工業物聯網無線信道與噪聲特性

張克，劉留,，袁澤，張琨，張建華，劉志軍

?

工業物聯網無線信道與噪聲特性

張克1，劉留1,2，袁澤1，張琨1，張建華2，劉志軍3

（1. 北京交通大學電子信息工程學院，北京 100044； 2. 北京郵電大學泛網無線通信教育部重點實驗室，北京 100876； 3. 北京航天測控技術有限公司，北京 100041）

隨著“中國制造2025”“智能制造”“互聯網+”等一系列國家戰略規劃的提出和實施，國內工業物聯網技術將迎來迅猛的發展。然而，工廠惡劣環境下的信道和噪聲特性給工業物聯網無線通信帶來了極大的挑戰?；诖?，對工業物聯網應用的無線通信技術進行介紹和對比，總結了工業物聯網環境下的信道和噪聲特點，對工業物聯網無線通信研究中的關鍵內容——信道和噪聲特性分析進行了回顧。

工業物聯網；無線通信技術；信道特性；噪聲特性

1 引言

隨著工業化與信息化的深度融合，企業內部互聯互通的需求漸增，通過接入網絡進而達到提高產品質量和運營效率的需求更為強烈，IIoT（industrial internet of things，工業物聯網）應運而生。由中國電子技術標準化研究院編寫的《工業物聯網白皮書（2017）》指出：“工業物聯網是通過工業資源的網絡互聯、數據互通和系統互操作，實現制造原料的靈活配置、制造過程的按需執行、制造工藝的合理優化和制造環境的快速適應，達到資源的高效利用，從而構建服務驅動型的新工業體系”[1]。目前，提高生產效率、實現節能減排是我國制造業面臨的主要戰略任務，伴隨著工業物聯網的發展，智能制造將貫穿于企業生產經營的各個環節，為我國制造業的發展帶來深刻的變革。2017年1月由工業和信息化部發布的《物聯網的十三五規劃（2016—2020年）》提出，建設制造強國、網絡強國，推進供給側結構性改革，以CPS（cyber-physical system，信息物理系統）為代表的物聯網智能信息技術將在制造業智能化、網絡化、服務化等轉型升級方面發揮重要作用[2]。由此可見，制造業已經成為工業物聯網的重要應用領域。

無線通信技術是工業物聯網發展的重要基礎，工業物聯網的實施一般包括4個階段：一是利用智能感知技術隨時隨地采集工業數據，二是通過通信網絡將采集的數據傳遞出去，三是利用云計算、大數據等技術對這些數據進行深度挖掘和利用，四是基于信息管理、智能終端和平臺集成等技術，實現傳統工業的智能化改造[1]。正是通信技術的發展保證了第二階段的順利進行，通信網絡連接現場設備、控制器、人機界面、監控系統以及企業管理系統，是工業物聯網生產系統中的信息傳輸通道，是生產系統穩定安全運行的重要基礎。而在工業通信網絡中，無線通信是其中重要的組成部分之一，相較于有線通信網絡，無線通信網絡構建成本低，減少了大量電纜安裝、維護所需的費用和時間，避免了振動、高溫等惡劣環境對電纜的損壞。工業物聯網中的無線通信技術主要可以分為兩類：一類是ZigBee、Wi-Fi、Z-wave、藍牙（bluetooth）等短距離通信技術；另一類是LPWAN（low-power wide-area network，低功耗廣域網絡），比較常見的如NB-IoT（narrow band internet of things，基于蜂窩網絡的窄帶物聯網）、eMTC（增強機器類通信）、LoRa（基于擴頻技術的超遠距離無線傳輸方案）。業界對于5G提出了需求各異的應用場景，目前5G系統已經包括工業環境的通信概念，涵蓋廣泛的應用，包括機器類型通信、移動網絡物理系統和智能工廠，這些將會使工業自動化界獲益匪淺[3]。同時，mMTC（massive machine type communication，大規模機器類通信）是ITU-R（ITU-Radio Communications Sector，國際電信聯盟無線電通信組標準化組織）確定的5G三大主要應用場景之一，海量的無線物聯網的研發和應用必將有效地支撐工業物聯網無線技術的發展[4]。

從信息論的角度看，決定通信頻譜效率有兩個因素：一是傳輸的信道特征，二是傳輸鏈路的信噪比。從信道特征來看，工業場景中的傳播環境與傳統無線通信的傳播環境存在較大的差別，傳統工業有煤炭廠、鋼鐵廠、機械廠、木材廠、服裝廠等，不同的產業制造和生產不同的產品，這些材料吸收和反射能力有很大差異，其信道傳播特征（包括多徑分量、路徑損耗等）均表現不同；此外，工業場景中存在的機床、機械臂等金屬障礙物會對電波傳輸損耗造成影響；金屬設備在電波傳播中會形成較強的鏡面反射和散射，從而產生更多強度較大的多徑分量；工業自動化中的機械臂轉動、機器人運輸移動等運動因素會讓無線信道同時具有時變特性。從傳輸鏈路信噪比來看，在常規無線通信中信噪比的定量使用中，通常使用加性高斯白噪聲，即噪聲的功率譜是一個常數。工廠在工作時，由于設備溫度的升高、機械震動、火花放電等物理現象會輻射出大量的電磁噪聲，這時會出現突發的脈沖噪聲，這些噪聲可能在功率譜形狀、生命周期等方面和傳統的加性高斯白噪聲有著較大的不同；同時，工業物聯網技術需要大量應用低功耗無線傳感設備，工廠中的電磁噪聲會對低功耗的無線傳感系統產生巨大的影響。

