高速鐵路高架橋場景中的復合無線信道特性

張逸康 王公仆 葉如意

摘要：高架橋場景是高鐵無線通信中的重要場景之一。針對該場景下的復合信道，基于瑞利信道模型和萊斯信道模型，對概率密度函數進行分析，推導出了兩種新的概率密度函數。這不僅豐富了高鐵高架橋場景下的無線信道理論，而且對未來高鐵無線通信系統設計和優化有參考價值。

關鍵詞：無線信道；概率密度函數；高架橋場景；高鐵無線通信；復合信道

Abstract： The viaduct scenario is one of the most important scenarios in the high-speed railway （HSR） wireless communications. For the composite channel in this scenario， the probability density function is analyzed based on the Rayleigh and Rician channel models， and two new probability density functions are derived. This can enrich the wireless channel modeling theories， and contribute to the design and optimization of wireless communication networks on HSR.

Keywords： wireless channel； probability density function； viaduct scenario； HSR wireless communications； composite channel

隨著中國高鐵的飛速發展，截至 2019年底，高鐵營業總里程已經達到3.5×104km[1]。2019年底投運于京張高鐵的智能型復興號動車組，標志著中國率先開啟了世界智能高鐵的新時代和中國高鐵發展的新局面[2]。

隨著人們對高鐵中無線通信質量需求的提高，越來越多的專家、學者開始深入研究高鐵無線通信系統。高鐵列車快速行駛，中國高鐵沿線地形復雜多變。這種高時速、多地形的無線信道具有高多普勒頻移、快速時變和快速切換的特點。高鐵時速的增加給高鐵無線通信帶來了巨大的挑戰[3]，這些挑戰具體包括如何評估由于快時變引起的多普勒效應對系統性能的影響，如何進行快速無線時變信道參數估計，以及缺乏高鐵場景無線信道的實際測量和數據分析等方面。

高架橋是一種常見的高鐵場景。例如在京滬高鐵線路中，有超過70%的場景是高架橋[4]。與其他場景相比，高架橋場景下的無線信道相對容易分析處理。

人們對高鐵的無線信道模型做了一系列研究：文獻[5]提出了無線信道中新的注水算法；基于深度學習的方法，文獻[6]對信道進行了預測；文獻[7]總結并概述了高鐵無線信道測量與建模；基于5G技術，文獻[8]提出了一種新的網絡切片架構；文獻[9]引入了霧計算，構建了多樣的通信和霧計算網絡架構；對于智能和開放的6G網絡，文獻[10]指出了關鍵技術，為6G網絡的實現提出了發展方向；文獻[11]指出高鐵信道模型的重要性，為信道模型的構建提供新的方向；文獻[12]基于高鐵無線信道的快時變特性和高多普勒頻移，提出了最大后驗估計量；基于高架橋場景綜合路徑損耗、小尺度衰落等一系列因素，文獻[13]提出一種能評估網絡性能的新信道模型。

但以上文獻并沒有給出小尺度衰落上復合信道的概率密度函數。本文中，我們在已有的高鐵無線信道概率密度函數的基礎上，圍繞高架橋場景進行高鐵的無線信道特征分析。當無線通信系統采用數字車頂中繼時，該中繼轉發的信號不能等效為反射信號，并且該場景的無線信道是瑞利信道和萊斯信道的非線性組合。據此，我們提出了兩種新的概率密度函數，并比較了無線通信系統在這些不同信道模型的性能。

考慮到信道特性的研究還需要與實測的信道特性相比較，并且目前鐵路上能做到實測的信道很少，所以本文重點聚焦于無線信道特性，暫不考慮系統仿真情況。

圖1為高鐵高架橋場景下的信號收發模型。基站發出信號后，有兩條路徑到達用戶手機：一條是從基站直接到用戶手機的路徑，另一條是從基站經高鐵天線轉發到用戶手機的路徑。其中，為了簡化計算，信道h1和h2假定服從瑞利分布。因為如果用含有直射路徑的信道，也就是如果用萊斯信道進行建模，那么計算會非常復雜。如表1所示，瑞利信道是萊斯信道的特例，而信道f0假定服從萊斯分布。

