摘 要：

第五代移動(dòng)通信技術(shù)（5th generation， 5G）中高可靠低時(shí)延通信（ultra reliability and low latency communication， URLLC）應(yīng)用場景，十分契合航空5G機(jī)場場面寬帶移動(dòng)通信系統(tǒng)建設(shè)要求。以丟包率為定義的可靠性指標(biāo)沒有反應(yīng)時(shí)變無線信道的時(shí)間依賴性和不同URLLC服務(wù)所需的持續(xù)時(shí)間。針對以上存在的問題，運(yùn)用生存分析的方法，將URLLC關(guān)鍵技術(shù)與可靠性理論中失效率相結(jié)合，提出了可靠連通度指標(biāo)，基于接收端信號強(qiáng)度，建立理論分布模型和數(shù)據(jù)驅(qū)動(dòng)模型，對時(shí)變信道在未來1子幀內(nèi)可靠連通度進(jìn)行預(yù)測，并建立城市宏單元-非視距-簇時(shí)延線信道模型算例對模型進(jìn)行對比分析，并在不同雨衰條件下，分析信道系統(tǒng)的可靠連通度。結(jié)果表明，數(shù)據(jù)驅(qū)動(dòng)模型可靠性預(yù)測的均方誤差（mean square error， MSE）可達(dá)0.1%，優(yōu)于理論分布模型，且在惡劣天氣情況下，多輸入多輸出信道可靠性相比于多輸入單輸出信道具有更高的抗衰落能力。

關(guān)鍵詞：

5G通信; 高可靠低時(shí)延通信場景; 可靠性; 機(jī)器學(xué)習(xí)

中圖分類號：

TN 914

文獻(xiàn)標(biāo)志碼： A""" DOI：10.12305/j.issn.1001-506X.2024.05.34

Channel connectivity reliability prediction in URLLC scenario

WANG Xi*， REN Hui， WANG Wei， ZHANG Jiayi， ZHAO Hongshan

（College of Electrical and Electronic Engineering， North China Electric Power University， Baoding 071003， China）

Abstract：

The application scenario of ultra reliability and low latency communication （URLLC） in the 5th generation mobile communication technology （5G） is very suitable for the construction of aeronautical mobile airport communications system in the 5G airport scene. The reliability indicator defined by packet loss rate does not reflect the time dependence of time-varying wireless channels and the transmission duration required by different URLLC services. In view of the above problems， the survival analysis method is adopted， the key technology of URLLC with the failure rate in reliability theory is combined， and the reliable connectivity indicator is proposed， which is based on the receiver signal strength. A theoretical distribution model and a data-driven model are proposed to predict the reliable connectivity of time-varying channels in the next subframe， and an example of the urban macro-nonLine of sight-cluster time delay line channel model is established to compare and analyze the models， and the reliable connectivity of the channel system is analyzed under different rain decline conditions. The results show that the data-driven model reliability prediction has a mean square error （MSE） of up to 0.1%， which is better than the theoretical distribution model， and the multi-input multi-output channel reliability has higher fading resistance compared to the multi-input single-output channel under severe weather conditions.

Keywords：

5G communication; ultra reliability and low latency communication （URLLC） scenario; reliability; machine learning

0 引 言

航空第五代移動(dòng)通信技術(shù)（5th generation， 5G）機(jī)場場面寬帶移動(dòng)通信系統(tǒng)是基于具有低時(shí)延、高可靠、大帶寬特性的5G實(shí)現(xiàn)的新一代民航專用網(wǎng)絡(luò)。5G高可靠低時(shí)延通信（ultra reliability and low latency communication， URLLC）場景要求通信系統(tǒng)時(shí)延在1ms以內(nèi)，可靠性須達(dá)到10-5～10-9，適用于機(jī)場“機(jī)-車-場道-設(shè)施”協(xié)同運(yùn)行，實(shí)現(xiàn)信息共享。URLLC系統(tǒng)理論上的高可靠性與低時(shí)延，需要以信道傳輸?shù)目煽啃宰鳛榛A(chǔ)。

在無線系統(tǒng)中，對通信可靠性的定義通常為一定時(shí)間內(nèi)成功發(fā)送數(shù)據(jù)的百分比［1］，即丟包率，然而此定義沒有反映時(shí)變無線信道的時(shí)間依賴性和不同URLLC服務(wù)所需的持續(xù)時(shí)間［2］。由于該指標(biāo)并未涵蓋這些需求，因此針對在給定時(shí)間間隔內(nèi)信道的連通性能分析，國內(nèi)外學(xué)者應(yīng)用可靠性相關(guān)理論分析信道在一定時(shí)間間隔內(nèi)的連通可靠度。Hoessler等［2-3］在研究中證明將可靠性理論應(yīng)用于無線系統(tǒng)場景中是可行的，且對URLLC系統(tǒng)的可靠性評估具有重要補(bǔ)充意義，并且將多端連接系統(tǒng)的瑞利衰落信道轉(zhuǎn)化為連續(xù)時(shí)間的馬爾科夫鏈可修復(fù)系統(tǒng)，用平均失效前時(shí)間（mean time to failure， MTTF）反映信道正常連通的時(shí)間。Balapuwaduge等［4］繼續(xù)進(jìn)行了深入研究，結(jié)合MTTF和平均故障時(shí)間（mean time between failures， MTBF）概念對信道可用時(shí)間間隔和不可用時(shí)間間隔進(jìn)行分析，深化了可靠性理論在通信系統(tǒng)連通度方面的研究。Angjelichinoski等［5-6］則進(jìn)一步將可靠性理論應(yīng)用到URLLC系統(tǒng)中，與傳輸速率相聯(lián)系，確保在指定速率下URLLC系統(tǒng)可保持較高可靠性。針對信道的統(tǒng)計(jì)特性的研究。前人們研究過程中，大多采用瑞利信道作為通信模型，且并未與5G通信中涉及的關(guān)鍵技術(shù)以及URLLC系統(tǒng)特有的超短時(shí)延小包傳輸特點(diǎn)進(jìn)行結(jié)合。

