基于粒子群算法的室外配用电场景射线追踪优化方法_史锐博.pdf

史锐博，富子豪，朱博，等.基于粒子群算法的室外配用电场景射线追踪优化方法J.电波科学学报，2023，38（1）：27-34.DOI:10.12265/j.cjors.2022045SHI R B,FU Z H,ZHU B,et al.Ray tracing optimization using particle swarm algorithm for an outdoor power distribution and utilization scenarioJ.Chinesejournal of radio science，2023，38（1）：27-34.（in Chinese）.DOI:10.12265/j.cjors.2022045基于粒子群算法的室外配用电场景射线追踪优化方法史锐博1富子豪1朱博1于璐嘉1耿绥燕1赵雄文1*李清亮2（1.华北电力大学电气与电子工程学院,北京 102206；2.中国电波传播研究所电波环境特性及模化技术重点实验室,青岛 266107）摘要 为高效地利用射线追踪(ray tracing,RT)方法对室外配用电环境毫米波段进行传播特性研究，提出一种将 RT 方法与粒子群优化(particle swarm optimization,PSO)算法相结合的 RT 优化方法.首先进行低分辨率RT，利用距离参数筛选出可能到达接收端的射线发射角度，并将其划分成多个搜索区域；然后在每个搜索区域中利用 PSO 算法寻找最优路径.该方法的路径损耗仿真结果与传统 RT 仿真结果以及实测数据都表现出了良好的一致性，场强覆盖预测也和传统 RT 仿真结果相一致.结果表明，该方法在保证精确度的同时可以有效提高 RT 计算效率，并避免了传统 RT 中的接收球问题，具有一定的工程应用价值.关键词毫米波；射线追踪(RT)；配用电场景；电波传播；粒子群优化(PSO)算法；路径损耗；场强覆盖中图分类号TN928文献标志码A文章编号1005-0388（2023）01-0027-08DOI 10.12265/j.cjors.2022045Ray tracing optimization using particle swarm algorithm foran outdoor power distribution and utilization scenarioSHI Ruibo1FU Zihao1ZHU Bo1YU Lujia1GENG Suiyan1ZHAO Xiongwen1*LI Qingliang2（1.School of Electrical and Electronic Engineering,North China Electric Power University,Beijing 102206,China；2.NationalKey Laboratory of Electromagnetic Environment,China Research Institute of Radiowave Propagation,Qingdao 266107,China）Abstract In order to use ray tracing (RT)method more efficiently to study millimeter wave propagationcharacteristics in an outdoor power distribution and utilization scenario,a RT optimization method combining the RTand the particle swarm optimization(PSO)algorithm is proposed.The method first performs low-resolution RT,andthen selects the ray emission angle which is likely to reach the receiving end with the distance parameters,and dividesthe angle into multiple searching areas.Then,the method uses the PSO algorithm to find the optimal path in eachsearching area.The path loss and field strength coverage prediction results have good agreement with the traditional raytracing and measured results.Compared with traditional RT,this method can effectively improve the computationalefficiency,and it can also avoid the receiving ball problem in traditional RT method，which is valuable in engineeringapplications.Keywordsmillimeter wave；ray tracing；power distribution and utilization；radio wave propagation；particleswarm optimization(PSO)algorithm；path loss；field strength coverage 引言近年来随着 5G 移动通信系统的兴起，毫米波通信作为其关键技术吸引了学术界的广泛关注1-2.