⚡ electrical engineering

A Directivity-Dependent Rician K-Factor Model for Indoor Industrial Channels

यह शोध पत्र 75 GHz रे-ट्रेसिंग सिमुलेशन द्वारा सत्यापित, बड़े इनडोर औद्योगिक वातावरणों में एंटीना डायरेक्टिविटी को रिसियन K-फैक्टर और डिले स्प्रेड से जोड़ने वाले एक भौतिकी-आधारित, क्लोज्ड-फॉर्म मॉडल को प्रस्तुत करता है, ताकि वाइडबैंड mmWave औद्योगिक लिंक्स को अनुकूलित करने के लिए डिज़ाइन नियम प्रदान किए जा सकें।

मूल लेखक: Dimitrios C. Tzarouchis

प्रकाशित 2026-05-06

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Dimitrios C. Tzarouchis

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ इस शोध पत्र (paper) का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ विवरण दिया गया है।

बड़ी तस्वीर: "इको चैंबर" (गूँजने वाला कमरा) की समस्या

कल्पना कीजिए कि आप कंक्रीट से बने एक विशाल, खाली गोदाम में हैं। यदि आप चिल्लाते हैं, तो आपकी आवाज़ केवल सुनने वाले तक सीधे नहीं पहुँचती; यह दीवारों, फर्श और छत से टकराकर वापस आती है। ये टकराकर आने वाली लहरें (गूँज या echoes) सुनने वाले के कान तक थोड़े अलग समय पर पहुँचती हैं।

वायरलेस इंटरनेट की दुनिया में (विशेष रूप से कारखानों में उपयोग होने वाली उच्च गति वाली "E-band"), यह एक समस्या है। जब डेटा रेडियो तरंगों के रूप में यात्रा करता है, तो ये "गूँज" (echoes) देरी से पहुँचती हैं और सिग्नल को धुंधला कर देती हैं, जिससे त्रुटियाँ (errors) होती हैं। शोध पत्र इसे "डिले स्प्रेड" (delay spread) कहता है। डिले स्प्रेड जितना अधिक होगा, तेज़ और वाइडबैंड डेटा भेजना उतना ही कठिन होगा।

समाधान: "फ्लैशलाइट" बनाम "लाइटबल्ब"

यह शोध पत्र एंटीना का उपयोग करके इसे ठीक करने के तरीकों की जाँच करता है।

लाइटबल्ब (ओम्नीडायरेक्शनल एंटीना): एक ऐसे लाइटबल्ब की कल्पना करें जो हर दिशा में रोशनी फैलाता है। हमारे गोदाम में, यह रोशनी हर दीवार से टकराती है, जिससे परावर्तन (reflections) का एक अराजक मिश्रण बन जाता है।
फ्लैशलाइट (डायरेक्टिव एंटीना): अब, एक ऐसी फ्लैशलाइट की कल्पना करें जो अपनी रोशनी को एक तंग, संकीर्ण शंकु (cone) में केंद्रित करती है। यह सीधे सुनने वाले की ओर चमकती है और अधिकांश दीवारों को अनदेखा कर देती है।

शोधकर्ताओं ने एक गणितीय "नुस्खा" बनाने की कोशिश की जिससे यह अनुमान लगाया जा सके कि "फ्लैशलाइट", "लाइटबल्ब" की तुलना में कितनी बेहतर काम करती है। वे जानना चाहते थे: यदि मैं अपने एंटीना को दोगुना अधिक केंद्रित (focused) बना दूँ, तो सिग्नल कितना साफ हो जाएगा?

