太赫兹电波传播及信道特性

摘要

首先综述太赫兹电磁波与低频电磁波在传播特性上的显著差异特别是其穿透大气层的能力及多径效应的特点。随后提出基于射线跟踪技术的新型算法能够在有限信道测量数据下实现目标场景三维环境模型及材料电磁参数的有效校准这一方法不仅简化了系统设计流程还能显著提高计算效率。接着将由射线跟踪仿真反演得到的关键参数用于在相似场景中进行大规模仿真实验从而生成大量真实有效的全维度信道数据集作为后续分析的基础。最终提取分析信道特性的关键指标包括路径损耗阴影衰落莱斯K因子均方根时延扩展角度扩展及多普勒参数等主要性能指标通过对这些特征量的数据统计与建模能够全面表征信道状态并评估系统性能表现。两个实际案例研究分别涵盖了室内桌面通信场景与室外智能车联网场景特别地对于室外通信场景还考虑了多种气象条件下的信道参数变化特征及其影响因素这一研究工作不仅验证了所提方法的有效性而且对太赫兹系统的设计优化及应用推广具有重要的理论意义和实践价值

关键词： 信道特性 ; 信道测量 ; 射线跟踪 ; 太赫兹通信 ; 电波传播

0****引言

伴随着移动通信系统的进步，在这一背景下

6G 将以 5G 移动通信系统为基础推动万物互联向智能互联升级；ITU-R WP5D 工作组于 2020 年 2 月正式宣布 6G 研究正式启动；目前已有机构预测研究工作将在未来三年内启动并逐步推进；早在 2018 年中国通信标准化协会无线通信组已启动 B5G/6G 相关研究项目；为缓解 5G 频谱瓶颈并实现超百兆比特/s 的传输速率需求需探索新型频谱资源；太赫兹频段（0.1～10 THz）被认定为 6G 关键技术领域；微波/毫米波与可见光通信虽已广泛研究但尚无法完全替代而太赫兹频段恰好填补了这一空白区；相较于红外与可见光通信该频段电磁波具有更强穿透能力可有效穿透烟雾、浮尘等障碍物；与毫米波相比其方向性更强抗干扰能力更高从而保障了更高的安全传输水平

旨在通过太赫兹频段实现高效的无线通信网络建设，在支持对通信系统进行仿真建模与开发的前提下，在准确可靠的基础上获取信道数据作为支撑条件。为了保证系统的高性能运行需求，在实际应用中必须建立能够准确表征并高效模拟太赫兹特性的信道模型。这一目标成为各类信道建模方法的核心技术要求[6]。基于目前的技术发展状况可知，在地面站间以及卫星间通信场景下存在较为成熟的应用方案：IEEE 802.15.TG3d标准明确指定了5个典型应用场景 [7]：包括 outdoor wireless backhaul 以及 four representative indoor scenarios, namely near-field wireless download station, device-to-device communication, data center interconnect, and peer-to-peer communication. Additionally, the ITU-T standard has allocated the 0.22 THz frequency band for satellite inter-link communication [8]. This frequency range offers unique advantages in high-altitude platforms and beyond space environments where atmospheric absorption effects are minimized, thereby enabling long-distance satellite communication.据此可知，在星地高速通信（低轨）、分布式卫星群、低轨星座、中高轨信息港以及等离子体层面上具有广泛的应用前景 [9]。然而由于现有技术条件下对于卫星间 too GHz channel 的研究仍处于理论探讨阶段 [10], 地面站间 too GHz channel 的测量与建模研究已经取得了一定成果 [11].

基于大量实测数据建立起来的随机信道模型是利用数学方法对信道状态进行表征，在评估系统通用性能并实现标准化方面具有重要价值

在高频段进行毫米波信道测量时会面临更大难度

随着毫米波频段向太赫兹延伸时域采样点密度急剧下降，在片上通信 [14] 与室内通信 [15] 的基础上延伸至智能车联网通信 [16] 和智能轨道交通 [17] 等多领域中均面临这一挑战。对于测得的结果，在文献[18 ]中报告了75～400 GHz室内的信道测距情况并证实了高频率下太赫兹信道采样点数量急剧减少这一现象；但受限于射频线长度的限制，在实验过程中始终维持发射机（Tx, transmitter）与接收机（Rx, receiver）位置固定不变而导致所获得的数据维度有限。文献[19 ]通过模拟机箱环境的方式，在300 GHz频段进行了相关测试并发现路径损耗会随着接收端与发射端的高度变化而发生变化。在数据中心通过实际测试验证了他们在信道特性分析方面提出的一系列假设；其中发现采用类似机箱环境下的金属框架结构以及光滑立柱等局部散射体能够有效辅助非视距链路的建立。

在众多新兴通信应用及场景中（如无人机、高速列车以及车联网等），无法像6 GHz以下频段建模那样采用信道测量方法进行参数表征或建模）。基于测量结果校准的射线跟踪仿真器生成的信道冲激响应被视为扩展稀疏经测量数据集的一种替代方案，并被标准化组织认可。室内信道模型基于基于测量验证的射线跟踪仿真的方法建立（参考文献[22]）。射线跟踪技术已成为一种通用的技术工具（参考文献[23_至_25]）。尽管已经取得诸多进展（参考文献[26_至_27]），但现有数据仍不足以全面表征不同应用场景下的太赫兹信道特征。

为了指导6G太赫兹通信系统的链路级和系统级仿真,射线跟踪技术能够在一定程度上提供与测量结果高度一致的信道全维度信息以及信道特征参数.在太赫兹频段中传播时需要考虑自由空间传播损耗,同时需考虑自由空间中的分子吸收衰减以及雾气、降雨、积雪等气象粒子带来的色散衰减.文献[27]通过结合射线跟踪技术和太赫兹频段的独特电波传播特性构建了一个完整的通用太赫兹多径信道模型.

