小说Train-to-Train通信模型设计基于高速铁路中多次反射

文摘

铁路远程信息处理应用程序目前正在强烈吸引注意力和研究。可靠的铁路远程信息处理应用程序越来越多地倾向于要求子公司意味着帮助存在的控制系统使行车更安全、更高效。自2006年以来,train-to-train通信研究应对这样的需求。train-to-train通信的一个关键特性是,操作控制,以避免可能的事故是火车没有帮助一个基站之间进行。本文提出了一种新型train-to-train在物理层通信模型基于多次反射和合作,考虑到高速铁路传播通道。这个模型的机理在于认为源列车使用列车在其他轨道,继电器信号传输到目的地的列车在同一轨道。根据发生的这些潜在的继电器,这种机制可分为三种情况。在每种情况下,系统应用于评估拟议中的通信模型的属性。train-to-train通信模型的仿真结果表明,误码率下降当信噪比为10 dB,这个模型的最小接收电压是84−dBm,这是8 dBm低于标准建立的国际铁路联盟(UIC)在高速铁路场景中。

1。介绍

铁路是一个强大的运输系统在支持经济的发展产生重大影响。在铁路安全问题目前吸引了越来越多的关注,因为铁路承担责任保障人身和财产安全。通常导致严重的铁路事故consequences-loss生命和财产安全。这些现象直接激励研究人员更专注于各种各样的铁路安全系统。铁路安全的主流技术在中国是中国列车控制系统三级(CTCS-3)基于全球移动通信系统为铁路gsm - r)(作为一个无线电接口连接列车控制中心交换安全信息;这个系统确保列车实时监控设备,他们互相操作在一定的安全距离(1]。

不可否认,CTCS-3系统已经被证明是一个准确的定位和技术还提供了一个快速的运动状态和控制信息的交换。然而,据统计提供的美国联邦铁路管理局(FRA)在美国,大约有8221名事故威胁到乘客的人身安全在过去四年(2]。这是因为一个火车司机只能由一个操作中心了解潜在的碰撞。如果操作中心在紧急情况下未能传递控制信息,将不可避免地发生事故。因此,必须开发新技术来帮助现有系统,使行车更安全、更准确的控制。这种技术可以让火车导体保持更新附近交通状况的准确的信息(3]。的基础上intertrain多次反射沟通,train-to-train通信旨在检测潜在的碰撞,然后广播预警消息到其他列车在同一和邻近的踪迹。当一个控制中心系统检测到潜在的事故,train-to-train通信行为立即协助作用的消息传播到其他列车,为司机提供可能的解决方案以避免危险。此外,其应用也降低了基站的基础设施支出维护(4]。

2。相关工作

近年来,研究train-to-train通信已由几个组织,包括德国航空航天中心(DLR)。文献[5]讨论了通信链路设计如最大数据速率、频率选择、和通道模型,而[6)描述状态的艺术概述海上避碰相关交通系统,飞机和公路运输,rca介绍。文献[7)提出了一种信道模型直接train-to-train沟通合适的400 MHz乐队,和[8)提出了分析和全面的测量活动调查的结果传播通道,以防铁路车辆之间的直接通信。

虽然rca经历了一些进步在物理层的设计中,它仅支持列车运行速度低于200 Km / h,这并不适用于高速铁路。一般来说,高速铁路列车的速度是360公里/小时。在这种情况下,列车之间的安全距离是10公里(9),这将导致严重的路径损耗和接收信号质量差,如果两列火车在同一个轨道上进行直接的沟通。接收信号的数量大约是0.5。

为了解决这个问题,在本文中,我们提出一个train-to-train在物理层通信模型基于多次反射。为了弥补一个贫穷的接收信号产生的路径损耗,源列车使用列车的多次反射机制作用于其他轨道继电器信号传输到目的地采用列车在同一轨道。这种机制可分为三种情况根据其他继电器的火车。可以推定,火车的到达过程遵循泊松分布和到达过程是一个负指数[10]。与其他物理层模型研究论文(5,6),该train-to-train通信模型,引入OFDM和MIMO技术,实现intertrain adhoc网络通信基于泊松过程的高速铁路场景。

本文的其余部分组织如下。部分3给的描述提出train-to-train通信模型基于多次反射,和部分4误码率表达式的三个合作条件。节5train-to-train模型的参数选择进行了讨论。部分6显示了该模型的仿真结果,和本文的结论部分7。

3所示。提出Train-to-Train CommunicationModel

train-to-train通信模型图1,那里的,,代表源终端,fixed-occurring继电器端子,分别和目的地终端。的火车是满足在另一个轨道,和分别代表第一possible-occurring中继终端和第三possible-occurring中继终端。的平均运行速度和100米/秒,那些的和是。铁路,铁路,铁路3,和铁路4代表4个平行的铁轨。

