用电采集系统微功率无线通信信道建模研究综述

罗 玄 ，补黔江 ，曾庆波 ，张秋雁 ，刘 文

（1.贵州电网有限责任公司凯里供电局贵州凯里556000；2.贵州电网有限责任公司电力科学研究院贵州贵阳550007；3.湖南大学电气与信息工程学院，湖南长沙410082）

在能源日趋紧张、用电需求迅速增长的形势下，智能电网也随之快速发展。而用电数据采集系统的建设又成为了智能电网发展的重要支撑。国网和南网近年已经建成了采用RS-485总线、电力线载波、微功率无线3种通讯方式的用电信息采集系统[1]。RS-485总线通信方式具有安装调试复杂、节点数受限、并且需要额外布线等缺陷而难以用于大规模的通信网络中[2]。电力线主要用作传输电能而造成通信线路具有阻抗的高时变性、信道的高噪声、高衰减性等缺点，以现有的电力线载波通信技术很难满足智能电网对通信速度的要求[11]。而微功率无线抄表技术则克服了这些缺点，并且具有不需要额外布线、安装调试灵活的优点而得到了广泛的关注和研究[1-2]。但是，现阶段微功率无线产品还不够完善，其技术也不够成熟。不同的地理环境，气候环境，复杂的电磁环境和现场装配环境下的信道特性对微功率无线通信质量影响较大[12]。对信道特性研究的重点是建立与现场环境相适应的信道模型[2]。然而无线通信信道建模因为面临一系列理论和实际难题而不够成熟，并导致计量自动化通信终端经常掉线[20]。因为存在的这些问题影响了微功率无线通信的发展。因此本文具有针对性的先简要介绍微功率无线通信的传播模型，然后对国内外近年来的微功率无线信道建模的最新成果及其相应优缺点和适用范围进行了综述。以便学者们进行有针对性的研究。

1 微功率无线信道传播模型

无线信道是微功率无线通信的媒介。微功率无线通信信道因通讯模块经常装配在地下室、配电房等位置较差的环境而复杂多变。因此对通信环境的信道建模成为研究微功率无线通信系统的重中之重。图1为无线信号从集中器（或电表）发射的信源经过信号编码、调制、传输，然后经过电表（集中器）解调、译码最后变成信宿的过程[14]。由于信号在发射之前和接收之后所受影响较小而在本文中不予研究，本文主要对微功率无线传输信道特性及其建模进行分类与总结。

图1 无线信号传播过程

无线信道的电波传播模型主要分为两类：大尺度衰落模型、小尺度衰落模型[19]。大尺度衰落模型主要表现为信号长距离传播的路径损耗和由于障碍物阻挡造成的阴影衰落两种形式，描述的是发射端与接收端之间的信号平均功率随距离的衰减特性[2]。小尺度衰落模型是描述短距离（或时间）内接收信号电平（或功率）的快速变化，一般通过多径效应和多普勒效应产生[3]。

图2 信道传播模型分类

由于智能电表中微功率无线产品的集中器和电表不存在相对移动，因此在建模的过程中无须考虑小尺度衰落中的多普勒效应而只需要考虑多径传播[13]。

1.1 大尺度衰落模型

在自由空间中，接收端接收信号的功率大小与信号传输距离的平方成反比，但是在实际传输环境中，由于其它电磁干扰以及天气因素的干扰造成接

其中Xσ为0均值的高斯分布随机变量，其标准偏差为σ，代表的是信道传播环境的不同而产生差异性的阴影效应。

1.2 小尺度衰落模型

小尺度衰落模型一般用来描述快速变化的传输信号，由于多普勒效应和多径效应使得其信号强度短时间相差巨大，因此大尺度传播所造成的功率损耗在这种快速变化场强的情况下可以忽略。

在建筑物和遮挡物较多的市区复杂微功率无线信道环境中，从发射端到达接收端的多径信号通常被认为不存在视距传输，对实测数据进行分析认为多径传播幅度服从瑞利分布[15]。信号的幅度、时延和相位会受传播路径的影响，因此，接收端的信号是多径信号的叠加，合成后的信号相位幅度较原始信号相比变化尺度较大[3]。如果存在视距传输路径，则多径幅度服从莱斯分布。

多径传输的存在使得接收端的信号由多个不同时延的脉冲组成。一般通过平均附加时延、时延扩展均方根两个参数来描述时延，并且可以通过通信中的功率延迟谱（PDP）求得。公式（2）即为PDP的定义式：

式（2）中的h（s）为信道的冲激响应，根据实测拟合结果得出，功率延迟分布（PDP）在大多数环境下服从指数分布。信号传播路径的长度会导致信号相位变化，当信号在实际环境中传播一个波长的距离时，信号相位变化可以达到2π[16]。收端接收信号的功率损耗会大很多，因此自由空间的信道模型不适用于实际微功率无线传输模型[21]。在实际的接收环境中，接收端的平均接收功率随距离d呈对数方式衰减，因此一般使用带有随机变量的正态分布函数拟合信道的大尺度衰减特性。如公式（1）所示：

选择鲍建生教授建立的综合难度模型为研究工具之一，结合有理数例题的特点对其进行选择和调整，将鲍教授对背景因素的水平划分改为无背景、学科相关联背景、日常生活背景和无实际意义背景4类进行比较研究．

