第二章：无线信道特性——大尺度与小尺度衰落、多径与多普勒、建模与仿真
各位同学，大家好。今天我们聊聊无线信道。说实话，搞通信系统这么多年，我最大的感触就是：信道是通信系统的“命门”。你算法再牛，芯片再快，信道搞不清楚，一切白搭。我自己刚入行那会儿，就吃过这个亏——在实验室里跑仿真，信噪比漂亮得很，结果一上外场测试，数据掉得一塌糊涂。后来才明白，是信道模型没选对。
所以这一章，咱们把无线信道的几个核心特性掰开揉碎了讲。我会结合我项目里踩过的坑，帮大家把这块硬骨头啃下来。
2.1 大尺度衰落：信号在“宏观”层面怎么变
大尺度衰落，说白了就是信号在长距离传输中，能量怎么慢慢“耗光”的。它主要包含两部分：路径损耗和阴影衰落。
路径损耗很好理解——信号越传越弱。自由空间里，接收功率和距离的平方成反比。但实际场景复杂得多，比如城市里高楼林立，损耗指数可能到4甚至5。我记得有一次做郊区基站覆盖规划，按自由空间模型算出来覆盖半径2公里，结果实测只有1.2公里。后来发现是那片区域有片密林，等效损耗指数到了3.8。嗯，从那以后我学乖了，做链路预算时一定留够余量。
阴影衰落呢？它是由大型障碍物（比如山丘、建筑群）引起的“慢变”波动。通常用对数正态分布来建模。标准差一般在4~12 dB之间，视环境而定。
实用公式（对数距离路径损耗模型）：
PL(d) = PL(d0) + 10 * n * log10(d/d0) + Xσ其中 n 是路径损耗指数，Xσ 是均值为0、标准差为σ的高斯随机变量（代表阴影衰落）。
我的经验：做室外宏站规划时，n取3.5~4.0比较保险。室内场景（比如商场、体育馆）n可以取2.0~3.0。但如果你做的是毫米波，那n值会大得多，甚至到6以上——别问我怎么知道的，都是泪。
2.2 小尺度衰落：信号在“微观”层面怎么抖
大尺度衰落是“慢变量”，小尺度衰落才是真正让通信系统设计头疼的东西。它由两个物理机制主导：多径效应和多普勒频移。
2.2.1 多径效应——信号自己跟自己打架
你想想看，发射机发出的信号，经过地面反射、墙壁反射、建筑物绕射……到达接收机时，已经变成了几十个甚至上百个“副本”。这些副本到达时间不同、相位不同、幅度不同，叠加在一起——有时候同相叠加（增强），有时候反相叠加（抵消）。
这就是多径效应。它会导致时延扩展和频率选择性衰落。
- 时延扩展：最大多径时延与最早到达路径的时间差。如果这个值大于符号周期，就会产生码间干扰（ISI）。
- 相干带宽：Bc ≈ 1 / τ_max。如果信号带宽大于相干带宽，就会经历频率选择性衰落——不同频率分量衰减不一样。
避坑指南：我曾经在一个OFDM系统里，子载波间隔设得太小，结果多径时延扩展超过了循环前缀的长度。那叫一个惨——误码率直接飙到10^-2。后来我把循环前缀从1/4符号长度改到1/2，问题才解决。记住：循环前缀长度一定要大于最大时延扩展。
2.2.2 多普勒频移——动起来就变调
多普勒效应大家中学都学过——火车靠近时汽笛声变尖，远离时变低沉。无线通信里也一样。当移动台（比如手机）以速度v运动时，接收信号的频率会发生偏移：
fd = (v / λ) * cosθ其中θ是移动方向与入射波方向的夹角。最大多普勒频移 fd_max = v / λ。
多普勒频移会导致时间选择性衰落。它的影响可以用相干时间来衡量：Tc ≈ 1 / (2 * fd_max)。如果符号周期大于相干时间，信道就在一个符号内发生了变化——这叫快衰落。
典型场景：
| 场景 | 速度 | 载频2.4GHz | 载频28GHz |
|---|---|---|---|
| 步行 | 3 km/h | fd ≈ 6.7 Hz | fd ≈ 78 Hz |
| 车载 | 60 km/h | fd ≈ 133 Hz | fd ≈ 1.55 kHz |
| 高铁 | 300 km/h | fd ≈ 667 Hz | fd ≈ 7.78 kHz |
