面向新一代铁路移动通信的网络规划技术研究_丁珣.pdf

丁珣，张俊笛，何丹萍，等.面向新一代铁路移动通信的网络规划技术研究J.电波科学学报，2023，38（1）：71-78.DOI:10.12265/j.cjors.2022173DING X,ZHANG J D,HE D P,et al.Research on network planning technology for new generation railway mobile communicationJ.Chinese journal ofradio science，2023，38（1）：71-78.（in Chinese）.DOI:10.12265/j.cjors.2022173面向新一代铁路移动通信的网络规划技术研究丁珣1*张俊笛2，3何丹萍2，3费丹2，3王文渊4（1.中国铁建电气化局集团有限公司,北京 100043；2.北京交通大学 轨道交通控制与安全国家重点实验室,北京 100044；3.北京交通大学 宽带移动信息通信铁路行业重点实验室,北京 100044；4.中国铁路南昌局集团有限公司,南昌 330002）摘要 为了解决铁路移动通信网络规划成本高且效率低的问题，满足铁路智能无线网络建设需求，以京沈客运专线为场景，研究了 2.1 GHz 频段下基于高性能射线跟踪的 5G 铁路专用移动通信（5G for railway,5G-R）智能无线网络规划技术.依托参考信号接收功率(reference signal receiving power,RSRP)高性能射线跟踪仿真得到电磁波在特定环境下传播时的信道特性和路径损耗，进而精准预算无线链路的 RSRP 和下行传输速率；同时将规划问题建模为多目标优化求解问题，使用遗传算法对基站参数进行分级规划，在 RSRP 覆盖达标的前提下，最大化下行传输速率，智能输出基站工参最优解.仿真结果表明该技术可以满足 RSRP 覆盖率和最大化下行传输速率的规划目标，为后续实现精准高效的 5G-R 无线网络规划和优化提供仿真支撑和参考.关键词5G-R；无线网络规划；高性能射线跟踪；参考信号接收功率(RSRP)；下行传输速率；遗传算法中图分类号TN92文献标志码A文章编号1005-0388（2023）01-0071-08DOI 10.12265/j.cjors.2022173Research on network planning technology for newgeneration railway mobile communicationDING Xun1*ZHANG Jundi2,3HE Danping2,3FEI Dan2,3WANG Wenyuan4（1.China Railway Electrification Bureau Group Co.Ltd.,Beijing 100043,China；2.State Key Laboratory of Rail Traffic Controland Safety,Beijing Jiaotong University,Beijing 100044,China；3.Key Laboratory of Railway Industry of Broadband MobileInformation Communications,Beijing Jiaotong University,Beijing 100044,China；4.China Railway NanchangGroup Co.Ltd.,Nanchang 330002,China）AbstractIn order to solve the problem of high planning cost and low efficiency of the 5G for railway(5G-R),and to meet the needs of the planning and construction of railway intelligent wireless network.This article takes theBeijing-Shenyang passenger line as a scenario to study the 5G-R intelligent wireless network planning technology basedon high-performance ray tracing in the 2.1 GHz frequency band.Relying on high-performance ray tracing simulation,the channel characteristics and path loss of electromagnetic waves propagating in a specific propagation environmentcan be obtained,and the reference signal receiving power(RSRP)and