本發(fā)明屬于多輸入多輸出系統(tǒng)技術(shù)領(lǐng)域，尤其涉及一種基于實測數(shù)據(jù)的massivemimo信道建模方法。

背景技術(shù)：

隨著智能手機和平板電腦等智能終端的大范圍普及，互聯(lián)網(wǎng)高清業(yè)務(wù)和多媒體業(yè)務(wù)的不斷推廣使用，對無線數(shù)據(jù)業(yè)務(wù)的需求呈現(xiàn)爆發(fā)式增長，對無線通信系統(tǒng)的頻譜效率、功率效率以及容量性能提出了更高要求。據(jù)權(quán)威機構(gòu)預測，未來十年移動無線通信數(shù)據(jù)量將增加幾百倍。在這樣的應(yīng)用背景下，傳統(tǒng)的多輸入多輸出(mimo)技術(shù)已經(jīng)不能滿足呈指數(shù)上漲的無線數(shù)據(jù)需求，massivemimo技術(shù)應(yīng)運而生。massivemimo技術(shù)是指在基站端放置遠多于現(xiàn)今系統(tǒng)中所使用的天線數(shù)量的一種天線架設(shè)模式，比如使用幾十或者上百根基站天線來同時服務(wù)一定數(shù)量的用戶終端，它可以使得陣列增益大大增加，從而有效地降低發(fā)射端的功率消耗，使得系統(tǒng)總能效能夠提升多個數(shù)量級，進一步提升系統(tǒng)容量，有效地解決無線數(shù)據(jù)業(yè)務(wù)對系統(tǒng)容量的需求。雖然massivemimo技術(shù)呈現(xiàn)出極具吸引力的性能提升，但是也存在著很多的難題和挑戰(zhàn)。對于5gmassivemimo通信系統(tǒng)來說，建立一個準確的信道模型是非常重要的。在傳統(tǒng)的mimo技術(shù)中，信道建模的方法有基于幾何的隨機建模(gbsm)、參數(shù)化統(tǒng)計建模(psm)、基于相關(guān)的空時相關(guān)特征的建模方法(cbsm)等，但是這些信道建模方法不能直接用于massivemimo信道建模，因為massivemimo技術(shù)有與傳統(tǒng)mimo技術(shù)明顯不同的特征。在massivemimo技術(shù)中，隨著天線數(shù)目的增多和天線尺寸的變化，發(fā)射端和接收端或者散射簇之間的距離將小于瑞利距離，因而傳統(tǒng)mimo技術(shù)中的遠場效應(yīng)和波前為平面波假設(shè)不再成立，所以massivemimo技術(shù)中為近場效應(yīng)和波前是球面波。還有在massivemimo技術(shù)中，每個天線陣元能觀察到不同的簇集合，即在天線陣列上有些簇是可見的，有些簇是不可見的，存在散射簇的出現(xiàn)和消失，這也是與傳統(tǒng)mimo技術(shù)所不同的地方，所以massivemimo技術(shù)中天線陣列上信道響應(yīng)寬平穩(wěn)特性不再成立。對于massivemimo存在特征，我們需要建立合適的模型來描述球面波和刻畫簇在陣列上非平穩(wěn)的特性。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種基于實測數(shù)據(jù)的massivemimo信道建模方法。

本發(fā)明是一種基于實測數(shù)據(jù)的massivemimo信道建模方法，所述基于實測數(shù)據(jù)的massivemimo信道建模方法包括以下步驟：

步驟一，建立共焦橢圓模型，設(shè)置基站和偶極子的參數(shù)，基站設(shè)置大規(guī)模的均勻線性天線陣列，天線陣元都是全向天線，陣元間距為δt，為半波長，另一端是一個偶極子，也是全向天線；建立共焦橢圓模型，基站天線陣列中心和偶極子連線組成x軸，兩個天線陣列中心分別位于共焦橢圓的兩個焦點上，距離為2f，基站陣列傾角為βt，散射簇分布在共焦橢圓上，設(shè)第1個散射簇所對應(yīng)的橢圓的長軸為2a1，第n個散射簇所對應(yīng)的橢圓的長軸為2an，散射簇n與基站陣列中心和偶極子的距離分別為