無線通信想要真正在工業物聯網發揮作用，需要對工業環境下無線信道和噪聲特性開展新的研究分析，因為無線通信系統的傳輸速率和質量最終都要受到無線信道和噪聲特性的制約，準確的信道模型可以使網絡部署、優化工作更加準確和有效，從而提升無線網絡的性能和可靠性[5]。在工業物聯網中，許多工業控制系統對網絡有著嚴格的時延和可靠性要求，只有在充分掌握信道和噪聲特性之后，才能采取與之相適應的物理層技術并實現合理的系統設計[6]。目前國內外對工業環境下的無線信道和噪聲特性研究分析較少，而當前國內工業物聯網的發展迫切需要此類的研究。因此，本文對國外相關研究進行回顧與總結，旨在為國內工業環境下的無線信道和噪聲特性分析提供一些啟發，為我國的工業物聯網發展提供理論基礎。

2 工業物聯網中的無線通信技術

對工業物聯網無線通信技術的選擇主要取決于其具體應用的場景，因為不同場景對信息傳輸的功耗、成本、速率、容量等存在差異化的需求。目前，Wi-Fi、藍牙、ZigBee、RFID（radio frequency identification，射頻識別）、UWB（ultra wideband，超帶寬）、NFC（near field communication，近場通信）等技術已被廣泛應用在短距離無線通信技術中，而NB-IoT、eMTC和LoRa等新的主流低功耗廣域網絡技術正在與這些短距離無線通信技術互補，相互配合使用于工業物聯網的應用場景中。其中，藍牙、Wi-Fi和ZigBee技術都使用2.4 GHz頻段；UWB（ultra wideband，超帶寬）是一種無載波通信技術，具有定位精度高、安全性強、抗干擾能力強等特點，主要應用于工廠監控領域；RFID技術可通過無線電信號識別特定目標，單向讀寫相關數據，可以提供生產制造控制系統、生產制造執行系統和管理信息系統的服務信息[7]；而NFC技術在電子設備之間實現簡單和安全的雙向交互，應用于物品識別。這些技術各有所長，也各有所短。

NB-IoT是基于窄帶（200 kHz）的蜂窩物聯網技術，是專門為低功耗、廣覆蓋的物聯網業務設計的（基于FDD模式）。NB-IoT技術穿墻能力較傳統技術有大幅度的提升，且在同一基站情況下，NB-IoT可以提供現有無線技術50~100倍的接入數，一個扇區能夠支持10萬個連接，并且支持低時延敏感度、超低成本、低功耗和優化的網絡架構[8]。此外，NB-IoT構建于蜂窩網絡，可直接部署于GSM（global system for mobile communication，全球移動通信系統）網絡、UMTS（universal mobile telecommunications system，通用移動通信系統）網絡或LTE（long term evolution，通用移動通信技術的長期演進）網絡，以降低部署成本、實現平滑升級。NB-IoT繼承了4G網絡的安全能力，支持雙向鑒權以及空口嚴格加密，確保用戶數據的安全性和穩定性，有效支撐工業物聯網應用。

eMTC在LTE系統的基礎上，為低功耗、廣覆蓋物聯網業務拓展了新功能，可在LTE系統上實現軟件升級。eMTC支持上下行最大1 Mbit/s峰值速率，遠遠超過傳統GPRS（general packet radio service，通用分組無線服務）、ZigBee等技術的速率；eMTC支持連接態移動性，物聯網用戶可以無縫切換，保障用戶體驗；基于TDD（time division duplexing，時分雙工）的eMTC還可提供低成本的定位技術，在物流跟蹤、貨物跟蹤等場景應用廣泛[9]。

LoRa是一種基于擴頻技術的遠距離無線傳輸技術，最早由美國Semtech公司采用和推廣。LoRa極大地改善了接收的靈敏度，降低了功耗；LoRa技術的網關支持多信道多數據速率的并行處理，系統容量大，還可以支持測距和定位。LoRa技術的特點使其非常適用于要求功耗低、距離遠、大量連接及定位跟蹤的物聯網應用場景[10]。

