何睿斯，艾渤，鐘章隊，楊汨，黃晨，馬張楓，孫桂琪，米航，周承毅，陳瑞鳳

（1. 北京交通大學軌道交通控制與安全國家重點實驗室，北京 100044； 2. 中國鐵道科學研究院集團有限公司電子計算技術研究所，北京 100081）

1 引言

隨著現(xiàn)代社會城市化進程的推進，城市軌道交通系統(tǒng)的需求持續(xù)增長。中共中央、國務院印發(fā)的《交通強國建設綱要》中明確指出了要建設城市群一體化交通網，推進干線鐵路、城際鐵路、市域（郊）鐵路、城市軌道交通的融合發(fā)展。5G為城市軌道交通系統(tǒng)中高效可靠的數據傳輸、基于通信的列車控制以及高質量乘客服務提供了重要基礎，城市軌道交通有望借助5G通信技術全面實現(xiàn)智能化和信息化的跨越式發(fā)展。2020年《中國移動城市軌道交通5G應用技術白皮書》發(fā)布，標志著5G城市軌道交通技術發(fā)展進入新篇章。在5G城市軌道交通通信系統(tǒng)研究和關鍵技術裝備研發(fā)中，城市軌道交通無線通信場景的精準分類、信道測量與高精度信道建模是重要的基礎。準確合理的場景分類為無線信道的測量與建模、仿真，以及各類關鍵通信技術性能的評估與比對驗證提供重要支撐，信道模型則是通信系統(tǒng)設計、仿真以及優(yōu)化的基礎。本文詳細探討5G城市軌道交通場景分類、信道測量與建模等問題，為未來5G城市軌道交通通信技術的高質量發(fā)展提供支撐。

2 5G城市軌道交通傳播場景

無線通信的場景定義是無線通信技術發(fā)展的基礎，準確合理的場景定義是開展通信信道測量、仿真、系統(tǒng)設計與驗證、通信性能評估的先決條件。5G城市軌道交通通信場景有別于傳統(tǒng)蜂窩通信和鐵路移動通信場景，差異主要來源于兩方面：首先，城市軌道交通的線路和車站大部分位于地下，這與常規(guī)鐵路線路多位于地面、高架橋等空曠環(huán)境存在顯著差異，復雜的傳播環(huán)境也導致城市軌道交通中非直射（non-line-of-sight，NLOS）通信較直射（line-of-sight，LOS）通信占比增多；其次大規(guī)模多輸入多輸出（massive multiple-input multiple-output，mMIMO）、毫米波、無人機、智能反射等5G新技術的引入帶來了天線陣型、頻段、覆蓋范圍等方面變化，這些因素顯著影響5G城市軌道交通通信場景的分類。

具體而言，常規(guī)鐵路傳播場景可以被分為高架橋、路塹、隧道、車站、城區(qū)、郊區(qū)、鄉(xiāng)村、水域、山區(qū)、沙漠、車廂內和混合場景等類型[1-2]。城市軌道交通場景中也存在高架橋、隧道、路塹等場景，但差異在于城市軌道交通中的高架橋、隧道和路塹往往與城區(qū)環(huán)境相結合，這與常規(guī)鐵路中存在大段獨立的高架橋或路塹、且多位于郊區(qū)和鄉(xiāng)村的情況存在明顯不同。而隧道/地下場景為城市軌道交通較為常見的場景。此外，城市軌道交通中的車站應區(qū)分為地上車站和地下車站兩類，二者環(huán)境中反散射體的分布和信道特征存在顯著差異。需要指出的是，通信場景的分類除了考慮電波傳播的因素外，還需結合對實際系統(tǒng)的性能以及所需支撐的通信業(yè)務等因素分析，對于車站等大帶寬、高容量、多連接的通信場景，有望通過5G mMIMO、毫米波、非正交多址接入等技術來滿足超高速率以及多連接等需求，并實現(xiàn)多層異構網絡的混合部署。

綜合上述因素，本文結合城市軌道交通通信需求及5G技術特點，提出了如下5G城市軌道交通通信場景的分類方案，即分為高架橋-城區(qū)混合場景、路塹-城區(qū)混合場景、隧道場景、地上車站場景、地下車站場景、地表城區(qū)場景、空-地通信場景、列車-列車通信場景共8類典型場景。各類場景的典型特點和場景示意圖分別如表1和圖1所示。通信場景的定義為無線信道測量與建模、通信系統(tǒng)設計與仿真、通信技術性能驗證與評估奠定了基礎。在相關定義的基礎上，本文將結合城市軌道交通場景的分類探討典型場景下信道測量與建模的研究狀況，并在此基礎上進一步結合5G通信技術的特點，分析討論城市軌道交通通信信道建模研究的新方向和現(xiàn)狀。