1無線信道概率密度函數分析

1.1高鐵無線信道常用概率密度函數

當前，在高鐵無線信道特性研究中，信道模型常用的概率密度函數[15]列舉如下，高斯信道的概率密度函數為：

2 MATLAB仿真及參數分析

2.1概率密度函數比較

概率密度函數的仿真參數具體如表3所示。

通過MATLAB仿真，可以得到f0、h1、h2、h和g的概率密度曲線，如圖2所示。

仿真結果表明，f0、h1、h2、h和g的概率密度均先增大后減小最后趨于0。

瑞利分布的概率密度曲線在MATLAB中有專門的函數，但是萊斯分布、信道h和信道g服從的分布沒有專門的函數。其中，隨機變量g的概率密度函數仍是一個積分函數，由于推導閉合解比較復雜，所以本文通過利用MATLAB中f0與h的卷積運算，并利用其中的conv（）函數得到g概率密度函數的數值解。

2.2參數分析

2.2.1方差分析

2.2.2 c對復合信道的影響

由于不同路徑下的衰減程度不同，下面我們將討論c對復合信道特性的影響。

對于總信道g = f0+ c×h1×h2來說，不同的c會有不同的信道曲線。我們分別取c為1、0.7、0.3來計算總信道，具體如圖3所示。

信道特性會受到衰減因子的影響，因此需要人們針對不同c來分析復合概率密度函數p（g）。

由圖3可以得出：隨著c的減小，在隨機變量值越小的地方概率密度越大；在隨機變量值越大的地方概率密度越小。

2.2.3 BER分析

將一個隨機比特序列作為發送信號并記為x（n），通過f0和g的兩個信道后的信號與噪聲信號w（n）線性疊加，得到接收信號y1（n） = f0x（n） + w（n）與y2（n） = gx（n） + w（n）。在理想情況下，假設接收方已知信道f0和g，根據接收信號y1（n）和y2（n），利用最大似然準則就可以檢測出x（n）。檢測方案如下：根據最大似然準則實現最佳接收，在發送信號0、1先驗概率相等的情況下，使得似然函數P（y（t）|si（t）），i = 1，2最大。其中，s1（t）和s2（t）分別表示發送1和發送0，y（t）為接收信號。記s1（n）對應星座圖中的發送信號點為（a1，b1），s2（t）對應星座圖中的發送信號點為（a2，b2）。

在噪聲服從高斯分布的前提下，似然函數最大化與星座點距離最小化是等價的，所以最大似然準則就可以轉化為最小距離準則。這樣利用相關接收機就可以根據信號點之間的距離進行抽樣判決，實現最佳接收。

考慮到高鐵車體的損耗經驗值為20 dB[17]，則可以根據接收信號y1（t）和y2（t）的錯誤比特數量與發送信號x（t）比特總數的占比來計算錯誤比特率。對于c=1、c=0.1，則可利用MATLAB仿真，具體如圖4（a）。

為了清晰地說明車體損耗會對直射信道h和復合信道g產生很大影響，當車體損耗為10 dB時，不同車體損耗下誤比特率（BER）特性曲線具體如圖4（b）所示。如圖可知，當車體損耗衰減值越小時，直射信道f0和復合信道g的BER特性越接近。

從圖4（a）和圖4（b）可以看出，由于直射信道f0的概率密度函數與c無關，所以c=1、c=0.1時的曲線重合。信道的BER曲線近似為直線，且隨著信噪比（SNR）的增加，BER逐漸減小。信道的斜率近似相等，也就是說它們的變化速率近似相等。根據推導的結果可知，誤比特率的理論值約為1/4SNR[18]，所以BER與SNR成反比衰減。

當SNR在0～20 dB范圍內時，由于信道g的概率密度函數與c有關，那么對于c=1、c=0.1，在相同的SNR條件下，c越小，BER就越小。然而由于考慮了直射信道的車體損耗，即便c=0.1，也不能看作是直射信道。在相同的SNR條件下，直射信道f0的BER要大于復合信道g的BER。這可以說明，直射信道f0比復合信道g出錯的概率會更大。也就是說，在考慮高鐵的車體損耗的條件下，復合信道g要優于直射信道f0。

