eng
Выпуск #3/2025
С.Л.Портной, С.Е.Никитин, Н.С.Клюев, Д.В.Ракланов
Методы уменьшения помех для сетей связи IEEE 802.11 на высокоскоростных железнодорожных магистралях
Методы уменьшения помех для сетей связи IEEE 802.11 на высокоскоростных железнодорожных магистралях
Просмотры: 918
DOI: 10.22184/2070-8963.2025.127.3.60.68
Представлен обзор приемов и методов в технологии Wi-Fi, которые позволяют применять ее для решения задач железнодорожной связи. Работа выполняется в рамках гранта МИЭМ НИУ ВШЭ "Исследование методов повышения помехозащищенности систем мобильной связи 4G/5G/6G, Wi-Fi, IoT с помощью сигнально-кодовых конструкций для сложных каналов в соответствии со Стратегией развития телекоммуникационной отрасли 2035".
Представлен обзор приемов и методов в технологии Wi-Fi, которые позволяют применять ее для решения задач железнодорожной связи. Работа выполняется в рамках гранта МИЭМ НИУ ВШЭ "Исследование методов повышения помехозащищенности систем мобильной связи 4G/5G/6G, Wi-Fi, IoT с помощью сигнально-кодовых конструкций для сложных каналов в соответствии со Стратегией развития телекоммуникационной отрасли 2035".
Теги: high-speed railways ieee 802.11 technology interference mitigation methods track side networks technology высокоскоростные железные дороги методы уменьшения помех технология ieee 802.11 технология track side networks
Методы уменьшения помех для сетей связи IEEE 802.11 на высокоскоростных железнодорожных магистралях
С.Л.Портной, д.т.н., проф. Московского института электроники и математики им. А.Н. Тихонова НИУ ВШЭ, научный консультант ООО "РадиоГигабит" / sportnoy@hse.ru,
С.Е.Никитин, старший преподаватель МИЭМ НИУ ВШЭ, младший инженер-исследователь ООО "РадиоГигабит" / snikitin@hse.ru,
Н.С.Клюев, магистрант НИУ ВШЭ, младший инженер-исследователь ООО "РадиоГигабит" / nsklyuev@edu.hse.ru,
Д.В.Ракланов, студент НИУ ВШЭ, стажер ООО "РадиоГигабит" / dvraklanov@edu.hse.ru
УДК 621.391.82, DOI: 10.22184/2070-8963.2025.127.3.60.68
Представлен обзор приемов и методов в технологии Wi-Fi, которые позволяют применять ее для решения задач железнодорожной связи. Работа выполняется в рамках гранта МИЭМ НИУ ВШЭ "Исследование методов повышения помехозащищенности систем мобильной связи 4G/5G/6G, Wi-Fi, IoT с помощью сигнально-кодовых конструкций для сложных каналов в соответствии со Стратегией развития телекоммуникационной отрасли 2035".
Введение
Совершенствование систем связи играет критически важную роль для обеспечения безопасности и эффективности железнодорожного транспорта. В условиях роста объемов грузоперевозок и необходимости соблюдения высоких стандартов безопасности становится очевидным, что требуется совершенствование железнодорожных систем связи.
Определение параметров канала связи (например, уровень шума, частотный сдвиг, затухание) играет ключевую роль в обеспечении надежного соединения в условиях динамических изменений. Это важный аспект, который следует учитывать при организации связи между базовыми станциями и поездами. Для оценки помех в канале необходимо применять механизмы, предусмотренные стандартом связи. Соответственно, выбор технологии для связи вдоль железных дорог основывается, в том числе, на доступных инструментах для определения условий передачи в канале.
На данный момент существует немало подходов к обеспечению связи с железнодорожным транспортом. Классическим решением можно назвать адаптацию мобильных сетей для использования их вдоль путей следования. Технология GSM-R широко распространена во всем мире до сих пор, несмотря на то, что сети на ее основе существуют уже более 20 лет. Современное развитие сотовой связи в виде технологии FRMCS (Future Railway Mobile Communication System), основой которой являются сети 5G, уже успешно эксплуатируется в ряде стран [1].
В качестве альтернативы классической мобильной связи выступают особые сети, которые принято именовать Track Side Networks (TSN) [2], в основе которых лежит технология Wi-Fi (IEEE 802.11). Однако, если GSM-R изначально подразумевает использование на железных дорогах, то стандарт 802.11 никогда не разрабатывался с учетом этих целей. На данный момент все большую популярность набирает технология Wi-Fi 6 (802.11ax) [3]. Подробно преимущества и недостатки использования Wi-Fi для связи "земля – поезд" были рассмотрены в предыдущих работах [4, 5]. В [4] также было проведено сравнение TSN и FRMCS.
В рамках данной статьи будет проведен анализ возможностей, предусмотренных стандартом 802.11ax, для оценки помех в каналах связи, а также рассмотрено их применение при использовании Wi-Fi 6 в железнодорожных системах связи.
Описание сценария High Speed Train
Рассматриваемый сценарий High Speed Train (HST) приводится в рекомендации 3GPP [6]. В ней рассматривается железнодорожный состав, движущийся с высокой скоростью (более 300 км/ч). Подключение к сети осуществляется с помощью приемо-передающего устройства на крыше состава, которое устанавливает соединение с базовыми станциями (БС), расположенными вдоль пути следования. Визуализация данного сценария представлена на рис.1.
Проблематика рассматриваемого сценария
Рассмотрим особенности, с которыми сталкиваются операторы при развертывании сетей вдоль железных дорог.
1. Многолучевое распространение сигнала
Многолучевым распространением сигнала называют эффект, вследствие которого на приемнике оказывается множество копий сигнала, имеющих разную задержку и уровень затухания. Данный фактор критически важен для систем с высокой скоростью передачи, где длительность символа сопоставима с величиной задержки для разных путей распространения. Такая ситуация связана с межсимвольной интерференцией – явлением, при котором копии сигнала, пришедшие с задержкой, накладываются друг на друга.