为了使基于射线跟踪的太赫兹信道模型更加精确，并能在真实通信场景中用于分析信道特性的问题上取得进展，在这项研究中我们主要完成了以下工作：

基于太赫兹电磁波传播特性的分析框架下展开阐述，在相关研究领域中系统梳理了环境气象条件对太赫兹电磁波能量衰减的影响机制及其预测方法

阐述了一种基于射线追踪技术实现6 GHz真实太赫兹信道生成的方法。该方法以高性能射线追踪为核心技术，在实际测得有限数量的信道测量数据的基础上即可校准仿真器内部三维环境模型的空间几何结构及其电磁特性，并通过大规模射线追踪仿真的方式可以获得全面且详尽的真实信道数据样本；随后对关键性别的信道参数提取并进行建模分析，并通常会采用正态分布函数来估算目标场景下各参数指标的空间平均值及其方差特性；该方法可为系统的设计与性能评估提供理论基础和技术支撑。

为了展示如何实现该框架提出的改进方案，在实验室环境下设计两个示例系统：一个通过无线连接至智能车联网信道实现了太赫兹信道特征的参数化表示，并成功模拟了室内外太赫兹通信的两种典型应用场景；特别地，在智能车联网场景中，则考虑了不同气象条件下关键参数的变化影响。具体而言，在该系统中实现了以下几项关键性能指标：传播损耗计算、阴影区域分析、莱斯因子估计以及多普勒效应建模等基础功能；其中，在平均根方差延迟增益方面达到了理论值上限水平，并通过角度分布特性的优化显著提升了信号接收质量

1****太赫兹电波传播特性

1.1 气象因素影响

与低于100 GHz的低频无线通信系统相比，在太赫兹无线信道中更容易受到多种环境条件的影响。这些条件包括大气成分变化、云雾覆盖以及降雨或积雪情况等。为了全面支撑6G网络的需求，在 outdoor 场景中（包括无人机通信、卫星-地面连接以及车辆间车网互连等），由于这些环境因素导致的分子吸收与粒子散射效应的存在，在分析太赫兹信道特性时必须予以特别关注。

1.1.1 大气分子吸收衰减

大气分子吸收衰减由于大气分子对电磁波能量的吸收而引起。一部分被激发的大气分子以特定频率振动，并与电磁波发生共振的同时部分电子发生能级跃迁其能量转换为其动能 [28]. 该频段的大气吸收衰减主要受氧气和水蒸气的影响此外还受到温度 气压以及海拔高度等因素的影响. ITU-R P.676-11建议书 [29]提出了大气吸收衰减模型其适用范围最高可至1 THz. 大气分子吸收衰减的吸收损耗（单位为dB/km）可表示为

γa(f)=γo(f)+γw(f) (1)γa(f)=γo(f)+γw(f) (1)

其中γoγo代表干燥空气中氧气分子的吸收衰减特性，
而γwγw则表示大气中水蒸气分子特征性的衰减特性，
两者的取值均与观测频率f呈相关关系，
单位为dB/km。
在标准大气条件下（含氧气和水蒸气）的大分子吸收特性如图1所示。
从图1的曲线重叠区域可以看出，
当频率高于100 GHz时，
标准大气环境中的总吸收衰减值与水蒸气分子吸收衰减值相当，
这表明太赫兹频段下水蒸气分子吸收入占主导地位。
大气分子吸收入还可以定义重要的传输带位（如图1中标注wi的位置）。
根据具体应用场景需求选择合适的传输窗口位置，
例如，在气象遥感应用中应利用敏感的吸收入峰以提高测量精度；
而在通信系统设计中则应采用吸收入较小的传输带位以优化信号传输性能。

图1

图1大气分子吸收衰减

1.1.2 粒子散射衰减

当太赫兹通信技术应用于室外场景时，则不仅要考虑到大气分子对信号的吸收影响，并且还需要考虑到实际通信环境中的雾气、降雨以及积雪等气象微粒对信号传播的影响。当太赫兹电磁波在其传输过程中遭遇漂浮微粒时，则其携带的能量会因散射而扩散到传播路径以外区域，并最终导致电波能量损失

雾也被认为是被地面阻挡的云体，并与云具有类似的微物理结构特征，在水汽含量较多的山地和coastal areas中常见。雾的参数表征通常采用液态水含量、视程以及液滴尺寸分布等指标进行描述。其中中雾（视程约为300米）对应的液态水含量值为0.05 g/m³；浓雾（视程约为50米）对应的液态水含量值则为0.5 g/m³；按照ITU-R P.840-7建议书[30]所提出的方案，在处理云雾这类小尺寸颗粒时可采用Rayleigh近似法进行衰减计算即

γfog(f,T)=Kl(f,T)M (2)γfog(f,T)=Kl(f,T)M (2)