大量研究表明，根據(jù)信道狀態(tài)信息（channel state information， CSI）計(jì)算通信中斷概率，進(jìn)而評估信道的可靠連通度是可行的。然而這種方法存在以下問題［7-15］：

（1） 在實(shí)際工程應(yīng)用中某些環(huán)境參數(shù)變化（如天氣狀況）的不確定性和某些用戶端高速移動(dòng)的特性會(huì)導(dǎo)致URLLC系統(tǒng)對CSI的了解并不是完備已知的，從而導(dǎo)致無法確定信號傳輸路徑時(shí)變特性，使得URLLC系統(tǒng)在應(yīng)用中達(dá)不到聲稱的極高可靠度。

（2） CSI矩陣常為復(fù)雜矩陣，并且在計(jì)算信道中斷概率的流程中，需要復(fù)雜封閉表達(dá)式和計(jì)算流程，因此會(huì)大量消耗計(jì)算時(shí)間與內(nèi)存，并且所需深度學(xué)習(xí)模型深度要求較高。

本文基于前人研究，以接收信號強(qiáng)度（received signal strength， RSS）為測量量并設(shè)置閾值，運(yùn)用生存分析的方法，建立信道的可靠連通度預(yù)測模型。采用威布爾分布概率模型，統(tǒng)計(jì)信道有效傳輸時(shí)長的累積分布函數(shù)（cumulative distribution function， CDF）曲線，與可靠性理論中的失效率相結(jié)合，預(yù)測信道在已處于有效傳輸時(shí)間段時(shí)，未來一段時(shí)間的連通可靠度;與URLLC系統(tǒng)關(guān)鍵技術(shù)相結(jié)合，通過多輸入多輸出（multi-input multi-output， MIMO）技術(shù)，實(shí)現(xiàn)空間分集，研究信道在1子幀內(nèi)所能維持的可靠性;針對因?qū)嶋H應(yīng)用中各種因素導(dǎo)致的信道統(tǒng)計(jì)特性的非參數(shù)化情況，將可靠性理論與機(jī)器學(xué)習(xí)相結(jié)合，采用反向傳播（back propagation， BP ）神經(jīng)網(wǎng)絡(luò)和長短期記憶（long short-term memory， LSTM）神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)信道統(tǒng)計(jì)特性，得出失效率，并與威布爾分布模型進(jìn)行準(zhǔn)確度對比，由于CDF曲線的樣本復(fù)雜度通常并不高，因此可減小神經(jīng)網(wǎng)絡(luò)深度和訓(xùn)練樣本復(fù)雜程度、內(nèi)存與計(jì)算時(shí)間。最終，本文以城市宏單元-非視距-簇時(shí)延線（urban macro-nonline of sight-cluster time delay line， UMa-NLOS-CDL）信道作為算例，對所提出方法的有效性進(jìn)行了檢驗(yàn)，并分析了不同天氣條件、不同發(fā)射機(jī)與接收機(jī)數(shù)量對信道傳輸可靠性的影響。此研究可用于對URLLC系統(tǒng)冗余發(fā)送性能的評估。

1 URLLC關(guān)鍵技術(shù)

隨著第三代合作伙伴計(jì)劃（3rd generation partnership project， 3GPP）有關(guān)5G新無線（new radio， NR）技術(shù)的R17版本標(biāo)準(zhǔn)凍結(jié)，5G通信正式步入商用［16］，根據(jù)R17版本中對URLLC系統(tǒng)的關(guān)鍵技術(shù)的總結(jié)，可分為低時(shí)延技術(shù)和高可靠技術(shù)兩方面。如圖1所示。

為實(shí)現(xiàn)低時(shí)延技術(shù)，3GPP在URLLC系統(tǒng)中引入了mini-slot概念，縮短了空口數(shù)傳的長度， 5G NR所采用的幀與子幀結(jié)構(gòu)與第4代無線通信技術(shù)中的長期演進(jìn)技術(shù)（long term evolution， LTE）技術(shù)相類似，固定10 ms/幀，1 ms/子幀，每一子幀中包含多個(gè)時(shí)隙， LTE技術(shù)以每個(gè)時(shí)隙內(nèi)整體的符號為單位進(jìn)行調(diào)度（通常為14個(gè)符號）。

而5G NR的不同則在于將每個(gè)在時(shí)隙細(xì)分引入子時(shí)隙的概念，通常由兩個(gè)或多個(gè)符號組成，如圖2所示。相比于LTE，該技術(shù)可實(shí)現(xiàn)靈活的時(shí)隙配置，適用于URLLC系統(tǒng)進(jìn)行超短時(shí)延小包業(yè)務(wù)。