В исследуемом сценарии стоит учитывать большое количество препятствий для распространения сигнала вдоль железнодорожного полотна: разной плотности застройка внутри города, деревья и складки местности за его пределами. Дополнительно стоит отметить, что условия распространения меняются постоянно в ходе движения поезда. Динамическое изменение канала в зависимости от ландшафта приводит к регулярным изменениям уровня и характера помех. Таким образом, значимость оценки канала, проводимой приемником, быстро теряет свою актуальность.
2. Эффект Доплера
В условиях статического использования Wi-Fi, при котором приемник и передатчик остаются на месте, эффект Доплера не выражается явно. При этом переходя к сценарию, при котором связь осуществляется с движущимся поездом, скорость которого может составлять более 300 км/ч, влияние становится существенным. В последних поколениях Wi-Fi применяется модуляция OFDM (Orthogonal frequency-division multiplexing). Этот тип модуляции чувствителен к интерференции между поднесущими, возникающей вследствие смещения частот, поскольку это критическим образом влияет на корректность демодуляции OFDM-сигнала. Пример некорректной демодуляции приведен на рис.3.
Реализация канала с частотным сдвигом, вызванного эффектом Доплера, и анализ его влияния были рассмотрены в [5].
Можно сделать вывод, что использование беспроводных технологий передачи данных (Wi-Fi в частности) в сценарии, при котором связь осуществляется с высокоскоростным поездом, накладывает много ограничений и требует постоянной адаптации к меняющимся условиям, а значит, постоянно уточнять оценку канала. Оценка подразумевает под собой определение на основе принятого сигнала параметров канала, таких как уровень шума и величина частотного сдвига.
Основные идеи при оценке канала
Для систем, использующих OFDM-модуляцию, каждую поднесущую сигнала можно рассмотреть, как отдельный независимый канал (рис.4).
Каждый из этих каналов представим в следующем виде:
yk = hkxk + nk, (1)
где xk – входной сигнал на k-ой поднесущей,
yk – выходной сигнал,
hk – значение передаточной функции канала (которая с течением времени меняет свой вид),
nk – шум (АБГШ).
Оценка h = [h1, h2, h3 … hn] дает возможность компенсировать помехи канала и значительно улучшить восстановление исходного сигнала.
Наиболее распространенным подходом для оценки среды передачи в беспроводных сетях является оценка по тренировочным символам. Идея заключается в передаче последовательности, известной на приемной и передающей сторонах. Тогда на приемной стороне можно оценить искажения принятого сигнала относительно предопределенного и компенсировать их. Оценку по тренировочным символам можно разделить на первичную оценку и оценку непосредственно во время передачи. Второй тип оценки часто называют оценкой по пилотным сигналам. В системах с применением OFDM-модуляции, к которым относятся Wi-Fi, пилотные сигналы представлены специально выделенными поднесущими.
Необходимо отметить, что оценка канала по тренировочным символам сопряжена с рядом проблем:
Альтернативой использованию тренировочных символов является слепая оценка сигналов [7]. Несмотря на то, что часть вышеописанных проблем не будут актуальны, в дело вступают повышенные требования к вычислительной мощности приемного устройства ввиду сложности применяемых алгоритмов.
Инструменты для компенсации помех, заложенные в Wi-Fi
Чтобы показать возможности, которые предоставляет технология Wi-Fi [8] для компенсации помех на физическом уровне (PHY), необходимо рассмотреть структуру кадра physical layer protocol data unit (PPDU). Общая структура PPDU, характерная для первых стандартов семейства 802.11, приведена на рис.5. Современный формат PPDU был рассмотрен в [5].
Кадр можно разделить на три основные составляющие:
Во время передачи заголовков и PSDU происходит оценка параметров канала по пилотным поднесущим.
Процесс приема по этим блокам можно увидеть на рис.6. В рамках данной работы будет уделено внимание этапам "Временная синхронизация и частотная коррекция" и "Оценка помех в канале".
В рамках железнодорожного сценария интерес представляет возможность включить в передачу так называемую midamble (преамбула посередине). Она состоит из повторения нескольких символов HE-LTF, которые были представлены в преамбуле. Ее использование позволяет производить оценку канала между передачами пакетов данных и актуально для быстроменяющихся каналов. Пример такого кадра с midamble можно увидеть на рис.7. Стандарт [8] рекомендует использование midamble при сильном влиянии эффекта Доплера, что актуально для исследуемого сценария связи.
Первичная оценка с помощью STF и LTF
Короткое тренировочное поле (Short Training Field – STF) относится к инструментам первичной оценки помех в канале. Оно представляет собой 10 повторяющихся тренировочных символов. Форма сигнала задается специальной последовательностью, которая определена стандартом [8].
Данное поле предназначено для определения начала передачи. Также оно зачастую применяется для грубой оценки частотного сдвига.
Рассмотрим эти функции подробнее.
1. Определение момента времени старта передачи данных
Выбор генерирующей последовательности обусловлен хорошими корреляционными свойствами и малым отношением максимальной мощности к средней. Эти свойства позволяют производить детектирование начала передачи несколькими способами. В [9] описаны некоторые классические алгоритмы распознавания передачи информационного пакета в системах, использующих OFDM. Наиболее точный метод детектирования начала приема осуществляется с помощью корреляции принятого сигнала и некоторого шаблона. В качестве шаблона могут выступать заранее известный тренировочный символ или же сам сигнал, взятый с некоторой задержкой [9]. Алгоритм представлен на рис.8 в виде схемы. Точность определения стартового отсчета зависит от выбранного шаблона и алгоритма принятия решения на основе полученной метрики mn (4). Подробный сравнительный анализ приведен в [10].
