本發(fā)明涉及通信技術(shù)領(lǐng)域，特別是指一種毫米波信道模型建模方法和裝置。

背景技術(shù)：

5G(第5代移動通信系統(tǒng))是面向2020年以后移動通信需求而發(fā)展的新一代移動通信系統(tǒng)。由移動通信的發(fā)展規(guī)律，5G將具有超高的頻譜利用率和能效，在傳輸速率和資源利用率等當面較4G移動通信提高一個量級或者更高，其無線覆蓋性能、傳輸時延、系統(tǒng)安全等都將得到顯著的提高。

為實現(xiàn)5G的高速率傳輸，主要通過兩種途徑，其一是增加頻譜利用率，其二是增加頻譜帶寬。相對于提高頻譜利用率，增加頻譜帶寬的方法顯得更簡單直接。在頻譜利用率不變的情況下，可用帶寬翻倍則可以實現(xiàn)的數(shù)據(jù)傳輸速率也翻倍。但現(xiàn)在常用的5GHz以下的頻段已經(jīng)非常擁擠，為尋找新的頻譜資源，各大廠商把目光投向了毫米波技術(shù)

毫米波是指波長在毫米數(shù)量級的電磁波，其頻率大約在30GHz～300GHz之間。根據(jù)通信原理，無線通信的最大信號帶寬大約是載波頻率的5％左右，因此載波頻率越高，可實現(xiàn)的信號帶寬也越大。因此，如果使用毫米波頻段，頻譜帶寬將大幅提高，傳輸速率也可得到巨大提升。然而，由于毫米波頻率高、波長短，因此毫米波還有一個不容忽視的特性是在空氣中衰減較大，且繞射能力較弱，非常容易受到各種阻擋，其中人體產(chǎn)生的阻擋現(xiàn)象尤為復(fù)雜多變。

信道建模作為無線通信系統(tǒng)研發(fā)與測試的重要組成部分，需要準確描述信道特性。而目前常用的諸如IEEE 802.11ad、IEEE 802.15.3c中提出的毫米波信道模型，其中的人體阻擋模型對于毫米波受到以人體阻擋的擋描述較為簡單，且靈活性較差，難以滿足毫米波復(fù)雜多變的應(yīng)用場景。因此需要一個靈活且具有普遍適用性的阻斷概率模型，來描述毫米波復(fù)雜多變的應(yīng)用場景。

毫米波呈現(xiàn)顯著的簇到達現(xiàn)象，接收機接收到的每一簇都有著基本相同的到達角及到達時間。但在實際的環(huán)境中，并非所有的簇都能夠到達接收機完成通信任務(wù)。其中一部分可能會被場景中坐著或站著的人體以及其他物體阻擋，并且會對毫米波通信系統(tǒng)的性能產(chǎn)生十分顯著的影響，因此在對毫米波信道進行建模時需要將人體的阻擋現(xiàn)象考慮在內(nèi)。

在以IEEE 802.11ad為代表的現(xiàn)有毫米波信道模型中，動態(tài)人體阻擋模型借助射線跟蹤模型計算出毫米波可能產(chǎn)生的所有傳播路徑，之后通過隨機行走模型模擬人體在場景中的活動，進而統(tǒng)計得出每條路徑相應(yīng)的被阻擋概率。在使用該動態(tài)人體阻擋模型時，首先需要讀取場景的空間信息，構(gòu)建場景的空間數(shù)據(jù)集。其次，設(shè)定發(fā)射機與接收機的位置信息，通過已有的空間信息，采用射線跟蹤模型，結(jié)算在該參數(shù)設(shè)定下所有可能發(fā)生的毫米波傳播路徑；與此同時，在空間中隨機選取一點作為出發(fā)點，采用隨機行走算法生成隨機路徑。此后分別多次仿真獲取對每種傳播路徑產(chǎn)生阻擋的概率，再配合單次阻擋事件的動態(tài)阻擋模型即可獲得動態(tài)人體阻擋模型。其中，隨機行走模型是描述由一連串隨機步驟組成的路徑的數(shù)學模型。

