차세대 이동 통신 시스템에서는 높은 주파수 대역, 광대역, 다중 안테나(MIMO antenna)의 사용이 예상된다. 또한 무선 통신의 급격한 수요와 이동 통신 서비스의 폭발적인 증가로 인해 차세대 이동 통신 시스템의 최적화를 위한 검증 모델 개발 연구가 필요하다. 기존 MIMO 채널 모델의 경우 도심, 부도심, 시골, 개활지 등으로 포괄적으로 전파 환경을 분류하여 연구를 수행하였으나, 이러한 접근 방법은 예를 들어 도심 환경 내에서도 다양한 morphology가 존재할 수 있기 때문에 모델링 정확도 측면에서 취약성을 가질 수 있다. 본 논문에서는 path morphology 개념을 도입하여 전파 환경을 송 수신기 사이의 건물의 높이, 밀집도 등을 고려하여 세부적으로 분류하는 방법을 제안하였다. 광선 추적(ray tracing) 기법을 이용하여 각 환경별 delay spread(DS), AoD와 AoA의 angular spread(AS)를 분석하고, 이를 바탕으로 국내 환경에 적합한 MIMO 채널 모델을 제시하였다.
차세대 이동 통신 시스템에서는 높은 주파수 대역, 광대역, 다중 안테나(MIMO antenna)의 사용이 예상된다. 또한 무선 통신의 급격한 수요와 이동 통신 서비스의 폭발적인 증가로 인해 차세대 이동 통신 시스템의 최적화를 위한 검증 모델 개발 연구가 필요하다. 기존 MIMO 채널 모델의 경우 도심, 부도심, 시골, 개활지 등으로 포괄적으로 전파 환경을 분류하여 연구를 수행하였으나, 이러한 접근 방법은 예를 들어 도심 환경 내에서도 다양한 morphology가 존재할 수 있기 때문에 모델링 정확도 측면에서 취약성을 가질 수 있다. 본 논문에서는 path morphology 개념을 도입하여 전파 환경을 송 수신기 사이의 건물의 높이, 밀집도 등을 고려하여 세부적으로 분류하는 방법을 제안하였다. 광선 추적(ray tracing) 기법을 이용하여 각 환경별 delay spread(DS), AoD와 AoA의 angular spread(AS)를 분석하고, 이를 바탕으로 국내 환경에 적합한 MIMO 채널 모델을 제시하였다.
The use of high frequency band, broad band and MIMO antenna is expected in the next generation mobile communication system. By the rapid increase of demand for wireless communications and the explosive increase of the mobile communication services, researches for optimization of next-generation mobi...
The use of high frequency band, broad band and MIMO antenna is expected in the next generation mobile communication system. By the rapid increase of demand for wireless communications and the explosive increase of the mobile communication services, researches for optimization of next-generation mobile communication system are required. In the existing MIMO channel models, propagation-environments are commonly classified into urban, suburban, rural area, etc. However such approaches can have drawbacks in that many different morphologies may exist even in the urban area, for example. In this paper, we introduced path morphology concept, and proposed the method of morphology classification considering the building height, density, etc. Delay spread(DS), angular spread(AS) of AoD and AoA analyzed for each environment using the ray tracing technique. Based on the analysis, a MIMO channel model appropriate in domestic environment was suggested.
The use of high frequency band, broad band and MIMO antenna is expected in the next generation mobile communication system. By the rapid increase of demand for wireless communications and the explosive increase of the mobile communication services, researches for optimization of next-generation mobile communication system are required. In the existing MIMO channel models, propagation-environments are commonly classified into urban, suburban, rural area, etc. However such approaches can have drawbacks in that many different morphologies may exist even in the urban area, for example. In this paper, we introduced path morphology concept, and proposed the method of morphology classification considering the building height, density, etc. Delay spread(DS), angular spread(AS) of AoD and AoA analyzed for each environment using the ray tracing technique. Based on the analysis, a MIMO channel model appropriate in domestic environment was suggested.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
실시하였다. MIMO 채널 특성 측정을 위해 12층건물 옥상에 설치된 송신단에 8개의 배열 안테나를설치하고, 차량에 설치된 수신단에 8개의 배열 안테나를 1 人 간격으로 설치하여 측정을 수행하였다. 측정은 한국전자통신연구원에서 개발된 BECS 시스템을 사용하여 수행하였다.
검증하였다. Path morphology는 건물의 높이와 밀집도에 따라 12개 환경으로 분류하였고, 전파 특성 시뮬레 이션을위해 광선 추적 기법을 이용하였다. 시뮬레이션과측정 데이터를 사용하여 MIMO 채널 모델 파라미터인 delay spread, AoD 와 AoA 의 angular spread 특성을분석하였다.
