TDL CDL信道模型

2023-11-29 10:52
文章标签 模型 信道 tdl cdl

本文主要是介绍TDL CDL信道模型,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!

文章目录

  • 一 TDL
  • 二 CDL
  • 三 CDL TDL区别

TDL:(Tapped Delay Line,抽头延迟线)
CDL:(Clustered Delay Line,集群延迟线)

一 TDL

  1. 定义:由一组不同衰落系数不同时延的抽头组成。全频率范围为:0.5GHz~100GHz,最大带宽2GHz ,TDL是简化模型,本身为SISO设计,但可通过重复多次加引入空间相关性对MIMO信道建模
    请添加图片描述

  2. 分类:

    • NLos信道场景:TDL-A、TDL-B、TDL-C,TDL-A和TDL-B有23个抽头,TDL-C有24个抽头
    • Los信道场景:TDL-D、TDL-E,TDL-D有 13 个抽头,TDL-E有14 个抽头,每个抽头延迟和相对功率不同
  3. 抽头特性

    • 每个抽头的多普勒频移有典型的Jakes频谱形状(常用瑞利衰落模型,频谱形状为U型谱)和最大多普勒频移fD f D = ∣ v ∣ λ 0 f_D=\frac{|v|}{\lambda_0} fD=λ0v
    • TDL-D TDL-E是LOS路径。所以其第一个抽头服从Ricean fading分布
    • 这些抽头,多普勒频普在多普勒频移 f s = 0.7 f D f_s=0.7f_D fs=0.7fD处还包含一个峰值,幅度为生成衰落分布时指定K因子。‘
  4. 每个TDL模型都能在延迟上进行缩放,以使模型达到期望的RMS(Root Mean Square)延迟扩展

  5. TDL模型适用于窄带信道建模,其多径的分辨率较低,在一个可分辨率的附加时延内,可能有两个或多个多径信号到达,但这些多径信号不可分辨,其适量组合成单一多径信号的瞬时幅度和相位。

  6. TDL信道模型的信道系数
    h ( t ; τ ) = ∑ N = 1 N a n ( t ) μ n ( t ) δ ( t − τ n ) h(t;\tau)=\sum^N_{N=1}a_n(t)\mu_n(t)\delta(t-\tau_n) h(t;τ)=N=1Nan(t)μn(t)δ(tτn)
    a n ( t ) a_n(t) an(t)是n个抽头的增益
    μ n ( t ) \mu_n(t) μn(t)是由多条不可分辨路径组合得到的瑞利衰落信号
    τ n \tau_n τn是n个抽头的时延

二 CDL

  1. 定义:频率范围:0.5GHz~100GHz,最大带宽为2GHz
    在这里插入图片描述
  2. 分类
    • NLos信道场景:CDL-A、CDL-B、CDL-C
    • Los信道场景:CDL-D、CDL-E
  3. CDL簇数量最多有24个,可以表征更多波束
  4. 信道脉冲响应为:
    h ( τ ; t ) = ∑ l = 0 ∞ ∑ k = 0 ∞ a k , l ( t ) e j φ k , l ( t ) δ ( τ − T l − τ k ) h(\tau;t)=\sum^\infty_{l=0}\sum^\infty_{k=0}a_{k,l}(t)e^{j\varphi_{k,l}(t)}\delta(\tau-T_l-\tau_k) h(τ;t)=l=0k=0ak,l(t)ejφk,l(t)δ(τTlτk)
    a k , l 、 φ k , l a_{k,l}、\varphi_{k,l} ak,lφk,l是第 l l l簇中第 k k k径的增益和相位
    T l T_l Tl为第l簇的延时
    τ k , l \tau_{k,l} τk,l为第 l l l簇中第 k k k径的延迟

三 CDL TDL区别

  1. CDL引入簇,簇是具有相似到达角、离开角、和时延的多径集合
  2. 除了时延和功率两个参数外,CDL模型增加了离开方位角(AoD)、到达方位角(AoA)、离开天顶角(ZoD)、到达天顶角(ZoA),用来表征信道模型的空间特性,为3D信道设计,更好表征空间相关性。
  3. TDL和CDL可以根据实际仿真需要调整均方根时延扩展
    τ n , s c a l e d = τ n , m o d e l ∗ D S d e s i r e d \tau_{n,scaled}=\tau_{n,model}*DS_{desired} τn,scaled=τn,modelDSdesired
  4. CDL/TDL-D和CDL/TDL-E的LOS信道模型,可以调整K因子,设期望调整的K因子为Kdesired,CDL/TDL功率为:
    K m o d e l = P l , m o d e l L O S − 10 l o g 10 ( ∑ n = 1 N 1 0 P n , m o d e l / 10 ) K_{model}=P^{LOS}_{l,model}-10log_{10}(\sum^N_{n=1}10^{P_{n,model}/10}) Kmodel=Pl,modelLOS10log10(n=1N10Pn,model/10)
    功率调整完成后,需要对时延扩展重新进行计算。
    调整K因子的本质:调整各个簇、抽头之间的功率。K因子越大,第一个簇、抽头中视距径功率越大,在通信中视距径分量占比重越大
  5. 角度调整
    CDL预定义的角度值可以通过引入角度平移和缩放来推广,平移改变平均角度,缩放改变角度扩展
    ϕ n , s c a l e d = A S d e s i r e d A S m o d e l ( ϕ n , m o d e l − μ ϕ , m o d e l ) + μ ϕ , d e s i r e d \phi_{n,scaled}=\frac{AS_{desired}}{AS_{model}}(\phi_{n,model}-\mu_{\phi,model})+\mu_{\phi,desired} ϕn,scaled=ASmodelASdesired(ϕn,modelμϕ,model)+μϕ,desired

参考
5G通信中的TDL模型
移动通信基础(13)TDL、CDL、信道相关性
TDL、CDL信道模型简述

这篇关于TDL CDL信道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/432553

相关文章

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

如何在本地部署 DeepSeek Janus Pro 文生图大模型

《如何在本地部署DeepSeekJanusPro文生图大模型》DeepSeekJanusPro模型在本地成功部署,支持图片理解和文生图功能,通过Gradio界面进行交互,展示了其强大的多模态处... 目录什么是 Janus Pro1. 安装 conda2. 创建 python 虚拟环境3. 克隆 janus

本地私有化部署DeepSeek模型的详细教程

《本地私有化部署DeepSeek模型的详细教程》DeepSeek模型是一种强大的语言模型,本地私有化部署可以让用户在自己的环境中安全、高效地使用该模型,避免数据传输到外部带来的安全风险,同时也能根据自... 目录一、引言二、环境准备(一)硬件要求(二)软件要求(三)创建虚拟环境三、安装依赖库四、获取 Dee

DeepSeek模型本地部署的详细教程

《DeepSeek模型本地部署的详细教程》DeepSeek作为一款开源且性能强大的大语言模型,提供了灵活的本地部署方案,让用户能够在本地环境中高效运行模型,同时保护数据隐私,在本地成功部署DeepSe... 目录一、环境准备(一)硬件需求(二)软件依赖二、安装Ollama三、下载并部署DeepSeek模型选