带你读《5G大规模天线增强技术》——2.4.3 LOS概率计算
2.4.3 LOS概率计算 由于用户离基站的远近高低不同,有的用户与基站存在视距(Line-Of-Sight,LOS),有的不存在。而LOS环境下用户的角度分布、功率分布、路径损耗等都可能与NLOS环境下不同,所以需要先计算用户是否为LOS用户。不同场景下的LOS概率如表2-8所示。在实际仿真中,判断一个用户是不是LOS用户,可以先计算它的LOS概率,当所述概率小于设定的门限时...

带你读《5G大规模天线增强技术》——2.4.4 路径损耗计算
2.4.4 路径损耗计算 在图2-6的“ 步骤3” 中,需要计算路径损耗,其中,路径损耗描述的是在各种无线传播环境下,接收信号平均功率随传播距离而衰减的特性,它通常与系统的工作频率、发射天线高度、接收天线高度及距离有关。其中,室外用户的2D距离 d2D 和3D距离 d3D 分别如图2-17(a)所示;室外2D距离 d2D-out 和3D距离 d3D-out、室内2D距离 d2D...

带你读《5G大规模天线增强技术》——2.4.5 穿透损耗计算
2.4.5 穿透损耗计算 当信号传输穿过障碍物(如外墙、车子等)到达终端时,会产生穿透损耗,路径损耗计算公式根据场景的不同而有所不同,它可以看成是穿透损耗的一部分。 1.室内用户穿透的损耗 表2-9中路径损耗的计算,仅包括了基站和用户都在室外,或者基站和用户都在室内的场景,而对于基站在室外,用户在室内的场景,需要进一步建模建筑物的传统损耗,具...

带你读《5G大规模天线增强技术》——2.4.6 大尺度参数计算
2.4.6 大尺度参数计算 在图2-6的 “ 步骤4” 中,需要计算大尺度参数,大尺度参数包括时延扩展(DS)、角度扩展(ASA、ASD、ZSA、ZSD)、莱斯因子(K)和阴影衰落(SF)等,它们都服从高斯分布,其方差和均值如附表1所示,这里,阴影衰落的均值为0。根据附表1的方差和均值,通过高斯分布随机生成时延扩展(DS)、角度扩展(ASA、ASD、ZSA、ZSD)、莱斯因子(...


带你读《5G大规模天线增强技术》——2.4.8 小尺度计算增强(1)
2.4.8 小尺度计算增强 2.4.7节介绍了最基本的信道模型,其中,移动速度、各种角度、功率、时延都保持不变。本节将介绍一些增强的信道特征及对应的建模方法,以方便根据评估方案进行选择使用。 1.氧吸 5G NR MIMO信道模型支持的频率范围为0.5~100GHz。在53~67GHz的频率窗口,氧气吸收电磁波能量的能力比在其他频率范围内强,...

带你读《5G大规模天线增强技术》——2.4.8 小尺度计算增强(2)
TR 38.901的遮挡模型包括遮挡模型A和遮挡模型B。 (1)遮挡模型A 遮挡模型A采用随机模型来模拟人体和物体的阻挡,通过以下步骤实现。 步骤a:确定遮挡体的数量。 在中心角、水平角和垂直角等方面,围绕UT产生多个二维(2D)角遮挡区域。它包括一个自遮挡区域和4个非自遮挡区域k。对于某些情形(如更高的遮挡密度),这些区域可以发生变化。 请注意,模型的自...

带你读《5G大规模天线增强技术》——2.4.9 基于地图的混合信道模型(1)
2.4.9 基于地图的混合信道模型 区别于3GPP目前广泛采用的统计模型,混合信道模型以电磁理论为基础构建信道模型。不同频段的电磁波在空间传播的物理统计特性由相关场景的空间拓扑和电磁理论保证,适合400MHz~100GHz多种带宽的配置。对于当前5G对信道的空间相关性、时间相关性、频率相关性等特性自然满足,具有很强的后向兼容性。 混合信道模型包括确定性模型、统...

带你读《5G大规模天线增强技术》——2.4.9 基于地图的混合信道模型(2)
4.混合信道模型 在前面几小节介绍了混合信道模型建模的一般原理性、框架性的内容,这里将根据这些原理和框架,介绍一个具体的混合信道建模的示例—TR 38.901中的混合信道建模,它包括确定性建模和统计建模。确定性建模利用射线追踪技术模拟电磁波的直射、反射、透射、衍射或散射,不同频段电磁波在空间传播的确定性结果基于相关场景的地图由电磁计算得到;统计建模在确定性建模结果的基础上,进行...

苹果自研 5G 芯片或已失败;腾讯 QQ 回应大规模账号被盗;Vim 9.0 发布 | 思否周刊
40s 新闻速递微信推出新功能:图片大爆炸苹果自研 5G 芯片或已失败腾讯 QQ 回应大规模账号被盗:受影响范围已得到控制,正收集黑产团伙犯罪证据立陶宛网络遭大规模 DDoS 攻击Arm 发布全新 Armv9 芯片:正式放弃 32 位苹果上调日本 iPhone 售价 最高上浮 20% 谷歌带来 “iOS 换 Android” 应用,支持所有 Android 12 设备App Store 所有应用....
本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。