其中，Kl(f,T)Kl(f,T)是液态水比衰减系数；M是液态水密度；f 是工作频率，单位为 GHz；T 是液态水的温度，单位为K。Kl(f,T)Kl(f,T)（单位为dB·km-1/(g·m-3)）的表达式为

Kl(f,T)=0.819fε''(1+η2) (3)Kl(f,T)=0.819fε''(1+η2) (3)

η=2+ε'ε'' (4)η=2+ε'ε'' (4)

其中，ε'ε'和ε''ε''是水的相对介电常数实部和虚部。

太赫兹电磁波在其传播介质中的衰减程度会随着降雨量的增加而增强。在ITU-R P.838-3建议书中[31]中，针对任意给定的降水量R（以毫米每小时为单位），其导致的传播损耗呈指数级增长。

γRain=k(R) α (5)γRain=k(R) α (5)

其中k和α是频率范围1 GHz至1 THz内的函数参数，在实际应用中还受到温度、极化方向以及高度等因素的影响。对于所有路径来说，在线性和圆性极化情况下k和α的计算方法是相同的。

k=[kH+kV+(kH−kV)cos2θcos2τ]2 (6)k=[kH+kV+(kH−kV)cos2θcos2τ]2 (6)

α=[kHαH+kVαV+(kHαH−kVαV)cos2θcos2τ]2k (7)α=[kHαH+kVαV+(kHαH−kVαV)cos2θcos2τ]2k (7)

其中，θ为路径的俯仰角，τ为相对于水平方向的极化角度。由ITU-R P.838-3建议书[31]中可以得到频率相关的 kH、kV以及 αH、αV的值。此外，ITU-R P.837-7 建议书[32]提供了全球的降雨参数的年度统计资料，降雨量由数字地图和相应的经纬度信息给出。建议书中给出的R0.01代表目标区域仅在0.01%的时间会超过此降雨量。ITU-R P.530-17建议书[33]进一步给出了根据实际路径长度计算有效路径长度，从而得出由降雨造成的路径损耗为

AttRain=γRaindeff=γRaindr (8)AttRain=γRaindeff=γRaindr (8)

其中，deff是有效路径长度，该距离系数的估计值r为

r=10.477d0.633R0.073α0.01f0.123−10.579(1−e−0.024d) (9)r=10.477d0.633R0.010.073αf0.123−10.579(1−e−0.024d) (9)

推荐r的最大值为2.5，若式(9)的分子小于0.4，则选择r = 2.5。

由于考虑到对降雪导致路径损耗的研究相对较少，ITU-R尚未制定相关的建议书用于预测雪衰模型。雪花呈现多样化的形态特征，在不同的自然条件下形成独特的结构特征。常见的形态特征包括柱状、针状及分枝状结构等类型。其中主要由空气、液态水及冰晶组成的典型结构类型有明显的几何特征区别。由于雪花在太赫兹频段内的尺寸分布特性，在相关文献[34]中指出在同一降水量条件下，在相同降水率的情况下，在太赫兹频段内降雪所导致的信号衰减幅度是雨量情况下的3倍显著提升。文献[35]通过建立特定环境下的测量系统展开研究，在设置晴天条件下的参考数据对比实验基础上展开分析工作，并在此基础上提出了针对特定降雪条件下的衰减效应计算方法框架。尽管在当前太赫兹频段内针对雾气及雨雪天气的相关实验研究已取得一定成果但在极端天气条件下可能造成敏感设备损坏的问题仍需进一步关注并解决。射线追踪模拟系统可被视为提升信道数据库的重要工具，并通过引入大气分子吸收效应及颗粒物散射效应模型实现复杂天气环境下无线信道性能参数的数据补充作用从而有效支撑通信系统在不同气象条件下的工作性能评估需求

1.2 粗糙表面反散射特性

在电波传播的多径过程中，除了主导贡献来自主路径（LoS）外，在保证通信系统的可靠性方面还需要依赖反射链路的作用。对于理想光滑表面而言，在其上形成的平面镜面反射仍可利用经典的菲涅尔平面镜面反射系数表征。然而，在高频电磁波条件下由于波长变短导致表面性质发生变化，在其表面发生的散射现象会减弱沿着镜面反射方向上的能量传输效果。根据Rayleigh判据可以用来判断材料表面是否平滑

hc=λ8cosθi (10)hc=λ8cosθi (10)

在材料表面中θi代表入射角的同时λ表示电磁波的波长

ρs=e−g2 (11)ρs=e−g2 (11)

其中，

g=(4πσhcosθiλ)2 (12)g=(4πσhcosθiλ)2 (12)

其中σh是表面高度的均方根值。根据式（11）和式（12）可知，ρs的大小受电磁波波长、入射角以及表面粗糙度等因素的影响。随着表面粗糙度增加、频率升高以及入射角变大时，损耗因子随之增大，镜面反射能量衰减程度随之增强。文献[37]通过测量三种不同粗糙度的材料验证了该模型的准确性。该模型适用于表面高度分布满足高斯分布的情况，并且能够广泛应用于常见的材料类型。

建立具有高斯分布特性的粗糙材料表面模型是研究粗糙表面漫散射的基础步骤之一 [38]. 该模型的主要统计特征包括均方根高度σh和相关长度l, 常用蒙特卡罗法来实现 [38]. 另一种常用的方法是线性滤波法, 其基本思想基于功率谱分析, 通过逆傅里叶变换得到表面高低不平的空间分布特征 [38]. 这种方法假设复杂多样的rough surface是由大量独立的谐波成分叠加而成, 其中每个谐波成分具有独立随机相位, 幅度服从高斯分布且与特定功率谱密度成比例 [38].