(2)
(3)
(4)
В [11] был предложен новый алгоритм для определения передачи пакетов, основанный на методах глубокого обучения.
2. Грубая оценка частотного сдвига
Другой немаловажной функцией этого поля является грубая оценка частотного сдвига. Она производится посредством вычисления средней разницы фазы между соседними символами (5). Для оценки берутся только последние пять символов.
, (5)
где NL-STF = 64 – количество отсчетов в одном коротком тренировочном символе,
Sm – отсчет на m-й позиции.
При частоте дискретизации 20 МГц такое решение позволяет определить сдвиг до 612,5 кГц. Полученное значение âST сохраняется и используется для дальнейшего анализа и компенсации сдвига несущей частоты. Компенсация осуществляется путем поворота символов с противоположным знаком.
Еще одним важным инструментом первичной оценки является длинное тренировочное поле (Long Training Field – LTF). Как и STF, оно представляет собой несколько повторяющихся тренировочных символов. Разница заключается в использованной последовательности. В отличие от STF, она занимает все поднесущие, доступные для передачи полезных данных, благодаря чему есть возможность произвести более точную оценку канала на каждой поднесущей отдельно. Поле состоит из двух символов и циклического префикса, который представляет собой вторую половину тренировочного символа (рис.9).
Символы создаются по специальной последовательности, заданной стандартом [8], и размещаются на поднесущих с информационными и пилотными сигналами в полях Data. Эта последовательность состоит из значений 1 и –1. Поле L-LTF можно рассматривать как набор псевдослучайных OFDM-символов, что позволяет приемнику оценивать искажения в канале и компенсировать помехи при последующей передаче данных.
Длинное тренировочное поле несет в себе следующие функции:
Повышение точности оценки момента времени начала передачи. Для этого используется такой же алгоритм, как для короткого поля, но с длинным тренировочным символом в качестве шаблона для корреляции.
Повышение точности оценки частотного сдвига в канале. После первой грубой оценки для дальнейшего сигнала производится компенсация полученного сдвига. Но этого исправления может быть недостаточно, ввиду чего на длинном тренировочном поле также происходит вычисление сдвига на основе разницы фаз между длинными тренировочными символами (6). NL-LTF = 64 – количество отсчетов в одном длинном тренировочном символе. Итоговая оценка частотного сдвига формируется как сумма (7)
(6)
â = âST + âLT. (7)
Оценка передаточной функции канала. На основе полученных символов возможно оценить частотные и амплитудные искажения в канале. Для оценки зачастую используется алгоритм Least Squares (LS). Полученный на выходе набор коэффициентов hk для каждой из поднесущих используется в дальнейшем для компенсации искажений.
Оценка мощности шума. Приемник использует разницу между двумя полученными тренировочными символами для оценки уровня шума в канале. Среднеквадратическая ошибка между отсчетами символов принимается как мощность шума. Оценка используется для дальнейшей демодуляции информационных символов, а также для механизма подстройки скорости передачи.
Дополнительные возможности открываются при использовании MIMO (Multiple Input Multiple Output). Благодаря пространственному разнесению сигналов, появляется возможность производить оценку на основе нескольких независимых копий сигнала и комбинировать ее результат. Такой подход был предложен в [12].
Синхронизация и первичная оценка осуществляется в момент установления подключения поезда к БС. Частая смена базовых станций требует производить синхронизацию без задержек и с высокой точностью, чтобы обеспечить бесшовный переход. Точная первичная оценка канала, в свою очередь, предоставит возможность надежной передачи данных сразу после переключения. Детальнее подход к этим этапам установления соединения рассмотрен в [12, 13, 14].
Оценка канала во время передачи данных
Несмотря на высокую точность первичной оценки, существует множество факторов, которые могут негативно сказаться на передаче информации.
Например, погрешности в частоте дискретизации приемника могут привести к искажениям сигналов, а динамические изменения в условиях канала, а также изменения в погодных условиях, значительно усложняют задачу. Таким образом, приемник вынужден постоянно адаптироваться к меняющимся условиям среды.
Для реализации динамической оценки канала задействуются пилотные символы, которые находятся на определенных стандартом поднесущих [3, 8] OFDM-сигнала. Эти символы генерируются с использованием псевдослучайных последовательностей и служат для оценки параметров канала в процессе передачи.
Существует несколько подходов к оценке частотного сдвига, который может возникнуть в процессе передачи. В [12] был предложен следующий подход для оценки и исправления частотного сдвига:
Эти шаги выполняют для каждого символа OFDM, постепенно снижая уровень ошибок. С увеличением числа передаваемых символов точность оценки возрастает, что помогает системе адаптироваться к условиям передачи.
Для противодействия межсимвольной интерференции, вызванной многолучевым распространением, применяется циклический префикс для каждого OFDM-символа.
Кроме того, пилотные символы выполняют еще одну важную функцию: оценку передаточной функции канала, что позволяет корректировать искажения, возникающие в процессе передачи. Для этого существует большое количество разного рода алгоритмов, таких как упомянутый выше LS, Minimum Mean Square Error (MMSE), а также их вариации. Подробно эффективность их использования рассматривается в [15, 16, 17]. Эти методы становятся особенно актуальными в условиях постоянного изменения среды передачи, характерных для сценария высокоскоростного поезда.
Нововведения в современных стандартах
Одной из главных новаций в стандарте 802.11ax можно считать появление OFDMA (Orthogonal frequency-division multiple access). Данный вид модуляции требует для эффективной работы большее количество поднесущих. Их количество увеличилось в четыре раза [3]. Вместе с этим и увеличилось количество пилотных сигналов. В зависимости от используемой конфигурации ресурсных блоков RU, на одного пользователя может приходиться до восьми пилотных поднесущих в подканале 20 МГц. Это дает возможность производить оценку канала с большей точностью.
