摘  要：3.35 GHz、4.9 GHz和5.4 GHz是我国5G移动通信系统的候选频段，目前这些频段在城市宏小区场景下的无线信道特性研究较为少见。本文在西安高陵区典型室外宏小区环境下对上述候选频段进行了信道测量和建模分析。结合安捷伦E4438C信号源和泰克RSA 6114实时频谱仪，设计搭建了基于扩频相关法的信道探测系统，提取分析得到了视距和非视距环境下各频段的路径损耗模型和均方根时延扩展。实测结果表明，3.35 GHz、4.9 GHz和5.4 GHz的路损指数与城市环境典型值吻合较好，通过与ITU M.2135模型对比，发现实测模型与ITU M.2135的非视距模型基本吻合，与视距模型存在差异性。各频段的均方根时延扩展均较好地服从Log-Normal分布。该研究为5G关键技术性能评估，以及室外无线通信网络的规划和优化提供了理论基础。

关键词: 5G移动通信；信道测量；信道特性；路径损耗；时延扩展

0   引言

2015年6月，国际电信联盟（ITU）明确了第五代移动通信系统（5G）的总体愿景，是由“主要应用场景”和“一组能力指标”共同定义[1]。其中，“主要应用场景”包括增强型移动宽带、大规模机器间通信、超高可靠低时延通信三大类；“一组能力指标”包括八项：用户体验数据速率（0.1-1Gbit/s）、峰值数据速率（10-20Gbit/s）、连接数密度（106个/km2）、移动性（≥500km/h）、时延（1ms）、业务量密度（10Mbps/m2）、能量效率（比4G提升100倍）和频谱效率（比4G提升3倍）。从ITU的5G愿景可以看出，5G相比于4G存在着本质提升，更加强调技术的实用性和全面性。

虽然5G核心技术能够较大幅度地提升频谱效率，但是5G依然面临新的频谱需求。ITU研究表明：到2020年，国际移动通信（IMT）系统的频谱需求将达到1340-1960 MHz[2]，在用户分布较为密集情形下的频谱需求缺口高达1 GHz左右[3]。中国采用ITU M.1768系列方法预测未来IMT系统的频谱需求为1490-1810 MHz，相比中国当前已为IMT系统规划的687 MHz频谱，仍需要新增近1 GHz的频谱资源。由此可见，未来5G系统的频谱资源将依然紧缺，除了高效利用已分配资源，5G系统还需寻求开发更多的频谱资源[4][5]。

我国IMT-2020（5G）推进组提出了未来频谱的使用计划，即在近中期内研究6 GHz以下的频谱资源，并在2017年之前完成相关频段与其它无线电业务之间的共享试验。中远期加大力度研究6 GHz以上我国主推频段，争取在WRC-19推动高频段划分[6]。3.35 GHz（3.3-3.4 GHz），4.9 GHz（4.8-4.99 GHz）和5.4 GHz（5.35-5.47 GHz）是我国5G移动通信业务在6 GHz以下的部分待研究频段。目前移动通信系统主要使用3 GHz以下频段，针对未来5G移动通信业务特征，3 GHz以上频段无线信道的传播特性尚未充分测量和建模。再者，不同频段的信道衰落特性研究是系统设计和优化需要考虑的基础性问题。因此，考虑到信道特性分析对5G系统设计和性能评估的重大意义，非常有必要对这些待研究频段的信道特征重新考量。

信道测量是进行无线信道特性分析最直接、最精确的方法[7]。根据场景的需要选择典型站址，在发射信号已知的情形下，实地测量获取原始数据，通过统计学手段对信道参数进行抽取研究，得到一系列统计参数模型，具体可分为大尺度统计模型（路径损耗等）、小尺度统计模型（功率延迟分布、时延扩展等）以及空域模型（角度扩展等），为无线通信系统的设计与研究提供基础[8][9]。其中，路径损耗和时延扩展是最常研究的两个信道模型参数，对于移动通信网络的规划以及系统评估和优化具有十分重要的意义。

