高速铁路环境无线场强覆盖评估问题

《高速铁路环境无线场强覆盖评估问题》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、高速铁路环境无线场强覆盖评估问题EvaluationofRadioFieldStrengthCoverageInaHigh-speedTrainEnvironment侯碧狮I朱刚I钟章队1周贤伟2HouBichongZhuGangZhongZhangduiZhouXianwei摘要高速铁路环境无线场强覆盖评估问题是铁路无线移动通信系统的核心问题之一，对于保证网络服务质量具有重要意义。木文根据不同的理论依据，结合应用背景，对抽样均值估计算法（SME）及其改进方法和切换算法中的场强覆盖评估方法进行综述，并且通过工程实践及算法结论进行比较，最后对于各种算法特

2、点给出结论，以期对高速铁路环境无线场强覆盖评估问题研究给出必要的背景。1.前言高速铁路环境无线场强覆盖的评估是衡量铁路移动通信系统无线信道特性重要依据，目前尚不存在统一的评估理论。本文旨在通过综述场强评估理论成果与铁路场强测量方案，寻求其中共性，评价算法特性。估值算法包括场强测量采样方式和采样数据处理算法。目前主要采用效率较高的移动采样方式，该方法包括如何选择合适样本统计区间以及抽样点数。通过采样数据处理算法（一般采用平均计算），消除亮加在木地均值Z上的随机波动，并得到场强木地均值估计值。样本统计区间选取的准确与否决定能否有效消除快衰落信号对本地均值的

3、影响。通常样本统计区间可以沿径向、区域或者带宽选収【2】，如果统计区间选収过小将导致快衰落消除不充分，本地均值估值误差增大；如果统计区间选取过大，本地条件将不复成立【1,2,3L抽样点数目将决定估值方差，抽样点太密（多）将导致样本不能统计独立，无法通过平均处理消除随机波动影响；抽样点太稀（少），估值方差增大，此外，抽样点选取还受到接收设备能力以及运算复杂度的影响【1,3,4]0本文首先对抽样估值算法及其改进算法进行综述，而后讨论切换算法中的场强覆盖评估问方法，最后结合工程实际讨论高速铁路环境下的场强覆盖评估问题。1.抽样均值估计算法（SME）及其改进方

4、法Lee[1]首先在理论上解决了样本统计区间径向长度和采样点数确定问题，称为抽样均值估计算法（SME）o该算法将本地均值估值表为采样值在样本统计区间内积分，通过估值的一阶和二阶原点矩得出结论为：统计区间长度为20入至40X,快衰落対信号均值的影响分别小于1.5dB至ldB；Lee进一步对样本算术平均统计量进行推证并得出结论：在样本统计区间为40入时均匀采样36个以上样本，则其算术平均统计量与本地均值真值差（近似等于方差）小于等于ldB的概率为90%,并且由于样本间距小于等于1.11入，可保证样本间无关性（只要样本间距大于0.5入至0.8入）【1】。将上

5、述理论结果运用于实际场强测试当中，収不同长度的样本统计区间及不同数目的采样点进行测试与计算，结果发现：本地均值估值标准差比理论值大【5,6,7L产生该现象的原因是：1、假定快衰落服从瑞利分布与实际情况不完全相符，如在实际电波传播环境中存在较强径直达信号时，快衰落服从莱斯分布[8]；2、建筑物遮挡导致接收电平（本地均值）动态范围加大；3、Lee氏算法作为一阶矩估值法，收敛速度较慢，导致本地均值估值方差增大。此外，通过简单的算术平均估计本地均值（即一阶矩估值法）不能保证估值方差达到最小。Wong&Cox[9]根据Rao-BlackwellLehmann-S

6、cheff'e原理【10],通过最小充分统计量T（X）和修正序列爪，利用较少样本个数估计出本地均值，且估值具有最小均方误差。由此所得均值估值方差较一阶矩估值法（Lee）明显减小，接近Cramer-Rao界限【11】。Wong&Cox估值算法当抽样点数目增加到--定程度吋，其估值方差近似等于一阶矩估值法的口76倍。如果样本服从高斯分布，Wong&Cox估值算法仅需19个样本就能保证估值标准差小于ldB,而一阶矩算法至少需要31个样本。但是，Wong&Cox估值算法也是在假定快衰落服从瑞利分布的条件下获得的。如果存在直达传播路径使得快衰落服从莱斯分布，则在

7、莱斯因子k为0.5l吋，均方误差将超过一阶矩估值法。这说明Wong&Cox估值方法仍属于矩估计范畴，不能适应不同环境下本地均值的估算。Young-ChaiKo&Mohamed-Slim提岀MVUE算法[8],将Wong&Cox算法扩展到Nakagami-m分布以及莱斯分布的情况，其假定快衰落服从Nakagami-m分布。对有强直射路径和多个弱分量的信道模型（莱斯分布），由于存在笫一类零阶修正贝塞尔函数，难以得到均值估值与莱斯因子K的显式关系表达式，应首先估算莱斯因子K【12]o另外，对于均值估值方差【1】：a

8、J02(2tx)dx.其中Jo（x）表示零阶第一类修正贝塞尔函数，。为高斯型随机变量的标准差，