摘要：城市軌道交通是現(xiàn)代化交通基礎(chǔ)設(shè)施的重要組成部分，5G作為新一代移動通信技術(shù)，可提供高速率、低時延的無線數(shù)據(jù)傳輸，有助于提升城市軌道交通的運(yùn)行效率和服務(wù)質(zhì)量。由于城市軌道交通場景的復(fù)雜性，需要針對性的通信場景分類、信道特性分析和精準(zhǔn)的信道模型為城市軌道交通5G通信系統(tǒng)的設(shè)計提供理論支撐。基于此，提出了5G城市軌道交通電波傳播場景的分類，以支撐典型場景下的信道測試與建模工作，同時闡述了城市軌道交通場景信道測量和建模的現(xiàn)狀，并分析了當(dāng)前面臨的主要挑戰(zhàn)。結(jié)合5G通信智能化特點(diǎn)，討論了人工智能在信道特征提取和信道建模方面的應(yīng)用前景與可行思路，并深入分析了基于可重構(gòu)智能面和無人飛行器輔助的5G城市軌道交通信道建模研究現(xiàn)狀和發(fā)展前景。最后，闡述了毫米波頻段下5G城市軌道交通信道建模的研究。

　　關(guān)鍵詞：智能軌道交通;5G;城市軌道交通;場景分類;信道建模;電波傳播

　　1引言

　　隨著現(xiàn)代社會城市化進(jìn)程的推進(jìn)，城市軌道交通系統(tǒng)的需求持續(xù)增長。、印發(fā)的《交通強(qiáng)國建設(shè)綱要》中明確指出了要建設(shè)城市群一體化交通網(wǎng)，推進(jìn)干線鐵路、城際鐵路、市域(郊)鐵路、城市軌道交通的融合發(fā)展。5G為城市軌道交通系統(tǒng)中高效可靠的數(shù)據(jù)傳輸、基于通信的列車控制以及高質(zhì)量乘客服務(wù)提供了重要基礎(chǔ)，城市軌道交通有望借助5G通信技術(shù)全面實現(xiàn)智能化和信息化的跨越式發(fā)展。2020年《中國移動城市軌道交通5G應(yīng)用技術(shù)白皮書》發(fā)布，標(biāo)志著5G城市軌道交通技術(shù)發(fā)展進(jìn)入新篇章。在5G城市軌道交通通信系統(tǒng)研究和關(guān)鍵技術(shù)裝備研發(fā)中，城市軌道交通無線通信場景的精準(zhǔn)分類、信道測量與高精度信道建模是重要的基礎(chǔ)。準(zhǔn)確合理的場景分類為無線信道的測量與建模、仿真，以及各類關(guān)鍵通信技術(shù)性能的評估與比對驗證提供重要支撐，信道模型則是通信系統(tǒng)設(shè)計、仿真以及優(yōu)化的基礎(chǔ)。本文詳細(xì)探討5G城市軌道交通場景分類、信道測量與建模等問題，為未來5G城市軌道交通通信技術(shù)的高質(zhì)量發(fā)展提供支撐。

　　25G城市軌道交通傳播場景

　　無線通信的場景定義是無線通信技術(shù)發(fā)展的基礎(chǔ)，準(zhǔn)確合理的場景定義是開展通信信道測量、仿真、系統(tǒng)設(shè)計與驗證、通信性能評估的先決條件。5G城市軌道交通通信場景有別于傳統(tǒng)蜂窩通信和鐵路移動通信場景，差異主要來源于兩方面：首先，城市軌道交通的線路和車站大部分位于地下，這與常規(guī)鐵路線路多位于地面、高架橋等空曠環(huán)境存在顯著差異，復(fù)雜的傳播環(huán)境也導(dǎo)致城市軌道交通中非直射(non-line-of-sight，NLOS)通信較直射(line-of-sight，LOS)通信占比增多;其次大規(guī)模多輸入多輸出(massivemultiple-inputmultiple-output，mMIMO)、毫米波、無人機(jī)、智能反射等5G新技術(shù)的引入帶來了天線陣型、頻段、覆蓋范圍等方面變化，這些因素顯著影響5G城市軌道交通通信場景的分類。

