李翠然，張澤鵬，謝健驪

(蘭州交通大學(xué) 電子與信息工程學(xué)院，甘肅 蘭州 730070)

鐵路運(yùn)輸具有運(yùn)載能力大、運(yùn)行速度快、運(yùn)輸效率高等特點(diǎn)。鐵路通信系統(tǒng)是鐵路運(yùn)輸?shù)摹皠?dòng)脈”,但高速鐵路(以下簡稱“高鐵”)列車運(yùn)行環(huán)境復(fù)雜[1],主要場景有平原、山地、丘陵、城郊,經(jīng)過的特殊地貌有高架橋、路塹、隧道等。由于場景的復(fù)雜性以及列車的高時(shí)速,多徑衰落、多普勒頻移、高車廂穿透損耗和復(fù)雜場景中移動(dòng)中繼節(jié)點(diǎn)(Mobile Relay Node,MRN)接收信號質(zhì)量差導(dǎo)致的越區(qū)切換中斷概率高等技術(shù)問題一直難以解決[2-4]。如何設(shè)計(jì)合理的越區(qū)切換算法,有效提升高鐵用戶服務(wù)質(zhì)量和服務(wù)體驗(yàn)是亟待解決的關(guān)鍵問題。

為了解決高鐵運(yùn)行場景中“越區(qū)切換中斷概率高”的問題,相關(guān)學(xué)者展開了大量研究。米根鎖等[5]提出基于速度的提前切換算法,在切換前執(zhí)行信令交互并設(shè)置預(yù)承載點(diǎn),改善過早或過晚切換帶來的通信中斷、掉話等問題,但未考慮所提算法與基站硬件設(shè)備性能的結(jié)合問題,仿真環(huán)境較為理想化。為了減少切換中斷時(shí)間,李東航[6]針對多車交會(huì)場景提出基于長短期記憶網(wǎng)絡(luò)(Long Short Term Memory,LSTM)的列車控制與信息服務(wù)網(wǎng)絡(luò)流量預(yù)測模型,結(jié)合列車的速度位置信息預(yù)測列車與eNB間的無線通信數(shù)據(jù)傳輸速率,并提前為基站覆蓋區(qū)內(nèi)的列車做好功率分配,從而提高切換帶內(nèi)的信號強(qiáng)度,幫助列車順利執(zhí)行越區(qū)切換。此算法在實(shí)現(xiàn)難度和匹配基站硬件設(shè)施方面存在優(yōu)勢,且在不改變基站總功率的前提下能夠獲得明顯的信號增益,因此其已廣泛應(yīng)用于越區(qū)切換算法中。波束追蹤能夠根據(jù)終端移動(dòng)性,以較高的靈活性來調(diào)整波束方向以跟蹤特定的傳播路徑,從而實(shí)現(xiàn)較低的中斷概率和最優(yōu)的速率容量性能[7]。朱豪等[8]針對列車在基站重疊區(qū)切換觸發(fā)概率和切換成功率均較低的問題,基于遺傳算法提出一種自適應(yīng)聯(lián)合判決切換策略,該文主要針對開闊地場景。傳統(tǒng)的LTE-R切換方案由于忽略了列車經(jīng)過eNB重疊區(qū)的時(shí)間導(dǎo)致列車錯(cuò)過最佳切換點(diǎn)。文獻(xiàn)[9]提出基于貝葉斯算法的回歸預(yù)測模型,通過預(yù)測列車經(jīng)過重疊區(qū)邊緣的過境時(shí)間,提前觸發(fā)切換,提升了切換效率和切換性能,但缺乏對算法復(fù)雜度的分析。高鐵無線信道中的電波傳播有其特殊性,運(yùn)行場景不同則接收信號功率和陰影衰落也存在差異。上述文獻(xiàn)建模過程均未考慮路塹等特殊地形下信號遮蔽、信號非視距傳輸?shù)痊F(xiàn)象[10]。此外,忽略了不同高鐵地形以及周圍植被、障礙物的反射、散射信號的衰落差異性對越區(qū)切換性能的影響。

