关于信道模型的一些主要的缩略词:

LOS:Line Of Sight

NLOS:Non-LOS

O2I:Outdoor-to-Indoor

O2O:Outdoor-to-Outdoor

RMa:Rural Macro

SCM:Spatial Channel Model

SSCM:Statistical Spatial Channel Model

UMa:Urban Macro

UMi:Urban Micro

InF:Indoor Factory

InH:Indoor Hotspot

IRR:Infrared Reflecting

ISD:Intersite Distance

关于信道模型的典型场景:

  1. UMi (Street canyon, open area) with O2O and O2I: 基站在建筑物顶上, 周围是空旷区域(宽度在50米到100米左右)。发射端高度10米,接收端高度1.5至2.5米,站间距200米。(Tx height:10m, Rx height: 1.5-2.5 m, ISD: 200m)
  2. UMa with O2O and O2I:与前面UMi类似,区别在于发射端高度和站间距。(Tx height:25m, Rx height: 1.5-2.5 m, ISD: 500m)。可以看到UMa属于覆盖范围更大的场景。
  3. Indoor:室内覆盖场景,比如办公室和商场。基站部署在屋顶,发射端高度在2到3米,接收端高度1.5米,基站覆盖范围约500平米。(Tx height: 2-3m, Rx height: 1.5m, area: 500)

关于信道模型的路损计算:

信道模型给出终端在距离基站不同位置的路损值。其中,如果终端与基站之间无遮挡,就需要使用LOS模型。如果终端与基站之间存在遮挡,就使用NLOS模型。如果终端处于室内,并且接入的是室外的宏站,则还需要考虑O2I的穿透损耗。

在TR38.901 图7.4.1中,对基站与终端的各自高度以及基站与终端的距离做了定义。

以UMa场景为例,TR38.901 Table 7.4.1-1中,所给出的Pathloss计算公式为:

从上面公式中可以看到,在UMa LOS场景下,Pathloss与基站高度、终端高度、载波频率、终端与基站之间的距离相关。

如果终端处于室内,在接入室外宏站时,信道模型还需要考虑O2I的穿透损耗。

TR 38.901中公式7.4-2给出了O2I场景下的Pathloss计算方法。

其中,

PLb是前面所介绍的基本路损;

PLtw是墙体的穿透损耗;

PLin是穿过墙体之后的路损;

TR 38.901中公式7.4-3给出了PLtw的计算方法:

其中,

PLnpi是一个额外增加的考虑到非垂直入射角的损耗,为一个固定值;

Pi是不同材料的成本占比;

Lmaterial_i是材料的穿透损耗参数;

从上面的公式可以看出,穿透损耗与材料材质强相关。在TR 38.901 Table 7.4.3-1中,给出了不同材料的损耗参数。其中,有红外反射材质的玻璃的穿透损耗最大。

TR38.901 Table7.4.3-2中,给出了一个例子,对于低路损场景,可以看到是属于水泥占比较多墙体。对于高路损场景,则是有红外反射玻璃占比较多的墙体。

上述内容只是初步介绍了信道模型路损计算的基础,详细内容可以深入参考3GPP TR 38.901。

3GPP信道模型路损基础知识相关推荐

  1. 【人工智能】大模型之编码器基础知识

    [人工智能]大模型之编码器基础知识 文章目录 [人工智能]大模型之编码器基础知识 1. 引言 2. 技术原理及概念 2.1 基本概念解释 2.2 技术原理介绍 一.自注意力机制 二.编码器的基本工作流 ...

  2. Java工程师成神之路java基础知识之集合类(二)

    Java 8中Map相关的红黑树的引用背景.原理等 HashMap的容量.扩容 很多人在通过阅读源码的方式学习Java,这是个很好的方式.而JDK的源码自然是首选.在JDK的众多类中,我觉得HashM ...

  3. linux设备模型一(基础知识)

    1. 前言 在上一节中,蜗蜗大神有提到,由于Linux支持世界上几乎所有的.不同功能的硬件设备(这是Linux的优点),导致Linux内核中有一半的代码是设备驱动,而且随着硬件的快速升级换代,设备驱动 ...

  4. Python Word2vec训练医学短文本字/词向量实例实现,Word2vec训练字向量,Word2vec训练词向量,Word2vec训练保存与加载模型,Word2vec基础知识

    一.Word2vec概念 (1)Word2vec,是一群用来产生词向量的相关模型.这些模型为浅而双层的神经网络,用来训练以重新建构语言学之词文本.网络以词表现,并且需猜测相邻位置的输入词,在word2 ...

