1 引言
无人机(Unmanned Aerial Vehicle, UAV)凭借易操作、易控制和高机动的优势,近年来被广泛应用于无线通信系统[1-3]。毫米波频段通信具备传输速率快、安全性高和频谱资源的空间复用等优点,使其适用于第六代(The Sixth Generation, 6G)移动通信系统。UAV毫米波通信逐步引起了学术界和工业界的广泛兴趣[4-6]。然而,毫米波信号传播损耗严重,不适合长距离传输,对硬件设计和通信算法也具有很高的要求[7-8]。因此,深入研究空地毫米波信道传播特性对基于无人机的中继和空中基站设计和优化具有重要意义[9-12]。
目前,一些标准化模型如3GPP TR 38.901[13]和ITU-R M.2135-1[14]通过对实测数据进行统计分析,给出了针对城市微小区、城市宏小区以及乡村宏蜂窝的传播损耗模型。但是,由于实际测量主要集中陆地移动场景,收发端的高度并未得到充分考虑,难以拓展到UAV通信场景。注意到,UAV高空环境可近似看作视距(Line-of-Sight, LoS)路径,而低空环境下收发端之间可能会有障碍物遮挡,产生非视距(Non-Line-of-Sight, NLoS)路径。文献[15]在1 GHz和4 GHz频率进行UAV空地信道测量,分析大尺度和小尺度的信道特性,并根据测量数据对3GPP模型进行改进;文献[16]利用实测数据对传播损耗模型进行改进,通过增加关于UAV高度的额外损耗,获得适用于空地信道的损耗模型。上述模型仅适用于6 GHz以下频段UAV信道,目前由于设备的复杂性和高成本,空地场景的毫米波信道测量非常困难。
射线跟踪法(Ray tracing technique,RT)通过跟踪所有发射天线辐射的射线,获取传播信道的特性。文献[17]利用RT方法在28 GHz和73 GHz频段对纽约市区进行仿真,建立了基于LoS概率的传播损耗模型;文献[18]根据首尔地区射线跟踪仿真结果,提出了针对不同临界距离的单斜率和双斜率传播损耗模型。需要指出的是,上述模型对LoS和NLoS两种情况的传播损耗分别进行了建模研究。然而,我们前期研究发现,NLoS情况下由于建筑物，地形等因素的影响比较大,导致传播损耗起伏非常大,单一的NLoS传播损耗模型很难适用于不同的传播情况。因此,对NLoS情况下的传播损耗进行精细建模非常必要。
本文针对UAV空地毫米波通信场景,综合考虑各种传播路径的出现概率和路径损耗,建立了一种复合的传播损耗统计模型。该模型不仅将路径分为LoS和NLoS两种情况,并进一步将NLoS情况细分为反射、绕射和无信号三类,进而通过分析路径概率描述UAV和地面站(Ground Station,GS)之间存在不同传播路径的可能性。进一步地,该模型将UAV高度参数纳入损耗模型,相比传统毫米波损耗模型更加符合空地通信的实际需求。
2 基于路径概率的统计模型
空地传播场景与传统移动通信场景有很大的不同,如三维传播环境,有效散射体只存在于地面端周围。考虑到不同障碍物如房屋、树木等遮挡,毫米波信号传播过程中会出现不同的传播路径,包括直射、反射以及绕射情况,并且不同传播路径因为障碍物分布不同会有不同的概率和路径损耗。图1为空地毫米波通信传播场景示意图,hTX表示发射机车辆天线的高度,hRX表示接收机无人机天线的高度,d2D表示无人机与车辆之间的水平距离,d表示无人机与车辆之间的距离。
图1 无人机空地毫米波传播场景
Fig.1 UAV air-to-ground millimeter wave propagation scene
为了计算空地场景下毫米波传播路径损耗,本文对该场景下不同传播路径的概率和传播路径损耗分别进行了研究。通过对经典模型和大量数据的统计分析,提出传播损耗统计预测模型如下
LSUM=PLoS·LLoS+PREF·LREF+PDIFF·LDIFF+PNS·LNS
(1)
其中,PLoS、PREF、PDIFF和PNS分别为该场景传播过程中出现视距路径(简称视距情况)、无视距路径但存在反射路径(简称反射情况)、无视距和反射路径但存在绕射路径(简称绕射情况)和接收不到信号情况(简称无传播路径情况)的统计概率,LLoS、LREF、LDIFF和LNS分别为该场景下视距、反射、绕射和无传播路径情况下对应的信号损耗统计值。需要指出的是,在大气环境复杂的高空中,大气损耗和雨衰对信号传播损耗的影响难以忽略,故本文模型不再适用。
3 基于射线跟踪大数据的模型参数拟合
3.1 射线跟踪损耗大数据获取
