Rank and Condition Number Analysis for UAV MIMO Channels Using Ray Tracing
本文利用纳入 OSM 地理信息的射线追踪仿真,分析不同高度无人机在城市场景与农村场景中的空对地 MIMO 信道秩、条件数及覆盖分布,揭示高度、地理和建筑等因素的影响。
2023-03-05 eess.SP
A Ray-tracing and Deep Learning Fusion Super-resolution Modeling Method for Wireless Mobile Channel
移动信道建模一直是通信系统设计、部署和优化的核心部分,特别是在5G及以后的时代。确定性信道建模可以精确地实现移动信道的描述,但存在设备和时间上的缺陷。本文提出了一种新的超分辨率(SR)聚类特征预测模型。该模型基于具有剩余连接的深度神经网络。在3.5 GHz的一系列模拟进行了三维射线跟踪(RT)模拟器在不同的情况下。提取聚类特征,构造相应的数据集对模型进行训练。实验结果表明,与传统的插值方法相比,该方法可以获得更好的功率和簇位置预测性能,均方根误差(RMSE)分别下降了51%和78%。该算法基于簇特征重构信道冲激响应,使其与多径分量匹配良好。该方法可以高效、准确地生成移动信道大数据,大大减少了纯RT算法的计算时间。
2023-01-27 eess.SP
An Enhanced Dynamic Ray Tracing Architecture for Channel Prediction Based on Multipath Bidirectional Geometry and Field Extrapolation
本文提出增强型动态射线追踪架构E-DRT,通过多径双向几何与电场外推提升信道预测精度和效率,在V2V场景中精度从68.3%提升至94.8%,运行时间减少7.2%。
2024-05-05 eess.SP
Propagation Channel Modeling for LEO Satellite Missions Using Ray-Tracing Simulations
本文利用射线追踪仿真为X频段郊区LEO卫星到地面链路建立了仰角感知的参数化信道模型,综合刻画大、小尺度衰落及相控阵天线失准影响,并与3GPP NTN模型对比。
2025-07-19 eess.SP
An SBR Based Ray Tracing Channel Modeling Method for THz and Massive MIMO Communications
太赫兹(THz)通信和大规模多输入多输出(MIMO)技术的应用对第六代(6G)通信系统具有重要意义,受到全球的广泛关注。本文采用结合加速技术的射弹射线(SBR)方法对THz和大规模多输入多输出信道进行建模。本文的射线追踪(RT)模拟结果,商业RT软件Wireless Insite(WI)支持的频段下的出射角(AoD)、到达角(AoA)和功率延迟分布(PDP)与WI产生的那些一致。基于材料表面的基尔霍夫散射效应和太赫兹频段的大气吸收损耗,修正的菲涅耳反射系数和自由空间衰减的传播模型与实测结果一致。针对大规模多输入多输出,分析了信道容量和随机功率分布。仿真结果表明,SBR方法在建立THz和大规模多输入多输出信道的确定性模型方面具有广泛的适用性和可接受的精度。
2022-08-22 eess.SP
An Improved Equiangular Division Algorithm for SBR based Ray Tracing Channel Modeling
与基于镜像法的射线追踪方法相比,射线弹跳法速度快,但精度较低。本文提出了一种基于等角分割的迭代精确算法,使粗糙路径精确化,从而使SBR能够计算出精确的信道信息。对不同的射线发射方法进行了比较,得到了一种较好的射线发射方法。通过使用等角分割,射线从发射器(Tx)发射比当前等距分割方法更均匀。采用该迭代精确算法,离角(AOD)和到达角(AOA)的误差小于0.01度。文中还给出了迭代次数与误差减小的关系。通过比较路径的功率延迟分布(PDP)和角度分布,说明该方法具有与IM相同的精度。这可以解决SBR带来的精度低的问题。
2022-08-22 eess.SP
V2X Sidelink Positioning in FR1: From Ray-Tracing and Channel Estimation to Bayesian Tracking
本文针对sub-6 GHz频段V2X侧链跟踪问题,提出基于卡尔曼滤波的跟踪方法,利用估计误差协方差下界作为测量协方差并结合门控方法,通过射线追踪与超分辨率信道估计仿真验证了其可行性与性能提升效果。
2024-06-30 eess.SP
Ray-Tracing Calibration from Channel Sounding Measurements in a Millimeter-Wave Industrial Scenario
针对金属化工厂环境中的毫米波传播建模问题,本文利用实测宽带信道数据校准射线追踪工具,使功率、时延和方位角扩展预测误差分别低于1.5 dB、5 ns和2°。
2024-04-16 eess.SP
