3GPP链路级仿真-Link-Level Simulator for 5G Localization

文章目录

    • II. SYSTEM ARCHITECTURE AND CAPABILITIES
      • A. System Architecture
    • III. KEY COMPONENTS
      • A. Transmission Models of the Positioning Signals
      • B. Dedicated Wireless Channel Model
    • IV. APPLICATION CASES
      • A. Two-Dimensional Mobile Terminal Localization
        • 仿真工作流程
        • 数值结果
    • V. CONCLUSION

II. SYSTEM ARCHITECTURE AND CAPABILITIES

A. System Architecture

其基本目标是通过对物理层传输链路进行建模,模拟真实5G应用场景中接收端的CSI估计。随后,可以根据包括多径系数信息在内的详细建模参数来设计和评估参数估计算法(parameter estimation algorithms)。此外,该模拟器有望灵活配置,符合最新的NR标准,并模拟HI效果。为此,模拟器的系统架构设计分为四个部分:参数初始化、物理层仿真、无线信道仿真和可视化,如图1所示。

  1. 参数初始化:我们的目标是在执行仿真之前,为不同的功能模块配置所有初始参数。具体来说,它由六类初始参数组成:系统参数、载波参数、定位信号参数、无线信道参数、HI参数和ABF参数。特别是,模拟器将更具体的参数支持各种5G部署。因此,每种类型的参数是集成到一个类形式易于配置。这样可以确保参数不仅具有默认值,而且可以根据不同的仿真需求轻松定制。此外,这些参数的取值范围在类文件中有限制,以规避异常配置。

    具体来说,系统参数由系统布局(system layout)和基本仿真设置组成。这些参数应该首先配置,因此可以与其余的仿真设置交互。载波参数是指满足NR传输参数的时频资源配置(NR transmission numerologies)。定位信号参数涉及信号类型的选择和特定信号资源集的配置。无线信道参数初始化细粒度信道建模参数。特别地,指定了复杂的阵列设置以支持毫米波传输和交叉极化情况。它还包含激活或停用额外建模组件的指示器。HI参数是由激活或停用各HI功能的指标以及相应的HI功能的具体参数组成。ABF参数由波束扫描设置(beam sweeping settings)和激活或停用不同类型波束扫描的指标组成。

  2. 物理层模拟:我们旨在模拟定位信号的物理层基带传输信号参数估计。物理层仿真分为五个功能模块,包括定位信号产生、基带调制、接收信号产生、基带解调、信道参数估计。特别是,ABF和HI功能被适当地合并到基带调制和接收信号产生模块中。

    具体而言,根据所选信号类型和确定的信号资源集,定位信号生成首先生成所选资源集的符号和索引,然后将它们映射到时频资源网格(time-frequency resource grid)。在基带调制中,首先通过正交频分复用(OFDM)调制将生成的资源网格转换为基带波形。然后将发射机的ABF、HIs和发射功率函数组合成基带波形。在产生接收信号时 receive signal generation,接收到的波形是通过将每个时隙的基带波形使用信道脉冲响应(CIR)作为滤波器系数进行滤波后获得的。此外,接收端的ABF、HIs和加性高斯噪声函数被重新整合到接收到的波形中。基带解调执行标准的OFDM解调,得到接收到的资源网格。信道参数估计根据已知的参考信号符号和索引,从接收到的资源网格中获取信道参数。在此,信道频率响应( channel frequency response,CFR)是基于最小二乘法获得的,参考信号接收功率( reference signal received power,RSRP)则是根据信号相关性获得的。

    注意,在数学软件中无法有效模拟下采样和载波转换,因此被忽略。幸运的是,一些载波频段的硬件失真效应(如相位噪声效应)可以在基带重新整合。

  3. 无线信道仿真:我们旨在根据3GPP TR 38.901中描述的NR信道模型,模拟各种5G场景下的无线信道。该仿真由四个模块组成:系统初始化、大尺度参数生成、小尺度参数生成以及多径系数生成。特别是,在仿真中考虑了时变空间一致性,以更接近真实的信道特性。此外,为满足不同的仿真需求,该信道模型分为三种情况实现: light-of-sight (LOS) only,drop-based, and segment-based。

  4. 可视化:为了便于研究基于CSI的估计方法,在模拟器中开发了几个具体的显示功能。

III. KEY COMPONENTS

A. Transmission Models of the Positioning Signals

细粒度的信号建模(Fine-grained signal modeling)在现有的5G模拟器中通常被忽略,因为它不会影响通信技术的评估。然而,所使用的定位参考信号是预先设计的,并决定了定位能力。此外,估计算法根据特定的资源模式有所不同,特别是在多用户定位的情况下。因此,5G定位模拟器必须包括定位信号建模。

