北邮校园无线信号场强特性分析实验报告Word格式.doc
《北邮校园无线信号场强特性分析实验报告Word格式.doc》由会员分享，可在线阅读，更多相关《北邮校园无线信号场强特性分析实验报告Word格式.doc（24页珍藏版）》请在冰豆网上搜索。
发射机
接收机
发射天线
接收天线
无线信道
2.1大尺度路径损耗
在移动通信系统中，路径损耗是影响通信质量的一个重要因素。
大尺度平均路径损耗：
用于测量发射机与接收机之间信号的平均衰落，即定义为有效发射功率和平均接收功率之间的（dB）差值，根据理论和测试的传播模型，无论室内还是室外信道，平均接收信号功率随距离对数衰减，这种模型已被广泛使用。
对于任意的传播距离，大尺度平均路径损耗表示为：
（n依赖于具体的传输环境）
即平均接收功率为：
其中，n为路径损耗指数，表明路径损耗随距离增长的速度；
d0为近地参考距离；
d为发射机与接收机（T-R）之间的距离。
公式中的横岗表示给定值d的所有可能路径损耗的综合平均。
坐标为对数—对数时，平均路径损耗或平均接收功率可表示为斜率10ndB/10倍程的直线。
n值依赖于特定的传播环境。
例如在自由空间，n为2，当有阻挡物时，n比2大。
决定路径损耗大小的首要因素是距离，此外，它还与接收点的电波传播条件密切相关。
为此，我们引进路径损耗中值的概念。
中值是使实测数据中一半大于它而另一半小于它的一个数值（对于正态分布中值就是均值）。
人们根据不同的地形地貌条件，归纳总结出各种电波传输模型。
下边介绍几种常用的描述大尺度衰落的模型。
2.2常用的电波传播模型
2.2.1自由空间模型
自由空间模型假定发射天线和接收台都处在自由空间。
我们所说的自由空间一是指真空，二是指发射天线与接收台之间不存在任何可能影响电波传播的物体，电波是以直射线的方式到达移动台的。
自由空间模型计算路径损耗的公式是：
其中是以为单位的路径损耗，d是以公里为单位的移动台和基站之间的距离，f是以MHz为单位的移动工作频点或工作频段的频率。
空气的特性近似为真空，因此当发射天线和接收天线距离地面都比较高时，可以近似使用自由空间模型来估计路径损耗。
2.2.2布灵顿模型
布灵顿模型假设发射天线和移动台之间是理想平面大地，并且两者之间的距离d远大于发射天线的高度ht或移动台的高度hr。
布灵顿模型的出发角度是接收信号来自于电波的直射和一次反射，也被叫做“平面大地模型”。
该模型的路径损耗公式为：
单位：
d（km）ht（m）hr（m）Lp（dB）
系统设计时一般把接收机高度按典型值hr=1.5m处理，这时的路径损耗计算公式为：
按自由空间模型计算时，距离增加一倍时对应的路径损耗增加6dB，按布灵顿模型计算时，距离增加一倍时对应的路径损耗要增加12dB。
2.2.3EgLi模型
前述的2个模型都是基于理论计算分析得出的计算公式。
EgLi模型则是从大量实测结果中归纳出来的中值预测模型，属于经验模型。
其路径损耗公式为：
d（km）ht（m）hr（m）f（MHz）G（dB）Lp（dB）
其中G是地下修复因子，G反映了地形因素对路径损耗的影响。
EgLi模型认为路径损耗同接收点的地形起伏程度有关，地形起伏越大，则路径损耗也越大。
当用米来测量时，可按下式近似的估计地形的影响：
若将移动台的典型高度值hr=1.5m，代入EgLi模型则有：
2.2.4Hata-Okumura模型
该模型也是依据实测数据建立的模型，属于经验模型。
当hr=1.5m时，按此模型计算的路径损耗为：
市区：
开阔地：
d（km）ht（m）f（MHz）Lp（dB）
一般情况下，开阔地的路径损耗要比市区小。
2.3阴影衰落
在无线信道里，造成慢衰落的最主要原因是建筑物或其他物体对电波的遮挡。
在测量过程中，不同测量位置遇到的建筑物遮挡情况不同，因此接收功率不同，这样就会观察到衰落现象，由于这种原因造成的衰落也叫“阴影衰落”或“阴影效应”。
在阴影衰落的情况下，移动台被建筑物遮挡，它收到的信号是各种绕射、反射、散射波的合成。
所以，在距基站距离相同的地方，由于阴影效应的不同，它们收到的信号功率有可能相差很大，理论和测试表明，对任意的d值，特定位置的接收功率为随机对数正态分布即：
其中，为均值为0的高斯分布随机变量，单位为，标准差为，单位也是。
对数正态分布描述了在传播路径上，具有相同T-R距离时，不同的随机阴影效应。
这样利用高斯分布可以方便地分析阴影的随机效应。
正态分布的概率密度函数是:
应用于阴影衰落时，上式的x表示某一次测量得到的接收功率，m表示以表示的接收功率的均值或中值，表示接收功率的标准差，单位为。
阴影衰落的标准差同地形、建筑物类型、建筑物密度有关，在市区的150MHz频段其典型值是5.