S(kx,ky)=σh2l24πexp(−k2xl2+k2yl24) (13)S(kx,ky)=σh2l24πexp(−kx2l2+ky2l24) (13)

其中，kx和ky分别代表x轴和y轴的离散波数，计算式为

kx=2πNxl, ky=2πNyl (14)kx=2πNxl, ky=2πNyl (14)

其中Nx和Ny分别代表x轴和y轴方向上的等间隔离散点数量。从 图2 和 图3 的展示可以看到, 均方根高度分别为0.1毫米、0.5毫米, 相关距离设定为5毫米、10毫米及20毫米时, 对粗糙表面的模拟结果进行对比分析。通过比较 图2 和 图3 中的结果, 可以观察到均方根高度决定了粗糙面起伏的高度差, 而相关长度则决定了粗糙面波动的频率特征。对于光滑表面的情况, σh趋近于零值, l趋向于无限大值。

图2

图2均方根高度为0.1 mm的粗糙表面

图3

图3均方根高度为0.5 mm的粗糙表面

通过精心设计的实验测量方案来研究这一新型频谱散射特性是最优选择之一。 为了提高研究效率与准确性，在实验室中建立了精确度极高的测量平台，并采用创新性的测量方案完成相关工作流程。 为了确保数据质量，在完成所有数据采集后会对结果进行严格的误差分析并采取相应的校正措施。 在研究散射特性方面存在诸多复杂性，在这种情况下基于电磁计算方法利用经典电磁理论探索太赫兹频段的散射特性是一个可行的选择。 可作为替代手段的是利用FEKO等商业电磁模拟软件结合积分方程稀疏化技术以及快速多极子法（MLFMM）来进行数值求解工作。 其中快速多极子法（MLFMM）是一种分层计算模型能够在较短时间内完成大规模问题求解工作以提高计算效率与资源利用率。 其中FEKO软件平台能够很好地满足这一需求并且已经被广泛应用于相关领域研究中作为主要分析工具之一。 在具体应用过程中可以通过设置不同的参数值来模拟不同表面结构及其对应的电场分布情况从而为后续优化工作提供参考依据。 在仿真过程中选取了两个典型案例分别对应于具有均方根高度为0.1毫米与0.5毫米两种不同粗糙程度表面的情况通过对这两种情况下的电场分布情况进行对比可以发现当表面粗糙度较低时镜面反射方向上的电场强度显著高于漫反射方向上的强度然而两者的能量总和仍然保持一致这充分体现了能量守恒定律的基本原理

图4

图4均方根高度为0.1 mm的粗糙表面散射

图5

图5均方根高度为0.5 mm的粗糙表面散射 2****太赫兹信道特征分析框架

针对太赫兹信道建模的研究，在深入理解其独特电磁波传播机制的基础上，在毫米波频段经过充分验证的射线追踪仿真器中集成其特有的传播特性，在此基础上构建了一个集成了完整传播机理的射线跟踪仿真平台；通过结合信道测量数据，开发了一种基于射线追踪模拟的太赫兹信道特性分析方法。该框架主要包含四个部分：有限范围内的信道测量、通过校准实现的射线追踪仿真实验、大规模的射线追踪仿真实验以及关键参数提取过程。

2.1 有限的信道测量

注

2.2 射线跟踪仿真校准

射线跟踪技术作为一种在5G及6G通信中日益重要的信道建模方法，在实际应用中展现出显著优势。由于传统射线跟踪仿真的计算复杂度较高，在实际应用中长期面临性能瓶颈问题。针对这一技术瓶颈的有效解决方案之一是将射线跟踪仿真器部署到高性能计算（HPC）平台上，并借助并行硬件技术实现对计算密集型任务的高效处理。本文以自主研发的基于HPC云计算的射线跟踪仿真平台—CloudRT[40]为例进行了深入研究与分析。

在利用射线跟踪仿真进行大范围的仿真前，除

为了将太赫兹波与其低频特性区分开来并植入射线跟踪仿真器中，则需在有限信道下对其实施校准。基于菲涅尔反射理论及表面粗糙度数据可知，在此过程中能量不仅受环境几何参数的影响还与相对介电常数的实部及虚部有关（ε' ε''）。因此应采用最小化误差校正策略通过对比反射路径与射线跟踪仿真的时间差来反演材料的相对介电常数值。这些初始值可通过查阅开放文献获取（例如：金属 [41]橡胶 [42]等）。随后可运用模拟退火算法来进行相关材料标定这一过程同时场景模型中的几何特征也需要经过严格校准否则会导致多径到达时间（ToA）在测量与仿真中出现不一致性。完成上述工作后射线跟踪仿真器将具备更加灵活的空间天线部署能力；而对于室外场景则可引入不同天气模块以探究气象因素对信道性能的影响