發(fā)明人在實現(xiàn)發(fā)明的過程中發(fā)現(xiàn)，現(xiàn)有的動態(tài)人體阻擋模型至少存在以下問題：隨機行走的路徑與場景無關(guān)，這在實際的應(yīng)用場景中是不可能發(fā)生的。在現(xiàn)實場景中，由于場景內(nèi)存在各種各樣的物體，這些物體都會影響到人體的行走路徑。例如，在實際的場景中人體不可能從桌子中穿過，而采用傳統(tǒng)的隨機行走模型則無法避免該現(xiàn)象的發(fā)生。另外，人體的行走路線完全隨機，這與現(xiàn)實場景中的人體行走模式不同。現(xiàn)實場景中，人體運動軌跡的隨機性體現(xiàn)在起始點與目標點的隨機選擇，而其從起始點到目標點的行走路徑最可能表現(xiàn)為場景允許的兩點間的最短路徑。還有，由于目前的動態(tài)人體阻擋模型僅僅針對有限的幾種場景，為了達到與相關(guān)文獻、協(xié)議中想接近的模型數(shù)據(jù)，就要求與其有十分接近的參數(shù)設(shè)定，這就大大影響了它的靈活性與普適性。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提出一種毫米波信道模型建模方法和裝置，通過，從而解決根據(jù)不同的場景，引入相應(yīng)場景下的空間因素影響，解決目前動態(tài)人體阻擋模型無法體現(xiàn)場景對人體行走路徑影響的問題。

基于上述目的本發(fā)明提供的毫米波信道模型建模方法，包括步驟：

獲取場景空間信息；

根據(jù)所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑，以及通過基于場景的隨機行走算法計算隨機路徑；

根據(jù)所述隨機路徑計算各毫米波傳播路徑的阻擋概率。

在本發(fā)明的一些實施例中，根據(jù)所述隨機路徑計算各毫米波傳播路徑的阻擋概率的同時，根據(jù)所述隨機路徑獲得該場景的動態(tài)人體阻擋模型。

在本發(fā)明的一些實施例中，所述基于場景的隨機行走算法計算隨機路徑時先給定一個隨機起始點與目標點，計算能夠從起始點到目標點每個路徑需要的代價，然后查找到所有路徑中需要代價最小的；

其中，計算每個路徑的代價采用如下公式：

F＝G+H

F表示從起始點經(jīng)過當前搜索點到達目標點的代價，G表示從起始點到當前搜索點所花費的代價，H表示當前搜索點到達目標點的代價；所述的代價為距離的長短，即距離長代價大，距離短代價小。

在本發(fā)明的一些實施例中，根據(jù)所述場景空間信息，通過基于場景的隨機行走算法計算隨機路徑包括：

根據(jù)場景空間信息，確定可達區(qū)域；

對可達區(qū)域進行網(wǎng)格化處理；

在所述的可達區(qū)域的網(wǎng)格交點上隨機選取起始點和目標點，并將起始點存儲到OPEN表中；

探知起始點的相鄰節(jié)點，并按照樹形結(jié)構(gòu)存儲到OPEN表中；

根據(jù)路徑的代價公式，在OPEN表中選取當前F值最小的相鄰節(jié)點作為當前節(jié)點；

判斷當前節(jié)點是否為目標點，若是則直接路徑生成成功，將CLOSE表中的節(jié)點依次取出，獲得起始點到目標點的最短路徑；否則將當前節(jié)點從OPEN表中移入CLOSE表中，且將當前節(jié)點作為起始點探知其相鄰節(jié)點。

在本發(fā)明的一些實施例中，所述根據(jù)場景空間信息確定可達區(qū)域，包括：

根據(jù)場景空間信息，繪制所述場景的二維平面圖，將所述場景內(nèi)各種物體覆蓋的區(qū)域設(shè)置為不可達區(qū)域，其他區(qū)域設(shè)置為可達區(qū)域。

