无线网络设计基础

移动电波的传播特点

  1. 受到地形影响因素大
  2. 存在严重的多径衰落迹象
  3. 存在固定通信中没有的阴影衰落
  4. 存在相对运动引起的多普勒效应
  5. 存在由时延散布引起的信号波形展宽
    无线收发信设备、天馈线系统、无线电信道组成无线通信系统
自由空间传输损耗

理想条件下:
Lbs=32.45+20lgf+20lgdL_{bs}=32.45+20lgf+20lgdLbs=32.45+20lgf+20lgd
f(MHZ)f(MH_Z)f(MHZ)是工作频率
d(km)d(km)d(km)收发天线之间的距离

传输损耗

在这里插入图片描述

无线传播模型

经验模型是由大量测量结果统计分析后得来的
确定性模型是根据传输路径上的地物、建筑物几何信息,用各种各样的理论公式计算得来的

三种应用环境

宏小区:面积比较大的区域,半径1到25km,天线架在建筑物上面
微小区:0.1到1km,天线可以与周围建筑物等高,LOS与NLOS两种情况
微微小区:0.01到0.1km,发射天线在建筑物内部

无线传播模型

  1. 统计型
  2. 确定型
  3. 半确定型
奥村哈特模型与COST-231模型
使用条件奥村哈特COST-231
频率范围150~1500MHZ900/1800MHZ
基站天线高度30~200m4~50m
移动台天线高度1~10m1~3m
通信距离1~35km0.02~5km
天线形状全向天线全向天线
地形城区中等起伏地形一般地形
计算公式L(db)=69.55+26.16lgf−13.82lghb−a(hm)+(44.9−6.55lghb)(lgd)rL(db)=69.55+26.16lgf-13.82lgh_b-a(h_m)+(44.9-6.55lgh_b)(lgd)^rL(db)=69.55+26.16lgf13.82lghba(hm)+(44.96.55lghb)(lgd)rL(db)=46.3+33.9f−13.82lghb−a(hm)+(44.9−6.55lghb)(lgd)rL(db)=46.3+33.9f-13.82lgh_b-a(h_m)+(44.9-6.55lgh_b)(lgd)^rL(db)=46.3+33.9f13.82lghba(hm)+(44.96.55lghb)(lgd)r

特别说明:

在这里插入图片描述
d<20的时候,r=1;

计算允许最大路径损耗的方法

题目中给出一个信道功率,通常单位是W,要转化为dbm,就要先转化为mw,然后10log10(mw)10log_{10}(mw)10log10(mw),这个算出来才能用到后面的计算中去,max(lb)max(l_b)max(lb)算出来要小于你后面的这个值,损耗要减去,增益要加上,基站导频EIRPEIRPEIRP就是你前面计算出来的信道功率,基站馈线损耗,基站发射天线增益的值,题给的表里有时候会标注,就不用再算一遍了,使用奥恩哈特公式的时候注意不要把单位带错了,频率是mhz,移动台天线与基站高度都是m,基站天线与移动台天线之间的距离为km

特别注意:计算小区半径的时候细心一点,这一步十分容易算错

传统模型不足

未考虑到不同地形地物的影响
无线的环境不是一成不变的

GSM通信系统的容量设计
移动用户数目的预测方法
  1. 移动用户占市话容量的百分比进行预测
  2. 按照类比法
  3. 回归预测法
  4. 市场调查数据
无线呼损率

GOS
市区:2%
其他地区:5%

低话务密度区基站容量计算

低话务密度区的基站容量主要是计算基站信道配置,它收到限制的主要原因是受制于电波传播的限制,使得基站半径不可能过大

高话务密度区基站容量计算

它主要受限于基站的容量

GSM网络的频道配置

频率复用可以极大地提高频谱利用效率

在这里插入图片描述

网络优化

网络优化是指对正式投入运营的网络进行数据采集,优化分析,使得网络达到最佳的运行状态,创造最大的经济效益
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

网络优化过程

CQT测试:城市中不断找地方测试
DT测试:开着车穿越各种基站做测试
FT测试:室内测试

先做完各种测试,然后

  1. 数据分析
  2. 拟定优化方案
  3. 现网模拟
  4. 交付施工

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/348531.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

GSM网络与CDMA网络话务量、基站容量相关计算

GSM网络与CDMA网络的区别 网络类型GSMCDMA编码方式频分多址和时分多址相结合方式码分多址覆盖面积较小较大容量小大话音质量较低支持软切换&#xff0c;和较软切换&#xff0c;使得用户在基站边缘通话时信号更加稳定 GSM规范中推荐使用的频道配置规范 GSM的频道配置 每个小区…

参数整定临界比例度实验_PID理解起来很难?系统讲解PID控制及参数调节,理论加实际才好!...

