车联网是建设智慧城市、发展无人驾驶、智能交通的关键举措，通过实现“人-车-路-环境”的结合，最大化利用资源提高交通安全性。近年来，随着世界各国陆续开展的大规模基础设施建设，跨铁路与公路、矿山与水下海底隧道正处在蓬勃发展的阶段^[1-2]，隧道建设也成为交通基础设施建设的重要组成部分。与此同时，隧道场景下车辆对车辆(vehicle-to-vehicle, V2V)通信成为了智能交通系统(intelligent traffic system, ITS)的一个必不可少的组成部分，是隧道这一特殊场景中交通安全的重要保障。因此深入研究隧道场景下V2V信道特性对车联网无线通信技术的安全应用至关重要。

对比蜂窝网络，V2V的高移动性使得无线信道具有较快的时变特性，因此信道不具有广义平稳性(wide-sense stationary, WSS)。影响V2V通信的因素包括场景、频段和天线的部署等；同时在不可视距(non-line-of-sight, NLOS)场景下，车辆作为遮挡物也是V2V通信中的一个重要影响因素。一般情况下信道研究针对可视距(line-of-sight，LOS)或NLOS场景展开，然而在高速公路及隧道中，收发两车以及周围车辆的相对位置都在不断变化。根据几何位置关系，还存在两车间介于LOS和NLOS之间的状态场景，即发射机车辆和接收机车辆之间的可视距LOS没有被其他车辆完全遮挡，而是存在部分遮挡，进而对电磁信道的影响与LOS和NLOS场景有所差别。考虑到部分视距(obstructed line-of-sight，OLOS)场景在现实中存在的概率较大，因此细分OLOS场景具有必要性和重要性，为实际中无线系统的开发提供了准确的仿真环境。

在过去的十几年中，大量的研究工作针对V2V信道展开。例如文献[3]总结了在城市、乡村、高速公路、郊区等场景下的信道模型；文献[4-8]研究了在城市公路环境下各种车型作为遮挡物的路径损耗模型。关于隧道内的信道研究划分为频段、隧道截面、大小尺度等多方面内容；文献[9-12]研究了不同频段下隧道截面为矩形的小尺度衰落特性；文献[13-14]研究了隧道截面为拱形隧道的大小尺度信道特性。然而，关于隧道内V2V信道的研究没有其他场景广泛和深入。由于隧道自身存在封闭狭长、弯道多、车辆环境复杂等多个特点，隧道内V2V信道特征相比于其他场景而言也具有一定差异，目前隧道内V2V信道的研究都是针对LOS或者NLOS场景，缺少对LOS、OLOS、NLOS这3种条件下信道特征的研究和归纳。

因此，本文针对上述问题展开研究，在5.2 GHz频段下进行了隧道环境信道测量。实验中选取了未遮挡、小型车辆遮挡和大卡车遮挡的数据，从而对隧道内LOS、OLOS和NLOS进行了大尺度和小尺度衰落特性的分析。

1 信道测量 1.1 测量环境

测量场景在德国慕尼黑郊区A99高速公路的Aubing隧道进行(见图 1)。隧道长1 935 m，有单向2个标准宽度的车道和1个应急车道，隧道断面为矩形，是公路隧道所采用的主要断面形状之一。因此本文选用的矩形隧道测试路段具有典型性和代表性。

测试中使用奔驰G级越野车作为发射端搭载平台(见图 2(a))；使用奔驰厢式货车作为接收端搭载平台(见图 2(b))；所使用的传感器及天线均置于车顶。两车均记录了全球定位系统(global navigation satellite system, GNSS)坐标、激光雷达(light detection and ranging, LIDAR)和惯性导航系统(inertial measurement unit, IMU)的数据，通过组合导航方法对隧道内收发两车的位置进行估计。

1.2 测量设置

测试采用德国MEDAV RUSK-DLR宽带信道探测器进行单输入单输出(single input single output, SISO)无线信道测量。探测器利用正交频分复用(orthogonal frequency division multiplexing, OFDM)信号对信道进行测量。在每个OFDM测量符号满足WSS的前提下，信道脉冲响应(channel impulse response, CIR)为h(t_k, τ_n)，其中测量时间t_k=k×t_g, k=1, 2, …; 测量周期t_g=1.024 ms; 测量时延τ_n=n×τ_Δ, n=0, 1, …, N-1, 子载波数N=1 537;时延分辨率τ_Δ由信号带宽B的倒数决定。

子载波下基带信号的符号周期T_p=12.8 μs决定了每个CIR的最大时间长度。因此，信道探测器可以测量出多径最大绕行传播距离为3.84 km。表 1列出了5.2 GHz信道探测系统参数。

1.3 场景描述

在测量过程中，由于环境中周围车辆的类型和数量都随时间发生变换，因此发射机和接收机之间存在LOS、OLOS和NLOS等多种情况；通过检查接收机、发射机车内的视频记录，可以区分LOS、OLOS和NLOS。