圖1 5G城市軌道交通場景分類示意圖

表1 5G城市軌道交通通信場景分類

高架橋-城區(qū)混合場景：城市軌道交通中往往采用高架橋鋪設軌道以滿足不同城市環(huán)境下線路的平順性。此類場景中，高架橋離地的高度一般為5～30 m，但高架橋場景的通信同樣受到復雜城區(qū)環(huán)境的影響，這一點也不同于高速鐵路中的高架橋場景。由于城市軌道交通的廣域覆蓋性，其覆蓋范圍主要包含主城區(qū)和遠郊區(qū)。主城區(qū)的建筑較多且密度大，建筑會在通信中充當散射體和反射體的角色，無線電波的傳播環(huán)境比遠郊區(qū)更為復雜。在城市軌道交通的高架橋-城區(qū)混合場景中，靠近軌道的建筑物會引入豐富的散射和反射分量，并導致電波傳播中NLOS分量占比增高。遠郊區(qū)場景下，高架橋周圍建筑一般高度較低，此時電波傳播中LOS分量較少被阻擋，LOS信號對于電波傳播的貢獻占比增大。

路塹-城區(qū)混合場景：路塹結構常見于高速鐵路，在部分環(huán)境復雜的城市軌道交通線路中也有使用。路塹出現(xiàn)于城市軌道交通中地形情況變化較為復雜的區(qū)域，呈現(xiàn)沉降式結構，軌道兩側存在一定高度的斜側面，且頂部往往不封閉。這種特殊的結構產生了豐富的反射和散射分量，對電波傳播具有較大影響。此外，路塹外圍復雜的城區(qū)環(huán)境也會對信號的傳播產生影響。

隧道場景：隧道是城市軌道交通中較為常見的場景。城市軌道交通中隧道的斷面通常為矩形、半圓形或者馬蹄形，高度為5～10 m，寬度為10～20 m。由于隧道的封閉性，電波在傳播中會出現(xiàn)波導效應，且信道中存在密集的多徑分量，同時信號還會受到車體的影響。對于彎曲形隧道，信道中多徑的分布則更加復雜，這些因素使得5G通信系統(tǒng)天線的部署面臨諸多挑戰(zhàn)。

地上車站場景：車站是城市軌道交通中的重要場景，地上車站多為遠郊區(qū)車站或者是中小型城區(qū)站點，此類環(huán)境往往呈現(xiàn)開放或半封閉的特征，LOS與NLOS傳播同時存在，且受到站臺頂棚結構和基站部署位置的影響。車站附近的樓宇也會引入一定的多徑傳播分量。

地下車站場景：城市軌道交通在密集人口區(qū)的站點一般都采用地下車站的形式。地下車站的人口密度大且流動性很強，設備接入量多。同時地下車站的封閉場景中存在豐富的反散射體，NLOS傳播占比較高，信道多徑分布密集，衰落特性復雜。

地表城區(qū)場景：此類場景中列車運行在與地表平行的軌面上，此時城區(qū)復雜的傳播環(huán)境會直接影響車-地通信鏈路的質量，列車天線的近端反散射體數量較多，信號NLOS傳播的占比也可能適當增大。

空-地通信場景：無人機作為輔助通信的空中基站可在5G城市軌道交通通信系統(tǒng)的設計中發(fā)揮重要作用，其主要用于高架橋-城區(qū)、地表、路塹-城區(qū)等開闊場景中。無人機可作為動態(tài)滯空通信平臺，為城市軌道交通的覆蓋深度和廣度的擴展提供支撐。無人機通信的高度一般為幾十至上百米，在這個高度范圍很少有建筑物的阻礙，電波傳播中LOS分量的占比較高。

列車-列車通信場景：列車-列車通信對全面保障城市軌道交通安全、支撐智慧交通無人駕駛等應用具有重要意義。該類場景中收發(fā)端列車的快速移動會帶來較高的多普勒頻移，并引起復雜的信道時變特征，通信的廣義平穩(wěn)假設面臨更大的挑戰(zhàn)。此外，運行過程中收發(fā)端近端反散射體會極大地影響無線信號的傳輸，而城區(qū)復雜的傳播環(huán)境也會影響列車-列車通信信道的狀態(tài)。

3 信道測量與建?，F(xiàn)狀

建立可靠的無線通信系統(tǒng)是保證城市軌道交通安全運營的關鍵。無線通信系統(tǒng)的設計離不開對相關環(huán)境中電波傳播機制和信道特征的準確表征和建模，準確的信道模型是5G城市軌道交通無線通信系統(tǒng)設計的基礎[1]。

目前信道建模方法主要分為兩大類：確定性建模和統(tǒng)計性建模。確定性信道建模以電磁波傳播理論作為基礎，借助精細的場景建模和電磁計算，獲得無線電波在空間中每條傳播路徑的具體參數[3]。確定性建模在已經完成參數校準的前提下較少依賴于信道測試數據，但該類方法復雜度較高，因此難以適用于大規(guī)模的鏈路級和系統(tǒng)級仿真。統(tǒng)計性信道建模主要借助在典型傳播場景中開展信道測量，采集信道數據并開展統(tǒng)計分析，提取出反映傳播特征的各類信道參數的統(tǒng)計特性，建立信道模型。統(tǒng)計性建模一般不依賴于對具體場景中散射體空間分布的精細刻畫，主要從統(tǒng)計角度提取一般性普適特征，因此統(tǒng)計性建模能夠較為準確地刻畫某一類典型傳播環(huán)境的信道特征，且具有較低的復雜度和較好的可擴展性[4]。

