🔬 applied physics

Measured LWC-Specific Fog Attenuation and Frequency Scaling in Low-THz Channels

本文展示了在 120、140 和 160 GHz 频率下，在 22 米信道上进行的受控雾衰减测量结果，建立了液态水含量与衰减之间的特定关系，并验证了与 ITU-R P.840 预测一致的 1.347 频率比例指数。

原作者： Jiabiao Zhao, Xiaoxiang Li, Kefeng Huang, Yapeng Ge, Hanchen Liu, Jie Yang, Weidong Hu, Houjun Sun, Jianjun Ma

发布于 2026-08-11

📖 1 分钟阅读☕ 轻松阅读

原作者： Jiabiao Zhao, Xiaoxiang Li, Kefeng Huang, Yapeng Ge, Hanchen Liu, Jie Yang, Weidong Hu, Houjun Sun, Jianjun Ma

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

想象一下，我们周围的空气就像是一条为无形的无线电波准备的巨大且隐形的高速公路。几十年来，我们一直在为数据建造越来越快的道路，从旧式 Wi-Fi 那拥挤缓慢的车道，迈向 5G 的超级高速公路。现在，科学家们正将目光投向“太赫兹”（THz）频段——这是一个超快、超宽的电磁频谱区域，可以为从即时视频下载到超清晰雷达的一切事物承载海量数据。把它想象成终极的快速车道。但问题在于：就像真实的公路可能会被突如其来的浓雾阻挡一样，这些高速无线电波会被空气中微小的水滴所吞噬。当雾气袭来时，它不仅会让我们的视线变得模糊，还会像一层厚厚的毯子一样吸收并散射这些信号，从而可能切断我们的连接。

为了设计出能在雾天生存的系统，工程师需要准确知道特定量的水会导致多少“信号损耗”。通常情况下，他们会根据雾看起来有多“浓”（能见度）来进行推测，但这就像是试图仅通过观察云朵的颜色来猜测云朵有多重一样。一种更精确的方法是测量空气中悬浮水的实际重量，即液态水含量（LWC）。直到现在，对于这些特定的超高速无线电波（特别是在第一个真实设备正在构建的“低太赫兹”范围，即 120 到 160 GHz 附近）究竟有多少水滴会造成信号衰减，我们还缺乏非常多的硬性测量数据。没有这些数据，工程师们就像是在盲目飞行，无法确定他们的网络能否在多雾的早晨幸存下来。

这篇论文就像是一支科学家团队在实验室里搭建了一台巨大的、受控的“造雾机”，旨在最终获得这些缺失的数据。他们没有等待大自然提供一个雾天，而是在室内建造了一条 22 米长的隧道，并用均匀的水滴云填充其中。他们使用激光来计数每一个微小水滴的大小和数量，从而能够计算出空气中水的精确重量（LWC）。然后，他们将无线电信号以三种不同的超高速频率（120、140 和 160 GHz）射穿这层雾，以观察信号损失了多少。

研究人员发现，水重量与信号损耗之间的关系是非常可预测且呈线性关系的：更多的水重量意味着更多的信号损耗，并且他们精确测量了这种损耗程度。他们将得到的新数据与全球工程师通用的标准规则（称为 ITU-R P.840）进行了对比。他们发现，虽然他们测得的数值比标准预测值略低（低了约 2-3%），但损耗随频率增加而增长的方式与标准规则几乎完美契合。具体而言，他们发现随着频率上升，雾气恶化的速率符合一个幂律描述，其指数为 1.347，这与标准模型预测的 1.343 几乎完全一致。

至关重要的是，论文指出，这种总信号损耗量的轻微差异并不是因为标准模型对雾气行为的描述有误，而是因为他们在实验室中测量水重量的方式（使用较小的激光路径）与整个 22 米长的隧道并不完全匹配。然而，由于雾气影响不同频率的“模式”如此一致，科学家们确信标准模型关于频率如何缩放雾气影响的预测是准确的。这为工程师设计未来的太赫兹网络提供了一个可靠的“经验法则”：他们现在可以相信，只要知道含水量，就能准确预测信号会损失多少，即使他们在调整系统以适应不同的超高速频率时也是如此。

技术摘要：低太赫兹信道中测得的特定液态水含量（LWC）雾衰减及频率定标研究

问题陈述
太赫兹（THz）无线系统，特别是低太赫兹频段（130–174.8 GHz），由于悬浮液滴（雾）引起的大气衰减，面临着显著的链路裕量侵蚀问题。虽然国际电信联盟（ITU-R）P.840 提供了基于液态水含量（LWC）的雾衰减模型，但以往在太赫兹波段进行的实验验证主要依赖于能见度或光学消光作为代理指标。这些描述符并不能唯一确定 LWC 或液滴粒径分布（DSD），导致缺乏明确以 LWC 为参考的衰减系数报告。此外，现有研究尚未系统地将绝对衰减系数与其频率依赖性进行分离，也未能在整个低太赫兹频谱范围内提供经过验证的幂律定标律。