在实际工程中&#xff0c;应用最为广泛的调节器控制规律为比例、积分、微分控制&#xff0c;简称PID控制&#xff0c;又称PID调节。PID控制器问世至今以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。PID调节控制是一个传统控制方法&#xff0c;它适…

apache jmeter_Apache Server和JMeter调试

apache jmeter我一直在使用JMeter为生产服务器生成负载以测试我的应用程序。 该测试计划具有13个以上的HTTP采样器以发出不同的请求&#xff0c;并具有一个正则表达式提取器以从响应中提取一些值。 此值在连续的HTTP Sampler中使用。 这个测试用例简单而直接。 最初&#xff0c…

4计算准确率_孩子计算总出错?4个好方法帮助低年级学生提高计算准确率!

低年级孩子&#xff0c;由于活泼好动&#xff0c;注意力不容易集中&#xff0c;思维容易被分散。表现在学业上&#xff0c;就会出现学习水平参差不齐的情况。而最主要的表现&#xff0c;就是计算能力的差异。据资深数学老师观察&#xff1a;成绩好的孩子&#xff0c;一般不只掌…

使用Speedion 3.0.17或更高版本轻松从事务中返回值

交易次数 在我以前的文章中&#xff0c;我写了关于如何使用Speedment轻松使用事务的方法&#xff0c;其中我们原子地更新了两个银行帐户。 众所周知&#xff0c;事务是一种将多个数据库操作组合到一个原子执行的单个操作中的方法。 但是事务不仅与更新数据库有关&#xff0c;而…

双代号网络图节点时间参数_管理和实务都考!快速学会单代号与双代号参数计算...

工程网络计划是二级建造师《建设工程施工管理》科目每年均会进行考核的高频考点&#xff0c;重点在双代号、单代号网络计划的概念及应用。主要题型为通过网络图或文字描述计算相关网络参数或确定关键线路&#xff0c;本篇就双代号、单代号网络计划相关参数的计算&#xff0c;以…

idea中maven执行install报错_IntelliJ IDEA Maven编译install时报错,无效的发行版:1.8

1.首先看java环境是否配置正确JAVA_HOME : C:\Program Files\Java\jdk1.8.0_92 //安装的Jdk路径PATH: %JAVA_HOME%\bin;按下"window"R 输入cmd 按下"ENTER" 输入java -version&#xff0c;如果出现了版本号等信息说明配置成功2.确认maven配…

gc可视化分析_GC内存可视化器教程–第一部分

gc可视化分析正如您从过去的文章中可能已经读到的那样&#xff0c;要获得的Java程序员的一项关键技能就是理解和评估JVM的运行状况的能力&#xff0c;例如Java堆内存占用量以及垃圾回收过程。 为了实现上述目标&#xff0c;所有JVM供应商&#xff08;Oracle&#xff0c;IBM等&…

go 变量大写_go语言如何将大写转小写

go语言将大写转小写的方法&#xff1a;首先创建一个go示例文件&#xff1b;然后定义一个字符串类型的变量&#xff1b;接着使用ToLower函数将大写的变量字符全部转成小写&#xff1b;最后使用print函数打印转换后的结果即可。本文操作环境&#xff1a;Windows7系统、Go1.11.2版…

spark减少内存消耗_将内存消耗减少20倍

spark减少内存消耗这将是另一个故事&#xff0c;与我们分享有关内存相关问题的最新经验。 该案例是从最近的客户支持案例中提取的&#xff0c;在该案例中&#xff0c;我们遇到了一个行为异常严重的应用程序&#xff0c;该应用程序因生产中的OutOfMemoryError消息而死。 在连接了…

