一种新型铁路无线环境路径损耗指数估值方法,用于电波传播环境较复杂的铁路无线移动通信系统。它是在陆地移动通信系统路径损耗指数估值方法基础上改进的一种基于楔形绕射模型以及三次样条插值的估值方法。它要求系统提供足够的列车测量报告样本,且样本时间提前量-距离图像呈V字型,地形起伏因子已知。该方案能够有效地降低估值数据采集成本,针对不同电波传播环境选取合适的估值参数,有利于降低运算复杂度。
1.一种铁路无线环境路径损耗指数估值方法,其特征是:首先收集估值区段同方向列车上传至基站收发信机的测量报告,进行样本适用性检查;然后进行抽样间隔确定,插值间隔通过楔形绕射模型得到;最后进行数值处理过程,即将样本按照公里标信息进行时间对齐校正,进行三次样条插值,对插值后样本进行平均化处理,再进行多折线模型的最小二乘拟合得到路径损耗指数估值;样本适用性检查包含以下步骤:步骤1:若样本数少于5条,重新收集测量样本,执行步骤1;若样本数等于5条或大于5条,执行步骤2;步骤2:选择一条测量报告样本,若站间时间提前量-距离图像呈V字型或全线呈锯齿形,则将该样本保留,继续检查下一条样本;若不是最后一条样本,可用样本数量加1;步骤3:选择一条测量报告样本,若站间时间提前量呈梯形,舍弃该样本,转为步骤2;步骤4:若是最后一条样本,若可用样本数少于5条,重新收集测量样本;步骤5:若是最后一条样本,若可用样本数不少于5条,样本适用性检查到此结束;抽样间隔确定过程包含以下几个步骤:步骤1:根据国际铁路联盟定义的地形起伏因子判断应用何种楔形绕射模型;若该因子小于2,应用单楔形绕射模型;若该因子不小于2,应用双楔形绕射模型确定统计区间;步骤2:若为单楔形绕射模型,需得到单楔形障碍物高度、小区基站服务频点以及列车离轨道周边障碍物的平均有效距离,用以确定单楔形绕射模型中的菲涅耳绕射参数;步骤如下:楔形绕射损耗的大小依赖于四个参数:从车站到楔形山峰的距离r₁,从机车台移动设备到楔形山峰的距离r₂,楔形山峰的有效高度h_p和波长λ,在计算之前先进行如下假设:当机车在山坳附近移动几十个波长的距离时,由于距离发射机很远,因此r₁=r₁′,改变的仅仅是最近有效距离r₂勺大小;两处的接收损耗分别为 L 1 = 20 log 10 ( - 0.225 V 1 ) , ]]> V 1 = - h p 2 λ ( 1 r 1 + 1 r 2 ) ]]>并且V₁<-2.4xa0xa0xa0(1-1) L 2 = 20 log 10 ( - 0.225 V 2 ) , ]]> V 2 = - h p 2 λ ( 1 r 1 + 1 r 2 2 + d 2 ) ]]>并且V₂<-2.4xa0xa0xa0(1-2)因此两点间绕射损耗标准差之差是与移动距离d有关的函数,表示为: σ ^ ( d ) = | σ 1 - σ 2 | = | | L 1 - | L 2 | | 2 = | 10 log 10 ( 1 r 1 + 1 r 2 2 + d 2 1 r 1 + 1 r 2 ) | - - - ( 1 - 3 ) ]]> 从式(1-3)可以看出两点间绕射损耗标准差之差只与障碍物垂直投影点分别距离铁轨和发射机的直线距离,以及机车移动距离有关;因此若将d视为统计区间的话,在收发端相对位置确定的情况下,单楔形绕射损耗标准差增量就是统计区间的函数;步骤3:若为双楔形绕射模型,需得到双楔形障碍物高度、障碍物平均起伏长度、小区基站服务频点以及列车离轨道周边障碍物的平均有效距离,用以确定双楔形绕射模型中的菲涅耳绕射参数;步骤如下:峰距离等于平均起伏长度ELU,则在统计区间前一点,相对参考点移动前,两个楔形山峰产生的菲涅耳绕射参数分别为: V 1 = - h p 1 2 λ ( 1 r 1 + 1 r 2 ) , ]]> V 2 = - h p 2 2 λ ( 1 r 1 ′ + 1 r 2 ′ ) - - - ( 1 - 4 ) ]]> 其中 h p 2 = H - r 2 ′ g h p 1 ( r 1 ′ + r 2 ′ ) = Hg [ 1 - r 2 ′ ( ELU + r 2 ′ ) ] ]]>由双楔形模型产生的阴影衰落方差为: σ 1 = | ζ 1 2 | = | x 1 L r ( V 1 ) + y 1 L r ( V 2 ) 2 | - - - ( 1 - 5 ) ]]> 统计区间后一点,相对参考点移动后,两个楔形山峰产生的菲涅耳绕射参数分别为: V 1 ′ = - h p 1 ′ 2 λ ( 1 r 1 + 1 r 2 2 + d 2 ) , ]]> V 2 = - h p 2 ′ 2 λ ( 1 ( r 1 ′ ) 2 + d 2 + 1 ( r 2 ′ ) 2 + d 2 ) - - - ( 1 - 6 ) ]]> 其中h′_p1=h_p1=H, h p 2 ′ = Hg ( 1 - ( r 2 ′ ) 2 + d 2 r 2 2 + d 2 ) = Hg ( 1 - ( r 2 ′ ) 2 + d 2 ( ELU + r 2 ′ ) 2 d 2 ) ]]>H为地形波动高度;由双楔形模型产生的阴影衰落方差为: σ 2 = | ζ 2 2 | = | x 2 L r ( V 1 ′ ) + y 2 L r ( V 2 ′ ) 2 | - - - ( 1 - 7 ) ]]> 因此两点间绕射损耗标准差之差是与移动距离d有关的函数,表示为: σ ^ ( d ) = | σ 1 - σ 2 | = | | ζ 1 | - | ζ 2 | | 2 = | | x 1 L r ( V 1 ) + y 1 L r ( V 2 ) | - | x 2 L r ( V 1 ′ ) + y 2 L r ( V 2 ′ ) | | 2 - - - ( 1 - 8 ) ]]> 步骤4:令列车移动统计区间长度,计算该长度范围楔形绕射损耗增量标准差;步骤5:对Lee氏定律统计区间估值曲线进行叠加修正,选择增量修正标准差最小的点或范围作为统计区间;步骤6:在Lee氏定律规定的抽样点数范围中,根据实际情况,选择符合该范围的某一点数,用步骤5中得到的统计区间除以该抽样点数,得到三次样条插值的插值间隔。
2.根据权利要求1所述的一种铁路无线环境路径损耗指数估值方法,其特征在于:数值处理过程有以下几个步骤:步骤1:根据列车的GPS定位信息、其他接口的公里标信息将数量不少于5的样本按照数组存储,并进行严格的时间对齐操作,由于GPS定位信息或公里标信息的间隔时间大于插值间隔,需要在大体对准之后进行人为的微调比对,比对准则是:每隔20个抽样点比对1次,比对抽样点不少于10个,总偏差不多于20dB,就可认为时间对齐;步骤2:为避免高次病态插值现象,依据归一化的矩阵表示三弯矩方程,对时间对齐的样本分别进行三次样条插值;如果任意两个样本的插值后样本偏差较大,需转到步骤1重新进行时间对齐操作;步骤3:对插值后样本进行平均化处理:将测量报告按照数组存储顺序进行按列统计平均,所得结果放入新的数组当中存储;步骤4:在坐标纸上描点,若点群存在明显的多斜率分布现象,应采用铁路无线环境折线多斜率模型,将平均化样本点按照不同变化趋势分组,分别转到步骤5操作;步骤5:对分组内平均化样本进行一阶最小二乘拟合,使拟合效果达到最小均方误差估计MMSE的要求,拟合直线斜率作为路径损耗指数的估值。技术领域