Path morphology에 의한 전파 환경 모델링에 사용된 시뮬레이션 알고리즘의 타당성을 검증하기 위해도심 지역의 밀집지역 1개 루트에 대해서 예비 측정을 실시하였다. MIMO 채널 특성 측정을 위해 12층건물 옥상에 설치된 송신단에 8개의 배열 안테나를설치하고, 차량에 설치된 수신단에 8개의 배열 안테나를 1 人 간격으로 설치하여 측정을 수행하였다.
건물의 높이에 따른 path morphology 분류는 실제환경에서의 건물 높이 분포 자료를 근거로 high rise(22 m 이상), mid rise(ll~22 m), low rise(4~ll m), rural(4 m 미만)으로 분류하였다. 실제 환경에서의 밀집도에 의한 path morphology 분류는 위성 사진에 기반한 GIS 자료를 입수하여 밀집도 산출 프로그램을 사용하여 대전과 서울 지역의 대표적인 환경들에 대해 밀집도를 산출하고, 이를 근거로 path morphology를 분류하였다.
따라서 본 논문에서는 path morphology 개념을 도입하여 전파 경로상의 건물의 높낮이와 밀집도를 고려하여 표 1에 보인 것과 같이 12개의 전파 환경으로 세분하였다.
본 논문에서는 기존의 MIMO 채널 모델에서 사용하고 있는 도심, 부심, 시골, 개활지 등 포괄적인 전파 환경 분류 방법보다 더 효율적인 path morphology 분류 개념을 제안하고, morphology 분류의 타당성을측정과 시뮬레이션 결과를 이용하여 검증하였다. Path morphology는 건물의 높이와 밀집도에 따라 12개 환경으로 분류하였고, 전파 특성 시뮬레 이션을위해 광선 추적 기법을 이용하였다.
송. 수신기 사이의 건물의 높이, 밀집도를 고려하여 전파 환경을 12개의 morphology로 분류하고, 광선 추적 기법을 이용한 시뮬레이션과 실제 측정을 통하여 MIMO 채널 모델의 대표적인 파라미터인 delay spread(DS), 출발각(AoD: Angle of Departure) 및 도착각(AoA: Angle of Arrival)의 angular spread (AS) 특성을 분석함으로써 path morphology 분류의 타당성을 검증하고 국내 환경에 적합한 M1MO 채널모델을 개발하였다.
Ray-launching 방법은 복잡한 구조물에 대 하여도 비교적 간단히 적용할수 있다는 장점이 있으며, 시뮬레이터의 정확도는기존의 상용 툴과 비교하여 검증하였다. 시뮬레이션결과로부터 delay spread(DS), 출발각과 도착각의 angular spread(AS) 특성을 분석 하고, 본 논문에서 제 안한 path morphology 개념 및 분류에 대한 타당성을분석하였다. 광선 추적 기법을 이용한 MIM0 채널모델링을 수행하기 위해서는 앞에서 분류한 12개 path morphology에 대한 각각의 모델링이 필요하다.
Path morphology는 건물의 높이와 밀집도에 따라 12개 환경으로 분류하였고, 전파 특성 시뮬레 이션을위해 광선 추적 기법을 이용하였다. 시뮬레이션과측정 데이터를 사용하여 MIMO 채널 모델 파라미터인 delay spread, AoD 와 AoA 의 angular spread 특성을분석하였다. 측정치와 시뮬레이션 결과가 잘 일치함을 확인하였으며, path morphology에 있어서 건물의높이와 밀집도 차이에 따른 뚜렷한 경향성을 확인함으로써 path morphology 분류 개념의 타당성을 입증하였다.
rural(4 m 미만)으로 분류하였다. 실제 환경에서의 밀집도에 의한 path morphology 분류는 위성 사진에 기반한 GIS 자료를 입수하여 밀집도 산출 프로그램을 사용하여 대전과 서울 지역의 대표적인 환경들에 대해 밀집도를 산출하고, 이를 근거로 path morphology를 분류하였다. 실제 환경의 밀집도를 산출해 본 결과, high rise 환경의 경우 30 %, 20 %, 10 %, mid rise와 low rise 환경 의 경우에는 40 %, 30 %, 20 %가 밀집도에 대한 전형적인 기준이 되며, 이러한세 종류의 밀집도로 path morphology를 분류하는 것이 타당함을 확인하였다.
