企业官网建设流程全解析

无线通信仿真的起点，往往不是调制解调，而是信道。

很多人第一次在MATLAB里搭通信链路，下意识会把注意力放在QPSK、LDPC、OFDM这些“显眼”的模块上，信道就简单用AWGN带过。但一旦涉及覆盖预测、系统级仿真、基站选址、链路预算，路径损耗模型就躲不开了。我最早做蜂窝网络仿真时，就是直接拿自由空间损耗算接收功率，结果输出和同事用商业网规软件算的相差二三十dB，排查了半天才发现问题不在算法，而在信道模型选错了场景。

信道建模要解决的核心问题，是在给定频率、距离、天线高度和传播环境的条件下，尽量准确地估计电磁波从发端到收端经历的功率衰减。重要的是，没有任何一个模型能普适所有场景。每个模型都自带一组假设：环境是城区还是郊区？距离范围是几百米还是几十公里？频率是900MHz还是2.6GHz？收发天线是高架站还是贴近地面的终端？如果这些假设没对上，公式再怎么精确，结果也只是一组精确的错误。

这篇文章会围绕自由空间损耗、Okumura-Hata、COST231 Hata、SUI信道模型四个经典模型，从原理、边界、MATLAB实现到工程落地，把信道建模这条路完整走一遍。

1. 信道建模不是套公式，而是理解“传播假设”

1.1 路径损耗模型到底在算什么

路径损耗模型做的事情，用一句话概括就是：给定发射功率和收发信机之间的距离，估算接收端还能收到多大功率。在MATLAB仿真里，这个值通常以dB形式出现在链路预算中：

接收功率(dBm) = 发射功率(dBm) + 天线增益(dB) - 路径损耗(dB) - 其他损耗(dB)

所以路径损耗直接决定了覆盖半径、小区边缘速率、干扰信号强度，以及系统级仿真里的信噪比和信干噪比。很多人觉得它简单，无非是距离越远损耗越大，频率越高损耗越大。但工程里难的不是方向，而是“大多少”。

不同模型的差距，可能远比你想象的大。同一个900MHz、基站高30米、距离1公里的场景，自由空间损耗大约91.5dB，而Okumura-Hata城市模型大约是127dB，两者相差35dB以上。35dB意味着接收功率相差几千倍，这在覆盖规划里是“有覆盖”和“没覆盖”的差别。

1.2 理论模型和经验模型的定位差异

自由空间损耗是理论模型，它只考虑电磁波在真空中扩散导致的功率密度下降，不反射、不绕射、不吸收。这个模型很有价值，不是因为它在真实环境中准确，而是因为它给出了一个“完美情况”的下限：任何实际传播环境的路径损耗都不会低于自由空间损耗。你可以把它理解为一条理想基线。

Okumura-Hata、COST231 Hata、SUI模型都属于经验模型或半经验模型。它们基于大量实测数据回归得到，把城市建筑、树木、地形起伏、大气吸收等因素通过修正项打包进公式。这类模型的优势是计算简单，适用于工程快速评估；代价是适用条件很窄，频率、距离、天线高度超出范围后误差会急剧增大。

所以，channel modeling的第一步不是打开MATLAB写公式，而是先回答：我的仿真场景到底属于视距还是非视距？是宏蜂窝还是微蜂窝？频率落在哪个频段？地形是城市、郊区还是开阔地？只有先明确这些前提，模型选择才有意义。

2. 四个模型怎么选：从自由空间到SUI的演进逻辑

2.1 自由空间损耗：所有模型的理论起点

自由空间损耗模型来自Friis传输公式，在无遮挡、无反射的理想视距条件下成立。工程上常用公式：

PL_free(dB) = 20 * log10(d) + 20 * log10(f) + 32.44

其中d的单位是km，f的单位是MHz。

注意，这个公式默认收发天线各向同性，没有考虑天线高度。它不依赖基站高度、终端高度和地面反射，所以适合卫星通信、高空无人机中继、开阔区域短距离点对点等场景。在蜂窝网络中，它通常只作为理论参考，或者作为视距分量叠加在多径模型里。

