Okumura-Hata传播预测模型的可视化仿真研究

对大尺度传播预测模型的可视化计算问题进行了研究。应用先进仿真技术 ,通过对图形建模涉及的多种资源如算法、参数及结果数据等进行可视化处理 ,构造出Okumura- Hata传播预测模型的可视化计算环境。与基于传统高级程序设计语言 (如C、Fortran)的数值预测方法相比 ,该方法不仅实现了 Okumura- Hata模型的图形建模和可视化预测 ,而且无需算法编程及调试 ,为蜂窝和陆地移动无线通信路径损耗预测提供一个全面的图形化解决方案。

移动电磁传播环境中Hata模型与SPM模型转换研究

研究了移动电磁传播环境中的模型转换技术,阐述了Hata模型和SPM模型的转换关系,并根据工程实例进行了具体说明。

基于自适应Hata模型的无线电发射源定位方法

针对传统无线电发射源定位方法主要依赖基站接收的参数定位,建造基站花费较大的问题,提出一种基于自适应Hata模型的无线电发射源定位方法,该方法改进了传统的Hata模型,并利用粒子群优化算法有效地确定无线电发射源的位置.实验结果表明,该方法是可行且有效的.

Hata模型下的通信链路分析

为指导无线宽带通信系统建设和规划方案，采用Hata模型对路径损耗进行分析计算，得到各种地形路径损耗仿真结果，并通过LTE链路计算实例提出了无线宽带通信系统的计算方法。

改进萤火虫算法在Okumura-Hata模型修正中的应用

针对Okumura-Hata模型在不同区域对电波传播衰减的预测与实测难以匹配的问题,提出了一种Okumura-Hata模型修正方法。提取Okumura-Hata模型的各参数作为带约束条件的优化变量,以预测值与实测值的均方根误差和平均误差的加权和构造适应度函数,运用萤火虫算法进行优化实现Okumura-Hata模型在西安市区的本地化。在萤火虫算法中引入了"基因突变"和"优胜劣汰"操作,形成了一种改进型算法。基于大量实测数据的模型修正结果表明,所提方法可使电波损耗的预测值与实测值的均方根误差达到理论最小值9.585 9 dB,具有可行性。与基本萤火虫算法相比,改进的算法全局搜索能力更强,收敛速度更快。

COST231-Hata模型基于Memetic算法的修正

针对电波传播损耗经验模型COST231-Hata模型在不同地区误差较大这个问题,提出基于Memetic算法对COST231-Hata的修正。将模型中两个参数作为变量,将实测值与预测值的最小均方误差和平均误差加权相加作为适应度函数,得出适用于本地的修正模型。数据显示,经过修正后模型误差明显减小,具有一定参考性。

基于COST231-Hata模型的AeroMACS路由器性能可视化测试方法

首先介绍了COST231-Hata模型的基本原理,然后基于该模型设计测试软件。设计了完整的可靠测试方案,还对测试、接口、界面进行了设计。该软件能周期性自动采集并存储Aero MACS信号参数、位置信息和时间信息,在GIS地图上以可视化的方式直观展示路由器性能数据。最后通过分析测试结果可以得出该方法可以定量化测试路由器性能,并能展示反映测试过程数据的变化。

基于大数据技术的无线通信路径损耗估测方法

损耗是评价无线通信网络传输特性的指标,通常用来评价无线通信网络的可用性,由于现行方法在无线网络路径损耗中应用效果不佳,不仅阴影标准差比较高,而且MAPE值也比较高,针对现行方法存在的不足和缺陷,提出基于大数据技术的无线通信路径损耗估测方法。根据Hata-Okumura模型建立无线通信路径模型,描述路径损耗机理,收集无线通信大数据,对无线通信环境大数据编码及清洗处理,利用大数据技术对无线通信路径损耗数据灰度关联分析,估测路径损耗,实现基于大数据技术的无线通信路径损耗估测。经实验证明,文章方法估测路径损耗阴影标准差未超过1dB,MAPE未超过2%,可以实现对无线通信路径损耗精准估测。

海上移动通信预测模型的选择

通过对Okumura＿Hata和Longley＿Rice两种传播预测模型的产生背景及适用条件的分析,结合Matlab仿真结果与实测数据的比较,指出Okumura＿Hata模型的局限性,并得出在海上这种特殊的电波传播环境下,预测模型选择Longley＿Rice模型更为确切.

近海面电波传播试验与损耗模型分析

介绍了青岛近海海域开展的不同微波波段(L波段、S波段、C波段、X波段)传播试验。给出了不同的海上传播模型,其中包括统计性的Hata模型、Longly-Rice模型以及确定性的抛物方程模型。实测值与模型值比较发现:在L波段,实测损耗数据与Hata模型较为接近,但大部分要大于Hata模型;在S波段,实测数据亦与Hata模型较为接近,但在远距离上,实测损耗数据要小于Hata模型计算值;在C波段,实测数据与确定性蒸发波导传播损耗模型极为一致,Hata模型不再适用;而在X波段,实测数据与标准大气传播模型以及Longly-Rice模型较为接近,但低估了实际传输损耗值,Hata模型亦不再适用。