Сравнение эффективности компенсации частотного сдвига для 802.11ac и 802.11ax приведено в [18]. Один из полученных результатов представлен на рис.10. На нем видно, что стандарт 802.11ax больше устойчив к смещению несущей частоты.
Тренировочные символы также стали использовать больше поднесущих, что повысило точность первичной оценки.
Заключение
Анализ потенциала применения стандарта IEEE 802.11ax (Wi-Fi 6) в сфере железнодорожного транспорта показывает, что современные технологии Wi-Fi, благодаря своей высокой пропускной способности, низкой задержке и возможности адаптации к изменяющимся условиям, могут существенно улучшить качество и надежность передачи данных в железнодорожной связи. Особое внимание необходимо уделять значению актуальной оценки канала, которая становится критически важной для поддержания надежной связи при скорости движения свыше 300 км/ч.
Одним из ключевых факторов успешного развертывания беспроводных сетей в сценариях высокоскоростного транспорта является использование адаптивных алгоритмов оценки. Эти инструменты позволяют системе динамически подстраиваться под меняющиеся условия среды передачи и обеспечивать стабильную связь даже при наличии множественных источников помех.
Возможности, предложенные стандартом IEEE 802.11ax, открывают новые перспективы для интеграции современных коммуникационных систем в транспортную инфраструктуру. Ожидается, что дальнейшие исследования и разработки в сфере беспроводных технологий будут способствовать созданию еще более надежных и эффективных систем связи, что, в свою очередь, будет способствовать повышению уровня безопасности и эффективности железнодорожных перевозок.
ЛИТЕРАТУРА
CFM. Cooperates with Huawei to Set an Example of FRMCS-based Railway Communication Reconstruction. [Электронный ресурс]. URL: https://e.huawei.com/en/case-studies/industries/railway/2023-mozambique-frmcs (дата обращения 18.07.2024).
Миньковский М.Г. Сети Trackside в метро мы умеем строить лучше всех в мире // ПЕРВАЯ МИЛЯ. 2022. № 1. С. 36–40.
IEEE Standard for Information Technology Telecommunications and Information Exchange between Systems Local and Metropolitan Area Networks Specific Requirements. Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications. Amendment 1: Enhancements for High-Efficiency WLAN. (IEEE Std 802.11ax-2021). 19 May. 2021
Minkovsky M.G., Portnoy S.L., Nikitin S.E., Klyuev N.S. and Sakhautdinov S.R. Modelling Approach to Convergence Trackside Railway Networks // 2024 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO), Vyborg, 2024. PP. 1–7.
Портной С.Л., Никитин С.Е., Клюев Н.С., Антошкин Г.Д., Сахаутдинов Ш.Р. Разработка LLS-симулятора сети связи ВСЖМ на основе технологии 802.11ax // ПЕРВАЯ МИЛЯ. 2024. № 6. C. 62–68.
PP. 5G; NR; User Equipment (UE) Radio Transmission and Reception; Part 4: Performance Requirements. 3GPP TS 38.101-4, ver. 18.6.0, Release 18. Feb. 2025.
Борисович С.Ф., Дубровко А.Ю. Моделирование систем синхронизации приемника IEEE 802.11AH в MATLAB // Радиоэлектроника. Наносистемы. Информационные технологии. 2020. Т. 12. № 2. С. 275–286.
IEEE Standard 802.11-2020. IEEE Standard for Information Technology — Telecommunications and Information Exchange Between Systems Local and Metropolitan Area Networks — Specific Requirements Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications. 6 Feb. 2021.
Terry J., Heiskala J. OFDM Wireless LANs: A Theoretical and Practical Guide. Indianapolis, IN: Sams, 2003.
Huang Y., Yuan L., Gong W. Research on IEEE 802.11 OFDM Packet Detection Algorithms for Household Wireless Sensor Communication // Applied Sciences. 2022. Vol. 12. No. 7. P. 7232.
Ninkovic V., Valka A., Dumic D. and Vukobratovic D. Deep Learning-Based Packet Detection and Carrier Frequency Offset Estimation in IEEE 802.11ah // IEEE Access. 2021. Vol. 9. PP. 99853–99865.
Sourour E., El-Ghoroury H., McNeill D. Frequency Offset Estimation and Correction in the IEEE 802.11a WLAN // IEEE 60th Vehicular Technology Conference, 2004. Los Angeles, CA. PP. 4923–4927.
Jimenez V.P.G., Garcia M.J.F., Serrano F.J.G., Armada A.G. Design and implementation of synchronization and AGC for OFDM-based WLAN receivers // IEEE Transactions on Consumer Electronics. 2004. Vol. 50. No. 4. PP. 1016–1025.
van Zelst A., Schenk T.C.W. Implementation of a MIMO OFDM-based Wireless LAN System // IEEE Transactions on Signal Processing. 2004. Vol. 52. No. 2. PP. 483–494.
Van de Beek J., Edfors O., Sandell M., Wilson S., Borjesson P. On Channel Estimation in OFDM Systems // 1995 IEEE 45th Vehicular Technology Conference. Countdown to the Wireless Twenty-First Century. Chicago, IL, 1995. PP. 815–819.
Zhang Q., Zhao J. Channel Estimation for High-Speed Railway Wireless Communications: A Generative Adversarial Network Approach // Electronics. 2023. Vol. 12. No. 7. P. 1752.
Чирков О.Н., Ромащенко М.А., Чепелев М.Ю. Современные методы оценки канала радиосвязи в условиях многолучевости // Вестник Воронежского государственного технического университета. 2019. Т. 15. № 3. С. 68–73.
