3G无线传播模型测试与校正研究_朱科

探索与观察》》3G无线传播模型测试与校正研究
江苏省邮电规划设计院有限责任公司 朱 科 周 辉 李晓阳
【摘要】本文通过分析了SPM模型，给出了传播模型CW测试的注意要点和数据处理方法。

以某地市为例，介绍了利用CW测试对各种城区进行传播模型校正的情况及其结果。

【关键词】SPM模型；模型校正
1.引言
在移动通信系统运行过程中，由于终端位置不断发生变化，传播环境复杂多样，造成电波传播具有多样性和复杂性，因而建立在严格理论计算上的确定性模型很难实现。

目前传播模型一般通过电磁理论推算和实测数据相结合的方式获得，即针对各个地市不同的地理环境进行测试，通过分析与计算等手段对传播模型的参数进行校正，以提高预测的准确性，从而获得符合本地市实际环境的无线传播模型。

在10年我公司进行3G网络规划时，为了得到准确的传播模型，我们在某地市挑选了几个典型的地点进行了传播模型的测试与校正工作，得到了包括城区商业区、住宅区，城郊等3种地形下的传播模型参数，利用得到的模型，我们进行了网络的仿真，以帮助我们进行3G无线网络的规划工作，本文正是基于该次的传播模型校正的情况进行论述。

2.3G无线传播模型
传播模型表征的是在某种特定环境或传播路径下电波的传播损耗情况。

其主要研究对象是传播路径上障碍物阴影效应带来的慢衰落影响。

在传播模型研究方面主要有如下两种流派：直接应用电磁理论计算的确定性模型，基于大量测量数据的统计模型，又称为经验模型[1]。

在3G系统的2.1G核心频段上，通常使用的经典模型有Cost231、射线跟踪等。

从精确程度看，射线跟踪是最接近实际情况的，但由于它对数字地图的高精度要求，无法大规模普及，本文选用的是标准传播模型（SPM）。

2.1 理论分析方法的研究
射线跟踪模型基于3D数字地图，充分考虑建筑物的特征和分布对信号传播的影响，通过理论计算得出每一点上的接收信号强度。

因此，根据射线跟踪模型的预测结果，可以精确地进行网络规划并有效地控制干扰。

建立步骤如下：
首先确定一个发射源的位置，根据3D 地图上建筑物特征和分布，找出发射源到每个接收位置光线的所有传播的路径，并根据各种的无线传播理论公式进行计算，
得到每个测试点的接收场强，由于该模型
要求的数字地图很高，需要带详细建筑信
息的三维数字地图，对于算法要求非常严
格，一般甚少使用。

2.2 实测统计方法
实测统计的方法就是基于一个经验
的传播模型，通过试验测试的方法，并利
用计算机规划软件进行辅助计算，修正模
型的各个参数，得到不同地形下的模型参
数，其中，这里的试验测试，主要是指
CW(连续波)测试。

而传播模型最常用的是
标准宏小区(Standard MacroCell Model)
传播模型。

2.3 Standard MacroCell Model
标准宏小区(Standard MacroCell
Model)传播模型以ETS的Hata模型为基
础，并在此基础之上添加了一些额外的功
能，从而增强了模型的灵活性和精确性，
模型为宏小区设计。

模型公式为：
Ploss=k1+k2log(d)+k3(Hms)+k4
log(Hms)+k5log(Heff)+k6log(Heff)
log(d)+k7diffn+Clutter_Loss
其中：Ploss传播路径损耗(dB)；d是基
站到移动站之间的距离(km)；Hms是移动站
天线有效高度(m)；Heff是基站天线的有效
高度(m)；Diffn是使用Epstein Peterson、
Deygout或Bullington的等效刃形衍射方
法计算的衍射损耗；k1 & k2：截距和斜
率；K3：移动天线的高度因数；K4：Hms
的Okumura Hata的Multiplying Factor；
K5：有效天线高度增益；K6：Log(Heff)
Log(d)。

