具体实施方式

下面结合本发明的附图1-6，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

传统信道建模采用3GPP-38901协议中的信道建模方法。针对基站测试，在Sub6G频段，通过传导连接，该方案可以模拟终端在移动或者静止轨迹下所经历的衰落信道模型，可是在毫米波频段，一方面由于基站的阵子个数大量增加，另一方面由于毫米波频段的特性，基站不能再提供传导测试的端口。

因此，多探头全电波微波暗室是目前最合适的测试方案，本发明则提出了一种基于MIMO-OTA基站静态测试的信道建模方法。

根据3GPP-38901协议，传统的基于几何的建模公式如下所示：

其中表示非直视径，表示直视径，K_R为莱斯K因子，代表了LOS径在所有径中的比重，τ₁表示直视径的相对时延。每条非直视径是由20条子径叠加而成。和的建模方法如下：

其中：

ZOA表示到达俯仰角；

AOA表示到达方位角；

ZOD表示离开俯仰角；

AOD表示离开方位角；

u表示接收天线的天线索引；

s表示发射天线的天线索引；

n表示簇索引；

m表示子径索引；

P_n表示归一化的簇功率；

M表示子径个数；

θ表示俯仰角；

表示方位角；

F_tx,s,θ表示发送天线垂直方向的方向图；

表示发送天线水平方向的方向图；

F_rx,u,θ表示接收天线垂直方向的方向图；

表示接收天线水平方向的方向图；

κ表示交叉极化比；

Φ表示随机相位；

表示接收终端在球面坐标系中的坐标；

表示发射基站在球面坐标系中的坐标；

表示第u根接收天线的坐标矢量；

表示第s根发射天线的坐标矢量；

d_3D表示终端和基站之间的直线距离；

λ₀表示波长；

表示终端的速度矢量；

多探头全电波微波暗室的测试原理框图如图1所示，本发明主要介绍基站的测试方法，图1中的终端暗室可以使用传导测试替代。

基站暗室中的布局如图2所示，其中探头水平范围为[-90° 90°]，垂直范围为[-30° 30°]。

本发明的方法就是利用探头墙上可以使用的探头位置，从中优选出一个子集，利用预衰落合成技术，通过优化探头的功率权重可以重构目标信道的空间轮廓。假设总共使用了K个探头，则在MIMO-OTA测试下，公式(2)和公式(3)可以重新表示为：

其中，w_k,n表示第n个簇映射到第k个探头的功率权重。

利用预衰落合成技术，假设DUT(待测设备)拥有M个天线阵子，则目标信道的空间相关性可以表示为:

其中，P(Ω)为目标信道的功率角度谱(PAS)，表示空间角为Ω的DUT导向矢量，则第m个天线阵子的导向矢量可以表示为：

γ_m＝[x_m,y_m,z_m] (7)

其中，Ψ(θ,φ)表示标准球面坐标系中方位角为φ，俯仰角为θ的波矢量；λ表示波长；γ_m表示OTA系统中DUT第m个天线阵子的三维坐标。

考虑基站的波束赋形，通过应用权重向量W(Ω)＝a^H(Ω)，通过巴特莱特(Bartlett)波束赋形估计得到的目标信道的PAS可以表示为：

B(Ω)＝a^H(Ω)R(Ω)a(Ω) (8)

在多探头暗室(MPAC)测试系统中，使用K个探头合成的空间相关性可以表示为：

其中d_p1,k和L(d_p1,k)分别表示第k探头到天线阵子q_p1的距离和路损。应用权重向量W(Ω)＝a^H(Ω)，通过巴特莱特(Bartlett)波束赋形估计得到的MAPC系统中的PAS可以表示为：

B'(Ω)＝a'^H(Ω)R'(Ω)a'(Ω) (10)

a'(Ω)表示多探头微波暗室(MPAC)系统中从空间角Ω_k到DUT的传输因子，第m个天线阵子的传输因子可以表述为：

其中d_k,m表示第k个OTA探头到DUT第m个天线的距离；l(d_k,m)是以OTA系统测试半径L归一化的路损，表示为：

在MAPC系统中，目标是选择K个活动的探头子集并优化K个OTA探头的功率权重，使得模拟信道尽可能接近目标信道：

R≈R′

B(Ω)≈B′(Ω) (13)

如果以PSP(PAS相似百分比)作为衡量方式，其计算方式为：

PSP＝(1-D_p)×100％ (14)

其中，D_p表示波束功率图失真系数(pattern distortion factor)，也叫总偏移距离：

PSP∈[0，1]，0表示完全不同，1表示完全相同。

对于公式(13)，可以采用凸优化方法或者粒子群方法从备选的探头墙上选取K个OTA探头并计算其最优的功率权重，然后把探头的功率权重带入公式(4)和公式(5)进行信道建模。凸优化方法是使用如下公式：

s.t.||w||₁＝1,w_i＞0 (16)

且从每次计算出来的探头功率权重中依次剔除探头权重最小的探头，直至剩余K个探头，其功率权重计算流程如图3所示。

粒子群优化算法(PSO：Particle swarm optimization)源于对鸟群捕食的行为研究，是一种进化计算技术，其基本思想是通过群体中个体之间的协作何信息共享来寻找最优解。其流程图如图5所示。

为了对比两种不同的优化算法对探头权重计算的影响，以3GPP-38901协议中的CDL-B和CDL-E为例，分别在探头间隔为5°(备选探头481个)和10°(备选探头133个)下，使用上述两种优化算法对探头位置和探头功率权重进行计算并计算PSP如下表所示：

表1 3.5GHz，8探头不同信道模型下的PSP

表2 28GHz，8探头不同信道模型下的PSP

从上表可以看出，凸优化算法和粒子群算法均可以很好的实现探头位置和探头功率权重的计算。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。