Milos J., Polak L., Slanina M. Performance Analysis of IEEE 802.11ac/ax WLAN Technologies Under the Presence of CFO // 2017 27th International Conference Radioelektronika. Brno. PP. 1–4.
С.Л.Портной, д.т.н., проф. Московского института электроники и математики им. А.Н. Тихонова НИУ ВШЭ, научный консультант ООО "РадиоГигабит" / sportnoy@hse.ru,
С.Е.Никитин, старший преподаватель МИЭМ НИУ ВШЭ, младший инженер-исследователь ООО "РадиоГигабит" / snikitin@hse.ru,
Н.С.Клюев, магистрант НИУ ВШЭ, младший инженер-исследователь ООО "РадиоГигабит" / nsklyuev@edu.hse.ru,
Д.В.Ракланов, студент НИУ ВШЭ, стажер ООО "РадиоГигабит" / dvraklanov@edu.hse.ru
УДК 621.391.82, DOI: 10.22184/2070-8963.2025.127.3.60.68
Представлен обзор приемов и методов в технологии Wi-Fi, которые позволяют применять ее для решения задач железнодорожной связи. Работа выполняется в рамках гранта МИЭМ НИУ ВШЭ "Исследование методов повышения помехозащищенности систем мобильной связи 4G/5G/6G, Wi-Fi, IoT с помощью сигнально-кодовых конструкций для сложных каналов в соответствии со Стратегией развития телекоммуникационной отрасли 2035".
Введение
Совершенствование систем связи играет критически важную роль для обеспечения безопасности и эффективности железнодорожного транспорта. В условиях роста объемов грузоперевозок и необходимости соблюдения высоких стандартов безопасности становится очевидным, что требуется совершенствование железнодорожных систем связи.
Определение параметров канала связи (например, уровень шума, частотный сдвиг, затухание) играет ключевую роль в обеспечении надежного соединения в условиях динамических изменений. Это важный аспект, который следует учитывать при организации связи между базовыми станциями и поездами. Для оценки помех в канале необходимо применять механизмы, предусмотренные стандартом связи. Соответственно, выбор технологии для связи вдоль железных дорог основывается, в том числе, на доступных инструментах для определения условий передачи в канале.
На данный момент существует немало подходов к обеспечению связи с железнодорожным транспортом. Классическим решением можно назвать адаптацию мобильных сетей для использования их вдоль путей следования. Технология GSM-R широко распространена во всем мире до сих пор, несмотря на то, что сети на ее основе существуют уже более 20 лет. Современное развитие сотовой связи в виде технологии FRMCS (Future Railway Mobile Communication System), основой которой являются сети 5G, уже успешно эксплуатируется в ряде стран [1].
В качестве альтернативы классической мобильной связи выступают особые сети, которые принято именовать Track Side Networks (TSN) [2], в основе которых лежит технология Wi-Fi (IEEE 802.11). Однако, если GSM-R изначально подразумевает использование на железных дорогах, то стандарт 802.11 никогда не разрабатывался с учетом этих целей. На данный момент все большую популярность набирает технология Wi-Fi 6 (802.11ax) [3]. Подробно преимущества и недостатки использования Wi-Fi для связи "земля – поезд" были рассмотрены в предыдущих работах [4, 5]. В [4] также было проведено сравнение TSN и FRMCS.
В рамках данной статьи будет проведен анализ возможностей, предусмотренных стандартом 802.11ax, для оценки помех в каналах связи, а также рассмотрено их применение при использовании Wi-Fi 6 в железнодорожных системах связи.
Описание сценария High Speed Train
Рассматриваемый сценарий High Speed Train (HST) приводится в рекомендации 3GPP [6]. В ней рассматривается железнодорожный состав, движущийся с высокой скоростью (более 300 км/ч). Подключение к сети осуществляется с помощью приемо-передающего устройства на крыше состава, которое устанавливает соединение с базовыми станциями (БС), расположенными вдоль пути следования. Визуализация данного сценария представлена на рис.1.
Проблематика рассматриваемого сценария
Рассмотрим особенности, с которыми сталкиваются операторы при развертывании сетей вдоль железных дорог.
1. Многолучевое распространение сигнала
Многолучевым распространением сигнала называют эффект, вследствие которого на приемнике оказывается множество копий сигнала, имеющих разную задержку и уровень затухания. Данный фактор критически важен для систем с высокой скоростью передачи, где длительность символа сопоставима с величиной задержки для разных путей распространения. Такая ситуация связана с межсимвольной интерференцией – явлением, при котором копии сигнала, пришедшие с задержкой, накладываются друг на друга.
В исследуемом сценарии стоит учитывать большое количество препятствий для распространения сигнала вдоль железнодорожного полотна: разной плотности застройка внутри города, деревья и складки местности за его пределами. Дополнительно стоит отметить, что условия распространения меняются постоянно в ходе движения поезда. Динамическое изменение канала в зависимости от ландшафта приводит к регулярным изменениям уровня и характера помех. Таким образом, значимость оценки канала, проводимой приемником, быстро теряет свою актуальность.
2. Эффект Доплера
В условиях статического использования Wi-Fi, при котором приемник и передатчик остаются на месте, эффект Доплера не выражается явно. При этом переходя к сценарию, при котором связь осуществляется с движущимся поездом, скорость которого может составлять более 300 км/ч, влияние становится существенным. В последних поколениях Wi-Fi применяется модуляция OFDM (Orthogonal frequency-division multiplexing). Этот тип модуляции чувствителен к интерференции между поднесущими, возникающей вследствие смещения частот, поскольку это критическим образом влияет на корректность демодуляции OFDM-сигнала. Пример некорректной демодуляции приведен на рис.3.
Реализация канала с частотным сдвигом, вызванного эффектом Доплера, и анализ его влияния были рассмотрены в [5].
Можно сделать вывод, что использование беспроводных технологий передачи данных (Wi-Fi в частности) в сценарии, при котором связь осуществляется с высокоскоростным поездом, накладывает много ограничений и требует постоянной адаптации к меняющимся условиям, а значит, постоянно уточнять оценку канала. Оценка подразумевает под собой определение на основе принятого сигнала параметров канала, таких как уровень шума и величина частотного сдвига.
Основные идеи при оценке канала
Для систем, использующих OFDM-модуляцию, каждую поднесущую сигнала можно рассмотреть, как отдельный независимый канал (рис.4).
Каждый из этих каналов представим в следующем виде:
yk = hkxk + nk, (1)
где xk – входной сигнал на k-ой поднесущей,
yk – выходной сигнал,
hk – значение передаточной функции канала (которая с течением времени меняет свой вид),
nk – шум (АБГШ).
Оценка h = [h1, h2, h3 … hn] дает возможность компенсировать помехи канала и значительно улучшить восстановление исходного сигнала.
Наиболее распространенным подходом для оценки среды передачи в беспроводных сетях является оценка по тренировочным символам. Идея заключается в передаче последовательности, известной на приемной и передающей сторонах. Тогда на приемной стороне можно оценить искажения принятого сигнала относительно предопределенного и компенсировать их. Оценку по тренировочным символам можно разделить на первичную оценку и оценку непосредственно во время передачи. Второй тип оценки часто называют оценкой по пилотным сигналам. В системах с применением OFDM-модуляции, к которым относятся Wi-Fi, пилотные сигналы представлены специально выделенными поднесущими.
Необходимо отметить, что оценка канала по тренировочным символам сопряжена с рядом проблем:
- сокращение эффективности использования частотных ресурсов. Пилотные сигналы занимают часть спектра и при этом не несут полезной информации;
- устаревание оценки. Оценка динамически изменяющегося канала должна производиться на постоянной основе, чтобы избежать накопления ошибок, связанных с устаревшими данными;
- ошибки при интерполяции оценки. Пилотный сигнал позволяет оценить канал только в некоторой части занимаемой полосы, но для компенсации помех необходимо иметь оценку на всех используемых частотах. Следовательно, необходимо производить интерполяцию, которая также вносит свою ошибку, особенно для частотно-селективных каналов;
- динамические каналы требуют более сложных алгоритмов оценки. Несмотря на простоту самой идеи оценки по пилотным поднесущими, для динамично изменяющихся условий окружающей среды, предпочтительно использовать адаптивные алгоритмы, которые требуют больше вычислительных ресурсов.
Альтернативой использованию тренировочных символов является слепая оценка сигналов [7]. Несмотря на то, что часть вышеописанных проблем не будут актуальны, в дело вступают повышенные требования к вычислительной мощности приемного устройства ввиду сложности применяемых алгоритмов.
Инструменты для компенсации помех, заложенные в Wi-Fi
Чтобы показать возможности, которые предоставляет технология Wi-Fi [8] для компенсации помех на физическом уровне (PHY), необходимо рассмотреть структуру кадра physical layer protocol data unit (PPDU). Общая структура PPDU, характерная для первых стандартов семейства 802.11, приведена на рис.5. Современный формат PPDU был рассмотрен в [5].
Кадр можно разделить на три основные составляющие:
- преамбула. Представляет собой набор специальных символов, которые служат для детектирования начала передачи кадра, а также для первичной оценки канала.
- заголовки PHY. Заголовки несут в себе служебные поля, содержащие информацию о параметрах передачи: скорость передачи, схема модуляции и кодирования и др.
- PSDU. Данное поле содержит передаваемые пользовательские данные.
Во время передачи заголовков и PSDU происходит оценка параметров канала по пилотным поднесущим.
Процесс приема по этим блокам можно увидеть на рис.6. В рамках данной работы будет уделено внимание этапам "Временная синхронизация и частотная коррекция" и "Оценка помех в канале".
В рамках железнодорожного сценария интерес представляет возможность включить в передачу так называемую midamble (преамбула посередине). Она состоит из повторения нескольких символов HE-LTF, которые были представлены в преамбуле. Ее использование позволяет производить оценку канала между передачами пакетов данных и актуально для быстроменяющихся каналов. Пример такого кадра с midamble можно увидеть на рис.7. Стандарт [8] рекомендует использование midamble при сильном влиянии эффекта Доплера, что актуально для исследуемого сценария связи.
Первичная оценка с помощью STF и LTF
Короткое тренировочное поле (Short Training Field – STF) относится к инструментам первичной оценки помех в канале. Оно представляет собой 10 повторяющихся тренировочных символов. Форма сигнала задается специальной последовательностью, которая определена стандартом [8].
Данное поле предназначено для определения начала передачи. Также оно зачастую применяется для грубой оценки частотного сдвига.
Рассмотрим эти функции подробнее.
1. Определение момента времени старта передачи данных
Выбор генерирующей последовательности обусловлен хорошими корреляционными свойствами и малым отношением максимальной мощности к средней. Эти свойства позволяют производить детектирование начала передачи несколькими способами. В [9] описаны некоторые классические алгоритмы распознавания передачи информационного пакета в системах, использующих OFDM. Наиболее точный метод детектирования начала приема осуществляется с помощью корреляции принятого сигнала и некоторого шаблона. В качестве шаблона могут выступать заранее известный тренировочный символ или же сам сигнал, взятый с некоторой задержкой [9]. Алгоритм представлен на рис.8 в виде схемы. Точность определения стартового отсчета зависит от выбранного шаблона и алгоритма принятия решения на основе полученной метрики mn (4). Подробный сравнительный анализ приведен в [10].
(2)
(3)
(4)
В [11] был предложен новый алгоритм для определения передачи пакетов, основанный на методах глубокого обучения.
2. Грубая оценка частотного сдвига
Другой немаловажной функцией этого поля является грубая оценка частотного сдвига. Она производится посредством вычисления средней разницы фазы между соседними символами (5). Для оценки берутся только последние пять символов.
, (5)
где NL-STF = 64 – количество отсчетов в одном коротком тренировочном символе,
Sm – отсчет на m-й позиции.
При частоте дискретизации 20 МГц такое решение позволяет определить сдвиг до 612,5 кГц. Полученное значение âST сохраняется и используется для дальнейшего анализа и компенсации сдвига несущей частоты. Компенсация осуществляется путем поворота символов с противоположным знаком.
Еще одним важным инструментом первичной оценки является длинное тренировочное поле (Long Training Field – LTF). Как и STF, оно представляет собой несколько повторяющихся тренировочных символов. Разница заключается в использованной последовательности. В отличие от STF, она занимает все поднесущие, доступные для передачи полезных данных, благодаря чему есть возможность произвести более точную оценку канала на каждой поднесущей отдельно. Поле состоит из двух символов и циклического префикса, который представляет собой вторую половину тренировочного символа (рис.9).
Символы создаются по специальной последовательности, заданной стандартом [8], и размещаются на поднесущих с информационными и пилотными сигналами в полях Data. Эта последовательность состоит из значений 1 и –1. Поле L-LTF можно рассматривать как набор псевдослучайных OFDM-символов, что позволяет приемнику оценивать искажения в канале и компенсировать помехи при последующей передаче данных.
Длинное тренировочное поле несет в себе следующие функции:
Повышение точности оценки момента времени начала передачи. Для этого используется такой же алгоритм, как для короткого поля, но с длинным тренировочным символом в качестве шаблона для корреляции.
Повышение точности оценки частотного сдвига в канале. После первой грубой оценки для дальнейшего сигнала производится компенсация полученного сдвига. Но этого исправления может быть недостаточно, ввиду чего на длинном тренировочном поле также происходит вычисление сдвига на основе разницы фаз между длинными тренировочными символами (6). NL-LTF = 64 – количество отсчетов в одном длинном тренировочном символе. Итоговая оценка частотного сдвига формируется как сумма (7)
(6)
â = âST + âLT. (7)
Оценка передаточной функции канала. На основе полученных символов возможно оценить частотные и амплитудные искажения в канале. Для оценки зачастую используется алгоритм Least Squares (LS). Полученный на выходе набор коэффициентов hk для каждой из поднесущих используется в дальнейшем для компенсации искажений.
Оценка мощности шума. Приемник использует разницу между двумя полученными тренировочными символами для оценки уровня шума в канале. Среднеквадратическая ошибка между отсчетами символов принимается как мощность шума. Оценка используется для дальнейшей демодуляции информационных символов, а также для механизма подстройки скорости передачи.
Дополнительные возможности открываются при использовании MIMO (Multiple Input Multiple Output). Благодаря пространственному разнесению сигналов, появляется возможность производить оценку на основе нескольких независимых копий сигнала и комбинировать ее результат. Такой подход был предложен в [12].
Синхронизация и первичная оценка осуществляется в момент установления подключения поезда к БС. Частая смена базовых станций требует производить синхронизацию без задержек и с высокой точностью, чтобы обеспечить бесшовный переход. Точная первичная оценка канала, в свою очередь, предоставит возможность надежной передачи данных сразу после переключения. Детальнее подход к этим этапам установления соединения рассмотрен в [12, 13, 14].
Оценка канала во время передачи данных
Несмотря на высокую точность первичной оценки, существует множество факторов, которые могут негативно сказаться на передаче информации.
Например, погрешности в частоте дискретизации приемника могут привести к искажениям сигналов, а динамические изменения в условиях канала, а также изменения в погодных условиях, значительно усложняют задачу. Таким образом, приемник вынужден постоянно адаптироваться к меняющимся условиям среды.
Для реализации динамической оценки канала задействуются пилотные символы, которые находятся на определенных стандартом поднесущих [3, 8] OFDM-сигнала. Эти символы генерируются с использованием псевдослучайных последовательностей и служат для оценки параметров канала в процессе передачи.
Существует несколько подходов к оценке частотного сдвига, который может возникнуть в процессе передачи. В [12] был предложен следующий подход для оценки и исправления частотного сдвига:
- Исправление смещения частоты дискретизации;
- Исправление остаточного смещения несущей частоты;
- Точная оценка смещения несущей после исправления.
Эти шаги выполняют для каждого символа OFDM, постепенно снижая уровень ошибок. С увеличением числа передаваемых символов точность оценки возрастает, что помогает системе адаптироваться к условиям передачи.
Для противодействия межсимвольной интерференции, вызванной многолучевым распространением, применяется циклический префикс для каждого OFDM-символа.
Кроме того, пилотные символы выполняют еще одну важную функцию: оценку передаточной функции канала, что позволяет корректировать искажения, возникающие в процессе передачи. Для этого существует большое количество разного рода алгоритмов, таких как упомянутый выше LS, Minimum Mean Square Error (MMSE), а также их вариации. Подробно эффективность их использования рассматривается в [15, 16, 17]. Эти методы становятся особенно актуальными в условиях постоянного изменения среды передачи, характерных для сценария высокоскоростного поезда.
Нововведения в современных стандартах
Одной из главных новаций в стандарте 802.11ax можно считать появление OFDMA (Orthogonal frequency-division multiple access). Данный вид модуляции требует для эффективной работы большее количество поднесущих. Их количество увеличилось в четыре раза [3]. Вместе с этим и увеличилось количество пилотных сигналов. В зависимости от используемой конфигурации ресурсных блоков RU, на одного пользователя может приходиться до восьми пилотных поднесущих в подканале 20 МГц. Это дает возможность производить оценку канала с большей точностью.
Сравнение эффективности компенсации частотного сдвига для 802.11ac и 802.11ax приведено в [18]. Один из полученных результатов представлен на рис.10. На нем видно, что стандарт 802.11ax больше устойчив к смещению несущей частоты.
Тренировочные символы также стали использовать больше поднесущих, что повысило точность первичной оценки.
Заключение
Анализ потенциала применения стандарта IEEE 802.11ax (Wi-Fi 6) в сфере железнодорожного транспорта показывает, что современные технологии Wi-Fi, благодаря своей высокой пропускной способности, низкой задержке и возможности адаптации к изменяющимся условиям, могут существенно улучшить качество и надежность передачи данных в железнодорожной связи. Особое внимание необходимо уделять значению актуальной оценки канала, которая становится критически важной для поддержания надежной связи при скорости движения свыше 300 км/ч.
Одним из ключевых факторов успешного развертывания беспроводных сетей в сценариях высокоскоростного транспорта является использование адаптивных алгоритмов оценки. Эти инструменты позволяют системе динамически подстраиваться под меняющиеся условия среды передачи и обеспечивать стабильную связь даже при наличии множественных источников помех.
Возможности, предложенные стандартом IEEE 802.11ax, открывают новые перспективы для интеграции современных коммуникационных систем в транспортную инфраструктуру. Ожидается, что дальнейшие исследования и разработки в сфере беспроводных технологий будут способствовать созданию еще более надежных и эффективных систем связи, что, в свою очередь, будет способствовать повышению уровня безопасности и эффективности железнодорожных перевозок.
ЛИТЕРАТУРА
CFM. Cooperates with Huawei to Set an Example of FRMCS-based Railway Communication Reconstruction. [Электронный ресурс]. URL: https://e.huawei.com/en/case-studies/industries/railway/2023-mozambique-frmcs (дата обращения 18.07.2024).
Миньковский М.Г. Сети Trackside в метро мы умеем строить лучше всех в мире // ПЕРВАЯ МИЛЯ. 2022. № 1. С. 36–40.
IEEE Standard for Information Technology Telecommunications and Information Exchange between Systems Local and Metropolitan Area Networks Specific Requirements. Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications. Amendment 1: Enhancements for High-Efficiency WLAN. (IEEE Std 802.11ax-2021). 19 May. 2021
Minkovsky M.G., Portnoy S.L., Nikitin S.E., Klyuev N.S. and Sakhautdinov S.R. Modelling Approach to Convergence Trackside Railway Networks // 2024 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO), Vyborg, 2024. PP. 1–7.
Портной С.Л., Никитин С.Е., Клюев Н.С., Антошкин Г.Д., Сахаутдинов Ш.Р. Разработка LLS-симулятора сети связи ВСЖМ на основе технологии 802.11ax // ПЕРВАЯ МИЛЯ. 2024. № 6. C. 62–68.
PP. 5G; NR; User Equipment (UE) Radio Transmission and Reception; Part 4: Performance Requirements. 3GPP TS 38.101-4, ver. 18.6.0, Release 18. Feb. 2025.
Борисович С.Ф., Дубровко А.Ю. Моделирование систем синхронизации приемника IEEE 802.11AH в MATLAB // Радиоэлектроника. Наносистемы. Информационные технологии. 2020. Т. 12. № 2. С. 275–286.
IEEE Standard 802.11-2020. IEEE Standard for Information Technology — Telecommunications and Information Exchange Between Systems Local and Metropolitan Area Networks — Specific Requirements Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications. 6 Feb. 2021.
Terry J., Heiskala J. OFDM Wireless LANs: A Theoretical and Practical Guide. Indianapolis, IN: Sams, 2003.
Huang Y., Yuan L., Gong W. Research on IEEE 802.11 OFDM Packet Detection Algorithms for Household Wireless Sensor Communication // Applied Sciences. 2022. Vol. 12. No. 7. P. 7232.
Ninkovic V., Valka A., Dumic D. and Vukobratovic D. Deep Learning-Based Packet Detection and Carrier Frequency Offset Estimation in IEEE 802.11ah // IEEE Access. 2021. Vol. 9. PP. 99853–99865.
Sourour E., El-Ghoroury H., McNeill D. Frequency Offset Estimation and Correction in the IEEE 802.11a WLAN // IEEE 60th Vehicular Technology Conference, 2004. Los Angeles, CA. PP. 4923–4927.
Jimenez V.P.G., Garcia M.J.F., Serrano F.J.G., Armada A.G. Design and implementation of synchronization and AGC for OFDM-based WLAN receivers // IEEE Transactions on Consumer Electronics. 2004. Vol. 50. No. 4. PP. 1016–1025.
van Zelst A., Schenk T.C.W. Implementation of a MIMO OFDM-based Wireless LAN System // IEEE Transactions on Signal Processing. 2004. Vol. 52. No. 2. PP. 483–494.
Van de Beek J., Edfors O., Sandell M., Wilson S., Borjesson P. On Channel Estimation in OFDM Systems // 1995 IEEE 45th Vehicular Technology Conference. Countdown to the Wireless Twenty-First Century. Chicago, IL, 1995. PP. 815–819.
Zhang Q., Zhao J. Channel Estimation for High-Speed Railway Wireless Communications: A Generative Adversarial Network Approach // Electronics. 2023. Vol. 12. No. 7. P. 1752.
Чирков О.Н., Ромащенко М.А., Чепелев М.Ю. Современные методы оценки канала радиосвязи в условиях многолучевости // Вестник Воронежского государственного технического университета. 2019. Т. 15. № 3. С. 68–73.
Milos J., Polak L., Slanina M. Performance Analysis of IEEE 802.11ac/ax WLAN Technologies Under the Presence of CFO // 2017 27th International Conference Radioelektronika. Brno. PP. 1–4.
Отзывы читателей