这是log(Heff)log(d)值的Okumura
Hata类型的Multiplying Factor；K7：衍射
系数；Clutter_Loss：地物损耗参数。

3.传播模型校正流程
一般取用CW测试来进行模型的校正，
CW测试是通过连续波，采用全向天线发射
信号，接收机在服务区内各个方向的道路
上进行测试，以得到不同方向、距离的场
强值，CW测试模型校正工作流程如图1所
示。

(1)测试工具
测试工具主要是用来发射和采集模
型校正所需要的原始数据，包括信号发射
部分和接收部分，信号发射部分一般放置
在位置相对较高的地方及放置在测试区
域的中心地点，其中本次测试的发射单
元选取了上海诺恩科技公司的WHT2005测
试发射机，接收单元NORN LiteScan扫频
仪2005，其他还有电脑，GPS，接收机，
车载电源，hub，逆变器，车载电源一拖
二，前台测试软件，加密狗等必要工具。

(2)测试基站/路线制定
根据地形地貌特征选择典型地点作为
测试基站，安装发射设备，根据站点周围
的地理环境制定测试路线，对于测试基站
设置的个数，一般在人口稠密的城市，测
试站址应不少于5个，中等规模的城市选
取2－3个，中小城市及郊区1个就够了。

对于测试路线，为了足够的采样数据，在
市区一般测试要求达到10公里左右的距
离，在郊区一般在15Km到20Km。

由于无线
电波在离发射天线很近的地方无法用公式
模拟，只是用一固定衰减值，所以在测试
中离发射天线很近的地方(一般是0.5Km-
1Km)不需要做大量测试。

本次某地市传播
模型的校正共进行了三个地点的测试，主
要如下(见表1)。

(3)无线测试
根据所选择的测试站点和测试路线进
行原始数据的采集。

图1 CW测试模型校正工作流程图
-7-
/2013.03/
-8-
/2013.03/
(4)测试数据的后处理
测试结束后对测试数据进行整理，该项工作是传播模型校正的核心，一般都是依靠计算机的规划软件进行数据的处理，本次是使用了软件是百林规划软件[2]。

(5)传播模型参数修正
通过百林软件平台，利用Standard MacroCell Model模型[3]进行了模型优化，给出适合某地市各种地形环境下的无线传播模型。

(6)报告输出
对整个工作内容提交报告。

4.参数校正4.1 K2校正
K2是与频率相关的因子，在校正的过程中一般采用先校正K2再反过来对K1进行校正。

4.2 K1的校正
K2校好后可，则此时图中的intercept 即为K1的偏差（实际应为[K1+K3(Hms)+K 4log(Hms)+K5log(Heff)+K7diffn]的偏差，但可先假设K3(Hms)+K4log(Hms)+K5log(Heff)+K7diffn]为常数，则此就为K1的偏差），将原K1值加上intercept即得
K1的校正值。

也可以用Analyse功能得到此偏差值
4.3 K3、K4的校正
K3、K4与移动台天线高度相关的因子，该值对传播模型的影响一般不大，可以取缺省值，一般可取-2.93和0.00。

K3、K4的变化可由K1来弥补，因此一般取了缺省值后，就可以无需调整。

4.4 K5、K6的校正
K5、K6与基站天线高度相关。

该值也与K3、K4值一样，可以取缺省值，K5、K6的变化可以通过K1、K2的变化来代替其变化的影响，因此一般也无需调整，一般取缺省参数设置-13.82和-6.55。