本發(fā)明還提出了一種毫米波信道模型建模裝置，包括：

場景獲取單元，用于獲取場景空間信息；

模型計算單元，用于根據(jù)所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑，以及通過基于場景的隨機行走算法計算隨機路徑；

阻擋概率計算單元，用于根據(jù)所述隨機路徑計算各毫米波傳播路徑的阻擋概率。

在本發(fā)明的一些實施例中，所述阻擋概率計算單元根據(jù)所述隨機路徑計算各毫米波傳播路徑的阻擋概率的同時，根據(jù)所述隨機路徑獲得該場景的動態(tài)人體阻擋模型。

在本發(fā)明的一些實施例中，所述模型計算單元基于場景的隨機行走算法計算隨機路徑時先給定一個隨機起始點與目標點，計算能夠從起始點到目標點每個路徑需要的代價，然后查找到所有路徑中需要代價最小的；

其中，計算每個路徑的代價采用如下公式：

F＝G+H

F表示從起始點經(jīng)過當前搜索點到達目標點的代價，G表示從起始點到當前搜索點所花費的代價，H表示當前搜索點到達目標點的代價；所述的代價為距離的長短，即距離長代價大，距離短代價小。

在本發(fā)明的一些實施例中，所述模型計算單元通過基于場景的隨機行走算法計算隨機路徑時，包括：

根據(jù)場景空間信息，確定可達區(qū)域；

對可達區(qū)域進行網(wǎng)格化處理；

在所述的可達區(qū)域的網(wǎng)格交點上隨機選取起始點和目標點，并將起始點存儲到OPEN表中；

探知起始點的相鄰節(jié)點，并按照樹形結(jié)構(gòu)存儲到OPEN表中；

根據(jù)路徑的代價公式，在OPEN表中選取當前F值最小的相鄰節(jié)點作為當前節(jié)點；

判斷當前節(jié)點是否為目標點，若是則直接路徑生成成功，將CLOSE表中的節(jié)點依次取出，獲得起始點到目標點的最短路徑；否則將當前節(jié)點從OPEN表中移入CLOSE表中，且將當前節(jié)點作為起始點探知其相鄰節(jié)點。

在本發(fā)明的一些實施例中，所述根據(jù)場景空間信息確定可達區(qū)域，包括：

根據(jù)場景空間信息，繪制所述場景的二維平面圖，將所述場景內(nèi)各種物體覆蓋的區(qū)域設(shè)置為不可達區(qū)域，其他區(qū)域設(shè)置為可達區(qū)域。

從上面所述可以看出，本發(fā)明提供的一種毫米波信道模型建模方法和裝置，根據(jù)所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑，以及通過基于場景的隨機行走算法計算隨機路徑；根據(jù)所述隨機路徑計算各毫米波傳播路徑的阻擋概率。因此，本發(fā)明所述的毫米波信道模型建模方法和裝置避免傳統(tǒng)隨機行走算法中不合理的隨機路徑的產(chǎn)生，解決動態(tài)人體阻擋模型無法體現(xiàn)場景對人體行走路徑的影響，具有很好的靈活性、普適性。

附圖說明

圖1為本發(fā)明實施例中毫米波信道模型建模方法的流程示意圖；

圖2為本發(fā)明實施例中基于場景的隨機行走算法計算隨機路徑的流程示意圖；

圖3為本發(fā)明實施例中毫米波信道模型建模裝置的結(jié)構(gòu)示意圖；

圖4為本發(fā)明實施例中會議室場景中人為選取起始點與目標點的示意圖；

圖5為本發(fā)明實施例中會議室場景中隨機選取起始點與目標點的示意圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照附圖，對本發(fā)明進一步詳細說明。

需要說明的是，本發(fā)明實施例中所有使用“第一”和“第二”的表述均是為了區(qū)分兩個相同名稱非相同的實體或者非相同的參量，可見“第一”“第二”僅為了表述的方便，不應(yīng)理解為對本發(fā)明實施例的限定，后續(xù)實施例對此不再一一說明。

