本发明总体涉及无线通信。更具体地，本发明涉及以低计算复杂度计算室外场景中无线电传播路径损耗的方法。本发明综合考虑了环境因素，包括但不限于建筑物、树木、树叶、街道设施、行人、天气状况等。
背景技术：
1、无线电传播路径损耗计算在无线网络规划和优化中起着关键作用。传统上由射频(rf)工程师利用物理和统计传播模型来完成的这项工作是一项劳动密集型且耗时的工作，尤其是对于大片室外区域而言。在无线电接入网络部署之后，纠正由于路径损耗错误而导致的无线电接入网络规模过小或过大的成本也非常高。因此，非常需要一种高效、经济且准确的无线电传播路径损耗模型。
2、目前，确定性模型和经验模型是两类最广泛使用的无线电传播模型。射线追踪模型(例如，如v.degli esposti,“ray tracing:techniques,applications and prospect,”in2020international symposium on antennas and propagation(isap),pp.307–308中所述)和射线发射模型(例如，如b.e.gschwendtner,g.b.burk,andf.m.landstorfer,“ray tracing vs.ray launching in 3-d microcell modelling,”1995中所述)属于前者，它们基于射线光学；它们通过考虑多路径传播来数值求解麦克斯韦方程。射线追踪模型计算从接收器(rx)到发送器(tx)的射线，而射线发射模型则反过来计算射线，即，从tx到rx。这些模型的准确性取决于一些因素，例如射线强度、传播现象的建模、地图的分辨率等。确定性模型的一个缺点是它们消耗大量的计算资源和时间。诸如okumura-hata模型(例如，如t.s.rappaport,wireless communications:principles andpractice,vol.2.prentice hall ptrnew jersey,1996所述)、斯坦福大学临时(sui)模型(例如，如s.i.umana,n.o.akpbio,and s.e.mbong,“extended stanford universityinterim model loss stanford university interim propagation loss model for agmelina arborea tree-lined road,”rev.comput.eng.res.,vol.5,no.2,pp.57–63,2018所述)和cost-231hata模型(例如，如r.v akhpashev and a.v andreev,“cost 231hataadaptation model for urban conditions in lte networks,”in2016 17thinternational conference of young specialists on micro/nanotechnologies andelectron devices(edm),pp.64–66所述)之类的经验模型使用简单公式来计算某一类典型场景的路径损耗，但牺牲了准确性。利用经验模型计算出的路径损耗仅与几个参数有关，包括与场景相关的路径损耗指数(其应用于整个场景)，以及tx与rx之间的距离，等等。然而，经验模型仅对训练该模型所针对的同一类型的环境有效。将经验模型应用于不同类型的环境会导致超过10db或更大的均方根误差(rmse)。
3、由于环境因素难以建模，因此已提出了用于路径损耗预测的若干参数化模型，包括miweba信道模型(例如，如a.maltsev et al.,“channelmodeling andcharacterization,”deliv.fp7-ict,vol.368721,p.d5,2014所述)、quadriga(例如，如s.j.etal.,quadriga—quasi deterministic radio channel generator,user manualand documentation.2017所述)、mmmagic信道模型(例如，如m.peter,k.haneda,s.l.h.nguyen,a.karttunen,and j.“measurement results and finalmmmagic channelmodels,”deliv.d2,vol.2,p.12,2017中所述)、metis信道模型(例如，如v.nurmela et al.,“deliverable d1.4metis channel models,”proc.mob.wirel.commun.enablers inf.soc.(metis),p.1,2015所述)，5gcmsig(例如，如a.univ,5g channel model for bands up to 100ghz,v2.0.2014中所述)、3gpp信道模型(例如，如s.antipolis,“study onchannel model for frequencies from0.5to 100ghz(release 14)v14.0.0,”vol.rep.tr38.2017所述)，imt-2020信道模型(例如，如i.telecommun,“preliminary draft new reportitu-rm.[imt-2020.eval],”vol.document r.2017所述)和更通用的5g信道模型(mg5gcm)(例如，如s.wu,c.