4.5 K7的校正
K7为衍射系数，表示衍射损耗对整个路径损耗贡献的权重。

因为衍射只对非视线传播范围内的样点有效，对视线传播范围内的样点衍射损耗为0，对于K7值，如果地形起伏不大，一般建议保留值为0。

4.6 Clutter offset的调整
该值主要是对于各种地形的调整系数，对于该值，一般也是取缺省的值，对于每种地形的情况的取值详见表2。

5.测试案例
本部分我们介绍其中一个测试点的情况，我们以某地市火车站作为了一个测试的例子，其中：
5.1 测试基站－火车站－周围的照片(详见图2)
5.2 测试路线的选择
选择测试路线的主要原则是获取充足
的采样点，尽量保证从统计意义上反映各
图2 测试基站－火车站－周围的照片
表1 某地市传播模型的校正三个地点的测试
序号发射站地点经度纬度高度(m)所属模型1八一小区93.5285242.8241636普通城区商业区2火车站93.5033942.8466340城郊开阔地3县移动公司93.0242343.5975436一般县城
表2 每种地形的情况的取值
Clutter Offset(dB)Water 0Sea 0Wet land 0Suburban open area 0 Urban open area 0.19Green land -0.37Forest 0High buildings 3Ordinary regular buildings 0Paralle regular buildings 0.09Others lower buildings -3Irregular large buildings 2Irregular buildings -6Suburban village -6
表3 传播模型校正结果
1.校正前的传播损失比较(指定距离和信号范围)　
形式 预测损失－路测损失有效数据长度2709均方差(dB)11.36平均值(dB)-4.36标准差(dB)10.49相关系数0.74
2.校正前的接收SYNC功率比较(指定距离和信号范围)　
形式 预测功率－路测功率有效数据长度2709均方差(dB)11.15 平均值(dB) 3.87标准差(dB)10.46相关系数 0.53
5.校正后的传播损失比较　
形式 预测损失－路测损失有效数据长度2354均方差(dB) 6.73平均值(dB) 0标准差(dB) 6.74
0.84
表4 本次传播模型测试和校正的结果
地形K1K2K3K4K5K6K7普通城区商业区49.9736.79 5.80-6.600普通城区住宅区30.8940.76 5.80-6.600.8一般县城24.6443.22 5.80.8-6.600.8
图5 分析模型校正后的传播损失误差统计图
图4 模型校正前的预测与预测的循环播损失对比
图3 火车站的测试路线场强图
种测试地形的真实情况。

如图3为火车站的测试路线场强图。

5.3 模型校正前的预测与预测的循环播损失对比（详见图4）
从图4中我们可以看出模型校正后预测与路测数据的实际值吻合度明显提高，这说明通过校正后的模型与实际的传播环境匹配度大大提高，模型的可用性和精准度增加。

从图5中我们可以看出校正后模型的传播损失误差在5dB以内的约为80%，这说明模型拟合的精度较高，此模型在绝大多数情况下可以近似代表某地市城区实际的传播环境。

6.传播模型的校正结果
经过分析及规划软件的处理后，本次传播模型测试和校正的结果如表3、表4所示。

7.结语
通过对某地市3个地点3种地形的测试，我们得出了一组某地市不同地形下的传播模型的参数，该参数可以指导我们下
一步的无线网络的仿真工作。

但是应该要补充的，对于以上各种
地形得出的传播模型不是唯一的，对于一
个模型我们只能说是该模型是否适用，而
不能说规定使用唯一的模型，因为不同的
仿真软件或不同一次的仿真得到的模型都
可以是不一样，模型中各参数之间一个联
动的结果，我们所说的模型的准确性是指
校正所得的模型和实际测试环境的拟和程
度，通常这种拟和程度用校正后的参数
来评估。

目前业界普遍认为当RMS Error
（指模拟结果与实际测试结果之间的均方
误差）<8时，则说明所校正模型是贴和实
际环境的，即该模型校正的结果是准确
的，可以用做网络规划时候使用。

同时，
因为不同的规划软件其内部算法是有差异
的，为此，在使用不同的规划软件进行仿
真时，要是有条件，建议能重新做一个模
型校正，以得出新的模型。

参考文献
[1]蒋招金.3G无线传播模型校正[J].邮电设计技术,
2006.5(5):24-27.
[2]百林网络规划软件用户手册[S].
[3]李世鹤.TD-SCDMA第三代移动通信系统标准[M].
北京:人民邮电出版社,2004.9:119.
作者简介：
朱科（1979—），男，江苏南京人，学士，江苏省
邮电规划设计院有限责任公司高级工程师，研究方
向：TD-LTE无线网络规划。