在5G NR信号机制中,时频资源承载着物理层要传输的物理信道和物理信号。具体来说,物理信号专门用于解调、信道探测、同步等。接收机可以从接收到的物理信号中获得所需的信道信息,估计的信道信息也可以用于定位。可用于5G定位的物理信号有四类,分别是SRS、PRS、CSIRS和SSB。为了支持多用户定位和联合定位和通信的情况,这些物理信号的时频模式可以按照特定的原则灵活配置。

  1. CSIRS: CSI-reference signal,CSIRS是NR系统中下行参考信号之一,用于下行信道测深和波束管理。由于CSIRS采用多路复用的方式,支持多达32个天线端口传输,因此CSIRS可以估计AOA和出发角(AOD)。此外,为了避免与其他下行物理通道或物理信号的冲突,CSIRS的资源分配必须符合一些特定的原则[24]。

  2. SRS: sounding reference signal,SRS是NR系统中的上行参考信号之一,其主要功能与CSIRS相似。特别是,SRS由于其特殊的循环移位编码,最多支持4个天线端口传输,因此SRS的AOD估计性能有限。此外,SRS序列是基于Zadoff-Chu序列生成的,这确保了SRS传输具有较低的峰均功率比。

  3. PRS:positioning reference signal,为了增强NR系统中的定位功能,PRS及其测量和报告机制已在3GPP TS 38.211的第16版中引入。为了支持从多个基站测量到达时间(TOA),资源静默功能被包含在内,以避免不同基站之间PRS资源集的冲突。然而,PRS仅支持单天线端口传输,因此无法通过PRS估计到达角(AOD)信息。

  4. SSB:synchronization signal block,SSB(同步信号块)在NR系统的小区搜索阶段被设计用于初始时频域同步。由于其在资源网格中的固定模式,SSB无法用于信道估计。虽然SSB可以在毫米波传输中用于初始波束建立,但使用SSB进行波束扫描的波束宽度通常过大,无法直接估计信号的方向。相反,更精确的角度可以通过基于波束成形的角度估计技术来计算。

在NR系统中,载波有两个频率范围,即低于6千兆赫和毫米波。在Sub-6 GHz频段中,估计的信道状态信息(CSI)包含到达角(AOA)或离开角(AOD)信息,因此可以配置CSI参考信号(CSIRS)或上行参考信号(SRS)资源集进行基于CSI的角度估计。在毫米波传输中,基于主动波束成形(ABF)的方法是主要的角度估计方法,并且可以使用CSIRS、SRS、PRS和SSB资源集来执行。

此外,所有的定位信号都通过模拟器中的不同类文件进行建模。对于每个信号的生成,根据3GPP TS 38.211的规范,在资源网格中获取所选信号的符号和索引。

B. Dedicated Wireless Channel Model

为了研究无线信道的影响系统性能的移动网络,无线信道建模已经超过20年的重要研究领域。到目前为止,在文献[25],[26],[27]中存在大量的综合信道建模方法,如基于几何的随机模型、基于map的模型、基于光线跟踪的模型等。我们使用3GPP TR 38.901中的基于几何的随机模型,其中基本通道系数生成过程如图2所示。如在系统架构中所示,无线信道模型被分为四个模块,下面将演示一个更详细的建模过程。