看到了吧？毫米波下多普勒频移大得多，这也是为什么5G NR对高速场景做了专门优化。
2.3 信道建模与仿真工具
理论讲完了，怎么用？我个人习惯用MATLAB做快速原型验证，用NS-3做系统级仿真。下面给两个实用例子。
2.3.1 MATLAB：瑞利衰落信道仿真
瑞利衰落是最经典的小尺度衰落模型——适用于没有直射路径（NLOS）的场景。下面这段代码我用了好多年，基本没出过问题：
% 瑞利衰落信道仿真（Jakes模型）
fs = 1e6; % 采样率 1 MHz
fd = 100; % 最大多普勒频移 100 Hz
N = 10000; % 采样点数
t = (0:N-1)/fs;
% 生成复高斯随机过程
h = (randn(1,N) + 1j*randn(1,N)) / sqrt(2);
% 应用Jakes多普勒谱（低通滤波）
% 这里用简化的方法：直接乘多普勒相位旋转
theta = 2*pi*fd*t;
h_doppler = h .* exp(1j*theta);
% 绘制幅度响应
figure;
plot(t*1e3, 20*log10(abs(h_doppler)));
xlabel('时间 (ms)'); ylabel('幅度 (dB)');
title('瑞利衰落信道幅度响应 (fd=100Hz)');
grid on;小技巧：实际项目中，我一般会叠加一个莱斯因子K（直射路径功率与散射路径功率之比）。当K=0时就是纯瑞利，K越大越接近高斯信道。做无人机通信时，K值通常在10~20 dB之间——因为空中遮挡少，直射路径占主导。
2.3.2 NS-3：系统级信道配置
做系统仿真时，NS-3的ThreeGppChannelModel很好用。它实现了3GPP TR 38.901标准中的信道模型，支持UMa、UMi、RMa等场景。
// NS-3 配置示例（C++）
#include "ns3/three-gpp-channel-model.h"
// 创建信道模型
Ptr<ThreeGppChannelModel> channel = CreateObject<ThreeGppChannelModel>();
// 配置场景为城市宏蜂窝（UMa）
channel->SetAttribute("Scenario", StringValue("UMa"));
// 设置载频和带宽
channel->SetAttribute("Frequency", DoubleValue(3.5e9)); // 3.5 GHz
channel->SetAttribute("Bandwidth", DoubleValue(100e6)); // 100 MHz
// 更新信道条件（每100ms更新一次）
Simulator::Schedule(Seconds(0.1), &ThreeGppChannelModel::UpdateCondition, channel);注意：NS-3的3GPP信道模型计算量比较大。我试过在普通笔记本上跑100个UE的仿真，CPU直接拉满。建议先在小规模场景下调通逻辑，再上大规模仿真。或者用ThreeGppSpectrumPropagationLossModel做简化——速度快很多，精度也够用。
2.4 小结：信道特性决定了系统设计的边界
讲到这里，大家应该明白了：大尺度衰落决定覆盖范围，小尺度衰落决定传输质量。做资源调度时，这两者都要考虑进去。
- 大尺度衰落：影响链路预算、基站部署密度、切换策略。
- 小尺度衰落：影响调制编码方案（MCS）选择、HARQ重传策略、MIMO预编码设计。
- 多普勒频移：影响信道估计更新速率、导频密度、子载波间隔选择。
我个人建议：做系统设计时，先跑一遍静态链路预算（大尺度），再叠加小尺度衰落做蒙特卡洛仿真。这样既能保证覆盖，又能评估链路质量波动的影响。嗯，这套方法论我用了十年，基本没翻过车。