步驟二，依據(jù)實測數(shù)據(jù)獲得散射簇的生滅速率，計算基站端天線陣列散射簇新生成的概率和生存概率，得到9狀態(tài)馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率矩陣，利用馬爾科夫鏈模型描述天線陣列軸上散射簇的演進過程，得到散射簇集后，根據(jù)winnerii模型分配每個散射簇特征參數(shù)；

將(i,j)作為狀態(tài)，其中i表示相鄰陣元間新生成的散射簇數(shù)量，j表示相鄰陣元間滅亡的散射簇數(shù)量，其中，0≤i≤2，0≤j≤2，共有9種狀態(tài)，(i,j)所對應(yīng)的狀態(tài)設(shè)為sij；從狀態(tài)sij變成si′j′的狀態(tài)轉(zhuǎn)移概率為p(ij,i′j′)，則轉(zhuǎn)移概率矩陣為：

步驟三，根據(jù)共焦橢圓模型中基站天線陣列傾斜角、陣元間距、散射簇的aoa、aod和時延、偶極子運動方向、基站和偶極子之間的距離參數(shù)等及他們之間的幾何位置關(guān)系，確定橢圓的大小和位置，計算視距和非視距情況下的相位和多普勒頻率，生成massivemimo信道沖激響應(yīng)。

進一步，所述步驟二具體過程為：

(1)對于兩個相鄰的天線陣元antk-1和antk，如果散射簇n在天線陣元antk-1可見，而在天線陣元antk不可見，則散射簇n是滅亡的；如果散射簇n在天線陣元antk-1和天線陣元antk都可見，則散射簇n是生存下來的；若散射簇n在天線陣元antk-1不可見，而在天線陣元antk可見，則散射簇n是新生成的；

(2)在散射簇演進過程中，一個新生成的散射簇到另一個新生成的散射簇出現(xiàn)的時間間隔ρg和一個散射簇的生命周期ρr分別服從指數(shù)分布，具體為：

時間間隔ρg和生命周期ρr的期望分別為：

其中，λg是簇的生成速率，λr是簇的滅亡速率；

(3)結(jié)合cost2100模型，引入簇可視區(qū)域概念，即在天線陣列上簇的可視區(qū)域，有些簇的基站端可視區(qū)域完全在天線陣列以內(nèi)，而部分簇的基站端可視區(qū)域超出陣列一端或兩端均超出。如圖3所示，對于區(qū)域①，簇基站端可視區(qū)域完全在天線陣列以內(nèi)，在陣列上能觀測到的簇可視區(qū)域長度δ就是簇的真實可視區(qū)域長度a；對于區(qū)域②，簇基站端可視區(qū)域超過了陣列的兩端，在陣列上能觀測到的簇可視區(qū)域長度就是陣列長度l，δ＝l；而區(qū)域③和區(qū)域④中陣列上觀測到的簇可視區(qū)域長度小于真實的簇可視區(qū)域長度，這時簇可視區(qū)域觀測長度是簇可視區(qū)域真實長度和簇可視區(qū)域中心位置xc的函數(shù)，δ＝(l+a)/2-xc，δ＝(l+a)/2+xc。假設(shè)簇可視區(qū)域中心位置xc是均勻分布的，上界和下界分別為則可視區(qū)域的觀測長度的累計分布函數(shù)為：

其中，kδ(y)是觀察到的簇可視區(qū)域累積分布函數(shù)；fa(v)是可視區(qū)域真實長度概率密度函數(shù)，δ0為簇可視區(qū)域的最小觀察長度，依賴于實際測量的設(shè)置。

(4)設(shè)置5gmassivemimo測量設(shè)備和測量環(huán)境，依據(jù)該實測數(shù)據(jù)以及簇中心位置、簇可視區(qū)域真實長度和簇可視區(qū)域觀測長度之間的關(guān)系，選取合適的分布函數(shù)來描述簇可視區(qū)域真實長度的統(tǒng)計特性，然后得到簇可視區(qū)域觀測長度cdf曲線，對簇可視區(qū)域觀測長度求均值即為簇平均生命周期，對簇平均生命周期求倒數(shù)即為簇的滅亡速率λr；