在MATLAB里实现它非常简单：

function PL = free_space_loss(d_km, f_MHz) % d_km：距离，单位km % f_MHz：频率，单位MHz PL = 20*log10(d_km) + 20*log10(f_MHz) + 32.44; end

2.2 Okumura-Hata：城市宏蜂窝的经验标杆

Okumura-Hata模型是早期基于东京城区大量测量数据得到的经验模型，后来被Hata整理成便于计算的解析式。它适用于150MHz到1500MHz，基站有效天线高度30到200米，移动台高度1到10米，距离1到20公里。典型场景是城市宏蜂窝覆盖。

城市地区Okumura-Hata的公式如下：

PL_OH_city(dB) = 69.55 + 26.16*log10(f) - 13.82*log10(hb) - a(hm) + (44.9 - 6.55*log10(hb))*log10(d)

其中：

• f 是工作频率，单位MHz；
• hb 是基站有效天线高度，单位m；
• hm 是移动台天线高度，单位m；
• a(hm)是移动台天线高度修正因子，在城市环境里：

a(hm) = (1.1*log10(f) - 0.7)*hm - (1.56*log10(f) - 0.8)

对于郊区和开阔地，Hata模型还给出了修正项。郊区修正：

PL_suburban = PL_city - 2 * (log10(f/28))^2 - 5.4

开阔地修正：

PL_open = PL_city - 4.78*(log10(f))^2 + 18.33*log10(f) - 40.94

这个模型在城市宏蜂窝规划里作用很大，直到今天仍是很多教材和工程工具的默认参考。但它最大的限制是频率上限1500MHz，后来3G/4G普遍工作在1800MHz以上，于是有了COST231 Hata。

2.3 COST231 Hata：把经典模型扩展到2GHz

COST231 Hata是欧洲COST231委员会在Hata模型基础上扩展的版本，适用频率扩展到1500MHz到2000MHz，基本覆盖了2G GSM1800、3G WCDMA、部分4G LTE低频段。城市宏蜂窝公式：

PL_COST(dB) = 46.3 + 33.9*log10(f) - 13.82*log10(hb) - a(hm) + (44.9 - 6.55*log10(hb))*log10(d) + Cm

其中Cm是城市中心区域修正项：大城市中心等密集城区取3dB，中等城市和郊区取0dB。

为什么COST231 Hata和Okumura-Hata看起来很像？因为它本来就是Hata公式的频段扩展，保留了“平坦费斯奈尔区”和“等效高度”等宏蜂窝传播假设。两者在900MHz附近有重叠，但在1800MHz以上的适用性明显更好。

需要提醒的是，COST231 Hata不太适合低频段，比如450MHz或者700MHz，也不要拿它做微蜂窝或室内覆盖，因为那些场景的传播机制完全不同。

2.4 SUI模型：面向固定无线接入的三种地形

SUI模型，全称Stanford University Interim模型，最初是为了研究固定无线接入（比如IEEE 802.16 WiMAX）提出的。它把地形按障碍物密度和植被深度分成三类：

• 地形A：丘陵、中等以上树木密度，路径损耗指数n较高；
• 地形B：中等起伏、树木密度中等，适合典型的郊区宏蜂窝；
• 地形C：平坦、树木稀少，近似开阔地。

SUI模型的基本路径损耗公式为：

PL_SUI(dB) = A + 10*n*log10(d/d0) + X_f + X_h + s

其中：

• d0是参考距离，通常取100m；
• A是参考距离处的路径损耗，按自由空间损耗计算；
• n是不同地形的路径损耗指数；
• X_f是频率修正因子，和f/2000相关；
• X_h是接收天线高度修正因子；
• s是阴影衰落因子，服从对数正态分布。

在后面的MATLAB实现里，我会给出一组常用的参考参数。但这里必须强调：SUI模型并不是一个“全世界统一”的模型，不同标准和文档里的地形分类、n值、修正因子描述可能略有出入。落地时要以你正在用的系统标准文件为准，代码里的参数应该可配置。

2.5 横向对比速查表

这张表最直接的用途是帮你建立第一道筛选：先看频率范围，再看场景，最后才是调参数。

3. 用MATLAB把四种模型变成可复用代码

3.1 环境准备与函数设计

MATLAB里实现这些模型不需要额外工具箱，只要基础环境就可以。我更建议的做法不是写一个脚本草草跑一遍，而是把每个模型封装成独立函数，统一输入输出格式，这样后续做批量仿真、参数扫描、模型对比都会方便很多。

