5G-R高铁车站场景MIMO天线阵列结构与传输性能研究

刘立海，弓子悦，李津汉，吴 宇，官 科，单馨漪

自2000年铁路数字移动通信系统（Global System for Mobile Communications-Railway，GSM-R）被确立为中国铁路的专用通信系统以来，其一直承载着列车调度指挥、列车控制，以及信号设备动态监测等铁路重要应用业务。然而，随着铁路车地、车车之间调度业务需求的提高，GSM-R 已经不能够满足行车速度快、传输数据量大、业务延迟低、通信可靠性高等实际运营要求［1-2］。2020年，第三代伙伴计划协议（3GPP）标准的R16 版本完成冻结，主要从基础能力拓展优化、垂直行业能力增强、网络智能化提升3 个方向对R15 进行增强，标志着5G 技术逐步成熟走向商用 。近3 年，5G 技术快速发展并广泛应用到各行业中，已经成为支撑全球通信业务发展的重要新型基础设施［3-4］。加快推动5G 在铁路业务中的应用进程，有利于加速GSM-R 向铁路5G 专网（5G-Railway，5G-R）的过渡，引领铁路智能化、数字化发展。

5G-R 网络可以应用于高铁正线、高铁沿线地面基础设施、高铁车站等场景。其中高铁车站是连接乘客与铁路基础设施和列车的重要枢纽，相较于高铁正线和沿线场景，高铁车站具有电磁环境复杂、接入终端量大、业务水平要求高等特点，是通信强度高、密度大的热点区域。文献［5］利用射线跟踪技术研究了2100 MHz 频段半封闭式高铁站台场景下的信道特性。文献［6］将射线跟踪与粒子群算法结合，提出了高铁车站场景的反/散射功率增长模型，并完成了高铁车站场景下的网络优化。文献［7］在高铁车站场景引入智能超表面（Reconfigurable Intelligent Surface， RIS）技术，分析了RIS 部署前后的无线信道特征。文献［8］提出多根天线在空间中的排布多输入多输出（Multiple-Input Multiple-Output， MIMO）技术，可成为提高通信系统传输速率和可靠性的有效手段，已经应用于多种无线通信系统。文献［9］提出了一种基于几何半圆形隧道散射模型的宽带MIMO 车对车信道模型，并通过与测量数据的拟合对比验证了该模型的有效性。文献［10］在28 GHz 毫米波频段的圆形隧道场景下进行了信道测量工作，并得出了隧道场景下信道容量更高的MIMO 天线阵元极化方式。文献［11］通过改变天线阵列的排列方式在巴黎隧道进行信道测量，研究了不同天线阵列排布方式对MIMO信道容量的影响。文献［12］分别在3.5 GHz和5.6 GHz 频段的地铁隧道场景下采用复用天线阵列法进行MIMO 测量，根据测量结果对隧道场景下MIMO 的信道容量进行研究。文献［13］在北京地铁16号线进行FR1频段下的MIMO无线信道的测量，提取均方根时延扩展、莱斯K因子等重要的信道特征，用于评估地铁场景和高速列车高架桥场景下的MIMO 系统信道性能。文献［14］针对高铁5G-R铁路干线场景研究了部署RIS前后的信道特征、2T2R 信道相关性、MIMO 信道容量的变化。文献［15］在南京的无线谷进行了8T-128R 超大规模MIMO 信道测量，对典型城区场景下的MIMO信道波束域传播特性进行分析。

已经在多个典型场景下开展的MIMO 信道测量工作和仿真研究结果表明：MIMO 技术能在频谱资源匮乏、多径丰富的情况下提高频带利用率，为通信需求高、接入密度大的热点区域提供更大的信道容量和更快的数据传输速率。尽管目前针对高铁车站这一重要轨道交通枢纽的研究已经从无线信道建模、网络优化、RIS 覆盖增强等多方面展开，并且，MIMO 系统性能的测量与评估工作大部分也集中在隧道、矿井、高架桥等终端接入量少的场景中推进，但针对电磁环境复杂、终端接入量大的5G-R 频段高铁车站场景研究较少，且已有的MIMO 相关研究工作也是参考相似场景的收发端天线阵列数量、排布方式、调制阶数等参数进行研究。然而，高铁车站的实际电磁环境复杂多变，且受环境限制，在不影响乘客和车地通信的前提下很难完成对MIMO 系统的性能测试和评估。因此，在5G-R 频段高铁车站场景下，采用一种能够高度还原现实场景，保证研究可靠性的方法对MIMO 系统进行研究不可或缺。

针对上述问题，本文面向高铁车站场景，通过对高铁车站进行精细化建模，依托我国完全自主研发的高性能射线跟踪仿真云平台［16］，在2 155～2 165 MHz 频段开展射线跟踪动态链路仿真。假定在信道估计准确的情况下，通过改变4 对收发端天线阵列的排布方式，得到不同的射线跟踪仿真结果。基于射线跟踪仿真结果，研究部署不同收发端天线阵列排布方式时的信道相关性，得到高铁车站场景下MIMO信道的最大传输层数。基于最大传输层数计算每层传输的信噪比SNR，分别在64QAM（相正交振幅调制）和256QAM调制方式下，对比研究不同天线阵列排布时各接收点位的下行峰值传输速率，并确定传输峰值速率对应的MIMO信道最佳传输层数。

1 仿真建模与配置

本文使用三维建模软件SketchUp 对高铁车站场景进行高度还原，对场景中的典型物体进行精细化建模，并对其表面材料的电磁参数准确赋值，通过改变MIMO 系统收发端的天线阵列排布方式进行多次射线跟踪动态链路仿真，根据仿真结果研究MIMO系统天线收发端的多层传输性能。

1.1 仿真建模

1.1.1 场景模型

准确的仿真场景和场景中典型物体的材料电磁参数是确保射线跟踪仿真结果有效的基础［17］。因此，对研究场景以及场景中典型物体进行准确地还原建模至关重要。图1 为使用SketchUp 精细化建模的高铁车站三维模型，对该场景中的旅客站台、旅客扶梯、线缆、电力牵引架、铁路轨道、高铁列车等典型物体进行等比例高精度还原，并根据物体表面的不同材料，设置相应的材料电磁参数［18］。

图1 高铁车站三维模型

1.1.2 移动散射体模型

在射线跟踪仿真中，除了仿真场景中固有的静态散射体，移动散射体同样会对无线电波的传播特性产生重要影响。图2（a）所示为根据我国常见高速列车的建造材料和尺寸高度还原的高铁列车精细模型。为提高仿真效率，在保证仿真精度的同时简化移动散射体模型是必要的。经过多次修改，将列车精细模型等效为如图2（b）所示的列车简化模型。

图2 高铁列车三维模型

1.1.3 天线模型

MIMO 系统利用收发端天线阵列的空间多样性，能够实现在相同的频带中同时传输多个独立的数据流，从而提高数据传输速率。因此，对射线跟踪仿真中天线阵列的选择以及天线模型的构建，是研究MIMO系统传输性能的重要基础。

根据3GPP TR37.840［19］技术报告中规定的典型天线阵列参数，可以计算得到天线H 面和V 面的增益，经过插值处理可以得到如图3（a）所示的Tx 天线阵列三维模型，图3（b）和图3（c）分别是Tx天线阵列H 面和V 面的增益。由图3可知，发射端天线阵列的最大增益为8 dBi，天线水平方向和垂直方向的3 dB波束宽度均为65°。

图3 发射端天线阵列方向图

1.2 仿真配置

1.2.1 射线跟踪仿真

射线跟踪技术多用于预测无线电波的传播特性，是基于几何光学理论、麦克斯韦方程组、电磁波理论等原理来模拟电磁波在仿真场景中的传播，可准确地刻画电磁波与场景中不同散射体相互作用后发生的反射、散射、绕射等现象［20］。射线跟踪法能突破实际测量中频率、场地、移动散射体速度等限制，准确地完成在各类复杂场景中的无线信道建模。