參閱圖1所示，為本發(fā)明實施例中毫米波信道模型建模方法的流程示意圖。其中，所述的毫米波信道模型建模方法可以包括：

步驟101，獲取場景空間信息。

在本發(fā)明的實施例中，針對不同場景，需要提供相應(yīng)的場景空間信息。其中，場景空間信息可以是各種格式的場景空間信息，例如一個會議室的長寬高，以及會議室內(nèi)各種陳設(shè)的位置、尺寸等空間信息。

步驟102，根據(jù)所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑。

其中，射線跟蹤模型是一種求解發(fā)射點與目標點間所有可能傳播路線的計算模型，可以通過正向或反向跟蹤的方法進行計算。優(yōu)選地，本發(fā)明通過反向射線跟蹤法求算指定收發(fā)信機之間可能存在的所有射線傳播路徑。

步驟103，根據(jù)所述場景空間信息，通過基于場景的隨機行走算法計算隨機路徑。

在實施例中，基于場景的隨機行走算法計算隨機路徑時可以先給定一個隨機起始點與目標點，計算能夠從起始點到目標點每個路徑需要的代價，然后查找到所有路徑中需要代價最小的。其中，計算每個路徑的代價可以采用如下公式：

F＝G+H

F表示從起始點經(jīng)過當前搜索點到達目標點的代價，G表示從起始點到當前搜索點所花費的代價，H表示當前搜索點到達目標點的代價。

需要說明的是，所述的代價可以為距離的長短，即距離長代價大，距離短代價小。

步驟104，根據(jù)所述隨機路徑計算各毫米波傳播路徑的阻擋概率，獲得所述場景的阻擋概率模型。具體的實施過程可以包括：

其中，所述的場景阻擋概率模型可以針對特定場景，計算并統(tǒng)計各種路徑的阻擋概率，得到的就是相應(yīng)場景的阻擋概率模型。所述的場景阻擋概率模型可以得到一種統(tǒng)計性模型，且基于大量仿真數(shù)據(jù)得到。

較佳地，根據(jù)隨機路徑計算各毫米波傳播路徑的阻擋概率，具體可以包括：在指定條件下，通過隨機行走算法獲取一定數(shù)量隨機行走路徑，并統(tǒng)計其中具備阻擋條件的路徑的數(shù)目，用該數(shù)目除以路徑總數(shù)就得到了給定場景下某種類型的射線被阻擋的概率。

作為優(yōu)選地實施例，為了更好的獲得路徑上的行走情況，在得到了一個場景的阻擋概率模型的同時，還可以根據(jù)所述隨機路徑獲得該場景的動態(tài)人體阻擋模型。其中，所述的動態(tài)人體阻擋模型基于得到的隨機路徑，對人體在相應(yīng)路徑上的行走情況進行阻擋情況的瞬態(tài)模擬。

需要說明的是，步驟102和步驟103可以同時進行，也可以先進行步驟102后進行步驟103，當然也可以先進行步驟103后進行步驟102。

作為本發(fā)明一個可參考的實施例，如圖2所示，所述步驟103可以包括如下實施過程：

步驟201，根據(jù)場景空間信息，確定可達區(qū)域。

其中，所述的可達區(qū)域為除去場景中人體無法到達的區(qū)域，也就是說場景中人體無法到達的區(qū)域為不可達區(qū)域。在較佳地實施例中，可以根據(jù)場景空間信息，繪制所述場景的二維平面圖，將所述場景內(nèi)各種物體覆蓋的區(qū)域設(shè)置為不可達區(qū)域，其他區(qū)域設(shè)置為可達區(qū)域。

步驟202，對可達區(qū)域進行網(wǎng)格化處理。

其中，可達區(qū)域內(nèi)的網(wǎng)格交點集合為可達區(qū)域點的集合。

步驟203，在所述的可達區(qū)域的網(wǎng)格交點上隨機選取起始點和目標點，并將起始點存儲到OPEN表中。

在實施例中，在生成的可達區(qū)域后，從可達區(qū)域內(nèi)的網(wǎng)格交點集合中隨機選取起始點和目標點分別作為路徑的起點和終點。其中，所述的OPEN表中存儲有已經(jīng)探知，但未搜索過的節(jié)點。

