⚡ electrical engineering

Angularly-Resolved 3D Foliage Modeling and Measurements at 60 and 80 GHz: From Stochastic Geometry to Deterministic Channel Characterization

本文提出了一种基于随机几何生成三维树木模型并用于确定性射线追踪信道建模的方法，并通过 60 和 80 GHz 频段的大带宽实测数据，验证了该模型在表征路径损耗、时延扩展及其角度依赖性方面的有效性。

原作者： Jiri Blumenstein, Radek Zavorka, Josef Vychodil, Tomas Mikulasek, Jaroslaw Wojtun, Jan M. Kelner, Cezary Ziolkowski, Rajeev Shukla, Markus Hofer, Thomas Zemen, Christoph F Mecklenbrauker, Aniruddha Ch

发布于 2026-03-20

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Jiri Blumenstein, Radek Zavorka, Josef Vychodil, Tomas Mikulasek, Jaroslaw Wojtun, Jan M. Kelner, Cezary Ziolkowski, Rajeev Shukla, Markus Hofer, Thomas Zemen, Christoph F Mecklenbrauker, Aniruddha Chandra, Ales Prokes

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于**“如何在电脑里给大树建个‘数字替身’，并预测无线信号如何穿过它”**的故事。

想象一下，未来的手机网络（6G）将使用像光一样快的毫米波（60 GHz 和 80 GHz）。这种波虽然速度快、容量大，但有个大毛病：它们非常“娇气”。就像手电筒的光一样，遇到树叶、树枝这种障碍物，信号很容易被挡住或吸收，很难像以前的无线电波那样“绕弯”或“穿透”。

为了搞清楚信号穿过树叶时到底会损失多少能量、延迟多久，研究人员做了一件很酷的事情。

1. 核心挑战：给树“画”个像

以前的方法太简单了，要么把树当成一个空心的盒子，要么把树叶当成一个个没有厚度的小点。这就像是用乐高积木搭树，看起来像，但信号穿过时，物理效果完全不对。

这篇论文的创意做法是：
他们开发了一种**“随机几何生成法”**。

比喻： 想象你要在电脑里造一棵树。你不是去森林里扫描每一片叶子（那太慢了），而是先画一个树的“轮廓气球”（树冠）。
然后，他们往这个气球里“撒”成千上万个微小的三角形碎片（代表树叶和树枝）。
这些碎片的大小、方向、密度都是随机的，就像真实的树叶在风中自然生长一样。
这样生成的树，虽然不是某棵特定的树，但它在统计规律上和真实的树一模一样。这就好比用无数种可能性的“平均树”来代表现实中的树。

2. 实验过程：真树 vs. 假树

为了验证这个“数字树”好不好用，研究人员在印度班加罗尔搞了一场实验：

真树实验： 他们找了一棵真实的落叶树，在树周围画了一个半圆。
发射与接收： 在树的一侧放一个信号发射器（TX），在树的另一侧（半圆上）移动接收器（RX）。
频率： 他们使用了60 GHz和80 GHz这两个高频段，带宽很宽（2 GHz），就像用超高清摄像机去捕捉信号的细节。
电脑模拟： 同时，他们在电脑里用刚才生成的“随机数字树”跑了一遍射线追踪（Ray-tracing）。
- 比喻： 射线追踪就像是在电脑里发射无数束“激光”，看它们碰到树叶是弹开、穿过还是被吸收，最后算出信号到了接收器时还剩多少。

3. 发现了什么？（关键结论）

研究人员对比了“真树测得的数据”和“电脑算出的数据”，发现两者惊人地吻合！这意味着他们的“数字树”模型非常成功。

他们主要发现了两个有趣的规律：

A. 信号衰减（Path-Loss）：穿得越深，死得越惨

现象： 当接收器正对着发射器，且树在中间（信号必须穿透整棵树）时，信号损失最大。
数据： 在 80 GHz 下，信号穿过树后，强度比在空旷地方弱了大约 40 dB（这相当于信号强度减弱了 10,000 倍！）。
角度影响： 如果接收器移到树的侧面（90 度），信号损失就小很多。因为这时候信号主要是反射回来的，只接触了树叶的最外层，不需要硬穿过去。