2.3 大量射线跟踪仿真

太赫兹信道探测通常是采用定向天线作为常规手段完成的。为了实现全局范围内的高效测量目标，在特定环境下还需要依赖于二维扫描机制这一辅助技术。然而由于计算复杂度较高且射频信号传输损耗大且通信线路的实际长度不足等制约因素使得传统方法难以满足需求。鉴于此我们不得不依赖于经过优化设计的射线跟踪仿真系统对信道特性进行全面建模从而显著提升了场景模拟精度以及覆盖范围

1. 支持更加灵活的发射机和接收机位置。

2. 支持更加灵活的天线极化组合（垂直极化和水平极化的任意组合）。

3. 支持更加灵活的天线耦合方式（单发单收、多发多收等）。

4. 支持更加灵活的环境配置（与测量相似的环境以及相似的材料）。

5. 支持双移动性（发射机和接收机可移动，散射体也可移动）。

6. 支持室外不同气象条件（大气、雾、雨、雪）。

基于多种配置方案完成全方位的射线追踪建模，并能够构建出完整的6G信道覆盖模型。

2.4 信道关键参数提取

通过大量射线跟踪仿真数据的分析处理能力实现对信道特性的全面表征工作。主要包含路径损耗程度、阴影衰落程度、均方根时延扩展程度以及莱斯K因子等多种关键指标，在移动信道场景下还需提取多普勒频移值与多普勒时延扩展值等特征量。这些信道参数可通过正态分布模型来进行参数拟合计算

3****室内桌面短距离太赫兹信道特性

3.1 信道测量

太赫兹通信为设备提供高容量的无线连接。与动态信道相比，场景内的静态信道测量和信道特性是建模的第一步。典型的室内短距离通信可发生在办公桌上，实现设备间的高速率信息交互。信道测量设备主要包括两部分[18]，即四端口 VNA和一对扩频模块，通过倍频的方式，实现295～330 GHz的电波传播，测量设置5 001个频点，相应的采样间隔∆f为7 MHz。在这样的配置下，相应的时延分辨率为0.029 ns，这个值足够小，可以分辨信道中的多径。此外，对应的最大时延为143 ns，这个值足够大，可以捕获该测量信道的多径分量。测量收发端采用的天线半功率波束宽度（HPBW, halfpower beamwidth）约为10°，天线增益约为25 dBi。VNA配有精准的校准配件和校准方法，本节测量采用全双端口校准方法：短路-开路-负载-直通（SOLT, short-open-reflect-thru）校准方法，该方法使用广泛、易于掌握，适用于大多数应用，可以提供优异的精度和可重复性。校准用于整个测量系统，包括波导、扩频模块、电缆，也包括VNA本身。

3.2 射线跟踪仿真器校正

根据操作流程，在SketchUp环境中重建了测量环境配置；确保仿真参数设置与实际测试设置高度一致，在295至330 GHz频段内设置了5 001个测点；仿真模型采用了自由空间传播机制以及最多6阶反射路径机制。将光滑金属光学表面定义为PEC材质，并将扩频模块的涂漆金属面模拟手持移动设备或笔记本电脑硬件设计对象进行电磁参数校准工作。校准后涂漆金属面电磁参数显示为ε'=1.4 和ε''=10.71；虚部值显著低于金属本体特性值范围，在一定程度上反映了涂漆处理对金属电磁特性的直接影响作用。对比图6所示射线追踪仿真结果与实际测量数据吻合情况良好：多径时延误差平均小于0.1 ns；功率误差平均小于-0.1 dB；其中主要多径分量来源于扩频模块表面反射路径；由于天线有效半顶角仅有10°限制因素，在实际测量场景下无法捕获桌面端反射路径的影响效果显著有限。综上所述，在完成校准后的射线追踪仿真系统能够准确复现信道测控特性特征参数指标数值表现与实际测试结果高度一致

图6

图6射线跟踪仿真结果与测量结果对比

3.3 广泛的射线跟踪仿真

在实际通信场景中，在不同频段下对移动设备的位置进行规范摆放是必要的。具体而言，在sub-6 GHz频段内可以通过大量实测数据获取完整的信道信息。然而，在太赫兹频段由于硬件设备限制导致直接测量存在困难。一种可行的方法是利用射线跟踪仿真技术进行大规模仿真实验，并要求收发端的位置设置应更具通用性以保证实验结果的有效性。此外，在仿真实验中为了全面捕捉环境中的多径特性仍需生成多样化的信道冲激响应。为此，在仿真实验参数设置上与实际测量保持一致：发射机置于桌面左侧区域；采样间隔设定为0.8毫米（小于仿真工作频率范围内的电磁波长度），同时通信范围设定为0.2～1.5米，并参考图7所示的具体摆放位置示意图。值得注意的是，在实际测量过程中由于太赫兹频段高路径损耗特性使得仅依靠窄波束高增益天线难以完全捕获环境中的全部多径信息。因此，在仿真实验中采用经过校正的射线跟踪系统并配置全向天线能够有效捕捉全部多径信息从而获得完整的信道状态描述

图7

图7射线跟踪仿真Tx与Rx位置示意

3.4 信道特性分析

基于充分的射线追踪模拟结果，可实现对信道特性的综合表征。主要包含路径损耗、均方根时延扩展、莱斯K因子、角度扩展和交叉极化率等。这些信道参数可应用正态分布函数进行拟合。由于该场景被定义为室内短距离通信，在此未涉及分子吸收衰减以及雾、雨、雪造成的损耗。本节将重点讨论这些信道特性

3.4.1 路径损耗和阴影衰落

在本研究路径损耗中采用A-B模型，即

PL=Alg(d)+B+Xσ (15)PL=Alg(d)+B+Xσ (15)

其中d代表了Tx与Rx之间的距离；A代表拟合曲线的斜率系数,B则表示截距项；Xσ表示阴影衰落程度,其概率密度函数可视为均值μ=0,标准差σ=σSF的高斯分布。基于射线跟踪技术所得的仿真数据、拟合模型及其与无散射环境下自由空间传播特性的对比分析如 图 8 所示。根据计算,A参数计算得18.02,B参数计算得81.71,σSF计算得5.15 dB; 拟合曲线与自由空间损耗特性曲线基本一致;但仿真结果呈现较大的波动性特征,这是因为，在仿真实验中采用全向天线能够有效采集场景内的所有多径路径,不仅包括设备自身产生的反射波,还能捕捉桌面自身可能存在的强烈反射波,导致传播过程中累积更多的多径效应

图8

图8射线跟踪仿真结果、拟合结果以及与自由空间损耗对比

3.4.2 莱斯K因子与均方根时延扩展

莱斯K因子从功率角度衡量最强径相对于其他多径功率之和的比例；传统方法主要基于矩量理论[44]进行分析与计算；太赫兹频段下的超宽带信道测量系统以及射线跟踪仿真平台在时域维度上均具备较高的延迟分辨率，在每个快照点上可直接通过定义计算得出对应的莱斯K因子值[45]

KF=Pd∑P(i)−Pd (16)KF=Pd∑P(i)−Pd (16)

其中，P(i)代表传播过程中各条多径的能量总和，在太赫兹通信系统中被定义为所有可能路径能量之和。 图9 展示了射线跟踪仿真结果与其正态分布拟合曲线的对比情况；其平均值达到1.23 dB（即每十 logarithm unit），均方根误差为3.76 dB；约70%的莱斯K因子值高于零（即大于零）。这表明，在这一场景中尽管存在来自桌面设备和其他电子设备的强反射路径以及自身设备（即直射径）的反射路径（即直射径），但直射径仍然是主导因素。

图9

图9射线跟踪仿真与正态分布拟合结果的对比

在多径信道中，均方根时延扩展被视为准确量化功率和时间双重色散的关键指标。其定义基于时延功率谱的二阶中心矩，并取其平方根

στ=∑n=1Nτn2Pn∑n=1NPn−⎛⎝⎜⎜∑n=1NτnPn∑n=1NPn⎞⎠⎟⎟2−−−−−−−−−−−−−−−−−−⎷ (17)στ=∑n=1Nτn2Pn∑n=1NPn−(∑n=1NτnPn∑n=1NPn)2 (17)

其中Pn和τn分别表示第n条多径的功率和时延。借助正态分布模型可实现对整个场景均方根时延扩展的数据统计（如图10所示）。根据图10所示结果可知其平均值为0.74 ns 均方根值为0.24 ns 这表明在短距离通信中即使在光滑平面上存在强烈的反射径但由于反射面的存在导致相对于直射路径的多径相对时延较小 均方根时延扩展值也较小。相比之下 在智能高铁场景中的火车站等较宽阔空间中获得的均方根时延扩展值较大 其平均值达到6.61 ns（参考文献[17]）。

图10

图10时延扩展数据统计

3.4.3 角度扩展

定义角度扩展为Tx和Rx在三维空间中各条多径的到达与离开方向的空间分布。其中每条多径在其发射端具有离开方向，在接收端具有到达方向；这两个方向分别位于水平面上形成水平方位角，在垂直面上形成仰角。因此角度扩展包含四个关键参数：即发射端的角度变化范围（ASD, azimuth angular spread of departure）、接收端的角度变化范围（ESD, elevation angular spread of departure）、发射端的角度变化范围（ASA, azimuth angular spread of arrival）以及接收端的角度变化范围（ESA, elevation angular spread of arrival）。其计算公式如上所示为(46)

σAS=∑n=1N(θn,μ)2Pn∑n=1NPn−−−−−−−−⎷ (18)σAS=∑n=1N(θn,μ)2Pn∑n=1NPn (18)

其中，σAS代表角度扩展，Pn代表第 n 条多径的功率和时延；θn,μ定义为

θn,μ= mod (θn−μθ+π,2π)−π (19)θn,μ= mod (θn−μθ+π,2π)−π (19)

其中，θn为第n条射线的相应的俯仰或水平离开或到达角。μθ的计算式为

μθ=∑n=1NθnPn∑n=1NPn (20)μθ=∑n=1NθnPn∑n=1NPn (20)

图

图11

图11发射端离开角度扩展

图12

图12接收端到达角度扩展

3.4.4 交叉极化率

交叉极化率是在给定主极化方向上的功率与其在垂直于主极化方向上的功率比值，并用于评估其交叉极化的程度。该值可表示为_{47}

XPR=10lgPcoPcross (21)XPR=10lgPcoPcross (21)

