信道模型移动通信中，信道模型是怎么样的？

载波5.725.G Hz用哪个信道模型分析比较好？

在研究甚窄带电力线载波通信技术的过程中，也对载波通信所使用的电力线载波信道有了些研究和认识，特别是后期专门对一些典型的现场的数据进行测量。

　　这些工作是评价新的载波通信技术的基础，但值得注意的是，由于电力线载波信道的复杂性，在短时间的研究测试工作也只能得到一个粗略的结论，其主要作用在于印证所使用的一些别人在这方面的测试和研究结果，所以这里所提到的有关电力线载波信道的特点主要是对接触电力线信道过程中感性认识的一些总结，其中的数据部分仅有参考意义。

　　有些结论是参考别人的研究成果，与的实际工作经验印证后的结果。

　　低压电力网的特性要从对信号的衰减和信道本身的干扰信号两方面来考虑，虽然衰减和干扰本身最终都影响信噪比。

　　但电力线上的衰减具有时变位置相关和随机猝发等特点，危害更大。

LTE信道有哪些模型，EVAEPAETU三种信道模型分别指什么

eva extended vehicular A扩展步行者信道模型 epa extended pedestrian A 扩展车辆信道模型 etu extended typical urban 扩展典型城市信道模型

瑞利衰落信道的物理模型

瑞利分布是一个均值为0，方差为σ2的平稳窄带高斯过程，其包络的一维分布是瑞利分布。

其表达式及概率密度如图所示。

瑞利分布是最常见的用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性的一种分布类型。

两个正交高斯噪声信号之和的包络服从瑞利分布。

瑞利衰落能有效描述存在能够大量散射无线电信号的障碍物的无线传播环境。

若传播环境中存在足够多的散射，则冲激信号到达接收机后表现为大量统计独立的随机变量的叠加，根据中心极限定理，则这一无线信道的冲激响应将是一个高斯过程。

如果这一散射信道中不存在主要的信号分量，通常这一条件是指不存在直射信号（LoS），则这一过程的均值为0，且相位服从0 到2π的均匀分布。

即，信道响应的能量或包络服从瑞利分布。

若信道中存在一主要分量，例如直射信号（LoS），则信道响应的包络服从莱斯分布，对应的信道模型为莱斯衰落信道。

通常将信道增益以等效基带信号表示，即用一复数表示信道的幅度和相位特性。

由此瑞利衰落即可由这一复数表示，它的实部和虚部服从于零均值的独立同分布高斯过程。

双选信道如何仿真呢？可以用Jakes模型吗？

可以用jakes模型。

jakes模型就相当于时间选择性信道，因为里面涉及了多普勒频移。

至于频率选择性（多径），就可以多建立几个jakes模型，配合时间延时，就可以了！

移动通信中，信道模型是怎么样的？

1、Clarke Modal最理想的模型: 其中N为多径径数，Cn为每一径的幅度增益，wd为最大多普勒频散，an为每一径来波方向，phin为每一径初始相位。

其中Cn，an，phin是随机数，在径数N很大的时候，g(t)可被视为高斯随机过程，an,phin看做在(-pi,pi]均匀分布，由此有以下结论：（1）信号幅度服从瑞利分布；（2）相位在(-pi,pi]均匀分布；（3）信道响应的二阶统计特性：如自相关满足贝塞尔曲线J(wd*tau),（tau:相关时间差，之前我写过一篇速度估计的日志，其中的相关算法就是基于自相关的二阶统计特性估计移动速度），信号两个正交分量的互相关为0；（4）以及四阶统计特性。

由于告诫统计特性不好表达，直接给出公式了： 2、Jake Modal:这是现在常用的信道模型，与Clarke的不同时，归一化后每一径幅度增益相同且为1/sqrt(N),每径初始相位都为0，第n径来波方向为2*pi*n/N,n=1,2,3,..N。

也就是上述中的Cn，an，phin为： Jake模型大名就不说了，我觉得大家之所以那么爱用它是因为它将Clarke理论模型优化了，它是可以用仿真实现的。

毕竟Clarke是个统计模型，每一径来波方向都在(-pi,pi]均匀分布的随机数，但只当多径数量趋于无穷的时候才符合以上统计特性，看到许多文章都用100个正弦分量来合成一个径，这对系统仿真来说代价太大。

那么怎么才能用有限个的正弦分量(N)产生符合Clarke统计特性的信道呢？Jake模型为了减少计算量，就人为的把N径均匀的分布在(-pi,pi]范围内，仿真的时候这N个径不是(-pi,pi]的随机数，而是公式an=2*pi*n/N给出的特定值，这样即使N很小也能保证N个径合成的信号与Clarke模型理论一致的，图1给出了N=6时的情况。

可以说Jake模型为Clarke理论模型找到了实际仿真可用的信道设计方案。

但是有些地方理想的比较过分，比如每一径的增益都一样（实际中可能吗？多径延时特别小的话可以吧），而且初始相位也相同（可能吗？多径延时特别小的话可以吧），这样设计可能对算法仿真结果上有好处，不过做工程的话还是希望仿真模型更接近实际一些吧，所以文章【1】对Jake模型进行改进。

图1 方位角an分布 但Jake模型的有一处设计让我很惊叹它的巧妙，即径数的选择N=4M+2，有了这个条件就可以简化仿真运算，可以减少做硬件用到的震荡器（正弦分量）数量，想想本来要用N个正弦分量，现在只需M=(N-2)/4个了，简化运算量。

就拿TD-SCDMA信道来说吧，通常给出5个径的Power Average和多径时延tau_t，注意这里的径区别于上述径。

此处为“大径”，大径由多径时延区分开，而其中每一个“大径”由无穷个“小径”合成，这些“小径”才是上面模型所提到的径的概念，“小径”合成的大径服从上述的Clarke模型或Jake模型的统计特性，假设有6个小径N=6，那么M=1，从图1可以看出这6个“小径”方位角分布的对称关系，从而将信道模型化简为： 从上面看出，Jake模型和Clarke有那么多不同，就可以很容易理解为什么Jake模型的统计特性与Clarke理论不符了，下面给出公式： 3、改进信道：尽管Jake信道那么的受欢迎，但是由于其高阶统计特性与理想不符，所以文章【1】的作者对它进行了改进，其实我倒是觉得这个信道怎么又朝着Clarke改回去了，说白了就是让幅度、初始相位、来波方向尽可能随机以符合Clarke理论的统计分布，但同时又能保证如Jake模型中所有径总体来看在（-pi,pi]上均匀分布的，是有可借鉴之处的。

挺适合我之前说的速度估计算法使用，毕竟相关算法、CrossingRate算法都是由理论Clarke模型推出来的嘛。

既能保证统计特性符合Clarke理论，又借鉴了Jake模型的优点能减少硬件实现和仿真时用到的正弦分量(径数N)的个数。

另外文章【1】说Clarke模型无法产生用于频率选择性和MIMO的信道，这个我是百思不得其解，怎样的统计特性才符合呢？为什么文章【1】的统计特性就可以产生符合MIMO的信道呢，想通了留到总结(2)记录好了。

下面给出Cn，an，phi公式： 其高阶统计特性如下，与在径数大的时候与Clarke完全一致：