基于SPM传播模型的校正

谢云涛

摘要：传播模型是网络规划和优化的基础，一个精确的传播模型能够最大限度匹配当地的无线环境。不同的城市有着不同的地形地貌，因此需要建立符合当地传播环境的模型来指导网络规划和优化，工程上广泛采用的传播模型校正方法是通过网络规划软件进行自动校正，此外还有一元校正法和最小二乘法，本文结合现有校正算法提出一种改进的算法并最后验证。

关键词：通信机房 现状 需求 发展策略

中图分类号：TN929.05 文献标识码：A 文章编号：1007-9416（2014）12-0048-02

随着中国移动通信系统的快速发展，三大运营商都越来越关注传播模型是否匹配当地的无线传播环境。传播模型是移动网络规划和优化的基础，通过传播模型校正，技能获得与当地传播环境相匹配的模型，又能为运营商节省时间、人力和费用。因此传播模型校正是网络规划中一项很重要的工作。

1 SPM传播模型

本文以SPM传播模型为例进行校正，SPM传播模型经验公式如下[1]：

ploss：路径损耗（dBm）；K1：偏移常量；K2：距离相关的lg（d）的修正因子；

K3：基站有效高度的修正因子；K4：衍射计算的修正因子；K5：lg（h）lg（d）的修正因子；

K6：移动台有效高度的修正因子；Kclutter：地貌平均加权损耗的修正因子；

d：发射机与接收机的直线距离，单位为m；Heff：基站天线的有效高度，单位为m；

Hmeff：表示移动台天线的有效高度，单位为m；f（clutter）：地貌类型损耗，单位为dB；

由于通常使用的电子地图为20m的精度，各种地物精细程度不足，衍射因子K4和与Heff相关的因子K3、K5、K6等系数难以准确校正。考虑到校正的效率和和参数的影响，只对K1、K2、Kclutter进行校正。K3、K4、K5、K6通常取典型值，即默认K3=5.83、K5=-6.55、K6=0，对于K4而言，市区去0.2，郊区取0.4，丘陵区0.5。

2 改进的传播模型校正算法

在之前的2G、3G的传播模型校正中，通常采用最小二乘法来进行线性回归分析[2]，但是经典的线性回归模型有一个假设：总体回归函数中的随机误差项满足同方差性，即满足它们有相同的方差。但是对于实际路测数据样本数据而言，其回归方程的随机误差具有异方差性，如果用传统的最小二乘法法估算传播模型，可能得不到准确有效的的结果。鉴于路测数据的异方差性，本文采用加权最小二乘法（WLS）用于传播模型的校正，既能消除数据的异方差性，又能保证校正后的传播模型与实测数据误差值达到最小。WLS算法是根据基础数据可靠性的不同在拟合的时候对每个数据赋以不同的权值。加权的最小方差表达式如下：

当的测量精度越高时越大，反之越小，这样就可以使拟合曲线越接近于测量精度高的点，使得拟合曲线的准确性越高。

由于考虑到地形地貌的影响，因此需要校正的系数有3个，即K1、K2和Kclutter。根据上述原理，可得如下公式：

3 改进算法的验证

根据无线网络规划的要求，我们选择某市的密集城区作为CW测试的场景[3]，根据上一章的校正方法进行校正，测试站点的试验环境设置如表1：

结合上一章的校正方法，经过两次校正得出校正后的传播模型参数如表2所示：

在获得传播模型之后，我们可以通过比较误差值来分析获得的传播模型的优劣，校正前后的误差分布图分别如图1，2所示：

对于校正结果的误差来说，一般认为如果校正后的平均误差小于1dB，标准差小于10dB，那么这个校正后的传播模型就是与当地无线传播环境相匹配的，因此根据误差分析，该传播模型的校正是可行的，校正前后的平均误差和标准差如表3所示：

4 结语

通过对以上误差分布，平均误差和标准差，表明改进的算法更加精确，通过改进算法校正后的传播模型更能反映当地的无线环境。最后通过误差分析表明该算法能够用于该市区的传播模型校正，并且具有较高的精度。

参考文献

[1]李毅.WCDMA无线传播模型校正与分析[J].电信工程技术与标准化，2006（9）：45-49.

[2]Wei Zaixue，Zhang Tao，Yang Dacheng.One kind of wireless network planning double bevel rate dissemination model adjustment algorithm[A].Journal of Electronics and Information Technology， 2007（10）：13-17.

[3]段玉宏，夏国忠，胡剑，黄萍.TD-SCDMA无线网络设计与规划[M].人民邮电出版社，2007.