西安电子科技大学通信原理大作业蜂窝移动通信.docx
《西安电子科技大学通信原理大作业蜂窝移动通信.docx》由会员分享，可在线阅读，更多相关《西安电子科技大学通信原理大作业蜂窝移动通信.docx（20页珍藏版）》请在冰豆网上搜索。
西安电子科技大学通信原理大作业蜂窝移动通信
通信原理作业
学院电子工程学院
专业电子信息工程
班级021091
学号8位
学生姓名
电话邮件
日期2013.6.26
蜂窝移动通信
1问题概述——蜂窝移动通信系统基本描述
蜂窝系统也叫“小区制”系统。
是将所有要覆盖的地区划分为若干个小区，每个小区的半径可视用户的分布密度在1~10km左右。
在每个小区设立一个基站为本小区范围内的用户服务。
并可通过小区分裂进一步提高系统容量。
这种系统由移动业务交换中心（MSC）、基站（BS）设备及移动台（MS）（用户设备）以及交换中心至基站的传输线组成。
目前在我国运行的900MHz第一代移动通信系统（TACS）模拟系统和第二代移动通信系统（GSM）数字系统都属于这一类。
就是说移动台的移动交换中心与公共的电话交换网（就是我们平时所说的电话网PSTN）之间相连，移动交换中心负责连接基站之间的通信，通话过程中，移动台（比如手机）与所属基站建立联系，由基站再与移动交换中心连接，最后接入到公共电话网。
通过把地理区域分成一个个称为小区的部分，蜂窝系统就可以在这个区域内提供无线覆盖。
蜂窝无线系统指的是在地理上的服务区域内，移动用户和基站的全体，而不是将一个用户连到一个基站的单个链路。
当把频谱分为很多信道，每个小区分配一组信道。
从基站到移动台方向称为前向信道，反之为反向信道。
前向和反向信道共同组成了双工蜂窝信道。
当使用频分双工时，前向和反向信道使用不同的频率；当使用时分双工时，前向和反向信道占用不同时隙，但是用相同频率。
当使用频分双工时，前向和反向信道使用不同的频率；当使用时分双工时，前向和反向信道占用不同时隙，但是用相同频率。
高容量蜂窝系统在小区间进行频率复用，如图所示。
N个小区构成一个簇（cluster,又叫区群），则服务区全部可用频谱分到一个簇，且簇内各小区获得不同信道：
如N是簇大小，系统有M个信道资源，则簇内每个小区获得信道数位M/N。
簇周期性重复实现信道复用，于是出现同频小区，且呈现层状结构。
同频小区会引起同频干扰，因此同频小区之间要距离足够远以避免同频干扰，两个同频小区中心之间的最小距离
其中R是小区半径。
人们认识到，同频干扰是制约无线通信系统的容量和链路质量的主要因素之一。
在系统容量（大尺度）和链路质量（小尺度）之间做折中时，它起着举足轻重的作用。
如在不增加系统分配频谱带宽的前提下，要获得高容量可以减小N，然而此时因为同频距离减小又增加了同频干扰，这会降低链路质量。
由于无线传播影响，用户移动性以及话务量变化，蜂窝系统中的有用信号和干扰都是随机信号，很难对他们建立解析模型，主要靠仿真来估计。
一般需要对蜂窝之间的射频传播环境和移动用户的位置进行建模才能仿真。
另外，每个用户话务量的统计特征以及基站中信道分配方案的类型决定了瞬时干扰电平和系统容量。
考虑到如上特性，蜂窝系统中在考虑同频干扰对系统性能的影响时主要采用系统的中断概率进行分析。
其定义如下：
2求解目标
着重对蜂窝系统的业务行为、中继、信道复用、信道、用户移动行为，扇区化等进行建模，对中断率（质量）、可接受蜂窝面积（覆盖）进行仿真计算，并分析上述两个系统服务质量指标与容量与扇区化、簇大小的关系。
3建立模型
本次给出蜂窝系统的简单仿真实例，着重解决求解目标中的问题。
为了解决整体的仿真蜂窝系统，下面将先对系统的单个部件进行数学建模。
Ⅰ业务模型---中继和服务等级
用户的统计特性主要描述为以下两方面
1.单个用户随机地接入系统，也就是随机地发出一个呼叫请求。
同一用户的两个连续的呼叫请求之间的时间间隔т，服从指数分布。
因此对应的pdf是
其中
是单个用户在单位时间内呼叫请求的平均次数（单位时间呼叫数）。
我们假定有U个用户，由任意两个用户发出的两个连续呼叫请求之间的时间间隔也服从指数分布，呼叫请求的平均次数是
。
2.呼叫周期也是服从指数分布的随机变量，于是短呼叫比长呼叫发生的次数要多。