2 常用经验模型总结

针对于以上的两种衰落特性，许多的学者通过大量的实测数据对经典模型进行了改造和修正，提出了包括对数距离路径损耗参考模型、Longley-Rice模型、Okunura-Hata模型、Suzuki信道模型、以及其他经验模型。

2.1 对数距离路径损耗模型

大量的实验数据仿真和理论分析表明，接收端信号的平均功率会随着接收端与发射端的距离的增加而呈现指数的衰减[17]。在实际的应用环境中，微功率无线信道平均路径损耗一般由发射端和接收端之间的距离d以及其他的环境因素共同决定[18]，其函数模型如公式（3）所示：

其中，d为选定的近参考点与发射端的距离，n为路径损耗指数，用来描述路径损耗的快慢。表1比较了在不同实测环境中的路径损耗指数。

2.2 Longley-Rice模型

Longley-Rice模型是依托电波传播理论并通过实际测量数据进行纠正后得到数学统计的半经验半理论模型。

由于该模型结合了电磁波传播理论的有效性和大量实测数据的纠正后的适应性，因此具有较好的可靠性而得到了广泛的认可和应用。由于其可以预测因地形分布造成的中值传播衰落特性，也被称为不规则地面模型[4]。Longley-Rice模型在已知电磁波传播的路径后已经可实现计算机仿真并可以根据传播的路径长度、电波频率和极化方向、等参数来计算无线电波传播损耗。

Longley-Rice模型根据传播路径的长度将传播损耗分为视距传播区域损耗、绕射区域损耗和散射传播区域损耗3种情况。并且3个区域的衰减因子可用公式（4）进行计算：

又因为在自由空间的电磁波传播的损耗为公式（5）所示：

其中，d为传播距离，单位是km，f为工作频率，单位是MHz。因此，整个路径下传播损耗为自由空间损耗与传播损耗之和，如公式（6）所示：

Longley-Rice模型通过引入了介电常数和电导率两个参数将环境因素考虑到了损耗模型中，使得计算结果比其他模型更加准确[5]。

该模型适合频率范围为20 M到40 GHz，路径长度为0～2 000 km，表面折射率为250到400 Ns的点对点的通信系统。但其因为没有考虑环境因素和多径效应而限制了其应用范围。

2.3 Okunura-Hata模型

Okumura-Hata传播模型是Masaharu Hata根据Okumura的基本中值场强曲线进行一系列理论研究并通过实测数据对理论模型修正后提出的传播损耗经验公式[6]。此模型适用的电波频率范围为150～1 900 MHz，距离为100 km的广域通信，接收天线的高度不高于9 m，发射天线高度的有效范围为35到1 000 m。

Okumura-Hata模型用于计算市区环境的信道路径损耗中值的公式如式（7）所示[6]：

其中：

在公式（7）中，LP是路径损耗中值；f是工作频率；d是水平距离；hb是发射天线的高度；hm是接收天线的高度m；a(hm)是接收天线的修正因子，该值和周围环境有关，可利用公式（8）计算：

Okumura-Hata模型用于计算市郊环境的信道路径损耗中值的公式如式（9）所示：

Okumura-Hata模型用于计算无阻挡环境的信道路径损耗中值的公式如式（10）所示：

2.4 Suzuki信道模型原理

Suzuki信道模型糅合了大尺度衰落和小尺度衰落的传播特性[7]。由于发射机发出的电波经过障碍物的阻挡而产生多次反射和折射，造成信号服从对数正太分布。并且产生的多径效应每条子径有大体相同的幅度和随机均匀分布的相位以及时延参数。由于这些信号包络之和服从瑞利分布，而瑞利分布的参数服从对数分布，最终形成一个混合的Suzuki衰落分布，其包络的概率分布如式子（11）所示[7]：

式（11）中，σ表示高斯分量的标准差；us是对数正太分布的均值，σs为标准差。

在微功率无线通信中，由于接收机相对集中器无明显位移且瑞利过程功率有明显变化，在这种情况下Suzuki比Clarke模型更为准确。

3 其他经验模型

除了常见的对数距离路径损耗模型、Longley-Rice模型、Okunura-Hata模型外，还有许多经过反复实地测量的数学统计组合得出的经验公式，比如Durkin模型、Okumura模型以及Egli传播模型等[8]。本文在阅读的文献基础上总结了各种经验衰落模型及其适用条件和优缺点，如表2所示。

表2 常见的经验模型

4 结 论

本文首先简要介绍微功率无线的传播模型，然后对国内外近年来的微功率无线信道建模的最新成果进行了总结，阐述了用电采集系统微功率无线信道的发展现状及应用前景，并比较分析了各种建模

方法的优劣以及适应范围。要求针对不同环境选择有效的方法。用电采集系统的微功率无线模块在市区由于绕射物多，一般采用Suzuki信道模型，而在一些山区地区，由于地形不规则，一般采取Longley-Rice模型，针对其他的复杂应用场景可以结合其特定的环境进行信号采集建立特有的经验模型，以适应复杂多变却无法使用统一模型的环境，但是随着大数据与人工智能的兴起，微功率无线信道模型也可以随之改善与完善，在不久的将来随着广大科研人员对大数据研究的进一步深入，必定会出现更为有效和普适的动态建模方法，其可以针对不同的现场环境，利用动态采集的实时海量数据进行动态分析与特征提取以建立模型，此模型具有低复杂性和高精度的优势，从而推动微功率无线通信系统的快速发展。