电波传播理论（徐立勤）15移动通信传播损耗本地化统计模型.docVIP

第15章 移动通信传播损耗本地化统计模型[1] 15.1 决定性模型与统计模型 在移动通信中，电波传播模型有两种类型：决定性模型和统计模型。 一种是决定性模型，一般是在一定的物理模型下由较严格的电波传播理论推导出来的理论表达式，它的计算结果是决定性的，但它要求要给出完整的、全面的地理环境条件。我们在第十章中所述的自由空间传播模型、平坦地面反射传播模型以及第十一章讨论的绕射理论传播模型都是决定性模型。只要能够满足模型的预设条件，模型预测的传播损耗是不容置疑的。预测结果的误差主要来自实际的自然地理环境与其预设条件的偏离，实际情况不可能百分之百地精确地满足理论模型所要求的先决条件。所以说，决定性模型并不意味就是精确模型。有时候，理论上非常完美的东西实践上未必用的上。 另一种是统计模型，它一般是由大量的实验测试数据拟合出来的经验公式或半经验半理论公式，甚至是经验曲线，它们的预测结果是统计性的推断，当然可以具有一定的可靠度和精确度。统计模型并不要求准确地给出当时当地的精确的地理环境条件，只是要求知道地理环境条件的统计性数据和信息，比如说，是乡村还是城市市区，是水面还是陆地，是室内还是室外，是温带地区还是热带地区，建筑物的平均高度是多少，平均地面折射率是多少等等，这些信息或数据都是具有相当的模糊性或不决定性，但是很容易给出。比如说，对于场强的预测，统计模型不能肯定地告诉你，某一地点某一时刻的场强究竟是多少，但是，它可以告诉你某一区域范围内有百分之多少的地点，其场强可以超过某一数值；以及对于确定的地点，它可以告诉你，一平均年或一最坏月内，有百分之几的时间，场强可以超过某一数值。 对于移动通信而言，由于用户在地点上的随机分布以及用户在移动中是环境的随机变化，不同的用户、不同的时刻说遭受的无线电波传播条件是很不一样的，所以在移动通信中使用统计模型是合适的。统计模型一般以实验为基础，如果又通过了大量有代表性的实验数据的检验，那么它一般是比较可靠的，至少不会有大错。 当然，一个统计模型如果能够正确地本地化，即以本地的有代表性的实验数据基础对其进行校准，则它将可能会有更高的精度和更好的可靠性。这就是为什麽要进行传播模型本地化。但是，用于校准的实验数据必须是可靠的、精确的、有全面代表性的，且数据的数量必须足够多，否则，将适得其反，这点是必须特别强调指出的，并不是什麽测试数据都能用于改善传播模型，一个好的数据基础是决定性的。 15.2基本模型的选择 一个统计模型的好坏首先决定于模型的数学结构，即它所包含的参数及其数学表达形式是否能够适当地表达所要描述的物理现象。建立模型的数学结构不能全凭想象，我们可以分析和参照比较公认和通用的Hata经验模型和Cost-231经验模型。 参见第十四章14.3节，Cost-231模型在基站天线高度高于房顶的条件下，基本传输损耗可以表示为[2]： （15.1） 对上式整理合併后，我们有： （15.2） 其中，为频率，MHz；为电路距离，km；为街道宽度，m；为建筑物之间的距离，m。和分别是基站天线高度和移动台天线高度与屋顶高度之间的差值，而是街道走向的影响，这些参数都很难给定，此外街道宽度和建筑物之间的距离也是很随机变化的参数。 参见第十四章14.1节，Okumura-Hata模型[3]对于市区和林区的情况，可以表达为 （15.3） 其中，，，，和是五个待定的常数；式中所包含的变量有，频率f，移动台到基站的距离，基站天线高度，移动台天线高度，建筑物密度因子等五个，除外，都是能够准确地给出的参数。另外，该模型还包含移动台天线高度修正项和建筑物密度修正项。依此式为参考，并考虑到移动台天线高度修正项，可以类推出更一般的模型表达式，如下所示： (15.4) 该模型包含九个待定系数和一个建筑物密度修正项。 分析以上三个模型，我们可以看出，Cost-231模型用于模型的本地化并不是最合适的，因为可供校准的只有频率和距离项的系数，其他项通通合并作为另一个可校准的常数项；而式（15.3）所表达的模型，看来更具有一般性，但是在实际的测试中，频率和移动台天线高度基本上是不变的，可调节的范围非常有限，真正可变且能给出准确值的也就是基站天线高度和距离，当然基本传输损耗是实验中测出的；（15.2）式包含了与（15.3）式同样多的变数，但是在传播模型校准的实施中它比（15.3）式更容易操作，所以，我们选择（15.2）式作为传播模型本地化的基本参考数学模型。但是，我们说过，频率在测试中是不变的，而且频率项的系数在OkumuraHata模型和Cost-231模型中是非常接近的，该系数都大约为26.10。所以，我们最后采用下式作为可校准的基本传播模型： （15.5） 显然，包含了移动台天线高度修正项和建