CN112968743A - 基于可见区域划分的时变去蜂窝大规模mimo信道建模方法 - Google Patents
基于可见区域划分的时变去蜂窝大规模mimo信道建模方法 Download PDFInfo
- Publication number
- CN112968743A CN112968743A CN202110212740.1A CN202110212740A CN112968743A CN 112968743 A CN112968743 A CN 112968743A CN 202110212740 A CN202110212740 A CN 202110212740A CN 112968743 A CN112968743 A CN 112968743A
- Authority
- CN
- China
- Prior art keywords
- path
- representing
- line
- scatterer
- expressed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 9
- 230000007704 transition Effects 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 32
- 230000033001 locomotion Effects 0.000 claims description 10
- 230000008033 biological extinction Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001934 delay Effects 0.000 claims description 4
- 240000007594 Oryza sativa Species 0.000 claims description 2
- 235000007164 Oryza sativa Nutrition 0.000 claims description 2
- 238000003491 array Methods 0.000 claims description 2
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical group CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 235000009566 rice Nutrition 0.000 claims description 2
- 230000004083 survival effect Effects 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims 2
- 238000010276 construction Methods 0.000 claims 1
- 230000001413 cellular effect Effects 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000005311 autocorrelation function Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000005307 time correlation function Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于可见区域划分的时变去蜂窝大规模MIMO信道建模方法,涉及无线通信中的信道建模的技术领域。构建三维非平稳信道矩阵;假设散射体在用户周围单环分布,在高楼周围呈椭球分布;建立三维直角坐标系,计算各路径的多普勒平移、时延和初始相位;最后计算归一化功率表达式,构建非平稳信道矩阵;更新时变信道参数;引入生灭过程,计算各传播路径的生灭概率;构建转移概率矩阵,实时产生传播路径数目;设定一定的功率阈值,筛选出不可见的散射体,提取有效的散射路径。能针对去蜂窝大规模MIMO***表现出的新特性,进行较为精确的信道建模;能有效更新信道时变参数,较好的展现出去蜂窝大规模MIMO信道的非平稳特性。
Description
技术领域
本发明涉及无线通信中的信道建模的技术领域,尤其涉及基于可见区域划分的时变去蜂窝大规模MIMO信道建模方法。
背景技术
用户通信需求提升和通信技术革新是移动通信***演进的源动力。随着信息通信技术的飞速发展以及新兴应用的快速涌现,移动数据流量和连接数量激增。目前,世界各国陆续发布了第六代移动通信***(Sixth-Generation,6G)的研发计划,以下4个技术将会在6G网络中扮演者十分重要的角色:①“去蜂窝”(Cell-Free)大规模MIMO技术;②太赫兹技术;③人工智能技术;④高精度定位与跟踪技术。