　　3信道測量與建模現(xiàn)狀

　　建立可靠的無線通信系統(tǒng)是保證城市軌道交通安全運(yùn)營的關(guān)鍵。無線通信系統(tǒng)的設(shè)計離不開對相關(guān)環(huán)境中電波傳播機(jī)制和信道特征的準(zhǔn)確表征和建模，準(zhǔn)確的信道模型是5G城市軌道交通無線通信系統(tǒng)設(shè)計的基礎(chǔ)[1]。

　　目前信道建模方法主要分為兩大類：確定性建模和統(tǒng)計性建模。確定性信道建模以電磁波傳播理論作為基礎(chǔ)，借助精細(xì)的場景建模和電磁計算，獲得無線電波在空間中每條傳播路徑的具體參數(shù)[3]。確定性建模在已經(jīng)完成參數(shù)校準(zhǔn)的前提下較少依賴于信道測試數(shù)據(jù)，但該類方法復(fù)雜度較高，因此難以適用于大規(guī)模的鏈路級和系統(tǒng)級仿真。統(tǒng)計性信道建模主要借助在典型傳播場景中開展信道測量，采集信道數(shù)據(jù)并開展統(tǒng)計分析，提取出反映傳播特征的各類信道參數(shù)的統(tǒng)計特性，建立信道模型。統(tǒng)計性建模一般不依賴于對具體場景中散射體空間分布的精細(xì)刻畫，主要從統(tǒng)計角度提取一般性普適特征，因此統(tǒng)計性建模能夠較為準(zhǔn)確地刻畫某一類典型傳播環(huán)境的信道特征，且具有較低的復(fù)雜度和較好的可擴(kuò)展性[4]。

　　4基于人工智能的動態(tài)信道特征提取與建模

　　與傳統(tǒng)軌道交通常見的城郊或橋梁場景不同，5G城市軌道交通通信場景更加復(fù)雜多變，應(yīng)用與業(yè)務(wù)更加多樣化，數(shù)據(jù)中隱含的各類電波傳播特征更加豐富。在人工智能與大數(shù)據(jù)技術(shù)飛速發(fā)展的今天，5G城市軌道交通信道建模的研究也面臨新的挑戰(zhàn)和機(jī)遇，主要表現(xiàn)在以下3個方向。

　　(1)信道特征提取傳統(tǒng)的軌道交通信道特征提取主要關(guān)注信道沖激響應(yīng)在功率時延譜上的包絡(luò)特征，側(cè)重于多徑的時延與功率參數(shù)的估計，而在5G系統(tǒng)中需更多地關(guān)注多徑角度域參數(shù)的估計。城市軌道交通5G智能通信的發(fā)展一方面對傳統(tǒng)信道參數(shù)(如時延、角度、功率及多普勒等)的提取精度提出了更高的要求，另一方面還需要借助人工智能技術(shù)實現(xiàn)對動態(tài)信道高階特征參數(shù)的提取[14]，如功率時延譜削度、復(fù)雜環(huán)境下多徑簇[15]等特征，為后續(xù)數(shù)據(jù)處理及智能化算法設(shè)計提供支撐。多徑成簇現(xiàn)象由信道物理環(huán)境和電波傳播機(jī)理相互作用而成，多徑簇在信道多維特征層面具有較為明顯的規(guī)律，因此使用人工智能技術(shù)實現(xiàn)更為準(zhǔn)確且高效的多徑簇提取也是重要研究方向之一[16]。雖然深度學(xué)習(xí)在處理高維數(shù)據(jù)特征提取上已經(jīng)取得了一些成果，但是目前尚未有基于深度學(xué)習(xí)的時變信道多徑簇提取算法，無法滿足城市軌道交通通信信道研究的需求。由于城市軌道交通場景復(fù)雜，且發(fā)射端常處于高速移動狀態(tài)，信道動態(tài)變化快，非平穩(wěn)性強(qiáng)，由此引起多徑生滅過程的快速變化，為信道特征的提取帶來更多挑戰(zhàn)。但是由于軌道交通設(shè)施移動路線固定，信道中部分主導(dǎo)性反散射體的出現(xiàn)往往呈現(xiàn)一定規(guī)律，如城市軌道附近的建筑樓宇以及特殊的地勢地形等。在對此類信道特征進(jìn)行提取時，其時域上的可追蹤性可以有效提高信道特征提取的效率與準(zhǔn)確性[17]。