在射线跟踪过程中，将一对Tx-Rx 在仿真场景中的某一点位的射线追踪仿真定义为一个快照，每对Tx-Rx 的链路由一个或多个快照组成。仿真后得到中心频率f处的信道传递函数H（f）为

式中：NRays为一个快照下的多径总数；GTx为单一发射端天线阵列增益，单位dBi；φD和θD分别为射线相对于发射天线的天顶离开角和水平离开角，单位弧度；an（f）为第n条射线的幅度值；φn（f）为第n条射线的相位值；GRx为单一接收端天线阵列增益，单位dBi；φA和θA分别为射线相对于接收天线的天顶到达角和水平到达角，单位度。

1.2.2 MIMO收发端天线阵列部署

在高铁车站部署的MIMO 下行链路系统天线阵列数量通常为4 对（4Tx-4Rx，4T4R），图4 和图5 分别为发射端和接收端天线阵列按照线阵和方阵排列的示意。图4（a）中发射端的4个天线阵列垂直于地面等距离排布，组成一块线阵发射天线；图4（b）中发射端的4个天线阵列按正方形等距离排布，组成一块方阵发射天线；图5（a）中接收端的4 个天线阵列平行于高铁列车车体等距离安装在列车的车头，组成一块线阵接收天线；图5（b）中接收端的4 个天线阵列以正方形安装在列车的车头，组成一块方阵接收天线。每个线阵天线中相邻两个天线阵元的间距为半波长，每个方阵天线中正方形边线上相邻两个天线阵元的间距为半波长。

图4 发射端天线阵列部署

图5 接收端天线阵列部署

1.2.3 仿真参数

面向高铁车站场景，在我国当前5G-R 主要测试频段2 155～2 165 MHz下进行仿真，将前文所述的场景模型、高铁列车模型、天线模型，以及文献［9］确定的高铁车站场景射线跟踪仿真传播机理作为仿真基础，采用不同的收发端天线阵列排布方式分别进行射线跟踪仿真，研究不同天线阵列部署方式对MIMO系统传输性能的影响。表1为射线跟踪仿真参数及配置，表2 为计算下行传输速率所需的简化系统级仿真（Simplified System Level Simulation，SSLS）参数配置，其中PDCCH（Physical Downlink Control Channel）为下行链路控制信道，DMRS（Demodulation Reference Signal）为解调参考信号。

表1 射线跟踪仿真参数配置

表2 SSLS参数配置

2 高铁车站场景MIMO多层传输

2.1 信道相关性

在MIMO 传输系统中，信道相关性的研究是非常重要的一环，信道相关性的大小决定MIMO系统的性能。当信道相关性较大时，MIMO 系统更适合进行分集传输，提高通信的可靠性；当信道相关性较小时，MIMO 系统更适合进行空间复用［21］，提高通信的有效性。本文面向高铁车站场景采用4T4R 进行仿真，计算每对收发天线阵列之间的信道传递函数H为

式中：Hij为当中心频率为2 160 MHz时，第i根接收端天线阵列与第j根发射端天线阵列之间的信道传递函数。

信道矩阵奇异值分解表达式为

式中：λn为n阶信道矩阵的第n个奇异值。

奇异值扩展S是信道矩阵中最大奇异值与最小奇异值的比值，通常用于衡量信道矩阵满秩数量的信道之间的相关性。为更好地逐层研究信道之间的相关性，将奇异值按照降序排列，Si定义为同一信道矩阵中最大奇异值与其他奇异值的比值，单位dB。