这个模型的通信机制可以讨论三种情况下基于泊松过程。泊松过程,让序列表示之间的时间间隔th和th事件,称为interarrival时代的序列,遵循一个指数分布。如果一个特定的事件确实发生时,将均匀分布在时间间隔(11]。发生潜在的继电器遵循泊松过程。由于概念提出在中国火车列车在高速铁路网络流密度往往是一样的公共汽车在公路运输12),毫无疑问,两名列车满足不同轨道之间总是存在。这些情况如下所述。

3.1。情况下,我

的传输信号见面时在不同的铁轨。与此同时,寻找潜在的继电器在邻近轨道1。如果没有找到,将广播消息在其通信范围(6公里)5),如果它收到一个响应,他们的通信链路将执行以及它们之间的传输。

3.2。案例二世

如果搜索,和同时传输的信号。的也执行搜索潜在的继电器。如果不存在,它将运营一些秒直到之间的距离和是一个通信范围内。最后,和,作为源的两个继电器,将信号传输到目标终端。

3.3。案例3

如果存在,它将接收的信号和然后把它们。最后,,,三个继电器的源,将终端信号转发到目的地。

在这种情况下,分别分析的可靠性train-to-train使用性能指标的误码率通信模型。

4所示。分析Train-to-Train CommunicationModel

4.1。情况下,我

图2描述了train-to-train i源通信模型的情况传输的信号当他们见面。总功率是,传递信号表示如下:

的,,,表示两个不同的传输的OFDM符号及其共轭形式。的,,,,是快速傅里叶变换(FFT)正交相移键控(QPSK)调制每一副载波OFDM符号的象征。在OFDM调制,代表副载波的序列号。和分别是,副载波的总数和循环前缀的长度。是传输的OFDM符号的数量。

考虑Alamouti编码(13),表示传递信号的发射器和两个天线(天线1和天线2)和表达如下:

在多径和多普勒效应考虑在内,脉冲响应的一个通道可以写成

和的信道脉冲响应某些单路径从发射机到接收机22米姆。表示多路径的数量,是最大的多普勒频移,每条路径的延时,采样间隔。

的,,,在接收机接收向量两个天线,可以推导如下:

,,,,,,,是加性高斯白噪声用零均值(AWGN)

多路径的总数量。在接收机通过处理和最后接收向量的信号路径加在一起。

使用修改后的信道估计,和得到估计原始信号:

和表示估计源信号,信噪比和在继电器可以写成

在继电器,和使用QPSK解调然后再编码和OFDM调制准备转发。

从到目的地,传输信号和经历了同样的过程吗和。

和估计继电器信号,信噪比和在继电器可以写成

的方方面面正交相移编码和可以表示如下13]: 在哪里信噪比。

中继策略的方方面面解码和转发(DF)可以写成14]

和的数量是th和OFDM符号:

信道编码应用于执行接收机的错误检测和校正,并考虑采用交叉和(7,4)循环码,目的地的伯斯和OFDM符号可以

和伯斯的吗和OFDM符号在目的地终端,t是可以纠正错误的数量,然后呢比特流的总数。

4.2。案例二世

源和目标终端之间的距离是10公里,集通信范围之外的内容(6公里)。因此可行与目的地通信终端通过在通信范围内的相邻轨道。因为的平均速度是100 m / s,操作时间间隔在通信范围是50年代,考虑1公里准备金比率。

图3给出了描述二世train-to-train通信模型的情况。在时间槽源传输信号,当他们见到彼此。传输信号是相同的情况。同时,搜索在邻近的轨道。的发生是泊松过程的基础上。假设的发生事件1,表示吗的到来,在时间间隔服从指数分布的平均强度是180年代9]。即将到来的概率的事件的时间间隔可以得到如下:

当事件50年代是确定地发生,其分布是均匀的吗(0,50)。

在时间槽源和同时传输的信号,传递信号和从和被编写为

像我一样,发射机采用OFDM和Alamouti编码技术。传输信号传输与多径和多普勒效应和继电器的处理获得的估计信号。

解码和reencoding接收信号后,经营一些秒直到之间的距离和在通信范围内。

和两个继电器的源,共同传播估计信号和目标终端,假设接力和协调完美。目标终端的估计信号,和信噪比和在目的地终端如下表示:

II是由继电器的两个链接链接(年代- - - - - -- - - - - -D)和一个等价的直接联系(- - - - - -D)。接收信号的误码率在目的地终端可以写成