周辉（1983—），男，江苏南京人，学士，江苏省
邮电规划设计院有限责任公司中级工程师，研究方
向：无线通信技术。

李晓阳（1985—），男，河南新蔡人，硕士，现供
职于江苏省邮电规划设计院有限责任公司，研究方
向：无线通信技术。

云计算的核心技术与应用实例
盘锦职业技术学院　张松林
【摘要】云计算是传统计算机技术和网络技术发展融合的产物，也是引领未来信息产业创新的关键战略性技术和手段。

云计算的广泛普及与应用，也将催生信息技术的第三次变革浪潮，引发未来新一代信息技术变革、IT应用方式的核心变革，同时也将带来工作方式和商业模式的根本性改变。

作为21世纪IT业界乃至社会关注的焦点和热点，未来云计算应用将为人类社会提供更加方便、快捷、廉价的信息服务，为人们的工作、生活、提供更多便利。

【关键词】云计算；关键技术；应用实例
一、云计算的概念
云计算(Cloud Computing)是由分布式计算(Distributed Computing)、并行处理(Parallel Computing)、网格计算(Grid Computing)发展来的，是一种新兴的商业计算模型。

目前，对于云计算的认识在不断的发展变化，云计算没仍没有普遍一致的定义。

中国网格计算、云计算专家刘鹏给出如下定义：“云计算将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和各种软件服务”。

狭义的云计算指的是厂商通过分布式计算和虚拟化技术搭建数据中心或超级计算机，以免费或按需租用方式向技术开发者或者企业客户提供数据存储、分析以及科学计算等服务，比如亚马逊数据仓库出租生意。

二、云计算的核心技术
云计算系统运用了许多技术，其中以编程模型、数据管理技术、数据存储技
术、虚拟化技术、云计算平台管理技术最
为关键。

(一)编程模型
MapReduce是Google开发的java、
Python、C++编程模型，它是一种简化
的分布式编程模型和高效的任务调度模
型，用于大规模数据集(大于1TB)的并行
运算。

严格的编程模型使云计算环境下
的编程十分简单。

MapReduce模式的思想
是将要执行的问题分解成Map(映射)和
Reduce(化简)的方式，先通过Map程序将
数据切割成不相关的区块，分配(调度)给
大量计算机处理，达到分布式运算的效
果，再通过Reduce程序将结果汇整输出。

(二)海量数据分布存储技术
云计算系统由大量服务器组成，同时
为大量用户服务，因此云计算系统采用分
布式存储的方式存储数据，用冗余存储的
方式保证数据的可靠性。

云计算系统中广
泛使用的数据存储系统是Google的GFS和
Hadoop团队开发的GFS的开源实现HDFS。

GFS即Google文件系统(Google File
System)，是一个可扩展的分布式文件系
统，用于大型的、分布式的、对大量数据
进行访问的应用。

GFS的设计思想不同于传
统的文件系统，是针对大规模数据处理和
Google应用特性而设计的。

它运行于廉价的
普通硬件上，但可以提供容错功能。

它可以
给大量的用户提供总体性能较高的服务。

(三)海量数据管理技术
云计算需要对分布的、海量的数据
进行处理、分析，因此，数据管理技术必
需能够高效的管理大量的数据。

云计算
系统中的数据管理技术主要是Google的
BT(BigTable)数据管理技术和Hadoop团队
开发的开源数据管理模块HBase。

BT是建
立在GFS，Scheduler，Lock Service和
MapReduce之上的一个大型的分布式数据
库，与传统的关系数据库不同，它把所有
数据都作为对象来处理，形成一个巨大的
表格，用来分布存储大规模结构化数据。

-9-
/2013.03/。