downlink transmission rate of the wireless linkcan be accurately estimated.At the same time,the planning problem is modeled as a multi-objective optimizationproblem,and the genetic algorithm is used to plan the parameters of the base station.On the premise that the RSRPcoverage is up to standard,the downlink transmission rate is maximized,and the optimal solution of base stations isexported.The simulation results show that the technology can meet the planning goals of RSRP coverage and maximizethe downlink transmission rate,and provide simulation support and reference for the subsequent realization of accurateand efficient 5G-R wireless network planning and optimization.Keywords5G-R；wireless network planning；high-performance ray tracing；reference signal receiving power(RSRP)；downlink transmission rate；genetic algorithm 收稿日期：2022-08-10资助项目：中国铁建股份有限公司科研计划课题(2021-C43)；国家自然科学基金青年基金（61901029）通信作者：丁珣 E-mail: 第 38 卷第 1 期电波科学学报Vol.38，No.12023 年 2 月CHINESE JOURNAL OF RADIO SCIENCEFebruary，2023 引言在“交通强国、铁路先行”的时代主题下，2021 年 12 月国家铁路局在“十四五”铁路科技创新规划中提出大力推进 5G 与铁路发展深度融合1-2，与此同时，国务院在“十四五”现代综合交通运输体系发展规划智能铁路专栏中提出实施新一代铁路移动通信专网工程3，标志着我国正在从铁路数字移动通信系统(global system for mobile communications-railway，GSM-R)领域的跟随者逐步转变为 5G 铁路专用移动通信(5G-railway,5G-R)系统的领跑者.5G-R 的提出不仅是铁路行业提升效率和效益、保持高质量发展的迫切需要，也是实现铁路智能化的催化剂.而传统铁路移动通信网络规划需要根据设计人员的经验，结合现场路测的接收信号强度，反复调试天线下倾角、方位角和发射功率来满足无线网络覆盖效果.该过程不仅成本高、工期长，而且规划结果带有一定的主观性，远不能满足网络建设的高效化、精准化和智能化目标4-5.无线网络规划作为网络建设中最重要的环节，开展无线链路预算并合理部署站址尤为关键6，而无线信道传播模型是开展无线链路预算的基石7.现有的网络规划主要是依托传统的无线信道建模方式开展 5G 网络规划中的链路预算.文献 6,8 分别介绍了在 5G 基站覆盖预测中的 3GPP 36.873 和 3D 无线传播模型.文献 9 采用 COST231 Hata 修正模型实现了无线局域网(wireless local area network,WLAN)室外覆盖网络预算分析.文献 10 采用 OkumuraHata 传播模型预测收发信号之间的路径损耗，研究基于人工鱼群算法的电力无线专网基站选址规划.文献 11 将 3D Uma 模型与粒子群优化算法结合，实现了所选区域的 5G 站址规划.文献 12 分析了5G 通信站址选择的数学模型，并采用遗传算法(genetic algorithms,GA)和免疫算法得到基站位置的最优解.针对 5G-R 系统，网络规划研究较少，且传统的无线信道建模难以准确表征铁路场景下的电波传播与信道特性13-14.文献 15-17 指出了确定性建模射线跟踪(ray tracing,RT)技术能够准确预测多频段时变和多输入多输出的信道特性.文献 18 介绍了电波传播预测模型的仿真方法，并指出正确的电波传播预测模型决定了 RT 的仿真精度19.针对传统铁路移动通信网络规划周期长、成本高，且铁路场景拥有复杂的电波传播环境和信道特性，而传统的经验或解析模型无法准确对其表征，进而导致无线链路预算准确性不足等缺点，本文针对2.1 GHz 下的京沈客运专线场景，研究面向 5G-R 的智能网络规划技术.