统一接口可以定义成：

PL = ModelName(d_km, f_MHz, hb_m, hm_m, env)

其中：

• d_km：收发机距离，单位km；
• f_MHz：频率，单位MHz；
• hb_m：基站天线有效高度，单位m；
• hm_m：移动台天线高度，单位m；
• env：环境标识，例如'urban'、'suburban'、'open'、'A'、'B'、'C'。

这样定义的好处是，当你需要更换模型时，只需要改函数名，不用改外部调用逻辑。这在参数扫描和Monte Carlo仿真里会省下大量时间。

3.2 四个模型的MATLAB实现

自由空间损耗已经在前面给出，这里直接看其余三个。

Okumura-Hata函数：

function PL = okumura_hata_loss(d_km, f_MHz, hb_m, hm_m, env) % Okumura-Hata模型 % env可选：'urban', 'suburban', 'open' a_hm = (1.1*log10(f_MHz) - 0.7)*hm_m - (1.56*log10(f_MHz) - 0.8); PL = 69.55 + 26.16*log10(f_MHz) - 13.82*log10(hb_m) - a_hm ... + (44.9 - 6.55*log10(hb_m))*log10(d_km); switch env case 'suburban' PL = PL - 2*(log10(f_MHz/28))^2 - 5.4; case 'open' PL = PL - 4.78*(log10(f_MHz))^2 + 18.33*log10(f_MHz) - 40.94; % case 'urban' 不修正 end end

COST231 Hata函数：

function PL = cost231_hata_loss(d_km, f_MHz, hb_m, hm_m, env) % COST231 Hata模型 % env可选：'urban'（大城市中心，Cm=3dB）或 'medium'（中等城市/郊区，Cm=0dB） a_hm = (1.1*log10(f_MHz) - 0.7)*hm_m - (1.56*log10(f_MHz) - 0.8); if strcmp(env, 'urban') Cm = 3; else Cm = 0; end PL = 46.3 + 33.9*log10(f_MHz) - 13.82*log10(hb_m) - a_hm ... + (44.9 - 6.55*log10(hb_m))*log10(d_km) + Cm; end

SUI模型函数（采用一组常见的参考参数，实际使用时以标准文档为准）：

function PL = sui_loss(d_km, f_MHz, hb_m, hm_m, terrain) % SUI模型，terrain可选：'A'、'B'、'C' d0 = 0.1; % 参考距离，单位km，即100m lambda = 3e8 / (f_MHz * 1e6); % 波长，单位m A = 20*log10(4*pi*d0*1000/lambda); % 参考距离处的自由空间损耗 switch terrain case 'A' n = 4.6; case 'B' n = 4.0; case 'C' n = 3.6; otherwise error('terrain must be A, B or C'); end Xf = 6.0 * log10(f_MHz / 2000); if strcmp(terrain, 'A') || strcmp(terrain, 'B') Xh = -10.8 * log10(hm_m / 2); else Xh = -20.0 * log10(hm_m / 2); end s = 0; % 阴影衰落，先取0；需要时再加正态随机数 PL = A + 10*n*log10(d_km/d0) + Xf + Xh + s; end

注意SUI模型中包含一个随机阴影衰落项s。在确定性的路径损耗曲线里，我们先把它设为0；在做链路级或系统级仿真时，可以给它加一个均值为0、标准差为8~10dB的正态随机数，这会让接收功率更接近真实衰落环境。

3.3 画一条对比曲线，验证模型差异

代码写好了，现在用一条仿真曲线看四个模型的差异。这里要特别小心：不能把频率适用范围不同的模型强行放在同一个频段对比，否则结论没有工程意义。

更合理的做法是分两个场景：

第一个场景用900MHz，对比自由空间损耗和Okumura-Hata城市模型：

clear; clc; d_km = 0.5:0.1:10; f_MHz = 900; hb_m = 30; hm_m = 1.5; PL_free = free_space_loss(d_km, f_MHz); PL_oh = okumura_hata_loss(d_km, f_MHz, hb_m, hm_m, 'urban'); figure; plot(d_km, PL_free, 'b-', 'LineWidth', 1.5); hold on; plot(d_km, PL_oh, 'r-', 'LineWidth', 1.5); xlabel('距离 (km)'); ylabel('路径损耗 (dB)'); legend('自由空间', 'Okumura-Hata城市'); title('900MHz 路径损耗对比'); grid on;

