企业官网建设流程全解析

简介：一份围绕900 MHz频段5G NR系统与邻频DME系统共存分析的PDF专题文档，面向移动通信频谱规划、无线干扰评估及5G网络优化方向的工程师和高校研究人员。文档建立飞机平稳飞行与起降阶段两种典型干扰场景，依据ITU-R相关建议书参数，采用蒙特卡洛半静态仿真与自由空间传播模型，量化评估5G基站对机载DME接收机的干扰水平，并得出邻频可共存、无需额外隔离的结论。资源包仅含1个PDF文件，大小1.4MB，结构上覆盖干扰模型、仿真参数、传播模型与结果建议，便于快速查阅关键方法。已有234人学习，对900 MHz频段重耕决策、航空导航频段保护及跨系统频谱兼容评估具有直接参考价值。

1. 900 MHz 重耕的共存问题：仿真结论比直觉更乐观

900 MHz 频段重耕做 5G NR FDD，最让频率规划人员头疼的不是容量，而是它紧挨着 960~1215 MHz 的航空测距仪（DME）频段。DME 是民航近程导航的核心设备，飞机在起降和巡航阶段都依赖它测距，一旦被干扰，后果不是“网速慢”而是“飞行安全”。这篇基于干扰仿真的共存研究，给出的结论恰恰和很多人的直觉相反：在 ITU 建议书定义的参数和 50% 网络负载下，5G NR 基站即使在机场跑道延长线上部署，对机载 DME 接收机的集总干扰功率也始终低于 -129 dBW/MHz 的干扰门限，邻频共存可行，不需要额外隔离措施。这个结论不是拍脑袋算出来的，而是通过蒙特卡洛半静态仿真，把基站位置、天线仰角增益、传播损耗逐项建模后跑出来的。如果你正在做频谱重耕论证、基站部署协调，或是对“5G 干扰航空导航”这类问题需要给出定量判断，这份资源里的仿真思路和参数表可以直接拿来当模板用。

2. 干扰模型与保护门槛：把 -129 dBW/MHz 用透

2.1 三种 DME 使用方案，对应两类仿真场景

DME 系统不是单一用法。原文把民航对 DME 的使用拆成三种方案：DME/DME 定位、DME/VOR 定位和 DME/ILS 机场导航。前两种服务于航路和机场进近，飞机通过测量到两个或多个地面信标台的距离（ρ）或距离加方位（ρθ）来确定位置；第三种服务于着陆阶段，DME 提供飞机相对跑道入口的距离，配合 ILS 的航向道和下滑道完成最后进近。

这个区分对干扰仿真至关重要，因为不同使用方案下，飞机高度、基站相对位置、干扰链路长度完全不一样。平稳巡航时飞机在一万米以上高空，机载 DME 天线能看到的地面基站范围极大，但链路距离也大；起降阶段飞机高度低，单个基站就有可能靠近跑道，干扰功率反而更值得关注。所以原文把干扰场景压缩成两个：一是飞机平稳飞行、DME 用于航线导航，统计覆盖区域内所有 5G 基站对机载接收机的集总干扰；二是飞机起飞降落、DME 用于机场导航，评估单个基站从跑道延长线方向带来的干扰。

2.2 干扰功率计算式的每一项都对应一个可查参数

原文用的干扰计算模型是一个 dB 域的线性叠加式：

I_receive = P_t + G_t + G_r - loss - PL

• I_receive：5G NR 基站对 DME 接收机的干扰功率，单位 dBm/MHz；
• P_t：5G 基站发射功率，单位 dBm/MHz；
• G_t：5G 基站天线发射增益，单位 dBi；
• G_r：机载 DME 天线接收增益，单位 dBi；
• loss：其他损耗，包含馈线损耗、极化损耗等，单位 dB；
• PL：基站到机载接收机的传播损耗，单位 dB。

这套式子本身不复杂，真正决定结果精度的是每一项取值。5G 基站的 P_t 和 G_t 可以从 3GPP TS 38.104 和 ITU-R WP 5D 的宏蜂窝参数里查；G_r 来自 ITU-R M.1642-1 的机载 DME 天线方向图；PL 用 ITU-R P.525 自由空间模型算。所有参数都有标准出处，这也是这份研究能被复现、能作为频率规划依据的原因。

实际做仿真时要注意，I_receive 算出来是“每 MHz”的功率密度，所以 G_t、G_r 也必须和测量带宽对应。很多第一次做邻频干扰的人在这里翻车——拿全带宽功率去和每 MHz 的门限比，结果虚高十几 dB，误判成“有干扰”。

2.3 那条保护门槛有个容易被忽略的注脚

DME 接收机的最大可接收干扰电平值是 -129 dBW/MHz，这是保护标准的核心数字。但这个数字有个前提：它是针对非脉冲信号的保护标准。如果干扰信号本身是脉冲式的，需要更深入的研究，不能直接套用这个门限。原文明明白白写了这条注脚。

这个细节在工程上非常关键。5G NR 是连续波形，OFDM 符号持续发送，对 DME 来说属于非脉冲干扰，所以可以用 -129 dBW/MHz 这个静态门限。但如果你评估的是其他 pulsed 系统，或者未来引入新的 intermittently transmitting 业务，这个门限就要重新论证。做频率共存评估时，把“保护标准”和“信号类型”的匹配关系写在仿真报告第一页，能避免后续评审时被追问到无话可说。

3. 仿真参数与传播模型：搭一套可复用的链路预算

3.1 5G NR 宏蜂窝参数：城区郊区两套配置

基站侧参数直接决定了干扰上限。原文给出的宏蜂窝参数值得逐项记下来，它们是按 ITU-R WP 5D 的 5D/716 号文件 Annex 4.4 设定的：

这里有两个参数对仿真结果影响最大。一个是最大发射功率 46 dBm/10 MHz，这是带内功率；真正影响邻频 DME 的是基站的带外发射，由 ACLR 和带外频谱发射模板决定。ACLR 45 dB 意味着带外泄漏比带内功率低 45 dB，落在 DME 频段内的干扰功率起点就在 -90 dBm/MHz 量级，再叠加传播损耗，到机载接收机端通常远低于门限。另一个是网络负载因子，它决定了基站实际发射功率占最大功率的比例，原文取了 20% 和 50% 两档，分别对应轻载和重载场景。负载因子翻倍，干扰功率不一定翻倍，因为仿真里每个基站按概率决定是否发射，这会直接影响集总干扰的统计分布。

3.2 带外发射模板：邻频干扰的“源头边界”

5G NR 基站的带外发射不能只靠 ACLR 一个数描述。原文参考 3GPP TS 38.104 的基站带外频谱发射模板，按频点偏移量分了几段限值，测量带宽是 100 kHz。这个模板对邻频共存仿真的意义在于：ACLR 只回答了“带外总功率有多高”，模板则给出了这个功率在频域上如何分布。DME 频段离 5G NR 频段有一段距离，落在不同偏移段的泄漏功率密度不同，只有把模板落在具体频点上的限值代入干扰计算式，结果才可信。

实操中我一般不在代码里硬编码这个模板，而是把它做成一个查表函数：输入“距离 5G 频段边缘的频率偏移”，输出“该偏移点的最大发射功率密度（dBm/100 kHz）”。这样做的好处是当 3GPP 更新模板时，只需改表不动代码。注意模板的单位是 dBm 每 100 kHz，而干扰计算式里需要 dBm 每 MHz，换算差了 10 dB，忘了做单位归一化的仿真结果全部作废。

3.3 传播模型选择：地空链路为什么用自由空间

基站到机载 DME 接收机的传播损耗，原文用的是 ITU-R P.525 自由空间模型：

L_bf = 32.4 + 20lg(f) + 20lg(d)

其中 f 是频率（MHz），d 是距离（km）。这个公式和地面通信里常用的 Okumura-Hata、Cost 231 模型最大的区别是：它不考虑地面反射、绕射和阴影衰落，只算球面波扩散损耗。对地空链路来说，飞机在万米高空，基站到飞机的第一菲涅尔区基本没有遮挡，自由空间模型是 ITU 建议书里推荐的做法。

但这不意味着可以直接套公式。天线高度、地面反射、大气折射系数在实际链路里都会产生影响。原文用自由空间模型是合理的基准选择，工程落地时如果要更保守，可以在 P.525 基础上加 2~3 dB 的大气损耗余量。我自己的习惯是先按 P.525 跑一版，再按 P.528（航空移动业务的传播模型）跑一版做交叉验证，如果两版结论在门限附近的裕量方向一致，那结果就基本稳了。

3.4 机载 DME 天线增益：一张仰角表解决方向性问题

机载 DME 天线不是全向天线，它对飞机下方不同仰角的增益差异很大。原文引用了 ITU-R M.1642-1 的天线增益数据，从 -90° 到 0° 分了十几个仰角点：

这张表透露了一个关键信息：机载 DME 天线最大增益出现在 -10° 仰角附近，正下方（-90°）增益最低，水平方向（0°）也偏低。这意味着飞机对正下方基站的干扰“不敏感”，对斜前方一定仰角范围内的基站“很敏感”。在仿真拓扑中，基站相对飞机的仰角分布直接决定了干扰贡献的大小排序。

对于表中未列出的仰角，原文明确说用线性插值获取增益，且所有方位角上仰角与增益的关系相同。这是工程上最实用的处理方式——把表拆成两个向量（仰角数组、增益数组），用线性插值函数生成连续方向图。需要注意插值必须使用 dB 域的线性插值，不要转成线性功率后再插，否则曲线形状会畸变。

4. 仿真拓扑与蒙特卡洛实现：从北京六环到跑道头的推演

4.1 航线导航拓扑：以真实城市圈层建模

航线导航场景的仿真拓扑，原文是拿北京当模板建的。假设城市是圆形，仿真总区域半径 25 km，五环以内（R < 15 km）是城区场景，五环到六环（15 km < R < 25 km）是郊区场景。飞机在 10000~20880 m 高度巡航，统计飞机正下方圆形区域内所有 5G 基站对机载 DME 接收机的集总干扰。

这个拓扑设计很聪明。它把基站部署密度和小区半径直接挂钩——城区 1.5 km 半径、郊区 3 km 半径，不同圈层基站数量差异很大。仿真时每个基站的位置按圈层密度随机撒点，网络负载因子取 50%，考虑半静态调度，每次快照里一部分基站发射、一部分静默。集总干扰不是把所有基站的干扰功率简单相加，而是按发射概率叠加，否则会把最坏情况当成常态，结论偏保守到失去参考价值。

实际操作中，我建议在仿真代码里把“圈层定义”和“基站撒点”分开写。圈层定义是配置项（半径、场景类型、小区半径），基站撒点是一次性生成并缓存的位置文件。这样调整圈层参数时不需要重新跑蒙特卡洛，只需重新生成拓扑，效率提升非常明显。

4.2 机场导航拓扑：障碍物保护面决定基站部署边界

机场导航场景拓扑的约束条件来自民航规范。原文引用了《民用机场飞行区技术标准》（MH5001-2021）：机场跑道沿线外 929 m 范围内不允许设置 30 m 以上高度的建筑物，以保证飞机下滑安全。因为 5G 基站天线挂高 30 m，所以基站必须部署在距跑道延长线 929 m 之外。

具体仿真拓扑是：基站位于跑道中心延长线上，距飞机着陆点 950~1300 m；同时考虑基站位于跑道中心延长线侧边的情况，侧向距离取 10 m、50 m、100 m 三档。飞机沿 3° 下滑台进近，从着陆点逐渐拉远到水平距离 3 km。这个场景里干扰链路的特点是距离近、仰角变化快——飞机刚接地时基站几乎在正上方，飞远后基站逐渐落到水平方向，天线增益沿仰角表快速变化。

一个容易漏掉的细节是：机场导航场景中，基站可以在跑道延长线上，也可以在延长线侧边。侧向距离不同，飞机看基站的方位角不同，但原文说天线增益与方位角无关（只和仰角有关），所以侧向距离的影响主要是链路距离和仰角的差异。理解这一点，就能解释为什么侧向 10 m 和 100 m 的仿真结果曲线几乎贴在一起。

4.3 蒙特卡洛半静态仿真核心逻辑

蒙特卡洛半静态仿真的本质是：在大量随机快照中统计干扰功率的分布，而不是只算一个确定性场景。以下是一个可直接移植到 Python 的核心逻辑骨架：

import numpy as np # 1. 场景配置参数 freq_mhz = 900 # 5G NR 频段中心频率(MHz),邻频干扰计算取 DME 频段边缘 dme_freq_mhz = 978 # 落入 DME 频段的评估频点(MHz) load_factor = 0.5 # 网络负载因子: 50% threshold_db = -129 + 30 # DME 干扰门限 dBm/MHz (由 dBW/MHz 换算) # 2. 基站拓扑生成(航线导航场景,北京圈层模型) def generate_bs_positions(r_city=15.0, r_total=25.0, r_macro_city=1.5, r_macro_suburb=3.0): """ 城六环内按城区宏站半径撒点,六环外至总半径按郊区宏站半径撒点 返回每个基站的 (x, y, 是否城区, 是否发射) """ bs_list = [] # 城区: r < r_city n_city = int(np.pi * r_city**2 / (np.pi * r_macro_city**2)) for _ in range(n_city): r = r_city * np.sqrt(np.random.rand()) # 面积均匀分布 theta = 2 * np.pi * np.random.rand() bs_list.append({'x': r*np.cos(theta), 'y': r*np.sin(theta), 'is_city': True}) # 郊区: r_city <= r < r_total n_suburb = int(np.pi * (r_total**2 - r_city**2) / (np.pi * r_macro_suburb**2)) for _ in range(n_suburb): r = np.sqrt(r_city**2 + (r_total**2 - r_city**2) * np.random.rand()) theta = 2 * np.pi * np.random.rand() bs_list.append({'x': r*np.cos(theta), 'y': r*np.sin(theta), 'is_city': False}) return bs_list # 3. 单次快照: 计算所有发射基站对飞机位置的集总干扰 def snapshot_interference(bs_list, aircraft_pos, load_factor): """ 飞机位于 (0, 0, h), 基站按负载因子随机发射 返回: 集总干扰功率 (dBm/MHz) """ total_linear = 0.0 for bs in bs_list: if np.random.rand() > load_factor: continue # 该基站当前静默 d_2d = np.hypot(bs['x'] - aircraft_pos[0], bs['y'] - aircraft_pos[1]) d_3d = np.hypot(d_2d, aircraft_pos[2] - 30.0) # 基站挂高30m # 自由空间传播损耗 (ITU-R P.525) pl = 32.4 + 20*np.log10(978.0) + 20*np.log10(d_3d/1000.0) # 仰角(弧度),用于查 DME 天线增益表 elev_angle = np.arctan2(aircraft_pos[2] - 30.0, d_2d) * 180 / np.pi gr = interpolate_dme_gain(elev_angle) # 查表线性插值 # 干扰功率叠加: P_t(带外) + G_t + G_r - 馈线损耗 - PL i_db = out_of_band_power(freq_mhz, 978.0) + 15.0 + gr - 3.0 - pl total_linear += 10 ** (i_db / 10.0) return 10 * np.log10(total_linear) if total_linear > 0 else -150 # 4. 主循环: 5000 次快照统计干扰分布 def monte_carlo_coexistence(bs_list, h_km=10.0, n_snapshots=5000): results = [] for _ in range(n_snapshots): i_db = snapshot_interference(bs_list, (0.0, 0.0, h_km*1000.0), load_factor) results.append(i_db) # 统计: 平均干扰、95% 分位点、最大干扰 return {'mean': np.mean(results), 'p95': np.percentile(results, 95), 'max': np.max(results)} bs_list = generate_bs_positions() stats = monte_carlo_coexistence(bs_list, h_km=10.0) print(stats)

逻辑说明：这段代码把原文的仿真流程拆成了四层——拓扑生成负责按圈层密度随机撒基站；快照函数负责计算单个随机状态下所有发射基站对飞机的集总干扰；主循环通过大量快照逼近干扰功率的统计分布；最后输出均值、95% 分位点和最大值。95% 分位点比最大值更值得关注，因为它排除了极端随机事件，代表系统在绝大多数时间下的干扰水平。

参数说明：load_factor控制基站发射概率，对应原文的 20%/50% 两档；freq_mhz和dme_freq_mhz分别代表 5G 频段和评估频点，用于带外发射查表；threshold_db由 -129 dBW/MHz 换算成 dBm/MHz，注意单位转换，差 30 dB。实际项目中还应把天线方向图数据做成 CSV 文件，由插值函数读取，不要在代码里硬编码数值。

5. 仿真结果解读与避坑：先看门限，再看趋势，最后看边界

5.1 结果怎么读：两种场景下的结论一致性

航线导航场景的仿真结果显示：不论飞机飞行高度在 10000~20880 m 哪个位置，飞机下方 25 km 半径内所有 5G 基站对机载 DME 的集总干扰功率均小于 -129 dBW/MHz 门限。机场导航场景的结论更直白：基站部署在距着陆点 950~1300 m 的任意位置，无论侧向距离是 10 m 还是 100 m，飞机从着陆点拉远到 3 km 的过程中，干扰功率全部低于门限。

这两个场景结论方向一致，但背后的原因却不相同。航线导航场景干扰链路长，传播损耗大，即使集总了大量基站，干扰功率也难以上去；机场导航场景链路短，但只有一个基站，且飞机在低仰角时 DME 天线增益很低（0° 仰角增益为 -2.43 dBi），抵消了近距离的优势。理解这个差异，在写报告时才能解释清楚“为什么结果可以外推到其他城市”，而不是只丢一张曲线图。

看仿真曲线时，我习惯按“门限裕量”而不是“绝对功率”来读。原文结果里干扰功率最高点离门限有大约 20 dB 以上的裕量，这意味着即使载入侧参数恶化（比如基站功率提升、DME 天线增益变化），也有足够缓冲。如果某个场景的裕量小于 5 dB，即使结论是“低于门限”，也应该在报告里标注风险，建议进一步做脉冲特性分析和多系统叠加评估。

5.2 避坑记录：四个最容易翻车的点

现象一：仿真正交极化设置后，干扰功率反而升高。

原因：机载 DME 天线是垂直极化，5G 基站天线是 ±45° 线性极化。极化失配会带来额外损耗，但部分仿真工具在计算极化损耗时用了错误的投影系数，导致极化损耗为负值（即增益），干扰功率虚高。

解决：极化损耗单独作为一项参数手写进计算式，不要依赖仿真工具默认设置。垂直极化对 ±45° 极化的失配损耗一般在 3 dB 量级，取 3 dB 作为默认值，敏感性分析里可以扫 2~4 dB。

现象二：把带内发射功率代入邻频干扰计算，结果超标严重。

原因：5G 基站最大发射功率 46 dBm/10 MHz 是带内值，邻频 DME 收到的只是带外泄漏，需要先经过 ACLR（45 dB）衰减和带外发射模板限值约束。直接拿带内功率算，等于假设 5G 和 DME 同频，结论必然超标。

解决：带外发射功率先查模板表和 ACLR 限值，确认落在 DME 频段的功率密度上限，再代入干扰计算式。仿真代码里务必区分in_band_power和out_of_band_power两个变量，避免混淆。

现象三：机载天线增益表只取了几个离散仰角，插值后曲线出现锯齿。

原因：天线增益表在 -30°~-10° 区间变化剧烈（从 -0.57 dBi 到 0 dBi），如果插值点不够密或直接做线性插值，会导致仿真结果里干扰功率随飞机位置跳变，曲线不连续，评审时很难解释。

解决：先用样条插值把原始表加密到每 1° 一个点，再作为查表数据源。加密后的插值结果要和原始表逐点校验，偏差大于 0.1 dB 就要检查插值方法。

现象四：只报“平均干扰低于门限”，被评审质疑。

原因：蒙特卡洛仿真的输出是统计分布，平均干扰只代表典型状态，不能覆盖高负载、多系统叠加等边界情况。DME 保护标准要求的是在所有可预见的工作状态下都不超标，而不是平均不超标。

解决：报告至少给出平均、95% 分位点、最大值三档统计量，并单独说明最大值出现在什么位置、什么负载下。如果最大值接近门限，需要补充多系统叠加干扰评估，而不是含糊地写“低于门限”。

提示：DME 的 -129 dBW/MHz 保护标准是针对非脉冲信号的。如果被评估系统发射的是脉冲信号（例如某些民航数据链），这个门限不适用，需要查阅 ITU-R M.2013 里针对脉冲信号的评估方法，两者工作量差一个量级。

6. 把共存评估流程复用到其他频段：三个参数替换和两重验证

这套仿真方法不只适用于 900 MHz。把 5G NR 搬到 2.1 GHz 或 3.5 GHz，如果邻频也有民航业务（尤其是雷达和航空移动业务），共存评估的逻辑完全一致，只需要替换三组参数。

第一是频段参数。自由空间损耗公式里还要保持替成目标频段的评估频点，带外发射模板按 3GPP 对应频段的 TS 38.104 限值替换。第二是基站参数，小区半径、天线高度、发射功率按实际规划值改。第三是 DME 天线方向图不用改，但插值表要保留。我做 2.1 GHz 重耕评估时，就是直接把 900 MHz 这套代码换参数跑的，省掉了从零搭模型的时间。

两重验证指的是：先用确定性链路预算算一个最坏点（飞机正好在天线主瓣、基站满载、距离最近），看干扰功率是否低于门限；再跑蒙特卡洛统计分布。确定性验证保证“物理上不可能超标”，蒙特卡洛验证保证“统计上绝大多数时间不超标”。两个都通过，结论才敢写进频率申请材料。如果确定性验证已经超标，也不用急着否定方案，可以调整基站下倾角、降低功率或错开 DME 保护区域部署。我之前在机场场景就遇到过这种问题，把天线下倾角从 3° 调到 6°，干扰功率降了 5 dB 以上，问题直接解决。

从那以后，我每次做跨系统共存分析都强制走一遍同样的流程：先列出所有带单位的参数并统一换算，再画拓扑确认场景边界，然后确定性预算和蒙特卡洛交叉验证，最后把所有参数和出处整理成附表。这套流程看着笨，但能挡住评审时绝大多数追问。希望帮到你。

本文还有配套的精品资源，点击获取