(5)利用kpowermeans算法估計出散射簇數(shù)目的平均值，簇數(shù)目的平均值也是簇生滅速率的比值，然后得到散射簇生成速率λg，具體為：

(6)在基站端天線陣列上，原有散射簇存活下來的概率為psurvival，服從指數(shù)分布；新生成的散射簇的概率為pnew，服從泊松分布，具體為：

其中，j表示生成j個散射簇，e[nnew]為基站端相鄰天線陣元間平均生成散射簇的數(shù)量，具體為：

其中是與場景相關(guān)的因子；

(7)計算9狀態(tài)馬爾科夫鏈轉(zhuǎn)移概率矩陣，利用馬爾科夫鏈模型描述天線陣列軸上散射簇的演進過程；

(8)得到天線陣元的散射簇集后，每個散射簇都有自己的特征參數(shù)，如時延、功率、到達角aoa/離開角aod，散射簇的時延和功率根據(jù)winnerii模型生成，時延和功率服從指數(shù)分布，功率作歸一化處理。

進一步，所述(7)利用9狀態(tài)馬爾科夫鏈模型進行簇演進，得到天線陣元上散射簇集，用符號表示散射簇從天線antk-1到antk的演進過程，表示為：

設(shè)第一個天線陣列上可見散射簇的初始個數(shù)是n，并進行編號，則初始簇集為c1，此時的狀態(tài)為s00，然后產(chǎn)生服從轉(zhuǎn)移概率的隨機數(shù)，假設(shè)根據(jù)得到的轉(zhuǎn)移概率確定馬爾科夫鏈轉(zhuǎn)移到的下一狀態(tài)為s01，所以有一個簇滅亡，沒有新簇產(chǎn)生，則從c1中刪除這個散射簇得到第2個陣元的簇集合c2，然后執(zhí)行下一次演進，此過程不斷重復，直到基站端陣列上所有陣元的簇集合都演進完畢。

進一步，所述步驟三具體包括：

(1)對于los的情況：從基站天線k到偶極子的距離為：

從基站天線k到偶極子的相位為：

其中，是初始相位，偶極子和基站天線k之間的多普勒頻率為：

(2)對于nlos的情況：設(shè)aoa服從von-mises分布，在橢圓模型中，aoa和aod是相互依賴的，他們的關(guān)系是：

其中，

已知第一個橢圓的半長軸是a1，an由a1和時延τn共同決定，則：

an＝cτn+a1；

其中，c表示光速，根據(jù)幾何位置關(guān)系，得到，散射簇n和基站端之間的距離散射簇n和偶極子之間的距離其中i表示簇內(nèi)射線i，則：

散射簇n和基站天線k之間的距離為：

設(shè)初始相位是從基站天線k到簇n，再到偶極子，此時的相位為：

經(jīng)過簇n，多普勒頻率變?yōu)椋?/p>

(3)從基站天線k到偶極子的信道沖激響應(yīng)表示為：

其中τn(t)表示散射簇n的時延。當簇n在基站可見時：

其中，k是萊斯k因子；當簇n在基站不可見時，hk,n(t)＝0。

本發(fā)明的另一目的在于提供一種應(yīng)用所述基于實測數(shù)據(jù)的massivemimo信道建模方法的多輸入多輸出系統(tǒng)。

本發(fā)明的優(yōu)點及積極效果為：利用9狀態(tài)馬爾科夫鏈進行簇演進的共焦橢圓模型，不僅能夠準確的描述散射簇在天線陣列上生滅過程，刻畫massivemimo信道的非平穩(wěn)特征，而且能夠描述球面波特征，為massivemimo信道建模提供一個有效的方法，同時計算量較小，能夠在較少的時間內(nèi)生成信道沖激響應(yīng)，提高了信道的仿真效率。