第二个场景用2.5GHz，对比SUI模型的三种地形，并可以加入COST231 Hata在2GHz附近作为参考：

d_km = 0.2:0.1:10; f_MHz = 2500; hb_m = 30; hm_m = 1.5; PL_sui_a = sui_loss(d_km, f_MHz, hb_m, hm_m, 'A'); PL_sui_b = sui_loss(d_km, f_MHz, hb_m, hm_m, 'B'); PL_sui_c = sui_loss(d_km, f_MHz, hb_m, hm_m, 'C'); figure; plot(d_km, PL_sui_a, 'r-'); hold on; plot(d_km, PL_sui_b, 'g-'); plot(d_km, PL_sui_c, 'b-'); xlabel('距离 (km)'); ylabel('路径损耗 (dB)'); legend('SUI A-丘陵树木', 'SUI B-中等', 'SUI C-平坦'); title('2.5GHz SUI模型路径损耗对比'); grid on;

从曲线上能看到，地形越复杂，路径损耗指数越高，距离越远时损耗差异越大。这种可视化其实是一种很好的“模型健壮性检查”：如果两条曲线在该场景下几乎重合，说明当前场景对模型选择不敏感；如果差异巨大，那模型选错就会导致仿真结果完全不可信。

4. 仿真一路绿灯，实测却对不上？排查这些边界

很多人在MATLAB里把模型跑通后，会以为大功告成。但真正放到工程里，问题往往不是模型公式错误，而是使用边界和输入条件没搞清楚。下面几个坑，我基本都踩过。

4.1 模型选错比参数不精更致命

模型选择是最大误差来源。比如用自由空间损耗做城市覆盖，误差可能达到几十dB；用Okumura-Hata做1.8GHz以上的系统，频率已经超出适用范围，误差也会迅速增大。

排查思路是：

1. 先确认当前场景的频率范围落在哪个模型适用范围；
2. 再确认环境是城区、郊区、还是开阔地；
3. 最后确认是宏蜂窝还是微蜂窝，宏蜂窝用Hata类模型，微蜂窝通常要考虑街道波导和绕射损耗。

如果场景是室内、隧道、地下车库，那这四种模型都不适合，需要走射线追踪或统计模型。

4.2 天线高度不是你填的那个海拔

Hata类模型里的hb是基站“有效天线高度”，不是基站海拔高度，也不是铁塔的物理高度。有效高度的定义通常是基站天线相对周围地面平均高度的差值。

比如基站建在山顶上，天线离地面50米，但山体比周围城区高100米，那周围区域的有效高度就可能是负值。直接把天线物理高度填进公式，计算出来的损耗会完全失真。

移动台高度同理，Hata模型假设移动台在1到10米之间，也就是手持终端或车载终端。如果你仿真的是无人机、飞行器，或者贴地传感器，不能直接用这个模型。

4.3 距离到底是水平距离还是斜距

在自由空间模型中，距离是收发点之间的直线距离（斜距）。但在Hata类宏蜂窝模型里，公式中的d通常指水平覆盖距离，因为经验模型回归时用的是基站到移动台的水平距离投影。

如果终端在室内或高楼附近，实际传播路径可能有很大的高度差，直接拿三维几何距离代入宏蜂窝模型，会产生明显偏差。使用前要阅读模型原始定义，确定它到底基于斜距还是水平距离。

4.4 别忽视频率适用范围和单位

这四个模型的公式里，频率、距离、高度的单位都要严格匹配。我在看一些仿真代码时经常发现，有人把频率填成了GHz，距离填成了米，结果算出来的数值是天文数字，然后怀疑MATLAB精度有问题。