1) LOS场景：收发两车之间视线不受阻碍。共选取45 s的数据作为LOS数据。图 3(a)为LOS场景下的两车速度变化，实线代表接收机的速度，其值在15.5~18 m/s之间；虚线代表发射机的速度，其值在14~19 m/s之间。

2) OLOS场景：收发两车之间有一辆高约为1.685 m的赛飞利小型车见图 4(a)，该车未完全遮挡可视距；图 3(b)为OLOS场景下的速度变换，从图中可知发射机的速度一直小于接收机的速度，又因发射机一直位于接收机后方，所以在OLOS过程中两车的距离在不断增大。在隧道中选择26 s作为实验数据。

3) NLOS场景：收发两车之间有一辆高约为2.9~3 m的大型货车和两辆小型车辆，大型货车的影响远大于小车, 见图 4(b)。本文选取20 s实验数据作为NLOS数据。图 3(c)为20 s实验数据的速度变换，发射机的速度变换范围为17~22 m/s，接收机的速度变换范围为12~13 m/s，发射机的速度要远大于接收机的速度，所以此时两车的距离不断减小。

上述3种场景的发射车辆始终在接收车辆的后方移动，两车之间距离在实时变化。本文以隧道内部存在遮挡车辆作为研究对象，分析隧道内有无遮挡车辆的信道传播特性。

2 无线信道特性分析

在V2V传播过程中，由于周围存在的树木、房屋、墙壁和其他车辆会形成反射、绕射、衍射，故采用时变信道脉冲响应来描述该信道。一般无线信道传播模型可分为大尺度和小尺度衰落，本文对大尺度的路径损耗和阴影衰落进行分析，对小尺度下的幅值衰落分布和均方根时延扩展进行分析。

2.1 大尺度分析

1) 在LOS场景下，接收功率与距离的变化关系见图 5(a)。根据路径损耗的计算如下：

$ {P_{\rm{L}}}\left( d \right) = {P_{\rm{L}}}({d_0}) + 10 \times n \times {\rm{lg }}\;d + {X_\sigma } $

(1)

式中: n为路径损耗指数；P_L(d₀)为参考距离处的截距值，d₀=1 m；X_σ为阴影衰落，X_σ~N(0, σ²)。由上可得对数距离拟合的路径损耗和自由空间路径损耗见图 5(b)。

图 5(a)中加粗实线表示收发两车之间的距离，另一条实线表示接收功率；在这一过程，两车距离先增大再减小，接收功率也相应变化，范围在-43~-28 dBm之间；图 5(b)散点表示实际测量数据，实线、虚线分别反应了对数距离拟合的路径损耗以及自由空间下的路径损耗。可得在同等距离下，自由空间的路径损耗约比隧道内大3 dB。此场景下利用最小二乘法^[15]估计路径损耗指数n=1.256 2；利用最大似然估计^[16]阴影衰落σ=1.315 5 dB。

2) 同理, 在OLOS场景下，其接收功率与距离的变化关系及路径损耗的拟合见图 6。在OLOS场景下，随着距离增大，接收功率变换范围在-53~-35 dBm之间，其中路径损耗指数n=1.301 5，阴影衰落的标准差σ=1.898 dB。可得, 在同等距离下，自由空间的损耗约比隧道内大4 dB。

3) 在NLOS场景下，其接收功率与距离的变化关系及路径损耗的拟合见图 7。随着距离的减小，功率的变换范围在-63~-50 dBm之间，其中NLOS情况下路径损耗指数n=1.520 6，阴影衰落的标准差为σ=2.208 9 dB。

3种场景下对比，NLOS的路径损耗指数均大于LOS、OLOS场景；NLOS阴影衰落的标准差比LOS场景下约大1 dB，具体数值见表 2。图 8是3种场景下的阴影衰落，从图中很明显地看出LOS的阴影衰落幅值比OLOS、NLOS要高，但是NLOS的阴影衰落范围比LOS、OLOS广; 大卡车引起了更大的路径损耗和阴影衰落，但是在隧道里，由于存在波导效应，使得3种情况下的阴影衰落没有在自由空间中对比明显。

2.2 小尺度分析

1) 小尺度衰落分布拟合

研究调查显示，V2V信道的小尺度衰落主要通过正态、对数正态、瑞利、莱斯、威布尔和Nakagami-m等分布形式来描述，通过这些分布对数据进行拟合可以得到合理的拟合效果，其中Kolmogorov-Smirnov (KS)检验统计量作为拟合优度指标^[17]是描述分布的一种流行方法。检验统计量ρ计算为

$ \rho = \mathop {\sup }\limits_x \left| {{F_x}\left( x \right) - F\left( x \right)} \right| $

(2)

式中: $ \mathop {\sup }\limits_x $为上确界, F_x(x)为样本的累计分布函数，F(x)为样本服从理论分布的累计分布函数。

分析信道小尺度衰落特性前要去除大尺度效应，所以先对接收信号幅值进行归一化处理。本文根据收发车辆行驶速度和测量间隔，将分析小尺度的归一化窗口设置为350个连续测量样本。图 9是对3种场景下归一化后的接收信号幅值进行的拟合，包括上文提到的多种分布。