위에서 제시한 실제 환경에서의 건물 밀집도에따른 path morphology 분류 기 준에 대한 타당성 을 검증하고 밀집도 분류의 경계를 확인하기 위해 광선주적 기법을 이용한 시뮬레이션을 통해 전파 특성을분석하였다. Delay spread(DS), 출발각(AoD) 및 도착각(AoA)에 대한 angle spread(AS)의 시뮬레이션 결과를 분석해 보면, high rise 환경의 경우 밀집도 15 %, 25 %를 경계로 전파 특성에 차이가 있음을 확인하였고, mid rise와 low rise 환경의 경우에도 25 %와 35 %를 밀집도 분류의 경계로 하는 것이 적절함을 확인하였다.
전파 특성을 분석하기 위해 국내의 전파 경로 상에 존재할 수 있는 환경을 고려하여 앞 절에서 언급한 path morphology 분류에 대해 시뮬레이션 환경을구현하였다. 시뮬레 이션은 ray-launching 방법에 기 반한 광선 추적 기법을 이용하였다.
측정 데이터에서 AoD 데이터에 근본적인 오류가발견되어 본 논문에서는 delay spread(DS)와 AoA의 angular spread 만을 비교 분석하였다.
측정 지 역은 앞에서 분류한 path morphology 환경을 고려하여 high rise, high density 환경을 선정하였다. 선정된 지역은 대전시 둔산동 지역으로 측정 경로는 그림 6과 같다
대상 데이터
광선 추적 기법을 이용한 MIM0 채널모델링을 수행하기 위해서는 앞에서 분류한 12개 path morphology에 대한 각각의 모델링이 필요하다. 모델링 환경의 건물은 비유전율과 도전율이 각각 e, = 7.0, <7=0.015 S/m이며, 30 cm 두께의 콘크리트로 모델링하였다. 모델링 환경의 전체 면적은 500 mx500 m이고, 건물의 면적은 30 m><20 tn로 동일하게 설정하였다.
고려하여 high rise, high density 환경을 선정하였다. 선정된 지역은 대전시 둔산동 지역으로 측정 경로는 그림 6과 같다
건물의 높이는 실제 환경과 유사하게 모델 링하였으며, high rise, mid rise, low rise의 경우 각각 약 30 m> 20 m, 10 m로 랜덤하게 배치하였고, rural의 경우에는 건물의 높이를 3 m로 균일하게두었다. 주파수는 본 논문의 모델링 대상인 차세대이동 통신 WiMAX 주파수 대역인 3.7 GHz로 선택하였고, 송신 EIRP는 0 dBm, 편파는 TE 모드로 설정하였다. 송신 안테나는 omni-directional 안테나로서 정중앙 건물 높이 +2 m 높이에 위치시켰으며, 수신 안테나는 지상 2 m 높이에 9, 801개를 5 m 간격으로 균일하게 분포시켰다.
데이터처리
시뮬레 이션은 ray-launching 방법에 기 반한 광선 추적 기법을 이용하였다. Ray-launching 방법은 복잡한 구조물에 대 하여도 비교적 간단히 적용할수 있다는 장점이 있으며, 시뮬레이터의 정확도는기존의 상용 툴과 비교하여 검증하였다. 시뮬레이션결과로부터 delay spread(DS), 출발각과 도착각의 angular spread(AS) 특성을 분석 하고, 본 논문에서 제 안한 path morphology 개념 및 분류에 대한 타당성을분석하였다.
측정 환경에서는 송신안테나의 높이가 각 환경마다 다르기 때문에 실제 안테나의 높이를 고려하여시뮬레이션하고 측정 데이터와 시뮬레이션 결과를비교, 검증하였다. 본 논문에 보이지는 않았지만 측정 된 delay profile과 power angle spectrume 통계 적 으로 그림 3과 그림 4에 보인 시뮬레이션 결과와 유사
이론/모형
시뮬레 이션은 ray-launching 방법에 기 반한 광선 추적 기법을 이용하였다. Ray-launching 방법은 복잡한 구조물에 대 하여도 비교적 간단히 적용할수 있다는 장점이 있으며, 시뮬레이터의 정확도는기존의 상용 툴과 비교하여 검증하였다.
MIMO 채널 특성 측정을 위해 12층건물 옥상에 설치된 송신단에 8개의 배열 안테나를설치하고, 차량에 설치된 수신단에 8개의 배열 안테나를 1 人 간격으로 설치하여 측정을 수행하였다. 측정은 한국전자통신연구원에서 개발된 BECS 시스템을 사용하여 수행하였다. 그림 5는 MIMO 채널 특성측정에 사용한 측정 시스템의 구성을 나타낸 것이다.