接收到的垂直/水平共极化的功率与发送端垂直/水平极化交叉传播的功率之比即定义为P_{\text{co}}/P_{\text{cross}}值。图13所示结果表明XPR>0;这表明去极化效应微乎其微，并且说明了该传播路径的主要特征是直射经模式。对于该场景而言，在收发两端仅采用线性偏振天线即可满足要求;因此，在这一场景下双偏振天线同样适用。若真实环境包含更多复杂介质，则可能会导致去极化效应显著增强;此时建议考虑采用圆偏振天线。

图13

图13交叉极化率

3.4.5 信道参数总结

在此基础上就室内短距离桌面场景中的信道参数展开分析发现采用正态分布函数作为数据分析的基础并运用其进行参数拟合具体数据可参考下表所示其中μ代表数据集的平均值σ则表示数据波动程度的标准差本研究所得出的信道特性模型对于开展太赫兹频段室内短距离通信系统的链路层与系统层仿真实验具有重要参考价值

表1室内短距离太赫兹信道特性参数

参数	μ	σ
KF/dB	1.26	3.75
DS/ns	0.74	0.02
ASD	74.66°	0.47°
ESD	12.12°	3.91°
ASA	74.66°	0.47°
ESA	12.12°	3.91°
XPR/dB	8.41	4.34

新窗口打开|下载CSV 4****高速移动车联网信道特性

面对日益增长的智能车联网领域的高数据速率通信业务需求，在未来的紧密合作中，汽车硬件技术和无线通信技术将展现出独特的优势。当车辆处于高速移动自动驾驶模式时，在满足实时性的同时实现快速的信息切换成为必要。其通信链路涵盖车与车（V2V）以及车与基础设施（V2I）等多种协同传输方式。高速移动状态下相邻采样点的时间间隔缩短导致信道多径结构的变化更加剧烈，在相同时间窗内信道呈现出强烈的快速时变和非平稳特性。这种情况下传统的基于广义平稳非相关散射假设的传统信道模型已经不再适用。射线跟踪技术则能够精确预测每个空间采样点处的多径信道特性而无需依赖上述假设甚至可以用低速或静态场景下的测量结果来验证其准确性进而生成高速移动情况下的信道冲激响应曲线并进一步提取相关的移动信道特性如多普勒扩展效应等

4.1 前期测量及射线跟踪校正工作

本文前期工作[26 ,48]详细论述了对于车联网场景进行的信道测量实验。该实验是利用能够支持300～308 GHz 测量的超宽带（UWB, ultra-wideband）信道探测器，对开阔的铁路测试中心进行了两次相关的太赫兹信道测量，场景内主要包括车体、灯柱、路面等主要结构体，有金属、玻璃和砖等主要材料。如第2节的步骤所述，利用测量数据校正射线跟踪仿真器中结构体的材料电磁参数以及几何信息。第一次测量中探测到的多径和RT追踪到的多径平均误差 0.74 dB，时延平均误差为0.19 ns，也就是距离上仅相差6 cm。在第二次测量中，测量多径与射线跟踪仿真得到的多径功率平均误差仅为0.4 dB。除此之外，场景中相关材料的电磁参数也能够通过反演得到，如 表 2 所示[48]，用于下一步骤中利用射线跟踪技术进行大范围仿真。其中，ε'ε'和ε''ε''分别代表相关材料相对介电常数的实部和虚部，S和α分别代表材料的散射因子和粗糙等效因子[49]。此外，从测量和仿真追踪到的多径来波方向可知，金属车体是主要反射体，也证明了车体在后续太赫兹信道中是具有较大影响的结构体。

表2 RT仿真中不同材料的电磁参数

材料名称	ε′ε′	ε′′ε″	S	α
金属	1.000	1.0×107	0	0
砖块	3.026	0.159	0.001 5	40
玻璃	6.760	0.442	0.003 0	9

新窗口打开|下载CSV

4.2 车-地通信场景射线跟踪仿真

经过修正后的射线跟踪仿真的结果表明，在具有类似测量条件和材料特性的场景下

图14

图14仿真场景及收发机位置示意

本文1.1节中着重讲述了在太赫兹频段的现象及其影响因素，在实际应用中发现大气分子以及雾、雨、雪粒子会引起太赫兹电波在传播过程中的衰减现象，并基于此提出了相应的解决方案。具体而言，在研究过程中我们发现这些因素对仿真结果的影响较为显著，在论文分析阶段我们采用了以下具体步骤对相关影响因素进行建模并纳入仿真计算中以提高结果的准确性与可靠性

本文1.1节中着重讲述了在太赫兹频段的现象及其影响因素，在实际应用中发现大气分子以及雾、雨、雪粒子会引起太赫兹电波在传播过程中的衰减现象，并基于此提出了相应的解决方案。具体而言，在研究过程中我们发现这些因素对仿真结果的影响较为显著，在论文分析阶段我们采用了以下具体步骤对相关影响因素进行建模并纳入仿真计算中以提高结果的准确性与可靠性

不考虑气象因素影响，任意一个快照的CIR可以表示为

h(τ)=∑n=1NEnejφδ(τ−τn) (22)h(τ)=∑n=1NEnejφδ(τ−τn) (22)

其中

Pn=20lg∣∣Enejφn∣∣ (23)Pn=20lg|Enejφn| (23)