　　(2)信道場景識別城市軌道交通移動性較強(qiáng)，電波傳播環(huán)境復(fù)雜多變，不同通信場景常具有不同的通信業(yè)務(wù)特點(diǎn)與需求。為了滿足上層通信資源調(diào)度的合理分配需求，需要針對不同通信場景的精準(zhǔn)信道模型，并能及時識別列車當(dāng)前所處的信道環(huán)境。

　　5融合RIS的5G城市軌道交通信道建模

　　當(dāng)前，可重構(gòu)智能面(reconfigurableintelligentsurface，RIS)技術(shù)得到了廣泛關(guān)注[23]，成為B5G、6G通信中提升通信系統(tǒng)性能的有效手段之一，可以應(yīng)用于城市軌道交通通信場景，有效地提升覆蓋的可靠性以及無線傳輸?shù)乃俾省IS由大量低成本的無源反射元件組成，通過放大反射信號[24]和實時調(diào)控信號的振幅/相位[25]，實現(xiàn)對反射波束的控制以及對無線傳播環(huán)境的重新配置，進(jìn)而提高無線通信覆蓋范圍、吞吐量和能效。

　　(1)無線信道特性相比于一般的室外場景，城市軌道交通環(huán)境更為復(fù)雜，且列車具有較快的行駛速度，再加上車廂的密封性好、穿透損耗大，無線通信很容易中斷。在該類情況下，將RIS部署于基站和列車之間的建筑物表面，借助RIS技術(shù)對信號進(jìn)行精準(zhǔn)控制和波束增強(qiáng)，可以顯著提升基站與列車之間數(shù)據(jù)傳輸?shù)目煽啃院托剩嚓P(guān)場景如圖5所示，RIS可以改善非視距場景下用戶的通信。

　　在融合RIS的城市軌道交通場景中，基站?列車間的信道主要包含視距路徑、RIS反射路徑和復(fù)雜多徑。由于城市軌道交通場景復(fù)雜，接收到的無線電波會經(jīng)歷嚴(yán)重的多徑衰落，從而導(dǎo)致相位噪聲、多普勒頻移或載波頻偏。傳統(tǒng)通信系統(tǒng)通常借助部署中繼或功率放大器來解決此類問題，但該方法會造成網(wǎng)絡(luò)功耗，并引入干擾信號[26]。與之不同的是，RIS技術(shù)可實現(xiàn)對多徑傳播的調(diào)控，將基站信號經(jīng)由RIS反射到達(dá)列車端，從而建立虛擬視距，可以提升基站與列車之間通信的有效性和可靠性[27]，并減少信號干擾[28]。該虛擬視距主要由兩部分組成：基站?RIS鏈路、RIS?列車鏈路。當(dāng)基站與RIS安置的高度較高時，其周邊的反散射體往往較少，此時基站?RIS鏈路的信道往往呈現(xiàn)稀疏性。但由于列車周邊反散射環(huán)境復(fù)雜，RIS?列車鏈路信道往往為非稀疏，加之RIS對反射波束的物理調(diào)控，此時基站?RIS?列車的通信信道多徑分布特征往往更加難以描述。