मुख्य खोज: "रिवरबेरेंस फैक्टर" (Reverberance Factor)

लेखकों ने एक ऐसा मॉडल बनाया है जो तीन चीजों को जोड़ता है:

एंटीना फोकस (गेन/Gain): बीम कितनी तंग है।
"K-फैक्टर" (K-Factor): एक स्कोर जो यह मापता है कि सिग्नल का कितना हिस्सा स्पष्ट और सीधा है बनाम कितना हिस्सा बिखरा हुआ शोर है।
डिले स्प्रेड (Delay Spread): सिग्नल कितना "धुंधला" हो जाता है।

उन्होंने पाया कि जैसे-जैसे आप एंटीना को अधिक केंद्रित (focus) बनाते हैं (गेन बढ़ाते हैं), बिखरा हुआ शोर कम होता जाता है। हालाँकि, यह पूरी तरह से खत्म नहीं होता। गोदाम पूरी तरह से एक समान इको चैंबर नहीं है; कुछ दीवारें ध्वनि को दूसरों की तुलना में बेहतर तरीके से परावर्तित करती हैं।

इसे समझाने के लिए, उन्होंने एक "रिवरबेरेंस फैक्टर" (आइए इसे "कमरे की गंदगी का स्कोर" कहें) पेश किया।

यदि कमरा पूरी तरह से एक समान होता, तो गणित सरल होता।
क्योंकि वास्तविक औद्योगिक हॉल अव्यवस्थित होते हैं, यह कारक सुधार पर एक "डैम्पर" (गति धीमी करने वाला कारक) के रूप में कार्य करता है। यह आपको बताता है कि एक अव्यवस्थित कमरे में समान परिणाम प्राप्त करने के लिए आपको उम्मीद से अधिक फोकस की आवश्यकता होगी।

"सेमीसर्कल" (अर्धवृत्त) का नियम

एक बहुत ही दिलचस्प खोज जो उन्होंने की, वह एक ज्यामितीय नियम है। उन्होंने पाया कि यदि आप विभिन्न एंटीना सेटिंग्स के लिए "औसत देरी" (average delay) को "अव्यवस्था" (RMS delay spread) के विरुद्ध प्लॉट करते हैं, तो वे बिंदु हमेशा एक पूर्ण अर्धवृत्त (semicircle) बनाते हैं।

इसे एक स्लाइड की तरह समझें। आप एंटीना को कैसे भी बदलें, औसत देरी और बिखरी हुई देरी के बीच का संबंध इसी विशिष्ट घुमावदार पथ का अनुसरण करता है। यह इंजीनियरों को कमरे के बारे में कुछ बुनियादी नंबर जानकर भविष्य के सिस्टम के प्रदर्शन का अनुमान लगाने में सक्षम बनाता है।

"फ्लैशलाइट" का ट्रेड-ऑफ (समझौता)

लेखकों ने कंप्यूटर सिमुलेशन का उपयोग करके एक विशाल औद्योगिक हॉल (लगभग एक फुटबॉल के मैदान के आकार का) में इसका परीक्षण किया। यहाँ उन्हें क्या मिला:

अच्छी खबर: अत्यधिक केंद्रित एंटीना (एक "फ्लैशलाइट") का उपयोग करने से डिले स्प्रेड नाटकीय रूप रूप से कम हो जाता है। यह देर से आने वाली गूँज को बाहर कर देता है।
चुनौती: सुधार रैखिक (linear) नहीं है। डिले स्प्रेड को आधा करने के लिए, आपको अपने एंटीना के फोकस को अपनी कल्पना से कहीं अधिक बढ़ाना होगा।
"हाफ-स्पीड" नियम: उन्होंने पाया कि "अव्यवस्था" (RMS delay spread), "औसत देरी" की तुलना में आधी दर से घटती है।
- उदाहरण: यदि आप अपनी फ्लैशलाइट की शक्ति को इतना बढ़ाते हैं कि औसत सिग्नल 10 गुना अधिक स्पष्ट हो जाए, तो सिग्नल का "धुंधला" हिस्सा केवल लगभग 3 गुना अधिक स्पष्ट होगा (लगभग वर्गमूल/square root)। इसका मतलब है कि सिग्नल को साफ करना जितना दिखता है उससे कहीं अधिक कठिन है।

फैक्ट्री डिज़ाइन के लिए व्यावहारिक सुझाव

लेखकों ने कारखानों में वायरलेस नेटवर्क डिजाइन करने वाले इंजीनियरों के लिए नियमों का एक सरल सेट बनाया है:

आप केवल फ्लैशलाइट से काम नहीं चला सकते: एक बड़े, कंक्रीट के कारखाने में, एक अत्यंत शक्तिशाली, केंद्रित एंटीना भी एक "पूरी तरह से साफ" सिग्नल (विशेष रूप से डिले स्प्रेड को 5 नैनोसेकंड तक लाने के लिए) प्राप्त करने के लिए पर्याप्त नहीं हो सकता है।
"40 dBi" की सीमा: इस विशिष्ट प्रकार के कारखाने में एक अच्छा कनेक्शन (50 नैनोसेकंड से कम डिले स्प्रेड) प्राप्त करने के लिए, आपको लगभग 40 dBi की कुल एंटीना पावर की आवश्यकता होती है।
"90 dBi" की दीवार: एक अत्यंत तेज़ कनेक्शन (5 नैनोसेकंड से कम डिले स्प्रेड) प्राप्त करने के लिए, आपको लगभग 90 dBi की आवश्यकता होगी। शोध पत्र सुझाव देता है कि केवल एंटीना के माध्यम से यह व्यावहारिक रूप से असंभव है; सिग्नल को साफ करने के लिए आपको अतिरिक्त इलेक्ट्रॉनिक सहायता (equalization) की आवश्यकता होगी।

सारांश

यह शोध पत्र इंजीनियरों के लिए एक भौतिकी-आधारित "मैप" (मानचित्र) प्रदान करता है। यह उन्हें बताता है कि हालांकि अपने एंटीना बीम को केंद्रित करना कारखाने में सिग्नल की गूँज को रोकने का सबसे अच्छा तरीका है, लेकिन इसकी सीमाएँ हैं। इस मानचित्र में एक "रूम मेसिनेस स्कोर" (कमरे की गंदगी का स्कोर) शामिल है जो उन्हें यह गणना करने में मदद करता है कि एक स्पष्ट कनेक्शन प्राप्त करने के लिए उनके एंटीना को कितने शक्तिशाली होने की आवश्यकता है, जिससे उन्हें अनुमान लगाने या बहुत कमजोर या अनावश्यक रूप से महंगे सिस्टम बनाने से बचाया जा सके।

तकनीकी सारांश: इंडोर इंडस्ट्रियल चैनलों के लिए एक डायरेक्टिविटी-डिपेंडेंट रिशियन K-फैक्टर मॉडल

समस्या विवरण
बड़े, आंशिक रूप से रिवरबेरेंट (प्रतिध्वनि वाले) औद्योगिक वातावरण (जैसे गोदाम, असेंबली हॉल) में E-बैंड (71–86 GHz) लिंक की तैनाती महत्वपूर्ण चुनौतियों का सामना करती है, जिसका मुख्य कारण उच्च डिले स्प्रेड (delay spreads) है। ये वातावरण रिवरबेरेंट कैविटी के रूप में कार्य करते हैं, जो मल्टीपाथ घटकों को उत्पन्न करते हैं जो वाइडबैंड प्रदर्शन को गंभीर रूप से खराब कर देते हैं। जबकि विभिन्न आवृत्तियों (28 GHz से 304 GHz) पर अनुभवजन्य अध्ययनों ने पुष्टि की है कि डायरेक्टिव एंटेना लेट-अराइविंग मल्टीपाथ को दबाते हैं और रूट-मीन-स्क्वायर (RMS) डिले स्प्रेड ( $\sigma_\tau$ ) को कम करते हैं, मौजूदा साहित्य में एक भौतिकी-आधारित, क्लोज्ड-फॉर्म मॉडल का अभाव है। वर्तमान दृष्टिकोण अनुभवजन्य फिट (empirical fits) पर निर्भर करते हैं जो मापने योग्य रूम पैरामीटर्स या एंटीना गेन से $\sigma_\tau$ या मीन एक्सस डिले ( $\bar{\tau}$ ) की भविष्यवाणी नहीं कर सकते। एक एकीकृत मॉडल की विशिष्ट आवश्यकता है जो कुल सिस्टम गेन ( $G$ ) को डिले सांख्यिकी से जोड़ने के लिए एक एकल, भौतिक रूप से व्याख्या योग्य स्केलर का उपयोग करे, ताकि आदर्श आइसोट्रोपिक कैविटी से विचलन को मापा जा सके।