RT方法基于几何光学(Geometrical Optics,GO)理论和一致性绕射理论(the Uniform Theory of Diffraction,UTD),可用来预测已知电磁环境下信号可能发生的所有传播路径,通过电磁波理论求得各个接收位置的场强、功率和时延等信道参数,完成对整个信道环境的预测。基于RT的建模流程首先针对不同场景获取原始地理数据,然后对原始数据进行简化重构,包括对地形的三角剖分,对建筑物的几何简化,设置好天线类型,天线高度,传播机制,发射功率,信号频率等仿真参数,就可以通过射线追踪计算各路径的信道参数。
射线的传播方式将发射源看作根节点,发射源的射线看作分支,与障碍物发生相交的点看作子节点。把射线的源点坐标定为(x0,y0,z0),法向量定为(d1,d2,d3),则该射线方程可写为
(2)
其中t≥0。而平面方程
ax0+by0+cz0+d=0
(3)
射线与障碍物面的交点坐标表示为
ti=-(ax0+by0+cz0+d)/(ad1+bd2+cd3)
(4)
如果射线没有与障碍物产生交点,需要判断该射线的能量是否能够被接收点识别;如果与障碍物产生交点,则需要判断发生反射还是绕射,且对反射或绕射后的射线继续判断是否与障碍物相交,直到达到最大反射次数和绕射次数,或衰减过大时停止;经过层层判断,可以确定不同的传播路径。
射线跟踪过程中的电场分为直接场、反射场和绕射场,当发射点和接收点之间没有障碍物时,可计算出电场强度,如下式所示
(5)
式中,E0为距发射机1 m处的电场强度,k为波数,d为发射点和接收点的距离。但是当传播过程中存在障碍物产生射线反射和绕射时,应先计算垂直极化波和水平极化波系数,然后再计算电场强度
(6)
(7)
其中,s1是传输点与反射点或绕射点之间的距离。s2是接收点到反射点或绕射点之间的距离,R为反射系数,D是绕射系数。将各接收点的电场强度矢量相加,总接收场强为
(8)
进而传播损耗可表示为
(9)
式中Et为1 m范围内的电场强度,Er为有效接收射线的电场矢量和。
为了获取原始传播损耗数据,本文前期对不同典型场景进行了大量模拟仿真。仿真过程中,设定地面站作为发射机,不同高度的无人机作为接收机,无人机高度从5 m到1000 m,步长为50 m,共20层,每层选取506个随机分布的点作为接收机。仿真示意图如图2所示,利用RT方法进行分析后,可以获取视距、反射、绕射和无信号四种情况的传播损耗值。图2中接收功率使用不同的颜色表示,不同点的形状分别表示视距,反射和绕射情况。由图可以看出,从以视距路径为主导到反射路径或绕射路径为主导,接收功率值是一个逐渐变小的过程。
图2 基于RT的传播损耗原始数据获取
Fig.2 RT-based path loss original data acquisition
3.2 不同传播路径概率参数
空地场景毫米波传播路径概率的理论分析非常困难,为了综合考虑不同路径概率对传播损耗的随机影响,本文在进行非视距概率的建模过程中,考虑射线在墙面和地面的反射及射线在建筑物拐角处的绕射,将空地毫米波通信的传播路径分为视距、反射、绕射和无信号四种情况。
对于视距路径,LoS概率通常可以采用距离和环境参数的统计模型描述。比如,国际电信联盟(ITU-R Rec. P.1410)[19-20]给出的计算方法为
(10)
其中,m是与环境有关的变量,ITU在地形平坦的前提下,根据其不同的取值,考虑郊区、市区、密集城市和高层城市四种典型场景。由于公式(10)计算比较复杂,本文进一步利用大量RT数据结果将其等效近似为
(11)
其中,hTX是空中节点相对地面节点的高度,模型参数如表1所示。
表1 视距传播路径概率的参数取值
Tab.1 Parameter values of line-of-sight propagation path probability
场景A1_LoSA2_LoSB1_LoSB2_LoSB3_LoS郊区1.6131.221736180.0944.66市区1.7961.183608987.7243.52密集城市1.8621.1354113142.3380.42高层城市1.7781.0751040269.1220.3
当不存在视距传播路径但存在反射传播路径时,本文反射径的概率经过大量数据拟合可以表示为
(12)
其中,模型参数在不同场景下的取值如表2所示。
表2 反射路径概率的参数取值
Tab.2 Parameter values of reflection path probability