目前，针对蜂窝移动通信城市宏小区场景，利用信道测量手段研究上述5G候选频段传播模型的成果较少，研究的频段多数集中于3 GHz以下或毫米波频段。CASSIOLI D等人给出了室内典型办公环境下应用于超宽带系统的60 GHz频段的路径损耗特性和时延扩展特性[10]。Maccartney, G.R.等人针对5G超密集网络，通过测量研究给出了典型室内办公环境下28 GHz和73 GHz频段的大尺度路损模型和时域统计特性[11]。RODRIGUEZ I等人提出了城市微小区场景下基于信道测量的3.35 GHz视距和非视距路径损耗模型，并与1.9 GHz频段进行了对比分析[12]。文献[13]统计分析给出了地铁隧道环境下2.4 GHz和5 GHz频段的路径损耗、均方根时延扩展、多普勒频移等无线信道特性。文献[14]对比分析了430 MHz、1350 MHz、2260 MHz和5750 MHz频段的路径损耗和时延扩展特性，但是研究频段大部分在3 GHz以上。因此，室外城市宏小区场景下应用于5G系统的3.35 GHz、4.9 GHz和5.4 GHz信道测量与特性分析工作急需开展。

基于以上分析，本文采用基于信号发生器和频谱分析仪搭建的无线信道测量平台在城市宏小区场景下对上述三个频段进行了信道测量与相关参数的统计建模分析。首先介绍了测量原理和统计参数，随后描述了搭建的测量系统，测量场景和路线，以及测量数据的后期处理原理及方法，最后基于测量结果分析得到了无线信道的路径损耗和时延扩展的统计特性。

1   测量原理

1.1   无线信道测量与建模的意义与步骤

无线信道测量是获得真实无线信道最直接最可靠的方法。无线信道模型是建立在充分认识无线传播环境及其传播特性的基础上，对无线信道的一个抽象描述。无线信道模型的建立主要依赖于信道探测，因为大部分无线信道模型都是基于测量数据的，对于统计信道模型，要通过大量的测试活动来获取参数值，而对于确定性模型，也应该通过理论数据与实际测量数据的比较来检验预测质量。基于实测的信道模型的建立一般分为5个步骤：场景选择、测量规划、测量实施、数据处理、参数提取和分析。其中前3个步骤属于信道测量阶段，后2个步骤属于数据分析阶段。路径损耗和时延扩展是两个重要的信道参数。

1.2   路径损耗

在移动通信系统的仿真和设计中，合理的路径损耗模型有助于准确预测覆盖范围和分析干扰。传播环境的差异导致不同的场景具有不同的路径损耗模型，目前常用的路径损耗经验模型是自由空间模型和衰减因子模型。

自由空间模型常用于估计当发射机和接收机之间有视距存在时的视线路径接收信号强度。像卫星通信和微波视距传输链路是典型的自由空间传播。自由空间是一种理想的、均匀的、各向同性的介质空间，当电磁波在该介质中传播时，不发生反射、折射、散射和吸收现象，只存在电磁波能量扩散而引起的传播损耗。自由空间模型假设接收信号功率是发射机和接收机距离的指数函数。在发射机和接收机距离为的情况下，由Friss公式可得自由空间传播条件下的路径损耗公式为：

其中为载波的波长。

衰减因子模型用来描述受建筑物类型以及阻挡物引起的路径损耗的变化，可表示为：

其中为参考距离， 为路损指数。

1.3   时延扩展

小尺度衰落是由沿不同的路径传播到达接收机的多径信号互相叠加所引起的，多径信号的强度、到达时延以及发送信号的带宽均会影响到接收信号强度。多径信号经无线信道的影响，在不同时刻到达接收机，其幅度、相位或时延的变化程度较为快速和剧烈。基于功率时延谱（PDP）可以分析并获取常用于描述宽带信道时间色散特性的统计量，如平均附加时延 ，均方根时延扩展 ，最大附加时延 等。时延参数的分布是信道特性中的重要信息之一，常用的对数正态模型可以较好地拟合实测参数的分布，其概率密度函数表示为：

2   测量系统和场景

2.1   信号源-频谱仪信道测量系统

常见的无线信道测量方法有周期脉冲探测法、频域测量法、滤波器技术和扩频相关法[15]。利用基于扩频相关法的信道探测仪，可以显著提高时间带宽乘积，在实际测量中应用较广。伪随机序列或线性频率调制信号是扩频相关法测量中最常用的测量信号[16]，尤其是最大长度伪随机序列（m序列），通常用线性反馈移位寄存器产生，其自相关函数近似为脉冲函数，有一个较高的峰值和较低的旁瓣值，抗噪声和抗干扰能力较强。

图1 信号源-频谱仪信道测量系统框图

基于扩频相关法搭建的信号源-频谱仪测量系统框图如图1所示。在发端控制PC中通过MATLAB生成不同长度的m序列作为发送的原始数据，利用安捷伦E4438C信号源将原始数据通过BPSK方式调制，以60MHz带宽输出。功率放大器用于将发端输出功率控制在40dBm左右。三个频段（3.3-3.4 GHz、4.8-4.99 GHz、5.35-5.47 GHz）采用三对偶极子天线分别进行测量。接收端天线连接泰克RSA 6114实时频谱仪，用于实时采集接收端数据。接收端控制PC通过编写的labview程序实时地控制频谱仪，对其采样和数据存储的相关参数进行准确地配置。同时，接收端利用GPS记录仪来记录测量路线的经纬度坐标，用于后续数据分析。信号源-频谱仪测量系统借鉴了扩频相关法的测量原理，可以提高系统的动态范围[17]，具有频点可配置、测量时间短、设备轻便的优点，测量系统连接简单，可根据需求进行车载测试。

2.2   测量场景和路线

选择manbetx新万博官网陕西监测站作为测量区域，其附近建筑物布局比较符合曼哈顿网格的情形。测量路线如图2所示，黄色五角星表示发端系统所在位置，红色线条表示收端系统移动路线。测量区域符合城市宏小区场景（Urban Marcocell，UMa）。在典型UMa场景中，服务基站被部署在明显高于周围建筑物的地方，而用户端则处在户外街道上。测量场景分为视距（LOS）和非视距（NLOS）两种传播环境。信号直接通过屋顶或遮挡物的绕射（或衍射）到达用户终端的传输场景，称为有阻挡的视距传输（Obstructed- LOS，OLOS）[18]。在本次信道测量中，定义的LOS环境并不是纯视距路线，而是结合实际地形，选取在统计分析中呈现LOS环境特点的路线和测量点，这些测量路线上通常都有遮挡物存在，故更近似为一种OLOS环境。

图2 陕西监测站测量路线图

发端天线及测量环境俯视图如图3所示。发端天线被固定在专用天线支架上，并架设在监测站楼顶。收端系统安装在测量车中，天线架设在车顶。在测量过程中，发端持续发送信号，测量车沿图2中路线行进并采集信号，平均每个频段记录8000个采样文件，每个采样文件包括以0.25秒采样间隔采样的10000个采样点。

图3 发端天线及测量环境

3   数据处理方法

信道冲激响应（CIR）反映了无线衰落信道的小尺度传播特性，也是提取各类信道参数的基础，在数据分析中起到关键性作用。基于扩频相关法的原理[15]，在得到原始测量数据之后，将其与发送的PN码原始信号做循环相关即可得到CIR：

上式中 ，循环相关是指：

采用循环相关是因为系统没有同步，所以需要至少两个码片来确保有一个完整的PN码序列在其中；其次相对于广义相关，循环相关使有效信号相关能量峰增大，而没有增加噪声信号相关能量[19]。通过CIR可以得到功率时延谱，PDP展示了接收信号强度随时延的分布情况，也可以观测出明显的多径效应。一个典型的PDP分布如图4所示，5个有效多径可以被观测到。