上行免授權(quán)調(diào)度配置。在基站側(cè)先為部分終端分配上行傳輸資源，終端根據(jù)業(yè)務(wù)需求在預(yù)分配的資源上發(fā)起上行傳輸，從而達(dá)到減少調(diào)度時(shí)延。

資源搶占。由于URLLC所承擔(dān)的業(yè)務(wù)具有低時(shí)延傳輸需求，并且要求可以即時(shí)傳輸，因此可按照調(diào)度指示優(yōu)先傳輸資源，例如URLLC業(yè)務(wù)可搶占增強(qiáng)移動(dòng)寬帶（enhanced mobile broadband， eMBB）業(yè)務(wù)資源。

實(shí)現(xiàn)URLLC系統(tǒng)的高可靠技術(shù)目前主要包含分集技術(shù)、信道質(zhì)量指示器與調(diào)制編碼方案映射表技術(shù)。分集技術(shù)主要包含空間分集、頻率分集、時(shí)間分集與極化分集，詳見文獻(xiàn)［17-19］，本文運(yùn)用MIMO技術(shù)實(shí)現(xiàn)空間分集，將將同一信息進(jìn)行編碼后從多根天線上發(fā)送，如圖3所示。

其中，H=［hij］表示傳輸信道，TX=［TXi］表示為發(fā)送端發(fā)射機(jī)，RX=［RXi］表示用戶端接收機(jī)。

2 5G通信系統(tǒng)連通可靠性預(yù)測

通信系統(tǒng)可靠連通度的定義為在一定時(shí)間間隔內(nèi)，終端可正確接收基站信號的概率。本節(jié)基于5G信道的統(tǒng)計(jì)特性，采用生存分析理論，建立理論分布和數(shù)據(jù)驅(qū)動(dòng)模型，對信道接收端可靠連通度進(jìn)行預(yù)測。

2.1 通信系統(tǒng)可靠連通度模型

信號由于環(huán)境以及建筑物對信號散射的影響通過無線信道到達(dá)另一端時(shí)，信號幅度在時(shí)間和頻率上波動(dòng)的現(xiàn)象稱為衰落。當(dāng)RSS低于某一閾值R0時(shí)，接收端基于信號功率對信號進(jìn)行解碼的結(jié)果不再可靠，則認(rèn)為信道發(fā)生阻塞［20］如下所示：

2.3 基于數(shù)據(jù)驅(qū)動(dòng)模型的通信系統(tǒng)可靠性預(yù)測

機(jī)器學(xué)習(xí)的各種模型均具有較多的參數(shù)，通過擬合這些參數(shù)，可以獲得與數(shù)據(jù)集近似的曲線。根據(jù)失效率定義，本文以獲取的生存時(shí)間數(shù)據(jù)集為基礎(chǔ)，通過減去正常運(yùn)行時(shí)間t，進(jìn)而獲得剩余生存時(shí)間的數(shù)據(jù)集，用于模型訓(xùn)練的數(shù)據(jù)集包含：① 剩余生存時(shí)間tm;② 相應(yīng)剩余生存時(shí)間對應(yīng)的CDF值Sm。鑒于網(wǎng)絡(luò)所訓(xùn)練的數(shù)據(jù)集為較平滑的CDF曲線，并不具有較高對復(fù)雜度，因此，不需要采用結(jié)構(gòu)復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)。本文選取BP神經(jīng)網(wǎng)絡(luò)（BP neural network， BPNN）與LSTM神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)信道CDF數(shù)據(jù)集。

2.3.1 BPNN

BPNN是一種利用誤差BP的多層前饋型神經(jīng)網(wǎng)絡(luò)，具有較強(qiáng)的非線性映射能力，構(gòu)建BPNN需要確定輸入層、輸出層、隱藏層的節(jié)點(diǎn)數(shù)以及層數(shù)，訓(xùn)練模型所需的數(shù)據(jù)集中輸入特征的為剩余生存時(shí)間tm，因此輸入層節(jié)點(diǎn)數(shù)均設(shè)置為1，隱藏層有3層，節(jié)點(diǎn)數(shù)分別為5、10、3，輸出目標(biāo)為CDF值Sm，因此設(shè)置輸出層節(jié)點(diǎn)數(shù)為1，在訓(xùn)練過程中選擇Levenberg-Marquardt方法［25］進(jìn)行參數(shù)尋優(yōu)。網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。

2.3.2 LSTM神經(jīng)網(wǎng)絡(luò)

根據(jù)統(tǒng)計(jì)學(xué)知識可知，當(dāng)前時(shí)刻的CDF值總是與前一時(shí)刻或前幾個(gè)時(shí)刻的值相關(guān)，因此有理由將數(shù)據(jù)集視為時(shí)間序列并采用時(shí)間序列預(yù)測模型。

LSTM網(wǎng)絡(luò)是由循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrent neural networks， RNN）延伸發(fā)展而來，在普通RNN基礎(chǔ)上，在隱藏層各神經(jīng)單元中增加及一單元，使RNN具備了長期的記憶功能，對時(shí)間序列具有較好的擬合性能。本研究LSTM結(jié)構(gòu)為3-8-8-1。結(jié)構(gòu)如圖6所示。