長期以來，信道測量是開展信道特性研究和建模的重要手段，信道測量數據一方面是統(tǒng)計性建模的基礎，另一方面也可以在確定性建模中用于驗證結果的準確性[5]。5G城市軌道交通系統(tǒng)的信道測量需要依賴于可支撐大帶寬、大陣列和快變信道的測量平臺，以實現(xiàn)對動態(tài)非平穩(wěn)信道特性的準確提取與分析。文獻[6]介紹了一種典型的軌道交通動態(tài)信道測試系統(tǒng)，其以列車作為載體，可以實現(xiàn)高速移動環(huán)境下測試信號的生成、發(fā)送、接收和存儲，并具備關鍵信道參數實時處理和顯示功能，基于其能夠實現(xiàn)面向5G城市軌道交通需求的高移動性動態(tài)信道測量。

對于5G城市軌道交通信道測量與建模，由于與蜂窩網和傳統(tǒng)鐵路在傳播場景上存在顯著差異，當前缺乏針對性的信道測量，這導致5G城市軌道交通中幾類典型場景（如第1節(jié)定義）下傳播機制與特征、信道多徑分布規(guī)律、衰落特性與時變特性、傳播損耗變化規(guī)律等均缺乏系統(tǒng)性的研究。相關場景下的信道特性當前僅能通過傳統(tǒng)軌道交通場景的信道測量與研究獲得一些初步了解，如在高架橋環(huán)境中開展的寬帶信道測量[7]、路塹環(huán)境中開展的寬帶信道測量[8]等。此外，當前也存在一些涵蓋城市軌道交通場景的信道測量，如地鐵地下車站場景的5G mMIMO測量[9]、地鐵隧道場景信道測量[10]等。上述文獻中對應的測試系統(tǒng)及測試場景示意圖如圖2所示。未來需要針對表1中的城市軌道交通通信場景分類，結合5G城市軌道交通場景特點開展完備的信道測試，構建典型場景信道數據庫，支撐信道模型的建立和通信系統(tǒng)的性能評估。

圖2 城市軌道交通典型場景信道測量示意圖

除了典型場景下信道測試較少、數據庫與模型庫難以建立之外，5G通信時代下城市軌道交通場景信道測量和建模依然存在一些新挑戰(zhàn)。其一，隨著人工智能及大數據技術的飛速發(fā)展，當前亟須探索基于機器學習的城市軌道交通信道參數萃取、信道預測和建模新方法。城市軌道交通高速移動環(huán)境下多徑跟蹤與動態(tài)成簇分析涉及對非平穩(wěn)信道參數的準確提取，其復雜的變化特性難以用統(tǒng)計模型準確描述，需要借助機器學習技術加以攻克[11]。此外考慮到在城市軌道交通動態(tài)環(huán)境下開展信道測試較為困難，可以考慮借助機器學習技術，結合既有的數據分析與場景特征挖掘，開發(fā)基于數據的信道預測和建模方法，為5G城市軌道交通信道建模提供新思路。其二，5G城市軌道交通場景更加復雜，傳播場景呈現(xiàn)三維立體結構，覆蓋面廣、覆蓋區(qū)域多變，需要借助智能反射、無人機能新技術綜合開展通信系統(tǒng)的設計，實現(xiàn)各類場景下的高可靠覆蓋及高速率無線傳輸。智能反射及無人機通信可為城市軌道交通通信終端提供多元化的覆蓋補充與性能提升，但當前智能反射、無人機技術等均處于發(fā)展階段，相關場景下信道測量較少，信道建模研究不夠深入，城市軌道交通場景下智能反射的陣列設計與電波覆蓋性能、陣列部署方案，以及無人機的移動性非平穩(wěn)信道、無人機覆蓋電波傳播特性等問題的研究均存在諸多難點和挑戰(zhàn)，需要研究準確合理的信道建模與仿真方法，探索基于隨機及規(guī)則幾何的信道建模理論，為相關技術下通信系統(tǒng)的設計與性能分析提供支撐。其三，毫米波頻段動態(tài)信道測試需要解決高傳播損耗補償、高頻天線設計與部署、大帶寬信道探測理論、快速數據采集與實時存儲等一系列困難，當前依然缺乏支持毫米波頻段的動態(tài)MIMO信道測試方案和建模理論[12-13]，針對城市軌道交通場景的毫米波測試依然非常困難，相關場景下實測數據的缺失也制約了高精度信道模型的開發(fā)。

4 基于人工智能的動態(tài)信道特征提取與建模

與傳統(tǒng)軌道交通常見的城郊或橋梁場景不同，5G城市軌道交通通信場景更加復雜多變，應用與業(yè)務更加多樣化，數據中隱含的各類電波傳播特征更加豐富。在人工智能與大數據技術飛速發(fā)展的今天，5G城市軌道交通信道建模的研究也面臨新的挑戰(zhàn)和機遇，主要表現(xiàn)在以下3個方向。

（1）信道特征提取

傳統(tǒng)的軌道交通信道特征提取主要關注信道沖激響應在功率時延譜上的包絡特征，側重于多徑的時延與功率參數的估計，而在5G系統(tǒng)中需更多地關注多徑角度域參數的估計。城市軌道交通5G智能通信的發(fā)展一方面對傳統(tǒng)信道參數（如時延、角度、功率及多普勒等）的提取精度提出了更高的要求，另一方面還需要借助人工智能技術實現(xiàn)對動態(tài)信道高階特征參數的提取[14]，如功率時延譜削度、復雜環(huán)境下多徑簇[15]等特征，為后續(xù)數據處理及智能化算法設計提供支撐。多徑成簇現(xiàn)象由信道物理環(huán)境和電波傳播機理相互作用而成，多徑簇在信道多維特征層面具有較為明顯的規(guī)律，因此使用人工智能技術實現(xiàn)更為準確且高效的多徑簇提取也是重要研究方向之一[16]。雖然深度學習在處理高維數據特征提取上已經取得了一些成果，但是目前尚未有基于深度學習的時變信道多徑簇提取算法，無法滿足城市軌道交通通信信道研究的需求。

由于城市軌道交通場景復雜，且發(fā)射端常處于高速移動狀態(tài)，信道動態(tài)變化快，非平穩(wěn)性強，由此引起多徑生滅過程的快速變化，為信道特征的提取帶來更多挑戰(zhàn)。但是由于軌道交通設施移動路線固定，信道中部分主導性反散射體的出現(xiàn)往往呈現(xiàn)一定規(guī)律，如城市軌道附近的建筑樓宇以及特殊的地勢地形等。在對此類信道特征進行提取時，其時域上的可追蹤性可以有效提高信道特征提取的效率與準確性[17]。

（2）信道場景識別

城市軌道交通移動性較強，電波傳播環(huán)境復雜多變，不同通信場景常具有不同的通信業(yè)務特點與需求。為了滿足上層通信資源調度的合理分配需求，需要針對不同通信場景的精準信道模型，并能及時識別列車當前所處的信道環(huán)境。

傳統(tǒng)的信道場景識別主要針對視距傳播與非視距傳播場景進行識別，其中常用于傳播場景識別的統(tǒng)計性特征包括萊斯衰落K因子[18]、接收功率[19]以及時延擴展等高維特征[20]。而城市軌道交通沿線復雜多變的環(huán)境需要進一步對通信場景進行細化（如前文提到的高架橋、隧道等典型傳播場景），因此，基于人工智能技術深入挖掘城市軌道交通場景物理傳播特征，實時提取信道高階參數，進而對當前動態(tài)信道環(huán)境進行準確識別成為一種有效的場景識別手段[21]?；谌斯ぶ悄艿男诺缊鼍白R別也可以與上層網絡設計與優(yōu)化過程進一步融合，在進行傳播場景識別的同時輔助完成網絡資源優(yōu)化分配，并利用人工智能在模型預測上的優(yōu)勢對通信系統(tǒng)進行先驗調整，實現(xiàn)更為靈活高效的網絡管理。

文獻[22]提出了一種利用機器學習進行場景識別的方法，具體流程示意圖如圖3所示，該方法以從不同場景下信道特征的數據作為訓練集，利用神經網絡建立一個識別模型。經過實測數據驗證，該模型在城區(qū)、隧道、障礙物遮擋等典型場景中的識別精度均達到98%以上，這表明利用人工智能算法進行復雜場景識別是可行的，并有望應用于5G城市軌道交通移動性場景。

圖3 基于人工智能的場景識別流程（訓練過程、識別過程）示意圖

（3）信道建模

在高精度信道特征萃取和標準化信道場景分類支持下，可建立更為準確的5G城市軌道交通信道模型庫。受到城市軌道交通高環(huán)境復雜度、高移動性的影響，城市軌道交通信道呈現(xiàn)較強的非平穩(wěn)性。但與此同時，軌道交通本身存在軌跡固定的特點，因此可基于對具體通信場景中信道特征的準確把握，結合歷史信道狀態(tài)信息，建立更為準確的5G城市軌道交通信道數據庫和模型庫，借助人工智能和大數據技術實現(xiàn)信道的精準實時預測，支撐5G城市軌道交通信道仿真和通信系統(tǒng)設計?；谏鲜鋈斯ぶ悄芩枷雽崿F(xiàn)城市軌道交通信道智能建模的流程示意圖如圖4所示。

圖4 基于人工智能的信道建模流程

5 融合RIS的5G城市軌道交通信道建模

當前，可重構智能面（reconfigurable intelligent surface，RIS）技術得到了廣泛關注[23]，成為B5G、6G通信中提升通信系統(tǒng)性能的有效手段之一，可 以應用于城市軌道交通通信場景，有效地提升覆蓋的可靠性以及無線傳輸的速率。RIS由大量低成本的無源反射元件組成，通過放大反射信號[24]和實時調控信號的振幅/相位[25]，實現(xiàn)對反射波束的控制以及對無線傳播環(huán)境的重新配置，進而提高無線通信覆蓋范圍、吞吐量和能效。

（1）無線信道特性

相比于一般的室外場景，城市軌道交通環(huán)境更為復雜，且列車具有較快的行駛速度，再加上車廂的密封性好、穿透損耗大，無線通信很容易中斷。在該類情況下，將RIS部署于基站和列車之間的建筑物表面，借助RIS技術對信號進行精準控制和波束增強，可以顯著提升基站與列車之間數據傳輸的可靠性和效率，相關場景如圖5所示，RIS可以改善非視距場景下用戶的通信。

圖5 RIS輔助的城市軌道交通通信場景示意圖

在融合RIS的城市軌道交通場景中，基站-列車間的信道主要包含視距路徑、RIS反射路徑和復雜多徑。由于城市軌道交通場景復雜，接收到的無線電波會經歷嚴重的多徑衰落，從而導致相位噪聲、多普勒頻移或載波頻偏。傳統(tǒng)通信系統(tǒng)通常借助部署中繼或功率放大器來解決此類問題，但該方法會造成網絡功耗，并引入干擾信號[26]。與之不同的是，RIS技術可實現(xiàn)對多徑傳播的調控，將基站信號經由RIS反射到達列車端，從而建立虛擬視距，可以提升基站與列車之間通信的有效性和可靠性[27]，并減少信號干擾[28]。該虛擬視距主要由兩部分組成：基站-RIS鏈路、RIS-列車鏈路。當基站與RIS安置的高度較高時，其周邊的反散射體往往較少，此時基站-RIS鏈路的信道往往呈現(xiàn)稀疏性。但由于列車周邊反散射環(huán)境復雜，RIS-列車鏈路信道往往為非稀疏，加之RIS對反射波束的物理調控，此時基站-RIS-列車的通信信道多徑分布特征往往更加難以描述。

（2）信道建模研究

盡管RIS展示出良好的應用前景，RIS輔助的通信系統(tǒng)設計仍存在許多尚未解決的關鍵問題。為了準確設計與評估RIS輔助的城市軌道交通通信系統(tǒng)，建立準確的信道模型是亟待解決的重要問題。目前，RIS技術的研究中使用的信道模型大多來自3GPP的標準化信道模型，但上述模型并未涵蓋城市軌道交通場景，且大部分模型尚未在RIS場景下得到信道測量的準確驗證，當前國際范圍內依然缺少基于實測數據的RIS無線信道的深入研究。文獻[29]和文獻[30]均在信道狀態(tài)信息已知的理想假設下，進行RIS電磁單元的反射相位設計。文獻[31]對RIS輔助的移動通信自由空間路徑損耗進行了建模和測量驗證，可用于鏈路預算分析，但亟須開發(fā)真實環(huán)境下綜合考慮各類衰落因素的RIS信道模型。文獻[32]考慮了存在隨機散射體情況下的5G毫米波RIS靜態(tài)信道模型，但模型缺乏實測數據的充分驗證?？紤]搭配RIS通信場景對傳播過程的簡化和抽象，可以使用幾何隨機模型（geometry-based stochastic model，GBSM）模擬城市軌道交通RIS傳播環(huán)境，如圖6所示，環(huán)境中的近端、遠端反散射體可建模為不同的規(guī)則幾何體。圖中分別將基站和列車周邊的反散射環(huán)境建模為球體模型，其近端散射體（如植被、過往車輛和行人等）分布在球體表面，而收發(fā)兩側的遠端反散射環(huán)境可建模為橢圓圓柱體結構，遠處建筑物和RIS分別分布在橢圓圓柱體的底部和側表面。由此所建立的GBSM可支撐在城市軌道交通環(huán)境中基于幾何理論[33]開展基于RIS的基站-列車信道建模與仿真研究，為融合RIS的5G城市軌道交通通信系統(tǒng)設計與性能分析提供支撐。

圖6 RIS輔助的城市軌道通信傳播場景幾何建模示意圖

（3）當前挑戰(zhàn)

在RIS輔助的城市軌道交通無線傳輸系統(tǒng)中，RIS的引入導致信號的傳播過程和經歷的物理環(huán)境更加復雜。現(xiàn)有RIS的大部分研究工作都基于遠場通信假設，近場的相關研究很少。在實際系統(tǒng)中，RIS由大量的低成本電磁反射單元組成，其幾何尺寸和單元規(guī)模遠大于傳統(tǒng)通信系統(tǒng)中的天線陣列。這意味著在一些城市軌道交通應用場景中，RIS將在近場狀態(tài)下工作[34]，需要考慮球面波的傳輸特性以及輻射近場區(qū)域的影響。信道建模時需要充分考慮RIS的近場傳播特性和信道相關性[35]，合理建模亞波長電磁單元間的耦合等硬件非理想因素，并通過信道測量進行驗證。目前有關RIS信道估計的研究工作中，均假定每個RIS元件具有連續(xù)相移[36]，而由于硬件的制約，RIS元件的實際相移器只能使用有限數量的離散相移值。此外，RIS每個元件具有“開/關”兩種模式，如果頻繁地切換RIS元件的開關模式，會使得成本高昂，相反，若每次只有部分元件處于打開狀態(tài)，則會降低信道估計的精度[37]。此外，如何在城市軌道交通場景中合理地部署RIS以優(yōu)化其信道性能是另一個需要解決的關鍵問題。例如，如何選取部署位置點和RIS的部署密度、放置角度等[38]，以最低系統(tǒng)成本實現(xiàn)所需的通信性能。上述問題的解決需要依賴于精準信道模型的建立。