去蜂窝大规模MIMO***中,大量配置一根或多根天线的接入点(AccessPoint,AP)通过前向/回程链路连接到中央处理单元(Central Processing Unit,CPU),来共同完成大范围区域的连续覆盖,从而突破了“以小区为中心”的传统蜂窝覆盖设计思想,通过引入“以用户为中心”的可伸缩服务架构,有效消除了传统蜂窝边界。相较于传统蜂窝网络,去蜂窝***可有效缩短用户到AP的距离,从而大幅降低路径损耗,有效获取空间宏分集增益,并利用大量AP带来的有利传播,减小多用户干扰,实现均匀覆盖并大幅提升用户体验。
基于以上优势,去蜂窝大规模MIMO***非常适合火车站、机场、体育场馆、大型商场、智能工厂等热点场景,也为下一代移动通信网络的研究提供了方向。“H.Q.Ngo,A.Ashikhmin,H.Yang,E.G.Larsson and T.L.Marzetta,Cell-Free Massive MIMO VersusSmall Cells,IEEE Transactions on WirelessCommunications,vol.16,no.3,pp.1834-1850,March 2017.”文献“Qiu J,Xu K,Xia X,et al.Downlink Power Optimization forCell-Free Massive MIMO over Spatially Correlated Rayleigh Fading Channels[J].IEEE Access,2020,PP(99):1-1.”考虑空间相关瑞利衰弱信道模型,研究了去蜂窝大规模MIMO***下行链路功率优化问题。文献“Ngo H Q,Ashikhmin A,Yang H,et al.Cell-FreeMassive MIMO Versus Small Cells[J].IEEE Transactions on WirelessCommunications,2017,16(3):1834-1850.”将信道建模为大尺度和小尺度衰落,研究了去蜂窝大规模MIMO***中用户吞吐量和对阴影衰落空间相关性的免疫力。
然而以上所有的研究,均未对去蜂窝大规模MIMO***进行精确的信道建模。相较于集中式大规模MIMO***,去蜂窝大规模MIMO信道展现出许多新的特性,但有效准确的信道建模是基本信息理论分析和***传输方案设计的基础。
发明内容
本发明目的是提供一种基于可见区域划分的时变去蜂窝大规模MIMO信道建模方法,针对去蜂窝大规模MIMO通信***展现出的新特性,进行有效精确的信道建模,为基本信息理论分析和***传输方案设计奠定基础。
一种基于可见区域划分的时变去蜂窝大规模MIMO信道建模方法,包括如下步骤:
步骤1、构建三维非平稳信道矩阵;假设散射体在用户周围单环分布,在高楼周围呈椭球分布;建立三维直角坐标系,计算所有AP、用户和散射体的三维地理位置坐标;针对每条视距路径、单散射路径和双散射路径,计算俯仰角和方位角,并用三维坐标表示;计算各路径的多普勒平移、时延和初始相位;最后计算归一化功率表达式,构建非平稳信道矩阵;
步骤2:更新时变信道参数;引入生灭过程,计算各传播路径的生灭概率;构建转移概率矩阵,实时产生传播路径数目;根据散射体和用户移动速度,更新散射体和用户的地理位置;
步骤3:用户可见区域划分;设定一定的功率阈值,筛选出不可见的散射体,提取有效的散射路径。
本发明专利与现有信道建模方案相比具有如下优点:能针对去蜂窝大规模MIMO***表现出的新特性,进行较为精确的信道建模;能有效更新信道时变参数,较好的展现出去蜂窝大规模MIMO信道的非平稳特性。对不同时刻下时间相关函数随时延因子的变化,时间自相关函数随着时延因子的增大在一定范围内减小。在同一时延因子的情况下,选取时刻越大,时间自相关函数越大。时间自相关函数的变化主要来源于接收端和散射体之间的相对运动,体现了信道的非平稳特性。
附图说明
图1是本发明的去蜂窝大规模MIMO信道建模流程示意图。
图2是本发明的去蜂窝大规模MIMO***模型示意图。
图3是本发明的去蜂窝大规模MIMO信道建模示意图。
图4本发明在不同时刻t的条件下时间相关函数随时延因子τ变化情况图。
具体实施方式
如图1、图2、图3所示,一种基于可见区域划分的时变去蜂窝大规模MIMO信道建模方法,包括如下步骤:
步骤1、构建三维非平稳信道矩阵;假设散射体在用户周围单环分布,在高楼周围呈椭球分布;建立三维直角坐标系,计算所有AP、用户和散射体的三维地理位置坐标;针对每条视距路径、单散射路径和双散射路径,计算俯仰角和方位角,并用三维坐标表示;计算各路径的多普勒平移、时延和初始相位;最后计算归一化功率表达式,构建非平稳信道矩阵;具体实施如下:
在提出的去蜂窝大规模MIMO通信***模型中,收发端均采用均匀平面阵列;发射端配置Q根天线,各天线元素之间的距离为δT;接收端配置P根天线,各天线元素之间的距离为δR;分别以发射端和接收端的第一个天线元素为圆心,建立双环模型,记半径分别为Rt和Rr,同时以两个圆心为焦点建立半椭球模型,记长半轴为a,短半轴为b,焦点距离为D;AP固定,以AP为圆心的环上分布着N1个移动散射体,记移动速度向量为接收端速度向量为vR,以接收端为圆心的环上分布着N2个散射体,移动速度向量为假设椭球区域内分布着N3个静止的散射体;
