 100 GHz 的信道特性参数、220-330 GHz 的大尺度路径损耗参数6以及反射系数。NYU Wireless 开发了在 140 GHz 的滑动相关模式和实
33、时扩频之间进行双模切换的测量系统7。基于该系统,T.Rappaport 团队测量并分析了 140 GHz 电波传播的反射和散射特性8。北京交通大学和德国布伦瑞克大学对列车间(T2T)9、车内10等信道进行了 60 GHz-0.3 THz 的测量和建模,研究了铁路场景中毫米波和太赫兹波的传播特性11。第二类,基于矢量网络分析仪(Vector Network Analyzer,VNA)的频域信道测量方法。VNA 由于单台设备的频率范围有限,通常与相应的太赫5IMT-2030(6G)推进组IMT-2030(6G)Promotion Group兹上、下变频模块配套使用,通过扫频的方式,采用高增益的定向
34、天线,获取太赫兹宽带频率响应。上海交通大学联合华为、信通院开发了基于 VNA 的信道测量系统,在 140、200、300、350GHz 等多个频段,在会议室12、办公区13、走廊14、狭长走道15、数据中心16等多个场景,进行了信道测量和建模,测量距离达到 50 米。韩国浦项科技大学17开发了一种基于 VNA 的 270-300 GHz 信道测量系统,测量了该频段上的短距离(0.1-1m)视距(Line-of-Sight,LoS)信道。在文献18中,基于 VNA 的信道探测系统,分别在 75-110 GHz 和 220-330 GHz 的频率范围内观察到相似的主要多径分量,与 300 GHz的
35、结果相比,在 100 GHz 可以看到更多的弱径。而在文献19中,基于 30 GHz、140 GHz和 300 GHz 的测量,比较了短距离内的路径损耗建模方法,结果表明多频模型比单频模型更稳定。N.Abbasi 等人在太赫兹频段不同类型的城市场景中进行了一系列中距离(1-35 米)和长距离(达到 100 米)双向户外太赫兹信道测量2021。第二类,基于太赫兹时域光谱(THz-TDS)的时域信道测量方法。THz-TDS 主要配合透镜天线,通过发射极窄的太赫兹脉冲,在时域高速采样,直接获得信道冲激响应,主要应用在测量材料的吸收系数、折射率和透射率等光学参数。Z.Hossain 等人用 THz-T
36、DS 测量了天气对太赫兹信号的衰减,进行了理论分析,总结了不同天气因素对太赫兹链路的影响22。四川大学和中国工程物理研究院测量了常见室内材料在 320-360 GHz 频段的反射特性23。1.3.2 可见光通信信道研究为了满足 6G 超高的通信速率,比 5G 更加密集的部署方式,更加广泛的适用场景和绿色节能的成本需求,可见光通信(Visible Light Communications,VLC)被认为是同时实现上述要求的关键技术之一24。可见光通信利用发光二极管(Light Emitting Diode,LED)和激光二极管(Laser Diode,LD)等可见光光源发出肉眼难以分辨的高速明暗
37、变化的光信号来传输信息,再通过光电探测器(Photoelectric Detector,PD)等光电转换器将接收到的光信号转换为电信号来获取信息。因此可见光通信是一种照明通信一体化的无线通信方式,具有频谱资源丰富、易部署和电磁兼容等优点,被认为是 6G 射频通信的有效补充。对于可见光信道的测量与建模,已经开展了一些研究工作。文献25在停车场场景下进行了毫米波与可见光信道特性的对比,发现毫米波信道频率响应易受停车场结构柱和周围车辆的影响,而可见光信道频率响应受二者影响不大,可见光测量平台性能主要是受器件性能影响。文献26研究了室内场景下人体遮挡对接收功率和均方根时延的影响。文献27进行了室内场景
38、信道冲激响应和路径损耗的测量。文献28研究了车对车场景下不同天气对可见光通信系统的影响。在空间特性、时间特性方面,光信号受限于光源的半功率角较窄,形成了以 LoS 传播为主,以反射非视距 NLoS 传播为辅的传播方式,LoS 径占据大部分接收功率,导致角度扩展、时延扩展大幅降低。目前,基本上没有针对可见光信道噪声的测量工作,缺少对于可见光信道噪声理论模型相对应的实测验6IMT-2030(6G)推进组IMT-2030(6G)Promotion Group证,真实可见光通信系统中噪声的分布情况,也是需要继续解决的问题。1.3.3 通信感知一体化信道研究通信感知一体化是指基于软硬件资源共享或信息共享
39、实现通信与感知功能协同的新型信息处理技术,其可基于同一套设备、同一段频谱,同时具备通信与感知能力,具有提升系统频谱效率、硬件资源利用率等特点。作为 6G 潜在使能关键技术之一,通信感知一体化可使移动网络具备测速、测距、定位、目标成像及识别等全新的感知能力,满足智慧交通、无人机监控、自动驾驶环境感知、机器人交互等智能化场景的新需求。完整的通信感知一体化架构将涉及系统架构优化、空口融合、网络融合、硬件架构等核心问题。通信和感知信道建模过去作为独立的研究方向分别针对各自的应用场景开展研究。对定位、目标成像及识别等感知功能,信道模型着重描述电磁波在散射、反射等传播机理下的功率、时延、相位、角度以及被感
40、知物体带来的多普勒效应,以获取目标从位置、速度、运动方向到材质、形状等信息。通信信道模型表征传播环境对接收信号的影响,在过去的大量研究中可分为基于随机统计的信道模型和针对给定传播环境的确定性模型29。在 3GPP 标准中采用基于几何的随机信道模型,通过大量的测量数据得到不同频段、不同场景下信道的路损系数、时延扩展、角度扩展等统计特性,拟合大小尺度参数模型,用于快速生成同类场景下的信道响应。对于感知的性能评估,由定位精度、目标分辨率、感知范围等指标来确定,而通信的性能评估,则由覆盖率、误比特率、频谱效率等指标来确定。差异化的建模目标和评价指标使得现有的信道模型不适用于同时具备通信与感知能力的新系
41、统,因此,面向 6G 通信感知一体化系统,需要建立一套一体化的信道测量和建模方法。1.3.4 智能超表面信道研究智能超表面是一种可以对电磁波进行灵活调控的电磁表面,它可以通过大量可控的电磁单元来改变馈入电磁波的反射、透射、极化、频率等特性,从而实现对电磁波传播的无线信道环境的重构。智能超表面以软件控制的方式重新设计环境中的电波传播环境,将不可控的无线信道传播环境变为可控,给 6G 通信系统带来一种全新的通信网络范式,满足未来移动通信需求。近年来,RIS 辅助通信系统的信道测量与建模取得了一些重要的成果。文献30在基于地图的混合信道模型基础上给出了一种适用于智能电磁表面部署在复杂实际场景的信道建
42、模方法,该方法将智能电磁表面建模为由不同来波所激励的多个虚拟逻辑基站,并通过有向图的方式进行有效链路的选择,考虑了复杂性与精确性的平衡;文献3132提供了 RIS 辅助通道的概述,揭示了信号在 RIS 辅助信道中的传输机制。文献33通过研究中RIS的物理和电磁特性,建立了RIS辅助无线通信的理论自由空间路径损耗模型。7IMT-2030(6G)推进组IMT-2030(6G)Promotion Group文献34研究了毫米波频段室内外传播环境的物理 RIS 信道模型。文献35引入了一个SimRIS 信道模拟器,用于 RIS 辅助信道的路径损耗建模的计算机模拟。1.3.5 新型信道建模方法面对 6G
43、 频率升高、天线数量增加、带宽巨大、应用场景多样的情况,使得信道数据量呈指数级急剧增大,建模复杂度提高。同时新的传输技术对信道模型精度需求进一步提高,给现有建模方法带来了巨大的挑战传统的信道模型变得极其复杂,仿真耗时。文献36提出了普适信道建模理论并应用于 6G 几何随机信道建模,使用统一的信道建模方法和框架、融合 6G 全频段全场景信道特性,可以适用于全频段、全覆盖场景和全应用场景信道。此外,从海量信道数据中发现未知的信道属性变得更加困难。确定性信道模型(如射线追踪方法)复杂且依赖于地理环境信息的精度,而随机性信道模型(如基于几何的统计性信道模型)高效却缺乏详细的环境物理意义。文献37提出了
44、基于簇核的信道建模方法,利用机器学习算法从海量信道数据中挖掘信道隐含特性,以数据驱动的方式找到确定性模型的散射体和随机性模型的簇之间的映射关系;然后,通过有限个物理意义明确的簇核进行信道建模。文献38提出了一种基于图论和射线跟踪的半确定性信道模型,并在低频和毫米波频段上与实测数据进行比较,验证了模型的准确性。文献39引入传播图理论对无线信道建模,大大减少了运算的复杂度。文献40提出了混合信道建模方法,基于确定性模型构建确定性路径,基于统计模型进行簇扩展以及补充数字地图未包含的散射体的影响,与标准4142中的 GBSM 模型可以有效的衔接。因此,结合传统的统计性信道建模和确定性信道建模方法,从信
45、道数据中挖掘信道特性,建立一个适用于多种实际应用场景的高精度、低复杂度信道模型成为必要的研究问题。参考文献1IMT-2030(6G)推进组.6G 总体愿景与潜在关键技术白皮书R.2021.2IMT-2030(6G)推进组.6G 典型场景和关键能力白皮书 R.2022.3田磊,张建华.IMT-2020 信道模型标准综述J.北京邮电大学学报,2018(5):7.4张建华,唐盼,姜涛,等.5G 信道建模研究的进展与展望J.中国科学基金,2020,34(2):16.5张建华,唐盼,于力,等.面向 6G 的信道测量与建模:现状与展望(英文)J.Frontiers of InformationTechno
46、logy&Electronic Engineering,2020,v.21(01):48-71.6P.Tang,J.Zhang,H.Tian,Z.Chang,J.Men,Y.Zhang,et al.,“Channel measurement and path lossmodeling from 220 GHz to 330 GHz for 6G wireless communications,”China Communications,vol.18,no.5,pp.1932,2021.7M.Wang,J.Wang,Q.Wu,and Y.Huang,“Research on indoor cha
47、nnel measurement and simulation at340 GHz,”Acta Physica Sinica,vol.63,no.15,Aug.2014.8G.R.MacCartney and T.S.Rappaport,“A Flexible Millimeter-Wave Channel Sounder With AbsoluteTiming,”IEEE Journal on Selected Areas in Communications,vol.35,no.6,pp.1402-1418,Mar.2017.9S.Ju,S.H.A.Shah,M.A.Javed,et al.
48、,“Scattering Mechanisms and Modeling for Terahertz WirelessCommunications,”in Proc.Of IEEE International Conference on Communications(ICC),pp.1-7,May 2019.10K.Guan,B.Peng,D.He,D.Yan,B.Ai,Z.Zhong,and T.Krner,“Channel Sounding and Ray Tracingfor Train-to-Train Communications at the THz Band,”in Proc.o
49、f European Conference on Antennas8IMT-2030(6G)推进组IMT-2030(6G)Promotion Groupand Propagation(EuCAP),pp.1-5,Apr.2019.11K.Guan,B.Peng,D.He,J.M.Eckhardt,S.Rey,B.Ai,Z.Zhong,and T.Krner,“ChannelCharacterization for Intra-wagon Communication at 60 and 300 GHz Bands,”IEEE Transactions onVehicular Technology
50、,vol.68,no.6,pp.5193-5207,Mar.2019.12Y.Chen,Y.-B.Li,C.Han,Z.Yu,and G.Wang,“Channel Measurement and Ray-Tracing-StatisticalHybrid Modeling for Low-Terahertz Indoor Communications”,IEEE Transactions on WirelessCommunications,vol.20,no.12,pp.8163-8176,Dec.2021.13J.He,Y.Chen,Y.Wang,Z.Yu,and C.Han,“Chann
51、el Measurement and Path-Loss Characterization forLow-Terahertz Indoor Scenarios”,in Proc.of IEEE ICC Workshop on Terahertz Communications,Montreal,Canada,June 2021.14Y.-Q.Wang,Y.-B.Li,Y.Chen,Z.Yu,and C.Han,“0.3 THz Channel Measurement and Analysis in anL-shaped Indoor Hallway”,in Proc.of IEEE Intern
52、ational Conference on Communications(ICC),Seoul,South Korea,May 2022.15Y.-B.Li,Y.-Q.Wang,Y.Chen,Z.Yu,and C.Han,“Channel Measurement and Analysis in an IndoorCorridor Scenario at 300 GHz”,in Proc.of IEEE International Conference on Communications(ICC),Seoul,South Korea,May 2022.16G.Song,Y.-B.Li,J.Jia
53、ng,C.Han,Z.Yu,Y.Du,and Z.Wang,“Channel Measurement andCharacterization at 140 GHz in a Wireless Data Center“,in Proc.of IEEE Global CommunicationsConference(GLOBECOM),Rio de Janeiro,Brazil,December 2022.17H.J.Song,“LOS Channel Response Measurement at 300 GHz for Short-Range WirelessCommunication,”in
54、 Proc.of IEEE Wireless Communications and Networking Conference Workshops(WCNCW),pp.1-3,Apr.2020.18Y.Lyu,P.Kysti and W.Fan,“Sub-THz VNA-based Channel Sounder Structure and ChannelMeasurements at 100 and 300 GHz,”in 2021 IEEE 32nd Annual International Symposium onPersonal,Indoor and Mobile Radio Comm
55、unications(PIMRC),pp.1-5,2021.19C.Cheng,S.Kim,A.Zajic.“Comparison of Path LoSs Models for Indoor 30 GHz,140 GHz,and 300GHz Channels,”in Proc 11th European Conference Antennas and Propagation(EUCAP),pp.716-720,2017.20N.Abbasi,J.Gmez,et al.,“Ultra-Wideband Double Directional Channel Measurements for T
56、HzCommunicationsinUrbanEnvironments,”inProc.ofIEEEInternationalConferenceonCommunications(ICC),pp.1-6,Jun.2021.21N.Abbasi,J.Gmez,etal.,“Double-DirectionalChannelMeasurementsforUrbanTHzCommunications on a Linear Route,”in Proc.Of IEEE International Conference on CommunicationsWorkshops(ICC Workshops)
57、,pp.1-6,Jun.2021.22Z.Hossain,C.N.Mollica,J.F.Federici,et al.,“Stochastic Interference Modeling and ExperimentalValidationforPulse-BasedTerahertzCommunication,”IEEETransactionsonWirelessCommunications,vol.18,no.8,pp.4103-4115,Jun.2019.23K.Guan,G.Li,T.Krner,A.F.Molisch,B.Peng,et al.,“On Millimeter Wav
58、e and THz Mobile RadioChannel for Smart Rail Mobility,”IEEE Transactions on Vehicular Technology,vol.66,no.7,pp.5658-5674,Nov.2017.24中国移动通信有限公司研究院.6G 可见光通信技术白皮书 R.2022.25J.R.Barry,J.M.Kahn,W.J.Krause,E.A.Lee,and D.G.Messerschmitt,“Simulation of multipathimpulse response for indoor wireless optical c
59、hannels,”IEEE J.Sel.Areas Commun.,vol.11,no.3,pp.367379,Apr.1993.26Chvojka P,Zvanovec S,Haigh P A,et al.Channel characteristics of visible light communicationswithin dynamic indoor environmentJ.Journal of Lightwave Technology,2015,33(9):1719-1725.27Eldeeb H B,Uysal M,Mana S M,et al.Channel modelling
60、 for light communications:Validation of raytracing by measurementsC/2020 12th International Symposium on Communication Systems,Networks and Digital Signal Processing(CSNDSP).IEEE,2020:1-6.28Y.H.Kim,W.A.Cahyadi,and Y.H.Chung,“Experimental demonstration of VLC-basedvehicle-to-vehicle communications un
61、der fog conditions,”IEEE Photonics Journal,vol.7,no.6,pp.19,2015.29W.Li et al.,“Millimeter-Wave Radar Measurement and Ray-Tracing Simulation for Urban StreetEnvironment,”2022 3rd Atlantic/Asia-Pacific Radio Science Meeting of the International Union ofRadio Science(URSIAT-AP-RASC),accepted,2022.30窦建
62、武,陈艺戬,张楠,等.智能可控电磁表面信道建模.电波科学学报,2021,36(3):368-377.DOI:10.12265/j.cjors.202019531E.Bjornson,O.Ozdogan,and E.G.Larsson,“Reconfigurable Intelligent Surfaces:Three Myths and9IMT-2030(6G)推进组IMT-2030(6G)Promotion GroupTwo Critical Questions,”IEEE Commun.Mag.,vol.58,no.12,pp.9096,Dec.2020.32Q.Wu and R.Zhan
63、g,“Towards Smart and Reconfigurable Environment:Intelligent Reflecting SurfaceAided Wireless Network,”IEEE Commun.Mag.,vol.58,no.1,pp.106112,Jan.202033W.Tang et al.,“Wireless Communications With Reconfigurable Intelligent Surface:Path LoSsModeling and Experimental Measurement,”IEEE Trans.Wireless Co
64、mmunications.,vol.20,no.1,pp.421439,Jan.2021.34E.Basar,I.Yildirim,and F.Kilinc,“Indoor and Outdoor Physical Channel Modeling and EfficientPositioningforReconfigurableIntelligentSurfacesinmmWaveBands,”IEEETrans.Communications.,vol.69,no.12,pp.86008611,Dec.2021.35E.BasarandI.Yildirim,“SimRISChannelSim
65、ulatorforReconfigurableIntelligentSurface-Empowered Communication Systems,”in 2020 IEEE Latin-American Conference onCommunications(LATINCOM),Santo Domingo,Dominican Republic,Nov.2020,pp.16.36 C.-X.Wang,Z.Lv,X.Gao,X.-H.You,Y.Hao,and H.Haas,“Pervasive channel modeling theory andapplications to 6G GBSM
66、s for all frequency bands and all scenarios,”IEEE Trans.Veh.Technol.,accepted for publication,doi:10.1109/TVT.2022.3179695,arXiv:2206.02442.37J.Zhang,The interdisciplinary research of big data and wireless channel:A cluster-nuclei basedchannel model,China Communications,vol.13,no.2,pp.14-26,Feb.2016
67、.38L.Tian,V.Degli-Esposti,E.M.Vitucci,and X.Yin,“Semi-deterministic radio channel modeling based ongraph theory and ray-tracing,”IEEE Trans.Antennas Propag.,vol.64,no.6,pp.24752486,Jun.201639T.Pedersen,G.Steinbock,and B.H.Fleury,“Modeling of reverberant radio channels usingpropagation graphs,”IEEE T
68、rans.Antennas Propagation.,vol.60,no.12,pp.59785988,Dec.2012.40Aki Hekkala,Pekka Kysti,Jianwu Dou et al,Map Based Channel Model for 5G WirelessCommunications,32nd URSI GASS,Montreal,1926August 2017.413GPP,Studyonchannelmodelforfrequenciesfrom0.5to100GHz,2017.Available:http:/www.3gpp.org/DynaReport/3