呼叫周期用s表示，则s的pdf是
其中，1/
=H是平均呼叫周期（单位时间）。
基于这些统计特性，大量用户可以共享数量较少的信道。
因为单个用户不需要在所有时间都接入系统，可以仅在呼叫期间给用户分配信道。
呼叫终止后，信道返回可用信道库。
由于所有信道可能都在为其他用户服务，信道变得繁忙，于是新呼叫被阻塞。
根据用户的统计特性、信道库中的可用信道数、中继系统的一些特征，我们可以确定由于缺乏空闲信道而阻塞的概率。
这个概率叫阻塞概率，是中继系统的“服务等级”的一个量度。
单个用户的统计特性可以概括在用户产生的话务量中，用爱尔兰做单位可以定义为：
一个包含U个用户的系统中，总流入话务量用爱尔兰表示为：
为了确定中继系统提供的用户服务质量，一个很重要的考虑就是系统怎样处理呼叫阻塞。
有
两个基本策略。
第一个策略是：
呼叫请求被阻塞就清除，这时的中继系统称为阻塞清除系统。
第二个策略是：
将阻塞呼叫保持在一个队列中，当有可用信道时再提供服务，采用这种策略的系统是阻塞呼叫延迟系统。
我们主要讨论前者，因为这更常见。
因此做如下假设：
Ø阻塞的呼叫被清除
Ø呼叫到达无记忆
Ø有限个用户
Ø信道库有C个可用中继信道
在这些条件下，阻塞率PB可以用爱尔兰B公式给出。
爱尔兰B公式将流入话务量A、中继信道数C和阻塞率联系起来。
爱尔兰B公式：
MATLAB代码如下：
%File:
erlanb_b.m
functionerb=erlang_b（A,c）
%A=offeredtrafficinErlangs.
%c=numberoftrunckedchannels.
num=A^c;
sum=0;
fork=0:
c
kfact=prod（1:
k）;
term=（A^k）/kfact;
sum=sum+term;
end
cfact=prod（1:
c）;
den=cfact*sum;
erb=num/den;
%Endoffunctionfile.
给定爱尔兰B公式就可以估算蜂窝系统中小区簇的大小N对系统容量影响。
Ⅱ信道模型
在分析蜂窝系统的性能时，非常重要的就是精确的建立无线传播对接收信号的影响模型，因为这些影响通常是系统性能恶化的主要原因。
接收信号的统计特性主要涉及到两个重要的传播效应：
小尺度衰落以及阴影衰落。
其中小尺度衰落是由局部区域的多径造成的，而阴影是由诸如树木、建筑物等因素引起本地平均信号的随机衰减造成的。
测量表明，无线通信系统的本地平均电平可以用对数正态随机变量精确的建模，当用分贝表示时，服从正态分布。
由面积均值和标准差来刻画。
面积均值是发射机或接收机分隔距离、发射机功率级、天线增益的函数，而阴影的标准差取决于物理环境。
尽管在某些情况下，有用信号和干扰信号的阴影是性能变差的主要原因，但在一般的系统设计和仿真中，必须同时考虑小尺度衰落的影响。
然而由于抵消小尺度衰落影响的技术的广泛应用，如空间分集、扩频、编码和交织、技术等，我们可以认为接收信号主要取决于大尺度阴影影响。
为了简单起见，假设平均掉了小尺度的影响，因此仅考虑阴影和路径损耗。
假设平均掉了小尺度衰落影响，而有用信号或单个干扰信号的本地平均功率级呈现出对数正态变化。
如果使用dBW表示，本地平均功率级可以建模为
dBW
这里，
是区域的平均功率级，
是标准差
的零均值正态随机变量，这是由大尺度障碍造成的阴影。
区域平均功率通常建模如下：
dBW
其中，d为发射机和接收机间隔，
为路径损耗指数，
为发射功率，发射和接收天线增益为
，K是模型中所有不变项组成的，
和
是发射端到接收端的发射俯仰角和方位角，
是信号到达接收天线的到达俯仰角和方位角。
这四个角度取决于移动台和基站天线的相对位置。
Ⅲ扇区化的小区
为了减少同频干扰，蜂窝通信系统通常要在基站中使用几个扇区化天线。
每个扇区化天线在指定扇区内发射，而且为每个扇区分配小区全部可用信道的一部分信道。
因此，由于基站的定向性，减少了基站或移动台接收机天线的同频干扰。
考虑蜂窝系统中基站的双向链路上都配置了扇区化天线。
假设波束宽度BW=120度，扇区化天线的正反向比是无穷大，因此在波束宽度之外没有功率发射。
还假设使用的簇大小为N=4。