运筹视角下,体系化学习机器学习算法原理的实践和总结

文章目录 引言目标设计目标实践文章汇总经验总结一则预告 引言 上两周总结了我在体系化学习运筹学基础知识方面的个人经验&#xff0c;看过那篇文章的人可能知道&#xff0c;今年我还花了很多时间学习机器学习中各种模型的算法原理。 在工业应用中&#xff0c;机器学习和运筹…

使用Logstash,JDBC将数据聚合并索引到Elasticsearch中

介绍 在我以前的帖子在这里和这里我展示了如何使用JDBC和Elasticsearch JDBC进口商库从SQL数据库索引数据到Elasticsearch。 在这里的第一篇文章中&#xff0c;我提到了使用导入程序库的一些缺点&#xff0c;这些缺点我已在此处复制&#xff1a; 不支持ES版本5及更高版本 嵌套…

mysql ssd tps 上不去_转【案例分享】压测TPS上不去

1.问题描述&#xff1a;客户新上的一个关键业务系统&#xff0c;在做上线前的压力测试时&#xff0c;应用的并发无法达到上线前的并发指标和响应时间指标要求。压测时TPS的曲线很不稳定&#xff0c;如下所示&#xff1a;2.分析过程&#xff1a;从上述知识点可以知道&#xff1a…

棋牌类游戏算法–牌分类_快速分类–三向和双枢轴

棋牌类游戏算法–牌分类毫无疑问&#xff0c;Quicksort被认为是本世纪最重要的算法之一&#xff0c;并且它是许多语言的事实上的系统排序&#xff0c;包括Java中的Arrays.sort 。 那么&#xff0c;quicksort有何新功能&#xff1f; 好吧&#xff0c;除了我刚刚&#xff08;在J…

真实收货地址大全2016_中国古典诗词大全汇集了诗经、唐诗、宋词、元曲以及纳兰词,12册精美套装。...

↑点击上方“诗画天地”关注我们诗词也如人生&#xff0c;你驻足便是驿站&#xff0c;你前行便是风景。任由时光无尽幻变&#xff0c;回眸处星孤月洁&#xff0c;阅读诗词能让人生变得清明透彻&#xff0c;仿佛与古人走在同一条道上&#xff0c;俯仰之间&#xff0c;人生皆是诗…

python可以帮机器人编程吗_Python如何实现机器人聊天

今天午休的时候&#xff0c;无意之中看了一篇博客&#xff0c;名字叫Python实现机器人&#xff0c;感觉挺有的意思的。于是用其写了一个简单的Python聊天&#xff0c;源码如下所示:# -*- coding: utf-8 -*-import aimlimport sysimport osdef get_module_dir(name):print("…

测试案例6种编写方法_一种编写测试的好方法

测试案例6种编写方法测试。 我最近一直在考虑测试。 作为我对各种项目所做的代码审查的一部分&#xff0c;我已经看到了数千行未经测试的代码。 这不仅是测试覆盖率统计数据指出这一点的情况&#xff0c;更是该项目中根本没有任何测试的情况 。 我一直听到这种悲惨状况的两个原…

python字符串查找匹配_说说在 Python 中,如何找出所有字符串匹配

Regex 对象有一个 findall() 方法&#xff0c;它会返回包含所查找字符串的所有匹配。这与 search() 方法明显不同&#xff0c;search() 将返回一个 Match 对象&#xff0c;其中包含被查找字符串中的 “ 第一次 ” 匹配文本。请看以下示例&#xff0c;注意区分&#xff1a;phone…

使用Spring MVC应用程序配置嵌入式H2控制台

在上一篇文章中&#xff0c;我们使用嵌入式H2数据库将Spring MVC应用程序部署到Tomcat。 在嵌入式数据库中浏览数据非常困难&#xff0c;因为我们无法连接外部客户端来查看数据。 H2提供了一个Web控制台&#xff0c;我们可以启用它并使用它来浏览数据&#xff0c;如下所示&…

Hashcat从入门到入土(二)

使用hashcat破解word密码 昨天的文章里给自己挖了一个坑&#xff0c;使用公司电脑显卡还是GT705古董级别的&#xff0c;显卡驱动也没设置好&#xff0c;导致使用hashcat的时候出现了exhausted的问题&#xff0c;导致密码没有算出来&#xff0c;今天我用自己电脑算一下&#xf…