Ray-Tracing Based Narrow-Beam Channel Simulation, Characterization and Performance Evaluation for 5G-R Systems
School of Electronic and Information Engineering, Beijing Jiaotong University(北京交通大学电子信息工程学院)
本文基于射线追踪仿真研究5G-R系统在高速铁路场景下的窄束道特性分析与性能评估,通过仿真平台评估块误码率、吞吐量和频谱效率,为系统设计和优化提供指导。
2025-12-02 eess.SP
PointNeRT: A Physics Aware Neural Ray Tracing Surrogate for Propagation Channel Modeling
School of Electronics and Information Engineering, Beijing Jiaotong University(北京交通大学电子工程学院);China Academy of Industrial Internet, Ministry of Industry and Information Technology(工业和信息化部工业互联网研究院);Aerospace Information Research Institute, Chinese Academy of Sciences(中国科学院空天信息创新研究院)
PointNeRT通过点云输入高效重建多径传播,无需显式构建网格模型或手动定义电磁交互规则,实现物理约束下的多径预测与功率衰减建模。
2026-05-12 eess.SP
DeepRT Engine: A Unified GPU-Parallel Ray-Tracing Framework with Hybrid SBR-IM Path Search for 6G Digital Twin Channel
Beijing University of Posts and Telecommunications(北京邮电大学);State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications(北京邮电大学网络与交换技术国家重点实验室);China Mobile Research Institute(中国移动研究院)
研究针对数字孪生信道构建中传统光线追踪串行路径搜索复杂度过高的问题,提出DeepRT引擎,通过构建包围体层次结构、执行SBR算法及并行批处理IM求解器实现加速,在效率和准确性上优于其他工具。
2026-07-14 eess.SP
Interpolation Techniques for Fast Channel Estimation in Ray Tracing
New York University, Tandon School of Engineering(纽约大学坦登工程学院);Politecnico di Milano(米兰理工大学)
本文提出了一种通过插值反射点图像来加速射线追踪的信道估计方法,以减少计算资源消耗并提高信道预测的准确性。
2026-01-30 cs.SY eess.SP eess.SY
Refining Ray-Tracing Accuracy and Efficiency in the Context of FRMCS Urban Railway Channel Predictions
本文改进射线追踪工具,结合动态版本与物理光学混合方法,用于FRMCS城市铁路信道预测,案例显示金属支柱散射贡献显著,兼顾精度与效率。
2025-06-19 eess.SP
ISAC Imaging by Channel State Information using Ray Tracing for Next Generation 6G
本文提出基于CSI多径分量和两段式反射点优化算法的ISAC成像框架,利用6.75 GHz射线追踪实现多跳环境下的三维物体几何重建,并首次验证了其准确性。
2025-09-08 eess.SP
Ray-Tracing vs. 3GPP TDL: Power Delay Profile Analysis in Outdoor-to-Indoor and Indoor Channels
Rampart Communications
本文通过比较确定性射线追踪模型与3GPP TDL模型的功率延迟分布,评估了3GPP TDL模型在捕获站点特定多径结构方面的局限性。
2026-05-22 eess.SP
Prediction of Wireless Channel Statistics with Ray Tracing and Uncalibrated Digital Twin
本文提出一种基于未校准数字孪生和射线追踪的无线信道统计预测框架,通过推导几何先验结合高斯过程,仅需少量测量即可预测信道统计并量化不确定性,为URLLC速率选择提供统计保证。
2025-06-25 cs.IT eess.SP math.IT