首先考虑前向链路，由于基站天线的定向性，第一层同频小区干扰基站数由6减为2，反向链路上也由6减为2，见后图.可见，扇区化是减少同频干扰的有效办法。
显然减弱程度取决于扇区化天线的波束宽度和使用的簇大小。
实际中使用的扇区天线的正反向比是有限的，因此来自第一层同频小区的干扰小区数仍为6，不过其中的一些变得很弱，因为经正反向比衰减了。
Ⅳ总的同频干扰
基于接收到的单个干扰信号仅受阴影和路径损耗的影响这一假设，总的同频干扰可以建模为单个干扰信号的复合，他们的本地平均功率级均服从对数正态变化。
通常假设每一个干扰的相移因散射而变化显著，于是我们可以假设相位是随机的，因而在本地区域做平均时，信号是非相干叠加的。
因此，给定位置的总同频干扰I可以建模为对数正态分布信号之和，即
其中
在以分贝表示时，可以用式
dBW来建模。
人们广泛接受这么一个事实，即对数正态分布变量的和可以近似的表示为另一个对数正态分布。
两种流行的方法有wilkson和schwartz与yeh方法。
我们一旦知道每一个单独的同频干扰信号
，也就是说已知了
的均值
和
，那我们就可以用wilkson和schwartz与yeh方法来计算总的干扰的均值和标准差，
和
Ⅴ扇区化的影响
既然知道了怎样计算总的同频干扰，下面更进一步的分析扇区化对蜂窝系统容量和链路质量的影响。
我们已经知道扇区化能减少同频干扰，但以牺牲中继效率为代价，这样就会减少小区承载的话务量。
为每个扇区分配小区全部可用信道的一个子集，根据话务量理论，当信道被分成信道子集时，各信道子集承载的最大话务量之和要低于总的信道库可承载的最大化话务量。
考虑一个AMPS蜂窝系统，使用的簇大小为N=4,另外还假设有395个可用的前向和反向信道。
考虑两个不同配置：
1）基站配置全天线，2）基站使用扇区化天线。
分析最大话务量和同频干扰。
这里分析前向链路。
1）全向天线。
我们分析最差的情况，用户处于小区边缘。
此时
其中，
是有用信号的区域平均功率，
是总干扰的区域平均功率。
为了计算
，
，我们使用式
假设移动台是全向天线
=0dB,K=1,而且所有基站具有相同功率级PT=0dBm。
因此可得
和
其中R是小区半径，
是路径损耗指数，而di，i=1,2…6,是接收机和发射机间隔。
使用簇大小为N=4,R=1000,和
=4，我们可以得到d1=d4=3605.55md2=d3=2645.75m以及d5=d6=4358.90m因此有ms=-120dBm和mI=-132.35dBm这又导出SIR=ms-mI=12.35dB
为了进行话务量分析，我们再次假设N=4，并假设小区内的用户均匀分布。
每个小区分配信道数Nc=395/4≈98.假设阻塞被清除，阻塞率PB=0.02，根据爱尔兰公式，每个小区的最大可承载话务量是
AC=86爱尔兰/小区
如果每个用户产生0.02爱尔兰话务量，全向小区在阻塞率为0.02时可以支持高达86/0.02≈4300个用户
2）小区进行120度扇区化
使用与1）相同方法。
假设正反向比为无穷大，从而仅有小区5、6对中央小区造成干扰。
于是
ms=-120dBm
最后得SIR=22.6dB
每扇区信道数：
NS=395/（4*3）≈33信道
设阻塞率PB=0.02，则每扇区可承载最大话务量为AS=23.7爱尔兰/扇区
因此每小区AC=71.1爱尔兰/小区
若没用户0.02爱尔兰话务量，则每小区可支持3550个用户
从这些结果可以看出，与全向天线情况相比，通过使用扇区化链路质量大约提高了10dB
△SIR=22.56-12.35=10.21dB），但这种链路质量的改善是以降低中继效率为代价的。
每个小区的承载话务量是从全天线的86爱尔兰/小区降为扇区化小区的71.1爱尔兰/小区，在扇区化后，如果有必要，可以减小N来增加容量。
4实验模型
ⅰ定义要仿真的系统
我们要仿真的系统具有特征如前所述的中继系统、信道模型、扇区化小区。
这里定义传播特性（信道参数）以及同频小区的位置。
传播特性（信道参数）包括：
Ø小区半径
Ø路径损耗指数
Ø以分贝为单位的对数正态阴影的标准差
Ø基站发射功率级
Ø每个小区的扇区数
Ø扇区化天线的正反向比
Ø要仿真的瞬时位置组数