圖6為LSTM網(wǎng)絡(luò)結(jié)構(gòu)示意圖，其中，輸入I=［Sm-1， Sm-2， Sm-3］，表示當(dāng)前時(shí)刻前的3個(gè)數(shù)值。隱藏層數(shù)目為2，每個(gè)隱藏層具有8個(gè)LSTM單元。輸出層O=［Sm］，表示當(dāng)前時(shí)刻的預(yù)測值。

2.4 5G通信系統(tǒng)模型

無線信道的衰落通常分為兩類：大尺度衰落和小尺度衰落，本文基于MIMO技術(shù)對接收端和發(fā)射端進(jìn)行設(shè)置，大尺度衰落主要考慮在路徑損耗、葉面損耗以及雨衰，其中，雨衰系數(shù)由天氣條件以及載波頻率決定。小尺度衰落運(yùn)用CDL-B信道模型模擬多徑效應(yīng)造成的快衰落。

2.4.1 MIMO天線陣列

單天線對單天線的傳輸系統(tǒng)，由于環(huán)境復(fù)雜性，會(huì)導(dǎo)致電磁波達(dá)到接收端時(shí)處于相位相反的狀態(tài)，使通過多徑傳輸?shù)男诺老嗷ハ魅踉斐奢^強(qiáng)衰落［26］，而使用天線陣列時(shí)，相當(dāng)于用戶端同時(shí)擁有了多個(gè)相互獨(dú)立的信道，使得相位相反造成的強(qiáng)衰落狀況有所好轉(zhuǎn)。本文采用矩陣A=［M， N， P， Mg， Ng］表示天線陣列數(shù)量與分布，矩陣中M、N表示每個(gè)天線陣列板中天線分布的行數(shù)和列數(shù);P表示極化數(shù)量;Mg、Ng表示多個(gè)天線陣列板的排列方式。以［2，3，2，2，2］為例，天線陣列分布如圖7所示。

2.4.2 大尺度衰落模型

依據(jù)3GPP標(biāo)準(zhǔn)-TR38.901，在傳輸環(huán)境為UMa-NOLS時(shí)，路徑損耗造成的衰落可由下式表示：

PLUMa－NLOS=max（PL′LOS，PLNLOS）（10）

式中：PLUMa－LOS為UMa-LOS環(huán)境下的路徑損耗，取UMa環(huán)境下LOS與NLOS視距下的最大值。在100 m至轉(zhuǎn)折點(diǎn)d′BP距離內(nèi)，PLUMa－LOS表達(dá)式如下：

PLUMa－NLOS=28+22lg d3D+20lg fc（11）

在d′BP至轉(zhuǎn)折點(diǎn)5 000 m距離內(nèi)，PLUMa－LOS表達(dá)式為

PLUMa－NLOS=28+40lg d3D+20lg fc－

9lg（（d′BP）2+（hBS－h(huán)UT）2）（12）

式中：hBS為基站高度;hUT為用戶終端高度;d′BP=4h′BSh′UT·fC/C表示斷點(diǎn)距離;fC為載波頻率;h′BS=hBS－h(huán)E代表基站天線有效高度h′UT=hUT－h(huán)E代表終端天線有效高度，在UMa-NLOS場景下，hE=1 m。

式（10）中PL′LOS表達(dá)式如下：

PL′LOS=13.54+39.08lg d3D+

20lg fc－0.6（hUT－1.5）（13）

根據(jù)以上分析計(jì)算，代入基站終端高度與距離，設(shè)置通信參數(shù)即可求得路徑損耗。

室外環(huán)境下的信號傳輸，多會(huì)遇到樹木遮擋，因此本研究選取在室外環(huán)境載波頻率為30 GHz時(shí)的典型的葉面損耗數(shù)值15 dB。

5 G毫米波容易受到天氣濕度的影響，不同天氣情況下信道所受到的衰落不同，空氣中水汽凝結(jié)成的水滴會(huì)對信號產(chǎn)生散射影響，在晴天狀態(tài)下，天氣濕度降低，散射較弱造成的信道的衰減相對較小，信號強(qiáng)度會(huì)增強(qiáng)，在雨天狀態(tài)下，信道的衰減增強(qiáng)，信號強(qiáng)度減弱。根據(jù)ITU-R P838.3， 描述雨衰的公式如下：

γRa=kRaα（14）

式中：γRa為降雨量Ra情況下的衰減數(shù)值，單位為mm/h，系數(shù)k與α求解公式如下：

k=［kH+kV+（kH－kV）cos2θcos 2τ］/2α=［kHαH+kVαV］/2k+［（kHαH－kVαV）cos2θcos 2τ］/2k （15）

式中：kH與αH為水平方向系數(shù)，kV與αV為垂直方向系數(shù)，θ為路徑方位角，τ為相對于水平方向的極化傾斜角為45°。

2.4.3 小尺度衰落模型

針對毫米波信道小尺度衰落的評估模型，主要包含CDL與抽頭延時(shí)線（tapped delay line， TDL）信道模型兩種［27］，本文應(yīng)用CDL信道模型為算例。