在这里插入图片描述

我们的目标是建立一个轻量级致力于本地化的通道模型,进而影响参数估计结果的通道功能优先。因此,提取更详细的构建多径信道系数的参数,以方便算法分析。此外,一些综合的信道模拟器,如NYUSIM[16]和Quadriga[18],也可用于我们的链路级模拟器,并可配置额外的接口。
1)无线信道参数初始化:仿真中考虑了两类初始信道参数,分别是信道布局和信道配置。特别地,我们将阵列配置集成到布局配置中,以方便参数初始化。在阵列配置中,初始参数包括阵列类型、每行每列阵元数、贴片天线类型、极化方式、阵列方向、阵元间距、天线位置等。当这些参数确定,所有数组元素的权力模式首先被确定。然后,根据3GPP TR 38.901[21]第7.3.2条所述的转换模型,将功率图转换成局部坐标系下的极化场图。最后,通过坐标变换得到全局坐标系下的极化场图样。文中设计了7类天线功率方向图用于仿真,可有效支持毫米波阵列建模。此外,我们还将三扇区极化场方向图集成到阵列结构中。当三扇区机箱的指示器被激活时,首先由特定位置计算模块生成三扇区天线位置。然后根据上述过程得到极化场方向图。
2)大规模参数生成:该模块首先计算基站到用户的二维(2-D)和三维(3-D)距离以及相应的地面反射距离。同时,每条传输链路的O2I状态和LOS状态由预定义值或具有一定概率的代来分配。如果某条传输链路的O2I状态被激活,则根据相关初始参数计算相应的室内距离和室内穿透损耗。此外,使用分配的LOS状态,将选择确定场景的所有信道模型参数。接下来,七个大型参数互关联模型所生成的获胜者二通道模型[27]。这些参数分别是阴影衰落(SF)、Ricean K因子(KF)、延迟扩展(DS)、离场方位角扩展(ASD)、到达方位角扩展(ASA)、离场仰角扩展(ESD)和到达仰角扩展(ESA)。此外,还生成了路径损耗。
为了获得这些大尺度参数的相关值,首先在一个2-D位置网格上生成每个参数的随机高斯分布变量,该网格覆盖了网络中所有收发器的位置。然后,通过归一化滤波系数的指数滤波器在二维上对一个大尺度参数的变量网格进行滤波。根据对应大尺度参数的去相关距离生成滤波系数。在实现中,2-D过滤是通过依次过滤每个两个维度来执行的。
此外,在空间一致性的情况下,用户的O2I状态(和LOS状态)之间存在相互关联。它可以通过使用空间一致性随机变量的方法来解决。具体来说,首先在一个相关网格的每个角上放置4个正态分布变量。然后使用插值方法生成网格内点对应的正态随机变量。此外,正态随机变量的相位可以生成均匀分布。

IV. APPLICATION CASES

A. Two-Dimensional Mobile Terminal Localization

由于部署在室内场景中的微基站(pico BS)的射频链路限制,该基站可能使用均匀线性阵列(ULA)来支持高效的到达角(AOA)估计。然后,通过融合从多个基站为每个用户估计的一维AOA,可以大致获得二维位置。具体来说,ULA获得的某一入射角确定了沿着ULA的一个锥形面,随后通过多个锥形面的融合来得到一条曲线或多个点。然而,在实际应用中,由于部署覆盖范围和资源分配的限制,双基站融合是常用的方法,因此只能获得一个近似的解。

仿真工作流程

为了验证模拟器在定位上的性能,我们提出了一个室内定位仿真。用户定位的仿真工作流程如下:

  • 为用户指定系统布局、载波、SRS、信道、HI以及定位功能模块的仿真参数,这些参数汇总在表IV中。
  • 通过物理层传输过程,从生成SRS开始,直到完成CFR估计,获取每条链路的CFR。
  • 通过AOA估计和二维定位模块获取用户位置。

在步骤1)中,即参数初始化,所有基站均以相等的间距进行布置,用户被随机放置在系统布局中,这与3GPP TR 38.901的表7.2-2中的场景假设一致。此外,假设每个基站的均匀线性阵列(ULA)由定向天线组成。

在步骤2)中,即物理层传输,当用户被放置在布局中时,用户将其特定的SRS发送给所有基站。来自多个用户的SRS可以通过扰码身份编码(scrambling identity coding)或不同的时频资源模式进行区分。然后,每个基站根据已知的SRS配置信息,从接收到的信号中估计出CFR。

在步骤3)中,即位置估计,首先根据某种选择标准(如最大RSRP)从部署的12个基站中选择出2个最佳基站。然后,使用空间处理方法从这2个选定基站的CFR中估计AOA。接着,通过定位算法(如最小二乘法)将这2个基站的AOA进行融合,获得用户位置。

尽管CFR包含多径AOA信息,但直视路径(LOS)通常比其他路径强得多。因此,可以通过经典的一维多信号分类法或数字波束成形法从CFR中获取直视路径的AOA。当多径信号强度较高时,可以结合 Delay-domain processing(时延域处理)来规避多径效应。

在这里插入图片描述

数值结果

首先,我们旨在评估APO(antenna phase offset)对角度估计的影响。图5(a)给出了在{−5,20}dB范围内的信噪比(SNR)下,角度估计误差随实际入射角变化曲线。此外,还包括了在消声室中实际测量的误差剖面,以供比较。可以看出,在大角度区间,即±60◦附近,有APO模型与没有APO模型的误差曲线存在明显的偏差。此外,在不同SNR值下,APO模型的角度误差曲线非常相似。