성능/효과
Delay spread(DS), 출발각(AoD) 및 도착각(AoA)에 대한 angle spread(AS)의 시뮬레이션 결과를 분석해 보면, high rise 환경의 경우 밀집도 15 %, 25 %를 경계로 전파 특성에 차이가 있음을 확인하였고, mid rise와 low rise 환경의 경우에도 25 %와 35 %를 밀집도 분류의 경계로 하는 것이 적절함을 확인하였다.
그리고 밀집도가 높을수록, 건물의 높이가 낮을수록 AoD의 angular spread가 작아지는 경향을 확인할수 있다. AoD는 송신점과 수신점의 직접파를 기준으로 한 반사파의 출발각의 개념으로, 밀집도가 높아질수록 사방으로 퍼져나가는 광선은 많지만 다중경로에 의한 반사가 많아져 수신점까지 도달하는 유효 광선이 적어지기 때문에 delay spread와 같이 밀집도가 높을수록 angular spread가 작아지게 된다.
실제 환경에서의 밀집도에 의한 path morphology 분류는 위성 사진에 기반한 GIS 자료를 입수하여 밀집도 산출 프로그램을 사용하여 대전과 서울 지역의 대표적인 환경들에 대해 밀집도를 산출하고, 이를 근거로 path morphology를 분류하였다. 실제 환경의 밀집도를 산출해 본 결과, high rise 환경의 경우 30 %, 20 %, 10 %, mid rise와 low rise 환경 의 경우에는 40 %, 30 %, 20 %가 밀집도에 대한 전형적인 기준이 되며, 이러한세 종류의 밀집도로 path morphology를 분류하는 것이 타당함을 확인하였다.
즉정 데이터와 시뮬레이션 데이터를 모델링한 결과를 비교해 보면, 두 결과가 매우 잘 일치함을 알수 있다. 이 결과는 시뮬레이션 알고리즘이 정확함을 입증해 주고 있다.
시뮬레이션과측정 데이터를 사용하여 MIMO 채널 모델 파라미터인 delay spread, AoD 와 AoA 의 angular spread 특성을분석하였다. 측정치와 시뮬레이션 결과가 잘 일치함을 확인하였으며, path morphology에 있어서 건물의높이와 밀집도 차이에 따른 뚜렷한 경향성을 확인함으로써 path morphology 분류 개념의 타당성을 입증하였다.
표 2의 결과를 분석해 보면 밀집도가 높을수록, 건물의 높이가 높을수록 delay spread는 작아지는 것을 확인할 수 있다. 밀집도와 높이가 높아질수록 다중 경로에 의한 다중 반사가 많아져 전파 도달 거리가 짧아지기 때문에 수신점까지 도달하는 유효 광선이 적어짐으로써 delay spread가 작게 나타남을 알 수 있다.
후속연구
국내 환경에서의 path morphology에 기반한 MIMO 채널 모델은 MIMO 시스템 설계 단계에서의 성능 향상 및 무선 통신 서비스의 품질 향상을 위한 매우 중요한 자료가 될 것이다. 또한 실제의 MIMO 채널 환경에 대해 path morphology별로 포괄적이고 정확한 모델링을 하기 위하여 향후 많은 측정을 통해서 모델 파라미터 값을 도출하고, 각 파라미터에 대한 통계적 특성까지 분석할 필요가 있다.
중요한 자료가 될 것이다. 또한 실제의 MIMO 채널 환경에 대해 path morphology별로 포괄적이고 정확한 모델링을 하기 위하여 향후 많은 측정을 통해서 모델 파라미터 값을 도출하고, 각 파라미터에 대한 통계적 특성까지 분석할 필요가 있다.
참고문헌 (7)
김원섭, 박재준, 이준환, 김명돈, 정현규, "이동통신 MIMO 채널 모델링 기술 동향", 전자통신 동향 분석, 제23권, 2008년.
3GPP, "Spatial channel model for MIMO simulation", TR 25.996 v6.1.0, Sep. 2003, [Online] http://www.3gpp.org/.
L. Mucchi, C. Staderini, J. Ylitalo, and P. Kyosti, "Modified spatial channel model for MIMO wireless system", EURASIP Journal on Wireless Comm. and Networking, Article ID 68512, 2007.
WINNER I WP5, "Final report on link level and system level channel models", D5.4 v.1.4, 2005.
WINNER II WP1: "WINNER II channel models", Deliverable D1.1.2, Sep. 2007.
D. S. Baum, J. Salo, G. Del Galdo, M. Milojevic, P. Kyosti, and J. Hansen, "An interim channel model for beyond-3G systems", IEEE VTC'05, Stockholm, Sweden, May 2005.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.