使用信道编码包括交叉和(7,4)循环码,可以推导出

4.3。案例3

的发生就像,在未来的概率的事件的时间间隔50年代的

图中的通信模型4可以被认为是由两个基本模型。一个标有红线,而另一种是用蓝线。红色的模型的原理是一样的通信模型图2的信噪比在目的地终端是写成

红色的模型可以被认为是相当于一个继电器的直接联系到目的地。的的估计信号继电器链接(- - - - - -- - - - - -)在目的地和信噪比是

结合继电器与直接联系,BER的通信模型图4是

5。数值分析

5.1。频率选择

的最大传播距离提出train-to-train通信模型是6公里。为了避免激烈的信号衰减的传输距离长,考虑到Hata-Okumura郊区模式15),它是合适的选择在UHF波段频率。在300 MHz频率确定和信号的路径损耗的变化随着距离郊区呈现在图5。如图5信号的路径损耗,郊区的距离6公里−142.23 dB。

5.2。通道模型

本文中使用的通道模型train-to-train郊区通信模型在花费20716,17],它有六个路径的最大延时是5μ年代。高速列车的速度是100米/秒,多普勒频移,在的范围赫兹,添加到每个六路径。郊区的参数模型在207年成本表中列出1。

5.3。传输能量

高速铁路的最低接受92−dBm (18),由芝加哥出版。所需的信噪比最好的接待是10 dB和train-to-train通信的带宽。最长的通信距离、路径损耗。因此,传输能量可以通过计算 5所示(23train-to-train沟通),传输能量最低的是13.59 W。

5.4。关键技术

位流从源是首先映射到与象征正交相移编码和OFDM调制。,有1024副载波OFDM与512年主要用于传输有用的信息。循环前缀的长度是128,试点的时间间隔设置为5。带宽是1 MHz。

6。仿真结果

train-to-train通信模型的性能测量系统通过改变使用蒙特卡罗模拟的信噪比。结果表明,train-to-train通信模型更有效在满足要求的列车控制和预警信息的传播(19]。仿真结果提出下面列出train-to-train通信模型,对比,两名列车的数量在同一轨道上直接沟通,没有多次反射。

在图6,两列火车在同一轨道直接相互通信与其他列车没有任何帮助。在这种情况下,我们可以看到数量波动约0.5,不能确保信息正确传输,很容易导致严重的铁路交通事故。这个模拟结果表明,有必要引入一些列车作为继电器帮助列车信息传播到目的地的火车。

图7礼物train-to-train通信模型情况下的误码性能,II, III和案例与信噪比从0分贝12 dB。从图7二、案例更好的性能比我和案件三世在低信噪比。当信噪比大于4 dB,案例二世的性能相当的情况下三世,三世直到但比情况。它可以得出结论,在低信噪比可能的继电器和能够确保准确的传输控制和预警信息。

从上面的推导,伯斯,,的案例,案例二世,三世被编写为案例

假设的理论值伯斯在我之下,II, III和案例都接近零,这对应于仿真结果图6。

数据8和9描述的误码性能train-to-train基于泊松过程时的通信模型和10 dB。使用蒙特卡罗方法,模拟重复50次。在每一个时间,可能发生继电器的拓扑结构是不同的。在这些数据中,蓝点代表我,而红色和绿色圆点代表案例II和III,分别。在伯斯的情况下我,II, III和案例都维持在约。在的情况下,我拒绝,误码率,尤其是二世和案件的伯斯三世。当的数量基本上维持在0 50蒙特卡罗模拟。证明在信噪比= 10 dB train-to-train通信模型的可靠性就足以满足需求的高速铁路的安全。

根据上面的分析,gsm - r和rca train-to-train沟通有一些优势在物理层,如最小接收信噪比、平均误码率,覆盖范围,如表所示2(4- - - - - -7,18]。

诚然,train-to-train通信模型的最小延时较长gsm - r。比train-to-train通信模型的最小时间延迟是10年代。然而,作为子公司的角色,train-to-train通信模型的职责是传递预警信息准确地当现有的列车控制系统故障。一旦前面的火车停止的轨道,因为意外,十年代后消息传输延迟,余下的路程在相邻列车在同一轨道可以计算的

高速列车的制动距离约5公里的速度300公里/小时(20.]。从(25),其余9公里是足以让司机决定如何处理紧急情况。即时间延迟10年代绝对不影响下面的流程和反应预警信息的后续列车在同一轨道。

7所示。结论

本文提出了一种新颖的多次反射train-to-train通信模型使用300 MHz基于泊松过程在高速铁路的场景,引入OFDM和MIMO。train-to-train模型的数量减少到10⁻⁶当信噪比10 dB,这个模型的最低接受84−dBm对应标准建立了UIC在高速铁路场景中。gsm - r和rca,与最低的train-to-train通信模型具有接收信噪比,平均误码率,物理层和覆盖区域,确保准确的传输控制和预警信息。

确认

这项研究是新世纪优秀人才支持计划在大学批准号ncet - 09 - 0206,基础研究基金批准号下的中央大学2010 jbz008也没有。下的国家重点实验室2011 yjs010,关键项目批准号RCS2011ZZ008,中国国家自然科学基金批准号60830001,北京自然科学基金批准号下4112048,在大学长江学者和创新研究团队项目批准号下IRT0949。