方法论
作者在一个 13 × 6 × 3 m³ 的封闭式腔室内进行了受控雾测量，通过反射器构建了一个 22 m 的折叠路径，测量频率分别为 120、140 和 160 GHz。

实验设置： 系统利用信号发生器、频率倍频器以及带有功率传感器的喇叭透镜组件。雾通过超声波发生器产生，产生的液滴直径在 1–40 µm 范围内，确保整个粒子群均处于瑞利散射机制内（尺寸参数 $2\pi r/\lambda_0 \ll 1$ ）。
数据采集： 激光粒子分析仪在紧邻 THz 信道的 2.5 m 光学路径旁测量 DSD。通过假设液滴为球形，利用时间对齐的 DSD 数据检索随时间变化的 LWC ( $M(t)$ )。
衰减提取： 总测量衰减经过了水蒸气增量吸收的修正（根据记录的湿度通过 ITU-R P.676-13 计算），从而分离出由雾引起的衰减 ( $A_f$ )。
回归分析： 使用普通最小二乘法（OLS）分析了 $A_f$ 与 $M(t)$ 之间的关系。至关重要的是，作者将与 ITU-R P.840 的比较视为一个**误差变量（errors-in-variables, EIV）**问题。这种方法考虑了回归变量（代表 22 m 路径的局部 2.5 m 样本所推导出的 LWC）的不确定性，实现了绝对系数的偏差与频率相关定标之间的分离。

关键结果

线性关系： 在所有频率和实验运行中，衰减与 LWC 均表现出极强的线性关系，决定系数 ( $R^2$ ) 范围为 0.799 至 0.952。
特定衰减系数： 平均测得的特定衰减系数 ( $K_{meas}$ $K_{m e a s}$ ) 分别为：
- 120 GHz: 5.374 (dB/km)/(g/m³)
- 140 GHz: 6.618 (dB/km)/(g/m³)
- 160 GHz: 7.918 (dB/km)/(g/m³)
  这些数值代表从 120 GHz 到 160 GHz 增加了 47.3%。
与 ITU-R P.840 的比较： 测得的系数始终低于 P.840 的预测值（平均偏低 2.14% 至 2.77%）。作者将这一单向偏差归因于回归稀释（regression dilution），这是由于局部 DSD 采样与全路径之间的空间不匹配造成的，而非 P.840 模型本身存在根本性缺陷。Gini-Frisch 反向回归边界证实，P.840 的值位于测量的统计不确定性范围内。
频率定标： 通过分析不同频率下衰减系数的比率，作者推导出了描述频率依赖性的幂律指数 ( $n$ $n$ )： $K(f) \propto f^n$ $K (f) \propto f^{n}$ 。
- 测得指数： $n = 1.347 \pm 0.043$ 。
- P.840 隐含指数（在 20°C 时）： $n = 1.343$ 。
  两者的一致性（差异为 0.3%）比绝对系数的偏差高出一个数量级，这验证了频率定标律独立于绝对校准偏差。
温度验证： 利用频率依赖性的指数估算了有效液滴温度，得出结果为 $20.2 \pm 2.3$ °C，这与记录的腔室温度 20°C 相符。

意义与贡献
本研究提供了首个以 LWC 为参考的低太赫兹雾信道衰减数据，超越了以往基于能见度的估算方法。其主要贡献包括：

参考数据： 为链路预算提供了 120、140 和 160 GHz 的特定衰减系数，填补了以往研究依赖间接描述符留下的空白。
方法论严谨性： 通过将模型比较构建为误差变量问题，本文成功实现了绝对系数不确定性与频率定标的分离，提供了一种稳健的物理模型验证方法。
紧凑型定标律： 本文建立了一个经过验证的低太赫兹频段雾衰减幂律定标律 ( $K \approx 6.62 \cdot (f/140)^{1.35}$ )。该定律对常见的校准偏差具有不敏感性，并为系统设计提供了可靠工具。
物理模型验证： 结果证实了作为 ITU-R P.840 基础的瑞利吸收主导模型能够准确描述该频段内雾衰减的频率依赖性，同时也量化了由实验空间采样引入的微小系统性偏差。

作者总结认为，这些结果为低太赫兹雾链路预算奠定了坚实基础，并提出了利用多频链路来感知雾微物理特性的潜力。

类似论文