本发明涉及一种铁路无线环境路径损耗指数估值方法,属于移动通信领域。
背景技术
现有的陆地移动通信系统的估值方法要有以下步骤:步骤1:确定有估值需求的小区,确定小区覆盖范围。步骤2:在该范围内以基站为圆心,在标有等高线的地图中画若干条同心圆。小区的范围越大,圆的数量越多。选择小区中的一条径向测试路径,该路径与各个同心圆圆周应基本保持垂直关系。步骤3:车载台沿该路径上下行方向进行多次测量,测量次数与实际需要和数据采集成功率有关,一般单向不少于3次。采样间隔和统计区间按照Lee氏定律的要求,即统计区间为20~40倍波长,区间内点数为36~50个点。步骤4:如果采样数据变化存在明显拐点,小区范围广且地形起伏大,应该选择多折线大尺度衰落模型。步骤5:对采样数据采用最小均方误差估计(MMSE)得到路径损耗指数的对数正态模型描述,一般进行统计的数据量越多,估计误差越小。从适用性角度看,以上方法直接应用于铁路移动通信系统存在难度。首先列车沿固定线路行驶,无须选择径向路径,只要确保铁路沿线的覆盖质量即可完成通信。其次,Lee氏定律是依据蜂窝小区低速行驶移动台特点推导的抽样定律,在小区覆盖广的铁路高速移动环境不一定适用。最后,铁路移动环境实际道路测量的成本较一般陆地移动通信系统高。由此得出的结论是,业界要求提出一种能降低估值成本、准确而简便的路径损耗指数估值方法。
发明内容
为了克服现有技术结构的不足,本发明提供一种铁路无线环境路径损耗指数估值方法,可以利用列车不间断上发的无线链路测量报告当作抽样样本,快速获得路径损耗估值。本发明解决其技术问题所采用的技术方案是:本发明提供一种铁路无线环境路径损耗指数估值方法,首先收集估值区段同方向列车上传至基站收发信机的测量报告,进行样本适用性检查;然后进行抽样间隔确定,插值间隔通过楔形绕射模型得到;最后进行数值处理过程,即将样本按照公里标信息进行时间对齐校正,进行三次样条插值,对插值后样本进行平均化处理,再进行多折线模型的最小二乘拟合得到路径损耗指数估值。一种铁路无线环境路径损耗指数估值方法,包含以下步骤:步骤1:收集估值区段同方向列车的测量报告,收集数量不少于5个;步骤2:判断每个测量报告样本在估值区段内时间提前量-距离图像是否呈V字型,将非V字型样本予以舍弃;步骤3:通过列车GPS或其他通信接口消息得到测量报告样本的公里标信息,将多个样本按照抽样点公里标对齐;步骤4:选择合适的楔形绕射模型,确定场强本地均值的估值统计区间,通过Lee氏定律中确定的抽样点数量,最终获取合适的样本插值间隔;步骤5:将各个样本按照步骤4得到的插值间隔进行三次样条插值;步骤6:对插值后样本进行平均化,得到一个测量报告插值样本,选择合适的折线模型对该样本进行最小二乘拟合,拟合直线的斜率为路径损耗指数估值。单楔形绕射模型确定统计区间上限:图5给出楔形损耗产生原理。楔形绕射损耗的大小依赖于四个参数:从车站到楔形山峰的距离r₁,从机车台移动设备到楔形山峰的距离r₂,楔形山峰的有效高度h_p和波长λ,在计算之前先进行如下假设:(1)由于机车台天线的高度很低,而且车站台天线的高度并不高,一般为20米左右,当r₁+r₂远远大于两者天线的有效高度时,可以近似认为楔形山峰的有效高度等于该地区地形起伏高度,即h_p=H。地形起伏高度是指对于不规则起伏地形,沿通信方向距离接收点10公里范围内,分别有10%和90%的地段超过的高度差(即最大值与最小值之差的80%)。如图6所示。(2)由于列车不随山脉的起伏变化移动,而是穿越而过,所以假设产生绕射损耗(阴影衰落)的概率大大增加。铁路沿线分布的不同山峰应作为相互独立的次级波源考虑,即每个沿线山峰都视为独立楔形。(3)在地型较为复杂的地区,需要采用对楔形模型计算绕射损耗,山峰随机分布性大大增加。所幸的是,由于车站台天线一般采用定向天性,只需考虑车站台天线方向(径向)的一个或多个楔形山峰。(4)假设以铁路线路轨面为基准,当机车行进过程中,能够产生阴影作用的周围环境障碍物高度大于10m左右,即h_p>10m;最近有效距离(障碍物垂直投影点距离铁轨的直线距离)为10m,即r₂>10m。同时将障碍物看作次级波源,即位于发射信号和接收信号之间。(5)假设最大衰落损耗发生在障碍物的阴影区深处,因此计算出的最大损耗绝对值可以认为是2σ。接收机移动几十个波长的距离不影响使用同一楔形绕射损耗模型。(6)认为楔形山峰顶端是平坦且有一定延展距离的,该距离超过波长的几十倍。下面讨论单楔形绕射模型下机车移动对接收信号的影响,由图7可知,当机车在山坳附近移动几十个波长的距离时,由于距离发射机很远,因此r₁=r′₁,改变的仅仅是最近有效距离r₂的大小。两处的接收损耗分别为 L 1 = 20 log 10 ( - 0.225 V 1 ) , ]]> V 1 = - h p 2 λ ( 1 r 1 + 1 r 2 ) ]]>并且V₁<-2.4xa0xa0(1-1) L 2 = 20 log 10 ( - 0.225 V 2 ) , ]]> V 2 = - h p 2 λ ( 1 r 1 + 1 r 2 2 + d 2 ) ]]>并且V₂<-2.4xa0xa0(1-2)因此两点间绕射损耗标准差之差是与移动距离d有关的函数,表示为: σ ^ ( d ) = | σ 1 - σ 2 | = | | L 1 | - | L 2 | | 2 = | 10 log 10 ( 1 r 1 + 1 r 2 2 + d 2 1 r 1 + 1 r 2 ) | - - - ( 1 - 3 ) ]]> 从式(1-3)可以看出两点间绕射损耗标准差之差只与障碍物垂直投影点分别距离铁轨和发射机的直线距离,以及机车移动距离有关。因此若将d视为统计区间的话,在收发端相对位置确定的情况下,单楔形绕射损耗标准差增量就是统计区间的函数。图8为楔形山峰有效高度30m,车站到楔形山峰的距离r₁=1000m,从机车台移动设备到楔形山峰的距离r₂在10m到60m变化情况下,统计区间与绕射损耗标准差增量的关系示意图。图8显示,随着最近有效距离的增加,绕射损耗标准差增长的幅度逐渐变小。也就是说机车距离单楔形山峰越远,阴影衰落的幅度变化越小,统计区间长度相对变长。下面给出考虑单楔形山峰阴影的修正LEE氏统计区间估值曲线:如图9所示。双楔形绕射模型确定统计区间上限:在很多情况下,在沿着给定传播路径上有多余一个楔形绕射源,如果铁路环境不够平坦,这些楔形绕射源的影响需要考虑在内。由于双楔形绕射引起的过量路径损耗(大于自由空间损耗)可以用于描述在沿一条给定的传播路径上可能发生的三重或更多的复杂楔形损耗,因此考虑采用双楔形绕射模型确定统计区间上限,而这些计算都应将上述参数考虑在内。本文应用Pocquenard模型,首先计算前一楔形山峰高度,而忽略后一个,按照单楔形模型计算后,再只考虑后一个,最终将两种单楔形损耗叠加求得过量路径损耗。由于第二个山峰的有效高度是由从第一个山峰到接收机画一条直线的方法测得,很好的回避了两个山峰之间距离的问题。