معرفي يك مدل فيزيكي آماري جديد جهت محاسبه ظرفيت كانال انتشار ارتباطات بي سيم در محيط هاي شهري متحرك با استفاده از روش تئوري يكنواخت پراش

A New Statistical-Physical UTD Based Channel Model for Calculating Channel Capacity in Mobile Urban Areas

در نواحي شهري، ارتباطات بي‌سيم به علت انعكاس و پراش امواج از ساختمان‌ها و متحرك‌بودن گيرنده‌ها، دچار محوشدگي‌هاي شديد مي‌شوند. از اين رو در طراحي شبكه‌هاي بي‌سيم نياز به مدلي داريم كه بتواند پديده انتشار امواج در كانال انتشار را به خوبي پيش‌بيني كند تا روش‌هاي ارتباطي بين فرستنده و گيرنده بر اساس كانال انتشار تعيين شوند. اكثر مدل‌هاي كانال انتشار بي‌سيم متحرك بر پايه اندازه‌گيري بوده‌اند. در اين مقاله مي‌خواهيم يك مدل فيزيكي آماري جديد معرفي كنيم كه در آن ساختمان‌ها به صورت بخش ثابت مدل در نظر گرفته شده‌اند و پديده‌هاي پراش و انعكاس پرتوها با استفاده از روش تئوري يكنواخت پراش مدل شده‌اند. از سوي ديگر گيرنده در اين مدل به صورت يك خودرو در نظر گرفته شده و با استفاده از فرايند نقطه‌اي پواسن مكان خودرو پيش‌بيني شده است. به وسيله اين مدل مي‌توانيم ظرفيت كانال را در محيط‌هاي شهري با توجه به تراكم خودور و ترافيك شهري پيش‌بيني كنيم. همچنين به منظور تأييد مدل پيشنهادي نتايج اين مدل را با يك مدل آماري بر پايه اندازه‌گيري مقايسه كرديم و تطابق خوبي بين آنها ديده شد.

In urban areas, wireless communications suffer from severe fading due to reflections and diffraction of waves from buildings and mobility of receivers. Hence, in design of wireless networks, we need a model to predict propagation channels, in order to determine communication methods between transmitters and receivers. Most of current mobile wireless communication models are based on measurements. In this paper, we want to introduce a new statistical physical model in which buildings are considered as a fixed part of the model and the phenomena of diffraction and reflection are modeled using the uniform theory of diffraction (UTD).On the other hand, the receiver in this model is considered as a car. The position of this car is predicted using the Poisson point process (PPP). We can predict channel capacity in urban areas, taking into account the density of traffic and urban traffic by using this model. Furthermore, in order to validate the proposed model, we compared the results of this model with a statistical model based on measurements and there is a good agreement between them.