随后，在第n条射线上叠加了与1.1节内容相关联的气象衰减因子An；也就是说，在考虑气象因素的情况下，CIR被表示为

hA(τ)=∑n=1N10Pn−An20ejφδ(τ−τn) (24)hA(τ)=∑n=1N10Pn−An20ejφδ(τ−τn) (24)

依据CIR系统，在分析含有不同气象因素的信道特性时就可进一步深入研究。处于300 GHz频段时，在分析大气气体衰减表现方面呈现出较为稳定的趋势。具体表现为：大气气态物导致的衰减值分别为5.2 dB/km（水汽含量为83.5 mm/h）、7.26 dB/km（水汽含量为83.5 mm/h）、21.42 dB/km（水汽含量为83.5 mm/h）以及极端天气现象导致的高值达351 dB/km左右

4.3 信道特性分析

4.3.1 关键信道参数

基于大量RT仿真的结果以及与第3节类似的方法，在表3中列出了针对车联网中车-地通信信道关键参数的提取数据（见表3），这些数据主要包括路径损耗、阴影衰落等关键指标，并进一步分析了莱斯K因子的相关特性。其中路径损耗相关的参数（A、B 和 σSF）参考式(15)；其余信道参数则采用均值μ和标准差σ作为参数来拟合正态分布模型。值得注意的是，在以往研究中主要关注的是不同气象条件下接收端功率的变化情况（见图2），而本文研究则更加注重不同气象因子对信道各参数的具体影响机制。为此我们特意进行了大规模的RT场景仿真，并将所有结果归纳整理成表3的形式以便分析比较

4.3.2 多普勒频移与多普勒扩展

在车地通信车载通信场景中，在移动接收机的基础上，在基于多维、全方位和大量仿真数据的情况下进行分析其产生的多普勒效应特性。基于射线跟踪仿真器提供的每个时间片段内的所有射线信息的情况下，则可

以根据定义直接计算每条射线的多普勒频移

fd(n)=−fcvRx−→−k(n)−→−c (25)fd(n)=−fcvRx→k(n)→c (25)

其中 fc 代表中心频率；v_{\text{Rx}} 是接收端的方向性速度矢量；k_n 代表从 transmitter 出发的第 n 条射线的方向性单位矢量；c 是光速

表3包含天气影响因素的关键信道参数

参数	RT	大气	雾	雨	雪
A	20.44	25.82	27.11	42.01	215.40
B	80.36	68.94	68.13	42.75	-288.92
σSF	4.24	5.06	10.42	4.70	4.14
μKF/dB	5.25	5.33	5.44	5.96	6.84
σKF/dB	6.33	6.02	5.59	5.72	6.13
μDS/ns	9.67	9.57	9.44	9.08	5.95
σDS/ns	13.77	13.44	13.03	11.90	5.53
μASA	56.78°	56.39°	55.89°	54.41°	36.42°
σASA	64.81°	64.43°	63.95°	62.66°	44.06°
μASD	40.11°	40.09°	40.07°	39.99°	38.99°
σASD	5.16°	5.15°	5.14°	5.12°	5.03°
μESA	0.57°	0.56°	0.56°	0.56°	0.56°
σESA	0.85°	0.85°	0.85°	0.85°	0.85°
μESD	0.37°	0.37°	0.37°	0.37°	0.36°
σESD	0.56°	0.56°	0.56°	0.55°	0.55°

新窗口打开|下载CSV

类似于RMS多普勒扩展与信道相干时间的相关性表征了信道在时间维度上的变化速率，并基于多普勒频移功率谱第二个中心距的平方根来进行量化描述：即用多普勒频移功率谱第二个中心距的平方根来表征信道的时间变化特性

συ=∑n=1Nfd(n)2P(n)∑n=1NP(n)−⎛⎝⎜⎜∑n=1Nfd(n)P(n)∑n=1NP(n)⎞⎠⎟⎟2−−−−−−−−−−−−−−−−−−−−−−−−⎷ (26)συ=∑n=1Nfd(n)2P(n)∑n=1NP(n)−(∑n=1Nfd(n)P(n)∑n=1NP(n))2 (26)

其中P(n)代表第n条多径的功率。表4总结了整个场景下最大、平均及最小的多普勒偏移情况。其数值用μν表示。由于多普勒偏移不会影响信号衰减程度，并且与气象条件无关。同时表4还列出了不同气象条件下整个场景下的最大、平均和最小RMS扩展值σν。如果采用300 GHz的车路网技术，则子载波间隔必须大于所述扩展的最大值7.07 kHz。值得注意的是该系统的均值为16.52 kHz这已经超过了现有5G设备的能力因此在设计太赫兹通信系统时必须谨慎考虑这一参数

表4多普勒频移与多普勒扩展

参数	μν/kHz	σν/kHz
RT	大气	雾	雨	雪
最大值	16.88	7.07	7.01	7.00	6.82	4.04
均值	16.52	0.45	0.45	0.44	0.41	0.18
最小值	10.05	2.11×10-5	2.11×10-5	2.11×10-5	2.10×10-5	2.03×10-5

新窗口打开|下载CSV 5****结束语

本文开发生于射线追踪技术的基础上的一种新型信道特征解析方法研究项目中，在仅具备有限空间信道测量手段的情况下实现了接近太赫兹频段理想化的真实数据采集工作，并以此为基础展开信道特性分析工作

基于射线跟踪技术实现确定性信道建模的方法