Efficient Ray-Tracing Channel Emulation in Industrial Environments: An Analysis of Propagation Model Impact
本文利用 Volcano 在 2 GHz 与 28 GHz 下分析射线交互次数和场景数字化表示对工业射线追踪信道仿真的影响,以提升计算效率并支持 5G 工业网络设计。
2023-06-02 cs.NI eess.SP
Opportunistic Data Offloading for Robotic Operations in Dynamically Varying Channel Environments
University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
针对动态毫米波信道环境中自主车辆的安全导航与数据传输需求,提出结合控制障碍函数的非线性模型预测控制框架,可降低总能耗最多37.3%。
2026-09-07 eess.SP
Road to 6G Digital Twin Networks: Multi-Task Adaptive Ray-Tracing as a Key Enabler
针对6G数字孪生网络(DTN)对无线信道孪生的需求,提出面向6G的多任务自适应射线追踪平台(MART-6G),通过三个核心模块生成具6G特征的信道,并经案例验证其在离线覆盖预测和在线实时信道预测中的性能。
2025-02-20 eess.SP
Accelerating Ray Tracing-Based Wireless Channels Generation for Real-Time Network Digital Twins
针对网络数字孪生中射线追踪计算成本高的问题,提出3D场景预处理简化和RT结果后处理增强方法,在不损害多径参数准确性的前提下将仿真时间减少50%以上。
2025-07-23 cs.NI eess.SP
Ray Tracing-Enabled Digital Twin for RIS Phase Optimization: Implementation and Experimental Validation
TÜBİTAK BİLGEM(土耳其科技研究委员会工业研究中心);Istanbul Technical University(伊斯坦布尔理工大学);Koç University(科奇大学);Carleton University(卡尔顿大学)
本文提出一种基于数字孪生的RIS相位优化框架,通过射线追踪库构建物理环境模型,减少信令开销,实验验证了数字孪生模型的准确性及优化策略的可行性。
2026-04-20 eess.SP
Modeling Diffuse Scattering in Mobility Scenarios: Ray Tracing Model and Measurement Validation
AIT Austrian Institute of Technology(奥地利信息技术研究所)
该研究针对移动场景漫散射建模的局限,在Sionna RT中引入持久表面关联散射点的射线追踪模型,经5.9 GHz城市车载测量验证,可提升延迟与多普勒域的测量一致性。
2026-10-16 eess.SP
Analysis of 3GPP and Ray-Tracing Based Channel Model for 5G Industrial Network Planning
本文研究了3GPP信道模型在工业场景的适用性,提出利用瑞典工厂连续波测量数据校准基于射线追踪的RT模型,使其RMSE和标准差低于7 dB,并通过模拟网络部署对比两者在RSRP覆盖图和覆盖率上的表现,为优化5G工业网络规划提供见解。
2024-07-23 cs.ET eess.SP
Localization with Deep Neural Networks using mmWave Ray Tracing Simulations
世界正在朝着更快的数据转换发展,更有效的用户本地化是首要要求。这项工作研究了使用深度学习技术进行无线定位,同时考虑毫米波(mmWave)和低于6 GHz的频率。学习新的神经网络模型的能力使得定位过程更容易和更快。在这项研究中,深度神经网络(DNN)被用于在两个静态场景中定位用户设备(UE)。我们提出了两种不同的方法来训练神经网络,一个使用信道参数(功能),另一个使用信道响应向量,并使用初步的计算机模拟比较其性能。我们观察到,前一种方法产生高的定位精度考虑到所有的用户有一个固定的多径分量(MPC)的数量,这种方法是依赖于MPC的数量。另一方面,后一种方法独立于MPC,但与第一种方法相比,它的性能相对较差。
2020-02-28 eess.SP
Satellite-Terrestrial Channel Characterization in High-Speed Railway Environment at 22.6 GHz