CDL信道模型的適用頻率范圍為0.5～100 GHz，最大帶寬為2 GHz，與應(yīng)用于單輸入單輸出（single-input single-output， SISO）傳輸?shù)男诺滥Ｐ拖啾龋珻DL信道模型引入了簇的概念，其中簇可理解為具有相似到達(dá)方位角、離開方位角和時(shí)延的多徑集合，并且在此基礎(chǔ)上增加了離開天頂角、到達(dá)天頂角［28］，因此可更好地描述多收多發(fā)天線陣列情況下信號的傳輸路徑。

默認(rèn)的CDL信道模型由5種，其中，CDL-B為非視距信道模型，默認(rèn)設(shè)置24簇，每一簇代表不同的功率增益、時(shí)延以及角度，其結(jié)構(gòu)示意圖如圖8所示。本文采用CDL-B信道作為小尺度衰落模型進(jìn)行分析。

在確定信道衰落參數(shù)與模型后，需設(shè)置接收機(jī)靈敏度（receiver sensitivity， RS），當(dāng)信號功率低于接收機(jī)靈敏度，信號無法被接收機(jī)識別并接收，RS計(jì)算公式如下：

RS=－174+NF+10lg B+SINR （16）

式中：NF為接收機(jī)噪聲系數(shù)，通過實(shí)際測量獲得;B為帶寬;SINR為信擾比，為6 dB。

本研究基于文獻(xiàn)［29］設(shè)計(jì)的毫米波前端模塊進(jìn)行噪聲系數(shù)測量，其內(nèi)部收發(fā)鏈路架構(gòu)如圖9所示，中頻固定為3.5 GHz。

圖9中，毫米波芯片的組成包括SPDT開關(guān)ADRF5020、上變頻模塊ADMV1013以及下變頻模塊ADMV1014［30-31］。

對噪聲系數(shù)測試方案如圖10所示，其中噪聲源采用Rohde amp; Schwarz NC346V，信號源采用Rohde amp; Schwarz SMF 100A，中頻側(cè)連接Rohde amp; Schwarz FSW頻譜儀。經(jīng)測試射頻頻點(diǎn)在30 GHz時(shí)噪聲系數(shù)為6.72 dB。

綜上所述，信道的傳輸路徑模型如圖11所示。

圖11展示了信號從發(fā)射端至接收端的過程中，信號所經(jīng)歷的大尺度衰落以及小尺度衰落。當(dāng)?shù)竭_(dá)接收端時(shí)，若經(jīng)過衰落的接收端信號功率小于RS則信道故障，反之則認(rèn)為信道正常。

3 仿真流程

本節(jié)主要介紹仿真流程，首先設(shè)置通信系統(tǒng)仿真參數(shù)，包括MIMO天線、大尺度衰落、小尺度衰落、RS的參數(shù)設(shè)置，生成生存時(shí)間數(shù)據(jù)集，進(jìn)而基于理論分布和數(shù)據(jù)驅(qū)動(dòng)兩種模型進(jìn)行可靠度預(yù)測，通過對各個(gè)模型進(jìn)行誤差分析，可選擇最佳模型進(jìn)行天氣狀況對通信系統(tǒng)的可靠度分析，即計(jì)算不同天氣情況下，1子幀內(nèi)的可靠傳輸時(shí)間，詳細(xì)仿真流程如圖12所示。

4 算例分析

本研究采用仿真軟件中5G toolbox工具箱建立第2.4節(jié)給出的信道模型，仿真參數(shù)設(shè)置由表1給出。

根據(jù)仿真參數(shù)設(shè)置，可求得RS為-138.269 7 dBm，經(jīng)大尺度衰落后信號功率為-130.632 6 dBm，若信號功率經(jīng)過小尺度衰落后低于-138.269 7 dBm，則信道發(fā)生阻塞，因此設(shè)置閾值R0=-138.296 97-（-130.632 6）=-7.664 dB。

以一個(gè)天線陣列單元為例，圖13展示了信道簇傳輸路徑與在一定時(shí)間段內(nèi)CDL-B信道的衰落情況。

本節(jié)進(jìn)行了如下分析：① 對威布爾分布參數(shù)估計(jì)結(jié)果進(jìn)行分析;② 對兩種數(shù)據(jù)驅(qū)動(dòng)方法所得出的失效率誤差進(jìn)行分析并與威布爾分布結(jié)果進(jìn)行對比。③ 利用最佳模型對不同天氣下信道可靠性進(jìn)行預(yù)測。

4.1 基于理論分布的可靠性預(yù)測結(jié)果分析

通過獲取信道數(shù)據(jù)集對模型進(jìn)行驗(yàn)證，提取數(shù)據(jù)集中的阻塞事件，通過MLE求取最佳的參數(shù)。本文選取樣本集數(shù)目M分別為1 000，威布爾分布參數(shù)估計(jì)結(jié)果如表2與圖14所示。

