本發明涉及通信技術領域，特別是指一種毫米波信道模型建模方法和裝置。

背景技術：

5G(第5代移動通信系統)是面向2020年以后移動通信需求而發展的新一代移動通信系統。由移動通信的發展規律，5G將具有超高的頻譜利用率和能效，在傳輸速率和資源利用率等當面較4G移動通信提高一個量級或者更高，其無線覆蓋性能、傳輸時延、系統安全等都將得到顯著的提高。

為實現5G的高速率傳輸，主要通過兩種途徑，其一是增加頻譜利用率，其二是增加頻譜帶寬。相對于提高頻譜利用率，增加頻譜帶寬的方法顯得更簡單直接。在頻譜利用率不變的情況下，可用帶寬翻倍則可以實現的數據傳輸速率也翻倍。但現在常用的5GHz以下的頻段已經非常擁擠，為尋找新的頻譜資源，各大廠商把目光投向了毫米波技術

毫米波是指波長在毫米數量級的電磁波，其頻率大約在30GHz～300GHz之間。根據通信原理，無線通信的最大信號帶寬大約是載波頻率的5％左右，因此載波頻率越高，可實現的信號帶寬也越大。因此，如果使用毫米波頻段，頻譜帶寬將大幅提高，傳輸速率也可得到巨大提升。然而，由于毫米波頻率高、波長短，因此毫米波還有一個不容忽視的特性是在空氣中衰減較大，且繞射能力較弱，非常容易受到各種阻擋，其中人體產生的阻擋現象尤為復雜多變。

信道建模作為無線通信系統研發與測試的重要組成部分，需要準確描述信道特性。而目前常用的諸如IEEE 802.11ad、IEEE 802.15.3c中提出的毫米波信道模型，其中的人體阻擋模型對于毫米波受到以人體阻擋的擋描述較為簡單，且靈活性較差，難以滿足毫米波復雜多變的應用場景。因此需要一個靈活且具有普遍適用性的阻斷概率模型，來描述毫米波復雜多變的應用場景。

毫米波呈現顯著的簇到達現象，接收機接收到的每一簇都有著基本相同的到達角及到達時間。但在實際的環境中，并非所有的簇都能夠到達接收機完成通信任務。其中一部分可能會被場景中坐著或站著的人體以及其他物體阻擋，并且會對毫米波通信系統的性能產生十分顯著的影響，因此在對毫米波信道進行建模時需要將人體的阻擋現象考慮在內。

在以IEEE 802.11ad為代表的現有毫米波信道模型中，動態人體阻擋模型借助射線跟蹤模型計算出毫米波可能產生的所有傳播路徑，之后通過隨機行走模型模擬人體在場景中的活動，進而統計得出每條路徑相應的被阻擋概率。在使用該動態人體阻擋模型時，首先需要讀取場景的空間信息，構建場景的空間數據集。其次，設定發射機與接收機的位置信息，通過已有的空間信息，采用射線跟蹤模型，結算在該參數設定下所有可能發生的毫米波傳播路徑；與此同時，在空間中隨機選取一點作為出發點，采用隨機行走算法生成隨機路徑。此后分別多次仿真獲取對每種傳播路徑產生阻擋的概率，再配合單次阻擋事件的動態阻擋模型即可獲得動態人體阻擋模型。其中，隨機行走模型是描述由一連串隨機步驟組成的路徑的數學模型。

發明人在實現發明的過程中發現，現有的動態人體阻擋模型至少存在以下問題：隨機行走的路徑與場景無關，這在實際的應用場景中是不可能發生的。在現實場景中，由于場景內存在各種各樣的物體，這些物體都會影響到人體的行走路徑。例如，在實際的場景中人體不可能從桌子中穿過，而采用傳統的隨機行走模型則無法避免該現象的發生。另外，人體的行走路線完全隨機，這與現實場景中的人體行走模式不同。現實場景中，人體運動軌跡的隨機性體現在起始點與目標點的隨機選擇，而其從起始點到目標點的行走路徑最可能表現為場景允許的兩點間的最短路徑。還有，由于目前的動態人體阻擋模型僅僅針對有限的幾種場景，為了達到與相關文獻、協議中想接近的模型數據，就要求與其有十分接近的參數設定，這就大大影響了它的靈活性與普適性。

