当前位置: 首页 > news >正文

5G NR-NTN协议学习系列:NR-NTN介绍(3)

前面讨论了NTN网络中传播时延的特点与变化。这次接着讨论NTN网络中的传播路径损耗问题。传播路径损耗与射频频段有直接关系,当前主要的卫星频段是C,S,Ku和Ka。

图片

全球不同国家和地区对卫星频段的分配也有所不同,具体参考下表:

图片

3GPP针对NTN的研究报告指出NTN网络中卫星NTN payload与NTN终端UE之间的信号路径会经历多级传播衰减。具体的Path Loss路损公式如下所示:

图片

其中PL_b表示基础路损,PL_g表示大气层衰减,PL_s表示电离层衰减或对流层衰减,PL_e表示建筑物穿透衰减。

基础路损PL_b由3部分组成,自由空间路损,地物损耗以及阴影衰落。其中自由空间路损FSPL与通信双方的欧几里得距离d以及载波频率f_c有关。

图片

对于地面的NTN终端,三维空间距离d也称为slant range,由NTN payload轨道高度,仰角和地球半径共同决定。

图片

图片

地物损耗Clutter Loss是由于地表物体对电磁波的阻挡,反射或散射导致的信号衰减。在NTN中主要取决于仰角α和载波频率f_c。阴影衰落Shadow Fading符合对数正态分布,是一个标准差为

图片

的零均值正态分布。

综上所述基础路损PL_b为三者之和:

图片

根据不同的部署场景,比如密集城区,城区,乡村等情况,PL_b的SF和CL如下图所示:

图片

图片

图片

大气层衰减PL_g主要针对10GHz以上的频段,详细的计算参考ITU-R P.676 Annex 1。假定的参数如下:T = 288.15K,p = 1013.25hPa,ρ = 7.5g/m³,e = ρT/216.5 = 9.98hPa。

卫星通信中常用于评估接收机/发射机整体射频链路性能的FoM(Figure of Merit)是antenna gain-to-noise-temperature ratio G/T。G是载波频率处的antenna gain,T则是射频链路的等效噪声温度(开氏温度)。根据等效噪声温度的定义,用T_A开式温度下50Ω电阻的热噪声功率等效天线的噪声功率。因为任何物理温度高于绝对零度的物体都会辐射能力(也叫噪声)。物体辐射的能量通常以亮度温度衡量,且是载波频率,极化,辐射系数和分子结构/温度的函数。天线温度antenna temperature是形容天线产生多少噪声的参数,具体噪声取决于天线增益模型和温度条件,有时候也称为天线噪声温度。

对于卫星通信天线,天线噪声温度T_A的定义如下公式所述:

图片

θ是azimuth angle,φ是elevation angle也叫zenith angle。G(θ,φ)是特定角度的空间方向性增益。

3GPP在研究NTN的Technical Report 38.811中定义计算G/T的公式如下:

图片

G_A是天线增益(dBi),NF是噪声系数,T_0是环境温度(开氏温度),T_A是天线温度。典型NTN网络中终端设备的射频特性参数如下表所示:

图片

从上表也可以计算得出链路预算的具体值。

图片

S频段的downlink和uplink链路预算计算结果如下表:

图片

上图中Polarization loss是0dB,而前面特别注明卫星覆盖下的Equivalent EIRP只有20dBm,是因为考虑了3dB的Polarization loss。

Polarization loss是由于通信双方的收发天线采用了不同的极化方式导致的信号能量损失。比如发端采用左圆极化天线,而接收端采用右圆极化天线,则理论上会产生3dB的极化损耗。同时对于TN地面网络常用的线极化天线,由于卫星通信需要考虑电离层的法拉第旋转效应,性能并不如圆极化天线。因为法拉第旋转效应对传播方向沿着地球磁场的线极化电磁波,在穿过电离层时受洛伦茨力的影响,导致极化角度的旋转,产生的极化偏差。法拉第旋转效应示意图如下:

图片

B为地球磁场方向,E为电磁波电场方向(即极化方向)。在电磁波传播过程中,法拉第旋转效应可以用下面的矩阵进行数学表达:

图片

在确定链路级仿真模型时,需要在计算信道系数过程中考虑法拉第旋转效应,对信道冲激响应进行上述矩阵的叠加,同时矩阵元素与载波频率有相关性。ITU建议的相关性计算公式:ψ = 108/f_c²。

基于线极化天线易受法拉第旋转效应影响,圆极化通常被卫星通信作为天线极化方式。圆极化基于电场E的旋转方向可以分为左圆极化LHCP和右圆极化RHCP。

图片

由于NTN UE大概率同时支持TN,因此如何设计UE的射频和天线让UE能同时支持圆极化与线性极化方式是终端需要重点考虑的问题。

后面继续讨论NTN网络中的多普勒频移效应,有错误还请指正,感谢。

http://www.dtcms.com/a/394951.html

相关文章:

  • 一场 MCP 生态的变革——详解 OpenTiny NEXT 逆向思维的技术创新
  • 【案例教程】从CNN到 Transformer:基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类
  • 私有证书不被edge浏览器认可的问题的解决-Debian13环境下
  • 团体程序设计天梯赛 L2-052 吉利矩阵 (DFS+剪枝)(Java实现)
  • 【LeetCode 每日一题】966. 元音拼写检查器
  • windows 服务器如何开启系统自带的ftp服务
  • 2025年面试经历
  • Linux 基础:目录结构
  • OpenLayers地图交互 -- 章节七:指针交互详解
  • Kafka实战案例一:阿里云Kafka智能设备数据实时处理系统
  • 回调函数与错误处理
  • 深入大模型-2-大模型微调之Windows10安装大语言模型Unsloth微调环境
  • openssl x509 -noout -text -in server.cert.pem输出字段详解
  • Linux 基础:Vi/Vim 编辑器
  • K8s和Service Mesh如何强化微服务治理能力
  • 知识图谱赋能自然语言处理的深层语义分析:技术、影响与前沿趋势
  • 论文笔记:How Can Recommender Systems Benefit from Large Language Models: A Survey
  • idea终端添加git-bash,支持linux的shell语法
  • MITRE ATLAS对抗威胁矩阵:守护LLM安全的中国实践指南
  • 常见的 Web 项目性能优化方法有哪些?​​也适用于首页
  • Qt QMainWindow类深度解析:主窗口框架的核心实现
  • 知识图谱对自然语言处理深层语义分析的革命性影响与启示
  • 内部标识符
  • 计算机网络2
  • 计算机视觉(opencv)实战三十二——CascadeClassifier 人脸微笑检测(摄像头)
  • MyBatis-Plus 全方位深度指南:从入门到精通
  • PyTorch 神经网络工具箱:从组件到基础工具,搭建网络的入门钥匙
  • 分布式专题——18 Zookeeper选举Leader源码剖析
  • JVM 调优在分布式场景下的特殊策略:从集群 GC 分析到 OOM 排查实战(二)
  • 基于OpenEuler部署kafka消息队列