毫米波是指频段在 30300 GHz 的电磁波，毫米波通信系统与 4G、sub-6 GHz 频段 5G 相比有着质的飞跃，可提供更大可用带宽、更低通信时延，以及更快的无线网络服务，实现海量设备接入及异构网络融合，为泛在物联网的形成奠定了基础.2019 年的 WRC会议上，ITU 已将 24.2527.5 GHz(26 GHz)、37 收稿日期：2022-03-20资助项目：电波环境特性及模化技术重点实验室基金（202101004)通信作者：赵雄文 E-mail: 第 38 卷第 1 期电波科学学报Vol.38，No.12023 年 2 月CHINESE JOURNAL OF RADIO SCIENCEFebruary，2023 43.5 GHz(40 GHz)、6671 GHz 规划为 5G 未来的发展频段.在国内，目前三大运营商也正在积极推动5G 毫米波的部署.智能电网的快速发展使大量设备接入配用电网络中，为满足不同业务通信需求，需要对配用电场景建立准确的信道模型.信道建模方法主要分为统计性建模方法和确定性建模方法.统计性建模方法将信号传播机制与数学统计方法相结合3，对信道参数进行统计描述；确定性信道模型通过建立虚拟的发射端、接收端以及信号传播环境，模拟信号在场景中的传播情况，可以针对具体场景得到较为准确的仿真结果.射线追踪(ray tracing,RT)方法是应用最为广泛的确定性信道建模方法之一，与其他确定性信道建模方法相比，RT 实施起来较为方便，且结果较为直观.但由于传统 RT 方法需要在空间各个角度遍历搜索路径，且发射角度分辨率与精度紧密相关，导致其运算时间相对较长.为了满足信道建模的实时化趋势，如何在保证精度的情况下加速 RT 过程成为亟待解决的问题.目前国内外对 RT 加速及优化方法已经有较多研究.RT 加速可以对发射角度进行划分，并只对角度范围内建筑物进行判交计算，从而减少判交次数4-5；也可以在传播环境中创建网格，并只对射线所在网格中的物体进行判交运算，加快 RT 速度6-7.除此之外，当传播环境中的建筑物高度远大于天线高度时，可以利用二维 RT 简化计算8-9.文献 10-11 将 RT 与优化算法结合，其中文献 10 在隧道环境中利用改进的灰狼算法对 RT 进行矫正；文献 11 利用蚁群算法，将优势路径代替全部路径进行计算，提高了计算效率.文献12-13 将RT 算法与神经网络结合，文献12利用神经网络预测中间射线以减少发射射线数量，显著减少了计算量；文献 13 利用机器学习方法对 RT获取的路径损耗数据进行拟合，有效降低了计算复杂度.但在目前，将优化算法应用于 RT 路径搜索阶段实现 RT 加速的研究相对较少，且大多数文献未能有效解决接收球问题.保证精度的同时为了进一步提高 RT 方法计算效率，本文提出将RT 方法与粒子群优化(particle swarmoptimization,PSO)算法相结合的室外配用电场景RT 优化方法PSO-RT 方法.为了解具体信号的传播环境，该方法进行低分辨率 RT 并引入距离参数，通过将射线具体运动方向量化为数值，判断各个方向发射的射线到达接收端的可能性，并对发射角度进行初步筛选.PSO 算法不能直接对传播情况复杂的所有射线进行处理，因此利用距离参数将筛选后的发射角度划分为多个搜索区域，保证每个搜索区域中的射线都在相同的墙壁上反射；之后利用 PSO算法在每个搜索区域计算其最优路径，并保存所有可以到达接收端的路径；最后进行筛选，删除保存路径中的不合理路径.该方法在与高分辨率 RT 达到相近精度的前提下，大幅度提高了 RT 运行速度，并且可以有效解决传统 RT 的接收球问题，避免了接收端造成的相位误差，具有广阔的应用前景.1 PSO-RT 方法传统的 RT 方法基于几何光学和一致性绕射理论，基于给定的地理信息和收发端位置信息，在所有发射角度中以遍历方法进行路径搜索，计算搜索到路径的相关衰减系数，并在接收端对所有路径进行叠加，得到接收功率、角度、时延等信道参数.在室外配用电场景中，发射端需要向空间中各个方向发射射线并进行追踪，但其中绝大多数射线都无法到达接收端，会造成极大的计算资源浪费.同时为了保证计算精度，往往需要减小射线的发射角度间隔，进一步增加计算复杂度.为了解决上述问题，本文针对室外配用电场景，将 RT 方法和 PSO 算法结合，从而实现高效、精确的反射路径搜索.首先对场景进行低分辨率的 RT，并根据保存的 RT 结果计算各个方向发射射线的距离参数，该参数一方面可以表征各个方向射线能够到达接收端的可能性实现对射线发射角度的筛选，另一方面可以将相同墙壁上反射的射线的发射角度划分为同一搜索区域；之后利用 PSO 算法在每个筛选出来的搜索区域中寻找最优路径；最后对所有找到的最优路径进行筛选，得到最终的反射路径.PSO-RT 方法的实施流程如图 1 所示.低分辨率 RT计算距离参数选取距离参数阈值筛选发射角度范围利用距离参数划分区域PSO 算法在每个区域搜索最优路径路径筛选图 1 PSO-RT 方法流程图Fig.1 Process of PSO-RT method 1.1 低分辨率 RT 及角度筛选为了解决传统 RT 方法中计算资源严重浪费的问题，在 PSO-RT 方法中，首先进行低分辨率 RT 并引入距离参数，利用距离参数对射线的发射角度进行筛选，仅保留有较大可能到达接收端的发射角度，进行后续的 PSO 优化算法搜索路径.对于给定的室外配用电场景地理位置信息以及收发端位置信息，进行低分辨率 RT，射线最大长度 28电波科学学报第 38 卷D(,)设置为收发端 3D 距离的 2 倍，并保存每条射线的发射角度、反射次数和反射路径等信息.引入距离参数表征每个发射角度发射的射线可以到达接收端的可能性，表达式为D(,)=Mi=1Ddi(,)D.（1）di(,)(,)di(,)(,)式中：和 分别为射线发射水平角和垂直角；D 为发射端到接收端的 3D 距离；将射线均分为 M 段，为方向射线第 i 段终点到接收端的 3D 距离.本文将 M 设置为 4，分别表示方向射线的 1/4 等分点、1/