这些都在仿真中输入设定。
同频小区的位置
同频小区的位置由蜂窝系统簇大小和小区半径决定。
同频小区的第一层位于以中心小区基站为圆心、半径为D=sqrt（3N）R的圆周上，而且彼此的距离相等。
如图所示，我们仅考虑第一层同频小区的干扰。
第i个同频小区的位置用向量可以表示为：
代码如下：
%locationofbasestation（centercellislocatedatx=0y=0）
%location（angular）ofthecentercellofeachclusterinthe
firsttier
theta_N=[pi/60pi/6asin（1/（2*sqrt（7）））];
%angulardistancebetweenthecentercellsofall6clustersin
firsttier
theta=pi/3*[0:
5]';
aux_1=[1023004];
ind=aux_1（cluster_size）;
%location[x,y]ofthecentercellsofallclustersinthefirst
tier
bs_position=[sqrt（3*cluster_size）*r_cell*cos（theta+theta_N（ind））...
sqrt（3*cluster_size）*r_cell*sin（theta+theta_N（ind））];
ⅱ把移动台放入每一个小区
假设移动台在小区内均匀的随机分布。
同频干扰发生在分配了同一组信道的扇区间。
在仿真中，假设位于中央小区和同频小区的移动台处于同一扇区。
使用极坐标描述，即移动台距离各自中心小区基站的距离r以及移动台与基站传播方向与参考方向间的夹角beta。
这样在以被研究小区为中心小区的坐标系中的移动台的绝对位置就可以由同频小区的位置以及移动台相对于各自小区的位置决定。
未扇区化的小区中，移动台均匀分布在小区内，因此beta在[02Pi]内随机分布，
距离r服从概率分布
在扇区化后，移动台以等概出现在各扇区。
且一旦随机选定扇区后，移
动台就随机出现在所选扇区内。
仿真代码如此：
%determinationofthesectortosimulatedinthissnapshot
%selectrandomlyasector
sector=unidrnd（num_sectors（sec））;
%placethedesiredmobilewithintheselectsector
des_user_beta=rand
（1）*phi_BW（sec）+phi_center（sector,sec）;
des_user_r=sqrt（rand
（1）.*（r_cell^2））;
%placeco-channelmobileswithintheselectedsectorofco-channelcells
co_ch_user_beta=rand（6,1）*phi_BW（sec）+phi_center（sector,sec）;
co_ch_user_r=sqrt（rand（6,1））*（r_cell）;
%co_channelmobilestationandresearchedmobilestationposition
des_user_position=des_user_r*[cos（des_user_beta）sin（des_user_beta）];
co_ch_user_position=[co_ch_user_r.*cos（co_ch_user_beta）...
co_ch_user_r.*sin（co_ch_user_beta）]+bs_position;
ⅲ计算移动台和基站之间的距离
Ø同频移动台到中心小区基站的向量（反向链路干扰使用）中心小区基站坐标（0，0）-各同频移动台坐标
Ø同频小区基站到中心移动台向量（前向链路干扰使用）中心移动台坐标-各同频小区基站坐标
ⅳ计算双向链路上接收到的有用信号和干扰信号的均值和标准差
Ø有用信号前向和反向链路均值（dBW）
dBW
dBW
式中，f代表前向，r代表反向。
在表达式中，双向链上的基站天线增益都被设置成0dBW,k=1.