以上圖表展示了威布爾分布PDF與CDF函數(shù)的擬合情況，其中，樣本密度分布按照Scott規(guī)則進(jìn)行區(qū)間設(shè)置，經(jīng)過計(jì)算RX1與RX2的威布爾分布CDF函數(shù)誤差分別為14.455 5 dB和14.174 3 dB。由第1節(jié)可知，5G NR以10 ms為1幀，1 ms為1子幀，現(xiàn)分析當(dāng)前一子幀Subframe2正常工作情況下，下一子幀Subframe2的可靠度。因此，將表2威布爾分布參數(shù)的估計(jì)值代入式（6），設(shè)定t=0.001 s， τ=0.001 s，可求得RX1和RX2的Subframe2區(qū)間內(nèi)預(yù)測的可靠度分別為96.49%和96.61%。由公式（2）計(jì)算得到由Weibull分布模型得到的8×2MIMO信道可靠度R=99.88%。通過仿真獲得的RX1與RX2在Subframe2可靠度分別為95.51%和95.74%，由式（2）計(jì)算得Rsim=99.81%。模型誤差絕對值為0.07%。

4.2 基于數(shù)據(jù)驅(qū)動(dòng)模型的可靠性預(yù)測結(jié)果分析

根據(jù)第2.3節(jié)原理闡述，針對樣本數(shù)據(jù)集進(jìn)行處理，在原有樣本數(shù)據(jù)集基礎(chǔ)上均減去0.001 s，從而獲得特征值tm，針對tm進(jìn)行統(tǒng)計(jì)分析求得CDF值，從而得到對應(yīng)tm下的標(biāo)簽值Sm，經(jīng)過處理后的樣本分布以及兩種數(shù)據(jù)驅(qū)動(dòng)模型的擬合結(jié)果如圖15所示。

根據(jù)圖15中，紫色曲線為樣本分布，黃色曲線為LSTM擬合曲線，紅色曲線為BPNN擬合曲線。根據(jù)圖15分析可知，相對于大概率樣本點(diǎn)，神經(jīng)網(wǎng)絡(luò)在面對小概率樣本時(shí)，性能會(huì)出現(xiàn)下降，但與圖14（b）相比仍然具有優(yōu)勢。針對兩神經(jīng)網(wǎng)絡(luò)和威布爾分布的誤差分析以及與實(shí)際可靠度的對比如表3所示。

由表3可知，三模型的誤差排序：威布爾分布gt;LSTMgt;BPNN，因此選擇最佳模型為BPNN。其中，基于理論分布的失效率函數(shù)的精確度直接取決于威布爾分布兩個(gè)參數(shù)估計(jì)值的精確度，因此威布爾分布對應(yīng)的LOG-MSE為CDF函數(shù)與樣本分布的誤差。經(jīng)過分析，威布爾分布的擬合情況與神經(jīng)網(wǎng)絡(luò)模型相比，差距較大，而威布爾分布與大多理論分布模型均有聯(lián)系。由此可知，經(jīng)過大尺度衰落后，用于刻畫信道快衰落的CDL信道的有效傳輸時(shí)間統(tǒng)計(jì)特性具有一定的非參數(shù)性。

4.3 惡劣天氣情況對5G信道生存時(shí)間的影響

據(jù)中國氣象局標(biāo)準(zhǔn)，降雨量等級如表4所示［32］，通過取各個(gè)降雨等級的降水量（mm/h）上限，將系數(shù)k、α與降水量分別代入式（14）可求得雨衰系數(shù)。

經(jīng)第4.2節(jié)對比分析，本節(jié)采用BPNN為模型對不同天氣下的信道可靠性進(jìn)行分析，并在發(fā)射端不變情況下，對比單接收機(jī)與多接受機(jī)情況下（即不采用分集技術(shù)）的信道可靠性，如圖16所示。

由圖16可知，8×2 MIMO系統(tǒng)相較于8×1 多輸入單輸出（multi-input single-output， MISO）系統(tǒng)具有較高的可靠性，隨著降雨量的增加，多接收機(jī)（8×2 MIMO）情況下的信道可靠連通度由略微下降相比于小雨條件下降0.67%，而單接收機(jī)（8×1 MISO）情況下信道可靠連通度在大暴雨時(shí)出現(xiàn)明顯下滑，相比于小雨條件下降5.23%;對比8×2 MIMO系統(tǒng)與8×1 MISO系統(tǒng)在天氣變化時(shí)的信道可靠度可知，采用MIMO信道實(shí)現(xiàn)分集技術(shù)可以大幅度提高信道的連通可靠度，并且在惡劣天氣下具有較強(qiáng)的抗衰落能力。

5 結(jié) 論

本文結(jié)合URLLC系統(tǒng)關(guān)鍵技術(shù)，對信道的可靠通信時(shí)間進(jìn)行統(tǒng)計(jì)特性分析，并與可靠性理論中的失效率相結(jié)合提出了基于理論分布和數(shù)據(jù)驅(qū)動(dòng)的兩種可靠連通的預(yù)測模型，用于預(yù)測在URLLC系統(tǒng)前一子幀正常通信的情況下，下一子幀的可靠度，對比了兩種模型準(zhǔn)確度，此研究可用于URLLC冗余發(fā)送系統(tǒng)性能評估。得到結(jié)論如下：

（1） 基于威布爾理論分布對接收機(jī)RX1、RX2的CDF曲線進(jìn)行擬合，誤差分別為14.455 5 dB和14.174 3 dB，并聯(lián)系統(tǒng)預(yù)測可靠度為99.88%與真實(shí)值99.81%相比，誤差為0.07%。

（2） 基于BPNN和LSTM神經(jīng)網(wǎng)絡(luò)對RX1、RX2的CDF曲線進(jìn)行擬合，得出并聯(lián)系統(tǒng)預(yù)測可靠度分別為99.82%和99.76%，與真實(shí)值99.81%相比，誤差分別為0.01%和0.05%。