依托高性能 RT 仿真得到电磁波在特定传播环境下传播时的信道特性和路径损耗，实 现 精 准 预 算 无 线 链 路 的 参 考 信 号 接 收 功 率(reference signal receiving power,RSRP)和下行(down-link,DL)传输速率.并将规划问题建模为多目标优化求解问题，使用 GA 对基站参数进行分级规划，在RSRP 覆盖达标的前提下，最大化 DL 传输速率作为求解目标，智能输出基站工参最优解.仿真结果表明该技术可以满足 RSRP 覆盖率和最大化 DL 传输速率的规划目标，可为后续实现精准高效的 5G-R 无线网络规划和优化提供仿真支撑和参考.1 网络规划指标在 5G 网络规划和部署阶段，需要综合考虑两个指 标：网 络 容 量 和 网 络 覆 盖.为 了 更 好 地 满 足IMT2020 中提到的超高速率(enhanced mobile broad-band,eMBB)、超大连接(massive machine type com-munication,mMTC)、超低时延(ultra reliable low late-ncy communication,uRLLC)的愿景需求，要求 5G 网络规划方案满足更高的网络容量和更好的网络覆盖目标.同样，针对 5G-R 系统无线网络规划也需要综合考虑这两个指标，在保证网络覆盖目标时，使网络容量最大化.1.1 高性能 RTf基于电磁理论、几何光学理论和几何绕射理论20，RT 是可以支持卫星遥感、电子地图、合成孔径雷达(synthetic aperture radar,SAR)等方式获取目标区域地理信息状态的传播预测技术18.追踪场景中经过直射、反射、散射、透射、绕射等传播方式到达接收机的射线，并将场景中结构体的材质参数代入对应的传播模型20，仿真结束后输出每一对收发信机位置下子频带的频域信道传递函数(channel transferfunction,CTF).中心频点为 时一对收发信机位置下子频带的 CTF 为H(f)=N(t)k=1GTx(D,D)ak(f)ej(2f+k(f)GRx(A,A).（1）N(t)tGTxGRxDDak(f)ftkk(f)kAA式中：表示 时刻下的多径数量；和分别表示收发天线在不同角度上的增益值；和分别表示多径离开发射机的方位角和俯仰角；表示 频点时刻下第 条多径的电场强度幅值；和分别表示第 条多径经不同的传播方式到达接收机后的时延和附加相位；和分别表示多径到达接收机的方位角和俯仰角.CTF 不仅可以反映信道信息，而且可以精准预测电磁波在特定传播环境下的路径损耗，CTF 逆傅 72电波科学学报第 38 卷里叶变换得到的时域信道冲激响应(channel impulseresponse，CIR)为h()=F1(H(f).（2）电磁波在无线链路中的路径损耗为PL=10lg|Nj=1h(j)|2|.（3）Nh(j)式中：表示最大时延索引数；表示对应时延索引下的 CIR.鉴于 RT 技术的以上优势，依托北京交通大学自研的高性能 RT 平台(cloud RT,CloudRT)15,21开展后续章节的仿真任务.CloudRT 的工作流程如图 1 所示，高性能 RT 仿真基于用户数据库、环境库、天线库、材料库以及任务数据库输出每一对收发信机位置下的子频带 CTF.数据分析仿真任务用户界面完成仿真配置用户终端下载射线跟踪结果开始验证和授权上传任务和结果加载库任务数据库三类数据库 环境库 天线库 材料库用户数据库数据存储服务器高性能计算机射线跟踪引擎图 1 CloudRT 工作流程Fig.1 Workflow of CloudRT 1.2 无线链路覆盖预算无线链路覆盖预算是计算信号从基站到终端的过程中最大允许的路径损耗值(maximum allowedpass loss,MAPL)，其结果的准确性直接决定无线网络的覆盖规模.作为衡量覆盖规模的重要指标，接收信号在资源元素(resource element,RE)上的接收功率 RSRP 与 MAPL 有着密切的关系：RSRPRE=PTNCNRB12+gTx+gRxMAPL.（4）PTNCNRBgTxgRx式中：表示发射机在每个信道上的发射功率，单位为 dBm；表示系统的信道数量；表示物理资源块(physical resource block,PRB)的数目；和分别表示发射天线和接收天线的增益，单位为 dBi.RT 能够得到每一对收发信机位置下子频带的CTF，CTF 不仅能准确表征目标区域的无线信道特性，且能够准确预算 MAPL，为准确进行无线链路覆盖预算提供了前提条件.1.3 容量估计满足无线链路覆盖目标的前提下，也要兼顾容量的需求.以 DL 链路为例，将列车视为用户终端.针对列车在高铁线路的任意一个位置，根据各个基站的覆盖预测结果 RSRP 来选择终端的接入.考虑 5G-R 同频组网，该位置的终端接入可以提供最强 RSRP的基站后，高铁线路上其他的基站信号均会被视为干扰信号.根据行业调研结果，5G-R 系统一般使用双流传输，因此容量估计假设终端和接入基站间始终满足在 DL 链路方向的双流传输条件.