　　(2)信道建模研究盡管RIS展示出良好的應(yīng)用前景，RIS輔助的通信系統(tǒng)設(shè)計仍存在許多尚未解決的關(guān)鍵問題。為了準(zhǔn)確設(shè)計與評估RIS輔助的城市軌道交通通信系統(tǒng)，建立準(zhǔn)確的信道模型是亟待解決的重要問題。目前，RIS技術(shù)的研究中使用的信道模型大多來自3GPP的標(biāo)準(zhǔn)化信道模型，但上述模型并未涵蓋城市軌道交通場景，且大部分模型尚未在RIS場景下得到信道測量的準(zhǔn)確驗證，當(dāng)前國際范圍內(nèi)依然缺少基于實測數(shù)據(jù)的RIS無線信道的深入研究。文獻(xiàn)[29]和文獻(xiàn)[30]均在信道狀態(tài)信息已知的理想假設(shè)下，進(jìn)行RIS電磁單元的反射相位設(shè)計。文獻(xiàn)[31]對RIS輔助的移動通信自由空間路徑損耗進(jìn)行了建模和測量驗證，可用于鏈路預(yù)算分析，但亟須開發(fā)真實環(huán)境下綜合考慮各類衰落因素的RIS信道模型。文獻(xiàn)[32]考慮了存在隨機(jī)散射體情況下的5G毫米波RIS靜態(tài)信道模型，但模型缺乏實測數(shù)據(jù)的充分驗證。考慮搭配RIS通信場景對傳播過程的簡化和抽象，可以使用幾何隨機(jī)模型(geometry-basedstochasticmodel，GBSM)模擬城市軌道交通RIS傳播環(huán)境，如圖6所示，環(huán)境中的近端、遠(yuǎn)端反散射體可建模為不同的規(guī)則幾何體。圖中分別將基站和列車周邊的反散射環(huán)境建模為球體模型，其近端散射體(如植被、過往車輛和行人等)分布在球體表面，而收發(fā)兩側(cè)的遠(yuǎn)端反散射環(huán)境可建模為橢圓圓柱體結(jié)構(gòu)，遠(yuǎn)處建筑物和RIS分別分布在橢圓圓柱體的底部和側(cè)表面。由此所建立的GBSM可支撐在城市軌道交通環(huán)境中基于幾何理論[33]開展基于RIS的基站?列車信道建模與仿真研究，為融合RIS的5G城市軌道交通通信系統(tǒng)設(shè)計與性能分析提供支撐。

　　參考文獻(xiàn)：

　　[1]AIB,CHENGX,KüRNERT,etal.Challengestowardwirelesscommunicationsforhigh-speedrailway[J].IEEETransactionsonIntelligentTransportationSystems,2014,15(5):2143-2158.

　　[2]AIB,HERS,ZHONGZD,etal.Radiowavepropagationscenepartitioningforhigh-speedrails[J].InternationalJournalofAntennasandPropagation,2012:1-7.

　　[3]WANGCX,BIANJ,SUNJ,etal.Asurveyof5Gchannelmeasurementsandmodels[J].IEEECommunicationsSurveys&Tutorials,2018,20(4):3142-3168.

　　[4]WANGCX,GHAZALA,AIB,etal.Channelmeasurementsandmodelsforhigh-speedtraincommunicationsystems:asurvey[J].IEEECommunicationsSurveys&Tutorials,2016,18(2):974-987.

　　[5]ZHANGJH,TANGP,YUL,etal.Channelmeasurementsandmodelsfor6G:currentstatusandfutureoutlook[J].FrontiersofInformationTechnology&ElectronicEngineering,2020,21(1):39-61.

　　[6]ZHANGB,ZHONGZD,HERS,etal.Measurement-basedMarkovmodelingformulti-linkchannelsinrailwaycommunicationsystems[J].IEEETransactionsonIntelligentTransportationSystems,2019,20(3):985-999.

　　何睿斯1，艾渤1，鐘章隊1，楊汨1，黃晨1，馬張楓1，孫桂琪1，米航1，周承毅1，陳瑞鳳2