69、8901.htm.42ITU-R M,Guidelines for evaluation of radio interface technologies for IMT-2020,2017.Available:https:/www.itu.int/pub/R-REP-M.2412-2017.10IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第二章 太赫兹通信信道研究为满足 6G 更加丰富的业务应用以及极致的性能需求,包括大数据、互联网、云计算、智慧城市、多维网络融合的发展,需要在探索新型网络架构的基础上,在关键核心技术领域实现突破。太赫兹波(0.1-10
70、THz),由于其资源丰富、带宽大、具有特有的优良性质,近年来受到了来自学术界和工业界的密切关注。在信道研究领域,太赫兹频段是目前研究较多的 6G 候选频段之一。目前,国际和国内的无线通信标准中尚未确定100 GHz 以上频段的太赫兹信道模型标准。因此,100 GHz 以上频段的信道测量和建模工作将成为 6G 信道标准的重要组成部分。本节分为两部分进行太赫兹信道测量和建模工作,第一部分叙述太赫兹信道测量的平台及场景,第二部分分别从路径损耗,时延扩展,角度扩展,K 因子,簇特性,稀疏特性,散射特性以及大气衰减几个方面进行太赫兹信道特性的分析。2.1 太赫兹信道测量平台与场景本节叙述了频率 100-
71、330 GHz 的信道测量平台以及场景,其中包含了 11 个频段以及 13 个不同场景。对于室内办公室场景,进行了 100 GHz、105 GHz、130-143 GHz以及 221-224 GHz 三种不同办公室的信道测量;对于数据中心场景,进行了 140 GHz 两个不同的数据中心场景信道测量;对于会议室场景,进行了 130-143 GHz、221-224 GHz信道测量;对于室内狭长走廊以及半开放 L 型大厅场景,进行了 300 GHz 信道测量;对于室内短距离场景,进行了 220-330 GHz 信道测量;对于城市微蜂窝场景,进行了 132GHz 信道测量;对于室外街道峡谷环境,进行了
72、 140GHz、220 GHz 信道测量;对于中庭天台和室外 L 型街道场景,进行了 306-321GHz 信道测量。下面详细介绍本研究报告中新增的测量活动细节,其余细节请参考面向 6G 的信道测量与建模研究研究报告。2.1.1 105 GHz 办公室信道测量信道测量过程中,基于时域扩频滑动相关原理,采用矢量信号发生器和频谱分析仪相结合的方法,能够有效支持宽带信道测量,获得多径信号,如图 2-1 所示。信号发射端选用罗德施瓦茨(R&S)的 SMW200A 型号信号发生器,该信号发生器可以产生各种信号的基带信号,并自动加载到设定的载频输出。工作频带覆盖范围 100 KHz40 GHz,非常优良的
73、频带资源可以满足测量的频点需求。测量中伪随机码序列 PN9。信号接收端的采集设备采用罗德施瓦茨(R&S)FSW43 型号的频谱分析仪,该频谱分析仪可以实时显示频域信号,并且可以实时采集时域 IQ 路信号用于后续分析处理。工作频带覆盖范围 2 Hz43 GHz,同样满足测量频点需求。为了增加动态范围,在发射侧采用功率放大器,接收侧使用了低噪声放大器。该系统能够覆盖 150 dB 的路径损耗范围。为了获得纯信道信息的脉冲响应,需要通过直通校准去除相应的测量系统。在测量中,采用频率切换的程序控制方式,减小环境变化的影响,公平地比较不同频段的信道特性。信道11IMT-2030(6G)推进组IMT-20
74、30(6G)Promotion Group探测配置的详细信息如表 2-1 所示。图 2-1 105 GHz 太赫兹信道测量平台105GHz 信道测量场景,如图 2-2 所示,在 105 GHz 频点上,在面积为 84 m2的典型室内办公室场景进行测量。红色星形代表发射端的位置,发射端置于办公室的一角,距地面 1.8 m;黄色圆形代表接收端的位置,接收端置于办公室的桌子和走廊中,距地面 1.4 m,且都处于视距(LOS)场景中;办公室中间有一堵长 2.5 m 的墙,如图 2-2 所示。发送端天线是固定的,每个位置的接收端天线都利用喇叭天线以 LOS 角为原点旋转,方位角从-180到180,步长为
75、 10;仰角分别为-20、-10、0、10和 20,形成虚拟阵列,获得信道完整的角度信息。图 2-2 105 GHz 办公室测量场景及测量点位建模方法原理2.1.2 132 GHz 城市微蜂窝信道测量信道测量过程中,在发射机端,使用矢量信号发生器 R&S SMW 200A 产生中频信号。在基带,利用振幅移位键控技术 ASK 调制周期为 511 的 PN 码序列。倍频器将信号发生器 R&S SMB 100A 产生的本振信号乘以 6。然后,中频信号与本振信号混合并扩展到太赫兹范围。采用大半功率波瓣角(HPBW)的喇叭天线传输太赫兹信号。在接收端,发送的信号由高增益喇叭天线接收,然后通过混频器向下转
76、换为中频信号。利用频谱分析仪 R&S FSW 43 对中频信号进行解调。在基带,采样率为 1.2 GHz,获得 1022 个 IQ信号样本。发射端天线增益范围为 22.5 dBi,接收端天线增益范围为 24.5 dBi。发射端天线 HPBW 在水平面以及垂直面分别是 14 度与 12 度,接收端天线 HPBW 在水平面 10度在垂直面是 9 度。信道测量配置及信道测量平台性能的详细信息如表 2-1 所示。12IMT-2030(6G)推进组IMT-2030(6G)Promotion Group对于 132 GHz 的测量,城市微蜂窝场景和信道测量测点位置如图 2-3 所示。图 2-3 132 G
77、Hz 城市微蜂窝测量场景及测量点位部署对于室内视距(LOS)场景,TX 设为 TX1 和 TX2,对于 NLOS,TX 设为 TX3。此外,RX(RX1-16)在 LOS 和 RX(RX17-24)共设置 24 个位置,如图 2 所示。Tx 与 Rx 之间的距离在 LOS 为 14.2 102.7 m,在 NLOS 为 56.7 76.4 m。测量时,TX 高度为 11.6m,RX 高度为 1.5 m。对于 LOS 上的每个 RX 位置,TX 以仰角与 RX 对齐,TX 使用 7个方位角(对齐角度,TX 天线从对齐角度顺时针和逆时针旋转 14 3 次)。对于 NLOS 的每个 RX 位置,TX
78、 和 RX 都在最大一次反射方向。对于每个 TX-RX组合,在 RX 处使用三个仰角(对准角,RX 天线从对准角向上倾斜和向下倾斜 15),RX天线在方位角平面上旋转 360,步长为 10,以捕获任何方位角方向上所有可能的多径。2.1.3 140 GHz&220 GHz 室外街道峡谷信道测量信道测量平台由具有射频(RF)前端的基于矢量网络分析仪(VNA)的测量系统搭建。收发侧都使用定向天线,接收天线在水平和俯仰方向旋转扫描。对于 140GHz 频段,中频(IF)范围为 2-7 GHz。对于 220GHz 频段,中频范围为 9-14 GHz。该测量系统的详细配置见表 2-1。信道测量场景如图 2
79、-4,本次信道测量在办公楼外进行,测量场景和测量部署如图2-4(a)和图 2-4(b)中所示。LoS 场景有 23 个测量点,发射-接收机(Tx-Rx)间隔范围为 3-25 米。随着传播距离的增加,Tx 天线的方向进行了调整,以确保 Tx 和 Rx 定向天线的主瓣方向正对彼此。NLoS 场景有 54 个测量点,Tx 固定在与 LoS 场景相同的位置,Rx 位于两栋建筑之间,Tx-Rx 间隔范围为 12-37 米,其 LoS 路径被 1 号建筑遮挡。在所有的测量期间,环境都是静态的。13IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(a)测量场景(b)测量部
80、署图 2-4 140 GHz&220 GHz 室外街道峡谷的信道测量环境和部署2.1.4 306-321GHz 中庭天台和室外 L 型街道信道测量信道测量过程中,搭建了基于 VNA 的太赫兹信道测量系统,其支持 260-400 GHz的超宽频谱测量,收发距离可达 60 m,如图 2-5 所示。发射机和接收机固定在电控云台上,可以实现水平角 360旋转,俯仰角-75到+40旋转。其具体配置如表 2-1 所示。图 2-5 306-321GHz 太赫兹信道测量系统本次测量场景分布在上海交通大学,分别为龙宾楼中庭天台和室外 L 型街道两个场景。所测量的场景和测量点部署如图 2-6 和图 2-7 所示。
81、其中,中庭天台的测量规划中包含 21 个视距(LoS)。L 型街道的测量规划中包含视距(LoS)和非视距(NLoS)两种情况,一共有 18 个测量点。(a)中庭天台(b)中庭天台测量部署图 2-6 中庭天台场景和测量部署14IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(a)室外 L 型街道(b)室外 L 型街道测量部署图 2-7 室外 L 型街道场景和测量部署本次测量中,发射天线为增益 7dBi 的宽波束天线,接收天线增益为 25dBi,波瓣宽度为 8。测量时发射天线方向固定,对准接收机位置,接收端水平扫描 360,俯仰扫描-20至 20,步长为 10。
82、矢量网络分析仪扫描的频段为 306-321GHz,扫描间隔为 2.5 MHz,时域分辨率为 66.7ps,最大测量时延为 400ns。表 2-1 太赫兹信道测量系统配置参数参数数值数值测量平台类型信号发生器-频谱仪VNAVNAVNAVNA信号发生器-频谱仪测量频率100 GHz140 GHz130-143 GHz 221-224 GHz 306-321 GHz220-330 GHz发射天线增益5 dBi7 dBi25 dBi25 dBi0 dBi24.8-28.6 dBi接受天线增益19.7 dBi25 dBi15 dBi15 dBi25 dBi24.8-28.6 dBi时延分辨率666.7
83、ps100 ps76.9 ps333.3ps66.7 ps416.7 ps水平旋转范围0,360-0,3600,3600,3600水平旋转步长20-1010100垂直旋转范围-15,15-20,20-20,20-20,200垂直旋转步长15-1010100旋转精度0.01-1110表 2-1(续)参数参数数值数值测量平台类型信号发生器-频谱仪信号发生器-频谱仪VNAVNAVNA测量频率105 GHz132 GHz130-135 GHz 219-224 GHz 306-321 GHz发射天线增益-22.5 dBi-7 dBi接受天线增益-24.5 dBi-25 dBi时延分辨率833.3ps83
84、3.3ps0.2 ns0.2 ns66.7 ps水平旋转范围0,3600,3600,3600,3600,360水平旋转步长1010101010垂直旋转范围-20,20-9,9-20,20-20,20-20,20垂直旋转步长109101010旋转精度0.010.01-115IMT-2030(6G)推进组IMT-2030(6G)Promotion Group2.2 太赫兹信道特性分析本节共叙述了 8 种大小尺度衰落特性,其中包括路径损耗,时延扩展,角度扩展,K 因子,簇特性,稀疏特性,散射特性以及大气衰减。其中路径损耗涵盖了 100-330 GHz中的 10 个频段以及 12 种不同场景,时延扩展
85、包括了 100 GHz,132GHz,140 GHz,300GHz,306-321GHz 五个频段以及 10 个场景,角度扩展以及 K 因子包括了 132GHz,140GHz,300 GHz,306-321GHz 以及 9 个场景,簇特性中叙述了 140 GHz,300 GHz 以及306-321GHz 在 6 个场景中的统计性参数,稀疏特性对比了典型厘米波、毫米波和太赫兹频段的 Gini 系数水平,散射特性以及大气衰减描述了 300 GHz 的仿真信道特性。下面详细介绍本研究报告中新增的太赫兹信道特性分析细节,其余细节请参考面向 6G的信道测量与建模研究研究报告。2.2.1 路径损耗通常用三
86、种路径损耗模型 Close In(CI)模型、Float Intercept(FI)模型和Alpha-Beta-Gamma(ABG)模型表征传播过程中的功率衰减。CI 模型和 FI 模型都是单频路径损耗模型。他们只能模拟一个特定频率下的路径损耗。ABG 模型是一种描述连续频段衰落的多频路径损耗模型。CI 模型可以写成:,=,0+10100+(2-1)其中0为基于物理的参考距离,为路径损耗指数(PLE),为零均值高斯随机变量,标准差为,单位为 dB,表征阴影衰落。在0这个分析中被设置为 0.1 m。CI 模型只有一个变量,可以通过最小均方误差方法得到,即用最小的误差拟合实测数据。因此,CI 模型
87、的复杂性相对较低。与 CI 模型相比,FI 模型没有考虑物理参考距离。可以表示为:,=+1010+(2-2)其中是浮点截距,是模型的斜率,是一个零均值高斯变量,其标准差为,表示阴影。与 CI 模型相似,通过最小化可以得到两个变量和。由于截距被建模为一个变量,FI 模型通常在相同测量数据的基础上可以得到比 CI 模型小的。这意味着FI 模型可以更准确地预测特定环境下的路径损失。为了进一步研究路径损耗的频率依赖性,我们使用 ABG 模型来拟合测量的路径损耗。模型如下:,=+10100+10101 GHz+(2-3)0是接收功率的参考点,和分别是距离和频率的依赖因子,是路径损耗的优化补偿,与具有相同
88、的物理意义。在这个 ABG 模型中,我们可以看到路径损耗随频率和空间距离的变化而变化。16IMT-2030(6G)推进组IMT-2030(6G)Promotion Group此小节路径损耗信道特性建模涵盖了 100-330 GHz 中的 10 个频段以及 12 种不同场景,其中 10 个频段包括 100 GHz,132 GHz,140 GHz,130-143 GHz,130-135 GHz,219-224 GHz,221-224 GHz,300 GHz,220-330 GHz,306-321GHz。场景涉及办公室场景,会议室场景,数据中心场景,狭长走廊场景,城市微蜂窝场景,半开放 L 型大厅场
89、景,中庭天台,室外 L 型街道以及短距离场景。下面详细介绍本研究报告中新增的太赫兹信道路径损耗分析细节,其余细节请参考面向 6G 的信道测量与建模研究研究报告。2.2.1.1 132 GHz 城市微蜂窝路径损耗132 GHz 于城市微蜂窝场景进行测量,路径损耗结果如图 2-8 所示。132 GHz 的全向路径损耗指数 PLE 值为 n=1.98,阴影衰落标准差为=1.74 dB,略低于 LOS 方向 PLE值 n=1.99。这表明全向测量比定向测量能捕获更多的其他多径功率。此外,在全向和最佳方向的 PLE 接近,这表明在 LOS 场景中,与其他多路径相比,LOS 直射径占主导地位。132GHz
90、 时 NLOS 全向 PLE 为 n=2.50,阴影衰落(SF)标准差为=6.89 dB。PLE小于但接近最大功率多径路径损耗 PLE n=2.52。这表明最大主反射路径在 NLOS 处具有主要的接收功率。(a)LOS(b)NLOS图 2-8 LOS 与 NLOS 场景路径损耗模型2.2.1.2 140 GHz&220 GHz 室外街道峡谷路径损耗130-135 GHz、219-224 GHz 于室外街道峡谷场景进行测量,根据 130-135 GHz 和219-224 GHz 的最佳方向路径损耗,建立 LoS 和 NLoS 场景下的自由空间参考距离路径损耗模型(CI 模型)和浮动截距路径损耗模
91、型(FI 模型)。图 2-9(a)和 2-9(b)分别给出了 LoS 和 NLoS 场景下 140 GHz 和 220 GHz 的最佳方向路径损耗以及对应的 CI和 FI 模型。可以观察到,在 LoS 场景下,PLE n 在 140 和 220 GHz 下接近,分别为 1.82和 1.81。对于 NLoS 场景,即使 220 GHz 测量时 Tx 天线的波束宽度较宽,PLE n 也比140 GHz 要大,这表明 NLoS 多径的功率随着载波频率的增加而明显衰减。17IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(a)LoS 场景(b)NLoS 场景图 2-
92、9 130-135 GHz 与 219-224 GHz 室外街道峡谷路径损耗2.2.1.3 306-321GHz 中庭天台和室外 L 型街道路径损耗306-321GHz 于中庭天台和室外 L 型街道场景进行测量,用测量的路径损耗建立 CI(Close-in)模型,不同场景下的路径损耗测量值以及建立的 CI 模型如图 2-10 所示。图 2-10 306-321GHz 室外场景最佳方向路径损耗和 CI 模型观察不同室外场景的测量结果可以发现,在视距场景下,天台场景的路径损耗因子为 2.25,L 型街道场景的路径损耗因子为 2.18,这两种场景下由于波导效应导致路径损耗因子均略大于 2。图 2-1
93、1 太赫兹室外场景下路径损耗因子的测量值18IMT-2030(6G)推进组IMT-2030(6G)Promotion Group在图 2-11 中总结并对比了文献中不同研究组测量的太赫兹室外场景的路径损耗因子。可以发现,文献中太赫兹频段的室外视距场景下路径损耗因子的测量值在 2 上下波动,根据具体测量场景有所差异。将 LoS 和 NLoS 情形下测量的 306-321 GHz 频段不同室外信道的路径损耗因子 PLE 与 3GPP TR38.901 信道模型标准扩展到所测量频段(306-321GHz)的参数进行对比,可以发现所测量的路径损耗因子大于信道模型标准中的参考值。2.2.2 时延扩展此小
94、节时延扩展信道特性建模涵盖了 100-321 GHz 中的 5 个频段以及 10 种不同场景,其中 3 个频段包括 100 GHz,132GHz,140 GHz,300 GHz,306-321GHz。场景涉及办公室场景,数据中心场景,狭长走廊场景,城市微蜂窝场景,半开放 L 型大厅场景,中庭天台和室外 L 型街道。下面详细介绍本研究报告中新增的太赫兹信道时延扩展分析细节,其余细节请参考面向 6G 的信道测量与建模研究研究报告。2.2.2.1 132 GHz 城市微蜂窝时延扩展在132 GHz城市微蜂窝LOS与NLOS场景的时延扩展(DS)分别服从=-8.19,=0.55以及=-8.53,=0.
95、18 的对数正态分布,时延扩展的概率累积函数(CDF)如图 2-12 所示,横坐标是 3GPP 常用的 dBs 的形式。LOS 以及 NLOS 的 50%时延扩展分别是-82.0 dBs以及-85.5 dBs。LOS 的时延扩展大于 NLOS 的时延扩展,这意味着 NLOS 的 RX 不太可能接收到传播距离差异较大的多径分量。图 2-12 LOS 与 NLOS 场景时延扩展模型2.2.2.2 306-321GHz 中庭天台和室外 L 型街道时延扩展306-321GHz 中庭天台 LOS 场景的时延扩展服从均值为-7.90 的对数正态分布,室外L 型街道 LOS 场景和 NLOS 场景的时延扩展
96、分别服从均值为-8.42 以及-7.61 的对数正态分布,时延扩展的均值小于 3GPP TR38.901 信道模型标准扩展到所测量频段(306-321GHz)的参数。19IMT-2030(6G)推进组IMT-2030(6G)Promotion Group2.2.3 角度扩展此小节角度扩展信道特性建模包括了 132GHz,140 GHz,300 GHz,306-321GHz,共 4 个频段以及 9 种不同场景。9 个场景中涉及数据中心场景 4 种,狭长走廊场景,城市微蜂窝场景,半开放 L 型大厅场景,中庭天台和室外 L 型街道。下面详细介绍本研究报告中新增的太赫兹信道角度扩展分析细节,其余细节请
97、参考面向 6G 的信道测量与建模研究研究报告。2.2.3.1 132 GHz 城市微蜂窝角度扩展132 GHz 城市微蜂窝场景的角度扩展(ASA)服从正态对数分布,LOS 以及 NLOS分别为=1.13,=0.23 以及=0.59,=0.23。图 2-13 显示了 ASA 的 CDF。LOS 的 ASA比 NLOS 大,说明 NLOS 的接收端接收的多径更稀疏。图 2-13 LOS 与 NLOS 场景角度扩展模型2.2.3.2 306-321GHz 中庭天台和室外 L 型街道角度扩展306-321GHz 中庭天台 LOS 场景的水平到达角度扩展和俯仰到达角度扩展分别服从均值为 1.08 和 0
98、.56 的对数正态分布,室外 L 型街道 LOS 场景和 NLOS 场景的水平到达角度扩展和俯仰到达角度扩展分别服从均值为 1.10、0.27 以及 1.50、0.70 的对数正态分布,角度扩展的均值小于 3GPPTR38.901 信道模型标准扩展到所测量频段(306-321GHz)的参数。2.2.4 K 因子此小节 K 因子信道特性建模包括了 132GHz,140 GHz,300 GHz,306-321GHz,共 4 个频段以及 9 种不同场景。9 个场景中涉及数据中心场景 4 种,狭长走廊场景,城市微蜂窝场景,半开放 L 型大厅场景,中庭天台和室外 L 型街道。下面详细介绍本研究报告中新增
99、的太赫兹信道 K 因子分析细节,其余细节请参考面向 6G 的信道测量与建模研究研究报告。2.2.4.1 132 GHz 城市微蜂窝 K 因子132 GHz城市微蜂窝场景的K因子服从正态对数分布,图2-14给出了K因子的CDF。20IMT-2030(6G)推进组IMT-2030(6G)Promotion GroupK 因子以 dB 为单位,服从正态分布,=18.85,=6.16。总结见表 2-2。图 2-14 K 因子模型2.2.4.2 306-321GHz 中庭天台和室外 L 型街道 K 因子306-321GHz 中庭天台和室外 L 型街道场景的 K 因子见表 2-2。K 因子的均值小于3GP
100、PTR38.901 信道模型标准扩展到所测量频段(306-321GHz)的参数。表 2-2 太赫兹 K 因子参数表频率频率场景场景K 因子因子/功率比功率比132 GHz城市微蜂窝LoS18.85140 GHz数据中心 1NLoS6.79140 GHz数据中心 2NLoS7.98300 GHz(仿真)(仿真)数据中心 TX-CornerLoS7.76NLoS-2.12数据中心 TX-CenterLoS4.98NLoS0.02300 GHz狭长走廊LoS12.85半开放 L 型大厅LoS/NLoS13.49306-321GHz中庭天台LoS12.82室外 L 型街道LoS6.842.2.5 簇特
101、性此小节簇特性信道特性分析包括了 140 GHz,300 GHz,306-321GHz,共 3 个频段以及 6 种不同场景。6 个场景中涉及数据中心场景 2 种,狭长走廊场景,半开放 L 型大厅场景,中庭天台和室外 L 型街道。下面详细介绍本研究报告中新增的太赫兹信道簇特性分析细节,其余细节请参考面向 6G 的信道测量与建模研究研究报告。2.2.5.1 306-321GHz 中庭天台和室外 L 型街道角度扩展306-321GHz 中庭天台与室外 L 型街道场景簇特性见表 2-3。簇数的均值小于 3GPPTR38.901 信道模型标准扩展到所测量频段(306-321GHz)的参数。21IMT-2
102、030(6G)推进组IMT-2030(6G)Promotion Group表 2-3 太赫兹簇特性参数表频率频率场景场景平均簇数平均簇数量量平均簇内平均簇内时延扩展时延扩展ns平均簇内水平平均簇内水平到达角度扩展到达角度扩展平均簇内俯仰平均簇内俯仰到达角度扩展到达角度扩展140 GHz数据中心 1NLoS11.92.054.163.45140 GHz数据中心 2NLoS9.302.404.052.17300 GHz狭长走廊LoS9-半开放 L 型大厅LoS/NLoS7-306-321GHz中庭天台LoS2.38-室外 L 型街道LoS/NLoS2.50/5.63-2.2.6 稀疏特性Gini
103、系数1最早应用于经济学来研究财富差距。因为它与稀疏性的定义类似,即少部分信道分量包含了绝大部分的能量,因此被广泛应用于信道稀疏性的研究。Gini 系数的范围为0,1。Gini 系数越接近 1,代表信道越稀疏,其表达式为=1 2=11+12?(2-4)其中,R代表多径数量,ip代表第i条径的功率,p代表R条多径的功率组成的向量,p中元素按从小到大排序,即12Rppp。图 2-15 多频段测量、传统 3GPP 模型以及改进后的 3GPP 信道模型的稀疏性曲线如图 2-15 所示,实线、虚线和点线分别代表由测量、传统 3GPP 信道模型和改进后的 3GPP 模型计算的 Gini 系数的 CDF 曲线
104、,蓝色、黄色和红色线条分别代表厘米波、毫米波和太赫兹频段。从图 2-15 中的实测结果(实线)可以看出,太赫兹信道的 Gini系数更接近于 1,因此太赫兹信道的稀疏性水平大于厘米波和毫米波,毫米波的稀疏性水平高于厘米波信道。测量结果见表 2-4,与毫米波和厘米波信道相比,太赫兹信道中的反射和衍射损耗显著导致 LOS 径包含了绝大部分功率,因此稀疏性更显著。当前的信道模型,如 3GPP 模型,在 100 GHz 以下的频段中所表征的信道矩阵的稀疏性都是相似的,这与真实信道有一定的差距,如图 2-15 中虚线所示。根据 3GPP 模型中的信道系数公式发现信道只有在存在LOS径时才会通过K因子表征L