高性能 RT 预测了各个基站与终端在上述位置上的无线信道大、小尺度传播特性，通过无线信道的预测结果得到终端处的信道状态信息(channel state information,CSI).除上述条件外，表 1 提供了容量估计所需的简化系统级仿真(simplified system level simulation,SSLS)参数配置信息，其中 PDCCH(physical downlink control chan-nel)表示下行链路控制信道，DMRS(deModulationreference signal)表示解调参考信号.5G-R 系统使用频分双工(frequency-division duplex,FDD)，信道数量为 2，对应了 DL 链路方向的双流传输.采用全缓冲业务模式使基站的 PRB 利用率达到 100%，来得到目标位置的最大容量值，其中容量估计是在混合自动重复请求(hybrid automatic repeat request,HARQ)不出现的前提下进行的.表 1 简化 SSLS 参数配置Tab.1 SSLS configuration参数取值频段2.1 GHz带宽20 MHz子载波间隔30 kHz信道数量2最大资源块分配数51PRB利用率100%调制方式256 QAM双工模式FDDPDCCH占用符号数1DMRS占用符号数1 在基站数目已知情况下，基于上述仿真条件，一个简化的 SSLS 会输出终端对应位置的理论最大容量.将该容量估计方法推广至目标高铁线路的每个位置，即可得到理论最大容量在整条线路上的变化.2 基于 RT 的智能无线网络规划算法设计本文在满足 RSRP 覆盖目标的前提下，同时使容量最大化，对基站的部分参数进行规划择优，从而给出最优的小区布局方案，提高 5G-R 无线网络建设的效率.基站工参包括位置、方位角、下倾角和发射功率，实际情况下，下倾角可调的范围很小.5G-R 站址第 1 期丁珣，等：面向新一代铁路移动通信的网络规划技术研究73 规划择优问题就简化为：在满足规划指标下，求基站位置(utm-x，utm-y)、方位角和发射功率的组合最优解，属于多维度多目标优化求解问题.因此，需找到可以等价表示基站不同维度信息的参数.在 GA 中22种群表示个体(最优解)的集合，且个体携带编码后的染色体，染色体由基因组成，个体的特征信息由基因来表征.因此可以将基站用染色体表示，而基站不同维度的信息用基因表示.文献 23分析了非支配排序的GA(non-dominated sorting geneticalgorithm,NSGA)的优势，并将其用在基站规划中，同时验证了该算法的可行性.本文基于 RT 技术，在 NSGA 算法的基础上，提出一种基于 RT 的智能无线网络规划算法，根据基站工参不同维度信息的特点，采取分级方式，依次规划基站位置、方位角和发射功率，在保证 RSRP 覆盖达标的前提下，最大化 DL 传输速率作为 GA 的求解目标，见式(5)，参数配置见表 2，算法流程见图 2.arg maxf2(x)s.t.f1(x)=Num(RSRP RSRP0)Numtotal.（5）f2(x)f1(x)RSRP0Num(RSRP RSRP0)Numtotal式中：表示基站的 DL 传输速率函数；表示基站的 RSRP 覆盖率函数；表示覆盖通过 RSRP阈值；表示接收点的 RSRP 大于覆盖通过 RSRP 阈值的数量；表示接收点位总数量；表示当接收点信号强度大于预先设定的覆盖通过 RSRP 阈值时的覆盖率目标约束值.表 2 GA 仿真参数配置Tab.2 Simulation parameters of GA参数取值最大代数16种群数目100交叉率0.8变异率0.1最大基站数6覆盖率目标98%覆盖通过RSRP阈值85 dBm 无线链路预算RSRP覆盖通过阈值覆盖率计算传输速率计算是传播机理模型库材料电磁参数库天线库高性能 RT 仿真器是否满足规划目标?选择操作交叉操作变异操作计算适应度初始化种群输出最优解否GA 模块是utm-xutm-xutm-yutm-yutm-z基站工参方位角下倾角发射功率铁路干线仿真场景Planet 电子地图触发仿真触发仿真方位/下倾角发射功率待规划站址参数分级输入串行规划覆盖率达标的前提下最大化下行传输速率图 2 基于 RT 的规划算法流程Fig.2 Flowchart of intelligent planning algorithm based on RT 根据铁路数字移动通信系统现有的设计规范：正线、站线和联络线等铁路线路上的接收电平要求任何时间、任何地点下统计概率为 95%24；同时由表 3 RSRP 范围与业务稳定性关系23可知，当 RSRP85 dBm 时，可以满足较稳定的业务需求.因此参考现有规范，规划目标设置最小可用接收电平85 dBm作为表 2 中的覆盖通过 RSRP 阈值，覆盖率目标设置为 98%.如图 2 所示，高性能 RT 仿真器可以根据基站工参和仿真场景，结合嵌入的传播机理模型库、材料电磁参数库和天线库，仿真得到对应频带下的 CTF，根据 1.1 和 1.2 节的公式可以实现准确的无线链路预算，从而得到 RSRP 和 DL 传输速率.