《电波传播理论db15课件.ppt》由会员分享，可在线阅读，更多相关《电波传播理论db15课件.ppt（15页珍藏版）》请在三一办公上搜索。
1、,15-1,电波传播理论,第15章移动通信传播损耗本地化统计模型,基本要求：1.掌握决定性模型与统计模型的基本概念；2.了解基本模型的选择以及传播模型本地化的基本思想；3.了解最小二乘法。,第15章 移动通信传播损耗本地化统计模型,1,15-1电波传播理论第15章移动通信传播损耗基本要求：,15-2,电波传播理论,15.1 决定性模型与统计模型,移动通信电波传播模型几种分类：四种类型：统计模型、实验模型、确定性模型和回归模型。三种类型：经验模式、半经验或半确定模式、确定性模式。两种类型：决定性模型和统计模型。,第15章 移动通信传播损耗本地化统计模型,2,15-2电波传播理论15.1 决定性模
2、型与统计模型移动通,15-3,电波传播理论,第14章 移动通信传播损耗统计预测模型,决定性模型在一定的物理模型下由较严格的电波传播理论推导出来的理论表达式。例如第十章中的自由空间传播模型、平坦地面反射传播模型以及第十一章讨论的绕射理论传播模型。决定性模型的计算结果是决定性的，但它要求要给出完整的、全面的地理环境条件。只要能够满足模型的预设条件，模型预测的传播损耗是不容置疑的。预测结果的误差主要来自实际的自然地理环境与其预设条件的偏离，实际情况不可能百分之百地精确地满足理论模型所要求的先决条件。所以说，决定性模型并不意味就是精确模型。有时候，理论上非常完美的东西实践上未必用的上。,第15章 移动
3、通信传播损耗本地化统计模型,3,15-3电波传播理论第14章 移动通信传播损耗统计预测模,15-4,电波传播理论,第14章 移动通信传播损耗统计预测模型,统计模型由大量的实验测试数据拟合出来的经验公式或半经验半理论公式，甚至是经验曲线。例如上一章的OKUMURA-HATA（奥村）传播模型、COST 231模型、Egli 模型等等。统计模型的预测结果是统计性的推断，具有一定的可靠度和精确度。统计模型并不要求准确地给出当时当地的精确的地理环境条件，只是要求知道地理环境条件的统计性数据和信息，比如说，是乡村还是城市市区，是水面还是陆地，是室内还是室外，建筑物的平均高度是多少，平均地面折射率是多少等等
4、，这些信息或数据都是具有相当的模糊性或不决定性，但是很容易给出。对于场强的预测，统计模型不能肯定地告诉你，某一地点某一时刻的场强究竟是多少，但是，它可以告诉你某一区域范围内有百分之多少的地点，其场强可以超过某一数值；以及对于确定的地点，它可以告诉你，一平均年或一最坏月内，有百分之几的时间，场强可以超过某一数值。,第15章 移动通信传播损耗本地化统计模型,4,15-4电波传播理论第14章 移动通信传播损耗统计预测模,15-5,电波传播理论,第14章 移动通信传播损耗统计预测模型,对于移动通信而言，由于用户在地点上的随机分布以及用户在移动中环境的随机变化，不同的用户、不同的时刻所遭受的无线电波传播
5、条件是很不一样的，所以在移动通信中使用统计模型是合适的。统计模型一般以实验为基础，如果又通过了大量有代表性的实验数据的检验，那么它一般是比较可靠的，至少不会有大错。当然，一个统计模型如果能够正确地本地化，即以本地的有代表性的实验数据基础对其进行校准，则它将可能会有更高的精度和更好的可靠性。但是，用于校准的实验数据必须是可靠的、精确的、有全面代表性的，且数据的数量必须足够多，否则，将适得其反，这点是必须特别强调指出的，并不是什麽测试数据都能用于改善传播模型，一个好的数据基础是决定性的。,第15章 移动通信传播损耗本地化统计模型,5,15-5电波传播理论第14章 移动通信传播损耗统计预测模,15-
6、6,电波传播理论,第14章 移动通信传播损耗统计预测模型,15.2 基本模型的选择,基本模型通过分析和参照已有的比较公认和通用的模型（Hata经验模型和Cost-231经验模型）所建立的能够适当地表达所要描述的物理现象的一个模型（包含若干参数的数学表达形式）。选择基本模型所参照的三个通用模型：Cost-231模型：Okumura-Hata模型：考虑到移动台天线高度修正项的更一般的模型：,（15.2）,（15.3）,（15.4）,第15章 移动通信传播损耗本地化统计模型,6,15-6电波传播理论第14章 移动通信传播损耗统计预测模,15-7,电波传播理论,第14章 移动通信传播损耗统计预测模型,