此外,与未使用APO模型相比,采用APO模型得到的角度误差曲线更接近于实测的角度误差曲线。这意味着该模拟器所提出的APO模型能够有效地模拟真实的APO撞击。

图5(b)展示了不同HI模型下的估计CDF(累积分布函数),可以看出,在此次仿真中考虑的HI模型显著降低了估计精度。具体来说,考虑TO模型的仿真结果最差,因为引入了信道间TO(时间偏移),这会严重破坏阵列流形。此外,考虑APO模型的估计结果最初比不考虑HI的性能差,然后逐渐接近不考虑HI的结果。这是因为当入射角较小时或在某些特定的入射角区域,APO对角度估计的影响并不明显。

进一步地,从图5(b)中还可以观察到,所有CDF曲线都趋近于80%左右。这是因为基站的天线阵列由定向天线组成,其辐射图案只能覆盖有限的区域。因此,当用户处于所选基站的有效覆盖区域之外时,AOA无法被正确估计。

V. CONCLUSION

随着5G垂直行业对高精度定位的高需求,3GPP标准规定了更为严格的定位要求。然而,5G定位技术要从标准化走向产业化,还需要相当长的时间。特别是技术的研发,是第一个也是最重要的进化阶段。因此,设计一个专用的链路级仿真平台,对于评估先进定位算法的性能非常重要。

提出了一种用于5G定位的链路级模拟器。特别是,该模拟器可以模拟现有5G系统和无线信道对定位的关键不利影响。它还支持所有定位参考信号以及sub-6GHz和毫米波频段的无线信道的细粒度参数配置。首先介绍了模拟器的架构和关键组件。随后,给出了3个应用案例,通过考虑各种损伤条件来验证定位算法的性能。发布的模拟器具有开放性、模块化、配置灵活(open, modular, and flexible to configure)等特点,可应用于教育、学术研究、技术标准化等领域。

下一步,我们将对基站和用户之间的特定同步误差的影响进行分析和建模,这与现有的模拟假设有很大的不同。此外,我们将研究和整合基于地图的信道模型(map-based channel model),因为强反射路径对定位的不利影响可以使用基于地图的信道模型进一步探索。

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/web/54506.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

Python的几个高级特性

引言 Python是一种功能强大的编程语言,它简洁的语法和强大的库支持使其成为数据科学和机器学习领域的热门选择。在Python的高级特性中,生成器、迭代器、闭包、装饰器和内置高阶函数是实现高效、优雅代码的关键。本文将逐一介绍这些特性,并提…

JavaWeb - 8 - 请求响应 分层解耦

请求响应 请求(HttpServletRequest):获取请求数据 响应(HttpServletResponse):设置响应数据 BS架构:Browser/Server,浏览器/服务器架构模式。客户端只需要浏览器,应用程…

【高阶数据结构】二叉树进阶探秘:AVL树的平衡机制与实现详解

高阶数据结构相关知识点可以通过点击以下链接进行学习一起加油!二叉搜索树 大家好,这里是店小二!今天我们将深入探讨高阶数据结构中的AVL树。AVL树是一种自平衡的二叉搜索树,可以看作是对传统二叉搜索树的优化版本。如果你对数据结…

ctf.bugku-备份是个好习惯

访问页面得到字符串 这串字符串是重复的; d41d8cd98f00b204e9800998ecf8427e 从前端、源码上看,除了这段字符串,没有其他信息;尝试解密,长度32位;各种解密方式试试; MD5免费在线解密破解_MD5在…

PIKACHU | PIKACHU 靶场 XSS 后台配置

关注这个靶场的其他相关笔记:PIKACHU —— 靶场笔记合集-CSDN博客 PIKACHU 自带了一个 XSS 平台,可以辅助我们完成 XSS 攻击,但是该后台需要配置数据库以后才能使用。本教程,就是教大家如何配置 PIKACHU XSS 平台的。 PIKACHU XS…

【Conda】Conda命令详解:高效更新与环境管理指南

目录 1. Conda 更新命令1.1 更新 Conda 核心1.2 更新所有包 2. 严格频道优先级3. 强制安装特定版本4. 创建与管理环境4.1 创建新环境4.2 激活和停用环境4.3 导出和导入环境4.4 删除环境 5. 清理缓存总结 Conda 是一个强大的包管理和环境管理工具,广泛应用于数据科学…

chatgpt的ai导师风格设置

AI 导师个性化选项 本节概述了使用 AI 导师的学生可用的各种配置选项。可以修改这些选项以定制学习体验。 配置 选项 中文选项 深度(Depth) Elementary (Grade 1-6) 小学(1-6年级) Middle School (Grade 7-9) 初中…