卫星和地面通信系统的融合在第五代移动通信系统(5G)中具有无处不在的覆盖、可靠的服务和灵活的组网能力。此外,大带宽的毫米波(mmWave)通信是5G智能轨道交通的关键使能器。在本文中,卫星地面信道在22.6 GHz的特点是一个典型的高速铁路(HSR)环境。重建铁路场景的三维模型,并导入云射线跟踪(CloudRT)仿真平台。基于广泛的射线跟踪模拟,地面HSR系统和卫星地面系统的信道特征与两种天气条件下,它们之间的干扰进行了评估。本文的研究结果可为未来智能轨道交通的星地通信系统的设计和评估提供参考。
2020-06-11 eess.SP
An Improved Ray Tracing Acceleration Algorithm Based on Bounding Volume Hierarchies
光线跟踪是一种有效的信道建模方法。然而,传统的光线追踪方法计算复杂度较高。针对这一问题,提出了一种改进的包围盒层次(BVH)算法。该算法基于表面面积启发式算法(SAH)和空间距离,可以有效地减少光线与三角面片之间不必要的相交测试次数。此外,该算法充分考虑了光线作用范围的影响,既弥补了基于均匀网格法和k维(KD)树的空间划分的缺陷,又解决了基于传统BVH算法的空间划分不理想的问题。仿真结果表明,与传统BVH算法相比,该算法在保证计算精度的前提下,计算效率可提高20%~ 35%。
2022-08-22 eess.SP
Simplified Ray Tracing for the Millimeter Wave Channel: A Performance Evaluation
毫米波(mmWave)通信是第五代(5G)无线网络的基石创新之一,这要归功于这些频段中可用的大量带宽。然而,为了正确评估此类系统的性能,必须在深入了解毫米波信号传播特性的基础上,建立可靠的信道模型。在这方面,光线跟踪器可以提供高精度,以显著的计算复杂性为代价,这限制了模拟的可扩展性。为了解决这个问题,在本文中,我们提出了可能的简化,可以降低在毫米波环境中的光线跟踪的复杂性,而不会显着影响模型的准确性。我们评估这种简化对链路级指标的影响,测试不同的配置参数和传播场景。
2020-02-21 cs.NI cs.PF eess.SP
Multi-Stage Location Optimization Through Power Delay Profile Alignment Using Site-Specific Wireless Ray Tracing
本文提出一种多阶段TX/RX位置校准框架,利用多阶段网格搜索和Powell方法对齐测量与仿真的功率延迟分布,纠正了高达7米的位置误差,显著提升了信道预测精度,对下一代无线网络波束管理至关重要。
2025-09-15 eess.SP
Learning Radio Environments by Differentiable Ray Tracing
NVIDIA(英伟达);University of Stuttgart(斯图加特大学)
本文提出基于梯度的可微光线追踪校准方法,将材料特性、散射和天线方向图参数化,并通过合成数据与室内MIMO信道测量验证其有效性。
2023-11-30 cs.IT cs.LG cs.NI
AdaComm: Tracing Channel Dynamics for Reliable Cross-Technology Communication
跨技术通信(CTC)是一种新兴技术,用于支持遵循不同标准的无线设备之间的直接通信。尽管社会各界提出了许多不同的建议,以使CTC,性能方面的CTC是一个同样重要的问题,但很少有人研究过。我们发现这个问题是极具挑战性的,由于以下原因:一方面,CTC的链路本质上不同于传统的无线链路。传统的链路指示符,如RSSI(接收信号强度指示符)和SNR(信噪比)不能用于直接表征CTC链路。另一方面,许多现有CTC建议采用的PER(分组出错率)等间接指标无法捕获短期链路行为。因此,现有的CTC提案不能在动态信道条件下保持可靠的性能。为了解决上述挑战,我们在本文中提出了AdaComm,一个通用的框架,以实现自适应CTC在动态通道。AdaComm采用在线学习机制自适应地调整CTC接收端的解码模型,而不是被动地调整CTC发送端。自适应解码模型直接从嵌入当前信道状态的原始接收信号中自动学习有效特征。在无损信道信息的基础上,AdaComm进一步采用了微调和全训练模式,以应对连续和突变的信道动态。我们实现AdaComm和集成它与现有的两个CTC方法,分别采用CSI(信道状态信息)和RSSI作为信息载体。评估结果表明,与现有方法相比,AdaComm可以显着降低BER(符号出错率),分别降低72.9%和49.2%。
2022-09-30 cs.NI eess.SP
Effectiveness of Reconfigurable Intelligent Surface in Multipath Fading Channel
Universiti Teknologi Brunei(文莱科技大学)
该研究提出基于三信道黑盒与射线追踪的RIS辅助信道仿真方法,验证了多径衰落环境下RIS性能随单元数平方提升,且最佳部署位置靠近收发端、中间呈U形衰落的规律。
2025-10-01 eess.SP
Improving Proximity Classification for Contact Tracing using a Multi-channel Approach
