【文献阅读】 The ITS Irregular Terrain Model(Longely-Rice模型)海上电波传播模型

前言

因为最近在做海上通信的一个项目,所以需要对海上的信道进行建模,所以才阅读到了这一篇文献,下面的内容大部分是我的个人理解,如有错误,请见谅。欢迎在评论区和我一起讨论。

Longely-Rice模型介绍

频率介于 20 MHz 和 20 GHz 之间的 ITS 无线电传播模型(Longley-Rice 模型)(以 Anita Longley 和 Phil Rice 命名,1968 年)是一个通用模型,可用于解决各种工程问题。该模型以电磁理论以及对地形特征和无线电测量结果的统计分析为基础,预测无线电信号的中值衰减与距离的函数关系,以及信号在时间和空间上的可变性。

文献概要

在本报告中,作者介绍了 ITM(不规则地形模型)目前的算法。不过,该模型的某些特征可能没有在此记录。

该模型的目的是估计无线电链路接收信号电平的某些特征。这通常是指看似随机现象的累积分布。

最初的模型开发于 20 世纪 60 年代末,当时陆地移动无线电和电视广播是重要的系统,需要更好的工程设计。

输入参数

我们想象一条位于地球上某个区域的无线电链路。那么,模型所需的输入就是对该链路的正确描述。该模型有两种模式--区域预测模式和点对点模式,主要区别在于所需的输入数据量不同。

点到点模式必须提供链接的地形剖面细节,而区域预测模式将使用经验中值来估算。由于这两种模式在其他方面的发展轨迹非常相似,因此我们在此尝试将两者并行处理。

我们将链路的两个终端分别称为终端 1 和终端 2,由用户来识别哪个是发射器,哪个是接收器。

符号表

其中的Note1-4在下文进行说明。

Note1

关于 k k k的定义方式说明。

Note2

这里是关于地表折射率 N s N_s Ns的计算方法,单位是N-units, z s z_s zs代表相关区域的一般海拔。

Note3


γ a \gamma _a γa是地球的实际曲率, K K K是有效地球半径因子。

Note4


Z g Z_g Zg代表表面传递阻抗,通常是根据地面的相对介电常数 ϵ r \epsilon _r ϵr和电导率 σ \sigma σ及相关无线电波的极化来定义的。 ϵ r ′ \epsilon' _r ϵr′是复合相对介电常数。


h h h代表了天线的有效高度
d d d代表了每个终端与其无线电地平线的距离(发射机和接收机的距离)
θ \theta θ每个终端在天线高度处的水平仰角

这些数值取决于地理因素,取决于两个天线之间的地形因素。

输出

此模型的输出有多种形式,用户自行选择,其中最简单的形式就是参考衰减 A r e f A_{ref} Aref,这是相对于自由空间信号的中值衰减,在大气条件符合标准、混合良好的大气层时,在所有类似路径集合上都应观测到这一衰减。

参考衰减 A r e f A_{ref} Aref

根据文献[1]的公式,我们要计算出衰减,就要先计算这一参考衰减,其中这几个参数的计算方法在下文,这三个式子代表了三个区域,分别是视线区、衍射区和散射区。

衍射范围的系数

其中 A d i f f A_{diff} Adiff函数的计算方法如下

这里引入了 F n ( v ) Fn(v) Fn(v)函数,由于篇幅有限,这里不对其进行过多介绍。我们重点关注的是视距传播范围内的系数的确定。

这里对 A l o s A_{los} Alos进行了定义

在实际计算中,我们需要保证 K 1 , K 2 K_1,K_2 K1,K2的值要大于0,根据等式(4.26)(4.28)(4.29)计算出的 d 0 、 d 1 、 d 2 d_0 、d_1、d_2 d0、d1、d2可以计算出 K 2 ′ K' _2 K2′和 K 1 ′ K' _1 K1′.

若 K 1 ′ < 0 K' _1<0 K1′<0.我们还需计算 K 2 ′ ′ K'' _2 K2′′


参考文献

[1] 王峰,吴畏,彭茜,赵二虎,何晓新.海上VHF/UHF频段信道环境及其空时频率选择性[J].电子学报,2017,45(6):1523.

[2] 徐红艳,尉明明,冯玉珉.海上移动通信预测模 [J].北京交通大学学报,2005,29(2):65-38.

相关推荐
Mephisto.java15 分钟前
【大数据学习 | kafka高级部分】kafka中的选举机制
大数据·学习·kafka
南宫生43 分钟前
贪心算法习题其三【力扣】【算法学习day.20】
java·数据结构·学习·算法·leetcode·贪心算法
武子康2 小时前
大数据-212 数据挖掘 机器学习理论 - 无监督学习算法 KMeans 基本原理 簇内误差平方和
大数据·人工智能·学习·算法·机器学习·数据挖掘
使者大牙2 小时前
【大语言模型学习笔记】第一篇:LLM大规模语言模型介绍
笔记·学习·语言模型
As977_2 小时前
前端学习Day12 CSS盒子的定位(相对定位篇“附练习”)
前端·css·学习
ajsbxi2 小时前
苍穹外卖学习记录
java·笔记·后端·学习·nginx·spring·servlet
Rattenking2 小时前
React 源码学习01 ---- React.Children.map 的实现与应用
javascript·学习·react.js
dsywws3 小时前
Linux学习笔记之时间日期和查找和解压缩指令
linux·笔记·学习
道法自然04023 小时前
Ethernet 系列(8)-- 基础学习::ARP
网络·学习·智能路由器
爱吃生蚝的于勒3 小时前
深入学习指针(5)!!!!!!!!!!!!!!!
c语言·开发语言·数据结构·学习·计算机网络·算法