AP与用户间的三维非平稳信道矩阵可表示为
其中,t指的是时刻,hqp(t)表示从发射端第q根天线元素到接收端第p根天线元素的信道冲激响应,包括视距路径与非视距路径部分;其中非视距分量包括单射散射分量和双射散射分量,具体表达式为
其中,Pi表示每条路径分配的功率,m表示散射路径数目的变量,Ni表示散射路径数量,表示非视距路径的单散射分量在AP端的多普勒频移,表示非视距路径的单散射分量在用户端的多普勒频移,表示非视距路径由于地理位置引起的相位延迟;表示双射散射路径分量,表达式为
其中,m1,m2表示散射路径数目的变量,表示非视距路径的双散射分量在AP端的多普勒频移,表示非视距路径的双散射分量在用户端的多普勒频移,表示非视距路径由于地理位置引起的相位延迟;Pi和PD表示归一化功率系数,且满足
视距路径的多普勒频移可表示为
其中,αR(t)表示接收端的俯仰角,βR(t)表示接收端的方位角,表示第ni,i=1,2,3簇第m=1,2,...Ni个散射体的俯仰角,表示第ni,i=1,2,3簇第m=1,2,...Ni个散射体的方位角;
视距路径的时延相位可表示为:
非视距路径单散射分量的时延相位可表示为:
非视距路径双散射分量的时延相位可表示为:
由于用户和散射体的不断移动,其地理位置也是时变的;其相对位置更新如下:
步骤2:更新时变信道参数;引入生灭过程,计算各传播路径的生灭概率;构建转移概率矩阵,实时产生传播路径数目;根据散射体和用户移动速度,更新散射体和用户的地理位置;具体实施如下:
考虑散射体的生灭过程,建模为二状态马尔科夫过程;假设状态0表示消亡,状态1表示存在;引入生灭过程,一次散射路径生灭过程的转移概率矩阵可以表示为
其中,Δt表示在时刻t后经过较短时延,表示从状态a到状态b的概率转移矩阵,且a,b∈{0,1},表示经过Δt后散射体从无到无的概率,表示经过Δt后散射体从无到有的概率,表示经过Δt后散射体从有到无的概率,表示经过Δt后散射体从有到有的概率,和分别表示一次散射径的消亡概率和新生概率,表示一次散射径的时变信道波动因子,表示为
新生的散射路径应遵守泊松过程,数学期望表示为
其中,Nnew(t,Δt)表示新产生的散射路径数目;结合公式(22)和(23)得到散射路径的平均数目为
E{N(t,Δt)}表示散射路径的平均数目。
步骤3:用户可见区域划分;设定一定的功率阈值,筛选出不可见的散射体,提取有效的散射路径;具体实施如下:
以Hata模型为基础,建立路径损耗公式:
PLHata(d)=68.75+27.72lgfc+44.9lgd(26)
忽略散射体处的功率损耗,得各散射路径的可见增益G的计算表达式
若可见增益大于等于阈值增益,则保留该有效散射路径;若可见增益小于阈值增益,则对无效路径进行筛除。
如图2所示,去蜂窝大规模MIMO***中,阵列天线随机布设,不同用户/AP周围的散射体分布各不相同。传统集中式大规模MIMO的远场平行波入射假设,以及在波达/离方向、散射体数目、随机衰落统计特性等方面体现出的共参数和广义平稳特性,在去蜂窝大规模MIMO***中变得不再适用。同时,收发距离的缩短使得信道角度扩展显著增大,近场传播和环境演变特性导致共散射簇数目显著减少。伴随着用户、散射体的随机移动,不同散射路径在时空轴向呈现生灭和演变现象,散射簇可见区域也在动态变化。针对去蜂窝大规模MIMO信道展现出的这些新特性,本发明提出了一种可见区域划分的时变去蜂窝大规模MIMO信道建模方法。
如图4所示,为采用本技术方案对不同时刻t下时间相关函数随时延因子τ的变化情况。可以看出,时间自相关函数随着时延因子τ的增大在一定范围内减小。在同一时延因子的情况下,选取时刻越大,时间自相关函数越大。时间自相关函数的变化主要来源于接收端和散射体之间的相对运动,体现了信道的非平稳特性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于可见区域划分的时变去蜂窝大规模MIMO信道建模方法,其特征在于包括如下步骤:
步骤1、构建三维非平稳信道矩阵;假设散射体在用户周围单环分布,在高楼周围呈椭球分布;建立三维直角坐标系,计算所有AP、用户和散射体的三维地理位置坐标;针对每条视距路径、单散射路径和双散射路径,计算俯仰角和方位角,并用三维坐标表示;计算各路径的多普勒平移、时延和初始相位;最后计算归一化功率表达式,构建非平稳信道矩阵;
步骤2:更新时变信道参数;引入生灭过程,计算各传播路径的生灭概率;构建转移概率矩阵,实时产生传播路径数目;根据散射体和用户移动速度,更新散射体和用户的地理位置;
步骤3:用户可见区域划分;设定一定的功率阈值,筛选出不可见的散射体,提取有效的散射路径。
2.根据权利要求1所述的基于可见区域划分的时变去蜂窝大规模MIMO信道建模方法,其特征在于上述步骤1中的构建三维非平稳信道矩阵具体实施如下:
在提出的去蜂窝大规模MIMO通信***模型中,收发端均采用均匀平面阵列;发射端配置Q根天线,各天线元素之间的距离为δT;接收端配置P根天线,各天线元素之间的距离为δR;分别以发射端和接收端的第一个天线元素为圆心,建立双环模型,记半径分别为Rt和Rr,同时以两个圆心为焦点建立半椭球模型,记长半轴为a,短半轴为b,焦点距离为D;AP固定,以AP为圆心的环上分布着N1个移动散射体,记移动速度向量为接收端速度向量为vR,以接收端为圆心的环上分布着N2个散射体,移动速度向量为假设椭球区域内分布着N3个静止的散射体;