GSM-R系统的无线覆盖理论分析

研究目的:GSM-R是专门为铁路通信设计的综合专用数字移动通信系统,能满足列车运行速度为0～500km/h的无线通信要求,安全性好。GSM-R的无线覆盖是影响GSM-R系统的重要因素,本文从理论上对GSM-R系统的无线覆盖进行分析,从而在GSM-R的设计和网络优化中进行指导,便于基站和直放站选址等。研究方法:对Hata模型进行模拟,并用直放站之间的时延问题进行理论分析和模拟验证。研究结果:移动台距离基站越远,传播路径损耗越大;地形越复杂,传播路径损耗越大。基站与光纤直放站均采用全向空间波覆盖的覆盖距离不超过3.2km。光纤直放站采用单向覆盖时距离不超过6km。研究结论:选择合适的Hata模型及传播时延有利于更好得到传播损耗,从而决定基站和直放站的传播距离和站址的选择。

基于奥村模型的内河AIS基站监测范围研究

船载自动识别系统(AIS)的出现,保证了船舶的通航安全,改善了船舶的通航环境,作为一种船舶监控系统,AIS在内河中通信的可靠性直接决定了其应用前景。针对AIS在我国内河航行中的应用越来越广泛的现状,通过奥村模型的分析方法,计算无线电在不同路径下的传播损耗,采用Matlab对该模型进行仿真,研究了不同环境下AIS基站的监测范围,为改善内河AIS通信的可靠性提供了依据。

电波传播预测模型分析与研究

文章对Okumura-Hata模型、COST231-Hata模型、Egli模型三种电波传播模型进行了简要分析。通过对某地的电波传播损耗进行测量得到实测数据,与预测模型仿真结果进行对比分析,对比结果显示COST231-Hate模型与实测值最接近,并且通过对COST231-Hate模型的修正,使得修正后的模型满足高精度电波传播模型的6dB要求,适合用于预测本地的电波传播。

高速铁路的GSM-R无线传播模型校正

为了提高在铁路沿线复杂地形环境下的Hata模型准确度,在研究GSM-R系统中的电波传播预测Hata模型的基础上,提出了一种对Hata传播模型的校正方法。结合郑西实测线路数据对市郊、平原和山区三种地形环境下进行校正,得到了不同地形下的Hata校正模型。通过对校正前后模型的误差对比,校正后的Hata传播模型准确度有显著提高。

面向密集城区网络的覆盖预测模型的应用研究

在目前密集城区CDMA无线网络日趋复杂的情况下,如何使覆盖预测与网络实际充分拟合,发挥射频仿真工具在网络优化中的作用,是一个十分值得探讨的课题。本文从密集城区的CDMA无线网络入手,分别选取了统计型模型的Okumura-Hata模型和确定性模型的3D射线跟踪模型进行研究,分析了两种模型在密集城区场景下的差异,最终在实践的基础上提出了面向密集城区的覆盖预测模型的选取方案。

自适应遗传算法在场强传播损耗预测中的应用

针对移动通信场强传播损耗预测中统计模型的精度问题,通过将已有的统计模型转化为目标函数优化问题,提出了一种基于自适应遗传算法的场强传播损耗预测的方法.该方法对自适应遗传算法中的交叉算子和变异算子进行改进,既克服了简单遗传算法中早熟、精度低等问题,又大大提高了搜索速度.将其运用到实际场强传播损耗预测中,实验结果表明该方法不仅收敛速度快,而且显著提高取得全局最优解的能力,在场强传播损耗预测中取得了较好的效果.

无线通信系统中电波传播路径损耗模型研究

通过对无线通信系统中电波传播的无线信道分析,介绍了电波传播路径损耗预测的各种模型,重点研究了电波传播路径损耗的室外宏蜂窝模型中的Hata模型、Walgish-Ikegami模型和室内的Motley模型,并对室外的宏蜂窝模型进行了仿真,从而为无线通信系统电波传播信道的设计与规划提供了理论基础。

无线通信电波传播模型的研究

通过对无线通信系统信道模型的分析,详细讨论了两种进行无线信道估计的模型。重点对用于估计信道的Okumura—Hata和COST231-Hata传播模型进行了详细的研究,并对这两种模型进行了仿真和对比。

GSM-R网络小区半径和重叠区规划

随着GSM-R网络在中国铁路的广泛应用,网络预规划作为网络建设的一个重要步骤,得到了重视。结合铁路通信的特点,在高速和普速环境下,采用Hata模型对典型的5种地理环境进行建模,并结合链路平衡预算,给出小区覆盖半径的规划方法,同时,利用同频干扰与小区重叠区的关系,给出小区重叠区的规划方法。

基于GRNN的GSM-R场强覆盖预测算法

在比较Hata模型修正方法和GRNN算法场强覆盖预测效果的基础上,仿真分析了训练集构成和平滑因子选择对GRNN算法预测效果的影响,给出了训练集构成和平滑因子选择的方法;提出了电波传播环境相似系数来表征GRNN模型在不同环境下的适用性。仿真结果表明,两种传播环境的相似系数越大,由一种环境下测试数据确定的GRNN在另一环境下的预测精度越高。