场景A1_REFA2_REFA3_REFB1_REFB2_REFB3_REFC1_REFC2_REFC3_REF郊区0.26518.7317.83770.637.141.8634622.7324.36市区0.149215.9429.4809.849.0644.21296.229.3626.12密集城市0.169540.6431.66742.780.4987.29304.538. 2751.56高层城市0.207983.6668.5773.2174.2201.8316.894.9394.26
对于绕射情况而言,对应的概率经过大量数据拟合可表示为
PDIFF=
(13)
其中,各参数在不同场景下的取值如表3所示。
表3 绕射传播路径概率的参数取值
Tab.3 Parameter values of diffracted propagation path probability
场景A1_DIFFA2_DIFFA3_DIFFB1_DIFFB2_DIFFB3_DIFFC1_DIFFC2_DIFFC3_DIFF郊区0.7057.4720.67882.242.3690.17467.425.0164.32市区0.56819.3828.16888.964.8187.83353.73340密集城市0.337448.8629.76781.980.7180.11335.857.3142.05高层城市0.400988.88104.2756.7214.1336.2325.260.12135.2
3.3 高度相关路径损耗参数
现有毫米波传播损耗模型中,3GPP模型基于大量的实测数据,得到了针对城市微小区、城市宏小区以及乡村宏蜂窝的传播损耗模型,但很难拓展到空地场景[7]。CI 模型的参数稳定性较好且适合室外场景。CI模型考虑了阴影衰落因素,可以通过对现场数据的最佳拟合来调整路径损耗指数。在此基础上,本文进一步增加了无人机高度对PLE的影响,将空地毫米波传播损耗建模为
L(fc,d,hRX)[dB]=32.4+20log10(fc)+
10(A·hRXB)·log10(d)+χσ
(14)
其中A和B是依赖于环境变量的路径损耗指数,在不同的环境状态下会有显著的不同,χσ是环境相关的参数,在不同的场景中可能有很大的差异,预测结果会有一定的波动,因此用零均值高斯变量来表示起伏。d代表收发端之间距离,单位为m, fc为载频,单位为GHz。
对于视距情况,经过数据拟合后发现各场景下的路径损耗指数为A=2和B=0,因此该模型退化为CI模型,
(15)
其中,
代表阴影衰落因子的零均值高斯变量,χ是一个均值为0,方差为1的标准正态分布,σLoS在四个典型场景下的取值分别为2.24,1.44,1.91,2.18。
对于反射和绕射传播情况,高度参数对路径损耗的影响非常明显。本文通过对大量不同无人机高度仿真数据进行最小二乘拟合,得到了非视距传播路径下场景相关的模型参数取值如表4所示。表中,
为零均值高斯随机变量,单位为dB,χ是一个均值为0,方差为1的标准正态分布,σREF/DIFF在四个场景下的典型取值分别为3.13/6.49,3.60/6.84,3.53/6.65,3.72/6.18。
表4 不同场景模型参数的取值
Tab.4 Values of model parameters in different scenes
场景传播情况AB郊区反射2.406-0.01155绕射3.649-0.04734市区反射2.999-0.06958绕射4.146-0.0173密集城市反射2.772-0.04724绕射5.619-0.07443高层城市反射2.611-0.0269绕射4.921-0.04586
4 数值仿真与结果分析
本节对路径概率以及传播损耗模型进行了仿真验证,并对不同场景的传播损耗统计模型进行了分析。为了分析收发端距离对不同传播路径概率的影响,以高层城市场景为例,假设收发端的距离为1 m～1000 m,发射机在地面,接收机高度为30 m,对应情况下不同传播路径概率如图3所示。图中,不同颜色分别代表视距情况、反射情况、绕射情况和无传播路径情况时的概率,四种情况概率之和为1。由图可以看出,近距离时,视距路径占据主导地位;随着收发端距离的增加,视距路径的概率减小,反射路径概率略有增加,绕射路径概率大大增加。原因在于,随着距离增加,障碍物的情况更加复杂,产生反射绕射的几率更大;同时损耗也会更大,接收信号强度也越弱。
图3 不同传播路径概率参数随距离变化
Fig.3 Probability parameters of different propagation paths vary with distance