图4 信号源-频谱仪测量系统典型的PDP分布图

为了将噪声分离出来，设定有限信号的门限值为噪底之上15dB，在保证一定的动态范围的前提下对信号进行去噪，门限值以下的信号被舍弃，只保留有效多径信号进行数据分析。基于实测数据进行路径损耗建模分为3个步骤：（a）计算包含天线增益在内的路径损耗；（b）计算天线增益，将其从（a）中去除；（c）利用最小二乘估计得到方差最小意义下的最佳模型参数。测量所得的路损可以由下式计算[20]：

其中 是信道冲激响应， 和 分别是发送天线和接收天线的天线增益， 是射频线缆损耗。将天线增益和线缆损耗去除后，在对数坐标下进行线性曲线拟合可得路损模型如下：

其中 表示截距， 表示收发机之间的空间距离， 表示随环境改变的路损指数， 表示零均值，标准差为 ，符合高斯分布规律的阴影衰落。 和 的值基于最小二乘法确定，即根据测试数据，使用线性递归使路径损耗的测试值和估计值的均方误差达到最小而计算得出。对于小尺度参数中的均方根（root mean square，rms）时延扩展 ，其定义为功率延迟分布的二阶矩的平方根[21]，即：

其中 ， 分别为功率时延谱第个样本的时延和功率值。利用对数正态模型可以较好地拟合实测参数的分布。

4   测量结果与分析

获得三个频段3.3-3.4 GHz、4.8-4.99 GHz、5.35-5.47 GHz在UMa视距和非视距场景下的信道冲激响应后，按照第三节所述的数据处理方法，可得到三个频段的路径损耗和rms时延扩展特性。

4.1   路径损耗

图5，图6和图7给出了三个频段在UMa场景下电波传播特性的实测结果。图中散点为实测数据点，从三个图均可看出，三个频段的传播路径损耗 随着传播距离 地增加而增加。根据实测数据点的分布，通过最小二乘法拟合得到三个频段的路径损耗模型参数如表1所示。

表1 三个频段的路径损耗拟合模型参数

从表1可知，测量获得的3.35 GHz、4.9 GHz、5.4 GHz频段下UMa视距场景的路径损耗指数在2到3之间，UMa非视距场景的路径损耗指数在3到4之间，这与典型的城市环境路径损耗指数值（2~6之间）吻合较好。UMa视距和非视距场景下各频段阴影衰落标准差均在3 dB左右，测量样本值波动较小。此外，同一频段NLOS场景的路径损耗指数比LOS场景都要高，反映出NLOS场景下电波传播环境更为复杂。因此，在系统设计和性能评估时，需要考虑NLOS场景下深度衰落给传输链路造成的不利影响。

为了验证测量结果的有效性，本文将三个频段在中国城市的实测模型与国际标准中典型的ITU M.2135模型、自由空间传播路损模型进行了对比分析[22]。从图5、图6和图7可知，UMa视距和非视距场景下实测得到的路径损耗均远大于自由空间传播下的路径损耗，这是因为自由空间传播模型是当收发端的传输路径上没有任何阻挡物，无线信号可以自由传播时才适用的路损模型，而城市宏小区场景下建筑物群高大密集，严重阻挡了电波传播路径，导致路损指数高于2。

图5  3.35 GHz城市宏小区场景电波传播路径损耗模型比较

从图5、图6和图7还可看出，在LOS环境下，测量范围为80-560米，各频段路径损耗模型拟合曲线斜率与ITU M.2135模型基本一致，但拟合曲线的路径损耗值比ITU M.2135模型值高5-7dB，这是由于对LOS环境的定义和限制范围不同导致的，本次信道测量定义的LOS环境并不是纯视距路线，更近似为一种OLOS环境，而ITU M.2135模型的LOS环境与自由空间信号传播环境相近。在NLOS环境下，测量范围为90-420米，3.35 GHz的路径损耗拟合曲线和ITU模型斜率基本一致，有约1.5 dB的差距。4.9 GHz测量点在ITU模型附近，在之后的测量点更加集中，所以4.9 GHz的路径损耗拟合曲线的起点和ITU模型基本一致，斜率略小于ITU模型，两条曲线的平均间距为0.9 dB。5.4 GHz的路径损耗拟合曲线和ITU模型十分接近并有交点，最大间距为2.1 dB。综上说明ITU M.2135模型能够较好地适用于实测城市的NLOS环境，不太适用于实测城市的LOS环境，在LOS环境下可以参考本文实测模型进行无线网络系统的规划和无线电业务的共存研究。