B. 延迟扩展（RMS Delay Spread）：信号“迷路”的时间

比喻： 想象一群人（信号）从起点出发去终点。
- 如果路很直，大家同时到，时间差很小。
- 如果路很复杂，有人走直线，有人绕远路，有人撞墙反弹，大家陆陆续续到，这个时间差就是“延迟扩展”。
发现：
- 当信号穿透树木（0 度）时，路径比较直接，大家虽然累但到得比较齐，延迟差较小（约 5-10 纳秒）。
- 当信号从侧面绕过来（180 度，即信号在树里反弹了一圈回来）时，路径变得非常曲折，有人走直线，有人绕大圈，导致大家到得参差不齐，延迟差变大（可达 15 纳秒）。

4. 为什么这很重要？

这就好比给未来的 6G 网络画了一张**“藏宝图”**。

以前： 工程师设计基站时，只能猜：“哦，这棵树可能会挡住信号，大概减一点吧。”
现在： 有了这个模型，工程师可以输入树的大小、树叶密度、甚至树的形状，电脑就能精准算出：“在这个位置，信号会损失多少，延迟会增加多少。”

总结来说：
这篇论文没有去数每一片树叶，而是发明了一种**“用概率造树”**的魔法。它证明了，只要掌握了树的“性格”（体积、密度、形状），我们就能在电脑里完美模拟信号穿过树林的效果。这对于未来在城市、森林等复杂环境中部署超高速无线网络，具有非常重要的指导意义。

一句话概括：
“用数学 randomness（随机性）造出一棵虚拟树，成功预测了高频信号穿过真实树叶时的‘迷路’和‘受伤’程度。”

以下是基于该论文的详细技术总结：

论文标题

角度分辨的 3D 植被建模与 60/80 GHz 测量：从随机几何到确定性信道表征
(Angularly-Resolved 3D Foliage Modeling and Measurements at 60 and 80 GHz: From Stochastic Geometry to Deterministic Channel Characterization)

1. 研究背景与问题 (Problem)

毫米波通信的挑战： 毫米波频段（30-300 GHz）虽然提供巨大带宽和高数据速率，但面临高路径损耗、低绕射能力和高穿透损耗的问题。
植被遮挡的影响： 当视距（LOS）被植被（如树木）遮挡时，信号传播主要依赖反射和绕射，这对信道建模提出了严峻挑战。
现有模型的局限性：
- 现有的 3D 植被模型往往过于简化（如将树冠视为空心几何体或简单的立方体），缺乏内部细节。
- 对于宽带信号和高空间分辨率，缺乏植被体积内的射线相互作用会导致信道冲激响应（CIR）中出现伪影。
- 基于点散射体的模型（如将树叶抽象为无厚度的点）缺乏物理真实性和可解释性。
核心需求： 需要一种能够生成具有物理意义的 3D 植被模型，并结合确定性射线追踪（Ray-Tracing）来准确表征毫米波信道，特别是路径损耗和时延扩展随接收机角度的变化。

2. 方法论 (Methodology)

A. 随机 3D 植被建模 (Stochastic 3D Foliage Modeling)

论文提出了一种基于随机几何的 3D 树木建模方法，旨在生成可解释的散射面集合：

树冠包络生成：
- 基于单位球面上的顶点集和三角面集构建初始形状。
- 引入点状变形函数，通过添加服从 3D 正态分布的随机位移（ $\delta_i$ ）来模拟树冠的不规则形状。
- 通过缩放操作调整树冠体积，使其匹配预设的目标体积（ $V_D$ ）。
内部散射结构填充：
- 在树冠包络内随机放置和旋转三角形面片（代表树叶/散射体）。
- 每个三角形面片具有用户定义的面积（ $A$ ），并通过 Rodrigues 旋转矩阵进行随机旋转。
- 面片的位置服从包络内的均匀分布，密度由参数 $\rho$ （面片/立方米）控制。
可解释参数： 模型由树冠体积、叶片大小（三角形面积）、叶片密度和树冠形状参数（变形强度 $\xi$ ）等物理参数定义。

B. 射线追踪仿真 (Ray-Tracing Simulation)

工具： 使用开源射线追踪器 Sionna (v1.0.2)。
材料参数： 基于 ITU-R P.833 建议，设置散射系数 $\mu_s = 0.50$ ，相对介电常数 $\epsilon_r = 17$ ，电导率 $\kappa = 0.05$ S/m。
带宽： 脉冲整形后带宽为 2 GHz。
计算效率： 模型包含数百个三角形，在普通办公笔记本（Ryzen 5 处理器）上仅需毫秒级即可完成仿真。