图 9(a)是对LOS场景接收信号幅值进行的分布拟合，LOS场景下正态和莱斯分布具有很好的拟合效果，瑞利分布的拟合效果比较差。图 9(b)是对OLOS场景接收信号幅值进行的分布拟合；OLOS场景下莱斯和威布尔分布具有很好的拟合效果，对数正态分布的拟合效果比较差。图 9(c)是对NLOS场景接收信号幅值进行的分布拟合；NLOS场景下瑞利和Nakagami-m分布具有很好的拟合效果，对数正态分布的拟合效果比较差。拟合优度值见表 3，表中加粗数值表示最优的分布和次优的分布。

2) 莱斯衰落分布

V2V多径分量中包括直射波、反射波、绕射波、衍射波，其中占支配地位的是直射波，这种情况下接受信号包络服从莱斯分布。其中莱斯K因子是反映小尺度衰落特性的一种工具。莱斯分布的表达式为

$ f(x)=\frac{2(K+1)}{\mathit{\Omega }}\times {{\text{e}}^{-K-\frac{(K+1)2}{\mathit{\Omega }}}}\times {{I}_{0}}\left( 2\sqrt{\frac{K(K+1)}{\mathit{\Omega }}x} \right) $

(3)

式中: x为归一化功率振幅，I₀为第一类的0阶修正贝塞尔函数，Ω=E{x²}，K为莱斯因子。本文使用基于矩量的方法计算K因子^[18]，其公式为

$ K = \frac{{\sqrt {1 - \gamma } }}{{1 - \sqrt {1 - \gamma } }} $

(4)

式中γ=V{x²}/(E{x²})², V和E分别代表样本方差和期望估计量。

LOS、OLOS和NLOS场景下的K因子随距离变化见图 10。图中圆圈、十字星、五角星分别对应于LOS、OLOS、NLOS场景下的K因子，实线是相应散点的拟合。LOS场景下K因子均值为10.882 3 dB；OLOS场景下两车距离相对LOS场景下稍远，K因子均值为9.881 3 dB; NLOS场景下两车距离较远，K因子均值为7.657 8 dB；具体结果见表 4。比较3个场景，随着发射器和接收器之间距离的增加，K因子逐渐减小。

3个场景下隧道内基于距离变化的K因子模型可以定义为

$ \hat{K}=\left\{\begin{array}{l} -0.0219 \cdot d+11.4184, \text { in LOS } \\ -0.0523 \cdot d+14.1323, \text { in OLOS } \\ -0.000217 \cdot d+7.7168, \text { in NLOS } \end{array}\right. $

(5)

式中: $ \hat{K}$是线性预测K因子，d是发射端与接收端的距离。

3) 均方根时延扩展

由于传播环境的实时改变，多径到达时间不同，从而造成时域弥散。时域信道弥散可由均方根时延扩展(root-mean-squared delay spread, RMSDS)进行表征，其表达式为

$ \sigma_{\mathrm{R}}=\sqrt{\frac{\int_{-\infty}^{\infty}|h(\tau)|^{2} \tau^{2} \mathrm{~d} T}{\int_{-\infty}^{\infty}|h(\tau)|^{2} \mathrm{~d} T}-\left(\frac{\int_{-\infty}^{\infty}|h(\tau)|^{2} \tau \mathrm{d} T}{\int_{-\infty}^{\infty}|h(\tau)|^{2} \mathrm{~d} T}\right)^{2}} $

(6)

根据式(6)计算每个信道脉冲响应RMSDS的累计分布函数见图 11，图中左箭头、右箭头和下箭头实线分别代表LOS、OLOS、NLOS的均方根时延扩展。

由图 11可知，OLOS场景比LOS引起约100 ns的时域弥散，NLOS场景比OLOS引起约340 ns的时域弥散。3种场景下均方根时延扩展均值为65.662 1 ns、166.076 7 ns和505.952 9 ns，结果见表 4。

3 结论

本文研究了矩形隧道场景下存在车辆遮挡的V2V通信的大尺度衰落与小尺度衰落特征。基于实际测量数据，建立了LOS、OLOS、NLOS场景下的路径损耗模型；并分析了相应的小尺度衰落特征。对比3种场景，得出以下结论：

1) NLOS场景下的路径损耗指数大于LOS和OLOS场景，但均小于自由空间的路径损耗指数，这是由于隧道内存在波导效应导致的。NLOS场景下大卡车会引起2 dB的阴影衰落，而OLOS下的阴影衰落与LOS场景下的阴影衰落无明显差异，说明遮挡车辆的尺寸大小会影响阴影衰落的变化。

2) 在小尺度分布拟合中，LOS和OLOS场景下接收功率均服从莱斯分布；NLOS场景下接收功率服从瑞利分布。同时随着距离的增大，K因子逐渐减小，说明K因子对距离具有依赖性；车辆遮挡同样引起了更大的时域弥散。