根据表 2 设置的覆盖通过 RSRP 阈值和覆盖率目标，在满足 RSRP覆盖目标下，最大化传输速率，将其作为 GA 的目标函数，待规划的站址参数等效为种群，每一代种群通过选择、交叉和变异等遗传操作产生新的子代，选择算子根据个体的适应度选择父代，交叉算子决定了父代染色体变异成子代的过程，最后个体根据自身适应度是否满足给定自然的选择条件(给定的目标函数)进行分级多目标求最优解23.表 3 RSRP 范围与业务稳定性关系23Tab.3 Relationship between RSRP and service stability23RSRP/dBm业务稳定性(65,+)十分稳定(75,65稳定(85,75较稳定(95,85一般(,95较差 74电波科学学报第 38 卷 3 仿真配置和结果分析 3.1 仿真场景与参数配置 3.1.1 仿真场景仿真场景截取“八纵八横”高铁网的“一纵”京沈客运专线的其中一段开展 5G-R 无线网络智能规划技术研究，如图 3 所示，黄色线段是从实际京沈客运专线中选取的高铁路线，其长度为 19.80 km.该路线位于北京首都国际机场附近，是高铁线路中十分典型的干线场景.文中将以该场景为基础进行智能无线网络规划仿真研究.该对象的长度为:19.8 km提示确定图 3 京沈客运专线Fig.3 Beijing-Shenyang passenger line 3.1.2 仿真参数配置工信部的2 100 MHz 频段 5G 移动通信系统基站射频技术要求试行公告的发布，说明 2.1 GHz 频段将用于 5G 网络覆盖.相比 3.5 GHz 和 2.6 GHz 频段，2.1 GHz 频段传播距离更远，拥有天然的频段优势；同时根据行业调研，铁路通信作为 5G 重要的垂直应用场景，也倾向于使用 2.1 GHz 频段，因此文中采用 2.1 GHz 作为 RT 仿真器的仿真频率，详细仿真参数配置见表 4.表 4 RT 仿真参数配置Tab.4 RT simulation parameters参 数取值中心频率2.1 GHz带宽20 MHz子频带宽度30 kHz初始发射功率43 dBm发射天线增益24.35 dBi发射天线3 dB波束宽度(水平)65发射天线3 dB波束宽度(垂直)7发射天线机械下倾角6发射天线极化方式垂直极化接收天线增益0 dBi接收天线 3 dB 波束宽度全向天线接收天线极化方式垂直极化信号覆盖预测将沿图 3 中的高铁路径来完成.将干线路径作为中轴，距路径方向左右大于 5 m 小于10 m 的范围被定义为部署基站的待选区域，作为待规划站址的初始位置.除站址外，基站发射功率最大值为 43 dBm(向下调整颗粒度为 0.1 dB)；方位角范围为 0359(调整颗粒度为 1)；发射天线采用方向性天线，接收天线采用全向性天线.图 4 所示为发射机和接收机天线的方向图，其中发射天线最大增益为 24.35 dBi；接收天线由于采用的是全向垂直极化天线，增益恒定为 0 dBi.(a)发射天线(a)Txxxyzz(b)接收天线(b)Rx增益/dBi增益/dBi25201510505101.00.80.60.40.200.20.40.60.81.0图 4 天线方向图Fig.4 Antenna pattern 图 5 所示为发射天线的 H 面和 V 面方向图，其中 H 面方位角初始值为 0，V 面方向图下倾角初始值为 6.(a)H 面(a)H plane(b)V 面(b)V plane:0R:14.94:0R:14.94902706012030040200202401503021033018009027060120300240150302103301800:96R:24.354020020图 5 发射天线的 H 面和 V 面方向图Fig.5 H and V plane of directional antenna 3.2 结果分析图 6 所示为随迭代次数变化的 RSRP 覆盖率，当算法的迭代次数为 12 时，覆盖率开始收敛到目标的98%.按照第 2 和 3 节的仿真设置，长度为 19.8 km 的京沈铁路线可以规划出 4 个基站、8 个扇区，图 7 和图 8 均给出了站址布局，其中 BS0BS3 表示基站位置，红色箭头表示扇区朝向，RSRP 覆盖和 DL 传输速率的详细结果见 3.2.1 和 3.2.2.