綜上所述，NB-IoT雖然以低功耗、廣域網、低速率、待機時間長而著稱，但其帶寬只有200 kHz左右，不能達到較高速率業務的需求。eMTC帶寬1.4 MHz，具有良好的移動性和語音功能，可在LTE系統上直接升級軟件支持。NB-IoT和eMTC適合于面積廣闊的公共空間，LoRa主要使用于非授權頻段，受無線覆蓋范圍限制，適用于一些短距離覆蓋和專用網絡場景應用，滿足很多工業生產生活中對小范圍內構建局域網的需求。

3 工業物聯網信道測量研究現狀與信道特性研究回顧

3.1 工業物聯網信道特點

工業無線通信的發展和實施，能夠讓企業的管理部門和生產現場數據信息進行實時更新，實時掌握工廠中的生產情況，能夠更迅速、及時準確地互通信息進行控制和管理。常規工廠環境大致分為3類典型工業場景。

（1）精密工業場景

如手機電路板電裝車間、家用電器生產線車間等（如圖1（a）所示）。這類場景中，生產都是在機箱內部流水線進行，加工設備在出廠之前需要3C（China compulsory certification，中國強制認證）認證，對外的電磁輻射等都有限制[11]，因此，工廠內電磁干擾相對較好。而操作工人走動會導致信道的時變性。

（2）常規工業場景

如汽車加工車間（如圖1（b）所示），這類場景中，變頻器、點火系統、穩壓器、高壓輸電線、電子開關等會輻射出大量的電磁噪聲[12]。此外，這類傳播環境屬于時變信道傳播環境，原因是廠內有工業機器人、機械臂等自動化設備搖擺工作。

（3）傳統工業場景

如鋼鐵廠車間（如圖1（c）所示）。這類場景中，工業建筑空間相對較大，機器設備尺寸很大，加熱爐、搖臂鉆床等會產生大量的噪聲，同時有大型的輸送機、起重機械、裝卸機器等工作使這類場景信道具有時變特性。

（a）精密工業場景（波峰焊車間）

（b）常規工業場景（汽車加工車間）

（c）傳統工業場景（鋼鐵廠車間）

通過以上典型工業場景與其他典型場景（市區、辦公室、家庭等）無線信道的對比，如果將物聯網部署工業環境，工業物聯網環境下的無線信道會表現出如下不同的特點。

（1）不同的工廠存放的材料對信道影響程度不同。例如，造紙廠倉庫環境具有高吸收特點，無線電波以直射波傳播并且強度快速衰減；鋼鐵廠環境具有高反射特點，廠內大型金屬設備導致電波在信道傳播過程中出現衍射和反射特性。

（2）不同工廠的結構差異大，工業廠房比普通的住宅和辦公樓的樓層高，普通住宅層高一般為2.8 m左右，而標準廠房高度一般是5~6 m，并且工廠環境比家庭和辦公環境惡劣許多，如振動、浮塵等因素都會對信號進行反射和散射，從而產生多徑衰落。

（3）出現多普勒頻偏現象，工廠內有工人、機器人、卡車、懸掛設備等的隨機移動，這會讓工廠環境中的無線信道具有時變特性。如汽車廠使用的移動機器人，機器臂的搖擺運動會帶來多普勒偏移。此外，由于地面的不平穩，車體運動過程中出現不斷的晃動也會產生多普勒隨機頻偏現象。

3.2 工業物聯網信道測量研究現狀

無線信號在傳播中受環境、地形等因素的影響，使得無線信道的衰落特性變化十分復雜，這將從根本上制約工業無線通信系統的性能[11]，針對工業場景的信道特性研究是工業物聯網無線通信系統設計中需要考慮的重要問題。1989年，參考文獻[13]通過數據分析了路徑損耗和時延功率譜，在美國印第安納五座工廠LOS（line of sight，視距）和OBS（obstructed line-of-sight，遮擋視線）條件下重復發送一個10 ns脈沖信號，測量頻率為1.3 GHz，通過示波器衰減、失真，完成了信道的時域測量。2004年，參考文獻[14]提出了一個在小型焚化爐廠中超寬帶（ultra wideband，UWB）信道統計模型，分析了頻率為3.1~10.6 GHz視距（LOS）和非視距（NLOS）的小尺度衰落和功率時延分布。2005年，參考文獻[15]利用定向天線來研究無線信道，測量頻率為2.4 GHz，在馬格德堡基地一個類似于制造廠的環境下分析了平均時延、均方根延遲和相干帶寬。2007年，參考文獻[16]討論了工業環境中3個頻率的窄帶測量，即0.9 GHz、2.4 GHz和5.2 GHz，開發了一種測量程序，并測量了3種場景下的路徑損耗，得出了影響工業環境信號傳播的因素，提出了一種工業路徑損耗模型。2009年，參考文獻[17]基于頻域分析方法測量了頻率為5.5 GHz的工廠環境，研究了工廠LOS條件下的信道多徑分量和時延擴展。2010年，參考文獻[18]在短距離室內無線傳感網絡環境下，利用矢量網絡分析儀測量頻率為5.8 GHz的信道沖激響應，研究了LOS和NLOS條件下的均方根時延，并與其他具有特定統計分布的模型進行比較，提出了對室內無線傳感器網絡和工業物聯網應用都有效的短距離衰落模型。2012年，參考文獻[19]研究了兩種的重要工業環境對無線電波傳播的影響，一種是高吸收環境，另一種是高反射環境，根據無繩電話和工業科學醫療使用頻段選擇的頻率分別為0.43 GHz、1.89 GHz、2.45 GHz，分析了信道路徑損耗和多徑分量。參考文獻[20]使用矢量網絡分析儀和虛擬天線陣列方法測量了頻率0.8～2.7 GHz的3種不同工業環境，分析了信道沖激響應和功率時延分布，并對經典Saleh-Valenzuela（S-V）模型進行了修改。2016年，參考文獻[21]研究了自動化工廠車間的無線電波傳播，使用寬帶信道探測儀在5.85 GHz載波頻率下進行信道測量，對信道時延特性進行統計研究。2017年，參考文獻[22]在3個地點進行了7個場景測量，研究了頻率為5.8 GHz的LOS和NLOS場景，分析了路徑損耗指數、RMS（root mean square，均方根）時延擴展、相干帶寬和小尺度衰落的幅度分布。