技術實現要素：

有鑒于此，本發明的目的在于提出一種毫米波信道模型建模方法和裝置，通過，從而解決根據不同的場景，引入相應場景下的空間因素影響，解決目前動態人體阻擋模型無法體現場景對人體行走路徑影響的問題。

基于上述目的本發明提供的毫米波信道模型建模方法，包括步驟：

獲取場景空間信息；

根據所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑，以及通過基于場景的隨機行走算法計算隨機路徑；

根據所述隨機路徑計算各毫米波傳播路徑的阻擋概率。

在本發明的一些實施例中，根據所述隨機路徑計算各毫米波傳播路徑的阻擋概率的同時，根據所述隨機路徑獲得該場景的動態人體阻擋模型。

在本發明的一些實施例中，所述基于場景的隨機行走算法計算隨機路徑時先給定一個隨機起始點與目標點，計算能夠從起始點到目標點每個路徑需要的代價，然后查找到所有路徑中需要代價最小的；

其中，計算每個路徑的代價采用如下公式：

F＝G+H

F表示從起始點經過當前搜索點到達目標點的代價，G表示從起始點到當前搜索點所花費的代價，H表示當前搜索點到達目標點的代價；所述的代價為距離的長短，即距離長代價大，距離短代價小。

在本發明的一些實施例中，根據所述場景空間信息，通過基于場景的隨機行走算法計算隨機路徑包括：

根據場景空間信息，確定可達區域；

對可達區域進行網格化處理；

在所述的可達區域的網格交點上隨機選取起始點和目標點，并將起始點存儲到OPEN表中；

探知起始點的相鄰節點，并按照樹形結構存儲到OPEN表中；

根據路徑的代價公式，在OPEN表中選取當前F值最小的相鄰節點作為當前節點；

判斷當前節點是否為目標點，若是則直接路徑生成成功，將CLOSE表中的節點依次取出，獲得起始點到目標點的最短路徑；否則將當前節點從OPEN表中移入CLOSE表中，且將當前節點作為起始點探知其相鄰節點。

在本發明的一些實施例中，所述根據場景空間信息確定可達區域，包括：

根據場景空間信息，繪制所述場景的二維平面圖，將所述場景內各種物體覆蓋的區域設置為不可達區域，其他區域設置為可達區域。

本發明還提出了一種毫米波信道模型建模裝置，包括：

場景獲取單元，用于獲取場景空間信息；

模型計算單元，用于根據所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑，以及通過基于場景的隨機行走算法計算隨機路徑；

阻擋概率計算單元，用于根據所述隨機路徑計算各毫米波傳播路徑的阻擋概率。

在本發明的一些實施例中，所述阻擋概率計算單元根據所述隨機路徑計算各毫米波傳播路徑的阻擋概率的同時，根據所述隨機路徑獲得該場景的動態人體阻擋模型。

在本發明的一些實施例中，所述模型計算單元基于場景的隨機行走算法計算隨機路徑時先給定一個隨機起始點與目標點，計算能夠從起始點到目標點每個路徑需要的代價，然后查找到所有路徑中需要代價最小的；

其中，計算每個路徑的代價采用如下公式：

F＝G+H

F表示從起始點經過當前搜索點到達目標點的代價，G表示從起始點到當前搜索點所花費的代價，H表示當前搜索點到達目標點的代價；所述的代價為距離的長短，即距離長代價大，距離短代價小。