建议做法是在函数入口做一次单位校验或显式注释。比如：

% f_MHz：频率，单位MHz % d_km：距离，单位km % hb_m：基站高度，单位m % hm_m：终端高度，单位m

哪怕只是简单注释，也能避免隔几个月后回读代码时的单位混乱。

4.5 单点计算没问题不代表批量仿真没问题

如果你的仿真不是画一条曲线，而是要在1000个用户位置、多个基站候选站址之间循环计算路径损耗，那就要考虑两点：

第一，输入向量化。MATLAB里log10和加法都是向量化的，可以直接传向量或矩阵，避免用for循环逐点计算。上面示例里的d_km本身是向量，函数完全兼容。

第二，异常值处理。距离不能为0，否则log10为负无穷；SUI模型里距离小于参考距离d0时，公式中的log10(d/d0)为负，得出的损耗可能低于自由空间损耗，这在物理上不合理。需要在调用前加判断：

if any(d_km < d0) error('SUI模型要求距离不小于参考距离d0'); end

第三，随机阴影衰落项不要每次都在同一个位置重新生成。做系统级仿真时，通常对每个用户位置生成一次阴影衰落，然后固定，多次快照叠加。否则每次循环得到的结果随机漂移太大，无法判断系统性能变化是来自信道还是来自算法。

5. 从“能跑”到“能用”：沉淀自己的信道建模工具箱

5.1 统一接口，才是工具的第一步

如果你只是临时算一个数，写脚本没问题。但如果要长期做无线仿真，我强烈建议把信道模型做成一个工具箱，而不是散落各处的脚本。

一个简单的封装思路是写一个主入口函数，用参数选择模型：

function PL = pathloss_model(model, d_km, f_MHz, hb_m, hm_m, env) switch model case 'free' PL = free_space_loss(d_km, f_MHz); case 'okumura_hata' PL = okumura_hata_loss(d_km, f_MHz, hb_m, hm_m, env); case 'cost231_hata' PL = cost231_hata_loss(d_km, f_MHz, hb_m, hm_m, env); case 'sui' PL = sui_loss(d_km, f_MHz, hb_m, hm_m, env); otherwise error('Unknown model: %s', model); end end

这样上层仿真代码只需要调用一个函数，后续加新模型也不会影响已有代码。

更进一步，可以把天线增益、馈线损耗、连接器损耗、人体损耗、穿透损耗都做成独立模块，统一加到链路预算里。这样信道模型就真正成了整个仿真系统的基础设施。

5.2 用路测数据反向校准模型

工程上最忌“模型贴上去就不管”。真实环境千变万化，经验模型只是统计平均结果。如果手头有路测数据，一定要用路测数据反向校准模型参数。

校准的基本流程是：

1. 在目标频段收集若干点位的实际接收功率；
2. 从路测数据中反推出每个点位的实测路径损耗；
3. 用MATLAB拟合出最适合当前环境的路径损耗指数n和阴影衰落标准差；
4. 对比标准模型参数和实测拟合参数的差异；
5. 把修正后的参数固化到仿真配置里。

比如SUI模型中的n，标准参考值有4.6、4.0、3.6等，但某个城市区域实测下来n可能只有3.2，这很常见。修正后的模型会比原模型可靠得多。

5.3 建模只是起点，真正难的是保持“模型意识”

回到文章开头的问题：信道建模从来不是“一个公式套一下”那么简单。自由空间损耗、Okumura-Hata、COST231 Hata、SUI模型，各有各的假设、边界和工程场景。掌握它们的最好方式，不是把公式背下来，而是把每个模型都放回到它诞生的环境里理解：它为什么长这样？它忽略了哪些效应？超出什么条件会失效？

用MATLAB把这些模型写出来，只是最低门槛。真正有价值的能力，是拿到一个仿真需求时，能迅速判断当前场景应该选哪个模型、哪些参数必须修正、仿真结果和真实环境的偏差大概有多大。这种判断力，需要靠一次次实践、一次次对比实测数据来积累。

如果你刚开始接触无线通信仿真，我的建议是从这四个模型入手，把每个模型写成MATLAB函数，画一条完整的路径损耗曲线，再手动改一两个参数，看看曲线随距离和频率如何变化。这个过程做完，你对信道建模的理解会扎实一大截。