但是到目前為止，國內還沒有用于描述工業物聯網環境下典型無線信道的分析模型。從過去的研究中可以發現一些原因，首先是傳統的信道研究，沒有考慮到工廠環境時變特性對信道的影響；其次，工業無線網絡中高反射材料對無線信道特性的影響并未得到足夠重視；并且，工廠環境下信道測量往往很難開展，測量數據的缺乏使得很難建立準確可靠的工業物聯網無線信道傳播模型。

3.3 工業物聯網信道特性

3.3.1 大尺度衰落

大尺度衰落是指收發端之間距離的變化引起信號場強的變化。一方面，接收信號強度隨著發射機和接收機之間的距離以對數形式變化；另一方面，在收發端之間距離相同的條件下，由于工廠環境中的物體分布不同以及障礙物會導致信號功率損耗，通常表示為發射功率與接收功率之間的比率。

表1 各種典型工業場景大尺度衰落參數

在過去的幾年中，已經進行了多種工業環境下的室內信道測量。表1總結了各種典型工業場景大尺度衰落參數。

表1總結了各種工業測量中的路徑損耗相關參數，其中OBS1與OBS2表示遮擋程度不同。在環境、頻率和鏈路配置方面，觀察到參數有很大的不同。對于許多環境，路徑損耗指數范圍在1~3。另外，隨著頻率的增加，反射體增加，會導致路徑損耗指數降低。然而，不同的工業環境，路徑損耗指數和頻率之間沒有明確的關系。因為路徑損耗不僅取決于路徑長度，而且還與工業建筑材料類型（金屬、木材和混凝土等）、散射體的大小和密度有關。

3.3.2 時間色散

時間色散主要是因為多徑傳播造成信號時間擴散現象。與其他典型室內環境相比，時間色散在工業環境下無線信道會有很大的不同，時間色散受發射機、接收機和工廠物理環境等因素的影響。PDP（power delay profile，功率時延分布）可以用于定量地描述時間色散。在參考文獻[27]中，可以得出電波在傳播過程中受建筑物大小、密度、結構、室內地板布局和室內裝飾位置等影響。在參考文獻[28]中在LOS條件下進行測量，從測量結果得到隨著收發端天線間距越來越遠，時延也隨之增加。由以上研究，可以發現，工廠環境無線信道時間色散取決于環境中散射體的大小、類型、密度和分布，并且多徑分量到達時間與接收天線間距有關。在參考文獻[13]中，對印第安納州5家大型工廠進行測量，每個工廠具有不同特點，所有工廠均方根時延平均值在LOS條件下大于96 ns；在NLOS條件下大于105 ns。數據表明，在工廠建筑物中的無線傳播可以通過混合的幾何或者統計模型來進行適當的描述，要考慮到墻壁和天花板的鏡面反射以及來自倉庫物品和設備產生的隨機散射。因為在工廠環境中，建筑物的年齡、物品分布、墻壁位置和天花板高度都是影響均方根時延的關鍵因素。在參考文獻[29]中，隨著接收天線間距增加，均方根時延擴展增加。在參考文獻[15]中圖3對比了4種典型場景下測量場景的信道沖激響應。從平均時延、均方根時延和相干帶寬得到的數據結果發現，受干擾的因素不完全依賴于LOS條件，與金屬阻礙物的分布有關。在靜態模式下，RMS時延擴展超過72 ns，這表明了金屬設備的反射是主要影響因素；當接收天線間距較短時，均方根時延擴展幾乎是恒定的。當發射機天線與接收機天線逐漸移開時，反射信號幅度變大，均方根時延增加。

