[发明专利]基于实测数据的MassiveMIMO信道建模方法

说明书

本发明属于多输入多输出系统技术领域，公开了一种基于实测数据的Massive MIMO信道建模方法；建立共焦椭圆模型，设置基站和偶极子的参数；依据实测数据获得散射簇的生灭速率，得到9状态马尔科夫链状态转移概率矩阵，利用马尔科夫链描述天线阵列轴上散射簇的演进过程，分配每个散射簇特征参数；最后根据各个参数之间的几何位置关系，计算视距和非视距情况下的相位和多普勒频率，生成信道冲激响应。本发明能够准确的描述散射簇在天线阵列上生灭过程，刻画了Massive MIMO信道的非平稳特征，能够描述球面波特征；同时计算量较小，能够在较少的时间内生成信道冲激响应，提高了信道的仿真效率。

技术领域

本发明属于多输入多输出系统技术领域，尤其涉及一种基于实测数据的 MassiveMIMO信道建模方法。

背景技术

随着智能手机和平板电脑等智能终端的大范围普及，互联网高清业务和多媒体业务的不断推广使用，对无线数据业务的需求呈现爆发式增长，对无线通信系统的频谱效率、功率效率以及容量性能提出了更高要求。据权威机构预测，未来十年移动无线通信数据量将增加几百倍。在这样的应用背景下，传统的多输入多输出(MIMO)技术已经不能满足呈指数上涨的无线数据需求，Massive MIMO技术应运而生。Massive MIMO技术是指在基站端放置远多于现今系统中所使用的天线数量的一种天线架设模式，比如使用几十或者上百根基站天线来同时服务一定数量的用户终端，它可以使得阵列增益大大增加，从而有效地降低发射端的功率消耗，使得系统总能效能够提升多个数量级，进一步提升系统容量，有效地解决无线数据业务对系统容量的需求。虽然Massive MIMO技术呈现出极具吸引力的性能提升，但是也存在着很多的难题和挑战。对于5G Massive MIMO通信系统来说，建立一个准确的信道模型是非常重要的。在传统的MIMO 技术中，信道建模的方法有基于几何的随机建模(GBSM)、参数化统计建模 (PSM)、基于相关的空时相关特征的建模方法(CBSM)等，但是这些信道建模方法不能直接用于Massive MIMO信道建模，因为Massive MIMO技术有与传统MIMO技术明显不同的特征。在Massive MIMO技术中，随着天线数目的增多和天线尺寸的变化，发射端和接收端或者散射簇之间的距离将小于瑞利距离，因而传统MIMO技术中的远场效应和波前为平面波假设不再成立，所以Massive MIMO技术中为近场效应和波前是球面波。还有在Massive MIMO技术中，每个天线阵元能观察到不同的簇集合，即在天线阵列上有些簇是可见的，有些簇是不可见的，存在散射簇的出现和消失，这也是与传统MIMO技术所不同的地方，所以Massive MIMO技术中天线阵列上信道响应宽平稳特性不再成立。对于 MassiveMIMO存在特征，我们需要建立合适的模型来描述球面波和刻画簇在阵列上非平稳的特性。

发明内容

针对现有技术存在的问题，本发明提供了一种基于实测数据的Massive MIMO信道建模方法。

本发明是一种基于实测数据的Massive MIMO信道建模方法，所述基于实测数据的Massive MIMO信道建模方法包括以下步骤：

步骤一，建立共焦椭圆模型，设置基站和偶极子的参数，基站设置大规模的均匀线性天线阵列，天线阵元都是全向天线，阵元间距为δ_T，为半波长，另一端是一个偶极子，也是全向天线；建立共焦椭圆模型，基站天线阵列中心和偶极子连线组成X轴，两个天线阵列中心分别位于共焦椭圆的两个焦点上，距离为2f，基站阵列倾角为β_T，散射簇分布在共焦椭圆上，设第1个散射簇所对应的椭圆的长轴为2a₁，第n个散射簇所对应的椭圆的长轴为2a_n，散射簇n与基站阵列中心和偶极子的距离分别为

步骤二，依据实测数据获得散射簇的生灭速率，计算基站端天线阵列散射簇新生成的概率和生存概率，得到9状态马尔科夫链状态转移概率矩阵，利用马尔科夫链模型描述天线阵列轴上散射簇的演进过程，得到散射簇集后，根据 WINNER II模型分配每个散射簇特征参数；