为将本文提出的路径损耗模型与3GPP、CI模型做对比分析,假设发射机高度hTX=1.5 m,接收机高度hRX=100 m,频率为fc=28 GHz。如图4给出了两种接收机高度30 m和150 m的路径损耗RT计算数据和最小二乘拟合的曲线。同时,图中还给出了标准化传播损耗模型的预测结果。由图可以看出,RT数据相对集中于三簇,可分别对应视距,反射,绕射三种情况。路径损耗随着距离的增加而增加,相同距离条件下绕射情况路径损耗最大,视距情况最小。对于视距路径,本文模型与3GPP模型和CI模型十分接近,并与RT数据也呈现良好的一致性;在非视距情况下,不同无人机高度的拟合曲线有显著差异,反射和绕射损耗都随着无人机高度的增加而减少,拟合结果与3GPP标准中提出的模型以及CI模型的仿真结果曲线走势相同,但本文模型进行细化后的路径损耗更加精确。
图4 高层城市场景随高度变化的路径损耗值与模型对比
Fig.4 Comparison of the path loss value with models of different heights under high-rise urban scenario
为体现不同频率下本文模型的适用性,假设发射机高度为2 m,接收机高度为50 m,频率分别为50 GHz、100 GHz、150 GHz,市区场景下的仿真结果如图5所示。可以看出,在高度、场景和距离相同时,随着载频的增高,视距路径、反射路径和绕射路径的传播损耗逐渐增大,并且频率越高,它对路径损耗的影响越不明显。
图5 不同频率传播损耗预测结果
Fig.5 Path loss prediction results of different frequencies
为分析本文传播损耗统计模型在不同场景下的特点,假设发射机高度为2 m,接收机高度为30 m和120 m,频率为28 GHz。对郊区、市区、密集城市和高层城市四个场景的仿真结果如图6所示。可以看出,在高度和距离相同时,由于四个场景的建筑物密度以及建筑物高度逐渐增高,视距路径概率减少,传播损耗也越来越大。在相同的场景下,高度越低,建筑物的遮挡越为严重,视距路径概率减少,反射路径和绕射路径概率增加,非视距路径占主导地位路径损耗也随之增大。在高空时,由于前三个场景建筑物高度较低,此时建筑物密度和高度对传播损耗的影响相对减小,路径损耗随距离变化缓慢,差距较低空不明显。总之,本文所提模型在不同场景、不同传播高度都具有良好的适用性,能有效应用于空地毫米波信道传播损耗预测。
图6 不同场景下传播损耗预测结果
Fig.6 Path loss prediction results under different scenarios
5 结论
由于传统毫米波传播损耗模型在空地场景下应用高度的局限性,本文通过对大量数据的拟合和分析,给出视距、反射、绕射和无信号情况下的路径概率模型,并综合考虑环境、频率、距离和接收机高度等因素对路径损耗的影响,提出了一种空地场景下毫米波通信的传播损耗统计模型。仿真结果表明,该模型相较于3GPP和CI模型与射线跟踪仿真数据更为接近。同时,该模型对不同场景、不同传播高度都具有良好的适用性,并且对于非视距情况分类使计算结果比传统模型更为精确。下一步研究工作,将收集不同空地场景的实测数据,对本文传播损耗模型进行验证和改进,并进一步考虑精细化地面场景对损耗的影响。
[1] ZENG Yong, WU Qingqing, ZHANG Rui. Accessing from the sky: A tutorial on UAV communications for 5G and beyond[J]. Proceedings of the IEEE, 2019, 107(12): 2327-2375.
[2] LI Bin, FEI Zesong, ZHANG Yan. UAV communications for 5G and beyond: Recent advances and future trends[J]. IEEE Internet of Things Journal, 2019, 6(2): 2241-2263.
[3] ZHU Qiuming, JIANG Kaili, CHEN Xiaomin, et al. A novel 3D non-stationary UAV-MIMO channel model and its statistical properties[J]. China Communications, 2018, 15(12): 147-158.
[4] 程乐乐, 朱秋明, 陆智俊, 等. 无人机毫米波信道建模及统计特性研究[J]. 信号处理, 2019, 35(8): 1385-1391.
CHENG Lele, ZHU Qiuming, LU Zhijun, et al. On the modeling and characteristics analyze for UAV-based millimeter wave channels[J]. Journal of Signal Processing, 2019, 35(8): 1385-1391.(in Chinese)
[5] CHENG Xiang, LI Yiran, WANG Chengxiang, et al. A 3-D geometry-based stochastic model for unmanned aerial vehicle MIMO ricean fading channels[J]. IEEE Internet of Things Journal, 2020, 7(9): 8674- 8687.
[6] 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(6): 1049-1059.
ZHU Qiuming, HUA Boyu, MAO Kai, et al. Advances and challenges of UAV millimeter-wave channel modeling[J]. Journal of Data Acquisition and Processing, 2020, 35(6): 1049-1059.(in Chinese)
[7] WANG Xueyuan, GURSOY M C. Coverage analysis for energy-harvesting UAV-assisted mmWave cellular networks[J]. IEEE Journal on Selected Areas in Communications, 2019, 37(12): 2832-2850.
[8] 范特, 徐家辉, 黄永明, 等. IEEE 802.11aj短距离无线接入毫米波通信技术研究及实现[J]. 信号处理, 2018, 34(2): 210-220.
FAN Te, XU Jiahui, HUANG Yongming, et al. Research and implementation IEEE 802.11aj short distance wireless access to millimeter-wave communication technology[J]. Journal of Signal Processing, 2018, 34(2): 210-220.(in Chinese)
[9] KHAWAJA W, GUVENC I, MATOLAK D W, et al. A survey of air-to-ground propagation channel modeling for unmanned aerial vehicles[J]. IEEE Communications Surveys & Tutorials, 2019, 21(3): 2361-2391.
[10] ZHU Qiuming, LI Hao, FU Yu, et al. A novel 3D non-stationary wireless MIMO channel simulator and hardware emulator[J]. IEEE Transactions on Communications, 2018, 66(9): 3865-3878.
[11] ZHU Qiuming, WANG Yawen, JIANG Kaili, et al. 3D non-stationary geometry-based multi-input multi-output channel model for UAV-ground communication systems[J]. IET Microwaves, Antennas & Propagation, 2019, 13(8): 1104-1112.
[12] CHANG Hengtai, BIAN Ji, WANG Chengxiang, et al. A 3D non-stationary wideband GBSM for low-altitude UAV-to-ground V2V MIMO channels[J]. IEEE Access, 2019, 7: 70719-70732.
[13] ZHU Qiuming, WANG Chengxiang, HUA Boyu, et al. 3GPP TR 38.901 channel model, the wiley 5G Ref: the essential 5G reference online[M]. Wiley Press, Jan.26, 2021.
[14] ITU-R. REP. ITU-R M.2135--2009, Guidelines for Evaluation of Radio Interface Technologies for IMT-Advanced[S]. Geneva, Switzerland:2009.
[15] CUI Zhuangzhuang,BRISO-RODR
GUEZ C,GUAN Ke,et al.Measurement-based modeling and analysis of UAV air-ground channels at 1 and 4 GHz[J]. IEEE Antennas and Wireless Propagation Letters, 2019, 18(9): 1804-1808.
[16] AL-HOURANI A,GOMEZ K.Modeling cellular-to-UAV path-loss for suburban environments[J].IEEE Wireless Communications Letters, 2018, 7(1): 82- 85.
[17] SAMIMI M K, RAPPAPORT T S, MACCARTNEY G R. Probabilistic omnidirectional path loss models for millimeter-wave outdoor communications[J]. IEEE Wireless Communications Letters, 2015, 4(4): 357-360.
[18] LEE J,CHIO J,KIM S. Cell coverage analysis of 28 GHz millimeter wave in urban microcell environment using 3-D ray tracing[J]. IEEE Transactions on Antennas and Propagation, 2018, 66(3): 1479-1487.
[19] ITU-R.Rec.P.1410-2.Propagation Data and Prediction Methods for the Design of Terrestrial Broadband Millimetric Radio Access Systems[S].Geneva,Switzerland:2003.
[20] AL-HOURANI A, KANDEEPAN S, LARDNER S. Optimal LAP altitude for maximum coverage[J]. IEEE Wireless Communications Letters, 2014, 3(6): 569-572.