Osnabrück University(奥斯纳布吕克大学);University of Twente(特文特大学)
针对 BLE 接触追踪距离估计不准的问题,论文提出融合 BLE 与双频 IEEE 802.11 信号的多通道分类模型及配套数据集,显著提升公共交通场景的邻近分类与接触追踪精度。
2022-04-20 cs.LG cs.NI eess.SP
Site-Specific Location Calibration and Validation of Ray-Tracing Simulator NYURay at Upper Mid-Band Frequencies
NYU WIRELESS, Tandon School of Engineering, New York University(纽约大学坦登工程学院)
本文提出了一种针对中高频段的射线追踪模拟器NYURay的现场特定位置校准与验证方法,通过优化发射器-接收器位置提高模拟准确性,并验证了其在路径损耗预测中的可靠性。
2026-01-29 eess.SP
Ray Tracing Analysis for UAV-assisted Integrated Access and Backhaul Millimeter Wave Networks
最近,在蜂窝通信中使用毫米波(mmWave)频谱吸引了越来越多的兴趣,以支持预期的业务需求的大规模增长。然而,毫米波频率下的高路径损耗带来了严峻的挑战。在本文中,我们分析了潜在的覆盖增益使用无人机(UAV),悬停中继,在综合接入和回程(IAB)毫米波蜂窝场景。具体而言,我们利用WinProp软件包,采用射线跟踪方法,在30和60 GHz频段的室外毫米波信道的传播特性研究在曼哈顿样的环境。在这样做时,我们提出了放大和转发(AF)和解码和转发(DF)中继机制在WinProp软件的实现。我们展示了如何在接入和回程链路的覆盖光线跟踪地图的基础上定义无人机的3D部署。此外,我们提出了一个自适应的无人机发射功率的AF中继。我们证明,借助射线跟踪模拟,所提出的中继模式的下行链路覆盖方面的性能增益,和接收信号干扰噪声比(SINR)。
2019-07-04 eess.SP
Calibrating Wireless Ray Tracing for Digital Twinning using Local Phase Error Estimates
NVIDIA Corporation(英伟达公司)
针对无线射线追踪校准中几何模型偏差导致相位预测不准的问题,提出基于变分期望最大化的相位误差估计补偿方案,经Sionna库验证预测准确性优于现有方法。
2024-05-14 cs.LG eess.SP
WiThRay: A Versatile Ray-Tracing Simulator for Smart Wireless Environments
本文提出开源三维射线追踪仿真器WiThRay,采用低复杂度BE算法、散射校准并支持RIS,可在无信道假设的逼真传播环境中评估通信与信号处理技术。
2023-04-22 cs.IT eess.SP math.IT
Comparing Stochastic and Ray-tracing Datasets in Machine Learning for Wireless Applications
Arizona State University(亚利桑那州立大学);InterDigital, Inc.(InterDigital公司)
本文探讨了随机信道模型与光线追踪数据在无线应用机器学习中的性能差异,通过实证研究发现随机模型在某些任务中可能表现不佳,而光线追踪数据在需要强时空耦合的任务中更具优势。
2025-12-13 eess.SP
SceneBaker: Radio-Ready Scene Generation for Sionna Ray-Tracing
Institute of New Media and Communications, Seoul National University(首尔大学新媒体传播研究所);Department of Electrical and Computer Engineering, Seoul National University(首尔大学电气与计算机工程系);Department of Electrical Engineering, POSTECH(浦项科技大学电气工程系)
本文提出SceneBaker程序化场景生成流水线,无需GUI即可将地图和地形数据转换为Sionna RT就绪的Mitsuba场景,在四个校园场景中生成的场景可避免典型错误,且信道响应与Blender基线相当。
2026-08-06 eess.SP
Ray Tracing Algorithm for Reconfigurable Intelligent Surfaces
本文扩展GPU加速光线追踪器以支持可重构智能表面,提出可集成的高阶反射路径损耗模型,经实验验证其对接收信号强度建模具有重要作用。
2024-02-20 eess.SP
Ray-Optics Simulations of Outdoor-to-Indoor Multipath Channels at 4 and 14 GHz