第 1 期丁珣，等：面向新一代铁路移动通信的网络规划技术研究75 迭代次数覆盖率/%覆盖率目标 98%1009590858075706560550246810121416图 6 随迭代次数变化的 RSRP 覆盖率Fig.6 RSRP coverage proportion with iterations vary dBmutm-y/mutm-x/mBS2BS3BS1BS04.45252555861646770737679828588914.4504.4484.4464.4444.4424.4404.4384.4364.544.564.58105106图 7 RSRP 热图Fig.7 Heat map of RSRP Mbpsutm-y/mutm-x/mBS2BS3BS1BS04.45214113613112612111611110610196918681767166615651464136312621161164.4504.4484.4464.4444.4424.4404.4384.4364.544.564.58105106图 8 DL 传输速率热图Fig.8 Heat map of DL transmission rate 3.2.1 RSRP 覆盖图 7 和 9 所示为 RSRP 热图及累积分布函数(cumulative distribution function,CDF)图，铁路沿线接收机各个位置的 RSRP 总体分布在9152 dBm 区间内，且大部分区域 RSRP85 dBm，占比为 98%；BS2 和BS3 之间的小部分区域RSRP 为9185 dBm，占比为 2%.RSRP 区间分布占比见表 5.RSRP/dBmCDF覆盖通过阈值1.00.90.80.70.60.50.40.30.20.1095 90 85 80 75 70 65 60 55 50图 9 RSRP CDFFig.9 RSRP CDF 表 5 RSRP 区间分布占比Tab.5 Proportion of RSRPRSRP分布区间/dBm占比/%(91,852(85,7546(75,6531(65,5221 如图 10 所示，假设以图 7 中的 BS2 所在位置为起点，标为 DK0，按照上述规划方法智能输出基站工参部署基站(如图 7 中的 BS0-BS3)，该站址布局下，基站可以较好地实现越区切换，且很好地满足了表 3中的业务稳定性需求.行驶距离/kmRSRP/dBm50605570658075908510095110105DK0DK2DK4DK6DK8DK10DK12DK14DK16DK18DK20BSBS0BS1BS2BS3阈值图 10 不同基站下的接收功率随行驶距离的变化Fig.10 RSRP variation with the distance of different basestations 3.2.2 DL 传输速率图 8 和 11 所示为 DL 传输速率热图及 CDF，可以看出，铁路沿线的 DL 传输速率总体在 6141Mbps，其中 BS1 和 BS3 覆盖的交叉区域的传输速率较低，原因是该交叉区域受到邻区的干扰比较大.76电波科学学报第 38 卷表 6 给出了 DL 传输速率区间分布详细占比，其中传输速率大于 50 Mbps 的占比为 43%；边缘传输速率(CDF 为 5%时对应的传输速率值)为 7 Mbps，可以满足视频直播需求25.传输速率/MbpsCDF1.00.90.80.70.60.50.40.30.20.10020406080100120140图 11 DL 传输速率 CDFFig.11 CDF of DL transmission rate 表 6 DL 传输速率区间分布占比Tab.6 Proportion of DL transmission rate distributionDL传输速率分布区间/Mbps占比/%(6,1015(10,5042(50,10034(100,1419 4 结论本文以 2.1 GHz 频段下京沈客运专线为场景，提出一种面向新一代铁路移动通信的智能无线网络规划技术.将高性能 RT 技术和 GA 结合，并把 RSRP和 DL 传输速率作为规划指标，仿真结果表明该技术可以满足 RSRP 覆盖率和最大化 DL 传输速率的规划目标，从而智能规划站址.除了可以解决传统铁路移动通信网络规划周期长、成本高的问题，该技术还可以解决传统的经验或解析模型无法准确表征铁路场景复杂的电波传播环境和信道特性进而导致无线链路预算准确性不足等难题，为后续实现精准高效的 5G-R 无线网络规划和优化提供一定仿真支撑和参考.参考文献 新时代交通强国铁路先行规划纲要J.铁路采购与物流,2020,15(8):26-32.1“十四五”铁路科技创新规划J.铁道技术监督,2022,50(1):9-15+20.2“十四五”现代综合交通运输体系发展规划J.铁道技术监督,2022,50(2):9-23+27.3 刘盛尧.铁路枢纽GSM-R系统网络规划及实施方案研究J.铁路通信信号工程技术，2020，17（5）：16-21.4 陆月.京沈客专特殊地区GSM-R网络规划探讨J.铁路通信信号工程技术，2018，15（12）：20-24.5 陈华东.5G无线网络规划以及链路预算J.信息通信，2019（8）：159-160.6 BRATA M,ZAKIA I.Path loss estimation of 5G milli-meter wave propagation channel:literature surveyC/The7th International Conference on Wireless and Telematics(ICWT),2021:1-4.DOI:10.1109/ICWT52862.2021.9678463.7 钱小康,何华忠.3GPP 3D无线传播模型在5G基站覆盖预测中的应用J.