Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
1
Das Spatial Channel Model Ein geometriebasiertes, stochastisches Kanalmodell Marcel Nehring * Qosmotec Software Solutions GmbH * Fachhochschule Aachen Campus Jülich – Scientific Programming
2
2 / 43 Übersicht Der Kanalsimulator als Testwerkzeug Zweck von Kanalmodellen Effekte des Funkkanals MIMO-Technik Das Spatial Channel Model Alternative Modelle Aussicht auf die Bachelorarbeit
3
3 / 43 Aktuelles Verbreitung von Smartphones nimmt stetig zu Damit einhergehend immer höhere Transferraten durch Kunden gefordert Immer höheres Datenaufkommen Neue Technologien nötig um Erwartungen zu erfüllen LTE
4
4 / 43 Risiken Mögliche Fehler bei –Der Implementierung der Software –Der Konzeption der Hardware –Dem Aufbau der Netze
5
5 / 43 Probleme beim Testen von Mobilfunkkomponenten Mögliche Testmethode für Systemtest: Feldtests –Umfangreich –Zeitintensiv –Teuer –Erst mit „fertigem“ Prototyp möglich –Benötigt Netz –Nicht reproduzierbar
6
6 / 43 Kanalsimulatoren Simuliert die Luftschnittstelle Effekte über Software steuerbar Tests individuell Reproduzierbare Tests Regressionstest möglich Automatisierte Tests möglich Dadurch: Kostensenkung
7
7 / 43 Simulationsanforderungen Realitätsnahe Simulation –Möglichst viele Effekte simulierbar –MIMO fähig –Realitätsnahe virtuelle Umgebung –Ausreichend allgemein
8
8 / 43 Kanalmodelle Flexibel & trotzdem realitätsnah –Stochastisch MIMO fähig –Geometrisch Geometriebasierte stochastische Kanalmodelle GSCM
9
9 / 43 Der Funkkanal Mehrere Störeinflüsse auf ein Funksignal Hindernisse wie Gebäude, Landschaft, … Bewegung des Endgerätes
10
10 / 43 Leistungspegel Signalstärke Gesendet: ~20 Watt Empfangen: ~0,1 Mikrowatt
11
11 / 43 Pfadverlust Abschwächung des Funksignals Ursache: Hindernisse, Signalausbreitung Abhängig von Frequenz
12
12 / 43 Laufzeitverzögerung Zeitdifferenz zwischen senden/empfangen Größenordnung: 100ns bis 1µs Lichtgeschwindigkeit
13
13 / 43 Frequenzverschiebung Auch „Dopplereffekt“ Verursacht durch Bewegung Verändert die beobachtete Frequenz Frequenz: ~2GHz Verschiebung: ~100Hz
14
14 / 43 Mehrwegeausbreitung Mehrere „Kopien“ eines Signals Verschiedene Wege Signalkomponenten werden unterschiedlich beeinflusst
15
15 / 43
16
16 / 43 Mehrwegeschwund Komponenten mit unterschiedlicher Amplitude und Phase Je nach Verhältnis: –Verstärkung –Abschwächung –Auslöschung
17
17 / 43 Abschattung Signifikante Abschwächung durch Hindernis Nur reflektierte Komponenten erreichen Empfänger
18
18 / 43 Laufzeitstreuung Komponenten erreichen Empfänger zeitlich versetzt Signal wird gestreut Einzelne Bits evtl. nicht klar erkennbar
19
19 / 43 Winkelstreuung Komponenten treffen aus verschiedenen Richtungen ein Verursacht durch Reflektion
20
20 / 43 Frequenzspreizung Bei Bewegung Spreizung um eigentliche Frequenz Verursacht durch Winkelstreuung
21
21 / 43 Multiple Input Multiple Output Mehrere Antennen bei Sender und Empfänger Steigert Signalqualität Steigert Datenrate
22
22 / 43
23
23 / 43 Räumliches Multiplexing Datenstrom wird aufgeteilt Gleichzeitige Übertragung über mehrere Antennen Zusammensetzen beim Empfänger
24
24 / 43 Kanalmatrix Signalübertragung wirkt sich aus auf Amplitude und Phase Darstellung als komplexe Zahl Vergleiche Polarkoordinaten
25
25 / 43 Amplitude & Phase 1 (0°) i (90°) -1 (180 °) -i (270° -90°) Re Im a * e i φ = a * ( cos φ + i sin φ )
26
26 / 43 Kanalmatrix - Beispiel 1- i ()
27
27 / 43 Das Modell Entwickelt vom 3GPP und 3GPP2 Beschreibt Mehrwegeausbreitung MIMO fähig Verfahren für Systemtests Geeignet für Performancetests
28
28 / 43 Das Modell Beschreibt Mehrwegeausbreitung Erzeugt Serie von Kanalmatrizen Berücksichtigt Antennenausrichtung Gibt physikalische Parameter vor Gibt Berechnungsvorschriften für Effekte vor
29
29 / 43 BTS Antenne MS Antenne BTS Antenne MS Antenne
30
30 / 43 Parametergenerierung Zufällige Platzierung des Endgerätes –Entfernung zur BTS ermitteln –Ausrichtung zur BTS ermitteln Zufällige Bewegungsrichtung bestimmen Zufällige Geschwindigkeit bestimmen
31
31 / 43 BTS Antenne MS Antenne
32
32 / 43 Parametergenerierung Zufällige Pfadlaufzeit ermitteln –Monoton steigend Davon abhängigen Leistungspegel bestimmen –Monoton fallend Annahme: langer Pfad = lange Laufzeit
33
33 / 43 Parametergenerierung Zufälligen Austrittswinkel bestimmen –Monoton steigend Zufälligen Eintrittswinkel bestimmen –Abhängig von Leistungspegel –Monoton steigend Annahme: schwaches Signal = große Ablenkung
34
34 / 43 BTS Antenne MS Antenne
35
35 / 43 BTS Antenne MS Antenne
36
36 / 43 Parametergenerierung Je Pfad 20 Subpfade Simulieren Signalstreuung Vorgegebene Abweichung bei Eintritts- / Austrittswinkel „Erben“ restliche Eigenschaften von Hauptpfad
37
37 / 43 Cluster BTS Antenne MS Antenne
38
38 / 43 Generierung der Kanalmatrix Matrix pro Pfad Sendeelemente: S Empfangselemente: U Matrixdimension: U x S Matrixelemente –Phasenlage –Leistungspegel
39
39 / 43 Durchführung Basiert auf „Drops“ Platzierung des Endgerätes in Landschaft Kurze Simulation der Effekte Mehrere Drops pro Simulation Mehrere Endgeräte Mehrere Sendestationen
40
40 / 43 Anpassungen Verschiedene Szenarien / Testumgebungen Kleinstädtische Umgebung Großstädtische Umgebung Makrozellen Mikrozellen
41
41 / 43 Alternative Modelle Höherer Detailgrad erforderlich Z.B. bei Netzplanung Landschaftsinformationen einbeziehen Extremer Rechenaufwand
42
42 / 43 Alternative Modelle Semistochastisch Pfadverlauf in bekannter Umgebung berechnet Bekannte Parameter in stochastisches Modell einsetzen
43
43 / 43 Aussicht auf Bachelorarbeit Integration von SCM in Kanalsimulator QPER –Konzepterstellung –Exakte Umsetzung –Grafikbasierte Umsetzung –Implementierung eines Prototypen
44
Vielen Dank für die Aufmerksamkeit Marcel Nehring * Qosmotec Software Solutions GmbH * Fachhochschule Aachen Campus Jülich – Scientific Programming
Ähnliche Präsentationen