由以上均方根時延測量研究可以發現工廠內設施、天線間距具有不同的反射水平。因此，從一個環境獲得的測量結果不適用其他環境，這會使無線技術的可靠性復雜化。

3.3.3 時變特性

如今的工業中，工廠自動化隨處可見，廠內人員移動、機器人運動和小車在行駛中擺動等因素使工業環境中的無線信道具有時變特性，會出現多普勒頻移現象。一方面，工廠內人員移動、機器人運動等會引起多普勒頻偏。在參考文獻[30]中，將人體建模為垂直定向的圓柱體，通過將來自室內環境的地板、天花板和墻壁的反射以及來自移動人體散射的多徑分量進行參數化，符合Rice（萊斯）分布并且信號隨著工作人員的移動而變化。參考文獻[33]研究了工業中有機器人工作的無線信道的時變特性，測量的接收天線安裝在做周期圓周運動的機器人手臂上。該機器人手臂重復運動的周期為1.5 s，運動線速度為2 m/s，中心頻率為2.44 GHz。測量時間為10 s，從多普勒頻移的測量結果發現，在前6 s變化快速，在后4 s變化緩慢，然后機器人停止工作，由此得到工業中機器人手臂在做周期性圓周運動時會使信道具有時變特性。另一方面，課題組研究了某汽車廠LOS場景下運輸小車的信道時變特性，研究發現運輸小車的多普勒頻移并不是理論上的純多普勒值，而是在理論值的基礎上還存在一定的隨機頻偏。圖2是某汽車廠測量場景，沿箭頭從左向右勻速推動運輸小車，在移動運輸小車的過程中，工廠地面不平，使得小車有不規則擺動。

圖2 汽車廠實測場景

根據測量頻率為5.8 GHz的實測數據將運輸小車移動對信道的影響進行了分析，如圖3所示為瞬間多普勒功率譜，圖3(a)是LOS條件下的仿真數據，圖3(b)為LOS條件下的實測數據。從測量結果得到運輸小車不規則的擺動會導致信號產生有波動頻差，并根據實測結果對工業環境下運輸小車的多普勒頻偏提出了一種數學模型，該模型的多普勒頻移符合理論的多普勒頻移加具有一定高斯分布的隨機頻偏值，工廠環境下運輸小車多普勒頻偏滿足：

4 工業物聯網電磁噪聲特點與噪聲特性研究現狀

4.1 工業物聯網電磁噪聲特點

噪聲對無線通信系統的影響十分顯著，分析噪聲的特點對工業無線網絡的穩定性設計十分重要。噪聲工業環境下與其他典型環境（市區、辦公室、家庭等）也有所不同，其特點主要分為以下幾個方面。

（1）工廠噪聲的種類較多，對無線信號產生影響的噪聲主要有機械性噪聲和電磁性噪聲。機械性噪聲由機械撞擊、摩擦、轉動而產生，如破碎機、球磨機、電鋸和機床等發出的噪聲；電磁性噪聲由于磁場脈動、電源頻率脈動引起電器部件震動而產生，如發電機、變壓器、繼電器產生的噪聲。

（2）工廠噪聲的分布頻率范圍較大，且各種類型的噪聲總是同時存在于工廠內各個隨機的位置。比如焊接產生的噪聲頻率可以達到數百MHz，火花放電產生的電磁噪聲輻射分布在幾百MHz到GHz，用于控制機械設備的計算機產生的電磁輻射頻率分布在幾十Hz到3 GHz。

（3）工廠噪聲不僅有高斯白噪聲影響，還有突發的脈沖噪聲等，且工廠環境的噪聲在強度、頻率范圍、帶寬、功率譜形狀、生滅特征等方面與傳統的高斯白噪聲存在很大的差異；在工廠正常工作時，由于機械設備的間歇性工作，其輻射出的電磁噪聲也會呈現出一定的時變特性。

4.2 工業物聯網電磁噪聲研究現狀

在參考文獻[31]中提出了工業無線網絡的寬帶信道模型，該模型考慮了惡劣工廠環境中噪聲的影響，采用一階兩態馬爾可夫過程描述工業環境中典型突發脈沖噪聲的特性。脈沖噪聲的幅值與噪聲功率比有關，當噪聲功率變大時，脈沖噪聲的幅值增大。從測試結果中發現，如果沒有考慮噪聲對信道的影響，工廠環境的噪聲會極大地降低無線通信系統的性能。在參考文獻[32]中測量了100 MHz~6 GHz頻段下變電站的電磁噪聲環境，給出了脈沖率、脈沖幅度、脈沖持續時間、脈沖發生時間等統計分析，構建了基于統計和頻譜特性的脈沖噪聲模型，用于評估變電站無線設備的部署相關情況。在參考文獻[33]中提出了用APD（amplitude probability distribution，幅度概率分布）統計方式評估電磁噪聲對通信系統的影響，將幅度概率分布定義為干擾強度超過某個電平的時間概率，計算式為：