图6  4.9 GHz城市宏小区场景电波传播路径损耗模型比较

图7  5.4 GHz城市宏小区场景电波传播路径损耗模型比较

4.2   rms时延扩展

利用测量结果，按照式（8）计算了rms时延扩展，并对统计结果进行拟合，图8和图9给出了3.35 GHz频段rms时延扩展的概率密度函数的拟合曲线，其余频段在城市宏小区两种环境下的rms时延扩展拟合结果与此相似。从图8和图9可看出，各频段在LOS及NLOS环境下的rms时延扩展均较好地服从Log-Normal分布。

三个频段在10%，50%和90%概率密度下的值如表2所示。各频段在LOS条件下的传播时延普遍较小，而NLOS条件下的传播时延则相对较大。其中，LOS环境下3.35 GHz时延扩展较小，4.9 GHz和5.4 GHz时延扩展相近。此外，各频段的时延扩展在NLOS环境下基本上呈现出随频率增大，时延减小的规律。时延扩展对语音等实时性要求较高的业务有重要影响，本文各频段时延扩展测量结果可以起到参考作用。

图8  3.35 GHz城市宏小区LOS环境rms时延扩展

图9  3.35 GHz城市宏小区NLOS环境下的rms时延扩展

表2 各频段LOS和NLOS环境下rms时延扩展（ns）

5   结论

为了分析用于我国未来5G移动通信3.35 GHz、4.9 GHz和5.4 GHz候选频段的无线信道特性，利用基于安捷伦E4438C信号源-泰克RSA 6114实时频谱仪组合的信道探测系统，在西安市高陵区典型的室外宏小区场景下对上述频段进行了信道测量和相关信道特性分析研究，提取分析得到了视距和非视距环境下各频段的路径损耗模型和均方根时延扩展。对于路径损耗，3.35 GHz、4.9 GHz和5.4 GHz的路损指数与城市环境典型值吻合较好。在LOS环境下，各频段路径损耗模型拟合曲线斜率与ITU M.2135模型相似，路损值在ITU M.2135模型之上5-7dB。在NLOS环境下，3.35 GHz拟合曲线与ITU模型相差约1.5 dB。4.9 GHz拟合曲线靠近ITU M.2135模型，两条曲线的平均间距为0.9 dB。5.4 GHz拟合曲线和ITU模型相交，最大间距为2.1 dB。综上可知，实测模型与ITU M.2135的非视距模型基本吻合，与视距模型存在差异性。对于时延扩展，各频段rms时延扩展均较好地服从Log-Normal分布。在NLOS环境下，各频段的rms时延扩展基本上随频率增大而减小。

针对5G大带宽、高速率的需求，后续将继续深入开展6 GHz以上信道测量与建模工作，重点分析6 GHz以上不同频段用于未来5G移动通信系统匹配性，以及建立完备的高频无线信道模型，为5G高频段的频率规划提供技术支撑，以及促进5G高频系统商业化进程。

参考文献:

[1] ITU-R. IMT Vision - Framework and overall objectives of the future development of IMT for 2020 and beyond: M. 2083-0 [R]. Geneva: ITU, 2015.

[2] ITU-R. Future spectrum requirements estimate for terrestrial IMT: M.2290-0 [R]. Geneva: ITU, 2013.

[3] ITU. CPM Report on technical, operational and regulatory/procedural matters to be considered by the World Radio-communication Conference 2015 [R]. Geneva: ITU, 2015.

[4] TAN Haifeng, LI Wei, WANG Tan, et al. The analysis on the candidate frequency bands of future mobile communication systems [J]. China Communications, 2015, 12(1): 140-149.