6 UAV輔助的5G城市軌道交通信道建模

由于其通用性和高移動性，無人機（unmanned aerial vehicle，UAV）在5G、6G無線網絡中得到廣泛的關注，如UAV可以作為空中基站，提升非直射傳播場景的通信質量，為城市軌道交通各類復雜環(huán)境下提供輔助通信，提升無線信號的覆蓋質量與通信傳輸性能，實現(xiàn)全方位的通信應急保障。

（1）無線信道特性

為了準確設計與評估基于UAV的5G城市軌道交通通信技術，建立精準的信道模型是亟須解決的重要問題。與傳統(tǒng)陸地移動通信相比，UAV通信具有諸多新特點，如更加復雜多變的動態(tài)特性、較高的飛行高度、三維空間中的高移動性、較高的視距概率以及機體大小、重量和功率等因素的限制，這些因素也進一步影響著UAV通信信道測量與建模的研究。UAV輔助下5G城市軌道交通通信應用場景示意圖如圖7所示，UAV可借助空-空、空-地通信網絡提升城市軌道交通通信系統(tǒng)覆蓋及性能。

圖7 UAV輔助下5G城市軌道交通通信應用場景示意圖

（2）信道建模研究

UAV通信信道建模一般可以分為兩大類，即確定性信道模型與隨機性信道模型，隨機性信道模型可以進一步分為非幾何隨機模型（non-geometrical stochastic model，NGSM）和GBSM。確定性信道建模需要大量的物理環(huán)境數據和較長的運行仿真時間，隨機性信道模型具有較低的復雜度和較高的通用性，在UAV通信信道建模和系統(tǒng)性能分析中得到廣泛應用。與NGSM相比，GBSM利用簡化的射線追蹤原理和等效散射體的概念，實現(xiàn)對復雜傳播環(huán)境的抽象化模擬，有效表征UAV空-地時變信道的特性，并獲得信道參數的閉合解，近年來得到廣泛關注。近年來，雖然文獻[39]和文獻[40]提出了用多種三維幾何信道模型（如球體、圓柱體、雙圓柱體等）來描述UAV信道的思路，但相關研究依然存在諸多局限。如現(xiàn)有的GBSM模型主要考慮低于6 GHz頻段，無法描述毫米波UAV空-地信道。對于毫米波信道，由于存在較高的路徑損耗，遠端散射體的傳播影響減弱，而城市軌道交通中地面終端的近端反散射能量則較強，需要在信道建模中加以考慮。此外，如何開發(fā)融合三維環(huán)境下空時頻非平穩(wěn)性的GBSM仍然是一個有待解決的問題。最后，當前已有的GBSM尚未實現(xiàn)對UAV移動性模型和旋轉狀態(tài)的準確建模，這些因素都會極大地影響5G城市軌道交通場景下UAV空-地信道的傳播特性。

針對UAV通信環(huán)境，文獻[41]提出了一種3D雙圓柱體幾何信道模型，該模型考慮了單次與雙次散射，并分析了UAV相關參數（如運動方向、高度）對信道特性的影響。文獻[42]提出了一種3D單圓柱體幾何非平穩(wěn)MIMO信道模型，使用圓柱體表面與底面分別刻畫靜止與運動散射體。另外，將空間相關性與實測結果進行比較，仿真結果表明所提出的信道模型適用于描述UAV-MIMO通信系統(tǒng)。文獻[43]提出一種3D橢圓體幾何信道模型來描述UAV-MIMO通信環(huán)境，通過UAV運動引起的時變角度參數來描述信道非平穩(wěn)性。最后，探究了收發(fā)端運動方向及速度對信道特性的影響。文獻[44]提出了一種3D橢圓柱體的UAV-MIMO信道模型，探究了UAV移動方向與速度對信道特性的影響。文獻[45]提出一種基于3D單球體的UAV-MIMO信道模型，推導了空時相關函數、多普勒功率譜密度以及電平交叉率和平均衰落時間，并與確定性和統(tǒng)計仿真模型提取的仿真信道統(tǒng)計特性進行對比，對仿真模型進行驗證。文獻[41-45]均假定UAV通信過程中具有固定速度與運動方向，并且不受自然環(huán)境因素的影響。然而，實際通信中的UAV在3D空間的運動軌跡往往具有一定隨機性，并且會由于經歷惡劣的天氣或者陣風而發(fā)生旋轉，上述問題分別在文獻[46]與文獻[47]進行了研究。文獻[46]提出了一個基于3D圓柱體的幾何信道模型，該模型綜合考慮了地面與路邊的散射能量，以及UAV終端運動軌跡對通信信號傳輸的影響。為了實現(xiàn)對UAV運動軌跡的精準建模，文獻[46]采用三維高斯馬爾可夫過程來刻畫UAV的運動狀態(tài)，模型指出UAV的速度與運動方向的變化會對無線信道的統(tǒng)計特性及非平穩(wěn)效應產生較大影響，進而影響UAV通信系統(tǒng)性能。懸停的UAV往往會因為環(huán)境的影響經歷隨機旋轉，文獻[47]針對這一情況提出了半球形反散射結構下的三維幾何的隨機性信道模型，該模型反映了UAV機身旋轉對通信信道特性的影響，仿真結果指出即使很小的UAV旋轉幅度，也會對信道特性產生較大影響，信道的相干時間會隨著UAV旋轉幅度的增加而顯著增加。上述UAV信道建模的進展有待在5G城市軌道交通場景得到進一步的驗證和發(fā)展。