  5. python命名规则数字开头的成语_python小白之路(基础知识一)

    一.开篇输出:print("Hello World!") 二.中文自由行:#coding=utf-8 或 # -- coding:UTF-8 -- 三.Linux多行:#!/usr ...

  6. 惯性导航原理(2):导航基础知识

    二.导航基础知识 矩阵基础知识 1.向量叉乘与反对称阵 欧拉角.坐标转换矩阵.四元数.等效旋转矢量 1.欧拉角 1.旋转顺序 2.内旋与外旋 2.坐标转换矩阵 3.四元数 4.轴角/旋转矢量 5.欧拉 ...

  7. HH神经元模型基础知识与实现

    HH神经元模型基础知识与实现 HH神经元模型的建立 Hodgkin以及Huxley的工作 基础知识 模型构建 钾离子电流 钠离子电流 模型计算 实现代码 -python 仿真结果 参考文献 HH神经元 ...

  8. OSI七层模型基础知识及各层常见应用

    OSI七层模型基础知识及各层常见应用 目录 二. OSI基础知识 三. OSI的七层结构 四. OSI分层的优点 五. OSI模型与TCP/IP模型的比较 六.OSI七层模式简单通俗理解 模型把网络通 ...

  9. OFDM系统中的信道估计基础知识(一)

    OFDM完整仿真过程及解释(MATLAB) 参考二 调制与变频.基带信号与射频信号中的IQ调制(又称矢量调制) 目录 一.OFDM系统接收机的典型结构图 问题: 二.OFDM调制与解调 三.过程中涉及 ...

  10. 【系统分析师之路】第十七章 多媒体基础知识(章节重点)

    [系统分析师之路]第十七章 多媒体基础知识(章节重点) 第十七章 多媒体基础知识章节重点 [系统分析师之路]第十七章 多媒体基础知识(章节重点) 章节重点 一. 多媒体技术基本概念(★★) 1)基本概 ...

最新文章

  1. VMware提示:已将该虚拟机配置为使用 64 位客户机操作系统。但是,无法执行 64 位操作。解决方案...
  2. OpenCV中使用类VideoCapture加载视频和打开摄像头
  3. ISP采用的 ISIS链接状态路由协议
  4. laravel5单元测试
  5. C# 自定义sqlserver表值函数
  6. java面试题之spring aop中jdk和cglib哪个动态代理的性能更好?
  7. 项目引用android-support-v7-appcompat,如何使用android-support-v7-appcompat
  8. PMP和PRINCE2到底有什么区别?哪个含金量更高?
  9. java代码压缩文件
  10. Intel SGX论文调研
  11. ice 3.6 java_Ice的安装与入门实验(超详细)
  12. 如何在win10上显示隐藏文件
  13. 平行四边形周长和面积计算c语言,平行四边形的周长公式
  14. 怎样清理苹果电脑磁盘空间_Mac启动磁盘已满?如何快速清理电脑磁盘
  15. 【Excel VBA和Python对照学习】创建字典
  16. 从记账软件看工具类APP的存量运营之道
  17. 海康工业摄像头调用(linux基于python和opencv)
  18. clickhouse插入数据报错Cannot reserve 1.00 MiB, not enough space (version 20.8.3.18)
  19. configure(configure的中文意思)
  20. java 线程间通信的几种方式

热门文章

  1. 《NLTK基础教程》读书笔记 007期
  2. 云:另类淘宝创业,瞄准背后百万卖家的数据挖掘
  3. ctfshow baby杯 MISC 不问天 WriteUp
  4. 华为鸿蒙系统发布直播,正在直播 华为今日正式发布自有操作系统:鸿蒙!
  5. php加密姆巴佩浪费时,原创白给都不要?姆巴佩浪费三次良机!年轻人后浪太紧张?...
  6. RAM/DDR/ROM/FLASH/EMMC
  7. 湘潭大学计算机考研调剂,2017年湘潭大学考研调剂信息公告
  8. 用UML设计Java应用程序-处理图书馆借阅和预定图书和杂志
  9. 浅谈分布式经纪业务系统模式
  10. 某销售公司在年末的时候会向员工发放红包,发放的红包金额共有5种,获取的条件各不相同