附圖說明

圖1是本發(fā)明實施例提供的基于實測數(shù)據(jù)的massivemimo信道建模方法流程圖。

圖2是本發(fā)明實施例提供的massivemimo共焦橢圓模型示意圖。

圖3是本發(fā)明實施例提供的簇可視區(qū)域觀測長度、簇可視區(qū)域真實長度和簇可視區(qū)域中心位置的關(guān)系示意圖。

圖4是本發(fā)明實施例提供的5gmassivemimo測量活動所使用的測量設(shè)備示意圖。

圖5是本發(fā)明實施例提供的基站端簇可視區(qū)域觀測長度示意圖。

圖6是本發(fā)明實施例提供的基于實測數(shù)據(jù)的9狀態(tài)馬爾科夫鏈的簇演進過程。

圖7是本發(fā)明實施例提供的相鄰天線的空間互相關(guān)系數(shù)(ccf)示意圖。

圖8是本發(fā)明實施例提供的生成一次信道沖激響應(yīng)所需時間示意圖。

圖9是本發(fā)明實施例提供的基于實測數(shù)據(jù)的massivemimo信道建模流程圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

基于實測數(shù)據(jù)獲得散射簇的生滅速率，計算基站天線陣列散射簇新生成的概率和生存概率，建立馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率矩陣，利用馬爾科夫鏈對散射簇進行演進，來描述簇在陣列上非平穩(wěn)的特性，同時，建立massivemimo信道模型來描述球面波特征。

下面結(jié)合附圖對本發(fā)明的應(yīng)用原理作詳細的描述。

如圖1所示，本發(fā)明實施例提供的基于實測數(shù)據(jù)的massivemimo信道建模方法包括以下步驟：

s101：建立共焦橢圓模型，設(shè)置基站端和偶極子的參數(shù)；

s102：依據(jù)實測數(shù)據(jù)獲得散射簇的生滅速率，得到9狀態(tài)馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率矩陣，利用馬爾科夫鏈描述天線陣列軸上散射簇的演進過程，分配每個散射簇特征參數(shù)；

s103：根據(jù)各個參數(shù)之間的幾何位置關(guān)系，計算視距和非視距情況下的相位和多普勒頻率，生成信道沖激響應(yīng)。

下面結(jié)合附圖對本發(fā)明的應(yīng)用原理作進一步的描述。

本發(fā)明提供的簇生滅速率，需要建立基于實測數(shù)據(jù)利用9狀態(tài)馬爾科夫鏈進行簇演進的massivemimo共焦橢圓模型，具體包括如下步驟：

步驟一：建立共焦橢圓模型，設(shè)置基站和偶極子的參數(shù)?；驹O(shè)置大規(guī)模的均勻線性天線陣列，這些天線陣元都是全向天線，數(shù)量為mt＝128，陣元間距為δt，為半波長，波長取0.12米，則δt＝0.06米，另一端是一個偶極子，也是全向天線；建立共焦橢圓模型，基站天線陣列中心和偶極子連線組成x軸，這兩個天線陣列中心分別位于共焦橢圓的兩個焦點上，距離為2f＝160米，基站陣列傾角為βt＝π/2，散射簇分布在共焦橢圓上，設(shè)第1個散射簇所對應(yīng)的橢圓的長軸為2a1，第n個散射簇所對應(yīng)的橢圓的長軸為2an，散射簇n與基站陣列中心和偶極子的距離分別為如圖2所示。

步驟二：依據(jù)實測數(shù)據(jù)獲得散射簇的生滅速率，計算基站端天線陣列散射簇新生成的概率和生存概率，得到9狀態(tài)馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率矩陣，利用馬爾科夫鏈模型描述天線陣列軸上散射簇的演進過程，得到散射簇集后，根據(jù)winnerii模型分配每個散射簇特征參數(shù)。