式中：λmax为n阶信道矩阵中最大的奇异值；λi为同一n阶信道矩阵中除最大奇异值以外的其他奇异值。

Si用于衡量信道相关性，Si越小表示信道之间的相关性越小，Si越大表示信道之间的相关性越大。当Si小于40 dB 时，可以认为信道相关性较小，适合进行复用传输，i即为该传输点位处的MIMO 最大传输层数。图6 为4T4R 的MIMO 系统收发端采用不同天线阵列排布时的Si累积分布函数（Cumulative distribution function，CDF）。根据Si与40 dB阈值对比，表3给出了不同天线阵列排布时的MIMO系统最大传输层数占比。由图6和表3可知，4种天线阵列排布方式下最大传输层数为二层及以上的接收点位占所有接收点位的比例均超过了95%，这与以往在铁路正线部署2T2R的MIMO系统［14］相对应。但仿真结果显示，4种天线阵列排布方式下最大传输层数为三层及以上的接收点位占所有接收点位的比例均超过了85%，这是由于高铁车站场景下散射体数量多造成的。

表3 4T4R MIMO系统最大传输层数占比 %

图6 不同天线阵列排布Si累积分布

2.2 MIMO系统传输性能

仿真结果表明，在高铁车站场景和在铁路正线场景下所能达到的MIMO 系统最大传输层数有较大差异，同时也给出了2 种场景下不同天线阵列排布方式所能达到的最大传输层数结果。因此，面向高铁车站场景，根据4T4R MIMO 系统每个接收点位能达到的最大传输层数，确定能使该点位传输速率达到最大的天线阵列排布方式和传输层数，对5G-R 专网在高铁车站场景部署MIMO 系统具有重要指导意义。

在面向高铁车站场景的MIMO 系统传输层数研究中，由于射线跟踪仿真以单基站为研究条件，因此可以将仿真场景中的信号与干扰加噪声比等效为SNR，故第一步需根据每种天线阵列排布方式下的信号功率和环境热噪声计算SNR，并根据SNR映射调制编码方案（Modulation and Coding Scheme， MCS）等级得到对应等级的编码率，进而计算出每种天线阵列排布方式下每层传输分别以64QAM 和256QAM 作为调制方式时的下行峰值传输速率。通过比较每种天线阵列排布方式下每个接收点位处的不同传输层数、不同调制方式对应的下行峰值传输速率，确认适合高铁车站场景的MIMO系统天线阵列排布方式和传输层数。

2.2.1 SNR

SNR衡量了有用信号强度与环境中噪声水平之间的关系，射线跟踪仿真能计算生成每对收发端天线阵列在中心频率为2 160 MHz的信道传输函数（Channel Transfer Function，CTF），通过对CTF进行傅里叶逆变换可得到信道冲激响应，进而得到传输信号功率Ps（单位dBm），其计算式为

式中：hi（τ）为第i个时延为τ的信道冲激响应；Hi（f）为第i个中心频率为f的信道传输函数；n为信道矩阵中信道传输函数的数量。

环境热噪声Pn为

式中：K 为波尔兹曼常数，即1.381×10-23J/K；T为环境温度，单位K；PRB为物理资源块数量。

MIMO 系统传输层数为Li时的等效传输信号功率Psi′为

式中：PTx为总发射功率，单位dBm。

MIMO系统传输层数为i时的SNR为

式中：Psi′′为传输层数为i时的等效传输信号线性功率，单位mW；Pn′为环境热噪声线性功率，单位mW。

通过对4 种天线阵列排布方式的射线跟踪仿真结果进行处理，分别计算得到4T4R MIMO 系统传输层数为i时的等效传输信号功率；在室温为303 K（30 ℃）的条件下计算环境热噪声功率，进而计算得到SNR。图7 和表4 分别为每种天线阵列排布方式下每层传输对应的SNRi累积分布和平均SNR参数。可以看出，当MIMO 系统发射端的天线阵列部署为线阵时，每层传输的平均SNR均比发射端的天线阵列部署为方阵时高约14 dB；而当MIMO 系统的发射端天线阵列保持不变时，接收端天线阵列部署为线阵和方阵时的SNR相差均小于1 dB。因此，在5G-R 高铁车站场景中部署MIMO 系统时发射端更适合按照线阵部署。