除了阴影衰落外，大气变化也会导致慢衰落。
比如一天中的白天、夜晚，一年中的春夏秋冬，天晴时、下雨时，即使在同一地点上，也会观察到路径损耗的变化。
但在测量的无线信道中，大气变化造成的影响要比阴影效应小的多。
下表列出了阴影衰落分布的标准差，其中的是阴影效应的标准差。
表1阴影衰落分布的标准差
（dB）
频率（MHZ）
准平坦地形
不规则地形（米）
城市
郊区
50
150
300
3.5~5.5
4~7
9
11
13
450
6
7.5
15
18
900
6.5
8
14
21
2.4建筑物的穿透损耗
建筑物的穿透损耗的大小对于研究室内无线信道具有重要意义。
穿透损耗也称为大楼效应，一般是指建筑物一楼内的中值电场强度和室外附近街道上中值电场强度之差。
发射机位于室外，接收机位于室内，电波从室外进入室内，产生建筑物的穿透损耗，由于建筑物存在屏蔽和吸收作用，室内场强一定小于室外的场强，造成传输损耗。
室外至室内建筑物的穿透损耗定义为：
室外测量的信号平均场强减去在同一位置室内测量的信号平均场强。
用公式表示为：
是穿透损耗，单位，是在室内所测得每一点的功率，单位，共个点，是在室外所测得每一点的功率，单位，共个点。
三、实验内容
利用DS1131场强仪，实地测量信号场强
1．研究具体现实环境下阴影衰落分布规律，以及具体的分布参数如何；
2．研究在校园内电波传播规律与现有模型的吻合程度，测试值与模型预测值的预测误差如何；
3．研究建筑物穿透损耗的变化规律。
四、实验步骤
4.1选择实验对象
N
北邮南北主干道鸟瞰图
这次实验数据采集地点我们选择了开阔同时无论何时人口都较为密集的南北主干道。
选择测量的频段为广播调频190.75MHz。
当时测量的时间为2013年5月7号下午5：
30—8：
00，天气晴朗，风速为2-3级。
根据测定要求，每半个波长测定一次数据，则对于190.75MHz而言，每个波长约为1.6m，半个波长为0.8m，而我们粗略计算了下，一小步的距离为0.3-0.4米，故实验时选定每两小步测定一个数据。
4.2数据采集
利用场强仪对无线信号的电平值进行测量，对于室外的信号的测量，均为每隔半个波长（约0.8米，大约两小步）记录一个数据；
记录多组数据。
在实验中，我们在主干道由北向南方向进行测量并记录数据。
start
测量行进方向图
4.3测量注意事项
（1）对于场强仪而言，由于其天线的长度、方向等对于接收信号的强度值是有影响的，故在使用时要保证天线始终处于全伸直状态，并且尽量在测定一个区域时保证其方向不变。
（2）在测量时尽量保持身体的姿势是不变的，这样就可以减少由于身体的姿势的不同而导致的对于测量的干扰的不同。
（3）在读数时应该注意，由于短期快衰落导致测量到的信号强度变化较快，有时甚至在一个比较的动态范围内跳变，这时需要根据实际情况，在评估一段时间后选取其中的平均值进行记录。
（4）由于测量位置一直改变，接收天线是移动的，所以不能在移动到一个点后马上读数，故移动到某个点后，隔一段时间后再进行读数。
4.4数据录入
将测量得到的数据填入Excel表格，字段排列为地点、电平值、状态。
数据录入时舍弃了电平绝对值大于72dbmw的无效数据。
4.5数据处理流程
采集到的数据有大约800组，需要对数据进行细致的处理以便得到明确的结论。
下图所示为数据处理的流程图。
数据采集
数据整理和录入
场强空间分布
统计分析、拟合、作图
场强概率分布
穿透损耗
计算和结论
实验结论
整理与分析
导入MATLAB
五、实验结果
地点：
南北主干道
磁场强度统计分布和概率累计分布图
数据1~199
数据200~399
数据400~599
数据600~791
matlab源程序：
clearall;
closeall;
%-------------读取文件---------------%
w2e=xlsread（'
data.xls'
'
sheet1'
）;
%-------------转换成矩阵------------%
w2e2=reshape（w2e,1,791）;
%---------为画平面场强图作准备----------%
w2e3=[w2e2,zeros（1,791）,[1:
791]];
w2e3=reshape（w2e3,791,3）;
%-----------南北主干道-----------%
figure（11）
subplot（1,2,1）;
histfit（w2e2）;
%画柱状图
axis（[40,75,0,75]）;
gridon;
str={'
南北主干道'
;
'
信号电平概率分布'
};
title（str）;
xlabel（'
电平值（-dBmw）'
ylabel（'
样本数量（个）'
legend（'
实际样本分布'
理想概率分布线'
subplot（1,2,2）;
[h1,s1]=cdfplot（w2e2）%画累积概率分布图
axis（[40,75,0,1]）;
holdon;
w2emean=num2str（s1.mean）;
w2estd=num2str（s1.std）;
text（56,0.23,['
最小值='
num2str（s1.min）]）;
text（56,0.18,['
最大值='
num2str（s1.max）]）;
text（56,0.13,['
均
升级会员 