C. 测量验证 (Measurement Campaign)

场景： 夏季的一棵落叶树（叶片较小，4-5 cm）。
频率与带宽： 60 GHz 和 80 GHz，带宽 2 GHz。
配置：
- 发射机（TX）距树 15 米，接收机（RX）沿树周围半圆轨迹移动。
- 天线增益均为 24.8 dBi，水平指向树木。
- 关键处理： 在数据分析阶段移除了视距（LOS）分量，因为大多数 RX 位置并未被树遮挡，LOS 分量不携带树木传播信息且会掩盖多径分量。
对比位置： 重点分析了 $\alpha = 0^\circ$ （直射穿透）、 $\alpha = 90^\circ$ （侧面）和 $\alpha = 180^\circ$ （反射/绕射）等角度。

3. 主要贡献 (Key Contributions)

提出了一种参数化的随机 3D 植被建模方法： 该方法生成的模型不仅用于射线追踪，还包含可解释的物理参数（体积、密度、形状），能够生成具有统计意义的 3D 场景。
角度分辨的信道特性分析： 提供了接收机在半圆轨迹上移动时，路径损耗（PL）和均方根时延扩展（RMS DS）随角度变化的详细数据。
多频段实测与仿真验证： 在 60 GHz 和 80 GHz 两个频段，利用 2 GHz 带宽的实测数据验证了射线追踪仿真的准确性，证明了该方法在毫米波信道建模中的有效性。

4. 关键结果 (Key Results)

A. 信道冲激响应 (CIR) 与功率时延谱 (PDP)

仿真生成的 CIR 和 PDP 与实测数据在定性上高度吻合。
尽管模型中的三角形面积（2 $m^2$ ）远大于真实树叶，但减小三角形尺寸并未显著改善匹配度，表明当前模型在统计特性上已足够准确。

B. 路径损耗 (Path-Loss, PL)

角度依赖性：
- $\alpha = 0^\circ$ (直射穿透)： 路径损耗最大。60 GHz 约为 -140 dB，80 GHz 高出 3-4 dB。扣除自由空间损耗后，树木造成的额外衰减在穿透时约为 40 dB。
- $\alpha = 180^\circ$ (反射/绕射)： 路径损耗较小。额外衰减约为 20 dB。这是因为信号仅与第一层散射三角形相互作用，未穿透整个树冠。
- $\alpha = 90^\circ$ ： 路径损耗介于两者之间（60 GHz 约 130 dB，80 GHz 约 133 dB），随角度增加近似线性下降。
频率差异： 80 GHz 比 60 GHz 表现出更高的衰减，符合自由空间路径损耗规律（约 2 dB 差异）及植被穿透损耗的频率特性。

C. 均方根时延扩展 (RMS Delay Spread, DS)

数值范围： DS 在 5 ns 到 15 ns 之间变化。
角度依赖性：
- 随着角度 $\alpha$ 从 $0^\circ$ 增加到 $180^\circ$ ，DS 几乎线性增加。
- 原因： 在 $\alpha = 180^\circ$ 方向，多径分量（MPCs）需要往返穿过植被（从最外层反射回来），经历了更长的传播路径和更多的散射，导致更大的时延扩展。
- 在 $\alpha = 0^\circ$ 方向，信号直接穿透，时延扩展相对较小。
方差： DS 的方差约为 3 ns，且不随角度 $\alpha$ 显著变化。

5. 意义与结论 (Significance & Conclusion)

物理可解释性： 该研究成功将随机几何生成的 3D 模型与确定性射线追踪相结合，提供了一种既具备物理意义又可视化的信道建模方法。
工程应用价值： 研究结果揭示了毫米波信号在植被遮挡下的传播规律，特别是路径损耗和时延扩展对接收角度的敏感性。这对于 6G 及未来毫米波网络在复杂环境（如森林、城市绿化区）中的基站部署、波束赋形和链路预算设计具有重要指导意义。
验证有效性： 通过 60/80 GHz 的实测数据验证，证明了该建模方法能够准确捕捉植被对无线信道的统计特性，无需过度复杂的几何细节即可达到良好的仿真精度。

总结： 本文提出了一种高效、可解释的 3D 植被建模与信道表征框架，填补了毫米波频段下植被遮挡信道建模的空白，并通过实验证实了其在预测路径损耗和时延扩展方面的准确性。