-x.wang,m.m.alwakeel,and x.you,“a general 3-d non-stationary 5g wireless channelmodel,”ieee trans.commun.,vol.66,no.7,pp.3065–3078,2017所述)。这些模型中参数的值可以从测量数据中提取，也可以由射线追踪模拟结果提供(例如，如c.-x.wang,j.bian,j.sun,w.zhang,and m.zhang,“a survey of 5g channel measurements and models,”ieee commun.surv.tutorials,vol.20,no.4,pp.3142–3168,2018中所述)。这些模型当中，miweba信道模型、mmmagic信道模型、metis信道模型、5gcmsig、3gpp信道模型、imt-2020信道模型容纳了阻塞和气体吸收的传播特性，并可扩展至纳入环境因素造成的高阻塞效应。此外，imt-2020信道模型还纳入了植被的影响。然而，仍然缺少能够纳入环境因素且计算复杂度较低的综合信道模型。
技术实现思路
1、为了克服现有无线电传播模型的上述缺点和不足，本发明提出了一种基于参数化环境因素的室外无线电传播路径损耗计算的方法。
2、本发明涉及一种路径损耗模型，其可以弥补上述路径损耗计算模型的不足。该模型可以捕获所有环境因素，并以较低的计算复杂度计算路径损耗。开发这种模型的步骤可以包括以下内容：
3、1.包括但不限于卫星图像和地理信息系统(gis)的形式的栅格地图被划分成若干区域，这些区域可以包含任意数量的水平和垂直连续像素，并且具有任意形状。
4、2.由人手动地或通过使用数字图像处理技术自动地为各个区域标记环境因素。逐区域的标记被参数化以预测无线电传播路径损耗。
5、3.生成tx(发送器，例如基站)与rx(接收器，例如移动终端)之间的直线路径；记录路径行进的各个区域内的环境因素和路径距离。
6、4.tx与rx之间的路径损耗是通过累积直线路径上各个区域的路径损耗(以db为单位)来计算的。
7、5.利用同一场景的测量数据来修改与各个环境因素相关的路径损耗指数的值，例如，通过最小化各个区域的路径损耗的测量值与预测值之间的平方误差之和，和/或通过最小化路径损耗的测量值与预测值之间的平方误差之和。
8、根据本发明的第一方面，提供了一种考虑参数化环境因素的无线电路径损耗计算的方法，所述方法包括以下步骤：
9、(a)将感兴趣场景分割成多个区域；
10、(b)利用环境因素来标记各个区域，其中，各个区域的环境因素被映射到路径损耗指数；
11、(c)初始化各个区域的路径损耗指数；
12、(d)针对所述感兴趣场景中的多个发送器接收器对中的各个发送器接收器对，生成直线路径信息，所述直线路径信息包括所述感兴趣场景中的发送器(tx)与接收器(rx)之间的直线路径；
13、(e)针对所述感兴趣场景中的所述多个发送器接收器对中的各个发送器接收器对，通过累积所述发送器(tx)与所述接收器(rx)之间的所述直线路径所穿过的各个区域的路径损耗来计算该发送器(tx)与该接收器(rx)之间的路径损耗，以便获得计算值；
14、(f)针对所述感兴趣场景中的所述多个发送器接收器对中的各个发送器接收器对，获得所述发送器(tx)与所述接收器(rx)之间的路径损耗的测量结果，以便获得测量数据；
15、(g)根据所述计算值和所述测量数据来更新各个区域的与所述环境因素相关的路径损耗指数；
16、(h)迭代步骤(e)至步骤(g)，直到达到预定义终止标准；以及
17、(i)输出各个区域的更新后的路径损耗指数，以供将来的路径损耗预测或训练。
18、在示例中，提供了一种考虑参数化环境因素的无线电传播路径损耗计算的方法，该方法包括：
19、a)将二维或三维的感兴趣场景(例如，面积或体积)分割成若干区域；
20、b)利用环境因素标记各个区域，其中各个区域的环境因素被视为路径损耗指数；
21、c)初始化各个区域的路径损耗指数；
22、d)生成发送器(tx)区域与接收器(rx)区域之间的直线路径信息；
23、e)通过累积直线路径中各个区域的路径损耗来计算路径损耗；
24、f)使用测量数据更新各个区域的与环境因素相关的路径损耗指数；
25、g)迭代步骤e)和f)，直到达到预定义的终止标准；以及
26、h)保存各个区域的路径损耗指数以供将来的路径损耗预测或训练参考。
27、在另一示例中，提供了一种考虑参数化环境因素的无线电路径损耗计算的方法，该方法包括：
28、a)将感兴趣场景分割成多个区域；
29、b)利用环境因素标记各个区域，其中各个区域的环境因素映射到路径损耗指数；
30、c)初始化各个区域的路径损耗指数；
31、d)生成直线路径信息，其包括感兴趣场景中的发送器(tx)与接收器(rx)之间的直线路径；
32、e)通过累积直线路径所穿过的各个区域的路径损耗来计算发送器与接收器之间的路径损耗；
33、f)使用测量数据更新各个区域的与环境因素相关的路径损耗指数；
34、g)迭代步骤e)和f)，直到达到预定义的终止标准；以及
35、h)输出各个区域的更新后的路径损耗指数以供将来的路径损耗预测或训练。
36、所述方法可以应用于任何频带。
37、各个区域可以包括一个或更多个像素并且可以是规则或不规则形状，并且其中，各个区域可以包括以下项中的任何一项或更多项：建筑物、一组建筑物、一组树叶、一个或更多个人、一个或更多个车辆或者其他物体。