在本發明的一些實施例中，所述模型計算單元通過基于場景的隨機行走算法計算隨機路徑時，包括：

根據場景空間信息，確定可達區域；

對可達區域進行網格化處理；

在所述的可達區域的網格交點上隨機選取起始點和目標點，并將起始點存儲到OPEN表中；

探知起始點的相鄰節點，并按照樹形結構存儲到OPEN表中；

根據路徑的代價公式，在OPEN表中選取當前F值最小的相鄰節點作為當前節點；

判斷當前節點是否為目標點，若是則直接路徑生成成功，將CLOSE表中的節點依次取出，獲得起始點到目標點的最短路徑；否則將當前節點從OPEN表中移入CLOSE表中，且將當前節點作為起始點探知其相鄰節點。

在本發明的一些實施例中，所述根據場景空間信息確定可達區域，包括：

根據場景空間信息，繪制所述場景的二維平面圖，將所述場景內各種物體覆蓋的區域設置為不可達區域，其他區域設置為可達區域。

從上面所述可以看出，本發明提供的一種毫米波信道模型建模方法和裝置，根據所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑，以及通過基于場景的隨機行走算法計算隨機路徑；根據所述隨機路徑計算各毫米波傳播路徑的阻擋概率。因此，本發明所述的毫米波信道模型建模方法和裝置避免傳統隨機行走算法中不合理的隨機路徑的產生，解決動態人體阻擋模型無法體現場景對人體行走路徑的影響，具有很好的靈活性、普適性。

附圖說明

圖1為本發明實施例中毫米波信道模型建模方法的流程示意圖；

圖2為本發明實施例中基于場景的隨機行走算法計算隨機路徑的流程示意圖；

圖3為本發明實施例中毫米波信道模型建模裝置的結構示意圖；

圖4為本發明實施例中會議室場景中人為選取起始點與目標點的示意圖；

圖5為本發明實施例中會議室場景中隨機選取起始點與目標點的示意圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明進一步詳細說明。

需要說明的是，本發明實施例中所有使用“第一”和“第二”的表述均是為了區分兩個相同名稱非相同的實體或者非相同的參量，可見“第一”“第二”僅為了表述的方便，不應理解為對本發明實施例的限定，后續實施例對此不再一一說明。

參閱圖1所示，為本發明實施例中毫米波信道模型建模方法的流程示意圖。其中，所述的毫米波信道模型建模方法可以包括：

步驟101，獲取場景空間信息。

在本發明的實施例中，針對不同場景，需要提供相應的場景空間信息。其中，場景空間信息可以是各種格式的場景空間信息，例如一個會議室的長寬高，以及會議室內各種陳設的位置、尺寸等空間信息。

步驟102，根據所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑。

其中，射線跟蹤模型是一種求解發射點與目標點間所有可能傳播路線的計算模型，可以通過正向或反向跟蹤的方法進行計算。優選地，本發明通過反向射線跟蹤法求算指定收發信機之間可能存在的所有射線傳播路徑。

步驟103，根據所述場景空間信息，通過基于場景的隨機行走算法計算隨機路徑。

在實施例中，基于場景的隨機行走算法計算隨機路徑時可以先給定一個隨機起始點與目標點，計算能夠從起始點到目標點每個路徑需要的代價，然后查找到所有路徑中需要代價最小的。其中，計算每個路徑的代價可以采用如下公式：

F＝G+H

F表示從起始點經過當前搜索點到達目標點的代價，G表示從起始點到當前搜索點所花費的代價，H表示當前搜索點到達目標點的代價。

需要說明的是，所述的代價可以為距離的長短，即距離長代價大，距離短代價小。

步驟104，根據所述隨機路徑計算各毫米波傳播路徑的阻擋概率，獲得所述場景的阻擋概率模型。具體的實施過程可以包括：

其中，所述的場景阻擋概率模型可以針對特定場景，計算并統計各種路徑的阻擋概率，得到的就是相應場景的阻擋概率模型。所述的場景阻擋概率模型可以得到一種統計性模型，且基于大量仿真數據得到。

較佳地，根據隨機路徑計算各毫米波傳播路徑的阻擋概率，具體可以包括：在指定條件下，通過隨機行走算法獲取一定數量隨機行走路徑，并統計其中具備阻擋條件的路徑的數目，用該數目除以路徑總數就得到了給定場景下某種類型的射線被阻擋的概率。