本研究针对室外到室内场景,开展基于激光扫描点云楼层平面图的4 GHz与14 GHz频段射线追踪信道仿真,验证了内部建模对提升时延和角度扩展仿真精度的作用,还分析了多层隔热窗对传播覆盖的影响。
2023-01-13 eess.SP
V2X Sidelink Positioning in FR1: Scenarios, Algorithms, and Performance Evaluation
本文研究了5G网络中sub-6 GHz V2X直连链路定位场景,推导了考虑多径与RTT协议的近似CRB,提出基于张量分解和ESPRIT的高分辨率信道参数估计算法,仿真证实该算法可实现亚米级定位精度。
2023-10-20 eess.SP
Situational Coverage and Rate Distribution Maps for 5G V2X Systems Using Ray-Tracing
毫米波(mmWave)是为车联网(V2X)通信提供高数据速率的实用解决方案。这使得未来的自动驾驶汽车能够与基站(BS)交换大数据,例如速度和位置,以提高高级驾驶辅助系统(ADAS)的安全性。为了实现这一目标,我们建议开发一个情景率地图,以表征BS和车辆的统一网格之间实现的速率分布。在这种情况下,我们考虑了一个毫米波5G蜂窝系统,该系统具有两种物理结构,即仅模拟波束成形和具有有限反馈的混合预编码,以研究单用户和多用户场景的速率分布。我们将使用光线跟踪工具来构建仿真环境,并生成BS和车辆网格之间的通道。最后,我们将研究载波频率,带宽,基站的部署,阻塞,码本,物理结构和服务的用户数对速率分布图的影响。此外,我们将提供费率统计数据,以评估某些服务要求和各种道路形状(如拐角,交叉口和直道)的服务用户的覆盖范围。
2021-05-18 eess.SP
Towards Generative Ray Path Sampling for Faster Point-to-Point Ray Tracing
Politecnico di Milano(米兰理工大学);University of Bologna(博洛尼亚大学)
针对点对点射线追踪路径识别计算量大的问题,提出机器学习辅助的射线追踪方法,动态优先采样潜在有效路径,复杂度随场景线性增长,对几何变换不变且不依赖特定环境特征,在保持高精度的同时显著降低计算负荷。
2025-09-05 cs.LG eess.SP
Dynamic EM Ray Tracing for Large Urban Scenes with Multiple Receivers
本文提出一种基于相干性的动态射线追踪算法,用于大型城市场景中多接收机的无线传播模拟,可线性扩展并准确评估复杂动态环境。
2023-05-14 eess.SP
Comparing Differentiable and Dynamic Ray Tracing: Introducing the Multipath Lifetime Map
DEI, University of Bologna(博洛尼亚大学);UniBo(博洛尼亚大学);NVIDIA(英伟达)
本文针对动态场景下无线电传播建模需求,对比可微分与动态光线追踪技术,提出仅靠环境几何描述就能评估信道时空相干性的多径寿命图指标,在城市街道峡谷场景验证结果与实测相近。
2025-09-05 cs.LG eess.SP
Environment Reconstruction with Multi-targets Reflectors-merged Sensing Method Based on THz Single-sided Channel Characteristics
针对太赫兹ISAC环境重建需求,提出基于单端信道小尺度特性的多目标反射体融合方法ERM,仅需接收MPC小尺度参数,经双三角形方程检测反射面并全局融合,实验验证其在仿真和实测中均实现高精度感知,助力太赫兹通信系统设计与ISAC应用。
2024-12-05 eess.SP
DRaGon: Mining Latent Radio Channel Information from Geographical Data Leveraging Deep Learning
无线信道建模是无线通信网络设计、优化和仿真过程中最基本的环节之一。在这一领域,长期建立的方法,如分析通道模型和光线追踪技术代表了事实标准方法。然而,正如最近的研究结果所证明的那样,通过用机器学习技术丰富基于模型的方法来创新这一研究领域仍然有未开发的潜力。在本文中,我们提出了从GeOinformatioN(DRaGon)的深度无线电信道建模作为一种新的机器学习启用的方法,用于从地理数据自动生成无线电环境地图(REM)。为了实现准确的路径损耗预测结果,DRaGon将从无线电传播环境的三维模型中提取的确定特征与深度学习模型中的接收器区域的原始图像相结合。在一个全面的性能评估和验证活动中,我们比较了所提出的方法与现实世界的测量,光线追踪分析,以及众所周知的信道模型的准确性。据发现,来自通信领域的专家知识和深度学习的数据分析能力的组合允许实现比参考方法显著更高的预测精度。
2021-12-15 cs.NI eess.SP