步驟204，探知起始點的相鄰節(jié)點，并按照樹形結(jié)構(gòu)存儲到OPEN表中。

步驟205，根據(jù)路徑的代價公式，在OPEN表中選取當前F值最小的相鄰節(jié)點作為當前節(jié)點。

其中，計算每個路徑的代價可以采用如下公式：

F＝G+H

F表示從起始點經(jīng)過當前搜索點到達目標點的代價，G表示從起始點到當前搜索點所花費的代價，H表示當前搜索點到達目標點的代價。需要說明的是，所述的代價可以為距離的長短，即距離長代價大，距離短代價小。

步驟206，判斷當前節(jié)點是否為目標點，若是則直接進行步驟207，否則將當前節(jié)點從OPEN表中移入CLOSE表中，且將當前節(jié)點作為起始點返回步驟204。

其中，所述的CLOSE表中存儲有已探知且搜索過的節(jié)點。

步驟207，路徑生成成功，將CLOSE表中的節(jié)點依次取出，獲得起始點到目標點的最短路徑。

在本發(fā)明的一個可參考的實施例中，在探知的相鄰節(jié)點中，選取當前F值最小的相鄰節(jié)點作為當前節(jié)點，若當前節(jié)點不是目標點，需要判斷所述當前節(jié)點是否在可達區(qū)域，如果在則將當前節(jié)點從OPEN表中移入CLOSE表中。如果不在，則說明所述的當前節(jié)點有障礙走不通，則將所述的當前節(jié)點從OPEN表中刪除，并將當前節(jié)點的父節(jié)點作為新的當前節(jié)點，重新計算當前節(jié)點的相鄰節(jié)點中當前F值最小的相鄰節(jié)點。

可以看出，在該實施例中能夠判斷最短路徑是否真正實現(xiàn)，即最短路徑是否可以在場景中實際達到目標點。因此，在很大程度上保證了獲得的最短路徑在場景中是有效的。

另外，作為本發(fā)明的另一方面實施例，參閱圖3所示，為本發(fā)明實施例中毫米波信道模型建模裝置的結(jié)構(gòu)示意圖。其中，所述毫米波信道模型建模裝置可以包括場景獲取單元301、模型計算單元302以及阻擋概率計算單元303。場景獲取單元301能夠獲取場景空間信息，然后模型計算單元302根據(jù)所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑，以及通過基于場景的隨機行走算法計算隨機路徑。最后，阻擋概率計算單元303根據(jù)所述隨機路徑計算各毫米波傳播路徑的阻擋概率。

作為較佳地實施例，所述的阻擋概率計算單元303為了更好的獲得路徑上的行走情況，在得到了一個場景的阻擋概率模型的同時，還可以根據(jù)所述隨機路徑獲得該場景的動態(tài)人體阻擋模型。其中，所述的動態(tài)人體阻擋模型基于得到的隨機路徑，對人體在相應(yīng)路徑上的行走情況進行阻擋情況的瞬態(tài)模擬。

在一個可參考的實施例中，模型計算單元302根據(jù)所述場景空間信息，通過基于場景的隨機行走算法計算隨機路徑時，可以包括：根據(jù)場景空間信息，確定可達區(qū)域，并對可達區(qū)域進行網(wǎng)格化處理。然后，在所述的可達區(qū)域的網(wǎng)格交點上隨機選取起始點和目標點，并將起始點存儲到OPEN表中。探知起始點的相鄰節(jié)點，并按照樹形結(jié)構(gòu)存儲到OPEN表中。根據(jù)路徑的代價公式，在OPEN表中選取當前F值最小的相鄰節(jié)點作為當前節(jié)點。