105、OS径功率占比。因此,当前的信道模型在描述稀疏性方面存在缺陷,导致预测结果与实测结果不相符。22IMT-2030(6G)推进组IMT-2030(6G)Promotion Group通过比较测量结果和根据测量结果拟合的 3GPP 模型计算得出的 Gini 系数,观察到了这一差距,如图 2-15 所示。通过分析测量结果,联合功率-时延-角度进行分簇,发现了 3GPP模型在描述稀疏性方面的不足之处在于该模型将集群功率平均分配给簇内的射线。针对这一发现,基于测量结果改进了 3GPP 信道模型的簇内功率分配方法,引入新的参数簇内 K 因子(I),表示为=1(2-5)其中,np表示第n个簇内所有径的功率集
106、合。将I带入信道模型中,改进簇内功率分配方法来表征信道稀疏性,使得 3GPP 信道模型能够更好的反映稀疏特征,如图 2-15中改进后 3GPP 信道模型的结果所示。对比分析实测信道、传统 3GPP 信道模型和改进后的 3GPP 模型生成的 Gini 系数,发现在厘米波、毫米波和太赫兹频段,改进后的信道模型的稀疏性比传统 3GPP 模型的稀疏性更显著,且与实测结果更匹配,如图 2-15 点线所示。表 2-4 中,在 CDF 为 50%的情况下,实测 Gini 系数在太赫兹频段为 0.91,而传统3GPP 模型的 Gini 指数为 0.72,与实测结果相差 0.19;改进后的 3GPP 信道模型在
107、太赫兹频段的 Gini 系数为 0.91,与测量结果误差小于 0.01。在毫米波频段,改进后的 3GPP信道模型的 Gini 系数在 50%情况下的 Gini 系数为 0.89,与测量结果只相差 0.01;而传统 3GPP 模型的 Gini 系数为 0.79,与测量结果相差 0.11。这些结果证明,引入簇内 K因子后的 3GPP 模型可以更好地表征信道稀疏性。表 2-4 多频段下 20%,50%以及 80%CDF 的 Gini 系数值场景20%50%80%测量厘米波0.840.880.90毫米波0.880.900.91太赫兹0.900.910.92传统 3GPP 信道模型厘米波0.750.81
108、0.84毫米波0.730.790.83太赫兹0.660.720.74改进后的 3GPP信道模型厘米波0.840.870.89毫米波0.870.890.91太赫兹0.890.910.922.2.7 粗糙表面散射特性借助全波仿真工具 Feko,对不同粗糙度的粗糙表面散射特性进行仿真。为了获得粗糙表面的散射数据,通过蒙特卡洛法生成粗糙表面,并将其导入 Feko 进行全波仿真,仿真配置为:300 GHz 横向磁极化(TM)波以 45o照射 PEC(Perfect Electric Conductor)粗糙表面。用于仿真的粗糙表面的尺寸为 50 mm 50 mm,其均方根高度为 0.5 mm,相关长度
109、l 为 8 mm。图 2-16(a)展示了 Feko 在三维表面上的散射电场分布,定义为DS(,),其中x、y 和 z 是笛卡尔坐标系的轴,OR 代表镜面反射的方向。此外,和分别是球面坐标系中的天顶角(Zenith angle)和方位角(Azimuth angle)。方向性散射(DirectiveScattering,DS)模型被广泛用于表征目标的散射特性。利用 DS 模型和三维插值方法,23IMT-2030(6G)推进组IMT-2030(6G)Promotion Group可以重建粗糙表面上的散射电场DS(,),对应的散射功率密度为DS(,)=|DS(,)|2,其中 是自由空间阻抗,=120
110、。如图 2-16(b)所示,DS 模型的散射波瓣呈现出椭圆形。散射能量从镜面反射的方向向四周递减。然而,DS(,)的分布过于规则,无法反映由粗糙度引起的散射电场分布的随机性,具有明显的局限性。(a)(b)图 2-16(a)Feko(,)与(b)DS(,)的比较由于较强的散射成分主要集中在镜面反射方向周围,可以将整个三维表面被分为两部分,即主瓣区域和非主瓣区域。在主瓣区域内,添加了rough来描述由于粗糙度造成的散射功率密度的重新分布。对于非主瓣区域,DS 模型拟合效果良好。因此,DS被用来描述非主瓣区域的散射功率密度。最后,整个三维表面上的散射功率密度如下:(,)=|(,)|2=DS(,)+r
111、ough(,)DS(,)主瓣区域非主瓣区域(2-6)为了简化建模过程,引入偏离角的概念。其中是镜面反射方向与散射分量之间的夹角。因此式(2-6)可以简化为:()=|()|2=DS()+rough()DS()主瓣区域非主瓣区域(2-7)对于粗糙表面散射结果,rough的值遵循 t Location-Scale 分布。受表面粗糙度影响,一些过强或过弱的散射分量会出现在主瓣区域内,进一步设置阈值threshold来区分rough_high和rough_low。如果散射分量的功率密度值大于threshold,则将其定义为rough_high,对应偏离角定义为high。反之,如果散射分量的功率密度值小于
112、threshod,则定义为rough_low,其偏离角定义为low。其表达式如下:rough()=rough_high(high),rough_low(low),|rough|threshold|rough|threshold(2-8)对于粗糙表面散射结果,high遵循广义极值(GEV)分布。low是从镜面反射方向向四周的空位置,散射分量按照rough_low绝对值的降序依次置于low。通过在 DS 模型上叠加rough()优化了散射模型。在考虑rough()的振幅和空间分布之后,可以更全面有效地表征粗糙表面的散射分布特性。基于rough和 DS 模型的拟合参数,可以重建三维表面上的散射分布。
113、Feko 的仿真结果如图 2-17(a)所示,而图 2-17(b)展示散射模型重建的散射电场,它是由公式(2-8)求得的。总的来说,所提出的模型与仿真结果在数值上是一致的,较强的散射电场集中在镜面反射方向周围。|()|=DS()+rough(),DS(),主瓣区域非主瓣区域(2-9)24IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(a)(b)图 2-17 三维表面上的散射电场比较(a)Feko,(b)散射模型通过 Kolmogorov-Smirnov(KS)检验,极值(EV)分布可以很好地拟合主瓣区域内的分布,(,),其中EV是位置参数,EV是尺度参数。
114、Feko 和散射模型的EV分别为 40.12 dBmV 和 41.02 dBmV,二者仅相差 0.9 dB,这进一步说明散射模型能够反映粗糙表面的散射特性。为了探究该模型的普适性,将利用三维散射模型重建不同入射角度和不同形状的粗糙表面上的散射。利用 DS 模型构建散射波瓣的大致形状,并在此基础上,加入满足 tLocation-Scale 分布的rough()来表征表面粗糙度的影响。对于不同的入射角度,将其分别设为 15o、30o、45o、60o和 75o,其他配置条件与第二章相同,Feko 的仿真结果如图 2-18(a)所示,相应的建模结果如图 2-18(b)所示。随着入射角的变大,反射角度增
115、加,且散射能量更加集中在入射面附近。散射模型可以很好地表征这一趋势,与 Feko 的仿真结果非常吻合。(a)(b)图 2-18 不同入射角度下的散射电场比较(a)Feko,(b)散射模型对于不同的粗糙表面形状,将其分别设置为正三角形、正方形、正六边形和圆形,其他配置条件与上述过程相同,并使得不同形状表面的面积相同如图 2-19(a)所示。Feko 的仿真结果如图 2-19(b)所示,建模得到的散射电场如图 2-19(c)所示。较大的散射分量位于镜面反射方向周围。整体上,散射模型能很好地表征散射波瓣随着粗糙表面形状的变化,因此适用于不同形状的粗糙表面散射建模。(a)25IMT-2030(6G)推
116、进组IMT-2030(6G)Promotion Group(b)(c)图 2-19(a)不同粗糙表面形状下的散射电场比较(b)Feko,(c)散射模型2.3 小结太赫兹频段资源丰富、带宽大,被认为将成为最有前途的频谱频段以及 6G 无线系统的重要组成部分。太赫兹信道特性研究是设计,优化太赫兹通信系统的基础。本章节在信道特性测量工作方面,描述了 100 GHz,132 GHz,140 GHz,220 GHz,300 GHz以及 220-330 GHz 几个关键频段,在办公室,会议室,数据中心,大厅走廊等常用场景的信道特性测量工作。首先,我们对每个信道测量活动的测量平台的性能进行了介绍,平台性能基
117、本满足太赫兹多场景,宽频带信道测量。其次,我们描述了信道测量场景以及测量方法,为未来信道测量工作提供参考以及借鉴。在信道特性分析方面,分别进行了大小尺度衰落的信道特性分析,其中对于大尺度衰落特性研究与建模工作,涵盖了 100GHz 到 330 GHz 室内多个经典场景,对于小尺度衰落特性、散射特性等建模研究,涉及到了 140 GHz、220 GHz、300 GHz 等关键频点频段及经典场景。通过信道特性模型参数的拟合,填充了太赫兹频段多个场景信道特性研究与建模的数据库。由于篇幅限制,本章详细介绍本研究报告中新增的太赫兹信道测量活动与信道特性分析细节,其余细节请参考面向 6G 的信道测量与建模研
118、究研究报告。本章节工作有助于 6G 太赫兹信道研究以及太赫兹通信系统的搭建。尽管国内太赫兹信道的研究越来越多,但仍然存在许多需要进一步探索的问题,例如高性能太赫兹信道测量系统、太赫兹信道特性的表征与建模、太赫兹信道的频率依赖性等。目前的太赫兹信道测量平台在测量精度、测量速度和测量距离之间难以取得平衡,这制约了太赫兹信道特性的研究;太赫兹信道呈现的新特性,如稀疏性、近场特性和非平稳特性,需要对其进行建模、表征,并纳入标准信道模型。此外,太赫兹频段的范围高达 10 THz,难以对每个频点进行测量和建模,有必要建立包含大尺度和小尺度参数频率依赖的太赫兹信道模型,以简化模型的复杂度。参考文献1C.Gi
119、ni,“Measurement of inequality of incomes,”The Economic Journal,vol.31,p.124,1921.26IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第三章 通信感知一体化信道研究3.1 通信感知一体化信道建模场景及需求感知将成为 6G 的基础新特性,未来 6G 网络的感知能力将打开物理世界、生物世界融入数字世界的新通道。同时,在 ISAC 系统中,感知和通信将成为两个互惠互利的功能1。随着感知能力的引入,将极大拓展 6G 网络的应用场景。有的应用场景将有别于传统的蜂窝移动通信,这需要我们对于无
120、线信号传播机制有新的认识和理解,从而对通感一体化研究提供新的理论基础。3.1.1 通信感知一体化潜在应用场景未来 6G 网络和终端将具备感知能力,可以用于辅助通信,并支持多种通信之外的新型应用场景,例如目标的检测、识别、定位、追踪、成像、环境重构、手势和姿态识别等2。按照感知的不同目的以及对信道特征的不同需求,这些场景可大致归纳为以下四大类:1)检测、定位与追踪2)环境重构及目标成像3)手势及姿态识别4)感知辅助通信3.1.2 通信感知一体化信道建模需求面向 6G 的信道建模不仅需要考虑通信信道,还要将感知信道纳入范畴,并充分考虑通信信道与感知信道的相关性。通信感知一体化丰富多样的应用场景,对
121、信道建模提出了不同的需求。表 3-1 中总结了不同类型应用的主要性能评估指标,根据评估指标归纳出的信道建模的关键需求和潜在的建模方法。1)检测、定位与追踪目标的检测概率和定位精度是主要的评估指标。在复杂的环境中,目标检测通常需要依赖目标的移动,即利用多普勒信息来检测。这类应用中信道参数需与目标位置强相关,信道模型需支持更具物理意义的空间一致性,且较准确地体现运动目标的多普勒特征。2)环境重构及目标成像环境重构及目标成像,包括对周围环境中静态、准静态、动态散射体的位置重构、散射特性重构,以及对静态或准静态目标的成像。成像准确性(例如调制传递函数 MTF)和分辨率是主要的评价指标。27IMT-20
122、30(6G)推进组IMT-2030(6G)Promotion Group对于环境重构,环境中不同尺寸粒度的物体,存在着不同的重构需求,相应地,对信道模型所反映的散射体信息精准度要求也不同。对于目标成像,对信道的确定性需求要高于环境重构,信道参数应能反映出目标更精细粒度的特征,并体现出目标的物理电磁特性。传统生成通信信道的方法不能满足这一需求,可考虑通过电磁计算等方法生成信道。3)手势及姿态识别手势及姿态识别通常是通过分析运动目标的微多普勒信息、结合人工智能算法实现的,识别成功率和准确率是主要评估指标。因此,信道模型中需构建出不同手势、不同姿态运动目标的多普勒信息。当传统信道模型描述困难时,需要
123、借助 AI 算法生成不同手势、不同姿态的感知传播信道。4)感知辅助通信相比前面三类以感知性能为主要评估指标的应用,在感知辅助通信的应用中,强调利用感知到的角度、时延、多普勒等信息增强通信性能。在基站感知环境和终端、并辅助与终端通信性能增强的场景中,通信发射机和接收机分别在基站侧和终端侧,感知发射机和接收机既可以均在基站侧(mono-static 感知),也可以分别在终端侧和基站侧(bi-static 感知)。针对这一类应用的信道模型中,需着重构建出通信信道与感知信道的关联性,以支持感知辅助通信方案的性能评估。表 3-1 不同应用的信道建模需求与候选建模方法应用分类检测、定位与追踪环境重构及目标
124、成像手势及姿态识别感知辅助通信应用的评估指标检测概率、定位精度分辨率、MTF识别成功率和准确率通信性能增益信道建模关键需求空间一致性,多普勒特征环境/目标的物理电磁特性(微)多普勒特征通信与感知信道相关性潜在建模方法统计模型,混合模型混合模型,确定性模型确定性模型,基于 AI 的信道建模统计模型,混合模型,确定性模型3.2 通信感知一体化信道测量及仿真研究通信感知一体化信道特性测量及仿真研究是通信感知一体化通信系统评估、部署、优化的基础。本节以探索通感一体化不同应用场景下的信道传播特性为目标,分别从测量和仿真角度概述了当前信道研究进展。3.2.1 测量系统设计与测量结果分析3.2.1.1 通感
125、共享簇特性测量与分析28IMT-2030(6G)推进组IMT-2030(6G)Promotion Group1)实验设置及测量架构介绍本测量基于毫米波宽带信道探测仪获取 ISAC 信道特征。在 Tx 端,使用矢量信号发生器 R&S SMW 200A 产生 PN 序列。在基带,PN 序列被调制为 28 GHz 的毫米波探测信号。在 Rx 端,发送的信号经过信道传输后由天线接收。经过低噪放对信号进行放大后利用频谱分析仪 R&S FSW 43 对接收信号进行解调处理。信道测量配置的详细参数在表 3-2 中列出。表 3-2 信道测量参数参数参数配置配置测量中心频率28 GHz符号速率500 Msym/
126、s带宽1 GHz采样率1 GHzPN序列长度511感知Tx/Rx端天线类型喇叭/喇叭天线通信Tx/Rx端天线类型喇叭/全向天线喇叭天线水平HPBW10喇叭天线增益25 dBi全向天线增益3 dBi天线高度1.47 m测量场景布局如图 3-1 所示。感知信道测量如图 3-2(a)所示,Tx 和 Rx 端放置在同一位置(图 318 红色三角所示),采用高定向喇叭天线探测来模拟单站感知系统。通信信道测量如图 3-2(b)所示,Tx 端采用喇叭天线,Rx 端(图 3-1 红星所示位置)使用全向天线接收各方向信号。图 3-1 信道测量场景布局(a)感知信道29IMT-2030(6G)推进组IMT-203
127、0(6G)Promotion Group(b)通信信道图 3-2 ISAC 信道实际测量场景2)数据分析与处理基于以上测量场景,分析了各场景下的功率角度时延谱(Power-Angular-DelayProfile,PADP),PADP,=,2#3 1其中(,)h 表示通信或感知信道的 CIR,和则分别表示信道多径(MultipathComponent,MPC)的水平离开角(Azimuth Angle of Departure,AOD)和传播时延。图3-3(a)和图 3-3(b)分别展示了感知场景和通信场景的 PADP。其中,原点是 Rx 端天线的位置,圆圈半径表示与天线的绝对传播距离,角度表示
128、 AOD,颜色深度表示接收功率的大小(dB)。根据实际环境分析感知和通信信道 PADP 可知,具有相似 AOD 的 MPC是由相同的环境散射体贡献的,通过测量提取出的感知 MPC 传播距离是散射体到天线实际距离的两倍。如图 3-3(a)所示,可以从感知信道的 PADP 中清晰地观察到整个大厅的场景布局,包括大厅四周的墙壁、东西柱子以及其他一些不规则建筑,这与图 3-1 能够很好地匹配。对于图 3-3(b)所示的通信 PADP,LOS 径的功率是最强也是最主要的,其他高功率 MPC 主要是由大厅南、北和东墙反射形成的。对比分析两个 PADP,可以观察到一些环境散射体不仅是感知目标,而且还协助通信
129、传输,如大厅南墙(标签 1)、北墙(标签 3)和东墙(标签 4)。将这些共同作用于通信信道与感知信道的散射体定义为共享散射体。这些观测到的共享散射体反映了电磁波的实际传播路径,揭示了 ISAC 信道的共享特性,这是 ISAC 信道建模不可忽视的。(a)感知信道 PADP(b)通信信道 PADP图 3-3 ISAC 信道的 PADP30IMT-2030(6G)推进组IMT-2030(6G)Promotion Group利用分簇建模算法对 ISAC 信道测量数据进行进一步分析,图 3-4 展示了通信与感知 MPC 联合分簇后的结果。其中极化图的原点、角度和半径的含义与图 3-3 一致,不同簇之间以
130、序号和颜色来区分。可以观察到,一些簇同时包含具有相似属性(如时延和角度)的通信 MPC 和感知 MPC,将之定义为共享簇,它们都是由相同的共享散射体贡献生成的,在图中用黑色数字标记。具体地,图 3-4 中的簇 1-4 和 15 由共享散射体南墙贡献,簇 7 和 10-11 分别对应于共享的北墙和东墙。其余仅包含通信或感知 MPC 的簇定义为通信簇或感知簇,由蓝圈或红圈分别标注。此外,在图 3-4 中可以看到,感知簇的数量更多且分布更加离散,通信簇的数量更少且更加集中和稀疏。图 3-4 ISAC 信道 MPC 联合分簇结果3.2.1.2 太赫兹感知信道测量1)实验设置及测量架构介绍感知信道测量采
131、用基于时域扩频滑动相关原理的太赫兹感知信道测量平台。信道测量配置的详细参数在表 3-3 中列出。表 3-3 信道测量参数参参数数配配置置测量中心频率105 GHz带宽1.2 GHz采样率1.2 GHzPN序列长度511中频频率12 GHz本振频率31 GHzTx/Rx端天线类型喇叭/全向天线喇叭天线水平HPBW9.9喇叭天线增益25.5 dBi全向天线增益2 dBiTx/Rx端天线高度1.4 m极化方式垂直极化测量场景为北京邮电大学科研楼的一个室内环境,同时选取一个成年男性(身高 1.7m、肩宽 0.4 m)作为感知目标。图 3-5 为测量实景图。测量布局如图 3-6 所示,收发端相距 10
132、m,其中 Tx 端使用高定向喇叭天线,其位置由红色三角形表示;Rx 端使用全31IMT-2030(6G)推进组IMT-2030(6G)Promotion Group向天线,其位置由红色六边形表示。带序号的圆点代表感知目标的不同点位,将感知Rx 端是否能观察到目标作为评判目标 LOS/NLOS 状态的依据,其中蓝色原点代表 LOS状态,橘色原点代表 NLOS 状态。整个测量过程中收发端的位置固定不动,作为目标的人体同样保持静止并且始终朝向 Tx 端。图 3-5 测量实景图图 3-6 测量布局图2)数据分析与处理为了直观地展现多径分量(Multipath Components,MPCs)在空间中的
133、分布情况,首先分析了环境和各点位下的功率时延角度谱(Power-Angular-Delay Profile,PADP)5,PADP,=,2#3 2其中(,)h 表示感知信道的信道脉冲响应(Channel impulse response,CIR),和分别表示 MPCs 的水平离开角(AzimuthAngle of Departure,AOD)和传播时延。图 3-7(a)是环境的 PADP,结合测量场景分析,其中 AOD 为 2040以及 140170上 MPCs 的形成原因是北侧和南侧墙壁的单跳散射(50ns 附近)以及它们间的多跳散射(80 ns 附近),而 50110上的 MPCs 一部分
134、是 LOS 直射径(40 ns 附近),另一部分是电梯走廊和西侧墙壁的散射和反射径(90ns 附近)。挑选目标在点位 1、10 和 14 时进行代表性分析,它们分别处于 LOS、OLOS 和 NLOS 状态。图 3-7(b)、(c)和(d)则分别是目标在点位 1、10 和 14 下的 PADP 情况,将它们分别与环境 PADP 进行地对比分析。可以观察到,目标在点位 1 时,AOD 为 2060上的 MPCs 显著减少,这是因为目标的存在将由南墙到北墙的多跳散射径遮挡,同时信号经过目标散射后功率大大衰减使得目标朝向32IMT-2030(6G)推进组IMT-2030(6G)Promotion G
135、roup角度(即 60)的一些散射径消失;目标在点位 10 时,目标朝向角度(即 120)的MPCs 无变化,但邻近角度上(即 110)的 MPCs 相对增加;目标在点位 14 时,整个 PADP 似乎没有变化。(a)环境(b)点位1(LOS)(c)点位 10(OLOS)(d)点位 14(NLOS)图 3-7 不同情况下的功率时延角度谱为了进一步研究信道多径的变化规律,截取了各点位朝向目标角度的功率时延谱(Power Delay Profile,PDP),并与环境的相同角度 PDP 进行对比分析。如图 3-8 所示,点位 1 的 MPCs 明显减少,而点位 6 的 MPCs 却有所增加,点位
136、10 和 14 的 MPCs 则无明显变化。从信道建模的角度出发,ISAC 信道不能简单地建模为目标响应与环境响应的叠加,两者是相互耦合的。通过提取整个感知信道的多径数目并进行统计性分析,发现目标的引入会使得信道多径的数目增多,如图 3-9 所示。(a)点位 1 朝向目标的PDP(b)点位 6 朝向目标的 PDP33IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(c)点位 10 朝向目标的 PDP(d)点位 14 朝向目标的 PDP图 3-8 不同点位下目标朝向角度与环境相同角度的 PDP 对比图 3-9 多径数目对比利用信道参数提取算法对部分信道参数进行
137、提取,包括时延拓展和角度拓展。图3-10(a)和图 3-10(b)分别展示了目标存在前后感知信道的均方根时延拓展(RMS DS)和 AOD 的均方根角度拓展(RMSASD)的分布情况,它们均服从对数正态分布。无论目标处于 LOS 或 NLOS 状态,均会使得信道的时延或角度参数发生变化。单从所选取的角度来看,目标的存在会使得感知信道的 RMS DS 变大,但却会使得 RMSASD 变小,两者呈现负相关的关系。(a)时延拓展(b)角度拓展图 3-10 时延与角度的统计性参数对比34IMT-2030(6G)推进组IMT-2030(6G)Promotion Group3.2.1.3 感知信道路损测量
138、与验证1)实验设置及测量架构介绍设计了一个基于 USRP 硬件的测量系统用于实际环境中路径损耗的测量。USRP 硬件测量系统如图 3-11 所示,其中通信测试系统的硬件部分主要由发射器和接收器中的USRP1 和 USRP2 分别组成,具体的径损耗测量参数配置如表 3-4 所示。图 3-11 USRP 硬件测量系统示意图表 3-4 USRP 硬件测量系统路径损耗测量参数配置参参数数数数值值系统频率4 GHz系统带宽400 MHz子载波带宽120 KHz信号配置Front-loaded PDSCH-DMRS,DMRS with comb-2One sensing signal every 4-ti
139、me slots within 200ms,equivalent to 400 OFDM symbols天线增益18dBi for Tx,12dBi for Rx发射功率-25 dBm发端功放40 dB for InH and 60 for UMi收端低噪放34 dB场景InH LOS场景,房间尺寸40 m10 m收/发端天线高度1.5 m对不同收发端距离下通信信道的路损进行实测,并将测量结果和 TR38.901 中InH-Office 场景下的路损公式进行对比:PLInHLOS=32.4+17.3 log10d3D+20 log10fc#3 3图 3-12 描述了在 InH LOS 情况下,