針對上述問題,本文以典型高鐵地形(路塹、高架橋)作為研究場景,對路塹地形環(huán)境下存在的信號遮擋現(xiàn)象展開分析,利用LSTM對時(shí)間參數(shù)序列的預(yù)測能力和動(dòng)態(tài)波束賦形追蹤策略,提出基于LSTM預(yù)測的動(dòng)態(tài)波束賦形越區(qū)切換算法。所提算法通過來波到達(dá)角(Direction of Arrival,DoA)輔助車載全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System,GNSS)確定列車位置,由基于LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測及增加了預(yù)留角的動(dòng)態(tài)波束對MRN進(jìn)行對準(zhǔn)追蹤,從而提高eNB覆蓋區(qū)邊緣MRN的接收信號功率。并提出中斷概率閾值參數(shù)k和eNB總功率Pa聯(lián)合約束的波束增益分配算法,達(dá)到合理分配eNB功率、降低切換中斷概率、提高切換觸發(fā)概率和切換成功率的優(yōu)化目標(biāo)。

1 系統(tǒng)模型與運(yùn)行場景

1.1 中繼通信模型

高鐵線路中繼通信系統(tǒng)模型見圖1。圖中,eNB發(fā)射天線向部署于高鐵列車車頂?shù)腗RN發(fā)送信號,MRN再將信號傳送給列車上的用戶,該方法能夠避免信號穿過車體產(chǎn)生的穿透損耗。假設(shè)eNB天線采用全向天線模式,eNB覆蓋半徑為r,相鄰eNB間距為Dab,則重疊區(qū)寬度為2r-Dab。圖1中,點(diǎn)P、Q、R分別表示eNB重疊區(qū)的起點(diǎn)、中點(diǎn)和終點(diǎn)。當(dāng)列車以速度v從源小區(qū)eNBa向目的小區(qū)eNBb行駛時(shí)會(huì)發(fā)生越區(qū)切換,切換觸發(fā)準(zhǔn)則為[11]:若某一時(shí)刻列車接收到eNBb的信號功率大于eNBa,且兩者差值大于或等于觸發(fā)門限Γ時(shí)觸發(fā)切換,否則列車仍保持與eNBa的通信。當(dāng)eNB配備智能天線時(shí),基于定向波束賦形技術(shù)能夠動(dòng)態(tài)跟蹤MRN位置,使MRN始終處于波束主瓣內(nèi),以解決由于較低觸發(fā)門限引起的乒乓切換以及列車高速運(yùn)行引起的多普勒頻移和車廂穿透損耗等問題。

圖1 高鐵線路中繼通信模型

1.2 運(yùn)行場景

高鐵運(yùn)行場景被分為平原、高架橋、路塹等12種,不同地形的信道參數(shù)差異很大。視距路徑(Line of Sight,LoS)的概率計(jì)算式為[12]

(1)

式中:dx為eNB與MRN的通信距離;dbp為斷點(diǎn)距離;α為衰減參數(shù)。

圖2為兩種典型場景下的LoS概率曲線。

圖2 兩種場景下的LoS概率

由圖2可見,高架橋場景下LoS概率均值比深路塹場景下LoS概率均值大。其原因是高架橋場景下,MRN位于離地面10～30 m的高架橋上,橋面較高且軌面高度恒定,eNB與MRN之間的LoS傳播受障礙物的影響較小;而路塹場景下尤其是深路塹時(shí)可能存在遮擋現(xiàn)象,導(dǎo)致無線路徑被障礙物阻擋[13]。

路塹地形作為典型的遮擋場景,若使eNB發(fā)射的信號波束能夠無遮擋地到達(dá)MRN處,eNB天線高度需滿足一定的約束條件。圖3給出了路塹場景中的遮擋情形示意圖,假設(shè)路塹結(jié)構(gòu)近似為平行,不存在拐彎、曲折情況。