Ø有用信号前向和反向链路的标准差等于阴影的标准差，因此
Ø总干扰信号
总频频干扰建模为单个同频干扰之和
Ø干扰信号前向和反向链路标准差
干扰信号的标准差等于阴影的标准差
Ø总干扰信号的均值和标准差
使用wilkinson方法，原理如前所述，多个对数正态分布和仍然是对数正态分布。
由以上计算的各路干扰信号的均值和标准差做参数代入，即可得到总干扰信号的均值和标准差
，
实现这部分代码如此：
%desireduser
m_S_fwd=P_BS-10*K*n_path*log10（des_user_r）;
%co-channelusers
%locationofdesiredmobilewithrespecttoco-channelcells
aux_01=（des_user_position
（1）-bs_position（:
1）+...
sqrt（-1）*（des_user_position
（2）-bs_position（:
2）））;
beta_fwd=angle（aux_01）;
d_I_fwd=abs（aux_01）;
%conputationofantennagainatco-channelcells
cleargain_fwd
fork=1:
n_co_ch_users
if（beta_fwd（k）>=...
sector_min（sector,sec）&beta_fwd（k）<...
sector_max（sector,sec））
gain_fwd（k）=in_beam;%这就是G
else
gain_fwd（k）=out_beam;
end
end
%computationofmeanvalueandstandarddeviation
m_I_fwd=P_BS-10*K*n_path*log10（d_I_fwd）+gain_fwd.';
sigma_I_fwd=sigma_int*ones（length（m_I_fwd）,1）;
[m_I_total_fwd,sigma_I_total_fwd]=...
wilkinson（m_I_fwd,sigma_I_fwd,corr_fwd）;
%reverselink
%desireduser
m_S_rev=P_MS-10*K*n_path*log10（des_user_r）;
%co-channeluser
%locationofco-channeluser
aux_02=（co_ch_user_position（:
1）+...
sqrt（-1）*co_ch_user_position（:
2））;
beta_rev=angle（aux_02）;
d_I_rev=abs（aux_02）;
%computationofantennagainatcentercell
cleargain_rev
fork=1:
n_co_ch_users
if（beta_fwd（k）>=...
sector_min（sector,sec）&beta_rev（k）<...
sector_max（sector,sec））
gain_rev（k）=in_beam;
else
gain_rev（k）=out_beam;
end
end
%conputationofmeanvalueandstandarddeviation
m_I_rev=P_MS-10*K*n_path*log10（d_I_rev）+gain_rev.';
sigma_I_rev=sigma_int*ones（length（m_I_rev）,1）;
[m_I_total_rev,sigma_I_total_rev]=...
wilkinson（m_I_rev,sigma_I_rev,corr_rev）;
ⅴ确定双向链路SIR的均值和标准差
因为有用信号和总同频干扰都用dB表示时是正态随机变量，所以用dB表示的信噪比SIR也是正态随机变量。
对于前向链路，有
反向链路亦然。
这部分代码如下：
%calCulateSIRstep1
m_SIR_fwd（i）=m_S_fwd-m_I_total_fwd;
sigma_SIR_fwd（i）=sqrt（sigma_S^2+sigma_I_total_fwd^2-...
2*corr_fwd*sigma_S*sigma_I_total_fwd）;
m_SIR_rev（i）=m_S_rev-m_I_total_rev;
sigma_SIR_rev（i）=sqrt（sigma_S^2+sigma_I_total_rev^2-...
2*corr_rev*sigma_S*sigma_I_total_rev）;
%finaloutageprobability
p_outage_fwd_resolved（i,j）=1-q（（SIR0（j）-m_SIR_fwd（i））/sigma_SIR_fwd（i））;
p_outage_rev_resolved（i,j）=1-q（（SIR0（j）-m_SIR_rev（i））/sigma_SIR_rev（i））;
ⅵ计算中断概率（3种方法）
解析方法
如前所述，我们可以得到针对每一组瞬时位置时用dB表示的SIR均值和标准差。
于是我们可以用前面计算的解析方法计算中断概率
蒙特卡罗方法
方法A对具有上述SIR均值和方差的正态随机过程进行
SIR采样，如果得到瞬时值sir代码如下：
SIR_fwd_2（i）=normrnd（m_SIR_fwd（i）,sigma_SIR_fwd（i））;
SIR_rev_2（i）=normrnd（m_SIR_rev（i）,sigma_SIR_rev（i））;
%samplesofSIR,gettheoutagetimesformethodA
ifSI
升级会员 