作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

个人主页：Matlab科研工作室

个人信条：格物致知。

更多Matlab仿真内容点击

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

内容介绍

在毫米波通信中，阻塞建模是模拟和预测无线通信链路中出现的传播路径阻塞效应。以下是针对用户设备（UE）的毫米波阻塞建模的常见方法：

1. 几何建模：使用几何建模方法来描述天线、环境物体和传播路径之间的几何关系。这可以通过定义并计算天线和障碍物之间的距离、角度和高度差等参数来实现。
   
2. 模型选择：根据具体应用场景和需，选择合适的阻塞模型。常见的模型包括衰落模型、概率模型、几何模型等。例如，二维地面上的阻塞可以使用基于几何的建模方法，而多径衰落则可以使用衰落模型进行建模。
   
3. 阻塞区域划定：根据环境特征和场景要求，确定阻塞区域的范围和形状。这可以通过虑建筑物、树木、车辆等环境物体的位置和分布情况来进行划定。
   
4. 材料特性考虑：考虑不同材料对毫米波信号的影响，比如反射、折射、散射等特性。不同材料的反射系数穿透损耗可以根据实验数据或理论估计进行建5. 信号传播模拟：利用射线追踪、几何光学等方法对毫米波信号在阻塞环境中的传播进行模拟。这可以通过计算路径损耗、衰落、多径效应等参数来分析信号在UE处的接收功率和衰落情况。
   
5. 验证和优化：使用实测数据或相关模拟工具，对建立的阻塞模型进行验证和优化。比较模拟结果与实际情况的吻合度，调整模型参数和建模方法以提高预测精度。
   

需要注意的是，毫米波通信中的阻塞建模是一个复杂且活跃的研究领域，涉及到诸多因素，如环境、天线布局、波束赋形、移动性等。实际应用中，还需要结合具体场景和数据进行个性化建模，以满足特定需求和精度要求。

部分代码

function test_Animate(s_mobility,s_input,time_step)v_t = 0:time_step:s_input.SIMULATION_TIME;for nodeIndex = 1:s_mobility.NB_NODES %Simple interpolation (linear) to get the position, anytime. %Remember that "interp1" is the matlab function to use in order to %get nodes' position at any continuous time. vs_node(nodeIndex).v_x = interp1(s_mobility.VS_NODE(nodeIndex).V_TIME,s_mobility.VS_NODE(nodeIndex).V_POSITION_X,v_t); vs_node(nodeIndex).v_y = interp1(s_mobility.VS_NODE(nodeIndex).V_TIME,s_mobility.VS_NODE(nodeIndex).V_POSITION_Y,v_t);end%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%figure;hold on;%Ish add the BSs and linkshb = 1.8;hr = 1.4;ht = 6;R=100;frac = (hb-hr)/(ht-hr);lamT = 2e-4; %%%!!!!!!!!!!change here!!!!!!!!!!!!!!!nB = s_input.NB_NODES;nT = poissrnd(lamT*pi*R^2);rT = R*sqrt(rand(nT,1)); %location of APsalphaT = 2*pi*rand(nT,1);%location of APsxT = rT.*cos(alphaT);%location of APsyT = rT.*sin(alphaT);%location of APsxTfrac = frac*xT; %blockage zone around UE for each APsyTfrac = frac*yT;scatter(xT,yT,30,'r^')plot([zeros(length(xT),1),xT]',[zeros(length(yT),1),yT]','g')plot([zeros(length(xTfrac),1),xTfrac]',[zeros(length(yTfrac),1),yTfrac]',... 'r','linewidth',1)th=0:0.01:2*pi; xx = R*cos(th); yy = R*sin(th);plot(xx,yy)scatter(0,0,20,'s')for nodeIndex = 1:s_mobility.NB_NODES vh_node_pos(nodeIndex) = plot(vs_node(nodeIndex).v_x(1),... vs_node(nodeIndex).v_y(1),'.','color',[0.3 0.3 1],... 'MarkerSize',10);endtitle(cat(2,'Simulation time (sec): ',num2str(s_mobility.SIMULATION_TIME)));xlabel('X (meters)');ylabel('Y (meters)');xlim([-100,100])ylim([-100,100])name=strcat('Simulation: nT=',num2str(nT),' nB=',... num2str(nB), ' hT=',num2str(ht));title(name);ht = text(-100,90,cat(2,'Time (sec) = 0'));% ht = text(min(vs_node(1).v_x),max(vs_node(1).v_y),cat(2,'Time (sec) = 0'));% axis([min(vs_node(1).v_x) max(vs_node(1).v_x) min(vs_node(1).v_y) max(vs_node(1).v_y)]);hold off;%!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!change file name%!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!%!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!v = VideoWriter('simulation1','MPEG-4');%!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!v.FrameRate=10;% v.CompressionRatio = 3;for timeIndex = 1:length(v_t); t = v_t(timeIndex); set(ht,'String',cat(2,'Time (sec) = ',num2str(t,4))); for nodeIndex = 1:s_mobility.NB_NODES set(vh_node_pos(nodeIndex),'XData',vs_node(nodeIndex).v_x(timeIndex),'YData',vs_node(nodeIndex).v_y(timeIndex)); end set(gcf,'paperunits','inches') set(gcf,'position',[0 0 550 500]) drawnow; %Ish save the movie ax = gca; ax.Units = 'pixels'; pos = ax.Position; ti = ax.TightInset; rect = [-ti(1), -ti(2), pos(3)+ti(1)+ti(3), pos(4)+ti(2)+ti(4)]; F(timeIndex) = getframe(ax,rect); endopen(v)writeVideo(v,F);close(v)end

运行结果

参考文献

Jain, Ish Kumar, Rajeev Kumar, and Shiendra Panwar. "Driven by capacity or blockage? a millimeter wave blockage analysis." 2018 30th International Teletraffic Congress (ITC 30). Vol. 1. IEEE, 2018.

Jain, Ish Kumar, Rajeev Kumar, and Shivendra Panwar. "The Impact of Mobile Blockers on Millimeter Wave Cellular Systems." IEEE Journal on Selected Areas in Communications (2019).

️ 代码获取关注我

️部分理论引用网络文献，若有侵权联系博主删除

️ 关注我领取海量matlab电子书和数学建模资料

仿真咨询

1.卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3.旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划

4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

5.传感器部署优化、通信协议优化、路由优化、目标定位

6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号

7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化

8.微电网优化、无功优化、配电网重构、储能配置

9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长