（3）當前挑戰(zhàn)

真實場景下的信道測量在UAV信道建模中起著至關重要的作用。因為載荷、電源以及特殊區(qū)域飛行實驗的限制，當前國際范圍內UAV通信信道測量整體進展緩慢。目前UAV信道測量主要集中在靜態(tài)場景、低于6 GHz頻段與單天線配置情況。此外，特定頻段下大氣、雨、霧等自然因素造成的復合式衰減也沒有得到充分的研究?，F(xiàn)有的測量結果不足以準確地刻畫與驗證UAV通信信道特性。為了更好地探究城市軌道交通場景下的UAV通信信道特性，更加全面的信道測量必不可少，特別是對于高頻段（毫米波、太赫茲等）、mMIMO、動態(tài)環(huán)境和極端天氣條件下的信道測量，將是評估UAV輔助城市軌道交通通信傳輸性能的關鍵。

此外，RIS技術的出現(xiàn)也為UAV通信系統(tǒng)設計提供了更多的選擇。目前大多數研究主要將RIS部署在建筑物的表面，但這會帶來諸如部署靈活性差、覆蓋性能受限等局限。未來可將RIS部署在UAV上，通過空中RIS來解決5G城市軌道交通的通信傳輸問題。由于UAV移動屬性的復雜性，建立UAV RIS信道模型更具挑戰(zhàn)。

最后需要指出，由于UAV通信具有高視距概率的優(yōu)勢，UAV輔助下的自由空間光系統(tǒng)（free space optical，F(xiàn)SO）可以滿足城市軌道交通場景下高數據速率傳輸需求。與傳統(tǒng)的陸地傳播場景不同，基于UAV的FSO通信需要考慮更多的系統(tǒng)參數（如光束發(fā)散角、光電探測器大小、接收透鏡半徑等）。雖然基于UAV的FSO信道建模已經有一些進展，但相關的研究仍處于初級階段，如何聯(lián)合設計高效的信道模型并考慮系統(tǒng)參數的影響仍是未來在城市軌道交通場景應用UAV輔助的FSO通信的關鍵。

7 5G城市軌道交通毫米波信道建模

隨著智慧城市及智能軌道交通等技術和理念的發(fā)展，毫米波通信在城市軌道交通領域得到廣泛關注。毫米波通信可以為5G城市軌道交通提供高速率無線傳輸，支撐諸如4K/8K超高清視頻直播、復雜路段實時監(jiān)控、虛擬現(xiàn)實/增強現(xiàn)實、智能語音交互等服務[48]。

（1）無線信道特性

電磁波在毫米波頻段遭受的損耗和衰減相比6 GHz以下（sub-6 GHz）的頻段要高很多，除路徑損耗外，還會受到大氣衰減、雨衰和植被衰減等因素的影響[49]。上述毫米波傳播機制與典型特性如圖8所示。將毫米波通信技術用于5G城市軌道交通中除了需要克服與傳統(tǒng)毫米波通信場景中類似的高自由空間路徑損耗和植被衰減外，還需要克服比sub-6 GHz頻段更加嚴重的多普勒效應，其中，文獻[50]使用數值模擬的方法研究了在高移動性環(huán)境中不同傳播條件下sub-6 GHz和毫米波頻段的信道特征值和信道容量，并對系統(tǒng)性能進行了評估。圖9顯示了毫米波通信技術用于5G城市軌道交通場景的示意圖。其中，由于城市軌道交通中列車的高移動特性以及毫米波的高頻特性，導致多普勒效應尤為顯著，進而使得信道的非平穩(wěn)特征加劇，這為毫米波通信技術在5G城市軌道交通場景下的應用帶來了更大的挑戰(zhàn)。