140、路径损耗与收-发天线间距离的函数关系。从图中可以看出,通信信道的测量结果与 TR38.901 中公式计算结果基本吻合,因此可以利用该 USRP 硬件系统测量路径损耗。图 3-12 InH LOS 场景通信信道路径损耗35IMT-2030(6G)推进组IMT-2030(6G)Promotion Group基于 USRP 测量系统,采用 mono-static 感知模式,对室内和室外的感知信道的路径损耗进行了测量。以感知目标为角反射器为例,测量示意图如图 3-13 所示:图 3-13 mono-static 感知模式 USRP 硬件测量系统感知信道的路损计算公式为6:PL d1,d2=PL d1+
141、PL d2+10log1024 10log10RCS#3 4其中 PL d1PL d1和 PL d2参考 TR38.901 中 InH 或 Umi 场景 LOS 情况下路损公式,d1和d2分别是感知发送端到感知目标、感知目标到感知接收端的距离。在室内 LOS 场景中,其 RCS 计算方式如表 3-5 所示7:图 3-14 角反射器示意图表 3-5 三角板角反射器 RCS 计算公式名名称称最最大大RCSm2平平均均RCSm2三角板角反射器4.194L4/20.17L4/2在路损公式计算时 RCS 分别取了最大值 1.7 m2和平均值 0.07 m2。室内场景的对比结果如图 3-15 所示。当 R
142、CS 取最大值 1.7 m2时,感知信道的路损计算值应与路损实测散点图的下沿数据进行比较,可以看到感知信道的路损计算结果与实测结果相差较小;当 RCS 取平均值 0.07 m2时,感知信道的路损计算值应与路损实测散点图的中间数据进行比较,可以看到感知信道的路损计算结果与实测结果相差约 05 dB。36IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 3-15 InH LOS 场景感知信道路径损耗如图 3-16 所示,在停车场中进行 Umi 场景的感知路损实测。图 3-16 UMi LOS 场景路径损耗测量示意图图 3-17 10GHz 汽车 RCS8室外场
143、景的对比结果如图 3-18 所示,可以看到感知信道的路损实测值和计算值相差约 07dB。图 3-18 Umi LOS 场景感知信道路径损耗37IMT-2030(6G)推进组IMT-2030(6G)Promotion Group3.2.2 仿真实验及结果分析3.2.2.1 通感一体化太赫兹信道仿真与建模本小节对无线回传场景开展仿真来探索 ISAC 的信道实现。1)射线跟踪仿真RT 仿真能模拟真实环境的波传播,因此在太赫兹和 ISAC 信道建模都受到了广泛关注。为了在无线回传场景中确定参考点,使用北京交通大学研发的 RT 仿真器 CloudRT开展遍历性仿真,具体的仿真配置介绍如下。场景建模场景建
144、模认为图 3-19 所示的典型郊区重建场景是无线回传场景。整个场景 360 m 长、300 m宽,最高和最矮的建筑楼分别为 20.6 m 和 4.5 m。砖块的电磁参数展示在表 3-6 中。表 3-6 仿真参数场场景景材材料料砖块介电常数3.0260.159ri粗糙度=0.50mm,8.00l mm散射系数与等效粗糙度0.41,10.83RS传传播播机机制制直射、散射(最高2阶)传传播播模模型型自由空间路径损耗、太赫兹三维散射模型仿仿真真频频率率中心频率300 GHz带宽2 GHz频点数1601发发射射天天线线结构M,N,P,Mg,Ng=1,1,1,1,1位置m145.1,-48,20.61方
145、向图全向垂直极化天线或者TR38.901方向性天线发射功率40 dBm接接收收天天线线结构M,N,P,Mg,Ng=1,1,1,1,1方向图全向垂直极化天线或者TR38.901方向性天线速度0 m/s图 3-19 RT 仿真结果38IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 3-20 生成的散射簇仿真参数仿真参数RT 仿真的发射天线和接收天线都使用全向垂直极化天线。发射机和接收机的位置如图 3-19 所示。传播机制包括直射和最高二阶散射。表 3-6 展示了详细的 RT 仿真参数。仿真结果仿真结果如图 3-20 所示是 RT 仿真结果的多径分布,红色线是
146、直射径,橘黄色线是散射径。发射机和接收机之间的障碍物很有可能是参考点。2)生成信道系数结合图 3-19 中 RT 仿真结果,“想定”图 3-20 中的紫色点为参考点,一个任意位置接收机通信和感知场景的散射簇分布情况如图 3-20 中的(a)和(b)。其它参数和RT 仿真参数保持一致。通信通信如图 3-20(a)所示,发射机和接收机放置在不同的位置。簇 1 是直射径。簇 2-4是单跳散射簇,簇 5-8 是多跳散射簇。使用全向天线的功率时延谱如图 3-21 所示。图 3-21 通信信道中使用全向天线的功率时延谱图 3-22 通信信道中使用定向天线的功率时延谱39IMT-2030(6G)推进组IMT
147、-2030(6G)Promotion Group感知感知如图 3-20(b)所示,发射机和接收机位于相同的位置,生成了 8 个散射簇,顺时针从左往右分别是簇 1 到簇 8。最后生成使用全向天线的功率时延谱,如图 3-23 所示。图 3-23 感知信道中使用全向天线的功率时延谱图 3-24 感知信道中使用定向天线的功率时延谱3)分析仿真结果通信通信从图 3-21 中可以清楚地看出使用全向天线能接收到不同方向的多径。由于簇 1 是直射径,所以有-88.34 dBm 的最大接收功率。簇 8 传播距离较长,因此淹没在噪声中。收发机均使用 TR 38.901 定向天线且朝向簇 8 方向,最后计算的功率时
148、延谱如图 3-22 所示。感知感知如图 3-23 所示,感知场景使用全向天线同样能接收不同方向的多径,从而可以感知不同方向的物体。簇 2 有-88.74 dBm 的最大接收功率,簇 8 有-132.55 dBm 的最小接收功率。簇 6-8 的接收功率明显小于簇 1-3 的接收功率。收发机均使用 TR 38.901 定向天线且朝向簇 8 方向,最后计算的功率时延谱如图 3-24 所示。4)考虑气象因素的影响在室外场景,气象因素的影响是不容忽略的。图 3-25 展示了四种气象衰减的功率时延谱。四种气象因素中,大气衰减与雾衰减相对较小,雪衰减与雨衰减相对较大。气象因素衰减随传播距离增加而增大。降雪时
149、,传播距离较长的簇淹没在噪声中。太赫兹信道建模需要考虑气象因素,尤其雪衰减和雨衰减。40IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 3-25 考虑气象因素的功率时延谱3.3 通信感知一体化信道建模方法研究本节分别讨论基于随机统计、基于确定性和基于混合方式的信道模型在通信感知一体化场景下的建模方法。3.3.1 基于随机统计的通感一体化信道建模目前基于随机统计的信道模型针对通信信道,虽然已经具有了连续空间演进和空间一致性,但对通信感知一体化中重要的回波信号还没有建模。通信链路和感知链路之间的相互影响和一致性是基于随机统计的通感一体化信道建模中的重要研究点
150、。在 3GPPTR38.901 的 GBSM 模型中,BS-MS 信道的 LoS 径角度、时延等参数由 BS 和 MS 的相对位置确定,各个 NLoS 的角度、时延则按一定的分布随机生成,NLoS 径中散射体的位置、大小均未在信道模型中显式定义出。而在 BS 的 mono-static 场景中,Target 和散射体是需要重点感知的对象,需在信道模型中着重建模 Target 和散射体的回波。图 3-26 GBSM 通感一体化信道模型示意图待感知的散射体有两类,一类是通信信道中的散射体,如图 3-26 中的绿色圆圈;另一类是不在通信信道中,但在基站感知范围内的散射体,如图 3-26 中的黄色圆圈
151、。黄色圆圈可以认为是其他 MS/Target 信道中的散射体,此时应建模在其他 MS/Target 的回波信道中,不包含在当前 MS/Target 的回波信道中;也可以是不在任何 MS/Target 信41IMT-2030(6G)推进组IMT-2030(6G)Promotion Group道中的散射体,此时可建模在当前 MS/Target 的回波信道中。根据信道的互易性,可认为散射体产生的回波经原路径返回到基站。基于此,基站收到的回波将来自三个部分:1、经 LoS 径入射到目标,并通过 LoS 径返回的回波;2、通信信道中散射体(如图 3-26 中的绿色圆圈所示)的直接回波;3、不在通信信道中
152、,但在 BS 周围的散射体(如图 3-26 中的黄色圆圈所示)的直接回波。图 3-27 GBSM 通感信道参数生成流程回波信道参数可以参考 38.901 的 GBSM 信道参数生成流程,如图 3-27 所示,其主要思路是先利用 GBSM 生成的通信信道参数确定空间中散射体的位置,再结合散射体的 RCS 生成感知信道中的 LoS 径和回波信道的时延、角度、幅度、相位和极化等信道参数。3.3.1.1 基于共享特性扩展 3D GBSM 的 ISAC 信道建模方法本小节基于信道共享特性提出了扩展 3D GBSM 的 ISAC 信道建模框架。信道模型如图 3-28 所示。图 3-28 ISAC 信道模型
153、示意为了在 ISAC 信道模型中刻画真实的共享特性,将通信和感知信道定义为共享簇和非共享簇两部分的叠加。第 p 个发射天线单元和第 q 个通信接收天线单元/第 w 个感知接收天线单元之间的信道冲激响应(Channel Impulse Responses,CIR)分别表示为:,=,shar,+,nons,#3 542IMT-2030(6G)推进组IMT-2030(6G)Promotion Group,=,shar,+,nons,#3 6其中c和s表示通信和感知的传播时延。具体计算展开式表示为00101001zoaaoa/,sharnons,zoaaoa1/,exp()exp()(,)/(,)(,
154、)exp()e xp()TNMMc n mc n mc n mc rx qc n mc n mc q pc q pcc n mnnmmc rx qc n mc n mc n mc n mc n mjjFHHtaFjj1/zodaod,zodaod,00,2()2()(,)expexp(,)exp2(),NTTc rx n mc qc tx n mc pc tx qc n mc n mc tx qc n mc n md c n mcc n mjrdjrdFFjft(3 7)021zoaaoa,sharnons,zoaaoa1/,exp()exp()(,)/(,)(,)exp()exp()Ts n
155、 ms n ms n ms rx ws n ms n mtar wp tars q ps q pss n ms n mmms rx ws n ms n ms n ms n ms n mjjFHHtaaFjj020202/outoutininoutoutinin,outoutininoutoutinin,(,)(,)(,)(,)NNMMnns n ms n ms n ms n ms n ms n ms n ms n ms n ms n ms n ms n ms n ms n ms n ms n ms tx pF zodaod,zodaod,00,2()(,)2()expexp(,)exp2().
156、TTs tx n ms ps n ms n ms rx n ms ws tx ps n ms n mtar wp tard s n mss n ms n mjrdjrdFjft(3 8)在模型中,共享簇和共享径表示为0n和0m,通信和感知信道中的非共享分量分别表示为簇1n径1m和簇2n径2m。感知信道采用两段式级联的建模方法。为了建模实现 ISAC 信道共享特性,假设对于 L 个已知的感知目标,首先根据感知信道参数反馈建模经过目标的通信簇tar,1c q pc q p lLHH,即从通信 TX 经历thl目标到达通信 RX 的传播分量。进一步,引入了一个 1L 维的向量参数S,从 L 个目标中
157、提取通信共享簇,公式表示为,shar,=1,1tar,#3 9其中S包含 L 个非负实值,即=1,=0 or 1.#3 101ls 意味着thl感知目标同时作用于通信信道,并生成对应的通信簇/径。相反的,0ls 表示thl目标仅作为感知传播散射体。基于所提出的 ISAC 信道模型,扩展了 3D GBSM,提出了一种 ISAC 信道实现框架,具体流程如图 3-29 所示。43IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 3-29 ISAC 信道模型实现框架感知信道实现:如图 3-29 中蓝色框图所示,在步骤 C&S1 中配置全局的环境、网络、天线参数后,
158、感知目标位置和速度在步骤 S2 中预设,可以计算 TXs-TAR/TAR-RXs两段子链路的几何距离3D,TX-TAR/TAR-RXd以及几何角度。当 TXs-TAR/TAR-RXs 均被建模为LOS 簇时,簇的角度可以直接估计为几何角度。S3 步骤中感知子信道的路损的可以按照通信标准或基于自由空间雷达方程生成。步骤 S6 中的 RCS 系数被初步建模为固定值或预设范围内的随机分布值。感知信道环境/杂波的生成被设置为一个独立的可选的模块。其余感知参数仍按照传统 3GPP 标准中的方式生成。通信信道实现:如图 3-29 中灰色框图所示,通信信道中主要参数,例如时延扩展(DS)、角度扩展(AS)、
159、阴影衰落(SF)、莱斯 K 因子等的生成仍遵循 3GPP 标准。此外,为了在 ISAC 信道中建模共享特性,步骤 C&S4 中设置 S 等共享参数。为了权衡通信信道的统计性规律和感知信道的确定性特性,仿真步骤 S5 生成的感知参数将反馈给步骤 C5-C7 用于生成经历感知目标的通信簇tar,c q pH,再根据建模计算公式提取共享通信簇,并按照流程生成最终的通信信道系数。3.3.1.2 不同感知模式小尺度建模考虑1)A 发 B 收(双站感知)分段式建模图 3-30 分段式建模示意图44IMT-2030(6G)推进组IMT-2030(6G)Promotion Group参考文献6中分段建模中感知
160、目标和环境目标叠加之后的信道表示为:H,t=k=1Y+PSLkPLkHu,s,k,t?#3 11其中 Y 为感知目标数,P 为环境目标数,Hu,s,k,t 为第 k 个目标的感知信道系数。从本式可以发现,每个目标(不论是环境目标或者是感知目标)都会与对应的路径损耗、阴影衰落进行相乘。此外,公式中路损分别叠加于链路之上,其表现形式类似于 38.901 模型中的簇功率表达,但是其公式左侧并未添加路径损耗,这使得该公式表达存在歧义。当将公式右侧路损完全视作大尺度路径损耗式,该式应当改写为:PLtotalH,t=k=1Y+PSLkPLkHu,s,k,t?#3 12其中 PLtotal为通信感知一体化接
161、收机测量得到的整体路损值。当将参考文献6中公式右侧路损完全视作 38.901 模型中的簇功率表达时,应当对这些路损值进行归一化,以保证后续叠加大尺度路径损耗的合理性:H,t=k=1Y+PSLkPLkHu,s,k,t?#3 13在分段式建模中需要对最终的信道功率按照接收端的路径损耗进行归一化,保证各个级联链路的功率和与接收端收到功率相匹配。2)A 发 B 收(双站感知)不分段式建模图 3-31 不分段式建模示意图H,t=k=1TSLkPLkHu,sk,t?+SLePLeHu,se,t#3 14其中 T 为感知目标数,Hu,sk,t 为第 k 个目标的感知信道系数,Hu,se(,t)为环境信道。从
162、本式可以发现,对于环境目标的建模沿用现有 38.901 标准,而对于感知目标则是单独计算了路径损耗。其中每个感知链路中,感知发送端到感知目标、感知目标到感知接收45IMT-2030(6G)推进组IMT-2030(6G)Promotion Group端均被建模为 LOS 路径。同样的,为与式中右侧表达的路损相匹配,公式左侧同样应当添加路径损耗表达:PLtotalH,t=k=1TSLkPLkHu,sk,t?+SLePLeHu,se,t#3 15否则应使用归一化,以保证后续叠加大尺度路径损耗时的正确性:H,t=k=1TSLkPLkHu,sk,t?+SLePLeHu,se,t#3 16在不分段式建模中
163、需要对最终的信道功率按照接收端的路径损耗进行归一化,保证各个级联链路的功率和与接收端收到功率相匹配。3)小尺度建模方案感知信道当将感知链路分段建模时,会分别将感知物体作为接收端接收信号,而后经过自身的反射能力再将部分信号或功率发送至感知接收端,如下图所示:图 3-32 分段建模示意图入射和出射感知物体两段链路分别用Hsfirst(,t)和Husecond(,t)进行表示,此时分段感知信道的表示方法为两段链路的卷积:Hu,ssensing,t=Husecondt Hsfirstt#3 17感知信道与通信信道整合图 3-33 感知链路与通信链路46IMT-2030(6G)推进组IMT-2030(6
164、G)Promotion Group在计算通感整体信道时,需要引入共享簇功率分配因子 SD,用来确定共享簇占总功率的比例。以、分别代表情况 A、B、C、D 四种情况的功率,sensing代表感知功率,SD 定义为:=+sensing#3 18合并后的通感信道表达为:total,total,=communication,communication.+sensing1sensing2,sensing,#3 19其中total 为感知通信一体化接收端测量得到路损,communication()为通信接收端测量的道的路损,sensing1和sensing2分别为感知目标的入射路损以及出射路损。3.3.1
165、.3 基于前向与后向散射的通感一体化信道建模方法本小节针对 sub-6 GHz 频段车联万物(vehicle-to-everything,V2X)场景,提出了一种新型通感一体化信道模型18,该模型包括感知信道和通信信道两个部分。在 V2X场景下,通感一体化信道除了考虑通信信道本身具有的时域非平稳特性外,还需要引入感知信道的特性,如前向散射和后向散射特性19,如图 3-34 所示。感知可分为前向散射感知和后向散射感知。图 3-34 通感一体化系统模型通感一体化(integrated sensing and communication,ISAC)系统模型发送端是一个ISAC 基站(base sta
166、tion,BS),它可以作为一个单站感知系统,实现信号传输和后向散射感知回波信号接收。簇的运动可以通过速度和运动角度来描述。在感知和通信子系统中,统一指定和描述了这些参数。47IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 3-35 ISAC 信道模型包括 LOS 径、前向散射径和后向散射径201)感知信道模型在(雷达)感知系统中,根据散射体表面所使用的材料类型和粗糙度的差异,散射可以分为前向散射和后向散射。对于本文所采用的单站感知系统,只有后向散射才能提供所需的感知信息,所以在感知信道冲激响应(channel impulse response,CIR)
167、中只考虑后向散射。感知 CIR 可分为两部分,即通信终端目标感知回波 CIR 和散射体感知回波 CIR。感知信道的 CIR 可写为:00,2()20,0122(),11,Dcsuplc l kDllljft tjfradradA LE LNtKjfjft tl kradA kE kl klkhtG eeAGeeA (3 21)其中,cf为载频大小,2340,00/64RCSGD 表示感知系统中 ISAC BS 与感知目标之间的信道增益,为波长,,0RCS感知目标的雷达散射截面,0D为初始时刻 ISACBS 与感知目标之间的距离。2)通信信道模型提出的通信信道模型需要分为直射(line of s
168、ight,LOS)径和非直射(non-LOS,NLOS)径两部分。由于增加了感知系统,NLOS 径分为前向散射径和后向散射径。单站感知系统只能区分后向散射的散射体,但这两种散射体都存在于通信信道模型中。前向散射分量包括无法感知的散射体,这些散射体的参数,如角度、距离和速度,通过随机生成。后向散射分量包括由感知信道感知的所有散射体,并且这些散射体的参数可以直接由感知信道提供。由于在感知物体和 ISAC BS 之间需要 LOS 路径,对于具有多跳簇的径而言,只能感知 ISAC BS 侧的通信信道模型的第一跳簇信息。通过以概率加权求和的方式,将 LOS、前向散射和后向散射部分相加,可以获得通信 CI
169、R,comqpht为48IMT-2030(6G)推进组IMT-2030(6G)Promotion Group 1,11comLfNfbNbqpLqpNqpNqpKhtpthtpthtpthtKK(3 22)其中()Lp t,()fNp t和()bNp t分别是 LOS、前向散射和后向散射分量的概率,K 是莱斯因子。公式(3-22)中 LOS 部分的 CIR 可以表示为 22,0,0LLc qpccVVLHHLjftjfLqpTRRTTjq VE Lp VE LA LA LLqpRRTTjq HE Lp HE LA LA LeetFFehtFFe(3 23)其中,T表示转置运算,p V HF和,
170、qV HF表示天线TpA和RcqA的垂直(水平)极化,VVL和HHL表示均匀分布在0,2上的初始相位,Lqpt表示天线TpA和RcqA之间 LOS 径的时延。时延参数 Lqpt可以计算为=其中 ccqpqpDtDt表示天线TpA与RcqA之间的距离。需要注意的是,感知系统的感知精度由许多因素决定,包括带宽和天线阵列的大小。因此,在不失一般性的情况下,假设 Rx 端第一个天线1RcA可以被感知到。则距离向量 cqpDt可以写作:0tcRcTRqpqpDtD llvt dt其中0,0,0DD,0D的值可以由感知信道提供,Tpl和Rcql表示天线位置矢量,即从天线1TA到TpA和从天线1RcA到Rc
171、qA的矢量。径向速度矢量 Rvt也可以由感知信道得到,因此有 Rvt=0vt,并且Rx的运动角度等于感知系统的离开角大小,因此,TA LA L且,TE LE L。所以速度矢量 Rvt可以计算为 ,0,coscos,cossin,sincoscos,cossin,sin.RRTTTTTE LA LE LA LE LE LA LE LA LE Lvtvtv t(3 24)公式(3-22)中前向散射部分的 CIR,,Nfqpht可以计算为 ,1M,111,2,VVVHmmnnnnnnnnHVHHmmnnnnnnnc qp mnncqpTjjRRTTq VE mA mp VE mA mmNfqpRRT
172、Tjjnmq HE mA mp HE mA mmjftptmNqFFeehtFFeePt e ,nqp mt(3 25)后向散射部分的 CIR,,Nbqpht可计算为49IMT-2030(6G)推进组IMT-2030(6G)Promotion Group ,1,111,2,VVVHskkllqplllllnHVHHkkllllllnc qp kllTjjRRTTNtKq VE kA kp VE kA kmNbqpRRTTjjlkq HE kA kp HE kA kmjftqp kFFeehtFFeePt e ,lqp kt(3 26)对于没有感知辅助的几何随机信道模型而言,从 Tx 到第一跳簇
173、和最后一跳簇到 Rx的距离和角度参数应通过随机生成方法生成。通信信道模型的簇的速度和运动角也应随机生成。从 Tx 到 Rx 以及从 Tx 到第一跳簇的距离和角度参数可以由感知信道直接提供,不需要随机生成。通信信道模型的传递函数写为 1,11comLfNfbNbqpLqpNqpNqpKHt fptHt fpt Ht fpt Ht fKK(3 27)其中,,LqpHtf,NfqpHt f和,NbqpHt f分别是 LOS、前向散射和后向散射分量的传递函数。,exp2LLqpqpcHtfjtff ,11,exp2 cqpnnnNtMNfqpqp mqp mcnmHt fPtjtff(3 28),11
174、,exp2sqplllNtKNbqpqp kqp kclkHt fPtjtff(3 29)3.3.2 基于混合方式的通感一体化信道建模基于随机统计的信道模型以簇为中心,利用数学方法对信道角度、时延、功率等特征进行随机性、统计性的刻画,并无几何或物理意义,使其无法反映确定性的目标信息,从而无法覆盖所有的典型通感用例。结合确定性的目标信息和信道统计特性的混合信道模型成为满足所有典型通感用例评估需求的潜在解决方案。在通感一体化的场景下,混合信道模型在保留良好的空时一致性和目标建模准确性的同时,能够更好的表征传播场景中的随机性对信道的影响。如何有效的结合确定性信道模型和统计信道模型的优势为混合信道建模
175、的关键。3.3.2.1 基于多散射中心的混合通感信道建模方法1)模型架构在 3GPPTR 38.901 通信信道模型的基础上,本文提出了由目标相关分量与背景分量两部分组成的感知信道模型。图 3-36(a)和图 3-36(b)分别展示了单站感知信道50IMT-2030(6G)推进组IMT-2030(6G)Promotion Group与双站感知信道的系统模型。其中,目标相关分量包含所有经过感知目标的多径,由发射机-感知目标和感知目标-接收机两段级联,将感知目标看作从发射机接收多径,然后将其发送到接收机的节点。而背景分量包含来自背景环境的多径,这些多径不随目标的数量或位置的改变而改变。对于一对收发
176、天线 s,u,感知信道表示为,sensing,=1,Target,?+,Background,#3 30其中 Q 为此对收发机可以观察到的目标的数量,,Target,对应第个目标的目标相关分量,,Target,表示背景相关分量。感知信道与通信信道通过共享部分或全部的统计参数建立相关性。当通信信道中的用户为感知信道中的感知目标时,感知信道中的某段目标相关分量可以复用通信信道的统计参数,包括时延扩展、角度扩展、阴影衰落等大尺度参数和径簇功率、时延、相位等小尺度参数;当通信用户为双站感知信道中的感知发射机或接收机时,通信信道与感知信道相同。(a)单站感知信道(b)双站感知信道图 3-36 通感信道模
177、型架构2)多散射中心目标模型多散射中心模型认为感知目标的电磁散射响应可以等效为多个独立的散射中心的散射响应总和。在通感一体化信道模型中,应用多散射中心模型,可以简化对感知目标的建模,用少量散射中心代替感知目标复杂的几何结构和电磁特性。感知目标的散射场,可以表示为多个散射中心的散射场的和:,=1,?#3 35其中,分别为频率,方位角和俯仰角;I 是所有散射中心的个数,(,)为51IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第 i 个散射中心的散射场。图 3-37 车辆散射中心提取为了验证多散射中心模型,本文用电磁仿真对一辆车后半部分(图 3-37)进行仿真
178、,得到其自发自收的单一方向散射场,再进行散射中心的提取。图中用实心圆画出了提取的 100 个多散射中心,圆圈的颜色代表了散射中心的场强,同时圆圈越大,散射中心的场强越大。可以发现,散射中心分布在后叶子板和车的两侧车窗附近,所有散射中心大致包裹住了车辆的轮廓。图 3-38 车辆散射场-角度函数仿真和 5 个多散射中心重构结果图 3-38 展示了电磁仿真得到的车的散射场关于角度的函数,以及用提取出的多散射中心重构的散射场。为了方便理解,在图中将散射场的强度转换为了车的雷达截面积(radar cross section,RCS)值。多散射中心模型能较好地还原车辆在不同入射角度下的散射场在距离域的响应
179、。相较于单散射点模型只能描述感知目标散射场与角度的关系,多散射中心模型对感知目标散射场的建模更全面,可以支撑通感一体化中定位、识别和环境重构等广泛应用场景。3)目标相关分量的生成52IMT-2030(6G)推进组IMT-2030(6G)Promotion Group如图 3-39 所示,目标相关分量由发射机-感知目标和感知目标-接收机两段组成,在级联时考虑感知目标的特性对目标相关分量的影响。生成目标相关分量时,首先分别生成发射机-感知目标和感知目标-接收机两段的大小尺度信道参数,并使用多散射中心模型表征感知目标,再根据两段的入射和散射角计算感知目标的散射场,最后将两段级联,构成感知信道的目标相
180、关分量。目标相关分量的生成流程如图 3-40 所示。图 3-39 目标相关分量的系统模型图 3-40 目标相关分量的生成流程4)背景分量的生成如图 3-41(a),单站感知场景下感知信道的背景分量取决于收发机在传播环境中的位置,这意味着用于通信信道的统计模型和参数不再适用(如 3GPPTR 38.901 Step 2中的视距概率模型和 Step 3 中的路损模型)。为描述单站感知信道在环境中的损耗,需要在模型的参数化中定义一个与收发机距离不相关的总功率增益系数,如图 3-42,Step2,Step 3 和 Step 12 需要作相应调整。对于其他可以复用的信道参数,如时延扩展和角度扩展,需要针
181、对单站背景分量根据相应的信道测量结果完成模型的参数化。53IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 3-41 背景分量的系统模型图 3-42 单站感知背景分量的生成流程双站感知场景下,背景分量为发射机不经过目标直接被接收到的干扰功率,为自发他收的链路,可复用 3GPPTR 38.901 中通信链路的生成过程。3.4 小结通信感知一体化技术是 6G 潜在关键技术之一。通信系统集成无线感知能力,能通过无线电波传输、回波、反射和散射等方式来探索物理世界。同时,由物理环境组成的无线信号传播媒介也会影响通信性能。因此通信感知一体化信道建模对通信感知一体化系统
182、的性能评估和验证具有非常重要的意义。在本章节中,我们首先讨论了通信感知一体化信道建模的场景需求,如定位跟踪、成像、环境重构等不同的感知应用需求,设计不同的信道建模方法与之匹配。在信道测量与仿真方面,本章节主要介绍了几种典型场景的通感测量和仿真方法研究成果,如环境重构,目标成像,汽车雷达及定位,通感信道共存,单站感知等。感知信道测量及仿真方法与通信信道不同,感知包括双站感知和单站感知,在单站感知时,收发处于同一位置,主要研究目标的回波特征,与目标的物理电磁特性相关,而通信主要研究收发处于不同位置的双站间电磁波传播特征,与传播环境的发射、透射、散射及绕射等因素有关。在通信感知一体化信道建模之初,应
183、首先考虑通感信道测量硬件系统构建方案,全双工收发的自干扰消除,感知信道测量方法论等问题,探索感知信道与传54IMT-2030(6G)推进组IMT-2030(6G)Promotion Group统通信信道的相关性及传播特征本质,这将是通信感知一体化信道建模的坚实基础。在信道建模方法论方面,本章节中介绍了基于随机统计和基于混合方式的通感一体化信道建模方法。基于随机统计的模型架构简洁,易于实现,能快速融入无线蜂窝通信系统级和链路级仿真。基于混合方式的通感一体化信道模型由包含确定性目标信息的目标相关分量和基于随机统计的背景分量组成,一方面能够对感知目标进行准确的刻画,具有空间一致性,另一方面满足与现有
184、通信信道模型的兼容性,计算复杂度低。混合信道模型框架能够满足不同感知模式下通感一体化技术用例的评估需求,面向 6G 通感信道模型的标准化,我们需要基于信道测量对典型的感知目标建立多散射中心模型,并对自发自收的背景分量进行参数化建模,以覆盖现有及未来所有通感用例、频段、场景的评估需求。未来的通感信道测量需覆盖更全面的频段与场景。面向 6G 通感信道模型的标准化,需要基于信道测量对典型的感知目标建立多散射中心模型,并在现有自发他收信道参数化模型的基础上对自发自收的信道参数化建模,以尽可能覆盖现有及未来所有通感用例、频段、场景的评估需求。简而言之,通信感知一体化信道建模具有场景多元化的特性,需要在测
185、量系统,仿真评估,模型架构等方面持续突破。相信在不久的将来,随着测量与建模研究的不断演进,通感信道将把通信感知一体化技术推向新高度。由于篇幅限制,上面详细介绍本研究报告中新增的通信感知一体化信道建模方法细节,其余细节请参考面向 6G 的信道测量与建模研究研究报告。参考文献1通信感知一体化技术研究报告,IMT-2030(6G)推进组,2021.2童文,朱佩英,6G 无线通信新征程:跨越人联、物联,迈向万物智联,机械工业出版社,2021.3B.H.Fleury,X.Yin,K.G.Rohbrandt,P.Jourdan,and A.Stucki,“High-resolution bidirecti
186、onestimation based on the SAGE algorithm,”Central South Forest Inventory&Planning,2002.4B.H.Fleury,M.Tschudin,R.Heddergott,D.Dahlhaus and K.Ingeman Pedersen,Channel parameterestimation in mobile radio environments using the SAGE algorithm,in IEEE Journal on SelectedAreas in Communications,vol.17,no.
187、3,pp.434-450,March 1999.5Y.Liu,J.Zhang,Y.Zhang,Z.Yuan,and G.Liu,“A shared cluster-based stochastic channel model forjoint communication and sensing systems,”IEEE Transactions on Vehicular Technology,Accepted,2023.6IMT2020 任务组,5G-Advanced 通感融合仿真评估方法研究报告7雷达目标特性,电子工业出版社,2005-03.8Buddendick H,Eibert T F
188、.Acceleration of ray-based radar cross section predictions usingmonostatic-bistatic equivalenceJ.IEEE Transactions on Antennas and Propagation,2009,58(2):531-539.9X.Li,J.He,Z.Yu,G.Wang and P.Zhu,Integrated Sensing and Communication in 6G:theDeterministic Channel Models for THz Imaging,IEEE 32nd Annu
189、al International Symposium onPersonal,Indoor and Mobile Radio Communications(PIMRC),2021.10W.Li et al.,“Millimeter-Wave Radar Measurement and Ray-Tracing Simulation for Urban StreetEnvironment,”2022 3rd Atlantic/Asia-Pacific Radio Science Meeting of the International Union ofRadio Science(URSIAT-AP-
190、RASC),accepted,2022.55IMT-2030(6G)推进组IMT-2030(6G)Promotion Group113GPP,Studyonchannelmodelforfrequenciesfrom0.5to100GHz,2017.Available:http:/www.3gpp.org/DynaReport/38901.htm.12ITU-R M,Guidelines for evaluation of radio interface technologies for IMT-2020,2017.Available:https:/www.itu.int/pub/R-REP-
191、M.2412-2017.13,“ITU-R P.676-11Attenuation by atmospheric gases,”2016.14,“ITU-R P.840-7 Attenuation due to clouds and fog,”2017.15,“ITU-R P.838-3 Specific attenuation model for rain for use in prediction methods,”2005.16Ma.J,Adelberg.J,Shrestha.R,“The Effect of Snow on a Terahertz Wireless Data Link,
192、”J InfraredMilli Terahz Waves,vol.39,pp.505-508,2018.17Z.Chai,Y.Zhang,G.Liu,Y.Liu,J.Wang,T.Jiang,and J.Zhang,“Empirical Path Loss ChannelModeling at 28 GHz for Integrated Sensing and Communication System,”Wireless Communicationsand Signal Processing,Accepted,2023.18R.Yang,C.-X.Wang,J.Huang,E.-H.M.Ag
193、goune,and Y.Hao,“A novel 6G ISAC channel modelcombining forward and backward scattering,”IEEE Trans.Wireless Commun.,accepted.19A.Freeman and S.L.Durden,“Athree-component scattering model for polarimetric SAR data,”IEEETrans.Geosci.Remote Sensing,vol.36,no.3,pp.963973,May 1998.20M.Yang,B.Ai,R.He,et
194、al.,“Measurements and cluster-based modeling of vehicle-to-vehiclechannels with large vehicle obstructions,”IEEE Trans.Wireless Commun.,vol.19,no.9,pp.58605874,Sept.2020.21W.Yang et al.,“ISAC channel measurements and modeling methodology”,IEEE GC Wkshps,2023,accepted.22R.Kell,On the derivation of bi
195、static RCS from monostatic measurements,in Proceedings of theIEEE,vol.53,no.8,pp.983-988.1965.233GPP,Study on integrated access and backhaul,3rd Generation Partnership Project(3GPP),Technical Report(TR)38.874,201956IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第四章 大规模多输入多输出信道研究4.1 概述随着第五代全球网络(5G)的广泛部署,学
196、术界和工业界已开始转向对第六代网络技术(6G)的探讨。相对于 5G,6G 需要提供更高的速率、可靠性、时延、移动性和能耗等关键性能。为满足这些需求,业界已经提出了众多的关键技术并正在积极研发。这些技术可以大致分为两类:一类通过增强基站和终端的能力,来更好地适应传播环境,提升性能;另一类通过控制传播环境来提升性能。大规模多输入多输出(multiple-input multiple-output,MIMO)系统的天线单元数量庞大(数十至数千个),可以在同一时频资源块内为数十个终端服务,容量大,频谱、能量效率较高,增强了基站的能力,以便更好地克服信道的不确定性,满足 6G 系统对通信系统的频谱效率、
197、能量效率等性能指标的更高需求。大规模 MIMO 信道模型是大规模MIMO 通信系统设计、性能评估、优化及部署的基础。当基站端采用成百上千甚至上万个天线单元时1,大规模 MIMO 信道将呈现不同的信道特性,譬如球面波特性、空域非平稳特性、信道硬化特性等。智能电磁表面或可重构智能表面 RIS(Reconfigurable Intelligent Surface)作为 6G的潜在研究方向,近年来得到学术界和工业界越来越多的关注,它使得无线传播环境从被动适应变为主动可控,有助于构建一个可控的智能无线信道环境,是全新的 6G 通信网络范式,其信道建模是后续进行智能电磁表面部署规划、覆盖/容量及其他网络性
198、能评估和分析的基础。4.2 大规模 MIMO 信道特性分析与建模4.2.1 远近场分界线随着毫米波和太赫兹的应用以及极大规模孔径阵列的出现,近场效应变得更为明显和关键。通常,电磁场可以分为三个区域:感应近场区域、辐射近场区域和远场区域。由于感应近场中的电磁波通常在源周围并不传播,因此辐射近场区域更与无线通信相关,因此本提案重点关注辐射近场区域,并将其简称为近场。图 4-1 无线通信中近场和远场示意图57IMT-2030(6G)推进组IMT-2030(6G)Promotion Group随着天线孔径的扩大,近场的有效范围也随之增长,这导致更多的通信设备落在近场范围内。这种变化使得近场和远场之间的
199、信道建模存在巨大的差异,因此对于具有大规模 MIMO 的无线通信系统来说,合理划定近场和远场是至关重要的。下面对近远场边界的现有研究结果进行总结。4.2.1.1 瑞利距离(Rayleigh Distance)天线的近场和远场区域之间的经典边界被称为瑞利距离或 Fraunhofer 距离,计算公式为 22/,其中表示天线的最大孔径,表示载波波长。此距离基于相位误差定义:当用户与基站(BS)之间的距离超过此值时,天线孔径上的最大相位误差不超过/8。它清晰地揭示了近场和远场之间的界定与天线孔径的平方成正比,而与载波波长成反比。4.2.1.2 Critical 距离(Critical Distance
200、)瑞利距离主要涉及到天线阵列单元之间的最大可接受相位差。然而,在使用最佳的最大比合并(MRC)时,信号相位可以完全对齐,消除了它们对接收功率的影响。在这种情况下,接收功率仅依赖于信道的幅度响应。因此,在文献2中,作者提出了一个Critical 距离Critical。这个 Critical 距离确保了最弱和最强的天线单元之间的功率比保持在指定的阈值以上,近似满足Critical 9,其中表示天线孔径。将瑞利距离表示为r,通信距离可以分为三个区间:1)对于 ,天线阵列的幅度和相位差异都很小,可以较好地使用 PWM 进行近似;2)对于Critical ,虽然幅度差异相对较小,可以忽略不计,但天线阵列
201、之间仍存在显著的相位差异,不能忽视;3)对于 Critical,幅度和相位变化都很大。因此,应使用 SWM 对信道进行建模。4.2.1.3 均匀能量距离(Uniform Power Distance,UPD)均匀能量距离是基于文献2中的 Critical 距离进一步拓展的概念,加入了诸如天线阵列的结构和投影口径等其他因素。它定义了一种距离,在此距离之外,天线阵列单元间的功率比维持在特定阈值以上。当接收端 Rx 位于 UPA 的中心并且与其垂直对齐时,UPD 可以表示为2/312/32,其中表示 UPA 的对角线尺寸。对于其他入射角度和位置,可以通过数值方法获得 UPD。4.2.1.4 有效瑞利
202、距离(Effective Rayleigh Distance)尽管文献2和3中的研究依赖于最优最大比合成(MRC)以消除信号相位的影响,但由于实现完美信道估计的固有难度,MRC 可能无法完全中和相位差异。因此,从波束成形的角度来看,文献4中的作者提出了一个有效瑞利距离,如果超过该距离,则在远场条件假设的同时,归一化波束增益不低于 95%。有效的瑞利距离由以下公式给出:=0.3672()22,其中是入射角度,是天线口径,是载波波长。有效瑞利增益可以看成是为了采用 PWM 假设时确保波束增益而对瑞利距离进行的修正。4.2.1.5 Bjornson 距离(Bjornson Distance)文献5中
203、的作者考虑了一个由个相同天线组成的 UPA 结构,每个天线的面积表58IMT-2030(6G)推进组IMT-2030(6G)Promotion Group示为。从严格的电磁角度来看,他们引入了归一化天线阵列增益,表示接收功率与在PWM 假设下的远场接收功率之比。在这种建模下,瑞利距离可以重新表示为=2 2/,其中=2表示每个天线单元的对角线长度。然后,他们提出了 Bjrnson距离,表示为=2。值得注意的是,与瑞利距离中的线性增长相比,Bjrnson距离的增长与的平方根成正比。当通信距离不小于Bjrnson距离时,可以实现至少95%的最大增益。4.2.1.6 Equi-Power Line考虑
204、一个只有直射(LoS)路径的 ULA 结构,在 MRC 下从点源接收到的功率完全由幅度响应决定,与信号相位无关。在文献6中,作者定义了使用 SWM 获得的接收功率与使用 PWM 获得的接收功率的比值。当通信距离趋于无穷时,该比值趋近于一。他们提出了一个 Equi-Power Line,代表这个比值达到了预先定义的阈值。对于此比值的封闭形式解析表达式导致在源与 ULA 的中部垂直对齐时,等功率线大约位于 2.86,其中代表阵列孔径。对于其他源角度,采用数值方法来确定 Equi-Power Line。4.2.1.7 Equi-Power Surface考虑一个只有直射(LoS)路径的均匀圆形平面阵
205、列(UCPA)结构,从点源在 MRC下接收到的功率仅依赖于幅度响应。在文献6中,作者定义了一个归一化接收功率,这表示通过 SWM 得到的接收功率与 PWM 相比的相对值。接着,他们提出了一个Equi-Power Surface,该 Surface 上的归一化接收功率达到了预设的阈值。通过使用派生的封闭形式表达式,当源与 UCPA 的中心垂直时,Equi-Power Line 大约位于 3.96,其中代表 UCPA 的边长。当源位于其他角度时,可以通过数值方式得到 Equi-Power Line。4.2.2 大规模 MIMO 信道特性4.2.2.1 近场非平稳特性假设基站端使用的天线阵列为具有
206、K 个天线阵元的均匀线型阵列(Uniform lineararray,ULA),用户端使用单个天线。在信道中存在 N 条信号传输的路径,每一条路径中存在 M 条子路径。在 NF-SnS 框架中,具有近场空间非平稳特性的大规模 MIMO 信道系数通过下式计算得到:,=,=1,3?,(4-1)其中,,为第k个天线阵元()经过第n条传输路径()的信道系数,,为空间非平稳矩阵的元素,主要描述当前路径对于当前天线阵元的可见性,,为近场球面波矩阵的元素,主要描述球面波传播对信号幅度和相位造成的影响,,3为3GPP 模型中给出的标准信道系数,在 3GPP 模型中,“路径”被称作“簇(Cluster)”,“子
207、路径”被称作“子径(Ray)”。NF-SnS 框架的计算流程如图 4-2 所示。图中以黑色字体表示的步骤(步骤 1-9,步骤59IMT-2030(6G)推进组IMT-2030(6G)Promotion Group13)与 3GPP 模型中给出的信道模型计算步骤一致,在此不做赘述。图中以红色字体标注的步骤(步骤 10-12)为该仿真框架的主要计算步骤,将分别在下面进行详细描述。图 4-2 NF-SnS 框架的流程图NF-SnS 框架的基站天线阵列配置可扩展至均匀面阵(Uniform planar array,UPA),均匀圆阵(Uniform circular array,UCA);该配置也可应
208、用于用户端,即当用户端使用天线阵列的配置。在图 4-2 的步骤 10 中,将计算空间非平稳矩阵。矩阵的元素,描述第 n 条传播路径对于第 k 个天线阵元的可见性,定义如下:,=10(4-2)在 NF-SnS 框架中,位于同一路径下的子路径具有相同的可见性。具体的矩阵获取方式如下所示。首先,对阵列进行分区。在本框架中,ULA 阵列被分成一系列的“平稳区间”,每个平稳区间由一定数量的邻近的天线阵元构成,位于同一平稳区间内的天线阵元具有相同的非平稳特性(即矩阵 S 的对应元素取值,以图 4-3 为例)。图 4-3 平稳区间示意图,以 8 阵元为例之后,从第一个平稳区间开始计算。在第一个平稳区间上,第
209、 n 条传输路径对于天线阵元可见与否将通过可见概率与不可见概率决定(+=1)。和的计算将通过下述的方式得到:步骤 1:利用 3GPP 模型中得到的第 n 条路径功率(图 4-2 中的步骤 6),计算均值和方差=+(4-3)60IMT-2030(6G)推进组IMT-2030(6G)Promotion Group()=+(4-4)其中,为中间系数,可通过对信道测量或仿真数据进行分布拟合得到,参考值如表 4-1 所示:表 4-1 中间参数参考取值视距下(LOS)0.01180.29920.00680.1981非视距下(NLOS)0.03210.37320.02820.3654步骤 2:利用均值方差产
210、生高斯分布随机数 X,根据 X 的取值确定和(,()(4-5)=1 0.05),表明拟合准确性较高。并且,经验证,当人体高度和人体宽度为其他数值时,相同收发端距离处的 OP 同样服从高斯分布。所以,当人体高度、人体宽度固定时,OP 是一个与收发器距离相关的高斯随机变量。为描述 OP 和人体高度、人体宽度以及收发器距离之间的关系,我们计算不同人体高度、人体宽度下接收平面所有接收位置处的 OP。其中,人体高度范围为 1.50 m 到 2.0578IMT-2030(6G)推进组IMT-2030(6G)Promotion Groupm,人体宽度范围为 0.30 m 到 0.80 m。其次,根据人体高度
211、、人体宽度和收发端距离对OP 进行分组。由于在接收平面上有多个与发送端距离相同的接收位置,所以每组均有多个数据。然后,利用最小二乘(LS)法采用高斯分布拟合每组数据,得到每组数据所服从高斯分布的均值与方差。最后,得到高斯分布的均值、方差与人体身高、人体宽度和收发端距离的关系,将均值和方差表示成人体身高、人体宽度和收发端距离的函数。基于仿真结果与上述分析,提出了考虑人体身高、人体宽度和收发端距离三维 OP模型,表示如下:2(,)(,),(,)OP d H RNd H Rd H R(5-9)其中,111(,)()()()d H Rdd Hd R(5-10)222(,)()()()d H Rdd H
212、d R(5-11)其中,0.5031()0.120.189dd(5-12)0.3201()0.1560.216dd(5-13)716.771()0.58 100.101dd(5-14)22()0.70sin()0.005(10)0.221ddd(5-15)22()0.40sin()0.003(10)0.120ddd(5-16)22()0.026sin()0.002(10)0.077ddd(5-17)以 H=2.05 m 和 R=0.80 m 为例,利用仿真方法和所提出的模型得到的 OP 如图 5-7所示。图 5-7 中断概率建模结果为了验证模型的准确性,进行均方根误差的计算,计算公式如下:11
213、()NsimulationmodeliRMSEOPOPN(5-18)其中,N 为仿真数据的个数。simulationOP代表仿真得到的 OP,modelOP代表由提出的模型得到的 OP。计算得到的均方根误差数值为 0.009,表明所提出的模型具有较高的准确性。79IMT-2030(6G)推进组IMT-2030(6G)Promotion Group5.3 可见光信道建模挑战与展望可见光信道建模在测量平台、测量场景和特性研究等方面都需进一步提高。在测量平台方面,可见光测量平台性能受器件性能影响较大。在大尺度衰落特性的测量中,LED的发射功率很大程度上决定了信号传输距离。在小尺度衰落特性的测量中,L
214、ED 的调制带宽决定了信号的有效带宽,直接关系到信号传输速率的大小,同时,LED 的调制带宽也会限制接收端的时延分辨率,导致无法分辨出多径。由此可见,可见光信道测量得到的信道特性与器件特性高度耦合,如何进行信道特性与器件性能的解耦,在信道特性分析中去除器件带来的影响,或研制具有大功率、大调制带宽的 LED,是可见光信道建模中亟待解决的问题。在测量场景方面,目前可见光信道的理论模型与实测模型多集中在室内场景、V2V场景、水下场景和地下矿区场景,测量场景的多样性有待加强。未来,可进行更多场景下可见光信道的测量和仿真,如停车场、高铁、飞机以及工业互联网等更多场景的测量。在特性研究方面,目前可见光信道
215、特性的理论分析和测量活动都集中在对冲激响应、路径损耗的研究上,对可见光信道频率响应、阴影效应、噪声影响的研究还不成熟。未来,还需要对时延扩展、角度扩展等信道特性进行更加深入的研究。同时,探究人体遮挡、天气影响、波长依赖性和反射面粗糙程度等因素对可见光传播的影响,并对比实测与仿真结果。在得到成熟的信道信息后,后续可以将信道信息与可见光链路级仿真结合,探究自适应传输系统。最后也可研究相同场景下可见光与其他频段信道特性的对比分析。5.4 小结可见光通信技术有望满足 6G 需求中的诸如流量密度、用户体验速率等重要需求,并提升峰值速率、网络能效、定位精度等几个方面的网络性能。本章节阐述了可见光通信信道测
216、量与建模的研究现状、研究进展以及未来挑战与展望。可见光通信信道测量与建模的研究主要从四个方面展开,包括基于实测的可见光信道建模、基于理论的可见光信道建模、可见光噪声模型研究以及考虑人体遮挡的可见光通信中断概率分析与建模。上面详细介绍了本研究报告中新增的考虑人体遮挡的可见光通信中断概率分析与建模研究进展,其余细节请参考面向 6G 的信道测量与建模研究研究报告。在下一阶段,需要更进一步融合可见光测量与射线追踪的仿真建模方式,使得二者结果可以相互验证,从而进一步推动可见光通信系统的设计评估等工作。参考文献1Z.Wu,M.Ismail,J.Kong,E.Serpedin,and J.Wang,“Cha
217、nnel characterization and realization ofmobile optical wireless communications,”IEEE Transactions on Communications,vol.68,no.10,pp.64266439,2020.2Y.Yin,P.Tang,and J.Zhang et al.,“Outage Probability Modeling with Human Blockage for MobileVLC Systems,”EuCAP 2023,accepted.80IMT-2030(6G)推进组IMT-2030(6G)
218、Promotion Group第六章 多样通信场景信道研究6.1 车联网无线信道测量和建模6.1.1 车联网场景信道需求分析图 6-1 车联网中包含多样化的通信链路在交通情况日益复杂的背景下,以蜂窝车联网(Cellular Vehicle-to-Everything,C-V2X)为代表的车辆通信技术逐渐成为研究的热点领域。C-V2X 可在标准化协议下实现人-车-路-云等所有交通参与者之间信息交互的通信网络,如图 6-1 所示。其中,街道路口是道路环境中的关键场景。6.1.2 车联网无线信道测量平台在北京城区内 3 个典型路口展开测量,如图 6-2 所示。关键测量参数如下:中频 5.9GHz,带
219、宽 30 MHz,TX 和 RX 均处在移动状态,速度 10-40 千米/时,使用多载波探测信号,发端使用全向微带天线,收端使用 16 阵元微带阵列天线。图 6-2 测试场景示意图6.1.3 测量结果与建模分析6.1.3.1 大尺度路径损耗测量到的与距离相关的路径损耗和相应的线性拟合如图 6-3 所示。可以发现常规城市地区的路径损失随着对数距离的增加呈线性增加,因此可以通过单斜率线性拟合建模81IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(相应的路径损失指数1为 1.55)。然而在图 6-3(b-d)的路口中,由于建筑的遮挡,双斜率分段线性模型能够更准确
220、地表示测量值。本提案利用断点距离来划分区域,内使用路损指数1,断点距离之外则使用2,表达式如下:(6-1)图 6-3 实测路径损耗的距离拟合(a)为非路口场景,用作对照,(b-d)分别为三个路口场景表 6-1 汇总了测量结果。可以观察到,四种测量情况下的路损指数和截距在 LoS 区域(即断电距离之内)很接近。然而,NLoS 区域(即断电距离之内)存在明显更大的路损指数。即在 NLoS 区域更容易有较大的信号衰减。其原因是,在 NLoS 区域中捕获的信号来自于多样化和随机分布的散射体的反射。散射体的位置和类型的差异会导致显著不同的多路径。直观的结论是,在相同的接收机灵敏度下,与传统场景相比路口的
221、最大通信范围将会减少。街道路口场景的重要性在于 LoS 的受阻极大限制了电波传播质量,并对链路的可靠性产生了负面影响。根据测量和建模结果,提出了一个路口场景的参考路径损耗模型,如表 6-1 所示。该模型可以量化这种负面影响,有助于车辆通信系统的设计和性能评价。表 6-1 测量结果汇总和提出的参考路径损耗模型测量结果场景m11(0)dB82IMT-2030(6G)推进组IMT-2030(6G)Promotion Group路口 124.51.543.9660.45路口 2401.565.3459.81路口 3451.534.8661.82对照组N/A1.55N/A58.58提出的参考模型路口场景
222、城区场景图 6-4 一种简化的断点距离划分方法对于断点距离的选取,直观的方法是根据路口的具体环境划定 LoS 和 NLoS 的分界线。但是对于一般性的应用需求,这样做复杂性相对较高。因此我们给出了一个简化的估计方法,如图 6-4 所示。在简化的情况下,路口的两条路的夹角在 90左右;此外遮挡建筑位于街道之间的中心线上。在这种情况下,最小断点距离=2。最小断点距离的含义是,在一个特定的路口场景中,只要 TX 与 RX 之间的距离小于,就必须存在 LoS。根据该简化方法,计算得到的三个测量路口的分别为24.5 m、40 m 和 45 m,都小于实际(分别为 27 m、43 m 和 50 m)。将作
223、为 LoS和 NLoS 之间的边界,在很多情况下会高估 NLoS 区域的范围,即高估路径损耗。然而考虑到在主要考虑通信可靠性时,相对保守的信噪比预测是一个合理的选择,我们的模型便将作为路损模型的断点距离。6.1.3.2 小尺度密集多径成分密集多径成分(DMC)可以认为是指剔除估计的镜面反射径后的剩余能量。图 6-5显示了三个测量路口测量信道、重建信道(基于镜面反射经)和 DMC 的能量占比情况。发现在 LoS 区域,测量信道和重建信道的两条曲线非常接近,即估计的镜面反射经基本83IMT-2030(6G)推进组IMT-2030(6G)Promotion Group上可以表示信道。相反,在 NLo
224、S 区域,测量信道与重建信道之间的明显差距反映了DMC 能量占相当大的比例。具体到一些量化的结果,当存在 LoS 传播时 DMC 能量一般小于 20%;但 NLoS 情况下 DMC 能量甚至可以占据总能量的 50%左右。一些文献也表现了类似的结果:DMC 的能量比例随着传播距离的增加而增加,而 DMC 能量比例由于障碍物的影响而波动剧烈。图 6-5 测试场景中的密集多径成分(DMC)能量占比6.2 空-地无线信道测量和建模6.2.1 空-地通信场景信道需求分析为实现无线信号全球覆盖,6G 无线通信网络将从陆地移动通信扩展到空天地海一体化通信网络,相比空-空通信,空-地通信链路由于地面散射环境的
225、影响,其信道特征更为错综复杂。首先,飞行器自身特性如机身抖动、机身遮挡等对通信信号传播具有显著的影响1 23。其次,空-地通信信道具有明显的全三维传播特征4 5。文献6针对空-地通信场景提出了一种任意三维速度和飞行轨迹的空-地信道模型,但仍需要更多的角度参数来描述机体的三维姿态变化7。大规模阵列也将对空-地信道模型的构建产生重要影响8。6.2.2 空-地无线信道测量平台6.2.2.1 系统组成空地实时信道测量系统12,包括空中发射端和地面接收端两部分,如图 6-6 所示。空中发射端采用了轻量化设计方案,包括信号处理模块、功率放大器、发射天线和 GPS天线。其中,基于 FPGA 的信号处理模块用
226、于产生测量序列,经由功率放大器和全向天线发射;地面接收端由四通道软件无线电模块、高速磁盘整列、低噪声放大器、GPS 天线和接收天线阵列组成;接收天线阵列装载在高精度可调节的支架,可在水平和垂直两个方向移动各个天线阵元,以满足不同的测量需求;采集的多通道信道数据传输至信号图 6-6 基于无人机平台的空-地信道测量系统84IMT-2030(6G)推进组IMT-2030(6G)Promotion Group处理模块,完成信道数据硬件实时处理,提取信道多径信息,存储至磁盘阵列,供后续进一步信道特性分析。测量系统设计参数和性能指标如表 6-2 所示。该系统可支持 200 MHz 到 4.4 GHz频段的
227、信道测量。收发端系统带宽最高支持 100 MHz,时延精度 10 ns。以探测序列切片长度为 1023 为例,对应的最大距离为 3.069 km。利用硬件实时处理信道数据,可实现信道数据实时处理和 CIR 实时连续提取,连续 CIR 切片更新速率可达百 KHz。表 6-2 系统性能指标系统参数性能指标支持频段200-4400 MHz系统带宽100 MHz功率放大器增益 42 dBGPS 模块L1 频率/精度 20 ns天线规模14时延测量精度10 nsCIR 更新速率97.75 KHz(序列长度 1023 时)6.2.2.2 实现方案系统采用了时域滑动相关的信道测量原理,CIR 的测量过程可表
228、示为(,)()()()()()mrhty tx thtx tx t(6-2)其中,()y t表示接收信号,表示相关运算,()x t表示测量信号,()rh t表示真实 CIR,表示卷积运算。该方案要求测量信号的自相关函数近似于狄拉克函数,该系统采用Zadoff-Chu(ZC)序列作为测量信号,对应测量信号生成可表示为2ZCZCZCZCjexp j(1)exp nNNx nn nNN为偶数为奇数(6-3)式中,ZC0,1,1nN,Z C0,1,1N 且与ZCN互质,ZCN表示序列长度。根据测量原理,测量系统的发射端实现如图 6-7(a)所示;接收端实现框图如图 6-7(b)所示。此外,收发端均配有
229、 GPS 模块提供触发信号来实现收发同步,并对收发端位置等信息进行记录。85IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(a)发射端(b)接收端图 6-7 实时测量系统收发端的实现方案6.2.2.3 系统校正信道测量系统的不同通道初始会有一个随机相位,导致接收通道间存在初始相位差,需要进行校正,相位校正方案如图 6-8(a)所示。利用矢量信号源产生正弦信号,通过功率分配器分成四路输入到测量系统射频接收端口,以第一个射频接口为基准进行初始相位差计算并根据计算结果修改初始相位值。系统相位的校正结果如图 6-8(b)所示,从图中可以看到校正后相位差在 0.2
230、度以内波动,能够满足空-地场景信道测量的应用要求。(a)相位校正方案(b)相位校正结果图 6-8 多通道相位校正为了全面验证测量系统的有效性和准确性,可利用信道模拟器对测量系统进行测试,发射单元通过射频线与信道模拟器射频输入直连,信道模拟器射频输出接口与地面接收86IMT-2030(6G)推进组IMT-2030(6G)Promotion Group单元通过射频线直连,如图 6-9(a)所示。本案例中,信道模拟器模拟输出四条不同时延、功率的多径信道,时延与功率分别为10 ns,2160 ns,3400 ns,4600 ns,10 dBP,25 d BP,31 5 d BP,42 0 d BP。设
231、置测量系统载波频率为 2 GHz,采样率 100 MHz,1024Z CN,对模拟信道进行测量,获得的多径参数如图 6-9(b)所示,10 .14ns,21 6 0 n s,3400 ns,4600 ns,10 dBP,25.20 dBP ,315.28 dBP ,424.2 dBP ,与信道模拟器模拟的理论 CIR 相比,功率误差均低于 1dB,时延与设定的一致,验证了该系统能够准确地测量信道多径信息。(a)系统验证方案(b)系统验证结果图 6-9 信道测量系统验证6.2.3 测量结果与建模分析6.2.3.1 大尺度路径损耗图 6-10 给出了上述场景不同飞行高度的路径损耗测量结果,同时利用
232、 CI 模型对测试结果进行拟合,该模型可以表示为0100(,)(,)10 log()CIFSdPLd fPdfnd(6-4)式中,0d为 1 m 参考距离,0(,)FSPdf为自由空间损耗,n为路损因子,为表征阴影分量的高斯分布,为标准方差。由于路径损耗大小也受到多径数目影响,可以发现路径损耗随高度的变化规律基本遵循着多径数目的变化规律,其他因素一致情况下,多径数目越多,多径对于大尺度均值功率的能量贡献越大,表现为路径损耗减小。(a)农场场景(b)水面场景图 6-10 路径损耗测量结果87IMT-2030(6G)推进组IMT-2030(6G)Promotion Group表 6-3 给出了不同
233、高度下路径损耗的 CI 模型拟合参数,可以看出农场场景的 CI 模型路损因子分布在 2.7 左右,且随高度增加而增加,水面场景的 CI 模型路损因子分布在2.5 左右,随高度增加有减小的趋势。此外,由于水面场景相对比较纯净,阴影标准方差比农场场景低。表 6-3 CI 模型拟合参数高度农场水面nn10 m2.5572.5392.5801.68315 m2.6572.4322.6331.65520 m2.7552.8582.5251.93625 m2.7613.8382.4812.50830 m2.8934.2772.4212.3636.2.3.2 小尺度多径特性利用空-地信道测量系统对农场和水面
234、场景开展了信道测量,以获取低空场景不同飞行高度的空-地信道特性。测量场景以及飞行轨迹如图 6-11 所示,无人机在 10m-30m之间,以 5m 的高度间隔来回飞行,地面端天线高度 2.5m,测量中心频点 3.6 GHz,系统带宽 100 MHz。(a)农场场景(b)水面场景图 6-11 测量场景及飞行轨迹图 6-12 给出了两个场景不同飞行高度的多径数目分布测量结果,由图可以看出,农场场景的多径数目主要分布在 6-12 之间,水面场景主要分布在 2-6 之间。实测结果表明,农场场景的多径数目远超现有开阔区域的结果,主要是因为农场虽然开阔,但是常建设金属电线架和发电风车,具有丰富的强反射径,加
235、上大量农作物散射路径,导致农场场景的多径数目远多于普通开阔地;水面场景多径数目经常表现出明显的双射线特征(直射径+水面反射径)。此外,农场场景的多径数目均值随着飞行高度增加而逐渐减少;水面场景多径主要来自水波的反射,高度上升时信号更容易反射到接收天线,因此在低空场景下多径数目随着高度增加反而有增加的趋势。88IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(a)农场场景(b)水面场景6.3 海洋无线信道测量和建模6.3.1 海洋通信场景信道需求分析在海洋无线信道研究方面,国内外的研究主要集中在 1GHz 以上的频段13 14 15 16。随后,国内外学者一直
236、在此方面展开研究18 19 16 20 21 22 23 24 25 26。6.3.2 海洋无线信道测量平台发射信号通过无线信道的基本过程如下图 6-14 所示:图 6-14 发射信号通过无线信道示意图可以通过对设备矫正和优化的数据分析算法来最大限度上消除这些干扰信息。整个信道测量仪的结构图如下图 6-15 所示:图 6-12 多径数目分布测量结果图 6-13 海洋无线信道测量平台示意图89IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 6-15 信道测量仪结构图通过天线切换的方式从不同的天线单元对传过来的模拟无线信号进行混频至基带信号,然后进行高速精确
237、采样并数字化并写入硬盘。然后通过数字信号处理算法对收集的信号进行实时的处理,并反馈出各种无线信道信息。整个信道测量仪在时域上的工作流程如下图 6-16 所示:图 6-16 整个信道测量仪在时域上的工作流程图信道测量信号通常是用 PN 伪随机码或者是雷达的扫频信号,我们把其设定为一个信号数列(如上图的一个小方格所示)。我们的信道测量仪在发射端有TXM个天线单元,而在接收端有RXM个天线单元。在一个测量过程中,发射装置的一个天线阵列会连续发送2T XM个信号数列,而在接收端会通过天线切换的方式来在从每个天线单元采样一个信号数列并存储在硬盘,而天线切换的时间间隔设定为一个信号数列的时间长度。之后,发
238、送端会通过天线切换的方式通过下一天线阵列发送相同的连续的2T XM个信号数列,而接收端的采样过程和之前的过程相同。以此类推,如上图所示。这样,我们可以运用先进的数据处理算法对收集的信号进行分析,精确提取无线信道的时域,频域,空域的各种信息,并可以结合实际的信道测量环境进行分析,提出针对于该无线通信环境的有效的系统解决方案。6.3.3 测量结果与建模分析6.3.3.1 大尺度衰落在不同频带(道格拉斯海况 327天气条件下,挪威冷海在 2 GHz 时大尺度衰落高达17 dB,波罗的海28在 5.2 GHz 时高达 10 dB)的几个海上测量结果中发现了短 TX-RX 距离下明显的深度衰减。这些传播
239、“漏洞”会极大地影响系统性能,且已被证明29。当TX-RX 距离在第一个菲涅耳区接触地面的断点3031范围内时,经典 PEL 模型可以预测这些空穴。本节给出了考虑地球曲率的更全面的几何模型。利用球面几何和双射线模型90IMT-2030(6G)推进组IMT-2030(6G)Promotion Group的衍射、阴影和反射修正,得到了圆形地球损耗模型32。需要考虑以下基于双射线模型的影响:图 6-17 基于双射线模型的影响A.几何模型几何模型由于在我们感兴趣的距离上,地球不能被认为是“平面”,因此我们提出了一个基于两射线法的圆形地球几何模型,如图 6-18 所示。地球的半径(6371 km)用 r
240、 表示 e 定义为 TX-RX 距离到地表的投影,如图 6-18 所示。参数 h1 h2 分别表示 TX 和 RX 天线高度。PTX和在PRX各自的天线的终端发送和接收功率。根据图 6-18 所示的几何关系,PRX得到:PRXPTX=(4DLOS)21+R exp(jkDdiff)2(6-5)其中,R 和DLOS分别为海面反射系数和 LOS 路径长度。和 LOS 的路径长度。Ddiff表示 LOS 与海面反射之间的路径长度差。需要指出的是选择满足(6-5)的最小值 alpha和 beta,就能得到一个明确的解决方案。和(6-13)的最小值,就能得到一个明确的解决方案。Ddiff=X1+X2 D
241、LOS(6-6)d=D1+D2(6-7)这里DLOS=(re+h1)2+(re+h2)2(6-8)=2(e+1)(e+2)cos(e)(6-9)距离1和2可由下式得到12=(1+e)2+e2 2(e+1)ecos(6-10)22=(2+e)2+e2 2(e+2)ecos(6-11)这里的和可以有下式得到arccos(e+11)+=arccos(e+22)+(6-12)+=e(6-13)91IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 6-18 REL 的几何模型B.传播现象传播现象1)粗糙海面的有效反射:由于如图 6-19(a)所示,部分反射功率会被散
242、射到其他方向,因此需要考虑镜面反射光功率的降低。粗糙海面高度变化可拟合为高斯分布的333435。此外,我们暂时假设粗糙表面上没有阴影效应(即没有波峰遮蔽波谷);下面将放宽这个假设。在这两种条件下,Kirchhoff 散射理论33是有效的,有效反射系数Rrough可以表示为:Rrough=R exp 2(2hsine)2(6-14)这里h1=h1 0.5re2(6-15)h2=h2 0.5re2(6-16)e=arcsin(h1X1)=2 i(6-17)其中,i和e分别定义为入射角和仰角(对于掠射角,e 0)。R 和h分别代表镜面反射系数33和表面高度分布的标准偏差。参数 h1和h1代表图 6-
243、18 所示的相应有效天线高度。有效反射系数小于镜面反射系数,并随着波高标准偏差的增大而减小.(a)(b)图 6-19 粗糙海面的有效反射和阴影效应2)反射光的遮蔽效应:海面可能会遮蔽海面上的其他点(如图 6-19(b)所示)。因此,我们通过引入遮蔽系数Sfun来考虑这种遮蔽效应由史密斯36在我们的 REL 模型中提出,可以表示为:Sfun=10.5erfc(coti20)(coti)+1(6-18)(coti)=12(20cotiexpcot2202 erfc(coti20)(6-19)92IMT-2030(6G)推进组IMT-2030(6G)Promotion Group其中,erfc 和0
244、2分别代表互补误差函数和波的均方根表面斜率。测得的均方根表面斜率02通常在 0.04,0.0735范围内。通过将阴影系数Sfun与有效系数Rrough相乘,引入阴影效应。图 6-20 可以发现,反射光线在距离 D0(h1=14.1 m,h2=9.5 m 时为 24.4 km)之外将完全被阴影遮挡,此时 LOS 成为地球表面的切线。还可以看出02越大,波的斜率越陡,Sfun越小(波的斜率越明显)。在相同的 TX-RX 距离下,Sfun越小(阴影越明显)。图 6-20 不同均方根表面坡度的阴影系数与距离的函数关系3)散度效应:从图 6-21 可以看出,在 REL 模型中,通过乘以有效反射系数来考虑
245、发散效应Rrough和发散系数37表示为:(6-20)这里的h1和h2可以在(6-15、6-16)中找到。D1和D2是经常在(6-7)中使用。图 6-21 红色为发散效应图 6-22 显示了发散系数,它是通过设置h1=14.1m.h2=9.5m。从(6-20)中得到的。最后,反射光线的功率将在 TX-RX 距离0时衰减为零,这也符合阴影效应。图 6-22 发散因子与距离的函数关系93IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(4)衍射损耗:文献383940提出了光滑球面地球上地波传播的衍射理论,该理论可应用于公海的几何环境。参考文献40,将无线电链路的
246、总距离 d 分成三部分d1,d2,d3,用(6-21)给出,如图 8 所示。d=d1+d2+d3(6-21)其中 d1 还有 d2 到视界的距离是否可以用下列方法计算:dn=2kerehnn=1,2(6-22)如图 6-18 和图 6-23 所示,h1和h2分别代表发射和接收天线的高度。有效地球半径的定义是可以用来代替实际半径的地球半径值,以校正大气折射。ke是有效地球半径与真实地球半径之比。每一部分都会造成相应的损失Ln,n=1,2,3.损失为 dB,L1和L2降低了 RSL,由以下方法得到:L1=20log10N15.6561(6-23)L2=20log10N2(6-24)20log10N
247、n=0.5+35log10n+10log10Fs(6-25)n=2dn(2kere)23n=1,2,3(6-26)和 10log10Fs的近似值,本文使用多项式函数根据40中的图 6-28 得出:10log10Fs=0.024n3+0.5438n2+2.0391n 0.4403(6-27)L3由以下多项式函数计算,由40对图 6-28 进行曲线拟合得到:L3=0.008633+0.206332+11.09973 0.8934(6-28)当 3和n小于 10 时,上述近似值有效。还需要指出的是,当 TX-RX 总距离 d小于d1和d2之和时(直接路径在地平线之外),d3在 数学上 可能为负值。在
248、这种情况下,衍射损耗L3为负值,使得总衍射损耗小于L1+L2.。当 d 很短,L3 L1+L2.时,总衍射损耗 L 也可能为负值。为了避免这种情况,如果 L3不小于L1+L2.,则总衍射损耗 L 设为零。综上所述,直达路径和反射路径的总衍射损耗Ldif的单位为 dB,可通过以下公式求得:图 6-23 在光滑的地面上超越 LOS 的无线电链路94IMT-2030(6G)推进组IMT-2030(6G)Promotion Group062dif if 0 if|if|DddddDLLLdddLLLL(6-29)国际电联建议41中提到的第一菲涅耳区(FFZ)的间隙为 0.6,并通
249、过以下方法获得:L=L1+L2+L3=0 时的 TX-RX 距离与国际电信联盟(ITU)建议41中提到的第一菲涅尔区(FFZ)内间隙为 0.6 的路径长度 D06相吻合,该路径长度可通过以下方法获得:D06=DfDhDf+Dhkm(6-30)频率相关项:Df=38.9fh1h2(6-31)近似项:Dh=4.1(h1+h2)(6-32)这里,f 表示频率,单位为 GHz。在与我们测量的天线高度相同的情况下(h1=14.1m,h2=9.5m),得 到 的 总 衍 射 损 失L如 图6-24所 示,其 中D0=d1+d2=24.4km,D06=7.8。图 6-24 h1=14.1m、h2=9.5m
250、的 LOS 衍射增益与距离的函数关系C:圆形地球损耗(1)中所列出的所有传播效应在上述各段中都已详细研究过。即使反射光将完全消除阴影和散度效应超过 TX-RX 距离的D0(图 6-20 和图 6-22)。将这些传播效应整合到图6-18 所示 REL 的几何模型中,将(6-5)改进为如下所示的 REL 模型:Ploss=20log10(4DLOS)+20log10()+Ldif(6-33)=1+Sfun Rrongh exp(jkDdiff)(6-34)D.与测量值的比较图 6-25 REL 模型、PEL 模型、ITU-R 模型和远距离测量 RSL 之间的比较95IMT-2030(6G)推进组I
251、MT-2030(6G)Promotion Group表 6-4 图 6-25 中使用的相关模型参数值ParanmetersValuesRX antenna height for ant214.1TX antenna height9.5m00.0080.251图 6-25 为实测 RSL 与 PEL 模型、ITU 模型和我们的 REL 模型三种理论路径损耗模型的比较(6-32、6-33)。测量值在一个窗口内取平均值,以消除小范围衰落(见第四节)。用于评估的参数值列于表 6-4,这与我们的测量活动设置一致。由于远距离测量期间的天气条件较为稳定,地表高度分布的标准差h(6-14)和均方表面斜率0(6
252、-18)中的值设为对应小波粗糙度的小值(见表 6-4)的均方根误差。表 6-5 路径损耗模型与测量结果之间的 RMSE 结果ModelsValuesPEL model10.1ITU-R(50%)3.5ITU-R(10%)14.2ITU-R(1%)18.1REL MODEL1.9理论模型和测量数据作为一种低复杂度的比较度量被广泛用于模型选择4243。表三对应的 RMSE 结果和图 6-25 的对比结果都表明,我们的 REL 模型与测量结果吻合较好。图 6-25 也可以验证,ITU 模型没有考虑到短 TX-RX 距离下的衰落倾角(10dB),而PEL 和 REL 模型可以很好地预测这些情况。另一方
253、面,由于 PEL 模型没有考虑不同天气条件下的海面粗糙度、散度和绕射损失,尤其是 TX-RX 距离在D06以上时,无法提供准确的预测,菲涅耳间隙路径长度为 0.6。综上所述,我们的 REL 模型与测量结果匹配最好,具有可接受的复杂性和较高的适应性。6.3.3.2 小尺度路径损耗多径传播会导致多径分量(MPCs)的构造和破坏叠加,从而导致接收信号水平的波动,定义为小尺度衰落33。小尺度衰落的特性十分重要4445,分别在4647上研究了 1.9 GHz和 5.2 GHz 海洋传播环境下的小尺度衰落。在48中分析得出,在 20 MHz 带宽范围内,可以认为该无线信道是非选频的。因此,本节研究了平坦衰
254、落的幅值 PDF。为了确定归一化包络 PDF,我们首先建立了一组常用的函数形式来表征小尺度衰落。然后通过最大似然估计确定每个函数形式的参数,这样我们就可以得到最接近测量数据的参数化。最后,应用赤池信息准则(AIC)选择最佳的函数形式。这种方法首先在49中提出,与 Kolmogorov-Smirnov(KS)测试相比,被证明具有优势,并已在此后的许多信道建模论文(如50)中成功使用。本研究采用 AIC 方法,从对数正态分布、Nakagami 分布、正态分布、Rician 分布、TWDP 分布51、瑞利分布和 Weibull 分布等 7 种常见分布中寻找测量数据的最佳拟合振幅分布。这一选择的动机是
255、,在40中使用了 Weibull、96IMT-2030(6G)推进组IMT-2030(6G)Promotion GroupRayleigh、Rician 和 Normal 分布来拟合测量结果。由于 TX-RX 无线链路在距离 5 km 处被多艘过往的渡轮阻断,因此也常用对数正态分布来表征物体的遮挡,如图 6-25 所示。散射和两条路径的几何形状使得 TWDP 分布对海洋环境具有直观的吸引力。在我们的分析中,通过减去平均信号电平(平均窗口:10 波长),大尺度信道特性被移除。图 6-26过颜色编码显示了在什么距离和整个路线的总体估计分布下,哪种分布最适合。需要指出的是,在 100 米到 400
256、米的距离上,船在改变方向,这使得估计的最佳拟合分布多样化。表四显示了最佳拟合分布的相应百分比。表 6-6 最佳拟合分布的百分比Lognormal distribution0.1241%Nakagami distribution2.1096%Normal distribution16.6081%Rician distribution39.2606%TWDP distribution4.4674%Rayleigh distribution15.9721%Weibull distribution21.4374%TWDP 分布表示为:f(xs1,s2,)=x2exp(x2+s12+s22)22 10e
257、xp(s1s2cos2)?I0(x2s12+s22 2s1s2cos)d;x 0(6-35)其中,s1和s2分别代表直射路径和反射路径的振幅。是尺度参数,可以理解为漫射贡献的标准偏差。估计参数如图 6-27 示,从中可以发现 TWDP 分布主要出现在 9 千米到 35 千米之间的距离上。总的来说,TWDP 分布和 Rician 分布在 9 千米至 45 千米的距离上占主导地位。TWDP 分布和 Rician 分布相互关联,取决于直接路径和反射路径之间的相关性。如果相关性较高,则可将直达路径和反射路径视为同一路径,接收信号的振幅分布遵循莱斯分布。这可以从 35 千米和 45 千米之间的估计结果中
258、看出,在这一距离超过 D0(24.4 千米)的地方,由于地球曲率,反射路径和直接路径高度相关。由于 AIC 会对使用可调整参数较多的分布进行惩罚,因此在这种情况下将选择赖斯分布。同样,如果相关性较低,则直达路径和反射路径很容易区分。在这种情况下,接收信号的振幅分布就会变成 TWDP 分布。这可以从 9 千米和 15 千米之间的估计结果可以证明这一点,其中距离在0(24.4 千米)以内。路径之间的相关性受船只移动、波面和 TXRX 距离的影响。文献51还提到,当莱斯 K 因子小于 3 dB 时,TWDP 分布图 6-26 整体估计的最佳拟合分布97IMT-2030(6G)推进组IMT-2030(
259、6G)Promotion Group与 Rician 分布之间的差异很小,这与我们的测量结果一致。图 6-27 TWDP 分布的估计参数表 6-7 不同地区的主要分布dominantdistributionrange in kmincident rateWeibull0.39,9.288%Normal9.2,15.682.2%Rician15.6,35.782.1%Rayleigh35.7,45.367.7%图 6-28 表示在 TWDP 为最佳拟合分布的特定 TX-RX 距离上的入射率百分比。可以发现,在 0.4,2.1 km 和 9.2,35.2 km 的距离范围内,有相当大比例的点是 T
260、WDP分布的最佳拟合点。此外,TWDP 还可以作为整体的最佳拟合分布。当反射减弱时,TWDP 在存在 LoS 成分的情况下渐近成为莱斯分布(特例),然后当由于地球曲率而失去视距传输时,莱斯分布退化为瑞利分布。图 6-28 TWDP 分布的发生率6.4 小结6G 将实现多样化的应用场景和“空-天-地-海”全域覆盖的通信网络,与传统地面通信的传播环境存在特别大的差异,因此不同的通信场景会呈现不同的信道传播特性。面对 6G 无线通信中不断涌现的通信场景和应用需求,只有充分和全面地了解各种 6G98IMT-2030(6G)推进组IMT-2030(6G)Promotion Group通信场景中无线信道的
261、特性,才能确保 6G 通信系统的高效性、稳定性和可靠性。本章节分别对车联网通信场景、空-地通信场景、海洋通信场景的信道特性进行了研究、测量和建模分析。车联网场景中主要对街道路口场景进行了研究,由于路口建筑物的遮挡,双斜率分段线性模型能够更准确地刻画车联网路口场景的路径损耗情况。空-地通信场景中,设计了基于无人机平台的空-地信道测量系统,实现空中发射端的轻量化需求,可以研究飞行器机身结构对无线信号传播的影响,并使用这套系统对农场场景和水面场景的信道进行了测量和建模分析。目前这部分工作还处于初步开展的阶段,一方面需要进一步研究更多样化的场景,另一方面在信道测量能力和系统性信道建模方法方面仍需要进一
262、步增强和探索。参考文献1Hua B,Ni H,Zhu Q,et al.Channel modeling for UAV-toground communications with posture variationand fuselage scattering effectJ.IEEE Transactions on Communications,2023,71(5):3103-3116.2Ma Z F,Ai B,He R S,et al.Impact of UAV rotation on MIMO channel characterization forair-to-ground commun
263、ication systemsJ.IEEE Transactions on Vehicular Technology,2020,69(11):12418-12431.3Yang S,Zhang Z,Zhang J.Impact of rotary-wing UAV wobbling on millimeter-wave air-to-groundwireless channelJ.IEEE Transactions on Vehicular Technology,2022,71(9):9174-9185.4朱秋明,华博宇,毛开等.无人机毫米波信道建模进展和挑战J.数据采集与处理,2020,35
264、(06):1049-1059.DOI:10.16337/j.1004-9037.2020.06.004.5MATOLAK D W,SUN R Y.Air-ground channel characterization for unmanned aircraft systemsPart I:Methods,measurements,and models for over-water settingsJ.IEEE Transactions on VehicularTechnology,2017,66(1):26-44.6ZHU Qiuming,YANG Ying,WANG Chengxiang,e
265、t al.Spatial correlations of a 3-D non-stationaryMIMO channel model with 3-D antenna arrays and 3-D arbitrary trajectoriesJ.IEEE WirelessCommunications Letters,2019,8(2):512-515.7刘放,陈明,高丽.捷联惯导系统软件测试中的飞行轨迹设计及应用J.测控技术,2003,22(5):60-63.8ZHONG Weizhi,XU Lei,LIU Xin,et al.Adaptive beam design for UAV net
266、work with uniform planearrayJ.Physical Communication,2019,34:58-65.9D.W.Matolak,and R.Sun,“AirGround Channel Characterization for Unmanned AircraftSystemsPart I:Methods,Measurements,and Models for Over-Water Settings,”IEEE Trans.Veh.Technol.,vol.66,no.1,pp.2644,Jan.2017.10X.Cai,J.Rodrguez-Pieiro,X.Y
267、in,et al.,“An Empirical Air-to-Ground Channel Model Based onPassive Measurements in LTE,”IEEE Trans.Veh.Technol.,vol.68,no.2,pp.11401154,Feb.2019.11Z.Cui,K.Guan,C.Oestges,C.Briso-Rodrguez,B.Ai,and Z.Zhong,“Cluster-BasedCharacterization and Modeling for UAV Air-to-Ground Time-Varying Channels,”IEEE T
268、rans.Veh.Technol.,vol.71,no.7,pp.68726883,Jul.2022.12K.Mao,Q.Zhu,Y.Qiu,et al.,“A UAV-Aided Real-Time Channel Sounder for Highly DynamicNonstationary A2G Scenarios,”IEEE Trans.Instrum.Meas.,vol.72,pp.115,Aug.2023,doi:10.1109/TIM.2023.3301592.13K.N.Maliatsos,P.Loulis,M.Chronopoulos,P.Constantinou,P.Da
269、llas and M.Ikonomou,Measurements and Wideband Channel Characterization for Over the Sea Propagation,in IEEEInternational Conference on Wireless and Mobile Computing,Networking and Communications,WiMob 2006.Montreal,Canada,Jun.2006.14F.Bekkadal,Maritime Communication Technologies,(MarCom D4.1),MARINT
270、EK,Report MT28F10-039,17.02.201099IMT-2030(6G)推进组IMT-2030(6G)Promotion Group15K.Yang,T.Rste,F.Bekkadal and T.Ekman,Channel characterization including path loss andDoppler effects with sea reflections of mobile radio propagation over sea at 2 GHz,Proc.WirelessCommunications and Signal Processing,WCSP
271、2010.Suzhou,China,Oct.2010.16K.Yang,A.F.Molisch,T.Ekman,T.Rste and M.Berbineau,A Round Earth Loss Model andSmall-Scale Channel Properties for Open-Sea Radio Propagation,in IEEE Transactions on VehicularTechnology,vol.68,no.9,pp.8449-8460,Sept.2019,doi:10.1109/TVT.2019.2929914.17ITU-R Recommendation
272、P.1546-2,Method for point-to area predictions for terrestrial services in thefrequency range 30 MHz to 3000 MHz,Sep.2005.18A.F.Molisch,Wireless Communications 2nd edition.IEEE Press-Wiley,2011.19J.C.Reyes-Guerrero,Experimental Broadband Channel Characterization in a Sea Port Environmentat 5.8 GHz,in
273、 IEEE Journal of Oceanic Engineering,vol.41,no.3,pp.509-514,July 2016,doi:10.1109/JOE.2015.2471697.20J.-H.Lee,J.Choi,W.-H.Lee,J.-W.Choi and S.-C.Kim,Measurement and Analysis onLand-to-Ship Offshore Wireless Channel in 2.4 GHz,in IEEE Wireless Communications Letters,vol.6,no.2,pp.222-225,April 2017,d
274、oi:10.1109/LWC.2017.2662380.21Li,C.,Yu,J.,Xue,J.,Chen,W.,Wang,S.,&Yang,K,Maritime broadband communication:Wirelesschannel measurement and characteristic analysis for offshore waters,Journal of Marine Science andEngineering,9(7),783,2021.22W.Wang,R.Raulefs.and T.Jost,Fading Characteristics of Maritim
275、e Propagation Channel for BeyondGeometrical Horizon Communications in C-Band,CEAS Space Journal.10.1007s12567-017-0185-1,2017.23 LTE,WiFi and 5G Massive MIMO Communications in Maritime Propagation Environment(MAMIME),Research Council of Norway,Oslo,Norway,2016-2020.24Y.Liu,C.-X.Wang,H.Chang,Y.He and
276、 J.Bian,A Novel Non-Stationary 6G UAV Channel Modelfor Maritime Communications,in IEEE Journal on Selected Areas in Communications,vol.39,no.10,pp.2992-3005,Oct.2021,doi:10.1109/JSAC.2021.3088664.25J.Wang et al.,Wireless Channel Models for Maritime Communications,in IEEE Access,vol.6,pp.68070-68088,
277、2018,doi:10.1109/ACCESS.2018.2879902.26C.Wei,C.-Z Li,J.-Y Yu,J.Zhang and F.Chang,A survey of maritime communications:From thewireless channel measurements and modeling perspective,in Regional Studies in Marine Science,vol.48,1 October 2021.27K.Yang,T.Rste,F.Bekkadal,K.Husby and O.Trandem”Long distan
278、ce propagation measurementsof mobile radio propagation for theopen sea at 2 GHz,”IEEE VTC Spring,San Francisco,US,Sep.2011.28W.Wang,G.Hoerack,T.Jost,R.Raulefs,M.Walter,U.C.Fiebig,“Propagation channel at 5.2 GHz inbaltic sea with focus on scattering phenomena,”in 9th European Conference on Antennas a
279、ndPropagation(EuCAP).Paris,France,May.2015.29M.J.Lopes,F.Teixeira,J.B.Mamede,R.Campos,“Wi-Fi broadband maritime communications using5.8 GHz band,”Underwater Communications and Networking(UComms),pp.1C5,2014.30Y.Lee,F.Dong,Y.Meng.“Near sea-surface mobile radio wave propagation at 5 GHz:measurementand
280、 modeling,”Radio engineering,23(3),pp.824C830,2014.31K.Yang,T.Ekman,T.Rste,and F.Bekkadal“A quasi-deterministic path loss propagation model forthe open sea environment,”in The 14th International Symposium on Wireless Personal MultimediaCommunications,2011.WPMC11.Brest,France,Oct.2011.32K.Yang,A.F.Mo
281、lisch,T.Ekman and T.Rste”A Deterministic Round Earth Loss Model forOpen-Sea Radio Propagation,”IEEE VTC Spring,2013 IEEE 77th,Dresden,2013,pp.1-5.doi:10.1109/VTCSpring.2013.6691821.33A.F.Molisch,Wirless Communications 2nd edition.IEEE Press-Wiley,2011.34K.Kahma,D.Hauser,H.E.Krogstad,S.Lehner,J.A.J.M
282、onbaliu,L.R.Wyatt“Measuring andAnalysing the Directional Spectra of Ocean Waves,”EU COSTAction 714,EUR 21367,465 p.,ISBN92-898-0003-8.2005.35Y.Karasawa and T.Shiokawa“Characteristics of L-Band Multipath Fading due to Sea SurfaceReflection,”IEEE Transaction on antenna and propagation,VOL.AP-32,NO.6,J
283、une 1984.36B.J.Smith,“Geometrical Shadowing of a Random Rough Surface,”IEEE Transaction on antenna and100IMT-2030(6G)推进组IMT-2030(6G)Promotion Grouppropagation,VOL.AP-15,NO.5,Sep 1967.37J.D.Parsons,The Mobile Radio Propagation Channel.John Wiley&Sons,2000.38ITU-R Recommendation P.526-13(2013),“Propag
284、ation by diffraction,”Aug.2014.39K.A.Norton“The calculation of ground-wave field intensities over a finitely-conducting sphericalearth,”Proc.IRE,Dec.1941.40K.Bullington“Radio propagation above 30 megacycles,”Proc.IRE,Oct.1947.41ITU-R Recommendation P.1546-5,“Method for point-to-area predictions for
285、terrestrial services in thefrequency range 30 MHz to 3000 MHz,”Sep.2013.42M.Farhoud,A.El-Keyi,A.Sultan,”Empirical correction of the Okumura-Hata model for the 900 MHzband in Egypt,”Third International Conference on Communications and Information Technology(ICCIT),pp 386-390,2013.43I.Rodriguez,H.C.Ng
286、uyen,et al,et al.”A Geometrical-Based Vertical Gain Correction for SignalStrength Prediction of Downtilted Base Station Antennas in Urban Areas,”In Vehicular TechnologyConference(VTC Fall),pp 1-5,2012.44E.Biglieri,J.Proakis and S.Shamai,”Fading channels:information theoretic and communicationsaspect
287、s,”IEEE Transactions on Information Theory,vol.44,no.6,pp.2619-2692,Oct 1998,45M.K.Simon and Mohamed-Slim Alouini,”Digital communication over fading channels,”Vol.95.John Wiley&Sons,2005.46K.N.Maliatsos,P.Loulis,M.Chronopoulos,P.Constantinou,P.Dallas and,M.Ikonomou,“Measurements and Wideband Channel
288、 Characterization for Over-the-sea Propagation,”in IEEEInternational Conference on Wireless and Mobile Computing,Networking and Communications,2006.WiMob 2006.Montreal,Canada,Jun.2006.47W.Wang,R.Raulefs.and T.Jost,”Fading Characteristics of Maritime Propagation Channel forBeyondGeometricalHorizonCom
289、municationsinC-Band,”CEASSpaceJournal.10.1007/s12567-017-0185-1,2017,48K.Yang,T.Rste,F.Bekkadal,and T.Ekman”Experimental multipath delay profile of mobile radiochannels over sea at 2 GHz,”IEEE LAPC,loughborough,UK,Nov.2012.49U.G.SchusterandH.Bolcskei,“UltrawidebandChannelModelingontheBasisofInformat
290、ion-Theoretic Criteria.”,IEEE Trans.on WIRELESS COMMUNICATIONS.vol.6,no.7,pp.24642475,July.2007.50C.C.Chong and S.K.Yong,“A Generic Statistical-Based UWB Channel Model for High-RiseApartments.”,IEEE Trans.onAntenna and Propagation.vol.53,no.8,pp.23892399,Aug.2005.51G.D.Durgin,T.S.Rappaport and D.A.d
291、e Wolf,“New Analytical Models and Probability DensityFunctionsforFadinginWirelessCommunications.”,IEEETrans.onWIRELESSCOMMUNICATIONS.vol.50,no.6,pp.10051015,June.2002.101IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第七章 新型信道建模方法探索为了更好地满足 6G 新频段、新场景、新技术对无线信道建模的新需求,业界开展了对信道建模方法的进一步探索。本章节介绍了五种新型信道建模方法,分别是基
292、于簇核的信道模型、普适几何随机信道模型、基于地图的混合信道模型、基于射线与传播图的混合模型以及基于多任务深度学习的信道特征超分辨率模型。下面详细介绍本研究报告中新增的新型信道建模方法细节,其余细节请参考 面向 6G 的信道测量与建模研究研究报告。7.1 基于多任务深度学习的信道特征超分辨率模型7.1.1 建模方法原理机器学习的迅猛崛起正在深刻改变几乎所有科学和技术领域,包括无线信道建模。无线信道是一个充满时变性和非线性特征的系统,包含着来自时间、空间和频率多个维度的信息。机器学习具备强大的学习和推理能力,能够自动从信道数据中学习,以提取复杂环境中数据之间的结构关系,以拟合非线性系统。此外,机器
293、学习在从高维数据中挖掘信息方面效率极高,可以显著加速数据处理过程1。然而,目前在这一领域的研究仍显不足。首先,大多数最新研究集中于单一信道特征的预测,例如路径损耗(PL)或者直射和非直射的分类。鲜有研究试图同时估计多个信道特征。与此同时,多任务学习(MTL)呈现出明显的优势:通过共享表示(SharedRepresentation)来提高数据利用率,减少过拟合,并通过利用辅助信息实现快速学习2。此外,现有研究方法主要关注信道特征的预测或估计,鲜有研究利用稀疏采样的信道特征数据进行信道特征的超分辨率(SR)处理。在机器学习算法方面,相关工作通常采用传统算法,如随机森林、支持向量机和 K 近邻,或者
294、是深度学习(DL)模型,如卷积神经网络(卷积模)、Transformer、变分自动编码器和生成对抗网络(GAN)。总的来说,鲜有研究探索使用稀疏采样的信道特征数据作为输入,用于生成多种信道特征数据的多任务学习模型。各个信道特征之间的潜在联系有待挖掘。基于上述研究背景,本节提出了一种结合卷积神经网络,用于信道特征数据的多任务学习超分辨率模型。基于多任务深度学习的信道特征超分辨率模型架构如图 7-1 所示:首先将城市区域的三维模型和区域内建筑材料的电磁参数输入到 CloudRT 平台进行射线追踪仿真。仿真完成后,计算生成信道特征数据,然后利用这些数据构建了用于训练多任务学习超分辨率模型的数据集。接
295、下来利用训练集训练信道特征超分辨率模型。最后,针对信道特征超分辨率模型进行评估分析。102IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 7-1 信道特征超分辨率模型研究流程7.1.2 模型实现流程7.1.2.1 射线追踪仿真与信道特征数据集构建本节将介绍射线追踪仿真和数据集构建的流程。RT 仿真是通过 CloudRT 平台34进行的,以生成信道特征数据。RT 方法被广泛用于在确定的环境中生成准确的信道特征数据。基于 3D 电子地图和电磁参数,使用 CloudRT 平台上进行密集城区场景的 RT仿真。具体从中国的三个主要城市:北京、上海和杭州的城市区域内
296、手动选择了 70 多个仿真区域。这些仿真区域都是边长为1公里的正方形,3D电子地图的分辨率为200200,也就是每个栅格点的边长是 5 米。发射机(Tx)位于仿真区域中心附近的一座高楼上,以确保有一个大面积的直射(LOS)区域。接收机(Rx)位于地面上方 2 米处,均匀分布在水平平面上,相互间距 5 米。仿真过程中仅考虑了位于建筑物外部的接收机。在RT 仿真中,采用了直射、反射、穿透和散射等多种传播机制。RT 仿真所使用的 EM 参数列在表 7-1 中。需要注意的是,表中的 EM 参数与真实值可能存在一些细微差异。由于本节主要研究的信道特征的超分辨率模型,只要这些 EM 参数在正常范围内,用于
297、训练的数据是合理的,就可以接受。其中,是相对介电常数,是损耗角正切,是透射损耗率,是散射系数,是散射阶数。表 7-2 总结了射线追踪的仿真配置。表 7-1 射线追踪仿真中使用的材料电磁参数103IMT-2030(6G)推进组IMT-2030(6G)Promotion Group表 7-2 RT 仿真配置基于 RT 仿真结果,构建了信道特征数据集。路径损耗(PL)、均方根时延展宽(DS)、均方根到达水平角扩展()、均方根到达俯仰角扩展()、LOS(直射)和 NLOS(非直射)的定义遵循惯例公式。莱斯 K 因子被重新定义为多径功率比,如下所示,=10=1?0=1?(7-1)其中和0分别表示第 i
298、根射线和直射射线的功率。在 LOS 区域,是除0之外的所有射线功率与所有射线功率之比。在 NLOS 区域,等于零。因此,在 LOS 和 NLOS区域都是连续的,适合深度学习训练。这六个信道特征也是本文中的超分辨率目标。信道特征数据集中的每一个数据都是 7200200 的张量,其中 7 表示信道数量,除上述 6个信道特征外,还包含每一区域的离地高度。总共生成了 563 个张量数据构成总的数据集。将每一张量数据的每一维度都分别以比例因子 2、4、8 进行降采样之后双线性插值恢复得到的数据作为模型训练的输入数据。仿真得到的原始数据为真值,依照所需的比例划分训练集和测试集,最终形成信道特征超分辨率模型
299、的训练集和测试集。7.1.2.2 信道特征超分辨率多任务学习模型的网络架构图 7-2 多任务学习超分辨率模型网络架构本节所提出的信道特征超分辨率模型由两个主要组成部分构成:骨干(Backbone)部分和微调(Fine-tune)部分,如图 7-2 所示。骨干部分的任务是从输入数据中提取高维特征。输入数据可以是通过 RT 仿真或测量获得的数据,使用 RT 仿真数据来进行模型的训练和评估。骨干部分能够处理一个大小为 c200200 的张量,其中包含了 c 个通104IMT-2030(6G)推进组IMT-2030(6G)Promotion Group道的信息。骨干部分由两个卷积模块组成。每个卷积模块
300、包含两个卷积层,这些卷积层使用 ReLU 激活函数。每个卷积层的卷积核尺寸为 3,边界填充为 1,两个卷积模块通过残差连接相连接,从而构建了骨干部分。残差连接在超分辨率性能提升方面起着关键作用。在卷积过程中,数据的大小保持在 200200。通过增加更多的卷积模块,多任务学习超分辨率模型可以在之前的实验中实现出色的 SR 性能。微调部分则专注于每个单独的任务,以实现最佳的超分辨率性能。微调部分包括多个并行的轻量级模型,这些模型与骨干部分并行连接,每个模型输出相应的结果。在微调部分,为每个任务设计了三种轻量级模型,这些模型具有相似的结构。轻量级模型通常包括两层或三层的卷积模。对于 LOS/NLOS
301、 分类任务,微调网络的输出是对应传播条件的概率。依据何种传播条件概率更大判断此位置是何种传播条件。对于其他的任务,网络输出的都是超分辨率恢复后的信道特征数据。仿真过程中仅考虑了建筑物外部的接收器,因此存在一些点位并没有仿真。因为深度学习模型只能处理规则的矩阵/张量数据,所以这些点位也被赋予实数值作为此处的信道特征数据,以确保输入数据是一个矩阵或张量。将这些点位的数据设置为 NaN 值,具体设置参见表 7-3。此外,输入数据是基于降采样数据进行双线性插值得到的,因此矩阵中始终包含一些与真值相同的数据。但在超分辨率训练过程中,NaN 值和真实值都不应加入损失函数计算,否则得到的损失会显著小于真实情
302、况。为了保持损失函数的连续性并帮助信道特征超分辨率模型专注于超分辨率恢复点位,引入了加权损失,其中包括掩码矩阵 M,如图 7-3 所示。在 M 中,位于真实数据位置和建筑区域内的条目被设置为掩码值(例如,在图中为 0.01)。实验表明,0.01 是最佳的掩码值选择。此外,测试结果还表明,0 不是理想的掩码值,最佳的掩码值应该接近零但不等于零。表 7-3 信道特征数据的正常范围与 NaN 值图 7-3 用于损失函数计算的掩码示意图105IMT-2030(6G)推进组IMT-2030(6G)Promotion Group在图像 SR 任务中,通常会使用多种损失函数和评估指标,例如像素损失、上下文损
303、失和内容损失。但在信道特征的超分辨率任务中,仅采用像素损失,因为所有其他损失函数的目标是恢复图像的平滑性、样式或纹理,与通信系统的需求无关。因此,训练过程中使用 L1 范数(绝对值误差)作为损失函数。本节涉及了六个不同的 SR 目标,如 7.1.2.1 节所述。对于 LOS/NLOS 目标,超分辨率过程实际上是一个分类问题,需要将输入数据分为 LOS 和 NLOS 两个类别。对于其他四个目标,SR 过程是回归问题。因此,损失函数的形式有三种情况,其中包括交叉熵损失(用于分类问题)和 L1 范数损失(用于回归问题),如下所示:?,=?,LOS/NLOS 分类任务1?,其他任务的平均误差?,其他任
304、务的均方根误差(7-2)=(7-3)?,=2,?log?,(7-4)1?,=2,?,?(7-5)?,=2,?,?2?(7-6)?=,?,?(7-7)其中代表经过掩码加权处理过的数据,是原始数据,也就是超分辨率模型输出的数据。、1、分别代表用于 LOS/NLOS 分类的交叉熵,L1 范数和均方根误差公式。?与代表超分辨率恢复的信道特征数据以及真值数据,他们在进行超分损失计算之前都要经过公式(7-37)处理。h,w 分别是输入矩阵的宽与高,也就是描述尺寸的参数。n 代表同时超分辨率恢复的信道特征种类。在此基础上,用于模型反向传播参数更新的多任务学习损失函数如下所示:,=22?+log?(7-8)其
305、中,表示神经网络的权重,表示噪声参数。在训练期间,这些 z 噪声参数也会通过标准的反向传播进行和一起更新。在本研究中就是上述公式(7-38)-(7-40),的数量为 11,因为中有 11 个项,其中一个用于 LOS/NLOS 的交叉熵损失,以及每个其他目标的平均绝对误差(MAE)和均方根误差(STDE)项。根据不同的 SR 任务组合,可以进行修改。106IMT-2030(6G)推进组IMT-2030(6G)Promotion Group7.2 小结随着 6G 新型应用场景与技术研究的发展,新频段、新场景、新技术对传统无线信道建模方法带来了重大挑战,一方面,单一信道建模方法无法支持 6G 丰富的
306、新型应用场景;另一方面,传统基于统计或确定性的信道建模方法无法兼顾建模复杂度和准确度。因此,从模型普适性、复杂性和准确性的角度出发,对信道建模方法开展了进一步的探索和创新。本章节阐述了五种新型信道建模方法。第一,提出一种基于簇核的信道建模方法,利用统计性模型中的多径簇与确定性模型中的散射体必然存在某种映射关系,通过对无线传播环境进行三维重构,匹配环境散射体和簇核的映射关系,生成簇核内的多径参数,最后生成信道系数。第二,针对全频段、全覆盖场景和全应用场景信道的需求,提出一种普适信道建模理论并应用于 6G 几何随机信道建模,使用统一的信道建模方法和框架、融合 6G 全频段全场景信道特性。第三,基于
307、地图中环境的数字信息,提出了一种基于地图的混合信道模型,能够获得全面且精细的信道空、时、频信息。第四,以射线跟踪作为关键技术计算主导传播路径,结合传播图模型添加大量的散射点来模拟环境中的漫散射分量,提出了一种基于射线与传播图的混合信道模型。第五,基于 RT 仿真结果构建信道特征数据集,结合卷积神经网络训练多任务学习超分辨率模型,提出了一种用于信道特征数据的多任务学习超分辨率模型。在信道特征超分辨率任务中体现出了显著优势,也展现出了良好的泛化能力。由于篇幅限制,本章详细介绍本研究报告中新增的新型信道建模方法细节,其余细节请参考面向 6G 的信道测量与建模研究研究报告。面向 6G 广频段、多场景、
308、新技术对信道模型的需求,传统的单一建模方法难以兼顾普适性、复杂性和准确性。因此,应从多个方面展开信道模型的建模方法论研究。这包括统计性建模、确定性建模、混合信道建模等方法,同时结合人工智能技术,挖掘信道隐藏规律,建立一种模型和数据融合驱动的信道模型。此外,在信道建模方法论研究工作中,还需结合其他任务组的评估场景,考虑信道模型对系统及链路仿真的评估需求。参考文献1L.Wu,D.He,B.Ai,J.Wang,K.Guan and Z.Zhong,Path loss prediction based on multi-layerperceptron artificial neural network
309、,Chin.J.Radio Sci.,vol.36,no.3,pp.9,2021.2M.Crawshaw,Multi-task learning with deep neural networks:Asurvey,arXiv:2009.09796,2020.3D.He,B.Ai,K.Guan,L.Wang,Z.Zhong and T.Krner,The Design and Applications ofHigh-Performance Ray-Tracing Simulation Platform for 5G and Beyond Wireless Communications:ATuto
310、rial,in IEEE Communications Surveys&Tutorials,vol.21,no.1,4D.He et al.,Physics and AI-based Digital Twin of Multi-spectrum Propagation Characteristics forCommunication and Sensing in 6G and Beyond,in IEEE Journal on Selected Areas inCommunications,doi:10.1109/JSAC.2023.3310108.107IMT-2030(6G)推进组IMT-
311、2030(6G)Promotion Group第八章 面向 6G 的信道数据集和信道仿真器6G 是通感算智深度融合、天地一体全域覆盖的移动信息网络,将考虑太赫兹、超大规模 MIMO、智能超表面(RIS)和通感一体化等潜在多样新技术,覆盖城市、郊区、室内热点、工业互联网(IIOT)和空天地一体化网络(SAGIN)等复杂场景,与 AI 深度融合实现“万物智联”。更高更大带宽的频段、更复杂多尺度变化的场景以及更多样的新技术给 6G 信道建模研究带来了挑战,亟需精确的信道模型和数据集支持 6G 空口新技术,尤其与 AI 融合技术的研发评估、高效对比和优化提高。经任务组调研和推荐,目前已经存在一些 6G
312、 信道数据集和信道仿真器,下文将逐一介绍。8.1 面向 6G 的信道仿真器在面向 6G 的信道仿真器方面,基于 ITU-R 采纳的 5G 标准信道模型仿真器,开发了面向 6G 的信道仿真器(Channel Model Generator),命名为 BUPTCMCCCMG-IMT2030。下载链接:https:/ GHz 到毫米波和太赫兹等多种频段;支持包含大规模 MIMO 信道近场空间非平稳性,毫米波、太赫兹信道的稀疏性,RIS 级联信道的散射响应特性,通感一体化信道的共享簇特性,工业互联网场景的密集散射特性等五个新特性。相关架构图及界面图见图8-1 至图 8-3。图 8-1 BUPTCMCC
313、CMG-IMT2030 的架构图 8-2 BUPTCMCCCMG-IMT2030 的界面108IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 8-3 BUPTCMCCCMG-IMT2030 的操作界面8.2 面向 6G 的 AI 空口信道数据集面向 6G 的 AI 空口信道数据集方面,基于物理层 AI 技术近年来已取得显著进展,将 AI 技术融入到空口各个模块,亟需数据集支持。以 ITU、3GPP、IMT-2030(6G)推进组等为代表的多个行业组织已经在数据集构建、评估准则、典型用例等方面开展研究。为进一步满足 6G 无线 AI 技术设计与应用的需求,
314、搭建了全机制、新特性和可配置的6G AI 空 口 信 道 数 据 集,命 名 为 BUPTCMCC-DataAI-6G。下 载 链 接:https:/ 考虑电波实际传播过程中的直射、反射、衍射、透射、漫散射全部机制,支持大规模 MIMO 近场、上下行互异、高速移动等特性,实现多区域、多天线、多频段、多链路等灵活适配,可根据用户需求灵活提供功率、相位、时延、角度、路损等完整信道状态信息的功能,支撑无线 AI 技术设计和评估。构建方式示意图见图 8-4。图 8-4 BUPTCMCC-DataAI-6G 的构建方式109IMT-2030(6G)推进组IMT-2030(6G)Promotion Gro
315、up第九章 总结面向未来 6G,新一轮研究和战略部署已经在全球开始。本文阐述了目前 6G 信道建模研究的五个主要方向,包括太赫兹信道特性分析与建模、可见光信道特性分析与建模、通信感知一体化信道研究、智能超表面信道研究以及新型信道建模方法,探讨了各个研究方向的研究内容和存在的难题,旨在促进国内外对 6G 信道研究的开展和突破,为 6G理论和技术的创新提供精确、可靠的信道模型。围绕 6G 新频段,在太赫兹频段,针对 100 GHz、140 GHz、220 GHz-300 GHz 等典型太赫兹频段,开展典型室内场景大、小尺度信道衰落特性研究,研究太赫兹频段路径损耗、时延扩展、角度扩展、K 因子、簇特
316、性、散射特性以及大气衰减并提出相应模型。在可见光频段,基于高精度可见光信道测量平台,研究光路损的距离依赖性与波长依赖性并提出多波长路径损耗模型,针对可见光通信信道的特性,提出一种室内三维空时频非平稳可见光 GBSM 模型。围绕 6G 新技术,针对通信感知一体化技术,开展毫米波频段的通信感知一体化信道测量,构建感知信道路径损耗模型,提出了一种基于 3GPP 38.901 的通感一体 GBSM信道建模方法。针对智能超表面技术,开展 26GHz 的 RIS 信道测量,对 RIS 辅助信道的路径损耗进行分析与建模。提出以电磁散射理论、几何光学和物理光学为基础的 RIS物理模型,设计了基于地图的混合信道
317、模型(MHCM)的 RIS 信道模型,对基于 GBSM的 RIS 信道模型框架给出了建议。围绕 6G 信道建模新方法,基于簇核的信道模型利用机器学习算法从信道数据中提取簇核,兼顾统计性信道模型和确定性信道模型的优点,不仅降低了建模的复杂度,而且能更好地揭示信道的物理传播机理。普适几何随机信道模型采用统一的基于簇的几何随机信道建模方法和框架,对 6G 全频段全场景信道特性进行建模,提出了一种适用于全频段、全覆盖场景和全应用场景的 6G 普适 GBSM。混合信道模型以射线跟踪作为关键技术计算主导传播路径,一方面结合传播图模型添加大量的散射点来模拟环境中的漫散射分量,提出了一种基于射线与传播图的混合
318、信道模型。另一方面基于地图中环境的数字信息,概述了一种基于地图的混合信道模型,能够获得全面且精细的信道空、时、频信息。面向未来,我们倡议学术界和产业界加快推进 6G 信道测量与建模的总体研究,共同建立并完善 6G 信道模型,推动标准化研究工作,为第六代移动通信系统的技术评估、设备研发、系统设计和网络部署奠定基础。110IMT-2030(6G)推进组IMT-2030(6G)Promotion Group贡献单位序号序号贡献单位贡献单位1北京邮电大学2华为技术有限公司3中兴通讯股份有限公司4中国移动5中国信息通信研究院6北京交通大学7东南大学8上海交通大学9同济大学10维沃移动通信有限公司11爱立信(中国)通信有限公司12南京航空航天大学13浙江海洋大学14网络通信与安全紫金山实验室15中信科移动通信技术股份有限公司16华北电力大学17中国电信联系方式邮箱:COPYRIGHT2023 IMT-2030(6G)PROMOTION GROUP.ALL RIGHTS RESERVED.