上海信息化，2018（11）：67-70.8 侯群,高立.无线局域网(WLAN)室外覆盖无线链路预算分析J.广东通信技术，2011，31（5）：24-27.9 金伟正,宋超,罗义军.基于人工鱼群算法的电力无线专网基站选址规划J.武汉大学学报，2021，54（6）：551-556.JIN W Z,SONG C,LUO Y J.Base station location plan-ning of power wireless private network based on artificialfish swarm algorithmJ.Engineering journal of WuhanUniversity，2021，54（6）：551-556.（in Chinese）10 丁远,柴思锋.基于粒子群迭代优化算法的5G基站站址规划研究J.通信技术，2019，52（10）：2424-2427.DING Y,CHAI S F.5G basestation site deployment basedon swarm optimization algorithmJ.Communicationstechnology，2019，52（10）：2424-2427.（in Chinese）11 谢许凯,程松林.基于免疫遗传算法的5G基站选址规划J.现代信息科技，2020，4（2）：4-6.XIE X K,CHENG S L.Location planning of 5G base sta-tion based on immune genetic algorithmJ.Modern in-formation technology，2020，4（2）：4-6.（in Chinese）12 AI B,MOLISCH A F,RUPP M,et al.5G key technologiesfor smart railwaysJ.Proceedings of the IEEE，2020，108（6）：856-893.13 钟章队,官科,陈为,等.铁路新一代移动通信的挑战与思考J.中兴通讯技术，2021，27（4）：44-50.ZHONG Z D,GUAN K,CHEN W,et al.Challengesandperspective of new generation of railway mobile commu-nicationsJ.ZTE technology journal，2021，27（4）：44-50.（in Chinese）14 HE D P,AI B,GUAN K,et al.The design and applicationsof high-performance ray-tracing simulation platform for 5Gand beyond wireless communications:a tutorialJ.Com-munications surveys&tutorials，2019，21（1）：10-27.15 唐庆涛,马子昂,官科,等.基于高性能射线跟踪技术的城市隧道无线信号覆盖研究J.北京交通大学学报，2021，45（5）：16-21.TANG Q T,MA Z A,GUAN K,et al.Research on wire-less signal coverage in urban tunnels based on high-performance ray tracingJ.Journal of Beijing JiaotongUniversity，2021，45（5）：16-21.（in Chinese）16 薛鹏飞,郭嘉琦,赵友平.非对称毫米波大规模MIMO系统信道特性研究J.电波科学学报，2022，37（4）：644-652.XUE P F,GUO J Q,ZHAO Y P.Research on channel char-17第 1 期丁珣，等：面向新一代铁路移动通信的网络规划技术研究77 acteristics of asymmetric millimeter-wave massive MIMOsystemsJ.Chinese journal of radio science，2022，37（4）：644-652.（in Chinese）官科,何丹萍,艾渤,等.电波传播预测模型的仿真方法:中国CN111953439B P.2021-07-27.18 郭嘉琦,赵友平.一种射线跟踪信道仿真的电磁参数选取方法J.电波科学学报，2022，37（1）：99-105.GUO J Q,ZHAO Y P.A method of electromagnetic para-meters selection for ray-tracing channel simulationJ.Chinese journal of radio science，2022，37（1