圖8 毫米波典型電波傳播機制示意圖

圖9 毫米波通信應用于5G城市軌道交通場景及 典型信道特性示意圖

（2）信道建模研究

針對毫米波頻段下較高的傳播損耗，5G通信中mMIMO和波束成形等技術可以在一定程度上克服毫米波頻段較高的傳播損耗[51]，因為其可以提供更高的增益和更窄的波束。此外，由于在毫米波頻段下天線的孔徑明顯縮小，mMIMO可以更加靈活地配置和部署。毫米波頻段較高的傳播損耗以及與mMIMO等最新技術的結合，使得電波傳播特性與sub-6 GHz頻段有很大差別。文獻[52]和文獻[53]分別進行了毫米波頻段下mMIMO信道的測量和參數分析，并驗證了如球面波傳播、多徑簇的生滅和天線陣列維度上的非平穩(wěn)等毫米波mMIMO信道獨有的特性。因此，探索毫米波在城市軌道交通場景下的無線信道特性成為系統(tǒng)設計和部署的關鍵，而在城市軌道交通場景下的無線信道測量是信道建模的重要支撐。文獻[54]開展了地鐵車廂內26～40 GHz的信道測量，提取了該場景下的路徑損耗和功率時延譜，但其測量并沒有與MIMO技術相結合，從而無法獲取毫米波通信信道的角度域參數信息。文獻[55]開展了28 GHz高速鐵路場景下的系統(tǒng)級測量，分析了28 GHz毫米波頻段下行鏈路吞吐量等系統(tǒng)級性能指標，但其并沒有將測量活動深入無線信道層面，也沒有對信道特性進行研究和分析。當前大多數毫米波信道測量工作都集中在靜態(tài)、非軌道交通場景，如室內場景或室外場景，鮮有工作針對毫米波城市軌道交通場景開展MIMO信道測量。一方面5G城市軌道交通場景毫米波信道測量需要更大帶寬和更高的采樣率，另一方面，為了獲取毫米波波束的到達角和離開角等角度域參數，需要采用MIMO天線陣列開展測量，這也對測量設備性能提出了更高的要求[56]。

由于城市軌道交通場景下毫米波信道測量數據較為匱乏，當前該場景下的信道建模大多集中在理論和仿真研究層面，如使用GBSM[57]，假設信道中的散射體均勻地分布在規(guī)則的幾何體表面，從理論和仿真分析中探究毫米波軌道交通信道的傳播特性。該方法的優(yōu)點在于可不依賴信道測量數據進行建模，但其獲得的仿真結果也僅限于理論層面。此外，文獻[58]使用了射線跟蹤技術對60 GHz軌道交通場景進行了信道仿真，通過對傳播環(huán)境、列車以及收發(fā)天線的建模，利用射線跟蹤仿真模擬了特定場景下的信道傳播過程，并通過仿真結果分析了該場景的接收功率、多徑時延和角度等特性。

（3）當前挑戰(zhàn)

城市軌道交通場景的高移動性和環(huán)境封閉等特點，對毫米波信道測量和建模提出了諸多挑戰(zhàn)。如毫米波相較sub-6 GHz有更大的帶寬，根據奈奎斯特采樣理論，這對高速移動環(huán)境下的信道探測和數據采樣提出了更高的挑戰(zhàn)。另一方面，更高的采樣速率也帶來海量的信道測試數據存儲與處理的問題，如何處理和分析這些信道測試數據也成為信道建模的關鍵。而隨著大數據、機器學習等技術的進步，相關算法也可以應用于無線信道建模、分析和預測中，如文獻[59]使用了多種機器學習算法來快速預測移動場景中的到達角，相比使用SAGE等離線的信道參數估計算法，機器學習可以在損失較小預測精度的情況下快速獲取移動場景下時變的到達角參數。因此，采用人工智能、大數據等技術對信道數據特征進行挖掘和分析可以更好地提取毫米波城市軌道交通場景下的信道特性，進而為毫米波通信終端的設計和部署提供支撐。

8 結束語

5G城市軌道交通技術的發(fā)展已經成為我國交通強國、新基建等戰(zhàn)略的重要組成部分。當前亟須圍繞5G城市軌道交通通信系統(tǒng)設計，開展通信場景分類和信道建模，以支撐相關場景下可靠通信系統(tǒng)的建立。本文在這一背景下，結合5G城市軌道交通通信發(fā)展的需求，提出了5G城市軌道交通電波傳播場景的分類，并結合相關分類闡述了城市軌道交通場景信道測量和建模的研究現(xiàn)狀。同時，針對5G時代人工智能、RIS、UAV與毫米波等新技術的發(fā)展現(xiàn)狀，分析探討了城市軌道交通通信信道研究的問題與挑戰(zhàn)，闡述了人工智能在城市軌道交通動態(tài)信道特征提取和建模方面的應用思路，分析了基于RIS和UAV輔助的5G城市軌道交通信道建模，還闡述了毫米波頻段下5G城市軌道交通信道建模的相關事頂。在歸納既有成果的基礎上，提出了完備的通信場景分類標準，并探討了未來信道建模發(fā)展中存在的一些關鍵問題，上述內容將有助于5G城市軌道交通信道模型的建立，支撐5G城市軌道交通場景通信系統(tǒng)的設計與評估。