一种时变MIMO信道跟踪算法及仿真分析

第２５卷第６期　文章编号：１００６～９３４８（２００８）０６—０３０４—０４　计算机仿真　２００８年６　Ｊｊ　一种时变ＭＩＭＯ信道跟踪算法及仿真分析　宋涛，曾　渊，许家栋　（西北工业大学电子信息学院，陕西西安７１００７２）　摘要：对时变多发多收（ＭＩＭＯ）无线数字信道，在信道接收端应用逆滤波器算法，得到无线ＭＩＭＯ数字系统的信道冲击响应　函数，并将此函数作为初始值，应用改进的粒子滤波器算法，完成时变ＭＩＭＯ数字系统的盲信道跟踪。算法同时利用了信号　的时间分集信息和空间分集信息。计算机仿真表明，与仅利用信号空间分集信息的逆滤波器算法相比，算法在输入信号小　信噪比情况下有更好的全局收敛特性；与卡尔曼滤波算法相比，得到的归一化信道误差更小。　关键词：多人多出；粒子滤波器；盲信道跟踪　中图分类号：ＴＮ９１１．２３　文献标识码：Ａ　Ｓｉｍｕｌａｔｉｏｎ　ａｎｄ　Ａｎａｌｙｓｉｓ　ｏｆ　ａ　Ｔｉｍｅ——ｖａｒｙｉｎｇ　ＭＩＭＯ　Ｃｈａｎｎｅｌ　Ｔｒａｃｋｉｎｇ　Ａｌｇｏｒｉｔｈｍ　ＳＯＮＧ　Ｔａｏ，ＺＥＮＧ　Ｙｕａｎ，ＸＵ　Ｊｉａ—ｄｏｎｇ　（Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ，Ｎｏｒｔｈｗｅｓｔｅｒｎ　Ｐｏｌｙｔｅｃｈｎｉｃａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　Ｓｈａｎｘｉ　７１００７２，Ｃｈｉｎａ）　ＡＢＳＴＲＡＣＴ：Ｆｏｒ　ａ　ｔｉｍｅ—ｖａｒｙｉｎｇ　ＭＩＭＯ　ｗｉｒｅｌｅｓｓ　ｄｉｇｉｔａｌ　ｃｈａｎｎｅｌ，ａｎ　ｉｎｖｅｒｓｅ　ｆｉｌｔｅｒ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｕｓｅｄ　ａｔ　ｃｈａｎｎｅｌ　ｒｅ－　ｃｅｉｖｉｎｇ　ｅｎｄ　ｔｏ　ｇｅｔ　ｔｈｅ　ｃｈａｎｎｅｌ　ｐｕｌｓｅ　ｒｅｓｐｏｎｓｅ　ｆｕｎｃｔｉｏｎ．Ｔａｋｉｎｇ　ｔｈｅ　ｆｕｎｃｔｉｏｎ　ａｓ　ｉｎｉｔｉａｌ　ｖａｌｕｅ，ａ　ｐａｒｔｉｃｌｅ　ｆｉｌｔｅｒ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｕｔｉｌｉｚｅｄ　ｔｏ　ａｃｃｏｍｐｌｉｓｈ　ｔｈｅ　ＭＩＭＯ　ｃｈａｎｎｅｌ　ｔｒａｃｋｉｎｇ．Ｔｈｅ　ｐｒｏｐｏｓｅｄ　ａｌｇｏｒｉｔｈｍ　ｕｓｅｓ　ｓｉｍｕｌｔａｎｅｏｕｓｌｙ　ｔｈｅ　ｓｉｇｎａｌ　ｔｉｍｅ　ｄｉ—　ｖｅｒｓｉｔｙ　ｉｎｆｏｒｍａｔｉｏｎ　ａｓ　ｗｅｌｌ　ａｓ　ｔｈｅ　ｓｉｇｎａｌ　ｓｐａｃｅ　ｄｉｖｅｒｓｉｔｙ　ｉｆｏｒｎｍａｔｉｏｎ．Ｃｏｍｐｕｔｅｒ　ｓｉｍｕｌａｔｉｏｎｓ　ｉｌｌｕｓｔｒａｔｅ　ｔｈａｔ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ａｌｇｏｒｉｔｈｍ　ｃａｎ　ａｃｈｉｅｖｅ　ｌｅｓｓ　ｃｈａｎｎｅｌ　ｅｒｒｏｒ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｕｓｉｎｇ　Ｋａｌｍａｎ　ａｌｇｏｒｉｔｈｍ，ａｎｄ，ｉｔ　ｃａｎ　ｇｅｔ　ｂｅｔｔｅｒ　ｃｏｎｖｅｒｇｅｎｃｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｔｈａｎ　ｕｓｉｎｇ　ｉｎｖｅｒｓｅ　ｆｉｌｔｅｒ　ａｌｇｏｒｉｔｈｍ　ｕｎｄｅｒ　ｌｏｗ　ＳＮＲ．　ＫＥＹＷＯＲＤＳ：ＭＩＭＯ；Ｐａｒｔｉｃｌｅ　ｆｉｌｔｅｒ；Ｂｌｉｎｄ　ｃｈａｎｎｅｌ　ｔｒａｃｋｉｎｇ　文献［３］证明了卡尔曼滤波算法性能好于其他时间递推算　１　引言　近年来，多输入多输出（ｍｕｌｔｉｐｌｅ—ｉｎｐｕｔ　ｍｕｌｔｉｐｌｅ—ｏｕｔ－　ｐｕｔ，ＭＩＭＯ）通信系统由于较单天线系统有更高的系统容量　和抗干扰能力而受到广泛的关注。在ＭＩＭＯ通信系统的关　法。上述算法为解决时变ＭＩＭＯ信道盲跟踪问题提供了很　好地思路，但本文作者对ＩＦ算法和卡尔曼滤波算法进行计　算机仿真后发现，在信道时变较快时，ＩＦ算法得到的归一化　信道误差较大，并且，在输入信号信噪比较小时，ＩＦ算法存在　不易收敛的问题。而卡尔曼滤波算法在高斯信道下仿真有　较好地性能，而如果采用Ｒａｙｌｅｉｇｈ＼Ｒｉｃｅ衰落信道进行仿真，　键技术中，信道的估计与跟踪一直是难点与热点…。尤其是　对时变ＭＩＭＯ无线通信系统，信道的跟踪往往只能利用接收　信号来完成，因此，仅利用接收信号完成对时变ＭＩＭＯ信道　盲跟踪有特殊的意义。　１９９７年，Ｔｕｇｎａｉｔ注意到ＭＩＭＯ通信信号的统计特性，利　其性能就大大下降。而事实上，绝大部分ＭＩＭＯ通信信道都　是非高斯类型。　基于这些仿真结果，本文作者分析后发现ＩＦ算法本质　只利用了信号的空间分集信息，而卡尔曼滤波算法则仅引入　用通信信号高阶统计量构造了逆滤波器算法（ｉｎｖｅｒｓｅ　ｆｉｌｔｅｒ，　ＩＦ）　来对ＭＩＭＯ通信信道进行盲跟踪，在信道变化较慢时　取得了不错的效果。在信道变化速度比较快时，跟踪的另　一了信号的时间分集信息。提出一种算法，同时利用信号的两　种分集信息，是构建本文的出发点和目的。考虑到卡尔曼滤　波算法不太适用于现实ＭＩＭＯ信道，本文利用了同样可以引　入信号时间分集信息的粒子滤波器算法　ｌ　一它在非高斯　【信道下表现的更好。给出了一种以ＩＦ算法作为初值，以粒　子滤波器来进行跟踪的改进算法。计算机仿真结果表明，　种思路是通过各种时间递推算法　来完成信道的盲跟踪，　基金项目：航空科学基金（０５Ｆ５３０３２）、陕西省自然科学基础研究资助　项目（２００６Ｆ１５）、西北工业大学科技创新基金资助项目（２００６ＣＲ１　１）　收稿日期：２００７—１０—２９　．－——３０４・－——　维普资讯 http://www.cqvip.com

改进算法性能好于ＩＦ算法和卡尔曼滤波算法。　式可以根据贝叶斯公式求出　０　ｋ－Ｉ　㈣　２　时变ＭＩＭＯ数字信道盲跟踪问题的数学模型　考虑一个有Ｎ输入和Ｍ输出的时变ＭＩＭＯ系统，设信　道最大阶数为１　，在发射端，对信号先进行交织，然后用　ＱＰＳＫ进行调制，则ｋ时刻接收到的序列向最表示如下：　Ｙ（ｋ）＝Ｆｋ（　）　（ｋ）＋ｒｔ（ｋ）　（１）　３．２　ＩＦ算法的介绍与分析　通过最大化代价函数得到输出信号Ｙ　（ｋ）和信道冲击响　应的关系　＝　这里，Ｙ（ｋ）代表Ｍ维输出向昔，　（ｋ）代表Ⅳ维输入向量，ｒｔ　（ｋ）代表Ｍ维高斯噪声向量。输出向量在第ｋ时刻的第ｉ个　（９）　由牛顿下山法得到ｅ（ｋ），就求出了ｋｏ（１）；然后从输出信号　输出分量为：　Ｎ　Ｙｉ（　）＝∑　（　）　（　）＋ｒｔｉ（　），ｉ＝１，…，Ｍ（２）　ｋ时刻信道脉冲响应矩阵　ｆ，矸　（　）　…　（　）、　（　）＝Ｉ　；　‘．　！　Ｉ　（３）　，（　）…　（　）／ｌ　这里　表示延迟算子，有　Ｌ　（　）＝∑　（ｆ）　（４）　＝一Ｌ　｝＝式中　（１）就是ｋ时刻的信道冲击响应函数。由上述定义　可以知道，信道的盲估计问题就是在仅知道已知接收向量Ｙ　（ｋ）的基础上，估计出信道冲击响应函数　（１）；而时变信道　跟踪问题，则是在估计出ｋ时刻信道冲击响应函数的基础　上，进一步估计ｋ＋　（　为任意时间）时刻的信道冲击响应　函数。　３粒子滤波器算法和Ⅲ算法　３．１粒子滤波器算法　粒子滤波器算法，也称为序贯蒙特　算法（ｓｅｑｕｅｎｔｉａｌ　Ｍｏｎｔｅ—Ｃａｒｌｏ　ａｌｇｏｒｉｔｈｍ，ＳＭＣ），其核心思想是：在获得新的观　察数据的情况下，通过对状态空　的先验概率密度的调整，　逼近状态空　的后验概率密度函数。对一个待观察的系统，　设ｋ时刻的状态集合为　＝　，・・　，，观察数据集合为Ｙ　＝｛ｙＯ，…Ｙ　，。根据贝叶斯原理，ｋ时刻的后验概率密度函数　可以表示为　ｌ　）＝　（５）　对状态集合　进行采样，取Ⅳ个采样点，得到　＝｛　，ｉ＝　１，…Ⅳ｝，对应的权霞集合为　＝｛　０　，ｉ＝１，…Ⅳ｝，根据蒙　特　罗方法，有　ｐ（　ｌ　Ｙ　）　∑　０　　：６（　一　）　（６）　ｆ　式中的　？　和归一化形式为　其中，ｑ（　“ＩｙＯ　）为ｐ（　ＩｙＯ　）的参考分布。权重的递推形　中除去第矗输入分量的贡献，得到Ｙ　（ｋ），设置Ｙ　（ｋ）一　（ｋ），代人（９）式，得到厶　，（１），重复这一过程直到Ｎ＝１，就　得到ｋ时刻ＭＩＭＯ信道的冲击响应函数，更具体的推导过程　可见文献［４］。虽然文献［２］对上述算法给出了严格的数学　证明，但是对ＩＦ算法进行仿真后发现，算法存在收敛速度较　慢的问题，并且在信道快时变的情况下，信道误差变得很大。　这主要是由于ＩＦ算法的计算量较大，不能同步跟踪信道的　变化过程。本文利用粒子滤波器的原理，引入通信信号的时　间分集信息，提出了一种新的信道跟踪算法。　４本文提出的ＭＩＭＯ信道跟踪算法　通过对大权重采样样本的重采样和对小权重采样样本　的抛弃，渐渐逼近状态空间的真实后验分布，这就是粒子滤　波器算法的基本原理。可是由３．１节可以看到。要想得到　采样权重　，必须知道状态空间集合概率密度函数的参考　分布ｑ（　ｌｙ　ｏ如果直接选取信道冲击响应函数作为粒　子滤波的重要函数，无法得到它的分布，重采样的进行和权　重的更新也无从谈起。　注意到（１）式中的噪声分量ｒｔ（ｋ）属于白噪声，满足高斯　分布，那么，构造重要函数如下　ｇ（　（ｋ））＝［Ｙ（ｋ）一Ｆ　（　）　（ｋ）］　（１０）　则有（１）式可知此重要函数的参考分布为高斯分布。当我们　对信道实现完全跟踪时，此重要函数和噪声向量的数学期望　和方差完全一致。那么，可以构建代价函数如下：　Ｊ（ｋ）＝［Ｙ（ｋ）一Ｆ　（　）　（ｋ）］　Ｃ一。［Ｙ（ｋ）一　（　）　（ｋ）］　（１１）　其中，日表示矩阵的复共轭转置，Ｃ为噪声向量的协方差矩　阵。由（１）、（１０）式可知，可以通过对重要函数的重采样完　成对信道冲击响应函数的更新，信道冲击响应函数的更新越　能跟踪信道变化，代价函数越小。由以上讨论可知，问题已　转化为求解以下优化问题：　ｍｉｎＪ（ｋ）　（１２）　作为无约束优化问题，（１２）式可以利用罚函数法或者最陡下　降法求解。但本文的目的是完成ＭＩＭＯ信道的跟踪，完全不　需要得到（１２）式的精确解，我们只需要（１２）式作为粒子滤　波器算法的收敛条件即可；换言之，只要把代价函数的大小　作为重采样的标准，来更新ＭＩＭＯ信道冲击响应函数，从而　，．．——３０５，．．——　维普资讯 http://www.cqvip.com

完成时变信道的跟踪，就达到了目的。　对本文算法思路进行说明后，给出一种新的ＭＩＭＯ信道　跟踪算法具体步骤如下：　第一步ｉ置初始时刻ｔ＝ｋ；　第二步：观察ｋ时刻的输出向量将此输出向量代人　到４ｄＢ的改善，这可能是由于ＩＦ算法没有收敛到Ｊ，全局最　优点的缘故；在信噪比较大的情况下，本文算法的性能也比　ＩＦ算法有一定的提高，这是因为额外引入了信号的时间分集　信息。而由于仿真信道为Ｒａｙｌｅｉｇｈ信道，是非高斯类型，导　致卡尔曼滤波算法始终表现较差。　算法，求出ｋ时刻的信道冲击响应函数集合　“　“（ｋ），由　（３）式和第２小节可知集合由２Ｌ＋１个函数组成，即　“　（ｋ）＝蜣“（ｋ），…　“（ｋ））；　第三步：对集合进行采样，采样数为　，取Ｎ＜２Ｌ＋１，计　算每次采样后得到的代价函数Ｊ（ｋ）的值，并将最小Ｊ（ｋ）值　记下为　（ｋ），选取得到　（ｋ）的，ｖ个采样作为重要粒子进　行重采样至２三＋１个，并将其余采样抛弃，得到新的信道冲　击响应函数集合；　第四步：将新的信道冲击响应函数集合和新观察ｋ＋１　时刻的输出向量联合求出ｋ＋１时刻的信道冲击响应函数　“（ｋ＋Ｉ），代价函数值＿，（ｋ＋１）。将　“（ｋ＋１）加人到第　三步求得的新函数集合中；　第五步：计算ｌＩ＿，（ｋ＋１）一，ｍ（ｋ）ｌＩ２’如果ｌｌ＿，（ｋ＋１）一，ｍ　（ｋ）ｌ　ｌ２≤ｓ，置ｋ＝ｋ＋１．转到第三步；反之，转第二步。完成。　对算法第五步的说明是：其中，『Ｉ．∞　∞＝ｚ　｛　．・Ｉ　ｍ表示２范数。ｓ是　¨住”　一个足够小的实数。如果代价函数的变化比较小，说明信道　的记忆性很好，可以直接进行新的采样，不需要在运行ＩＦ算　法。而当代价函数变化大于门限￡时，说明信道发生了较大　的变化，使粒子滤波中的粒子集合发生了退化，必须通过ＩＦ　算法来更新粒子集合。本文算法同时利用了ＭＩＭＯ信号的　时间分集和空间分集信息，理论上，避免了ＩＦ算法对快时变　信道的跟踪不准问题和卡尔曼滤波算法不适宜非高斯信道　问题。　５计算机仿真和分析　对下列３个仿真实验，仿真设定条件如下：ＭＩＭＯ系统是　一个２输人３输出系统，无线通信信道为Ｒａｙｌｅｉｇｈ信道，真实　信道参数由Ｊａｋｅｓ【６　模型产生。系统载频为１．８ＧＨｚ，调制方　式采取ＱＰＳＫ，信源码型为双极性不归零码，噪声服从高斯分　布。接收天线距离取１５个已调波波长。运行１００次Ｍｏｎｔｅ　Ｃａｒｌｏ仿真取平均值。采用归一化多普勒衰减率　来度量　信道变化的快慢，　越小，信道变化越慢。取＝０．０１。定　义ＭＩＭＯ系统总的归一化信道误差为　Ｃ　２　３　￡　［　（　）一　（　）　）］　ＮＭＳＥ＝——　—　Ｌ　三｛＿—　————一（１３）　２×３×∑∑∑　（』　』　』　、　））　　仿真实验１：取Ｌ＝７，接收符号长度取１０００　＝０．０１。　将本文算法和ＩＦ算法、卡尔曼滤波算法的参数利用ＭＡＴ・　ＬＡＢ算出，代人（１３）式，得到三种算法的归一化信道误差，如　图一所示。从图１中可以看出在输人信号信噪比较小的情　况下，本文算法得到的信道归一化误差和ＩＦ算法相比，有３　．．．——３０６．．．——　图ｌ不同信噪比下的归一亿信道误差比较　仿真实验２：信噪比取１５ｄＢ，令信道阶数Ｌ分别为７，　ｌＯ，１５，２Ｏ　：０．０１。由图２可以看出相比ＩＦ算法和卡尔　曼滤波算法，本文算法对信道阶数估计误差不敏感。这是因　为本文算法采用了粒子滤波器的思想，而粒子滤波器是非线　性算法，无须准确估计信道阶数。　ｉ　ｊ．一．　一　一．．　。　图２不同信道阶数估计下的归一亿信道误差比较　仿真实验３　ｉ信噪比取１５ｄＢ，归一化多普勒衰减率　分别取０．０１，０．０２，０．０４，０．０８；令Ｌ＝７。由母３可以看出在　信道变化很快时，ＩＦ算法的性能较差；本文算法在这方面表　现较ＩＦ算法和卡尔曼滤波算法好，尤其在信道快时变的情　况下。　图３不同多普勒衰减率下归一亿信道误差比　维普资讯 http://www.cqvip.com ［４］　Ｍ　Ａｒｕｌａｍｐａｌａｍ，ｅｔ　ａ１．Ａ　Ｔｕｔｏｒｉａｌ　ｏｎ　Ｐａｒｔｉｃｌｅ　ｆｉｌｔｅｒｓ　ｆｏｒ　ｏｎｌｉｎｅ　６结论　本文结合粒子滤波器算法的原理，给出了一种新的时变　ＭＩＭＯ信道盲跟踪算法，充分利用了ＭＩＭＯ信号的空一时分　集信息。计算机仿真表明，本文算法改善了ＩＦ算法的局部　［５］　Ｎｏｎｌｉｎｅａｒ／Ｎｏｎ—Ｇａｕｓｓｉｎ　Ｂａｙｅｓｉａａｎ　Ｔｒａｃｋｉｎｇ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ　ｏｎ　Ｓｉｎａｌｇ　Ｐｒｏｃｅｓｓｉｎｇ，２００２，５０（５）：１０６５—１０７６．　Ｒ　Ｃ　Ｅｂｅｒｈａｒｔ．Ｐａｒｔｉｃｌｅ　Ｓｗａｒｍ　Ｏｐｔｉｍｉｚａｔｉｏｎ：Ｄｅｖｅｌｏｐｍｅｎｔｓ，Ａｐｐｌｉ－　ｃａｔｉｏｎｓ　ａｎｄ　Ｒｅｓｏｕｒｃｅｓ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆｔｈｅ　ＩＥＥＥ　Ｃｏｎｇｒｅｓｓ　ｏｎ　Ｅｖｏｌｕｔｉｏｎａｒｙ　Ｃｏｍｐｕｔａｔｉｏｎ．２００１．８１—８６．　收敛性；尤其在小信噪比和信道时变较快的情况下，本文算　法较ＩＦ算法性能有明显的改进；在任何情况下，本文算法都　表现出较卡尔曼滤波更好的性能。　［６］　Ｗ　Ｃ　Ｊａｋｅ，Ｍｉｃｒｏｗａｖｅ　Ｍｏｂｉｌｅ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｍ］．Ｎｅｗ　Ｙｏｒｋ：　Ｗｉｌｅｙ，１９７４．　［作者简介］　参考文献：　［１］ＧｅｏｒｇｉＯＳ　Ｂ，Ｇｉａｎｎａｋｉｓ等著，刘郁林，等译．无线通信与移动通　信中信号处理研究的新进展［Ｍ］．北京：电子工业出版　社．２００４．　宋涛（１９７９．１ｌ一），男（汉族），山东菏泽人，西　北工业大学在读博士，主要研究方向为ＭＩＭＯ系统　关键技术。　曾算法研究　渊（１９７７一），男（汉族），陕西人，西北工业大　［２］　Ｊｉｔｅｎｄｒａ　Ｋ　Ｔｕｇｎａｉｔ．Ｉｄｅｎｔｉｉｆｃａｔｉｏｎ　ａｎｄ　Ｄｅｖｏｌｕｔｉｏｎ　ｏｆ　Ｍｕｌｔｉｃｈａｎｎｅｌ　Ｌｉｎｅａｒ　Ｎｏｎ—Ｇａｕｓｓｉａｎ　Ｐｒｏｃｅｓｓｅｓ　ｕｓｉｎｇ　Ｈｉｇｈｅｒ　Ｏｒｄｅｒ　Ｓｔａｔｉｓｔｉｃｓ　ａｎｄ　学电子信息学院博士研究生，主要从事电磁场优化　Ｉｎｖｅｒｓｅ　Ｆｉｌｔｅｒ　Ｃｒｉｔｅｒｉａ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ　ｏｎ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，　１９９７，４５（４）：６５８—６７２．　许家栋（１９４８一），男（汉族），安徽人，博士，西北工业大学电子信　息学院教授，博导，主要研究方向包括电磁计算、微波通信等。　［３］　Ｓ　Ｈａｙｋｉｎ，ｅｔ　ａ１．Ａｄａｐｔｉｖｅ　ｔｒａｃｋｉｎｇ　ｏｆｌｉｎｅａｒ—ｖａｒｉａｎｔ　ｓｙｓｔｅｍｓ　ｂｙ　ｅｘ－　ｔｅｎｄ　ＲＬＳ　ａｌｇｏｒｉｔｈｍｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ　ｏｎ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，１９９７，　４５（６）：１１１８—１１２８．　（上接第２９８页）　［５］　Ｔ　Ｓｔａｔｈｏｐｏｕｌｏｓ，Ａ　Ｂａｓｋａｒａｎ．Ｃｏｍｐｕｔｅｒ　ｓｉｍｕｌａｔｉｏｎ　ｏｆ　ｗｉｎｄ　ｅｎｖｉｒｏｎ－　ｍｅｎｔｌａ　ｃｏｎｄｉｔｉｏｎｓ　ａｒｏｕｎｄ　ｂｕｉｌｄｉｎｇｓ［Ｊ］．Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｔｒｕｃｔｕｒｅｓ，　５结论　１）运用数值模拟技术，可以在整个计算区域内计算出所　有的流动参数，为建筑设计部门提供详尽的规划初期信息；　２）从数值模拟的结果看，最大风速出现在通道入口处，　流速较弱，ＩＡ、Ｌ２、Ｌ３、Ｌ４、Ｌ５、Ｌ６上除了入口处的风速比大于　１．０外，其余区域均小于１．０，说明由于建筑物的遮蔽效应使　得当地的风速降低；同时，随着建筑高度的增加，人行高度处　的风速也相应减弱。这和风洞试验值相互吻合。　［７］　１９９６，５４（５５）：５１５—５２５．　［６］　陶文铨．数值传热学［Ｍ］．西安：西安交通大学出版社，１９８８．　Ｔ　Ｓｔａｔｈｏｐｏｕｌｏｓ，Ｈ　Ｗｕ．Ｇｅｎｅｔｉｃ　ｍｏｄｅｌｓ　ｆｏｒ　ｐｅｄｅｓｔｉｒａｎ—ｌｅｖｅｌ　ｗｉｄｓ　ｉｎ　ｂｕｉｌｔ—ｕｐ　ｅｇｒｉｏｎｓ［Ｊ］．Ｊ．Ｗｉｎｄ　Ｅｎｇ．Ｉｎｄｕｓ．Ａｅｒｏｄｙｎ．，２００５，　４０：６１７—６３１．　［８］　孙少鹏，杨蚱生，非结构网格生成技术的研究［Ｊ］．空气动力　学学报，１９９６，１４（１）：１９—２５．　［９］　Ｃ　Ｈ　Ｈｕ．Ｆ　Ｗａｎｇ．ｕｓｉｎｇ　ａ　ＣＦＤ　ａｐｐｒｏａｃｈ　ｆｏｒ　ｔｈｅ　ｓｔｕｄｙ　ｏｆ　ｓｔｅｅｔ—　ｒｌｅｖｅｌ　ｗｉｎｄｓ　ｉｎ　ａ　ｂｕｉｌｔ—ｕｐ　ａｒｅａ［Ｊ］．Ｂｕｉｌｄｉｎｇ　ａｎｄ　Ｅｎｖｉｏｎｍｅｎｔ，ｒ　２００５，１４（１）：１９—２５．　３）从整体上讲，数值计算值和风洞试验相比偏大，结果　偏保守，这与边界条件、ｋ和８的设定偏于保守及湍流模型　的选定有关；另外复杂流动区域的测量技术也有待提高。　参考文献：　［１］　Ｓ　Ｍｕｒａｋａｍｉ．Ｃｕｒｒｅｎｔ　ｓｔａｔｕｓ　ａｎｄ　ｆｕｔｕｒｅ　ｔｒｅｎｄｓ　ｉｎ　ｃｏｍｐｕｔａｔｉｏｎａｌ　ｗｉｎｄ　ｅｎｇｉｎｅｅｒｉｎｇ［Ｊ］．Ｊ．Ｗｉｎｄ　Ｅｎｇ．Ｉｎｄｕｓ．Ａｅｒｏｄｙｎ．，１９９７，　６７＆６８：３—３４．　［１Ｏ］　Ｖ　Ｙａｋｈｏｔ，ｅｔ　ａ１．Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｔｕｒｂｕｌｅｎｃｅ　ｍｏｄｅｌｓ　ｆｏｒ　ｓｈｅａｒ　ｌｆｏｗｓ　ｂｙ　ａ　ｄｏｕｂｌｅ　ｅｘｐａｎｓｉｏｎ　ｔｅｃｈｎｉｑｕｅ［Ｊ］．Ｐｈｙｓｉｃｓ　ｏｆ　Ｆｌｕｉｄｓ，　１９９２，Ａ４：１５１０—１５２０．　Ｌ　Ｍ　Ｓｍｉｔｈ．Ｓ　Ｌ　Ｗｏｏｄｒｕｆｆ．Ｒｅｎｏｒｍａｌｉｚａｔｉｏｎ—ｇｒｏｕｐ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｕｒｂｕｌｅｎｃｅ［Ｊ］．Ａｎ．Ｒｅｖ．Ｆｌｕｉｄ　Ｍｅｃｈ，１９９８，３０：２７５—３１０．　［作者简介］　马　剑（１９７２一），男（汉族），浙江嵊州人，硕士，讲　师，主要从事ＣＡＤ及流体力学的数值模拟研究。　［２］Ｈ　Ｐｉｎｇ．Ｎｕｍｅｒｉｃａｌ　ｓｉｍｕｌａｔｉｏｎ　ｏｆａｉｒｆｌｏｗ　ｉｎ　ａ　ｕｒｂａｎ　ａｒｅａ　ｗｉｔｈ　ｒｅｇｕ－　ｌａｄｙ　ａｌｉｎｅｄ　ｂｌｏｇｃｋ［Ｊ］．Ｊ．Ｗｉｎｄ　Ｅｎｇ．Ｉｎｄｕｓ．Ａｅｒｏｄｙｎ．，１９９７，　６７：２８１—２９１．　舒欣（１９６９一），女（汉族），安徽绩溪人，硕士，讲　［３］谢晓敏，黄震，王嘉松．建筑物顶部形状对街道峡谷内污染物　扩散影响的研究［Ｊ］．空气动力学学报，２００５，２３（１）：１０８　一师。主要从事ＣＡＤ及计算机仿真的研究。　杨友东（１９７０一），男（汉族），江苏南通人，博士研　究生，副教授，主要从事ＣＡＤ及计算机仿真的研究。　ｌｌ３．　［４］　Ｃ　Ｈ　Ｃｈａｎｇ，Ｒ　Ｎ　Ｍｅｍｎｅｙ．Ｃｏｎｃｅｎｔｒａｔｉｏｎ　ａｎｄ　ｆｌｏｗ　ｄｉｓｔｒｉｂｕｔｉｏｎｓ　ｉｎ　ｕｒｂａｎ　ｓｔｒｅｅｔ　ｃａｎｙｏｎｓ：ｗｉｎｄ—ｔｕｎｎｅｌ　ａｎｄ　ｃｏｍｐｕｔａｔｉｏｎａｌ　ｄａｔａ［Ｊ］．　Ｊ．Ｗｉｎｄ　Ｅｎｇ．Ｉｎｄｕｓ．Ａｅｒｏｄｙｎ．，２００３，９１：ｌ１４１一ｌ１５４．　一３０７—