表4 4T4R MIMO系统平均SNR参数占比 %

图7 4T4R MIMO系统SNR累积分布

2.2.2 下行传输速率及传输层数

根据SNR映射MCS 等级得到对应等级的编码率，进而计算出MIMO 系统传输层数为i，第j个快照的下行传输速率R为

式中：Qm为数据传输的调制阶数；Ri，j为MIMO系统传输层数为i，第j个快照对应的编码率；Nsys为符号数；OH为资源开销占比，3GPP TS38.306技术报告中规定FR 1频段下OH为0.14［22］。

相同调制方式下，第j个快照处的最高下行传输速率为

式中：i为根据2.1 节确定的每个快照处所能达到的MIMO系统最大传输层数。

根据式（10）分别计算4 种天线阵列排布方式下每个接收点位处所能达到的最大下行传输速率，并得到对应的MIMO 系统传输层数。图8 和图9 分别给出了4T4R MIMO 系统64QAM 和256QAM 最大下行传输速率折线图和累积分布；表5 给出了4 种天线阵列排布方式下64QAM 和256QAM 的平均下行传输速率。由仿真结果可以看出，当MIMO 系统发射端的天线阵列部署为线阵时，64QAM 和256QAM 两种调制方式下的平均下行传输速率均高于发射端天线阵列部署为方阵时的平均下行传输速率，该结果与2.2.1 节的SNR仿真结果相一致。当MIMO 系统发射端的天线阵列均部署为线阵时，接收端天线阵列部署为方阵时的平均下行速率大于部署为线阵时的平均下行速率。因此，在高铁车站场景5G-R 频段下能使传输速率达到最大的MIMO 系统部署方式为Tx-线阵和Rx-方阵。

表5 4T4R MIMO系统平均下行传输速率 Mbps

图8 4T4R MIMO系统64QAM最大下行传输速率

图9 4T4R MIMO系统256QAM最大下行传输速率

图10 为分别将64QAM 和256QAM 作为调制方式时，每种天线阵列排布方式下最大传输速率对应的MIMO传输层数占比柱状对比图；表6给出了每种天线阵列排布的MIMO 系统最佳传输层数占比详细参数。由仿真结果可以看出，面向高铁车站场景，当调制方式为64QAM 时，4 种天线阵列排布方式下MIMO 系统传输层数为二层的快照占所有快照的比例均为最多，根据前文研究高铁车站场景5G-R频段下能使传输速率达到最大的MIMO 系统部署方式为Tx-线阵、Rx-方阵，这种天线部署方式二层传输的比例达到66.31%；当调制方式为256QAM 时，Tx-线阵、Rx-方阵部署方式下MIMO 系统最佳传输层数为三层的快照占所有快照的比例最多，达到56.84%。

表6 4T4R MIMO系统最佳传输层数占比 %

图10 4T4R MIMO系统最佳层数占比柱状对比图

3 结论

本文在2 155～2 165 MHz 频段，面向5G-R 高铁车站场景，采用射线跟踪仿真技术对4 种不同天线阵列排布方式的MIMO 系统多层传输性能进行对比研究。采用高性能射线跟踪仿真技术，研究部署不同收发端天线阵列排布方式时的信道相关性，并计算得出了仿真场景中各接收点位MIMO 系统能达到的最大传输层数。基于最大传输层数计算每层传输的SNR，分别在64QAM 和256QAM 调制方式下对比研究了部署不同天线阵列排布时各接收点位的下行峰值传输速率，并确定了实现峰值传输速率对应的MIMO 系统传输层数。研究结果表明：面向5G-R 高铁车站场景，能使数据下行传输速率达到最大的MIMO 系统天线阵列的部署方式为Tx-线阵、Rx-方阵；根据调制方式的不同，高铁车站场景下64QAM 的MIMO 系统为二层传输，256QAM 的MIMO 系统为三层传输。本文研究结果能为5G-R专网建设中在高铁车站部署MIMO 系统提供技术积累和理论依据。