其中，是的CDF（cumulative distribution function，累積分布函數）。通過幅度概率分布統計參量的測量結果，可以獲得噪聲電平的平均值和有效值，能夠真實地反映噪聲的特性，評估噪聲對不同類型的通信系統的影響。在參考文獻[30]中，用APD測量的環境是典型鋼鐵廠，其中心頻率分別為439 MHz、440 MHz、570 MHz及2 450 MHz，其中，干擾在439 MHz時最明顯，因為有一輛汽車、一輛運輸機器人和一臺起重機同時工作。在造紙廠電動機將大塊木頭粉碎的過程中，產生的噪聲使得DECT（digital enhanced cordless telecommunication，室內無繩電話）系統突然出現問題無法使用。本文對某汽車廠焊接設備的電磁噪聲展開了研究，采用對數周期天線分別測量了手工點焊機與焊接機器人附近的噪聲信號，得到了噪聲功率、噪聲帶寬、噪聲之間頻率間隔等相關參數。圖4（a）和圖4（b）分別為手工點焊機與焊接機器人附近的噪聲信號，從測量結果中可以看出，手工點焊機與焊接機器人工作時產生的噪聲分布大體上相同，但并不完全吻合。兩種焊接設備的噪聲信號主要分布在300~900 MHz頻段，其功率主要集中在-110~97 dBm，帶寬在4~20 kHz范圍相對較窄。這主要是由于兩種機械設備采用的焊頭相同，故噪聲情況相近，但工作時焊頭的高度、焊機工作方式略有差異，導致噪聲略有不同，但兩者總體上大致相似。由這些研究可以看出，不同工廠噪聲差異很大，對于噪聲測量應全面考慮工業物聯網所應用的頻段。若影響無線通信系統的噪聲只用加性高斯白噪聲（additive white Gaussian noise）表示，在惡劣的工廠環境中存在的脈沖噪聲會顯著降低無線系統的可靠性和有效性。

5 結束語

工業物聯網時代已經開始，想要實現自動化工廠，需要加速完善通信技術來改進生產流程和管理系統。本文首先對工業物聯網中使用的無線通信技術進行總結和對比，歸納了工業物聯網環境下的信道和電磁噪聲特點，回顧了工業物聯網信道和噪聲測量以及研究的已有成果。本文討論了不同工業環境條件下的路徑損耗，分析了信道時間色散、時變特性以及噪聲特性，并強調了影響它們的因素。研究發現只有充分了解無線信道和噪聲特性以及不同無線技術適用的工業場景，才能使工業生產中不可預測的干擾風險降至最低。工業物聯網的發展離不開無線通信技術的支持，未來迫切需要對不同工廠環境、不同頻率和鏈路配置的信道和噪聲測量以及對其特性展開分析，以進一步驗證現有的模型或開發新的模型，適應工業物聯網的迅猛發展。

[1] 杜玉河. 《工業物聯網白皮書》正式發布[J]. 起重運輸機械, 2017(10): 34-35.

DU Y H. The industrial internet of things white paper was officially released [J]. Lifting and Transport Machinery, 2017(10): 34-35.

[2] 工業和信息化部. 物聯網的十三五規劃(2016-2020)年[R]. 2016.

Ministry of Industry and Information Technology. IoT 13th five-year plan (2016-2020) years[R]. 2016.

[3] 陳山枝. 發展5G的分析與建議[J]. 電信科學, 2016, 32(7): 1-10.

CHEN S Z. Analysis and suggestion of future 5G directions [J]. Telecommunications Science, 2016, 32(7): 1-10.

[4] 宮詩尋, 陶小峰. 5G大規模機器類通信中的傳輸技術[J]. 中興通訊技術, 2017, 23(3): 20-23.

GONG S X, TAO X F. Transmission technologies in massive machine type communication for 5G[J]. ZTE Technology Journal, 2017, 23(3): 20-23.

[5] 劉留, 陶成, 余立, 等. 高速鐵路無線信道測量與信道模型探討[J]. 電信科學, 2011, 27(5): 54-60.

LIU L, TAO C, YU L, et al. Discussion on the channel measurement and channel model under high speed railway environment [J]. Telecommunications Science, 2011, 27(5): 54-60.

[6] 賴春媛, 閆文卿, 亓晉. 基于云霧融合的工業物聯網能源管理架構[J]. 電信科學, 2017, 33(10): 2-9.

LAI C Y, YAN W Q, QI J. An energy management framework based on fog-cloud combining for industrial internet of things [J]. Telecommunications Science, 2017, 33(10): 2-9.

[7] 常潔, 王藝, 李潔, 等. 工業通信網絡現有架構的梳理總結和未來運營商的發展策略[J]. 電信科學, 2017, 33(11): 123-133.