Accuracy vs. Complexity for mmWave Ray-Tracing: A Full Stack Perspective
毫米波(mmWave)频带将在未来无线系统的无线电接入中提供每秒数千兆比特的连接。频谱的这一部分中的高传播损耗要求部署大型天线阵列以通过高定向增益来补偿损耗,从而在信道模型中引入空间维度以准确地表示毫米波网络的性能。从这个角度来看,射线跟踪可以根据多路径分量(MPC)来表征信道,以提供高度准确的模型,代价是极端的计算复杂性(例如,用于处理关于传播的详细环境信息),这限制了仿真的可缩放性。在本文中,我们提出了可能的简化,以提高在毫米波射线跟踪模拟的准确性和复杂性之间的权衡,通过减少MPC的总数。通过端到端仿真,测试不同的配置参数,传播场景和更高层的协议实现,从全栈的角度来评估这种简化的效果。然后,我们提供的最佳程度的简化,这是可能的,以减少模拟的复杂性与最小的减少不同的部署方案的准确性的指导方针。
2020-07-14 cs.NI cs.PF eess.SP
Enabling Site-Specific Cellular Network Simulation Through Ray-Tracing-Driven ns-3
本文扩展5G-LENA,引入基于射线追踪轨迹的信道模型,实现站点特定蜂窝网络仿真,支持波束管理和数字孪生研究。
2025-08-06 cs.NI eess.SP
Towards Practical Cell-Free 6G Network Deployments: An Open-Source End-to-End Ray Tracing Simulator
本文提出一个基于Unity和GPU加速的开源端到端射线追踪仿真器,集成LIS与MIMO技术,用于无蜂窝6G网络的物理传播与系统级协议联合仿真,为6G研发提供高灵活性的实用工具。
2023-12-07 cs.NI eess.SP
Probabilistic Two-Ray Model for Air-to-Air Channel in Built-Up Areas
本文提出了一种适用于建筑密集区的空-空(AA)传播信道的概率双射线(PTR)路径损耗模型。基于城市分布的统计模型,PTR路径损耗模型可以应用于郊区、市区、密集市区和高层城市。在射线追踪模拟中,路径损耗最佳拟合为威布尔分布,其波动拟合为正态分布。该模型与射线追踪法的结果吻合较好,表明该模型可以为高空平台的准确、快速预报提供一种有效的工具。作为PTR模型的扩展研究,我们通过大量的仿真实验提取了阴影因子,提出了高度相关阴影模型。实验结果表明,本文提出的阴影模型与基于测量的模型具有很好的一致性,表明本文的研究具有良好的可扩展性和通用性。
2019-06-26 cs.SY eess.SP eess.SY
Channel Prediction for mmWave Ground-to-Air Propagation under Blockage
近年来,使用无人机(UAV)的地对空(GA)通信越来越受欢迎,预计将成为5G网络及其他网络的一部分。然而,GA链路易受毫米波(mmWave)频率的频繁阻塞的影响。在链路阻塞期间,不能可靠地获得信道信息。在这项工作中,我们提供了一种新的方法,在GA链路阻塞在28 GHz的信道预测。在我们的方法中,沿无人机飞行轨迹的多径分量(MPC)被安排到独立的路径箱之间的最小欧几里德距离的基础上的信道参数的MPC。在排列之后,预测在阻塞期间各个路径仓中的MPC的信道参数。自回归模型用于预测。从射线跟踪模拟获得的结果表明,实际和预测的毫米波信道之间的紧密匹配。
2021-05-05 eess.SP
Wireless Channel Prediction in Partially Observed Environments
NYU Tandon School of Engineering(纽约大学坦登工程学院)
特定地点的射频(RF)传播预测越来越依赖于从摄像机和激光雷达传感器等视觉数据构建的模型。当在动态设置中操作时,环境可能仅被部分地观察到。本文介绍了一种在给定局部环境观测值的情况下提取统计信道模型的方法。我们提出了一个简单的启发式算法,执行部分环境上的光线追踪,然后使用机器学习训练的预测估计通道和它的不确定性从部分光线追踪结果提取的功能。结果表明,该方法可以插值完全统计模型时,没有部分信息是可用的,完全确定性模型时,环境是完全观察到的。该方法还可以捕获的传播预测的不确定性的程度取决于已被探索的区域的量。该方法在一组室内地图上模拟的机器人导航应用程序中进行了演示,该室内地图具有使用最先进的导航,同时定位与地图构建(SLAM)和计算机视觉方法构建的详细模型。
2022-07-03 cs.LG cs.RO eess.SP
Environment Reconstruction in Multi-Bounce Channels with Array Partial Blockage
University of Luxembourg(卢森堡大学);Peking University(北京大学)
针对ELAA部分遮挡导致的空间非平稳信道,本文通过参数化建模和GM-SAGE算法实现散射体定位与环境重建,并在射线追踪仿真中验证了其鲁棒性。
2025-09-16 eess.SP