ИРЭ им. В.А. Котельникова РАН English Войти Подать статью
Журнал радиоэлектроники Электронный научный журнал · eISSN 1684-1719
2026, № 8 · РАСПРОСТРАНЕНИЕ РАДИОВОЛН

Идентификация парциальных компонент импульсной характеристики радиоканала по данным трассировки лучей реальной городской застройки

А.В. Епонешников1, А.И. Сулимов1

1 Казанский (Приволжский) федеральный университет, Казань
Полный текст DOI: 10.30898/1684-1719.2026.8.7 УДК 621.371.3 + 519.246

Аннотация

Рассмотрена проблема автоматической идентификации парциальных компонент импульсной характеристики радиоканала (ИХ) по данным трассировки лучей реальной городской застройки. Предложенный метод основан на комбинации корреляционной обработки зондирующих сигналов с дальномерными кодами Голда, вейвлет-фильтрации и классификации обнаруженных откликов алгоритмом градиентного бустинга XGBoost. Путем имитационного моделирования показано, что вероятность ложной идентификации удалось снизить до 0,8-3,4 %. Установлено, что основными факторами необнаружения лучей являются ошибки классификатора XGBoost (42-45 %), маскирование слабых компонент боковыми лепестками АКФ (26-28 %) и недостаточное временное разрешение близких лучей (22-23 %). Для задач формирования согласованных случайных последовательностей рекомендуется использовать 2-4 доминирующих луча: такой выбор обеспечивает охват 66-69 % мощности канала при вероятности ложного обнаружения 1,2-2,0 %, что соответствует требованиям задач физического уровня безопасности.

  • импульсная характеристика канала
  • многолучевое распространение
  • идентификация сигнала
  • трассировка лучей
  • Sionna RT
  • TDL
  • 3GPP TR 38.901
  • XGBoost
  • градиентный бустинг
  • коды Голда
  • вейвлет-шумоподавление
Abstract (in English)

Identification of multipath components of channel impulse response based on ray-tracing data of real urban environments

The problem of automatic identification of multipath components of the channel impulse response (CIR) from ray-tracing data of real urban environments is considered. The proposed method combines correlation processing of probing signals with Gold ranging codes, wavelet filtering, and classification of detected responses by the XGBoost gradient boosting algorithm. Simulation results show that the false detection probability has been reduced to 0.8-3.4 %. The main causes of missed detections are XGBoost classifier errors (42-45 %), masking of weak components by ACF sidelobes (26-28 %), and insufficient time resolution of closely spaced rays (22-23 %). For generating consistent random sequences in physical layer security applications, the use of 2-4 dominant rays is recommended: this choice provides 66-69 % of the channel power coverage with a false detection probability of 1.2-2.0 %, which meets the requirements of physical layer security tasks.

Для цитирования

Епонешников А.В., Сулимов А.И. Идентификация парциальных компонент импульсной характеристики радиоканала по данным трассировки лучей реальной городской застройки // Журнал радиоэлектроники. – 2026. – № 8. https://doi.org/10.30898/1684-1719.2026.8.7

Литература

  1. Securing NextG networks with physical-layer key generation: A survey / Q. Xiao, J. Zhao, S. Feng, G. Li, A. Hu // Security and Safety. - 2024. - Vol. 3. - P. 2023021. https://doi.org/10.1051/sands/2023021
  2. Physical Layer Secret Key Generation in Static Environments / N. Aldaghri, H. Mahdavifar // IEEE Transactions on Information Forensics and Security. - 2020. - Vol. 15. - P. 2692-2705. https://doi.org/10.1109/TIFS.2020.2974621
  3. Key Generation From Wireless Channels: A Review / J. Zhang, T. Q. Duong, A. Marshall, R. Woods // IEEE Access. - 2016. - Vol. 4. - P. 614-626. https://doi.org/10.1109/ACCESS.2016.2521718
  4. Physical layer key generation in wireless networks: challenges and opportunities / K. Zeng // IEEE Communications Magazine. - 2015. - Vol. 53, no. 6. - P. 33-39. https://doi.org/10.1109/MCOM.2015.7120014
  5. Histogram-Based Estimation of CIR Entropy for Multipath Propagation Environments / A. V. Eponeshnikov, A. I. Sulimov // 2024 International Conference on Electrical Engineering and Photonics (EExPolytech). - IEEE, 2024. - P. 163-166. https://doi.org/10.1109/EExPolytech62224.2024.10755705
  6. XGBoost: A Scalable Tree Boosting System / T. Chen, C. Guestrin // Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. - San Francisco, California, USA : ACM, 2016. - P. 785-794. https://doi.org/10.1145/2939672.2939785
  7. 3GPP TR 38.901 Channel Model / Q. Zhu, C.-X. Wang, B. Hua, M. Kai, S. Jiang, M. Yao // Wiley 5G Ref. - 2021. - P. 1-35. https://doi.org/10.1002/9781119471509.w5gref048
  8. Modeling the Wireless Propagation Channel: A Simulation Approach with MATLAB® / F. Pérez Fontán, P. Mariño Espiñeira. - 1st ed. - Wiley, 2008. https://doi.org/10.1002/9780470751749
  9. 5G 3GPP-Like Channel Models for Outdoor Urban Microcellular and Macrocellular Environments / K. Haneda, J. Zhang, L. Tan, G. Liu, Y. Zheng, H. Asplund, J. Li, Y. Wang, D. Steer, C. Li, T. Balercia, S. Lee, Y. Kim, A. Ghosh, T. Thomas, T. Nakamura, Y. Kakishima, T. Imai, H. Papadopoulos, A. Ghosh // 2016 IEEE 83rd Vehicular Technology Conference (VTC Spring). - IEEE, 2016. - P. 1-7. https://doi.org/10.1109/VTCSpring.2016.7503971
  10. Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling / J. Hoydis, F. A. Aoudia, S. Cammerer, M. Nimier-David, N. Binder, G. Marcus, A. Keller // 2023 IEEE Globecom Workshops (GC Wkshps). - IEEE, 2023. - P. 317-321. https://doi.org/10.1109/GCWkshps58843.2023.10465179
  11. TR 138 901 - V18.0.0 - 5G; Study on channel model for frequencies from 0.5 to 100 GHz (3GPP TR 38.901 version 18.0.0 Release 18). - 3GPP, 2023.
  12. Least-Squares-Based Iterative Multipath Super-Resolution Technique / W. Nam, S.-H. Kong // IEEE Transactions on Signal Processing. - 2013. - Vol. 61, no. 3. - P. 519-529. https://doi.org/10.1109/TSP.2012.2225056
  13. A Superresolution Multipath Estimation Algorithm for DSSS Systems / F. Wang, W. Cui, J. Tian // IEEE Transactions on Aerospace and Electronic Systems. - 2023. - Vol. 59, no. 1. - P. 109-124. https://doi.org/10.1109/TAES.2022.3188237
  14. A Survey of Artificial Intelligence Enabled Channel Estimation Methods: Recent Advance, Performance, and Outlook / B. Li, Q. Zheng, X. Tian, M. Yang, G. Gui, W. Jiang, H. Lei, J. Jiang, F. Shu, A. Elhanashi, S. Saponara // Artificial Intelligence Review. - 2025. - Vol. 58, no. 6. - P. 187. https://doi.org/10.1007/s10462-025-11202-0
  15. Analysis of Machine Learning-Based NLOS Signal Identification Algorithm for UWB Indoor Localization Using CIR Waveform Features / K. Wang, C. Yang // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. - 2024. - Vol. XLVIII-4-2024. - P. 705-710. https://doi.org/10.5194/isprs-archives-XLVIII-4-2024-705-2024
  16. Fusing XGBoost and SHAP Models for Maritime Accident Prediction and Causality Interpretability Analysis / C. Zhang, X. Zou, C. Lin // Journal of Marine Science and Engineering. - 2022. - Vol. 10, no. 8. - P. 1154. https://doi.org/10.3390/jmse10081154
  17. Local Predictability Analysis-Based Significant Multipath Component Identification for OFDM Systems / Y. Sui, H. Gao, Y. He, G. Jiang // IEEE Wireless Communications Letters. - 2024. - Vol. 13, no. 9. - P. 2482-2486. https://doi.org/10.1109/LWC.2024.3420933
  18. A statistical basis for lognormal shadowing effects in multipath fading channels / A. J. Coulson, A. G. Williamson, R. G. Vaughan // IEEE Transactions on Communications. - 1998. - Vol. 46, no. 4. - P. 494-502. https://doi.org/10.1109/26.664305
  19. Improved fading distribution for mobile radio / A. J. Coulson, A. G. Williamson, R. G. Vaughan // IEE Proceedings - Communications. - 1998. - Vol. 145, no. 3. - P. 197-202. https://doi.org/10.1049/ip-com:19981991
  20. Radio Network Planning and Propagation Models for Urban and Indoor Wireless Communication Networks / W. J. Krzysztofik // Antennas and Wave Propagation / ed. P. Pinho. - InTech, 2018. https://doi.org/10.5772/intechopen.75384
  21. A Deep Learning Approach to Position Estimation from Channel Impulse Responses / A. Niitsoo, T. Edelhäußer, E. Eberlein, N. Hadaschik, C. Mutschler // Sensors. - 2019. - Vol. 19, no. 5. - P. 1064. https://doi.org/10.3390/s19051064
  22. Using the Physical Layer for Wireless Authentication in Time-Variant Channels / L. Xiao, L. Greenstein, N. Mandayam, W. Trappe // IEEE Transactions on Wireless Communications. - 2008. - Vol. 7, no. 7. - P. 2571-2579. https://doi.org/10.1109/TWC.2008.070194
  23. Свойства кодов Голда и неоднозначность в РСА / Т. Е. Федорович, Ф. В. Сергеевич // Радиотехнические и телекоммуникационные системы. - 2023. - № 4. - С. 41-50. https://doi.org/10.24412/2307-1304-2023-4-41-50
  24. Visushrink Pretreatment for Image Compression / W. Fourati, M. Bouhlel // International Journal of Computer Applications. - 2011. - Vol. 23, no. 6. - P. 1-5. https://doi.org/10.5120/2893-3785
  25. Urban Radio Access Networks / S. Salous, T. Werthmann, G. Dahman, J. Flordelis, M. Peter, S. Hur, J. Park, D. Rose // Wiley 5G Ref. - 2022. - P. 17-69. https://doi.org/10.1201/9781003337720-2