(1)由于massivemimo天線陣列的非平穩(wěn)特性，有的簇在天線陣列上可見，有的簇在天線陣列上不可見，對于兩個相鄰的天線陣元antk-1和antk，如果散射簇n在天線陣元antk-1可見，而在天線陣元antk不可見，則散射簇n是滅亡的；如果散射簇n在天線陣元antk-1和天線陣元antk都可見，則散射簇n是生存下來的；若散射簇n在天線陣元antk-1不可見，而在天線陣元antk可見，則散射簇n是新生成的。

(2)在散射簇演進過程中，一個新生成的散射簇到另一個新生成的散射簇出現(xiàn)的時間間隔ρg和一個散射簇的生命周期ρr分別服從指數(shù)分布，具體為：

時間間隔ρg和生命周期ρr的期望分別為：

其中，λg是簇的生成速率，λr是簇的滅亡速率。

(3)結(jié)合cost2100模型，引入簇可視區(qū)域概念，即在天線陣列上簇的可視區(qū)域，有些簇的基站端可視區(qū)域完全在天線陣列以內(nèi)，而部分簇的基站端可視區(qū)域超出陣列一端或兩端均超出。如圖3所示，對于區(qū)域①，簇基站端可視區(qū)域完全在天線陣列以內(nèi)，在陣列上能觀測到的簇可視區(qū)域長度δ就是簇的真實可視區(qū)域長度a；對于區(qū)域②，簇基站端可視區(qū)域超過了陣列的兩端，在陣列上能觀測到的簇可視區(qū)域長度就是陣列長度l，δ＝l；而區(qū)域③和區(qū)域④中陣列上觀測到的簇可視區(qū)域長度小于真實的簇可視區(qū)域長度，這時簇可視區(qū)域觀測長度是簇可視區(qū)域真實長度和簇可視區(qū)域中心位置xc的函數(shù)，δ＝(l+a)/2-xc，δ＝(l+a)/2+xc。假設(shè)簇可視區(qū)域中心位置xc是均勻分布的，上界和下界分別為則可視區(qū)域的觀測長度的累計分布函數(shù)為：

其中，kδ(y)是觀察到的簇可視區(qū)域累積分布函數(shù)(cdf)，fa(v)是可視區(qū)域真實長度概率密度函數(shù)(pdf)，δ0為簇可視區(qū)域的最小觀察長度，依賴于實際測量的設(shè)置，δ0＝0.5米l＝7.68米，。

(4)設(shè)置測量設(shè)備和環(huán)境。所使用的的5gmassivemimo測量設(shè)備是由幾個單獨的功能模塊組成，例如濾波器、功率和低噪聲功率放大器；對于信號生成方面，使用rohde-schwarzsmbv100a獲得不同長度的pn碼序列(127～1023)，這里pn碼序列長度是511，每幀發(fā)送8個pn碼序列，相鄰pn碼序列間的時間間隔為5us，對于接收信號，使用tektronixtds6604b抽樣信號，然后發(fā)送記錄下來的數(shù)據(jù)到外部存儲器。通過發(fā)送周期性的擴頻信號和分析所獲得的信道沖激響應(yīng)，可以得到massivemimo時延域和空間域的傳播特征，為了實現(xiàn)同步，利用全球定位系統(tǒng)(gps)觸發(fā)發(fā)射端和接收端；載波頻率為2.065ghz，帶寬為20mhz。所測量的環(huán)境使用的是城市宏小區(qū)。如圖4所示為測量設(shè)備、基站和偶極子。

(5)依據(jù)實測數(shù)據(jù)以及簇中心位置、簇可視區(qū)域真實長度和簇可視區(qū)域觀測長度之間的關(guān)系，選取合適的分布函數(shù)來描述簇可視區(qū)域真實長度的統(tǒng)計特性，如對數(shù)正態(tài)分布，然后得到簇可視區(qū)域觀測長度cdf曲線，如圖5所示；再依據(jù)簇觀測長度曲線，以簇的觀測長度和對應(yīng)這點長度的斜率相乘，整體相加求解出觀測長度的均值，即為簇平均生命周期，對簇平均生命周期求倒數(shù)即為簇的滅亡速率，如los情況下，λr＝0.3125/米。