圖3 路塹場景的遮擋情形示意

圖3(a)中,eNB天線波束賦形的發(fā)射點(diǎn)記為p,MRN接收點(diǎn)記為q。H1、H2、h和d分別為eNB天線高度、路塹邊坡高度、MRN距離地面的高度和eNB底端與鐵軌之間的距離。路塹底部寬度為Wdown,MRN與y軸的垂直距離為DS,路塹邊坡傾角γ較小,計(jì)算時(shí)可忽略。建立三維直角坐標(biāo)系,點(diǎn)p、點(diǎn)q的坐標(biāo)分別表示為(x1,y1,z1)=(0,-d+Wdown/2,H1+H2),(x2,y2,z2)=(-DS,Wdown/2,h)。圖3(b)中,l1,l2,…lj分別為各個(gè)方向基站發(fā)射波束的主瓣中心線,假設(shè)li為eNB天線波束恰好掠過路塹邊坡、無遮擋到達(dá)MRN的主瓣中心線,則直射線pq對應(yīng)的三維空間參數(shù)方程可表示為

(2)

為保證eNB發(fā)射波束能夠無遮擋到達(dá)MRN處,則直射線上的點(diǎn)應(yīng)滿足

(3)

結(jié)合空間直線參數(shù)方程,得到eNB天線高度的約束條件

(4)

式中:X為列車行駛距離,取值無約束;ε為任意實(shí)數(shù)。

2 基于LSTM的動(dòng)態(tài)波束賦形策略

2.1 改進(jìn)的動(dòng)態(tài)波束賦形

傳統(tǒng)的基于波束賦形的越區(qū)切換技術(shù)在eNB重疊區(qū)內(nèi)的波束增益為固定值[14],未能較好地考慮列車在重疊區(qū)內(nèi)移動(dòng)時(shí)其接收功率隨距離變化對波束賦形增益的影響。為此,提出基于位置輔助的動(dòng)態(tài)波束賦形機(jī)制,通過估計(jì)MRN的DoA,使eNB發(fā)射信號功率集中在波束主瓣方向,旁瓣信號強(qiáng)度近似為零,以達(dá)到抑制干擾、提高越區(qū)切換性能的目的。圖4為動(dòng)態(tài)波束賦形的DoA模型。圖4中,假設(shè)列車在eNB重疊區(qū)的行駛軌跡為直線,令列車頂部的MRN位于x位置處(由車載GNSS提供位置信息),則波束下傾角αx,波束主瓣寬度θx分別表示為

(5)

(6)

式中:H為eNB頂端距離地面的高度;dmin為eNB頂端和鐵軌之間的距離,表示為

(7)

列車進(jìn)入重疊區(qū)后,eNBb開啟波束賦形模式,使波束主瓣方向指向MRN并隨其變化,見圖5。當(dāng)MRN位于x位置時(shí),Dab-r≤x≤r,eNBa波束主瓣寬度θa和eNBb波束主瓣寬度θb分別為

圖5 改進(jìn)的波束賦形覆蓋方式

(8)

(9)

式中:θmax和θmin分別為波束主瓣寬度角θa(θb)的最大、最小值,其示意見圖4。

2.2 動(dòng)態(tài)波束賦形增益

根據(jù)信干噪比(Signal to Interference Plus Noise Ratio,SINR)和參考信號接收功率(Reference Signal Receiving Power,RSRP)等切換參數(shù)具有較強(qiáng)的時(shí)空相關(guān)性[6],提出一種基于LSTM的波束增益需求預(yù)測模型。首先根據(jù)eNB采集的切換參數(shù)值,預(yù)測eNB與列車間未來時(shí)刻的RSRP值序列;其次在滿足中斷概率閾值參數(shù)k和eNB總功率Pa約束條件下,按需為列車補(bǔ)償滿足通信需求的波束增益。同時(shí),結(jié)合2.1節(jié)的波束主瓣寬度角度估算,優(yōu)化越區(qū)切換算法。

2.2.1 LSTM神經(jīng)網(wǎng)絡(luò)基本原理

LSTM整個(gè)存儲(chǔ)單元由三個(gè)激活門(遺忘門、輸入門和輸出門)控制。三個(gè)門和對應(yīng)單元信息的更新公式為[15]:

遺忘門:在單元信息更新中控制上一時(shí)間步記憶單元的哪些信息被留存。在時(shí)間步t中遺忘參數(shù)ft的計(jì)算式為

ft=σ(Wf[ht-1xt]+bf)

(10)