कार्यप्रणाली
लेखक एंटीना डायरेक्टिविटी को रिशियन K-फैक्टर और डिले सांख्यिकी से जोड़ने के लिए एक भौतिकी-आधारित मॉडल व्युत्पन्न करते हैं:

K-फैक्टर व्युत्पत्ति: रिशियन K-फैक्टर (लाइन-ऑफ-साइट बनाम स्कैटर पावर का अनुपात) को कुल सिस्टम गेन ( $G = G_{Tx} + G_{Rx}$ ) के फलन के रूप में मॉडल किया गया है। लेखक अनिसोट्रोपिक क्षेत्रों में स्पेकुलर रिफ्लेक्शन के कारण स्कैटर पावर के सब-लीनियर विकास को ध्यान में रखने के लिए एक रिवरबेरेंस फैक्टर ( $a_K \in [0, 1]$ ) पेश करते हैं। संबंध को $K(G) = K_0 \cdot 10^{a_K G/10}$ के रूप में परिभाषित किया गया है, जहाँ $K_0$ एक ओम्नीडायरेक्शनल लिंक के लिए बेसलाइन K-फैक्टर है।
सामान्य पहचान (General Identity): किसी भी मनमाने स्कैटर पावर डिले प्रोफाइल (PDP) के लिए $\sigma_\tau$ , $\bar{\tau}$ , और $K$ को जोड़ने वाली एक सामान्य गणितीय पहचान व्युत्पन्न की गई है। यह पहचान प्रकट करती है कि $(\bar{\tau}, \sigma_\tau)$ का जोड़ा $K$ द्वारा पैरामीटराइज्ड एक अर्धवृत्त (semicircle) बनाता है, जिसका रेडियस पूरी तरह से स्कैटर प्रोफाइल के कोएफिशिएंट ऑफ वेरिएशन ( $CV_s$ ) द्वारा निर्धारित होता है।
एक्सपोनेंशियल स्कैटर मॉडल: लेखक इस ढांचे को भौतिक रूप से प्रेरित विशेष मामले—एक एक्सपोनेंशियल डिकेइंग PDP (सेबाइन-राइस मॉडल), जहाँ $CV_s = 1$ है—पर लागू करते हैं। इससे $\bar{\tau}(G)$ और $\sigma_\tau(G)$ के लिए स्पष्ट क्लोज्ड-फॉर्म एक्सप्रेशन प्राप्त होते हैं।
सिमुलेशन के माध्यम से सत्यापन: मॉडल को MATLAB में शूटिंग-एंड-बाउंसिंग-रे (SBR) सिमुलेशन का उपयोग करके मान्य किया गया है। परिदृश्य ऑस्ट्रिया में FILL इंडस्ट्रियल हॉल (लगभग 57,300 m³, कंक्रीट एनक्लोजर) का है, जो 75 GHz पर संचालित है। चार एंटीना कॉन्फ़िगरेशन के लिए 100 रैंडम Tx/Rx लिंक प्लेसमेंट के लिए सिमुलेशन चलाए गए: ओम्नीडायरेक्शनल (0 dBi) और तीन हॉर्न-पेयर कॉन्फ़िगरेशन (20, 30, और 40 dBi कुल गेन)।
एक्सट्रैक्शन विधियाँ: K-फैक्टर निकालने के लिए दो स्वतंत्र विधियों का उपयोग किया गया:
- मेथड A: व्युत्पन्न सामान्य पहचान का उपयोग करते हुए मोमेंट-आधारित एक्सट्रैक्शन।
- मेथड B: पहले आने वाले रे (ray) बनाम सभी बाद के रे के कुल योग के प्रत्यक्ष पावर इंटीग्रेशन का उपयोग।