CHANG J, WANG Y, LI J, et al. Summary of existing framework in industrial communication networks and future development strategies for communication operators [J]. Telecommunications Science, 2017, 33(11): 123-133.

[8] SKYLAB. 物聯網時代的黑馬——NB-IoT[R]. 2017.

SKYLAB. The black horse in the age of the internet of things——NB-IoT[R]. 2017.

[9] 邢宇龍, 張力方, 胡云. 移動蜂窩物聯網演進方案研究[J]. 郵電設計技術, 2016(11): 87-92.

XING Y L, ZHANG L F, HU Y. The evolution research of mobile cellular communication technology for IoT[J]. Designing Techniques of Posts and Telecommunications, 2016(11): 87-92.

[10] 嚴小強, 李星. 基于LoRa功耗及其響應速度設計研究[J]. 電子質量, 2017(9): 9-12.

YAN X Q, LI X. Research on power consumption and response speed design based on LoRa[J]. Electronics Quality, 2017(9): 9-12.

[11] 韓磊. 移動用戶終端的電磁輻射發射測試軟件開發[D]. 北京: 北京交通大學, 2011.

HAN L. The development of electromagnetic radiation emission test software for mobile user terminal[D]. Beijing: Beijing Jiaotong University, 2011.

[12] CHEFFENA M. Propagation channel characteristics of industrial wireless sensor networks [wireless corner][J]. IEEE Antennas & Propagation Magazine, 2016, 58(1): 66-73.

[13] RAPPAPORT T S. Characterization of UHF multipath radio channels in factory buildings[J]. IEEE Transactions on Antennas & Propagation, 1989, 37(8): 1058-1069.

[14] KAREDAL J, WYNE S, ALMERS P, et al. Statistical analysis of the UWB channel in an industrial environment[C]//Vehicular Technology Conference (VTC2004-Fall), Sept 26-29, 2004, Los Angeles, CA, USA. Piscataway: IEEE Press, 2004: 81-85.

[15] MIAOUDAKIS A, LEKKAS A, KALIVAS G, et al. Radio channel characterization in industrial environments and spread spectrum modem performance[C]//2005 IEEE Conference on Emerging Technologies and Factory Automation (ETFA 2005), Sept 19-22, 2005, Catania, Italy. Piscataway: IEEE Press, 2005: 93.

[16] KAREDAL J, WYNE S, ALMERS P, et al. A measurement-based statistical model for industrial ultra-wideband channels[J]. IEEE Transactions on Wireless Communications, 2007, 6(8): 3028-3037.

[17] KOZLOWSKI S, SZUMNY R, KUREK K, et al. Statistical modelling of a wideband propagation channel in the factory environment[C]//2009 European Conference on Wireless Technology, Sept 28-29, 2009, Rome, Italy. Piscataway: IEEE Press, 2009: 190-193.

[18] WANG Y, LU W, ZHU H. Experimental study on indoor channel model for wireless sensor networks and Internet of Things[C]//2010 IEEE International Conference on Communication Technology, Nov 11-14, 2010, Nanjing, China. Piscataway: IEEE Press, 2010: 624-627.

[19] FERRER-COLL J, A?NGSKOG P, CHILO J, et al. Characterisation of highly absorbent and highly reflective radio wave propagation environments in industrial applications[J]. Communications IET, 2012, 6(15): 2404-2412.

[20] AI Y, CHEFFENA M, LI Q. Power delay profile analysis and modeling of industrial indoor channels[C]//2015 European Conference on Antennas and Propagation, April 13-17, 2015, Lisbon, Portugal. [S.l.: s.n.], 2015: 1-5.

[21] HOLFELD B, WIERUCH D, RASCHKOWSKI L, et al. Radio channel characterization at 5.85 GHz for wireless M2M communication of industrial robots[C]//2016 IEEE WCNC, May 23-27, 2016, Kuala Lumpur, Malaysia. Piscataway: IEEE Press, 2016.

[22] CROONENBROECK R, UNDERBERG L, WULF A, et al. Measurements for the development of an enhanced model for wireless channels in industrial environments[C]// IEEE International Conference on Wireless and Mobile Computing, Networking and Communications, Oct 9-11, 2017, Rome, Italy. Piscataway: IEEE Press, 2017: 1-8.

[23] TANGHE E, JOSEPH W, VERLOOCK L, et al. The industrial indoor channel: large-scale and temporal fading at 900, 2400, and 5200 MHz[J]. IEEE Transactions on Wireless Communications, 2008, 7(7): 2740-2751.

[24] TANGHE E, JOSEPH W, MARTENS L, et al. Large-scale fading in industrial environments at wireless communication frequencies[C]// 2007 Antennas and Propagation Society International Symposium, June 10-15, 2007, Honolulu, Hawaii, USA. Piscataway: IEEE Press, 2007: 3001-3004.