(6)利用kpowermeans算法估計出散射簇數(shù)目的平均值，簇數(shù)目的平均值也是簇生滅速率的比值，然后得到散射簇生成速率λg，具體為：

其中，los情況下，λg＝1.875/米。

(7)天線陣元antk-1上簇集合中的每個散射簇在演進到天線陣元antk時有可能繼續(xù)存活下來，也有可能滅亡，也有可能新的散射簇生成，每個散射簇存活的概率還與具體場景有關(guān)。設(shè)在基站端天線陣列上，原有散射簇存活下來的概率為psurvival，服從指數(shù)分布；新生成的散射簇的概率為pnew，服從泊松分布，具體為：

其中，j表示生成j個散射簇，e[nnew]為基站端相鄰天線陣元間平均生成散射簇的數(shù)量，具體為：

其中是與場景相關(guān)的因子，取30米，得到psurvival＝0.999。由于相鄰陣元的距離較近，它們之間簇的存活概率是比較高的，原有簇的消亡概率是較低，通過分析實測數(shù)據(jù)，得到相鄰陣元間最多有2個簇生成或滅亡，依據(jù)上述公式，可以得到新生成一個簇的概率pnew(1)＝0.0118、新生成兩個簇的概率pnew(2)＝0.0001，然后根據(jù)歸一化得到?jīng)]有新簇生成的概率pnew(0)＝1-pnew(1)-pnew(2)＝0.9881。

(8)計算9狀態(tài)馬爾科夫鏈轉(zhuǎn)移概率矩陣，利用馬爾科夫鏈模型描述天線陣列軸上散射簇的演進過程。

①假設(shè)將(i,j)作為狀態(tài)，其中i表示相鄰陣元間新生成的散射簇數(shù)量，j表示相鄰陣元間滅亡的散射簇數(shù)量，其中，0≤i≤2，0≤j≤2，共有9種狀態(tài)，(i,j)所對應(yīng)的狀態(tài)設(shè)為sij。設(shè)從狀態(tài)sij變成si′j′的狀態(tài)轉(zhuǎn)移概率為p(ij,i′j′)，則轉(zhuǎn)移概率矩陣為：

設(shè)在上一個狀態(tài)，陣元上散射簇的數(shù)量為n，這里具體說p(00,00)、p(00,01)、p(00,02)；

p(00,00)＝pnew(0)×(psurvial)ⁿ；

②利用9狀態(tài)馬爾科夫鏈模型進行簇演進，得到天線陣元上散射簇集。在演進過程中，有的散射簇存活下來，有的散射簇滅亡了，有的又生成新的散射簇，用符號表示散射簇從天線antk-1到antk的演進過程，可以表示為：

設(shè)第一個天線陣列上初始可見散射簇的個數(shù)是20，并對他們進行1～20編號，則初始簇集為c1＝{1,2,...,20}，此時的狀態(tài)為s00，然后產(chǎn)生服從轉(zhuǎn)移概率的隨機數(shù)，假設(shè)根據(jù)得到的轉(zhuǎn)移概率確定馬爾科夫鏈轉(zhuǎn)移到的下一狀態(tài)為s01，所以有一個簇滅亡(簇編號16)，沒有新簇產(chǎn)生，則從c1中刪除這個散射簇得到第2個陣元的簇集合c2＝{1,2,...,15,17,...,20}，然后執(zhí)行下一次演進，此過程不斷重復，直到基站端陣列上所有陣元的簇集合都演進完畢。如圖6所示天線陣元可見散射簇集。

(9)得到天線陣元的散射簇集后，每個散射簇都有自己的特征參數(shù)，如時延、功率、到達角(aoa)/離開角(aod)，散射簇的時延和功率根據(jù)winnerii模型生成，時延和功率服從指數(shù)分布，功率作歸一化處理。

步驟三：如圖2，根據(jù)共焦橢圓模型中基站天線陣列傾斜角、陣元間距、散射簇的aoa、aod和時延、偶極子運動方向、基站和偶極子之間的距離參數(shù)等及他們之間的幾何位置關(guān)系，確定橢圓的大小和位置，計算視距和非視距情況下的相位和多普勒頻率，生成massivemimo信道沖激響應(yīng)。