[5] BANGERTER B, TALWAR S, AREFI R, et al. Networks and devices for the 5G Era [J]. IEEE Communications Magazine, 2014, 52(2): 90-96.

[6] IMT-2020 Promotion Group. IMT vision towards 2020 and beyond [R]. Beijing: IMT-2020 Promotion Group, 2014.

[7] ABBAS T, NUCKELT J, KURNER T, et al. Simulation and measurement-based vehicle-to-vehicle channel characterization: accuracy and constraint analysis [J]. IEEE Transactions on Antennas and Propagation, 2015, 63(7): 3208-3218.

[8] WANG Chengxiang, AMMAR G, AI Bo, et al. Channel measurements and models for high-speed train communication systems: a survey [J]. IEEE Communications Surveys & Tutorials, 2015.

[9] 李德建, 周正, 李斌, 等. 办公室环境下的超宽带信道测量与建模 [J]. 电波科学学报, 2012, 27(3): 432-439.

LI Dejian, ZHOU Zheng, LI Bing, et al. Ultra wideband channel measurement and modelling for the office environment [J]. Chinese Journal of Radio Science, 2012, 27(3): 432-439. (in Chinese)

[10] CASSIOLI D, ANNONI L A, PIERSANTI S. Characterization of path loss and delay spread of 60-GHz UWB channels vs. frequency [C]// IEEE International Conference on Communications (ICC). 2013: 5153 – 5157.

[11] MACCARTNEY G R, RAPPAPORT T S, SUN S, et al. Indoor office wideband millimeter-wave propagation measurements and channel models at 28 and 73 GHz for ultra-dense 5G wireless networks [J]. IEEE Access, 2015, (3): 2169-3536.

[12] RODRIGUEZ I, NGUYEN H C, JORGENSEN N T K, et al. Path loss validation for urban micro cell scenarios at 3.5 GHz compared to 1.9 GHz [C]// IEEE Global Communications Conference (GLOBECOM). 2013: 3942–3947.

[13] LI Jinxing, ZHAO Youping, ZHANG Jing, et al. Radio channel measurements and analysis at 2.4/5GHz in subway tunnels [J]. China Communications, 2015, 12(1): 36-45.

[14] PAPAZIAN P. Basic transmission loss and delay spread measurements for frequencies between 430 and 5750 MHz [J]. IEEE Transactions on Antennas and Propagation, 2005, 53(2): 694-701.

[15] MOLISCH A F. Wireless communications [M]. United States: John Wiley & Sons, 2010: 145-164.

[16] NEWHALL W G. Wideband propagation measurement results, simulation models, and processing techniques for a sliding correlator measurement system [D]. United States: Vir-ginia Polytechnic Institute and State University, 1997.

[17] RAPPAPORT T. Wireless communications: principles and practice [M] United States: Prentice Hall, 2001:70 – 88.

[18] SHAH S F A, TEWFIK A H. Enhanced position location with UWB in obstructed LOS and NLOS multipath environments [C]// European Signal Processing Conference. 2005: 1-4.

[19] 李大卫, 尹成, 马洪艳, 等. 时间延迟估计的循环相关法 [J]. 西安石油大学学报（自然科学版）, 2005, 20(2):65-68.

LI Dawei, YIN Cheng, MA Hongyan, et al. Circular correlation method of time delay estimation [J]. Journal of Xi'an Shiyou University (Natural Science Edition), 2005, 20(2):65-68. (in Chinese)

[20] PHILLIPS C, SICKER D, GRUNWALD D. A Survey of wireless path loss prediction and coverage mapping methods [J]. IEEE Communications Surveys & Tutorials, 2013, 15(1): 255-270.

[21] ZHANG Jianhua, DONG Di, LIANG Yanping, et al. Propagation characteristics of wideband MIMO channel in urban micro-and macrocells [C]// IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC). 2008: 1-6.

[22] ITU-R. Guidelines for evaluation of radio interface technologies for IMT-Advanced: M.2315-1 [R]. Geneva: ITU, 2009.