मुख्य परिणाम

डिले सप्रेशन: एंटीना गेन को 0 dBi से 40 dBi तक बढ़ाने से 100 ns के भीतर मल्टीपाथ पावर 40 dB से अधिक दब गई। मीन एक्सस डिले ( $\bar{\tau}$ ) 104.1 ns से घटकर 9.2 ns हो गया, और RMS डिले स्प्रेड ( $\sigma_\tau$ ) 125.2 ns से घटकर 38.2 ns हो गया।
मॉडल सत्यापन: व्युत्पन्न तीन-पैरामीटर मॉडल $\{\tau_s, K_0, a_K\}$ ने सिमुलेशन डेटा को सफलतापूर्वक फिट किया। FILL हॉल के लिए, निकाले गए पैरामीटर्स थे $\tau_s \approx 127$ ns, $K_0 = 0.32$ , और $a_K = 0.40$ ( $K$ -फैक्टर फिट के लिए $R^2 = 0.91$ के साथ)।
एसिम्प्टोटिक व्यवहार (Asymptotic Behavior): परिणाम इस सैद्धांतिक भविष्यवाणी की पुष्टि करते हैं कि उच्च K-फैक्टर्स के लिए, एंटीना गेन (dB में) के संबंध में $\sigma_\tau$ , $\bar{\tau}$ की तुलना में आधे दर से घटता है। विशेष रूप से, $\bar{\tau} \propto 10^{-a_K G/10}$ जबकि $\sigma_\tau \propto 10^{-a_K G/20}$ ।
विसंगति विश्लेषण: मोमेंट-आधारित K-एक्सट्रैक्शन (मेथड A) ने डायरेक्टिव गेन पर पावर-रेशियो मेथड (मेथड B) की तुलना में उच्च K-वैल्यू प्रदान की। पेपर इस बात का श्रेय स्कैटर PDP को एक्सपोनेंशियल मॉडल ( $CV_s > 1$ ) से विचलित होने को देता है, जहाँ डायरेक्टिव स्थितियों के तहत डिफ्यूज स्कैटर को मजबूत स्पेकुलर रिफ्लेक्शन की तुलना में अधिक दबा दिया जाता है।

महत्व और डिज़ाइन निहितार्थ
पेपर का दावा है कि यह रिवरबेरेंट इंडस्ट्रियल चैनलों में डिले स्प्रेड को एंटीना गेन से जोड़ने वाला पहला कॉम्पैक्ट, क्लोज्ड-फॉर्म मॉडल प्रदान करता है। इसका प्राथमिक महत्व एंटीना-गेन स्पेसिफिकेशन के लिए डिज़ाइन नियम सक्षम करने में है:

मॉडल इंजीनियरों को विशिष्ट डिले-स्प्रेड लक्ष्यों को पूरा करने के लिए आवश्यक न्यूनतम कुल सिस्टम गेन की गणना करने की अनुमति देता है।
सिम्युलेटेड FILL हॉल के लिए, $\sigma_\tau \leq 50$ ns प्राप्त करने के लिए लगभग 40 dBi कुल गेन की आवश्यकता है, जबकि $\sigma_\tau \leq 5$ ns प्राप्त करने के लिए लगभग 90 dBi की आवश्यकता होगी।
लेखक नोट करते हैं कि 5 ns का लक्ष्य केवल पैसिव एंटेना के साथ प्राप्त करना प्रभावी रूप से असंभव है, जो पूरक इक्वलाइजेशन या अत्यधिक बीमफॉर्मिंग की आवश्यकता को रेखांकित करता है।
व्युत्पन्न एक्सप्रेशन एंटीना गेन और इक्वलाइज़र ओवरहेड के संयुक्त अनुकूलन (joint optimization) की सुविधा प्रदान करते हैं, क्योंकि $\sigma_\tau$ में कमी सीधे इक्वलाइज़र टैप्स की संख्या और कंप्यूटेशनल लागत को कम करती है, जो सिंगल-कैरियर मोडेम में उपयोगी है।

पेपर निष्कर्ष निकालता है कि हालांकि मॉडल एक विशिष्ट खाली कंक्रीट हॉल के लिए मान्य है, लेकिन यह ढांचा सामान्य है। लेखकों द्वारा सुझाए गए भविष्य के कार्यों में फर्नीचर वाले हॉल्स का प्रयोगात्मक सत्यापन, स्कैटर कोएफिशिएंट ऑफ वेरिएशन ( $CV_s$ ) की गेन-डिपेंडेंस का लक्षण वर्णन, और मॉडल को मानकीकृत फैक्ट्री चैनल मॉडल (जैसे 3GPP) के साथ एकीकृत करना शामिल है।