輸入門:在記憶單元完成對信息的遺忘處理后,由輸入門決定新的候選向量值有多少參與到記憶單元信息的更新中。其輸出參數(shù)it表示信息保留的程度

it=σ(Wi[ht-1xt]+bi)

(11)

(12)

(13)

輸出門:處理當(dāng)前記憶單元的狀態(tài)值并輸出。

ot=σ(Wo[ht-1xt]+bo)

(14)

ht=ottanh(ct)

(15)

式中:W為權(quán)重矩陣;b為偏置項(xiàng),表示矩陣元素乘積;ht-1為上一時(shí)刻編碼器的隱藏狀態(tài);xt為待預(yù)測序列樣本值,tanh為雙曲正切激活函數(shù);σ為sigmoid激活函數(shù),定義式為

(16)

(17)

最終預(yù)測值由輸出層計(jì)算式為

yt=σ(Wyht+by)

(18)

2.2.2 基于LSTM的波束增益預(yù)測問題建模

當(dāng)列車行使在eNB重疊區(qū)之外時(shí),MRN周期性地對列車RSRP進(jìn)行采樣并上報(bào),eNB得到初始RSRP序列L1:{x1,x2,x3,…,xN};為了提高預(yù)測的準(zhǔn)確性,利用滑動(dòng)窗口對L1進(jìn)行平滑處理,使數(shù)據(jù)更加平穩(wěn)。再對L1進(jìn)行歸一化,將其轉(zhuǎn)換為具有固定時(shí)間步長的序列集L2:{X1,X2,X3,…,XM},其中X1對應(yīng)步長為t的RSRP序列{x1,x2,x3,…,xt}的變化情況?；贚STM神經(jīng)網(wǎng)絡(luò),根據(jù)前t個(gè)時(shí)間步長的測量值實(shí)現(xiàn)對t+1時(shí)刻的RSRP值的預(yù)測,最后得到未來一段時(shí)間域內(nèi)RSRP序列的預(yù)測值,由此即可計(jì)算出t+1時(shí)刻列車所需的波束賦形增益Gt+1。基于LSTM預(yù)測和k-Pa聯(lián)合約束的波束增益預(yù)測分配算法為:

輸入:dx,L1,k,Pt,Pa輸出:Xt+1,Gt+1初始化:dx←1 800;Xt+1←0;Gt+1←0;LSTM設(shè)置:dataTrain←90%,dataTest←10%numFeatures = 1,numResponses = 1,numHiddenUnits = 20×3;InitialLearnRate = 0.005,GradientThreshold = 1,LearnRateDropFactor = 0.2; MaxEpochs = 300;mu = mean(dataTrain),sig = std(dataTrain),dataTrainStandardized = (dataTrain - mu) / sig;net = trainNetwork(XTrain,YTrain,layers,options);1:YPred = sig×YPred + mu;2:Xt+1 ←YPred;Gt+1=f2(Xt+1,k)3:while (1 800 =30 then10:Г=Г-ΔГ11:n=0;12:end if13:end if14:dx=dx+115:end while

2.3 波束賦形預(yù)留角

高速列車越區(qū)切換算法中,當(dāng)利用車載GNSS提供的MRN位置信息進(jìn)行波束對準(zhǔn)時(shí),系統(tǒng)噪聲和傳輸延遲可能會(huì)引起不容忽視的MRN定位誤差,從而導(dǎo)致高鐵用戶掉線和通信中斷,通過增加波束預(yù)留角可以有效降低切換中斷概率[16]。圖6所示為定位誤差引起的波束賦形角度誤差。

圖6 定位誤差引起的波束賦形角度誤差示意

圖6中,令Δx為MRN定位誤差;Δμx為波束賦形角度誤差。Δx與Δμx之間的函數(shù)關(guān)系式為

(19)

(20)

(21)

3 越區(qū)切換算法性能

3.1 不同場景的路徑傳輸損耗模型

路徑損耗模型能夠預(yù)測接收信號強(qiáng)度,為評估列車接收信號質(zhì)量和越區(qū)切換提供理論依據(jù)。無線信道的路徑傳輸損耗預(yù)測模型可表示為