AP与用户间的三维非平稳信道矩阵可表示为
其中,t指的是时刻,hqp(t)表示从发射端第q根天线元素到接收端第p根天线元素的信道冲激响应,包括视距路径与非视距路径部分;其中非视距分量包括单射散射分量和双射散射分量,具体表达式为
其中,Pi表示每条路径分配的功率,m表示散射路径数目的变量,Ni表示散射路径数量,表示非视距路径的单散射分量在AP端的多普勒频移,表示非视距路径的单散射分量在用户端的多普勒频移,表示非视距路径由于地理位置引起的相位延迟;
其中,m1,m2表示散射路径数目的变量,表示非视距路径的双散射分量在AP端的多普勒频移,表示非视距路径的双散射分量在用户端的多普勒频移,表示非视距路径由于地理位置引起的相位延迟;Pi和PD表示归一化功率系数,且满足
视距路径的多普勒频移可表示为
其中,αR(t)表示接收端的俯仰角,βR(t)表示接收端的方位角,表示第ni,i=1,2,3簇第m=1,2,...Ni个散射体的俯仰角,表示第ni,i=1,2,3簇第m=1,2,...Ni个散射体的方位角;
视距路径的时延相位可表示为:
非视距路径单散射分量的时延相位可表示为:
非视距路径双散射分量的时延相位可表示为:
由于用户和散射体的不断移动,其地理位置也是时变的;其相对位置更新如下:
3.根据权利要求2所述的基于可见区域划分的时变去蜂窝大规模MIMO信道建模方法,其特征在于上述步骤2所述的更新时变信道参数具体实施如下:
考虑散射体的生灭过程,建模为二状态马尔科夫过程;假设状态0表示消亡,状态1表示存在;引入生灭过程,一次散射路径生灭过程的转移概率矩阵可以表示为
其中,Δt表示在时刻t后经过较短时延,表示从状态a到状态b的概率转移矩阵,且a,b∈{0,1},表示经过Δt后散射体从无到无的概率,表示经过Δt后散射体从无到有的概率,表示经过Δt后散射体从有到无的概率,表示经过Δt后散射体从有到有的概率,和分别表示一次散射径的消亡概率和新生概率,表示一次散射径的时变信道波动因子,表示为
新生的散射路径应遵守泊松过程,数学期望表示为
其中,Nnew(t,Δt)表示新产生的散射路径数目;结合公式(22)和(23)
得到散射路径的平均数目为
E{N(t,Δt)}表示散射路径的平均数目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110212740.1A CN112968743B (zh) | 2021-02-25 | 2021-02-25 | 基于可见区域划分的时变去蜂窝大规模mimo信道建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110212740.1A CN112968743B (zh) | 2021-02-25 | 2021-02-25 | 基于可见区域划分的时变去蜂窝大规模mimo信道建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112968743A true CN112968743A (zh) | 2021-06-15 |
CN112968743B CN112968743B (zh) | 2023-06-02 |
Family
ID=76286154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110212740.1A Active CN112968743B (zh) | 2021-02-25 | 2021-02-25 | 基于可见区域划分的时变去蜂窝大规模mimo信道建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112968743B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113541836A (zh) * | 2021-07-21 | 2021-10-22 | 北京航空航天大学 | 一种车联网信道冲激响应确定方法及*** |
CN113692010A (zh) * | 2021-08-27 | 2021-11-23 | 南京航空航天大学 | 一种无人机对地通信传播路径随机生灭的动态模拟方法 |
CN113890578A (zh) * | 2021-09-29 | 2022-01-04 | 浙大城市学院 | 基于ris和相关信道无蜂窝***功率设计方法 |
CN113938233A (zh) * | 2021-11-18 | 2022-01-14 | 重庆邮电大学 | 一种无人机非平稳空对空mimo信道的几何随机建模方法 |
CN114124263A (zh) * | 2021-11-25 | 2022-03-01 | 江苏科技大学 | 基于大规模智能反射单元的无人机信道模型建立方法 |