假设山峰绝对高度等于地形波动高度H,两楔形山峰距离等于平均起伏长度ELU,则在统计区间前一点(相对参考点移动前),两个楔形山峰产生的菲涅耳绕射参数分别为: V 1 = - h p 1 2 λ ( 1 r 1 + 1 r 2 ) , ]]> V 2 = - h p 2 2 λ ( 1 r 1 ′ + 1 r 2 ′ ) - - - ( 1 - 4 ) ]]> 其中 h p 2 = H - r 2 ′ gh p 1 ( r 1 ′ + r 2 ′ ) = Hg [ 1 - r 2 ′ ( ELU + r 2 ′ ) ] ]]>由双楔形模型产生的阴影衰落方差为: σ 1 = | ζ 1 2 | = | cripts> L r cripts/> x 1 cripts> ( V 1 ) + cripts> L r cripts/> y 1 cripts> ( V 2 ) 2 | - - - ( 1 - 5 ) ]]> 统计区间后一点(相对参考点移动后),两个楔形山峰产生的菲涅耳绕射参数分别为: V 1 ′ = - h p 1 ′ 2 λ ( 1 r 1 + 1 r 2 2 + d 2 ) , ]]> V 2 = - h p 2 ′ 2 λ ( 1 ( r 1 ′ ) 2 + d 2 + 1 ( r 2 ′ ) 2 + d 2 ) - - - ( 1 - 6 ) ]]> 其中h′_p1=h_p1=H, h p 2 ′ = Hg ( 1 - ( r 2 ′ ) 2 + d 2 r 2 2 + d 2 ) = Hg ( 1 - ( r 2 ′ ) 2 + d 2 ( ELU + r 2 ′ ) 2 + d 2 ) ]]>由双楔形模型产生的阴影衰落方差为: σ 2 = | ζ 2 2 | = | cripts> L r cripts/> x 2 cripts> ( V 1 ′ ) + cripts> L r cripts/> y 2 cripts> ( V 2 ′ ) 2 | - - - ( 1 - 7 ) ]]> 因此两点间绕射损耗标准差之差是与移动距离d有关的函数,表示为: σ ^ ( d ) = | σ 1 - σ 2 | = | | ζ 1 | - | ζ 2 | | 2 = | | x 1 L r ( V 1 ) + y 1 L r ( V 2 ) | - | x 2 L r ( V 1 ′ ) + y 2 L r ( V 2 ′ ) | | 2 - - ( 1 - 8 ) ]]> 本发明的有益效果:本发明的优点是,与现有方法相比,采取基于测量报告三次插值的数值运算方法代替传统的实际道路测量方法,大大降低了方法数据采集成本。本发明的另一个优点是,利用楔形绕射模型和公里标校正的方式,充分考虑了铁路无线环境的复杂性,使该估值方法更具针对性。本发明的另一个优点是,考虑地形因素确定不同环境统计区间代替传统方法中Lee氏定律固定的统计区间。
附图说明
图1为时间提前量-距离图像实例;图2为样本筛选流程图;图3为估值偏差图像实例;图4为数据处理流程图;图5楔形损耗产生地形示意图;图6地形起伏高度定义示意图;图7应用单楔形模型的假设地理条件;图8绕射损耗标准差增量、移动距离和最近有效距离三维示意图;图9单楔形模型统计区间估值偏差曲线。下面结合附图和实施例对本发明进一步说明。
具体实施方式