3結束語

本文中，我們不僅總結了高鐵中高架橋無線信道的基本概率密度函數，也得到了兩種新的概率密度函數的閉合解。通過MATLAB仿真，比較了直射路徑與非直射路徑下信道的概率密度函數曲線，并驗證了理論推導的正確性。另外，在相同SNR條件下，當直射信道考慮車體損耗，復合信道g的可靠性要優于直射信道f0。綜上所述，本文豐富了高鐵高架橋場景下的無線信道理論，對未來高鐵無線通信系統設計和優化有參考價值。

參考文獻

[1]訾謙. 3.5萬km：中國高鐵的新跨度[J].城市軌道交通研究， 2019， （12）： 6

[2]劉志如.京張高速鐵路門式墩方案設計優化及施工技術研究[J].科技與創新， 2020（4）： 105-107

[3] AI B， CHENG X， KURNER T. Challenges towardwirelesscommunicationsforhighspeed railway [J]. IEEE transactions on intelligent transportation systems， 2014， 15（5）： 2143-2158. DOI： 10.1109/TITS.2014.2310771

[4]王熙宇.高鐵無線通信系統的快時變信道估計[D].北京：北京交通大學， 2018

[5] XING C， JING Y， WANG S， et al. New viewpoint and algorithms for water-filling solutions in wireless communications [J]. IEEE transactions on signal processing， 2020， 68： 1618-1634. DOI： 10.1109/TSP.2020.2973488

[6] YANG Y， GAO F， LI G Y， et al. Deep learningbased downlink channel prediction for FDD massive MIMO system [J]. IEEE communications letters， 2019， 23（11）： 1994-1998. DOI： 10.1109/LCOMM.2019.2934851

[7]劉留，陶成，陳后金，等.高速鐵路無線傳播信道測量與建模綜述[J].通信學報， 2014， （1）： 115-127

[8] AI B， MOLISCH A F， RUPP M， et al. 5G key technologies for smart railways [J]. Proceedings of the IEEE， 2020， 108（6）： 856-893. DOI： 10.1109/JPROC.2020.2988595

[9] ZHOU Y， TIAN L， LIU L， et al. Fog computing enabled future mobile communication networks： a convergence of communication and computing [J]. IEEE communications magazine，2019，57（5）：20-27.DOI：10.1109/ MCOM.2019.1800235

[10] ZHOU Y， LIU L， WANG L， et al. Serviceaware 6G： an intelligent and open network based on the convergence of communication， computing and caching [J]. Digital communications and networks， 2020， 6（3）： 253-260. DOI： 10.1016/j.dcan.2020.05.003

[11] ZHOU T， LI H， WANG Y， et al. Channel modelingforfuturehigh-speedrailway communication systems： a survey [J]. IEEE access，2019，7：52818-52826.DOI： 10.1109/ACCESS.2019.2912408

[12] HOU Z， ZHOU Y， TIAN L， et al. Radio environment map-aided doppler shift estimation in LTE railway [J]. IEEE transactions on vehicular technology， 2017， 66（5）： 4462-4467. DOI： 10.1109/TVT.2016.2599558

[13] HE R， ZHONG Z， AI B， et al. Measurements and analysis of propagation channels in high-speed railway viaducts [J]. IEEE transactions on wireless communications， 2013， 12（2）： 794-805. DOI： 10.1109/TWC.2012.120412.120268

[14] AMOS D E. A portable package for Bessel functions of a complex argument and nonnegative order [J]. Transactions on mathematical software， 1986， 12（3）：265-273

[15] MOLISH A F.無線通信（第二版） [M].北京：電子工業出版社， 2018

[16]樊昌信，曹麗娜.通信原理（第7版） [M].北京：國防工業出版社， 2020

[17]尤嘉.高速鐵路場景下無線中繼通信系統信息傳輸可靠性與安全性研究[D].北京：北京交通大學， 2018

[18] VISWANATH D T P.無線通信基礎[M].北京：人民郵電出版社， 2007

作者簡介

張逸康，北京交通大學在讀本科生；主要研究方向為無線通信、物聯網、人工智能等。

王公仆，北京交通大學教授、博士生導師，信息通信網絡研究所副所長；主要研究方向為移動互聯網、無線信號處理以及人工智能應用；發表論文120篇，獲授權專利3項。

葉如意，中國標準化研究院副研究員；主要研究方向為電子商務信用體系、平臺經濟發展與管理標準化等；發表論文10余篇，參與編著著作（含譯著）3部，獲發明專利2項。