Linux ssh 免密登录配置

参考资料 ~/.ssh/configについて~/.ssh/configを使ってSSH接続を楽にする.ssh/configファイルでSSH接続を管理する 目录 一. 密钥生成1.1 生成工具1.1.1 OpenSSH1.1.2 Git 1.2 生成命令1.3 注意事项1.4 解决路径中的用户名乱码 二. 将公钥配置到目标服务,免密登录2…

用Python实现运筹学——Day 14: 线性规划总结与案例复习

一、学习内容 在本节中,我们将复习之前所学的线性规划模型与求解方法,并通过一个综合案例将这些知识应用于求解一个多阶段的生产计划问题。 主要复习内容包括: 线性规划的基础概念:目标函数、约束条件、决策变量。求解方法&…

万界星空科技MES数据集成平台

制造执行系统MES作为连接企业上层ERP系统和现场控制系统的桥梁,承担了实时数据采集、处理、分析和传递的重要任务。MES数据集成平台是一个集成各类数据源,将数据进行整合和统一管理的系统,通过提供标准化接口和协议,实现数据的无缝…

Ubuntu上FFmpeg的安装与使用完全指南

目录 引言FFmpeg简介在Ubuntu上安装FFmpeg 方法1: 使用官方仓库方法2: 使用PPA方法3: 从源代码编译 FFmpeg基本使用 视频转换音频提取视频剪辑添加水印 高级应用常见问题解决结语 引言 在当今数字时代,视频处理已成为许多领域不可或缺的技能。无论是内容创作、直播还是视频编…

mysql UDF提权(实战案例)

作者:程序那点事儿 日期:2024/09/29 16:10 什么是UDF? 全称 User Define Function (用户自定义函数)UDF提权,就是通过自定义函数,实现执行系统的命令。 dll(windows,dll文件是c语…

【数据结构】红黑树相关知识详细梳理

1. 红黑树的概念 红黑树,是一种二叉搜索树,但在每个结点上增加一个存储位表示结点的颜色,可以是Red或 Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制,红黑树确保没有一条路 径会比其他路径长出俩倍&#xff0c…

pytorch使用LSTM模型进行股票预测

文章目录 tushare获取股票数据数据预处理构建模型训练模型测试模型tushare获取股票数据 提取上证指数代码为603912的股票:佳力图,时间跨度为2014-01-01到今天十年的数据。 import tushare as ts pro = ts.pro_api()#准备训练集数据df = ts.pro_bar(ts_code=603912.SH, star…

【git】配置 Git 的换行符处理和安全性||安装 Ruby

配置 Git 的换行符处理和安全性: git config --global core.autocrlf input:这个设置确保在提交代码时,Git 会将 CRLF(Windows 的换行符)转换为 LF(Unix 的换行符),但在检出代码时不…

conda虚拟环境安装包、依赖同一管理

在 Python 的虚拟环境中,每个环境都是独立的,这意味着即使两个环境需要相同的库,它们也会分别安装各自的副本。这样做是为了避免不同项目之间相互影响,确保每个项目都有一个干净且隔离的环境。 方法一:使用 Conda 的共…

快手:数据库升级实践,实现PB级数据的高效管理|OceanBase案例

本文作者:胡玉龙,快手技术专家 快手在较初期采用了OceanBase 3.1版本成功替换了多个核心业务、数百套的MySQL集群。至2023年,快手的数据量已突破800TB大关,其中最大集群的数据量更是达到了数百TB级别。为此,快手将数据…

< IDE编程环境配置>

IDE编程环境配置 LIB,DLL区别 我们在写项目时会链接(调用)第3方库,或者比如在vs的解决方案solution创建项目project时,不仅可以开发可执行程序exe(可单独运行)(windows/控制台 应用…

Spring Boot与iTextPdf:高效生成PDF文件预览

​ 博客主页: 南来_北往 系列专栏:Spring Boot实战 在现代应用程序开发中,生成PDF文件是一个常见的需求。PDF文件因其跨平台性和易读性,被广泛应用于文档交换、报告生成和打印预览等场景。Spring Boot作为一个用于简化Spring应用开发的框…

高级java每日一道面试题-2024年10月6日-数据库篇-MVCC是什么? 它的底层原理是什么?

如果有遗漏,评论区告诉我进行补充 面试官: MVCC是什么? 它的底层原理是什么? 我回答: 多版本并发控制(Multi-Version Concurrency Control, MVCC)是一种用于数据库管理系统中的并发控制方法。MVCC 通过为每个事务提供数据的不同版本,允许…