CN114301546A (zh) * | 2021-12-02 | 2022-04-08 | 中国人民解放军国防科技大学 | 时变nlos场景下卫星导航信道仿真方法、装置及*** |
CN115347924A (zh) * | 2022-07-27 | 2022-11-15 | 南京邮电大学 | Vr交叠的超大规模mimo***中用户功率分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108199794A (zh) * | 2018-03-05 | 2018-06-22 | 南京邮电大学 | 一种新型Massive MIMO信道模型的统计性建模方法 |
CN109639378A (zh) * | 2019-01-29 | 2019-04-16 | 南京信息工程大学 | 矩形隧道无线传播信道建模方法 |
CN111314001A (zh) * | 2020-03-10 | 2020-06-19 | 合肥工业大学 | 一种基于几何的非平稳v2v mimo信道建模方法 |
-
2021
- 2021-02-25 CN CN202110212740.1A patent/CN112968743B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108199794A (zh) * | 2018-03-05 | 2018-06-22 | 南京邮电大学 | 一种新型Massive MIMO信道模型的统计性建模方法 |
CN109639378A (zh) * | 2019-01-29 | 2019-04-16 | 南京信息工程大学 | 矩形隧道无线传播信道建模方法 |
CN111314001A (zh) * | 2020-03-10 | 2020-06-19 | 合肥工业大学 | 一种基于几何的非平稳v2v mimo信道建模方法 |
Non-Patent Citations (2)
Title |
---|
张薇等: "一种基于随机散射簇的非平稳3D空间信道模型", 《电子与信息学报》 * |
江凯丽等: "三维场景非平稳MIMO信道构建及参数演进方法", 《应用科学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113541836B (zh) * | 2021-07-21 | 2022-06-10 | 北京航空航天大学 | 一种车联网信道冲激响应确定方法及*** |
CN113541836A (zh) * | 2021-07-21 | 2021-10-22 | 北京航空航天大学 | 一种车联网信道冲激响应确定方法及*** |
CN113692010A (zh) * | 2021-08-27 | 2021-11-23 | 南京航空航天大学 | 一种无人机对地通信传播路径随机生灭的动态模拟方法 |
CN113692010B (zh) * | 2021-08-27 | 2023-03-14 | 南京航空航天大学 | 一种无人机对地通信传播路径随机生灭的动态模拟方法 |
CN113890578A (zh) * | 2021-09-29 | 2022-01-04 | 浙大城市学院 | 基于ris和相关信道无蜂窝***功率设计方法 |
CN113938233A (zh) * | 2021-11-18 | 2022-01-14 | 重庆邮电大学 | 一种无人机非平稳空对空mimo信道的几何随机建模方法 |
CN113938233B (zh) * | 2021-11-18 | 2023-09-29 | 重庆邮电大学 | 一种无人机非平稳空对空mimo信道的几何随机建模方法 |
CN114124263A (zh) * | 2021-11-25 | 2022-03-01 | 江苏科技大学 | 基于大规模智能反射单元的无人机信道模型建立方法 |
CN114124263B (zh) * | 2021-11-25 | 2023-09-22 | 江苏科技大学 | 基于大规模智能反射单元的无人机信道模型建立方法 |
CN114301546A (zh) * | 2021-12-02 | 2022-04-08 | 中国人民解放军国防科技大学 | 时变nlos场景下卫星导航信道仿真方法、装置及*** |
CN114301546B (zh) * | 2021-12-02 | 2024-04-19 | 中国人民解放军国防科技大学 | 时变nlos场景下卫星导航信道仿真方法、装置及*** |
CN115347924A (zh) * | 2022-07-27 | 2022-11-15 | 南京邮电大学 | Vr交叠的超大规模mimo***中用户功率分配方法 |
CN115347924B (zh) * | 2022-07-27 | 2023-05-30 | 南京邮电大学 | Vr交叠的超大规模mimo***中用户功率分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112968743B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112968743B (zh) | 基于可见区域划分的时变去蜂窝大规模mimo信道建模方法 | |