(22)

式中:PL(d0)為截距;n為路徑損耗指數(shù);Xσ為陰影衰落,且服從均值為0的高斯隨機(jī)分布。路塹、高架橋場景下的路徑傳輸損耗分別為[17]

(23)

(24)

式中:Xσcut、Xσvia分別為路塹、高架橋場景的陰影衰落,服從均值為0的高斯隨機(jī)分布。

3.2 性能分析

假設(shè)eNB發(fā)射信號功率為P,當(dāng)列車經(jīng)過重疊區(qū)時(shí),eNBa和eNBb分別產(chǎn)生不同的波束賦形增益,列車接收到來自eNBa和eNBb的信號功率分別表示為

(25)

(26)

式中:PLa、PLb分別為eNBa、eNBb與列車之間的傳輸路徑損耗;G1、G2分別為2.2節(jié)預(yù)測得到的源基站、目的基站實(shí)際分配的波束增益。由此得到切換中斷概率為

Pout(dx)=Pr[Prb(dx)<λ]=

(27)

式中:λ為保證正常通信的最小接收信號功率閾值。

切換觸發(fā)概率Ptri可表示為

Ptri(dx)=Pr[Prb(dx)-Pra(dx)≥Γ]=

(28)

為保證列車在重疊區(qū)內(nèi)成功切換至eNBb,就要使列車與eNBa、eNBb均保持可靠的通信連接,并順利觸發(fā)切換。因此,切換成功率可描述為:切換前與eNBa通信未中斷、切換中順利觸發(fā)并成功切換和切換成功后與eNBb未中斷同時(shí)成立。切換成功率Psuc可表示為

Psuc=[1-Pout(dx)a]·Ptri(dx)·[1-Pout(dx)b]

(29)

式中:Pout(dx)a為MRN與源基站a的通信中斷概率;Pout(dx)b為MRN與目的基站b的通信中斷概率。

4 仿真結(jié)果

本文利用MATLAB仿真平臺(tái)驗(yàn)證越區(qū)切換算法性能,仿真參數(shù)如表1所示[14]。

表1 仿真參數(shù)

圖7為當(dāng)h=3 m,Wdown=6 m,H2取值為2.5～5 m,eNB底端和鐵軌之間的距離d取值為10～50 m時(shí),滿足發(fā)射波束不被遮擋的最低eNB天線高度?？煽闯?當(dāng)H2≤h時(shí),eNB天線高度取值無約束;當(dāng)H2>h時(shí),eNB距離MRN越遠(yuǎn),路塹邊坡越高,滿足波束無遮擋時(shí)的eNB天線高度值就越大。這說明,圖3(c)所示的淺路塹地形通常不會(huì)發(fā)生波束被路塹邊坡遮擋的現(xiàn)象,深路塹地形可能存在波束被路塹邊坡遮擋的情況。波束是否被遮擋與eNB天線高度H1、路塹邊坡高度H2、MRN高度h以及eNB底端與鐵軌之間的距離d相關(guān)。

圖7 不同距離下波束無遮擋時(shí)的最低eNB天線高度

基于2.2節(jié)分析,本文將樣本數(shù)據(jù)的90%輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,剩余10%作為測試集?；贚STM網(wǎng)絡(luò)訓(xùn)練得到路塹地形下的RSRP預(yù)測值與理論值仿真結(jié)果見圖8。其中,圖8(a)中前90%為樣本數(shù)據(jù),剩余10%為預(yù)測結(jié)果;圖8(b)為樣本數(shù)據(jù)與預(yù)測數(shù)據(jù)的結(jié)果對比(注:橫坐標(biāo)180個(gè)數(shù)據(jù)點(diǎn)的對應(yīng)編號為1620～1800);圖8(c)為預(yù)測值與樣本數(shù)據(jù)之間的誤差變化。由圖可知,基于LSTM的RSRP預(yù)測值與理論值基本擬合,波動(dòng)幅度相對平穩(wěn),很好地預(yù)測了未來時(shí)刻接收信號質(zhì)量的變化趨勢,能夠滿足實(shí)際RSRP預(yù)測需求。