作為優選地實施例，為了更好的獲得路徑上的行走情況，在得到了一個場景的阻擋概率模型的同時，還可以根據所述隨機路徑獲得該場景的動態人體阻擋模型。其中，所述的動態人體阻擋模型基于得到的隨機路徑，對人體在相應路徑上的行走情況進行阻擋情況的瞬態模擬。

需要說明的是，步驟102和步驟103可以同時進行，也可以先進行步驟102后進行步驟103，當然也可以先進行步驟103后進行步驟102。

作為本發明一個可參考的實施例，如圖2所示，所述步驟103可以包括如下實施過程：

步驟201，根據場景空間信息，確定可達區域。

其中，所述的可達區域為除去場景中人體無法到達的區域，也就是說場景中人體無法到達的區域為不可達區域。在較佳地實施例中，可以根據場景空間信息，繪制所述場景的二維平面圖，將所述場景內各種物體覆蓋的區域設置為不可達區域，其他區域設置為可達區域。

步驟202，對可達區域進行網格化處理。

其中，可達區域內的網格交點集合為可達區域點的集合。

步驟203，在所述的可達區域的網格交點上隨機選取起始點和目標點，并將起始點存儲到OPEN表中。

在實施例中，在生成的可達區域后，從可達區域內的網格交點集合中隨機選取起始點和目標點分別作為路徑的起點和終點。其中，所述的OPEN表中存儲有已經探知，但未搜索過的節點。

步驟204，探知起始點的相鄰節點，并按照樹形結構存儲到OPEN表中。

步驟205，根據路徑的代價公式，在OPEN表中選取當前F值最小的相鄰節點作為當前節點。

其中，計算每個路徑的代價可以采用如下公式：

F＝G+H

F表示從起始點經過當前搜索點到達目標點的代價，G表示從起始點到當前搜索點所花費的代價，H表示當前搜索點到達目標點的代價。需要說明的是，所述的代價可以為距離的長短，即距離長代價大，距離短代價小。

步驟206，判斷當前節點是否為目標點，若是則直接進行步驟207，否則將當前節點從OPEN表中移入CLOSE表中，且將當前節點作為起始點返回步驟204。

其中，所述的CLOSE表中存儲有已探知且搜索過的節點。

步驟207，路徑生成成功，將CLOSE表中的節點依次取出，獲得起始點到目標點的最短路徑。

在本發明的一個可參考的實施例中，在探知的相鄰節點中，選取當前F值最小的相鄰節點作為當前節點，若當前節點不是目標點，需要判斷所述當前節點是否在可達區域，如果在則將當前節點從OPEN表中移入CLOSE表中。如果不在，則說明所述的當前節點有障礙走不通，則將所述的當前節點從OPEN表中刪除，并將當前節點的父節點作為新的當前節點，重新計算當前節點的相鄰節點中當前F值最小的相鄰節點。

可以看出，在該實施例中能夠判斷最短路徑是否真正實現，即最短路徑是否可以在場景中實際達到目標點。因此，在很大程度上保證了獲得的最短路徑在場景中是有效的。

另外，作為本發明的另一方面實施例，參閱圖3所示，為本發明實施例中毫米波信道模型建模裝置的結構示意圖。其中，所述毫米波信道模型建模裝置可以包括場景獲取單元301、模型計算單元302以及阻擋概率計算單元303。場景獲取單元301能夠獲取場景空間信息，然后模型計算單元302根據所述場景空間信息，通過射線跟蹤模型計算毫米波傳播路徑，以及通過基于場景的隨機行走算法計算隨機路徑。最后，阻擋概率計算單元303根據所述隨機路徑計算各毫米波傳播路徑的阻擋概率。

作為較佳地實施例，所述的阻擋概率計算單元303為了更好的獲得路徑上的行走情況，在得到了一個場景的阻擋概率模型的同時，還可以根據所述隨機路徑獲得該場景的動態人體阻擋模型。其中，所述的動態人體阻擋模型基于得到的隨機路徑，對人體在相應路徑上的行走情況進行阻擋情況的瞬態模擬。