38、所述环境因素可以包括以下项中的任何一项或更多项：建筑物、道路、树叶、雨、雪、车辆、人、设施、景观、地形、气候状况或其他障碍物。
39、可以使用逐像素标记方法来执行标记步骤(b)，所述逐像素标记方法包括以下方法中的任何一种或更多种：
40、手动标记；
41、自动标记，所述自动标记使用基于机器学习框架的算法以识别地理信息，可选地，其中，所述机器学习框架是神经网络(nn)方法。
42、在标记步骤(b)中，各个区域的标记可以基于以下项计算：
43、组成该区域的所有像素的平均灰度值；或者
44、组成该区域的所有像素的加权灰度值。
45、初始化各个区域的路径损耗指数的步骤可以包括以下方法中的任何一种或更多种：
46、基于预训练模型初始化所述路径损耗指数；
47、随机初始化所述路径损耗指数；
48、手动初始化所述路径损耗指数；
49、基于测量数据初始化所述路径损耗指数；以及
50、基于理论计算值初始化所述路径损耗指数。
51、生成tx与rx之间的直线路径信息的步骤可以包括生成包含所述直线路径信息的矩阵，所述矩阵具有以下形式：
52、
53、其中，从tx区域(xs,ys)开始并结束于rx区域的直线总共穿过nk个区域，第一行和第二行分别表示所述nk个区域的x坐标和y坐标，(x1,y1)是tx的位置，是rx的位置，第三行表示在所述nk个区域中的各个区域内行进的路径的距离。
54、所述直线路径中第i个区域的路径损耗pli可以包括：
55、在tx的区域处经历的路径损耗，计算为：
56、pl0＝c
57、其中，c为常数；以及
58、在其他区域中的各个区域处经历的路径损耗，计算为：
59、
60、其中，ni是区域i的路径损耗指数，其取决于该区域的环境因素，dj是区域j内的路径的距离，是从tx的区域到区域i的路径的距离，是从区域i到tx的区域的距离与从区域i-1到tx的区域的距离之间的比率。
61、在各个区域中经历的路径损耗被累积以计算tx与rx之间的总路径损耗，即，pl，所述总路径损耗被计算为：
62、
63、更新与所述环境因素相关的路径损耗指数的步骤还可以包括：
64、针对各个区域，计算所述测量数据与计算步骤(e)中计算出的路径损耗之间的误差；以及
65、根据计算出的误差来更新各个区域的与所述环境因素相关的路径损耗指数。
66、所述测量数据与计算步骤(e)中计算出的路径损耗之间的误差可以使用以下误差中的任一误差来计算：
67、所述测量值与所述计算值之间的所有绝对差的总和；
68、所述测量值与所述计算值之间的所有平方差的总和；或者
69、所述测量值与所述计算值之间的最小均方误差(mmse)。
70、更新各个区域的与所述环境因素相关的路径损耗指数的步骤可以包括以下方法中的任何一种：
71、手动更新；
72、使用优化算法更新，所述优化算法包括模拟退火或遗传算法中的任何一种或更多种；
73、使用机器学习算法更新，所述机器学习算法包括神经网络方法或强化学习方法中的任何一种或更多种。
74、所述预定义终止标准可以包括以下标准中的任一标准：
75、误差小于阈值；
76、在若干连续的历元之后误差保持不变；或者
77、达到最大运行历元数。
78、各个区域的路径损耗指数可以是诸如google maps、bing maps、street maps和任何地理信息系统之类的任何格式的数字地图的属性。
1.一种考虑参数化环境因素的无线电路径损耗计算的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中，所述方法能够应用于任何频带。
3.根据权利要求1或2所述的方法，其中，各个区域包括一个或更多个像素并且形状规则或不规则，并且其中，各个区域包括以下项中的任何一项或更多项：建筑物、一组建筑物、一组树叶、一个或更多个人、一个或更多个车辆或者其他物体。
4.根据权利要求1至3中任一项所述的方法，其中，所述环境因素包括以下项中的任何一项或更多项：建筑物、道路、树叶、雨、雪、车辆、人、设施、景观、地形、气候状况或其他障碍物。
5.根据任一前述权利要求所述的方法，其中，使用逐像素标记方法来执行标记步骤(b)，所述逐像素标记方法包括以下方法中的任何一种或更多种：
6.根据任一前述权利要求所述的方法，其中，在标记步骤(b)中，各个区域的标记是基于以下项计算的：
7.根据任一前述权利要求所述的方法，其中，初始化各个区域的路径损耗指数的步骤包括以下方法中的任何一种或更多种：
8.根据任一前述权利要求所述的方法，其中，生成tx与rx之间的直线路径信息的步骤包括生成包含所述直线路径信息的矩阵，所述矩阵具有以下形式：
9.根据任一前述权利要求所述的方法，其中，所述直线路径中第i个区域的路径损耗pli包括：
10.根据权利要求9所述的方法，其中，在各个区域中经历的路径损耗被累积以计算所述tx与所述rx之间的总路径损耗，即，pl，所述总路径损耗被计算为：
11.根据任一前述权利要求所述的方法，其中，更新与所述环境因素相关的路径损耗指数的步骤还包括：
12.根据权利要求11所述的方法，其中，所述测量数据与所述计算值之间的误差是使用以下误差中的任一误差来计算的：
13.根据权利要求11或12所述的方法，其中，更新各个区域的与所述环境因素相关的路径损耗指数的步骤包括以下方法中的任何一种：
14.根据任一前述权利要求所述的方法，其中，所述预定义终止标准包括以下标准中的任一标准：
15.根据任一前述权利要求所述的方法，其中，各个区域的路径损耗指数可以是诸如google maps、bing maps、street maps和任何地理信息系统之类的任何格式的数字地图的属性。