(1)對于los的情況：從基站天線k到偶極子的距離為：

從基站天線k到偶極子的相位為：

其中，是初始相位，偶極子和基站天線k之間的多普勒頻率為：

(2)對于nlos的情況：設(shè)aoa服從von-mises分布，在橢圓模型中，aoa和aod是相互依賴的，他們的關(guān)系是：

其中，

已知第一個橢圓的半長軸是a1，an由a1和時延τn共同決定，則：

an＝cτn+a1；

其中，c表示光速。根據(jù)幾何位置關(guān)系，可以得到，散射簇n和基站端之間的距離散射簇n和偶極子之間的距離其中i表示射線i，則：

散射簇n和基站天線k之間的距離為：

基于上面的式子，假設(shè)初始相位是從基站天線k到簇n，再到偶極子，此時的相位為：

經(jīng)過簇n，多普勒頻率變?yōu)椋?/p>

(3)從基站天線k到偶極子的信道沖激響應(yīng)可以表示為：

其中τn(t)表示散射簇n的時延。當簇n在基站可見時：

其中，k是萊斯k因子，為3db；當簇n在基站不可見時，hk,n(t)＝0。

為了考察方法的有效性，基于實測數(shù)據(jù)，利用共焦橢圓模型，生成信道沖激響應(yīng)，計算相鄰天線陣元之間的空間互相關(guān)系數(shù)的關(guān)系，如圖7。圖7中“△”、“▽”、“□”、“○”標記的曲線分別表示相鄰天線對(1,2)、(7,8)、(15,16)、(31,32)的空間互相關(guān)系數(shù)(ccf)。從圖中可以看出，隨著歸一化天線空間的增大，相鄰天線陣元之間的ccf逐漸減小；不同陣列位置的相鄰陣元之間的相關(guān)性是不同的；相關(guān)函數(shù)不僅取決于天線陣元之間的距離，而且取決于參考天線陣元的位置，這說明了massivemimo系統(tǒng)信道的非平穩(wěn)特性。

圖6中初始簇的數(shù)目是20個，然后根據(jù)9狀態(tài)馬爾科夫鏈進行簇演進，從圖6中可以觀察到散射簇1、3、5、7、12、16和18在演進的過程中滅亡了，簇16在從第1個天線陣元到第2個天線陣元演進的過程中滅亡了，簇1在從第15個天線陣元到第16個天線陣元演進的過程中滅亡了；散射簇21和22在演進過程中新生成了，從第7個天線陣元到第8個天線陣元演進的過程中新生成了簇21，從第23個天線陣元到第24個天線陣元演進的過程中新生成了簇22，所以，在簇演進的過程中不同的天線陣元可能看到不同的散射簇集。

因為使用馬爾科夫鏈進行簇演進比使用生滅過程進行簇演進的方法有較低的復雜度，所以本發(fā)明還比較了該信道模型與shangbinwu等所提出的massivemimo系統(tǒng)信道模型的仿真效率，以生成一次信道沖激響應(yīng)所需的時間為比較對象，如圖8所示。從圖8中可以看出當天線數(shù)目為30時，本發(fā)明所提出的方法比shangbinwu等所提出的信道模型節(jié)省了大約10％的仿真時間，當天線數(shù)目增多時，節(jié)省的時間更多，因而本發(fā)明更節(jié)省時間，仿真效率更高。

本發(fā)明提出的基于實測數(shù)據(jù)，利用9狀態(tài)馬爾科夫鏈進行簇演進的共焦橢圓模型，不僅能夠準確的描述散射簇在天線陣列上生滅過程，刻畫了massivemimo信道的非平穩(wěn)特征，而且能夠描述球面波達到特征，為massivemimo信道建模提供一個有效的方法，同時該建模方法的計算量較小，能夠在較少的時間內(nèi)生成信道沖激響應(yīng)，提高了信道的仿真效率。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。