（3） 建立雨衰模型分析惡劣天氣對信道可靠性的影響，在大暴雨天氣條件下，信道可靠性出現(xiàn)了明顯的下降， 8×2 MIMO系統(tǒng)大暴雨天氣下可靠度為99.17%與小雨天氣相比下降0.67%，8×1 MISO系統(tǒng)下大暴雨天氣下可靠度為90.66%，與小雨天氣相比下降5.23%，得出結(jié)論采用MIMO系統(tǒng)實(shí)現(xiàn)的分集技術(shù)會(huì)大大提高系統(tǒng)可靠度并且會(huì)具有相對較強(qiáng)的抗衰落性能。

參考文獻(xiàn)

［1］ 3GPP. Study on scenarios and requirements for next generation access technologies［S］. Nice： European Telecommunications Standards Institute， 2017.

［2］ HOESSLER T， SCHEUVENS L， FRANCHI N， et al. Applying reliability theory for future wireless communication networks［C］∥Proc.of the" IEEE 28th Annual International Symposium on Personal， Indoor， and Mobile Radio Communications， 2017.

［3］ HOESSLER T， SIMSEK M， FETTWEIS G P. Mission reliabi-lity for URLLC in wireless networks［J］. IEEE Communications Letters， 2018， 22（11）： 2350-2353.

［4］ BALAPUWADUGE I A M， LI F Y， PLA V. System times and channel availability for secondary transmissions in CRNs： a dependability-theory-based analysis［J］. IEEE Trans.on Vehicular Technology， 2017， 66（3）： 2771-2788.

［5］ ANGJELICHINOSKI M， TRILLINGSGAARD K F， POPOVSKI P. A statistical learning approach to ultra-reliable low latency communication［J］." IEEE Trans.on Communications， 2019， 67（7）： 5153-5166.

［6］ POPOVSKI P， NIELSEN J， ANGJELICHINOSKI M， et al. Wireless access in ultra-reliable low-latency communication （URLLC）［J］. IEEE Trans.on Communications， 2019， 67（8）： 5783-5801.

［7］ 聶倩. 面向B5G高速移動(dòng)通信系統(tǒng)的基于深度學(xué)習(xí)的信道預(yù)測方法研究［D］. 南京： 南京郵電大學(xué)， 2022.

NIE Q. Research on deep learning-based channel" prediction method for B5G high-speed mobile communication system［D］." Nanjing： Nanjing University of Posts and Telecommunications， 2022.

［8］ 黃駿， 唐慧， 柴利. 基于卷積神經(jīng)網(wǎng)絡(luò)的5G無線信道參數(shù)學(xué)習(xí)方法［J］. 武漢科技大學(xué)學(xué)報(bào)， 2022， 45（2）： 149-154.

HUANG J， TANG H， CHAI L. A learning method for 5g wireless channel parameters based on convolutional netural network［J］. Journal of Wuhan University of Science and Technology， 2022， 45（2）： 149-154.

［9］ HU B， YANG L H， REN L L. Deep learning-based time-varying channel estimation with basis expansion model for MIMO-OFDM system［J］. High Technology Letters， 2022， 28（3）： 288- 294.

［10］ SUN D C， LIU Z J， MA S， et al. Channel prediction using IAA-based spectral estimation in precoded TDD-MIMO systems［J］. IEEE Communications Letters， 2013， 17（4）： 701-704.

［11］ WANG X S， WANG J T， HE L Z， et al. Outage analysis for downlink NOMA with statistical channel state information［J］. IEEE Wireless Communications Letters， 2018， 7（2）： 142-145.

［12］ YAN Z， OUYANG B， ZHANG X， et al. Secrecy outage performance of opportunistic relay selection with limited CSI feedback［J］. IEEE Wireless Communications Letters， 2019， 8（6）： 1626-1630.

［13］ JIANG R H， XIONG K， FAN P Y， et al. Outage probability and throughput of multirelay SWIPT-WPCN networks with nonlinear EH model and imperfect CSI［J］. IEEE Systems Journal， 2020， 14（1）： 1206-1217.

［14］ 季策， 田博彥， 耿蓉， 等. 基于VSCBOMP算法的FBMC/OQAM系統(tǒng)信道估計(jì)［J］. 系統(tǒng)工程與電子技術(shù)， 2023， 45（4）： 1193-1199.

JI C， TIAN B Y， GENG R， et al. FBMC/OQAM system channel estimation based on VSCBOMP algorithm［J］. Systems Engineering and Electronics， 2023， 45（4）： 1193-1199.

［15］ 聶倩， 楊麗花， 呼博， 等. 基擴(kuò)展模型下基于LSTM神經(jīng)網(wǎng)絡(luò)的時(shí)變信道預(yù)測方法［J］. 系統(tǒng)工程與電子技術(shù)， 2022， 44（9）： 2971-2977.

NIE Q， YANG L H， HU B， et al. Time-varying channel prediction method based on LSTM neural networks under basis expansion model［J］. Systems Engineering and Electronics， 2022， 44（9）： 2971-2977.