圖9為基于LSTM預(yù)測和k-Pa聯(lián)合約束的波束增益分配結(jié)果。圖中,點(diǎn)P、Q、R分別表示eNB重疊區(qū)的起點(diǎn)、中點(diǎn)和終點(diǎn)。在eNB重疊區(qū)內(nèi)C點(diǎn)(2 114 m)之前,RSRP值較大,eNB無需補(bǔ)償波束增益就能觸發(fā)越區(qū)切換;C點(diǎn)之后,列車離eNB越來越遠(yuǎn),RSRP值減小,eNB需要補(bǔ)償一定的波束增益才能順利觸發(fā)切換;D點(diǎn)(2 915 m)之后,RSRP值降至最低,列車所需的波束增益大于eNB所能補(bǔ)償?shù)牟ㄊ鲆?eNB只有降低切換觸發(fā)門限才能保證切換順利進(jìn)行。

圖9 基于LSTM預(yù)測和k-Pa聯(lián)合約束的波束增益分配

圖10 波束賦形預(yù)留角

路塹、高架橋地形下的切換中斷概率、切換觸發(fā)概率和切換成功率性能對比曲線分別見圖11～圖13。其中,路塹場景、高架橋場景分別用Cuttings、Viaduct表示,傳統(tǒng)A3切換算法[14]用A3表示,均勻波束賦形算法[14,18]用JY表示,文中提出的動(dòng)態(tài)波束賦形-無預(yù)留角算法用DB-NA表示,動(dòng)態(tài)波束賦形-預(yù)留角算法用DB-A表示。

由圖11可以看出,兩種地形下,動(dòng)態(tài)波束賦形-預(yù)留角算法的切換中斷概率最低,均勻波束賦形算法切換中斷概率雖優(yōu)于傳統(tǒng)A3切換算法,但明顯低于本文所提算法。這是因?yàn)椴ㄊA(yù)留角策略考慮了MRN定位誤差引起的波束賦形角度誤差,通過增加波束預(yù)留角可以有效降低切換中斷概率。其次,在高架橋場景中四種算法的系統(tǒng)性能都優(yōu)于路塹場景的對應(yīng)算法,這是因?yàn)楦呒軜驁鼍暗腖oS概率均值大于路塹場景的LoS概率均值,路徑損耗較小。

由式(28)可知,切換觸發(fā)概率與波束預(yù)留角無關(guān),圖12對比了兩種場景下動(dòng)態(tài)波束賦形-無預(yù)留角算法、傳統(tǒng)A3算法和均勻波束賦形算法的切換觸發(fā)概率變化趨勢。圖中,隨著列車從P點(diǎn)移動(dòng)至R點(diǎn)的過程,三種算法的切換觸發(fā)概率隨之增加,動(dòng)態(tài)波束賦形算法的切換觸發(fā)概率變化趨勢與均勻波束賦形算法相似,但都大于A3切換算法和均勻波束賦形算法。這是因?yàn)楫?dāng)列車進(jìn)入eNB重疊區(qū)時(shí),eNB由全向天線模式轉(zhuǎn)為動(dòng)態(tài)波束賦形模式,列車同時(shí)接收到eNBa和eNBb事先預(yù)測并分配的波束賦形增益,當(dāng)列車經(jīng)過Q點(diǎn)之后,eNBa增益減小加速了越區(qū)切換的觸發(fā),使兩種波束賦形算法的切換觸發(fā)概率急劇增大。

圖12 高架橋、路塹場景下的切換觸發(fā)概率

在圖13中,隨著列車從P點(diǎn)移動(dòng)至R點(diǎn),四種算法的切換成功率隨之增加,動(dòng)態(tài)波束賦形-預(yù)留角算法和動(dòng)態(tài)波束賦形-無波束預(yù)留角算法的性能相近,均優(yōu)于A3切換算法和均勻波束賦形算法。

圖13 高架橋、路塹場景下的切換成功率

圖14對比了本文所提算法與傳統(tǒng)A3切換算法和均勻波束賦形算法的切換時(shí)延。在25次仿真實(shí)驗(yàn)中,動(dòng)態(tài)波束賦形算法的平均切換時(shí)延為110.96 ms,其時(shí)間開銷相比傳統(tǒng)A3切換算法和均勻波束賦形算法,分別增加了6.20%和5.11%。