之后，判斷當前節(jié)點是否為目標點，若是則路徑生成成功，將CLOSE表中的節(jié)點依次取出，獲得起始點到目標點的最短路徑。若不是則將當前節(jié)點從OPEN表中移入CLOSE表中，且將當前節(jié)點作為起始點探知該當前節(jié)點的相鄰節(jié)點。

當然，在探知的相鄰節(jié)點中，選取當前F值最小的相鄰節(jié)點作為當前節(jié)點，若當前節(jié)點不是目標點，需要判斷所述當前節(jié)點是否在可達區(qū)域，如果在則將當前節(jié)點從OPEN表中移入CLOSE表中。如果不在，則說明所述的當前節(jié)點有障礙走不通，則將所述的當前節(jié)點從OPEN表中刪除，并將當前節(jié)點的父節(jié)點作為新的當前節(jié)點，重新計算當前節(jié)點的相鄰節(jié)點中當前F值最小的相鄰節(jié)點。

值得說明的是，在本發(fā)明所述的毫米波信道模型建模裝置的具體實施內(nèi)容，在上面所述的毫米波信道模型建模方法中已經(jīng)詳細說明了，故在此重復(fù)內(nèi)容不再說明。

針對本發(fā)明實施例中所述的毫米波信道模型建模方法和裝置，舉出了一個具體的例子：

會議室場景

會議室場景的俯視圖如圖4所示。圖中圓點所圍成的區(qū)域表示會議室場景中的會議桌，其內(nèi)部為不可達區(qū)域。通過人工設(shè)定起始點與目標點，可以得到一條從起始點到目標點的最短路徑。

圖5為會議室場景下隨機選取起始點與目標點的仿真結(jié)果。通過仿真結(jié)果可以看出，生成的隨機路徑都在會議桌周邊，且當目標點存在于不可達區(qū)域時，無法生成路徑，這與實際中的會議室場景相吻合。

綜上所述，本發(fā)明提供的一種毫米波信道模型建模方法和裝置，創(chuàng)造性地提出了基于場景的動態(tài)人體阻擋模型；并且，通過該模型可以針對不同的場景，對場景中毫米波受到阻擋的現(xiàn)象進行仿真，區(qū)別于傳統(tǒng)的動態(tài)人體阻擋模型，該模型具有較好的普適性；更進一步地，在該場景的動態(tài)人體阻擋模型中提出了基于場景的隨機行走算法；并且，通過該算法可以針對不同的場景下人體的隨機行走路線進行仿真，該算法區(qū)別于傳統(tǒng)的隨機行走算法，可以生成與人體實際行走路線更為接近的路徑；而且，該算法是整個模型中對阻擋概率進行統(tǒng)計以及進一步開發(fā)的基礎(chǔ)；最后，整個所述的一種毫米波信道模型建模方法和裝置緊湊，易于實現(xiàn)、使用。

所屬領(lǐng)域的普通技術(shù)人員應(yīng)當理解：以上任何實施例的討論僅為示例性的，并非旨在暗示本公開的范圍(包括權(quán)利要求)被限于這些例子；在本發(fā)明的思路下，以上實施例或者不同實施例中的技術(shù)特征之間也可以進行組合，步驟可以以任意順序?qū)崿F(xiàn)，并存在如上所述的本發(fā)明的不同方面的許多其它變化，為了簡明它們沒有在細節(jié)中提供。

在闡述了具體細節(jié)以描述本發(fā)明的示例性實施例的情況下，對本領(lǐng)域技術(shù)人員來說顯而易見的是，可以在沒有這些具體細節(jié)的情況下或者這些具體細節(jié)有變化的情況下實施本發(fā)明。因此，這些描述應(yīng)被認為是說明性的而不是限制性的。

盡管已經(jīng)結(jié)合了本發(fā)明的具體實施例對本發(fā)明進行了描述，但是根據(jù)前面的描述，這些實施例的很多替換、修改和變型對本領(lǐng)域普通技術(shù)人員來說將是顯而易見的。因此，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何省略、修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。