［16］ 3GPP. Digital cellular telecommunications system （Phase 2+） （GSM）; universal mobile telecommunications system （UMTS）; LTE; 5G; release 17 description; summary of Rel-17 work Items［S］. Nice： European Telecommunications Standards Institute， 2023.

［17］ 張新勛. 基于極化分集和頻率分集技術(shù)的MIMO雷達(dá)抗干擾與目標(biāo)檢測方法研究［D］. 西安： 西安電子科技大學(xué)， 2019.

ZHANG X X. Study on anti-jamming and target detection approaches of MIMO radar based on polarization and frequency diversity［D］. Xi’an： Xidian University， 2019.

［18］ SOFI M A， SAURAV K， KOUL S K. Four-port orthogonal circularly polarized dual-band MIMO antenna with polarization and spatial diversity using a dual-band linear-to-circular polarization converter［J］. IEEE Trans.on" Antennas and Propagation， 2022， 70（9）： 8554-8559.

［19］ KALACHIKOV A A， SHELKUNOV N S. Performance eva-luation of the detection algorithms for mimo spatial multiplexing based on analytical wireless MIMO channel models［C］∥Proc.of the XIV International Scientific-Technical Conference on Actual Problems of Electronics Instrument Engineering， 2018： 180-183.

［20］ 3GPP. 5G; service requirements for next generation new services and markets［S］. Nice：European Telecommunications Standards Institute， 2018.

［21］ LI J L， MA S G. Survival analysis in medicine and genetics［M］. Karabas： CRC Press， 2013.

［22］ MATZ S M， VOTTA L G， MALKAWI M. Analysis of failure and recovery rates in a wireless telecommunications system［C］∥Proc.of" the International Conference on Dependable Systems and Networks，" 2002： 687-693.

［23］ LAITINEN E K. Survival analysis and financial distress prediction： finnish evidence［J］. Review of Accounting and Finance， 2005， 4（4）： 76-90.

［24］ SAMARAKOON S， BENNIS M， SAAD W， et al. Predictive ultra-reliable communication： a survival analysis perspective［J］." IEEE Communications Letters， 2021， 25（4）： 1221-1225.

［25］ CHEN L， MA Y F. Shamanskii-like levenberg-marquardt method with a new line search for systems of nonlinear equations［J］. Journal of Systems Science amp; Complexity， 2020， 33（5）： 1694-1707.

［26］ 董麗峰， 肖瑩， 劉群. LTE關(guān)鍵技術(shù)3D-MIMO［J］. 科技創(chuàng)新與應(yīng)用， 2016（34）： 86.

DONG L F， XIAO Y， LIU Q. LTE key technology 3D-MIMO［J］. Technology Innvation and Application， 2016（34）： 86.

［27］ 3GPP.Study on channel model for frequencies from 0.5 to 100 GHz［S］. Nice：European Telecommunications Standards Institute， 2022.

［28］ 李岸寧. 鐵路5G專網(wǎng)無線通信信道特征分析與建模［D］. 北京： 中國鐵道科學(xué)研究院， 2022.

LI A N. Characteristic analysis and modeling of wireless communication channels in railway 5G dedicated network［D］. Beijing： China Academy of Railway Science， 2022.

［29］ 羅澤文. 面向5G毫米波通信應(yīng)用的射頻前端模塊研究［D］. 廣州： 華南理工大學(xué)， 2021.

LUO Z W. Study of RF front-end modules for 5G millimeter wave communication［D］. Guangzhou：South China University of Technology， 2021.

［30］ LUO Z W， CHEN H D， CHE W Q， et al. Study of 28 GHz transceiver module integrated with LO source for 5G mmWave communication［C］∥Proc.of the" IEEE MTT-S International Microwave Workshop Series on Advanced Materials and Processes for RF and THz Applications， 2020.

［31］ LUO Z W， CHEN H D， FENG L P， et al. Development of a T/R module for 5G Millimeter wave communication［C］∥Proc.of the" IEEE MTT-S International Wireless Symposium， 2021.

［32］ 中華人民共和國國家質(zhì)量檢測檢驗(yàn)委總局， 中國國家標(biāo)準(zhǔn)化管理委員會(huì). 降水量等級（GB/T 28592-2012）［S］. 北京： 中國標(biāo)準(zhǔn)出版社， 2012.

General Administration of Quality Inspection and Testing Commission of The People’s Republic of China， China National Standardization Administration. Precipitation levels （GB/T 28592-2012） ［S］. Beijing： China Standard Publishing House， 2012.

作者簡介

王 希（1998—），男，碩士研究生，主要研究方向?yàn)?G通信業(yè)務(wù)應(yīng)用及其可靠性。

任 惠（1973—），女，教授，博士，主要研究方向?yàn)殡娏ο到y(tǒng)故障連鎖診斷及風(fēng)險(xiǎn)評估。

王 威（1998—），男，碩士研究生，主要研究方向?yàn)榭煽啃耘c風(fēng)險(xiǎn)評估。

張嘉怡（1999—），女，碩士研究生，主要研究方向?yàn)殡娏ο到y(tǒng)慣性分析。

趙洪山（1965—），男，教授，博士，主要研究方向?yàn)樾乱淮茉椿ヂ?lián)網(wǎng)的基礎(chǔ)理論及其關(guān)鍵技術(shù)、配電網(wǎng)電力線載波通信新技術(shù)。