圖14 不同切換算法的時(shí)延對比

綜上所述,路塹場景下的切換中斷概率高于高架橋場景,切換觸發(fā)概率和切換成功率低于高架橋場景,整體上運(yùn)用基于LSTM的動(dòng)態(tài)波束賦形算法后高架橋場景的切換性能更優(yōu)。我國現(xiàn)行鐵路無線通信系統(tǒng)對切換成功率的要求為大于等于99.5%[1],由圖13及具體數(shù)據(jù)可知,相比A3切換算法和均勻波束賦形算法,采用動(dòng)態(tài)波束賦形-預(yù)留角切換算法能夠使列車在到達(dá)重疊區(qū)終點(diǎn)R之前就達(dá)到規(guī)定的切換成功率指標(biāo)要求。具體地說,動(dòng)態(tài)波束賦形預(yù)留角算法在路塹場景和高架橋場景下分別在距離R點(diǎn)之前的340、449 m處時(shí)即可達(dá)到指標(biāo)要求,比均勻波束賦形算法對應(yīng)的這一距離分別提前了300、440 m。

結(jié)合圖13和圖14的仿真分析可知,相比傳統(tǒng)A3切換算法和均勻波束賦形算法,所提算法分別增加了6.20%和5.11%的時(shí)間開銷,而路塹場景下的切換成功率分別提升了53.73%和16.01%,高架橋場景下的切換成功率分別提升了51.89%和22.92%。這說明,在略微犧牲切換時(shí)延的條件下,本文算法性能優(yōu)于A3切換算法和均勻波束賦形算法。另一方面,根據(jù)仿真設(shè)置參數(shù),計(jì)算可得列車經(jīng)過重疊區(qū)的時(shí)間為12 s,所提算法的越區(qū)切換時(shí)延遠(yuǎn)小于12 s,說明列車在重疊區(qū)內(nèi)能夠順利完成越區(qū)切換,算法設(shè)計(jì)具有可行性。

5 結(jié)論

本文提出一種應(yīng)用于高鐵通信場景的基于LSTM動(dòng)態(tài)波束賦形的列車越區(qū)切換算法,通過增加動(dòng)態(tài)波束增益解決eNB重疊區(qū)內(nèi)列車越區(qū)切換成功率低導(dǎo)致的切換失敗問題?；谥欣^通信模型給出了路塹運(yùn)行場景中波束無遮擋傳輸?shù)膃NB天線高度設(shè)置規(guī)律;提出的基于神經(jīng)網(wǎng)絡(luò)的RSRP預(yù)測和k-Pa聯(lián)合約束的動(dòng)態(tài)波束增益分配算法,能夠穩(wěn)定預(yù)測未來時(shí)刻列車所需的波束賦形增益,為eNB總功率的合理分配提供依據(jù);提出基于位置輔助的動(dòng)態(tài)波束賦形機(jī)制,進(jìn)一步提升了切換系統(tǒng)性能;為規(guī)避定位誤差引起的波束賦形角度誤差,采用增加預(yù)留角的策略實(shí)現(xiàn)動(dòng)態(tài)波束賦形,同時(shí)結(jié)合不同場景下的路徑損耗預(yù)測模型,對越區(qū)切換算法性能進(jìn)行了評估。仿真數(shù)據(jù)表明,所提算法能有效預(yù)測未來時(shí)段列車的RSRP;對比A3切換算法和均勻波束賦形算法,重疊區(qū)內(nèi)采用動(dòng)態(tài)波束賦形-預(yù)留角策略的切換中斷概率有了顯著降低,切換觸發(fā)概率和切換成功率有了明顯提高,達(dá)到了規(guī)定的切換成功率指標(biāo)要求。

未來工作中,將對5G-R系統(tǒng)中使用毫米波天線陣列實(shí)現(xiàn)更加集中、定向和更強(qiáng)功率的電磁波波束賦形傳輸方式解決傳輸路徑上存在遮擋和強(qiáng)干擾的問題作進(jìn)一步研究。