实施例1:根据经典无线传播理论,无线接收信号场强大尺度衰落与距离呈对数线性关系,直线斜率即为路径损耗指数。由于省略径向路径选择过程,需判断铁路线路是否满足此对数线性关系。通过测量报告中的时间提前量进行验证:对于时分系统,时间提前量用于抵抗信号延时,随着移动台离开基站距离的变化,收发信机逐步指示移动台提前发送的时间。它的变化范围从0到233微秒。一般站间时间提前量呈V字型,全线呈锯齿形,说明列车基本沿基站径向移动;若全线站间时间提前量呈梯形,说明列车运行弧度较大。因此,判断样本适用性过程如下:步骤1:若样本数少于5条,重新收集测量样本,执行步骤1;若样本数等于5条或大于5条,执行步骤2;步骤2:选择一条测量报告样本,若站间时间提前量-距离图像呈V字型或全线呈锯齿形,则将该样本保留,继续检查下一条样本;若不是最后一条样本,可用样本数量加1;步骤3:选择一条测量报告样本,若站间时间提前量呈梯形,舍弃该样本,转为步骤2;步骤4:若是最后一条样本,若可用样本数少于5条,重新收集测量样本;步骤5:若是最后一条样本,若可用样本数不少于5条,样本适用性检查到此结束。时间提前量-距离图像实例如图1所示,流程图如图2所示。以上过程用于判断样本的适用性,为后序计算法做准备。实施例2:接收到有效测量报告样本以后,需通过楔形绕射模型确定统计区间,进而得到用于三次样条抽样的抽样间隔。以下给出抽样间隔确定过程:步骤1:根据国际铁路联盟定义的地形起伏因子判断应用何种楔形绕射模型。若该因子小于2,应用单楔形绕射模型;若该因子不小于2,应用双楔形绕射模型确定统计区间;步骤2:若为单楔形绕射模型,须得到单楔形障碍物高度、小区基站服务频点以及列车离轨道周边障碍物的平均有效距离等参数,用以确定单楔形绕射模型中的菲涅耳绕射参数;步骤3:若为双楔形绕射模型,须得到双楔形障碍物高度、障碍物平均起伏长度、小区基站服务频点以及列车离轨道周边障碍物的平均有效距离等参数,用以确定双楔形绕射模型中的菲涅耳绕射参数;步骤4:令列车移动距离等于统计区间长度,计算该长度范围楔形绕射损耗增量标准差;步骤5:对Lee氏定律统计区间估值曲线进行叠加修正,选择增量修正标准差最小的点,将该点对应的移动距离作为统计区间;步骤6:在Lee氏定律规定的抽样点数范围中,根据实际情况,选择符合该范围的某一点数,用步骤5中得到的统计区间除以该抽样点数,得到三次样条插值的插值间隔。假定给出某地区地形起伏因子小于2,应用单楔形绕射模型得到插值间隔实例:楔形山峰高度为50米,将其近似等于地形波动高度;以铁路轨道面为基准,平均最近有效距离(障碍物垂直投影点距离铁轨的平均直线距离)r2有四种情况:r2=30倍波长、r2=40倍波长、r2=50倍波长和r2=80倍波长,分别得到绕射损耗增量标准差-距离的变化曲线,并对Lee氏模型的统计区间估值曲线进行叠加修正,估值偏差曲线如图3所示。实施例3:实施例1、2为样本数据处理打下基础。实施例3的数据处理流程如图4所示。以下给出应用数值方法得到路径损耗指数的几个步骤:步骤1:根据列车的GPS定位信息或其他接口的公里标信息将数量不少于5的样本按照数组存储,并进行严格的时间对齐操作。由于GPS定位信息或公里标信息的间隔时间大于插值间隔,需要在大体对准之后进行人为的微调比对,比对准则是:每隔20个抽样点比对1次,比对抽样点不少于10个,总偏差不多于20dB,就可认为时间对齐;步骤2:为避免高次病态插值现象,依据归一化的矩阵表示(三弯矩方程),对时间对齐的样本分别进行三次样条插值。如果任意两个样本的插值后样本偏差较大,需转到步骤1重新进行时间对齐操作;步骤3:对插值后样本进行平均化处理:将测量报告按照数组存储顺序进行按列统计平均,所得结果放入新的数组当中存储;步骤4:在坐标纸上描点;若点群存在明显单斜率分布现象,应采用单折线模型;若点群存在明显的多斜率分布现象,应采用铁路无线环境折线(多斜率)模型,将平均化样本点按照不同变化趋势分组,对每一组采用不同斜率的单折线模型,分别转到步骤5操作;步骤5:对分组内平均化样本进行一阶最小二乘拟合,使拟合效果达到最小均方误差估计(MMSE)的要求,拟合直线斜率作为路径损耗指数的估值。