7、基本传播模型:包含了移动台天线高度修正项 和建筑物密度因子修正项 的影响；是已知的常数，不必在本地化中重新确定（校准）。在这个待本地化的传播模型中，能够和需要本地化（校准）的参数共有四个，即。,（15.5）,第15章 移动通信传播损耗本地化统计模型,7,15-7电波传播理论第14章 移动通信传播损耗统计预测模,15-8,电波传播理论,第14章 移动通信传播损耗统计预测模型,校准系数的线性方程：利用最小二乘法或线性回归法拟合路测数据以确定各个线性方程中的系数，从而得到经本地测试数据校准的经验传播模型。,（15.6）,（15.7）,（15.8）,第15章 移动通信传播损耗本地化统计模型,8,15-
8、8电波传播理论第14章 移动通信传播损耗统计预测模,15-9,电波传播理论,第14章 移动通信传播损耗统计预测模型,15.3 路测实施与测试数据结构,在实施路测的过程中，不可能每测完一个场强值，就改变以上所述的频率，移动台到基站的距离，基站天线高度和移动台天线高度等变量，然后再测一个场强值，再改变这些变量。事实上，只能在确定的频率（确定的频段）、确定的移动台天线高度和确定的基站天线高度的情况下，开着车在不同的地点（即改变电路距离，它可由GPS测出的该点地理经纬度算出）测试场强（在已知测试设备参数的情况下可以由场强折算出该地点的基本传输损耗）。当测试数据的采样数和代表性都已足够时，则可以在保持频
9、率和移动台天线高度不变的条件下改变基站天线高度，再继续进行另外一组传输损耗与距离之间的数据的测试，依此类推。,第15章 移动通信传播损耗本地化统计模型,9,15-9电波传播理论第14章 移动通信传播损耗统计预测模,15-10,电波传播理论,第14章 移动通信传播损耗统计预测模型,数据分组结构图：,第15章 移动通信传播损耗本地化统计模型,10,15-10电波传播理论第14章 移动通信传播损耗统计预测,15-11,电波传播理论,第14章 移动通信传播损耗统计预测模型,15.4 传播模型的本地化,传播模型本地化利用当地的充分而准确的路测数据修正传播模型的系数。传播模型本地化的两个步骤：第一步，如图
10、15.1所示，基于每组 和 的测试数据，使用线性回归法或最小二乘法，以式（15.6）作为数学模型，则可求得相应的 个 值和 个 值。第二步，再依据 数组和相应的和 数组，以式（15.8）作为相应的回归模型，便可求得 和。而基于 数组和相应的 数组，以及使用式（15.7），则可以求得 和，乃至 和，从而最终得到本地化的传播模型。,第15章 移动通信传播损耗本地化统计模型,11,15-11电波传播理论第14章 移动通信传播损耗统计预测,15-12,电波传播理论,第14章 移动通信传播损耗统计预测模型,本地化传播模型看来很诱人，似乎能够改善传播模型的预测精度。但是，我们得提醒，一个已经基于大量实验数
11、据建立起来的、后又经过了全世界不同地区大量的实验测试结果检验和修正了的经验统计模型，要靠少量的局部测试数据再对它进行改进，谈何容易。至少，你得先把实验测试设备校正好，包括天线、发射机、接收机和馈线等，把整个测试系统的系统偏差搞清楚。还得对实验测试方法、测试数据处理方法、数据基础的代表性、测试数据与模型预测值之间如何进行比较等重要问题都心中有数，清清楚楚。否则，“改进”后或者说本地化后的模型，很难说会是可靠的。我们知道，测试结果一定会有误差，如果测试误差比模型的预测误差还大，那谈模型改进就没有意义了。当然，如果认真和小心从事，传播模型的本地化还是可以一试的。,第15章 移动通信传播损耗本地化统计
12、模型,12,15-12电波传播理论第14章 移动通信传播损耗统计预测,15-13,电波传播理论,第14章 移动通信传播损耗统计预测模型,从另一方面说，传播模型也是可以做一些本地化的。比如说，ITU模型，它的环境分类就相当模糊，什么是市区，什么是郊区，建筑物密度因子是多少等等，有相当的随意性。这些因素是可以用本地的实测数据来实现本地化的，明确哪些地区是郊区，哪些地区是市区，市区和郊区建筑物密度应该分别取多大的值才合适等，减少随意性和任意性。还有，对于Cost 231模型而言，对于某个具体的城市，街道宽度、房屋间距和楼房平均高度等应取什么数值，都是可以本地化的，也可以带来实实在在的传播预测精度的提
13、高。,第15章 移动通信传播损耗本地化统计模型,13,15-13电波传播理论第14章 移动通信传播损耗统计预测,15-14,电波传播理论,第14章 移动通信传播损耗统计预测模型,15.5 最小二乘法,一组实验测得的子样数据：设所求的方程为 其中 和 为待求的两个参数。,（15.9）,第15章 移动通信传播损耗本地化统计模型,14,15-14电波传播理论第14章 移动通信传播损耗统计预测,15-15,电波传播理论,第14章 移动通信传播损耗统计预测模型,最小二乘法确定回归系数 和：所有测试数据点偏差的平方和为了使 达到最小的回归系数：利用子样平均值表示回归系数：,（15.11）,第15章 移动通信传播损耗本地化统计模型,15,15-15电波传播理论第14章 移动通信传播损耗统计预测,