在一個可參考的實施例中，模型計算單元302根據所述場景空間信息，通過基于場景的隨機行走算法計算隨機路徑時，可以包括：根據場景空間信息，確定可達區域，并對可達區域進行網格化處理。然后，在所述的可達區域的網格交點上隨機選取起始點和目標點，并將起始點存儲到OPEN表中。探知起始點的相鄰節點，并按照樹形結構存儲到OPEN表中。根據路徑的代價公式，在OPEN表中選取當前F值最小的相鄰節點作為當前節點。

之后，判斷當前節點是否為目標點，若是則路徑生成成功，將CLOSE表中的節點依次取出，獲得起始點到目標點的最短路徑。若不是則將當前節點從OPEN表中移入CLOSE表中，且將當前節點作為起始點探知該當前節點的相鄰節點。

當然，在探知的相鄰節點中，選取當前F值最小的相鄰節點作為當前節點，若當前節點不是目標點，需要判斷所述當前節點是否在可達區域，如果在則將當前節點從OPEN表中移入CLOSE表中。如果不在，則說明所述的當前節點有障礙走不通，則將所述的當前節點從OPEN表中刪除，并將當前節點的父節點作為新的當前節點，重新計算當前節點的相鄰節點中當前F值最小的相鄰節點。

值得說明的是，在本發明所述的毫米波信道模型建模裝置的具體實施內容，在上面所述的毫米波信道模型建模方法中已經詳細說明了，故在此重復內容不再說明。

針對本發明實施例中所述的毫米波信道模型建模方法和裝置，舉出了一個具體的例子：

會議室場景

會議室場景的俯視圖如圖4所示。圖中圓點所圍成的區域表示會議室場景中的會議桌，其內部為不可達區域。通過人工設定起始點與目標點，可以得到一條從起始點到目標點的最短路徑。

圖5為會議室場景下隨機選取起始點與目標點的仿真結果。通過仿真結果可以看出，生成的隨機路徑都在會議桌周邊，且當目標點存在于不可達區域時，無法生成路徑，這與實際中的會議室場景相吻合。

綜上所述，本發明提供的一種毫米波信道模型建模方法和裝置，創造性地提出了基于場景的動態人體阻擋模型；并且，通過該模型可以針對不同的場景，對場景中毫米波受到阻擋的現象進行仿真，區別于傳統的動態人體阻擋模型，該模型具有較好的普適性；更進一步地，在該場景的動態人體阻擋模型中提出了基于場景的隨機行走算法；并且，通過該算法可以針對不同的場景下人體的隨機行走路線進行仿真，該算法區別于傳統的隨機行走算法，可以生成與人體實際行走路線更為接近的路徑；而且，該算法是整個模型中對阻擋概率進行統計以及進一步開發的基礎；最后，整個所述的一種毫米波信道模型建模方法和裝置緊湊，易于實現、使用。

所屬領域的普通技術人員應當理解：以上任何實施例的討論僅為示例性的，并非旨在暗示本公開的范圍(包括權利要求)被限于這些例子；在本發明的思路下，以上實施例或者不同實施例中的技術特征之間也可以進行組合，步驟可以以任意順序實現，并存在如上所述的本發明的不同方面的許多其它變化，為了簡明它們沒有在細節中提供。

在闡述了具體細節以描述本發明的示例性實施例的情況下，對本領域技術人員來說顯而易見的是，可以在沒有這些具體細節的情況下或者這些具體細節有變化的情況下實施本發明。因此，這些描述應被認為是說明性的而不是限制性的。

盡管已經結合了本發明的具體實施例對本發明進行了描述，但是根據前面的描述，這些實施例的很多替換、修改和變型對本領域普通技術人員來說將是顯而易見的。因此，凡在本發明的精神和原則之內，所做的任何省略、修改、等同替換、改進等，均應包含在本發明的保護范圍之內。