[25] ?EYMA TüTüNCü, KARA A. UHF propagation measurements in heavy industry[C]//2016 Signal Processing and Communication Application Conference, May 16-19, 2016, Zonguldak, Turkey. Piscataway: IEEE Press, 2016.

[26] LUO S, POLU N, CHEN Z, et al. RF channel modeling of a WSN testbed for industrial environment[C]//2011 Radio & Wireless Symposium, Jan 1, 2011, Phoenix, USA. Piscataway: IEEE Press, 2011: 375-378.

[27] WITTMANN M, MARTI J, KURNER T. Impact of the power delay profile shape on the bit error rate in mobile radio systems[J]. IEEE Transactions on Vehicular Technology, 2002, 46(2): 329-339.

[28] KHAN H N, GROSINGER J, G?RTSCHACHER L, et al. Statistical analysis of the power delay profile of a SIMO UHF backscatter RFID channel in an engine test bed[C]// 2017 Antennas & Propagation Conference, June 9-14, 2017, San Diego, CA, USA. Piscataway: IEEE Press, 2017: 1-5.

[29] AI Y, CHEFFENA M, LI Q. Radio frequency measurements and capacity analysis for industrial indoor environments[C]// 2015 European Conference on Antennas and Propagation, Apr 12-17, 2015, Lisbon, Portugal. Piscataway: IEEE Press, 2015.

[30] KAREDAL J, WYNE S, ALMERS P, et al. UWB channel measurements in an industrial environment[C]//2004 Global Telecommunications Conference (GLOBECOM’04), November 29-December 3, 2004, Dallas, Texas, USA. Piscataway: IEEE Press, 2004: 3511-3516.

[31] CHEFFENA M. Industrial wireless sensor networks: channel modeling and performance evaluation[J]. EURASIP Journal on Wireless Communications & Networking, 2012(1): 1-8.

[32] SHAN Q, BHATTI S, GLOVER I A, et al. Characteristics of impulsive noise in electricity substations[C]// 2009 Signal Processing Conference, Aug 24-28, 2009, Glasgow, Scotland, UK. Piscataway: IEEE Press, 2009: 2136-2140.

[33] 楊飛, 闞潤田, 沙斐. 無線電騷擾的統計測量方法研究[J]. 電子測量與儀器學報, 2009, 23(1): 22-26.

YANG F, KAN R T, SHA F. Research on statistical measurement of radio noise and electromagnetic disturbance[J]. Journal of Electronic Measurement and Instrument, 2009, 23(1): 22-26.

Wireless channel and noise characteristics in industrial internet of things

ZHANG Ke1, LIU Liu1,2, YUAN Ze1, ZHANG Kun1, ZHANG Jianhua2, LIU Zhijun3

1. Institute of Broadband Wireless Mobile Communications, School of Electronic and Information Engineering, Beijing Jiaotong University, Beijing 100044, China 2. Key Laboratory of Universal Wireless Communications, Ministry of Education, Beijing University of Posts and Telecommunications, Beijing 100876, China 3. Beijing Aerospace Measurement and Control Technology Co., Ltd., Beijing 100041, China

With the proposal and implementation of “Made in China 2025” “Intelligent Manufacturing” “Internet plus” and a series of national strategic planning, the industrial internet of things (IIoT) has developed rapidly in China. However, the channel and noise characteristics of the industrial poor environment have brought great challenges to the wireless communication of the industrial internet of things. The application of different wireless communication technologies in IIoT were introduced and compared and the features of wireless channel and noise in the environment of IIoT were summarized. As the key content of wireless communication research, channel and noise characteristics were analyzed overall.

industrial internet of things, wireless communication technology, channel characteristics, noise characteristics

TN929.5

A

10.11959/j.issn.1000?0801.2018217

張克（1994?），女，北京交通大學碩士生，主要研究方向為寬帶無線通信。

劉留（1981?），男，博士，北京交通大學電子信息工程學院教授、博士生導師，主要研究方向為高鐵無線信道測量與建模、高鐵寬帶接入物理層關鍵技術等。

袁澤（1994?），男，北京交通大學碩士生，主要研究方向為寬帶無線通信。

張琨（1993?），男，北京交通大學碩士生，主要研究方向為寬帶無線通信。

張建華（1976?），女，北京郵電大學信息與通信工程學院教授、博士生導師，主要方向為寬帶移動通信系統新理論及技術等。

張志軍（1986?），男，北京航天測控技術有限公司高級工程師，主要研究方向為測控技術、裝備自動化測試等。

2018?01?20；

2018?05?20

北京郵電大學泛網無線通信教育部重點實驗室資助項目（No.KFKT-2018105）；北京市科技新星計劃基金資助項目（No.Z161100004916068）；國家自然科學基金面上基金資助項目（No.61471027）

Key Laboratory of Universal Wireless Communications, Ministry of Education (No.KFKT-2018105), Beijing New-star Plan of Science and Technology (No.Z161100004916068), The National Natural Science Foundation of China (No.61471027)