Hemadeh et al. | Millimeter-wave communications: Physical channel models, design considerations, antenna constructions, and link-budget | |
CN107248877B (zh) | 基于实测数据的MassiveMIMO信道建模方法 | |
Jiang et al. | Three-dimensional geometry-based stochastic channel modeling for intelligent reflecting surface-assisted UAV MIMO communications | |
Cheng et al. | Modeling and simulation for UAV air-to-ground mmWave channels | |
CN113489521A (zh) | 反射面辅助无小区大规模mimo网络智能联合波束赋形方法 | |
CN110620627B (zh) | 一种车辆到车辆多天线***的非平稳信道建模方法及装置 | |
Huang et al. | A non-stationary 6G V2V channel model with continuously arbitrary trajectory | |
Hao et al. | Ultra wideband THz IRS communications: Applications, challenges, key techniques, and research opportunities | |
CN115278707A (zh) | 基于智能反射面辅助的noma太赫兹网络能效优化方法 | |
CN115665759A (zh) | 一种基于uav-ris的辅助无线安全通信传输方法 | |
Zaman et al. | A millimeter wave channel modeling with spatial consistency in 5G systems | |
He et al. | Investigation and comparison of QuaDRiGa, NYUSIM and MG5G channel models for 5G wireless communications | |
CN114499724A (zh) | 一种面向低轨卫星通信的空时频非平稳传输特性分析方法 | |
Hasan et al. | Performance estimation of massive MIMO drop-based propagation channel model for mmWave communication | |
CN102035588A (zh) | 基于角度信息的发射多播赋形方法及*** | |
Hu et al. | Channel modeling for UAV-aided LEO satellite communication | |
Shang et al. | UAV swarm-enabled aerial reconfigurable intelligent surface | |
Chen et al. | A twin-multi-ring channel model for massive MIMO system | |
CN114499615B (zh) | 一种太赫兹通信***中近远场统一的发射波束成形方法 | |
Tamaddondar et al. | 3D massive MIMO channel modeling with cluster based ray tracing method | |
Wang et al. | Geometry-based UAV-MIMO channel model for intelligent reflecting surface-assisted communication systems | |
Liao et al. | 3D stochastic geometry channel model of cell-free massive MIMO system | |
Emmanuel et al. | Development of an Optimum Beamforming Strategy for Outdoor Communication in Millimeter Wave Wireless Sensor Network. | |
Biswas et al. | A robust mobile anchor–based localisation technique for wireless sensor network using smart antenna |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |