无线通信路径损耗模型

2023-10-12 23:40

本文主要是介绍无线通信路径损耗模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

接着上文的路径损耗模型,继续谈谈大尺度衰落中的常见模型

1.1.2 Okumura/Hata模型

在所有预测城市地区损耗的模型中,Okumura模型被采用得最多,适用于载波范围为500~1500MHz,小区半径为1~1000km,天线高度为30~1000m的移动通信系统。

Okumura模型路径损耗为

\mathrm{PL}_{\mathrm{Ok}}\left(d\right)\Big[\mathrm{dB}\Big]=\mathrm{PL}_{\mathrm{F}}+A_{\mathrm{MU}}\left(f,d\right)-G_{\mathrm{Rx}}-G_{\mathrm{Tx}}+G_{\mathrm{AREA}}

Amu(f,d)为频率f处的中等起伏衰减因子,GTx和GRx分别为接收和发射天线增益,G_AREA为具体地区环境增益,一般都可从实测得到的经验图中查找。

Hata模型是目前使用最广泛的模型,市区环境路径损耗为

\operatorname{PL}_{\operatorname{Hata},U}\left(d\right)\left[\operatorname{dB}\right]=69.55+26.16\log_{10}f_c-13.82\log_{10}h_{\operatorname{T}x}-C_{\operatorname{R}x}+\left(44.9-6.55\log_{10}h_{\operatorname{T}x}\right)\log_{10}d

对于中等范围,CRx取值为

C_{\mathrm{Rx}}=0.8+\left(1.1\log_{10}f_c-0.7\right)h_{\mathrm{Rx}}-1.56\log_{10}f_c

对于大的范围,CRx取决于载波频率

C_{\mathrm{Rx}}=\left\{\begin{array}{ll}8.29\left(\log_{10}\left(1.54h_{\mathrm{Rx}}\right)\right)-1.1, & 150MHz\leqslant f_c\leqslant200\text{MHz} \\ 3.2\left(\log_{10}\left(1.75h_{\mathrm{Rx}}\right)\right)^2-4.97, & \quad200\text{MHz}\leqslant f_c\leqslant1500\text{MHz}\end{array}\right.

郊区和开阔地,表示为

\operatorname{PL}_{\operatorname{Ha},\operatorname{SU}}\left(d\right)\left[\operatorname{dB}\right]=\operatorname{PL}_{\operatorname{Ha},\operatorname{U}}\left(d\right)-2\left(\log_{10}\frac{f_{c}}{28}\right)^{2}-5.4

\operatorname{PL}_{\operatorname{HtaxO}}\left(d\right)\left[\operatorname{dB}\right]=\operatorname{PL}_{\operatorname{flanU}}\left(d\right)-4.78\left(\log f_c\right)^2+18.33\log_{10}f_c-40.97

Hata路径损耗模型

function PL = PL_Hata(fc,d,htx,hrx,Etype)
%Hata模型
%输入
%     fc:载波频率(Hz)
%     d :基站和移动台之间的距离(m)
%     htx:发射机高度(m)
%     hrx:接收机高度(m)
%     Etype:环境类型('urban','suburban','open area')
%输出
%     PL:路径损耗(dB)
if nargin < 5Etype = 'URBAN';
end
fc = fc/(1e6);
if fc>=150 && fc<=200C_Rx = 8.29*(log10(1.54*hrx))^2-1.1;
elseif fc>200C_Rx = 3.2*(log10(11.75*hrx))^2 -4.97; %大范围,式(1.9)
else C_Rx = 0.8+(1.1*log10(fc)-0.7)*hrx-1.56*log10(fc)%中等范围,式(1.8)
end
PL = 69.55+26.16*log10(fc)-13.82*log10(htx)-C_Rx+(44.9-6.55*log10(htx))*log10(d/1000) %式(1.7)
EType = upper(Etype);
if EType(1) == 'S'PL = PL-2*(log10(fc/28))^2-5.4;
elseif EType(1) == 'O'PL =PL+(18.33-4.78*log10(fc))*log10(fc)-40.97;
end
end

设置参数,画图

% plot_PL_Hata.m
clear all
clc
fc = 1.5e9;
htx = 30;
hrx = 2;
distance = [1:2:31].^2;
y_urban = PL_Hata(fc,distance,htx,hrx,'urban');
y_suburban = PL_Hata(fc,distance,htx,hrx,'suburban');
y_open = PL_Hata(fc,distance,htx,hrx,'open');
semilogx(distance,y_urban,'k-s',distance,y_suburban,'k-o',distance,y_open,'k-^')
title(['Hata PL model,f_c=',num2str(fc/1e6),'MHz'])
xlabel('distance(m)'),ylabel('Path loss(dB)')
legend('urban','suburban','open area')
grid on,axis([1 1000 40 110])

结果图

1.1.3 IEEE802.16d 模型

IEEE802.16d 模型属于对数正态阴影路径损耗模型,

\mathrm{PL}_{802.16}\left(d\right)\big[\mathrm{dB}\big]=\mathrm{PL}_{\mathrm{F}}\left(d_0\right)+10\gamma\log_{10}\left(\frac{d}{d_0}\right)+C_{\mathrm{f}}+C_{\mathrm{Rx}},d>d_0

修正模型:

\mathrm{PL}_{\mathrm{Mo22.10}}(d)[\mathrm{dB}]=\begin{cases}20\log_{10}\left(\frac{4\pi d}{\lambda}\right),&d\le d_0'\\[6pt]20\log_{10}\left(\frac{4\pi z_0'}{\lambda}\right)+10y\log_{10}\left(\frac{d}{d_0}\right)+C_1+C_{\mathrm{max}},&d>d\le d_0'\end{cases}

MATLAB程序:

IEEE802.16模型:

function PL = PL_IEEE80216d(fc,d,type,htx,hrx,corr_fact,mod)
% IEEE802.16d 模型
% 输入:
%      fc: 载波频率(Hz)
%      d : 基站和移动台间的距离(m)
%      type: 选择'A','B'或'C'
%      htx: 发射机高度(m)
%      hrx: 接收机高度(m)
%      corr_fact: 如果存在阴影,设置为'ATnT'或'Okumura'。否则,设置为'NO'
%      mod: 设置为'mod'来得到修正的IEEE802.16模型
% 输出:
%      PL: 路径损耗(dB)
Mod = 'UNMOD';
if nargin > 6Mod = upper(mod);
end
if nargin == 6 && corr_fact(1) == 'm'Mod = 'MOD';corr_fact = 'NO';
elseif nargin < 6corr_fact = 'NO';if nargin == 5 && hrx(1) == 'm'Mod = 'MOD';hrx = 2;elseif nargin < 5 hrx = 2;if nargin == 4 && htx(1) == 'm'Mod = 'MOD';htx = 30;elseif nargin < 4htx = 30;if nargin == 3 && type(1) == 'm'Mod = 'MOD';type = 'A';elseif nargin < 3type = 'A';endendend
end
d0 = 100;
Type = upper(type);
if Type~='A'&&Type~='B'&&Type~='C'disp('Error:The selected type is not supported');return;
end
switch upper(corr_fact)case 'ATNT'PLf = 6*log10(fc/2e9); %式(1.13)PLh = -10.8*log10(hrx/2);%式(1.14)case 'OKUMURA'PLf = 6*log10(fc/2e9); %式(1.13)if hrx <= 3C_Rx = -10*log10(hrx/3);%式(1.15)elseC_Rx = -20*log10(hrx/3)endcase 'NO'PLf = 0;PLh = 0;
end
if Type == 'A'a = 4.6; %式(1.13)b = 0.0075;c = 12.6;
elseif Type == 'B'a = 4;b = 0.0065;c = 17.1;
elsea = 3.5;b = 0.005;c = 20;
end
lamda = 3e8/fc;
gamma = a-b*htx+c/htx;%式(1.12)
d0_pr = d0;
if Mod(1) == 'M'd0_pr = d0*10^-((PLf+PLh)/(10*gamma))%式(1.17)
end
A = 20*log10(4*pi*d0_pr/lamda)+PLf+PLh;
for k = 1:length(d)if d(k) > d0_prPL(k) = A+10*gamma*log10(d(k)/d0)  %式(1.18)else PL(k) = -10*log10(lamda/(4*pi*d(k))^2);end
end
end

绘制图像:

% plot_PL_IEEE80216d.m
clear all
clc
fc = 2e9;
htx = [30 30];
hrx = [2 10];
distance = [1:1000];
for k = 1:2y_IEEE16(k,:) = PL_IEEE80216d(fc,distance,'A',htx(k),hrx(k),'atnt');y_MIEEE16(k,:) = PL_IEEE80216d(fc,distance,'A',htx(k),hrx(k),'atnt','mod')%修正模型
end
subplot(1,2,1)
semilogx(distance,y_IEEE16(1,:),'k','linewidth',1.5),hold on
semilogx(distance,y_IEEE16(2,:),'r','linewidth',1.5),hold on
title(['IEEE 802.16d Path loss Models,f_c=',num2str(fc/1e6),'MHz'])
axis([1 1000 10 150])
xlabel('Distance(m)'),ylabel('Pathloss(dB)')
legend('h_{Tx}=30m,h_{Rx}=2m','h_{Tx}=30m,h_{Tx}=10m')subplot(1,2,2)
semilogx(distance,y_MIEEE16(1,:),'k','linewidth',1.5),hold on
semilogx(distance,y_MIEEE16(2,:),'r','linewidth',1.5),hold on
title(['Modified IEEE 802.16d Path loss Models,f_c=',num2str(fc/1e6),'MHz'])
axis([1 1000 10 150])
xlabel('Distance(m)'),ylabel('Pathloss(dB)')
legend('h_{Tx}=30m,h_{Rx}=2m','h_{Tx}=30m,h_{Tx}=10m')

结果图:

 

 #博主学习MIMO-OFDM所做的学习笔记

这篇关于无线通信路径损耗模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/199266

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

hdu2544(单源最短路径)

模板题: //题意:求1到n的最短路径,模板题#include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#i

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

poj 1734 (floyd求最小环并打印路径)

题意: 求图中的一个最小环,并打印路径。 解析: ans 保存最小环长度。 一直wa,最后终于找到原因,inf开太大爆掉了。。。 虽然0x3f3f3f3f用memset好用,但是还是有局限性。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#incl

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU