企业官网建设流程全解析

简介：这是一份面向无线通信与电信工程领域的朗利-赖斯（Longley-Rice）模型计算工具包，基于综合电信模型（ITM）实现传输损耗预测，适用于基站布局、频率规划、网络覆盖优化等任务。压缩包共有两个文件，一个为用C++语言编写的动态链接库源代码，方便技术人员研读核心算法或进行二次开发；另一个为视窗系统安装程序，运行后即可在本地完成链路损耗计算。整个资源包体积仅四点零五兆，轻量且易于获取，目前已有七百一十人学习。借助这份工具，使用者能深入掌握朗利-赖斯模型如何综合信号频率、传播距离、极化方向、天线高度、表面绕射率以及地面导电常数等参数来估算路径损耗；同时，通过安装版工具可完成输入参数设置、地形影响分析、多径效应评估与输出报告生成，为无线网络的科学规划与优化提供量化支撑。

1. 看到 ITMc.zip 先别急着解压：ITM 与 Longley Rice 是同一套预测模型的三个名字

看到 ITMc.zip 这个压缩包名，别急着双击解压，先把它当成一张地图来读：ITM 是 Irregualar Terrain Model（不规则地形模型），也就是通信行业里常说的 Longley-Rice 模型。1968 年由 Longley 和 Rice 提出，后来被反复移植成 C 语言实现，直到今天，电台、广电和专网通信做覆盖测算时仍然把它当作起步工具。它解决的问题非常具体：给定频率、收发天线高度和一段地形的不规则程度 Δh，估算两点之间信号会被吃掉多少 dB。和自由空间模型不一样，ITM 天生处理的是山丘、树林和起伏地貌，甚至不需要完整的高程数据，一个 Δh 就能跑。项目早期想回答“这个山头能不能收到信号”“中继站该架多高”，又不想立刻陷入数字高程模型工程里，ITM 值得先跑起来。这篇笔记适合正在选型、准备做链路预算或刚拿到 Longley Rice 源码包的从业者。

2. ITM 与 Longley Rice 的原理骨架：从视距、绕射到散射的三段式预测

2.1 为什么不能用平面地球：K 因子与等效地球半径

很多第一次碰 Longley Rice 的人会有一个疑问：算个 10 公里、20 公里的链路，为什么不直接套自由空间公式，非要搞一个 1968 年的老模型？关键在于大气折射。电波在对流层里走的是弧线，不是直线。标准大气条件下，折射会让电波弯向地面，等效于地球半径变大了约 4/3 倍，这个比例就是 K 因子。ITM 内部几乎每一步损耗计算都基于这个“等效地球半径”，视距边界的判断也由它决定。

等效视距距离可以用一个很实用的经验式来估计：d_los ≈ √(17·h_t) + √(17·h_r)，单位是公里，h_t 与 h_r 是收发天线海拔高度。比如发射天线海拔 60 米，接收天线 3 米，视距边界大约是 √(1020) + √(51) ≈ 31.9 + 7.1 = 39 公里。注意这里的 17 就是 K=4/3 那组常数化简出来的。ITM 在“视线可见”和“视线被挡”的判断上，用的正是这类等效关系，而不是拿平面几何硬算。

2.2 三段传播机制：视距、绕射、散射的边界与过渡

Longley Rice 的损耗预测按接收点所处的传播区段分开算，再在区段边界做平滑过渡。第一段是视距区，此时损耗接近自由空间损耗加一个与距离相关的偏移项；第二段是绕射区，从地物遮挡开始，损耗显著抬升；第三段是散射区，进入对流层散射主导的区域，损耗随距离增长变得平缓，但绝对值很高。

绕射区是 ITM 最核心的地盘。它把地表的不规则起伏近似成一组刃形障碍物，利用刃形绕射损耗逐级叠加。地形越碎、Δh 越大，等效障碍物越多，损耗就越高。这也是为什么两个同样的直线距离、同样的天线高度，在山地和平原预测结果会差出 20 dB 以上。散射区则使用了基于对流层不均匀体的经验散射公式，这部分对大多数 VHF/UHF 专网链路来说已经超出实际覆盖半径，但在应对超远距离干扰预测时不能忽略。

2.3 五个你必须拿捏的输入参数：频率、高度、Δh、极化与气候

ITM 的输入参数看似一大串，真正决定预测走向的核心只有五个，其余用默认值就行。频率决定传播机制，20 MHz 到 20 GHz 是模型声明的适用范围，但实践经验是 40 MHz 到 10 GHz 之间最可靠。天线高度必须是海拔高度，不是铁塔高度，这一条后面专门展开。Δh 是地形不规则度，单位米，取值范围通常在 10 到 150 之间，开阔平原可以低到 5，丘陵地带按 30 到 90 取。极化分水平与垂直，对高频段影响较小，VHF 以下影响变大。气候区影响大气折射与湿度的统计特性，内陆干燥地区与沿海海洋性气候能差出十几二十 dB。

一个典型参数取值可以让概念落地：频率 150 MHz，发射天线海拔 60 米，接收天线 3 米，距离 15 公里，Δh 取 30 米，水平极化，大陆温带气候，Ns 折射率取 301，地面相对介电常数 15，电导率 0.005 S/m。这套配置就是一台乡村中继台“看得见又不太平”的典型链路。把所有参数写进同一张配置表，是后面一切批量计算的基础。

2.4 ITM 输出的是什么：传输损耗、场强与时间/位置概率

ITM 给出的不是单一数字，而是一组分位数结果。最常见的输出是一组“中值”预测，对应 50% 时间、50% 地点下损耗或场强中值。规划链路时通常还要看 90% 时间、90% 位置下的损耗余量。有些命令行版本要求输入 time confidence 和 location confidence，含义就是你要为“更差的时间条件”和“更差的位置条件”各预留多少统计余量。

输出列通常包括路径损耗 L（单位 dB）和场强 E（单位 dBμV/m）。两者可以换算，但不同移植版本输出顺序千差万别，有的先打印 L 再打印 E，有的反过来。碰到这种不确定性，老老实实打开源码头部注释，找到那几行变量说明，再决定取第几列。这里踩一次坑，胜过后面几十次返工。

3. 跑通 ITMc.zip 的最小流程：解压、编译、命令行与输出解读

3.1 解压与编译：把 C 源码变成可执行文件

拿到 ITMc.zip 之后，先看包里有几个关键文件，一般你会看到 itm.c、itm.h、可能还有 Makefile 或 readme。如果包里有 Makefile，直接make就能完成编译；如果没有，手动编译也不复杂：

unzip ITMc.zip cd ITMc # 主文件可能是 itm.c 或 itmc.c，以实际解压结果为准 gcc -O2 -o itm itm.c -lm

这里-lm链接数学库，绕射和对数计算离不开它；-O2开启优化，让浮点计算更稳定。如果编译报“未定义的引用”，先检查是不是少加了-lm；如果报 warning 但不影响生成可执行文件，多数是变量类型转换，可以先用着。不同 Linux 发行版对浮点舍入的处理略有差异，建议固定一个编译环境和编译参数，保证预测结果能追溯。

3.2 最小预测命令：参数顺序比参数值更容易翻车

ITM 的命令行版本一般是按固定顺序吃参数，常见顺序是频率、发射天线海拔、接收天线海拔、距离、Δh、极化、气候区，后面再接 Ns、介电常数、电导率。一个最小调用长这样：

./itm 150.0 60.0 3.0 15.0 30.0 1 5

参数依次解释：150 MHz 频率；60 米发射天线海拔；3 米接收天线海拔；15 公里链路距离；30 米地形不规则度；1 表示水平极化（0 为垂直极化）；5 表示大陆温带气候。如果程序直接打印一行数字，说明参数够了；如果提示缺参数，就把三个地面常数补上：

./itm 150.0 60.0 3.0 15.0 30.0 1 5 301.0 15.0 0.005

其中 301.0 是标准大气折射率 Ns，15.0 是地面相对介电常数，0.005 是地面电导率单位 S/m。这套取值对应普通农田或干燥土壤，做通用预测够用，不需要每个链路都改。

3.3 批量预测一条链路的损耗曲线：距离从 1 跑到 50 公里

点对点只算一个距离没太大意义，工程上更常用的是整条链路的损耗曲线。用 shell 循环就能做这件事：

for km in $(seq 1 5 50); do echo "150.0 60.0 3.0 $km 30.0 1 5 301.0 15.0 0.005" | ./itm done

这段循环从 1 公里跑到 50 公里，步进 5 公里，把每一次的预测结果打印到屏幕。如果要存成文件，在后面加> pred_curve.txt。注意管道传给./itm时没有换行符问题，每行一个距离参数，程序会按行读取并各自输出。批量生成曲线后，链路预算就能直接核对：哪个距离上余量开始变负，覆盖半径就在哪里。

3.4 输出字段怎么读：从 L 到接收功率再到链路余量

程序打印出来的数字要对应到物理含义。假设输出中某一行包含 15.0 和 125.3，前者通常是你回传的距离，后者就是路径损耗 L。接收功率等于发射端 EIRP 减去 L：如果发射端等效全向辐射功率是 47 dBm，路径损耗 125.3 dB，接收功率就是 47 − 125.3 = −78.3 dBm。手台灵敏度如果是 −110 dBm，余量 31.7 dB，链路非常宽裕。

实际使用时我不建议只信一个中值输出。找找命令行最后的参数，看能不能传入时间概率和位置概率，把 90% 时间、90% 位置的损耗也算出来，那个数字才是设计门限时真正要用来卡点儿的。不同版本支持的置信度参数位置不一样，以源码里 usage 注释为准，别想当然。

4. 把参数从“能跑”修正到“可信”：天线海拔、Δh 与气候区的实战取值

4.1 天线高度是海拔，不是“塔高加挂高”这么简单

ITM 里的 h_t 和 h_r 指的是天线所在地面对平均海平面的海拔加上天线挂高，也就是天线的绝对海拔高度。很多工程师直接把铁塔高度填进去，比如塔高 60 米就在参数里写 60，完全忽略站点所在地面海拔是 800 米还是 10 米。这两种参数填法得出的结果可以差到 20 dB 以上，因为 ITM 的绕射计算对收发天线相对地形的高差极度敏感。

我一般的做法是建立站点台账，至少包含站名、经度、纬度、地面海拔、天线挂高四列，脚本读入后自动相加再传给 ITM。这样即使后面要换站址，也不会留下“某个历史报告高度取值口径不明”的黑洞。还有一条经验：ITM 声明支持 0.5 到 3000 米天线高度，但超过 1500 米时电波传播机制已经偏向超视距，建议谨慎使用，不能盲目外推。

4.2 用地理信息工具算 Δh：30 公里窗口的百分位法

Δh 的定义是路径附近地形高程的统计离散程度。规范做法是在发射点周围 10 到 50 公里范围内取一个约 30 公里的滑动窗口，统计窗口内地形剖面高程的 10% 与 90% 分位值之差。工程上更简单的方式，是在地理信息软件里以路径中段为中心拉一个半径 30 公里的面，统计这个面内所有高程像元的 P90 减去 P10。两种做法结果接近，后者更省事。

加载 SRTM 30 米或 90 米 DEM 后，用一段 Python 配合 rasterio 和 numpy 就能直接出数：

import rasterio import numpy as np dataset = rasterio.open('srtm_30m.tif') dem = dataset.read(1).astype(float) valid = dem[(dem > -9999) & np.isfinite(dem)] h90 = np.percentile(valid, 90) h10 = np.percentile(valid, 10) print(f"delta_h = {h90 - h10:.1f} m")

脚本逻辑是先读出 DEM 第一波段，把 NoData 和异常值过滤掉，再对有效像元做分位数统计。注意 DEM 范围必须是路径周边 30 公里窗口，不是整个省或全国范围；窗口越大，Δh 越偏平原，预测越乐观。丘陵地带 30 公里窗口算出的 Δh 通常在 20 到 80 米之间，要是结果超过 150 米，先怀疑 DEM 里混进了 NoData 或湖泊水面，不要急着质疑模型。

4.3 气候区与极化：两个容易被轻视的小参数

气候区这个参数在多数开源版本里用数字编号，常见的编号含义是：1 赤道、2 大陆副热带、3 海洋副热带、4 沙漠、5 大陆温带、6 沿海陆地、7 海洋上。不同移植版本偶尔会调整编号顺序，所以写进脚本之前先对源码注释。气候区的影响主要体现在大气折射率随时间变化的统计特性上，内陆干燥地区用 5，沿海城市用 6，海上链路用 7，这能让预测从“中值”变成“带概率尾巴的中值”。

极化参数在 UHF 以上对路径损耗影响不大，但 VHF 以下差距能到几个 dB，尤其在地波传播和绕射边缘。一般根据实际天线类型来填：垂直极化鞭状天线填 0，水平极化天线填 1。很多调参现场翻车不是因为模型错了，而是把两个参数的位置填反了，导致原本想用垂直极化，命令里却写的 1。

4.4 用预测与实测的残差反向修正参数

模型算完不等于工作结束。任何一个用过 Longley Rice 的工程师都会告诉你：预测是中值，真实环境会有系统偏差。正确做法是跑一轮现场频谱测试，对每个测试点位记录预测损耗与实测损耗，然后算残差：

import pandas as pd pred = pd.read_csv("pred_points.csv") meas = pd.read_csv("measure_points.csv") offset = pred["L"].median() - meas["L"].median() calibrated_L = pred["L"] - offset

残差的中位数如果接近 0，说明参数选得准；如果预测普遍比实测低 10 dB，说明模型在这个地形上过度乐观，链路预算就要加上 10 dB 余量。这个 offset 属于工程修正，不属于模型修正，我一般把它放在配置文件里维护，不直接改源码常数，保证预测结果可以随时回到“原始模型口径”复算。这种可追溯性，在评审和验收时远比一个“看起来更准”的黑匣子值钱。

5. 避坑与常见问题排查：ITM 跑出异常结果时先检查什么

5.1 现象：输出变成 NaN 或程序直接崩溃

程序打印出nan、-inf，或者跑到一半用非零退出码结束，最常见的原因是输入参数越界或参数错位。频率传了 0 或负数、距离传了 0、Δh 传了 0 都会导致内部对数项无定义；参数个数不对时，程序把下一列数据读成了科学常数，也会让浮点运算失控。

解决办法是在批量调用前面加一层参数校验脚本，把频率、高度、距离、Δh 的范围卡死，小于等于 0 直接拒绝执行。脚本文案不用复杂，一个简单的 shell 判断就能拦住大多数事故：

if ! awk "BEGIN{exit !($km>0 && $km<=2000)}"; then echo "distance out of range" continue fi

5.2 现象：近距预测损耗比自由空间还低，远距又过于保守

这几乎是 ITM 被吐槽最多的两个方向。近距时模型在视距区会叠加一个修正项，若拿到的版本没有正确做平滑过渡，输出的损耗可能低于同距离下的自由空间值，显然不合理；远距时绕射区对高地形过于敏感，预测往往明显高于实测。

原因要从模型本质看：ITM 是对历史统计数据拟合出的经验模型，它的“拟合”更照顾中远距离，近距视距区本就不是它的强项。解决方式是分层处理：1 公里以内的链路，用自由空间加 3 到 5 dB 工程余量直接代替 ITM；远距链路则参考实测残差引入修正 offset。更重要的是不要从某个在线工具里随手取一个数就算完，要自己把中值、时间余量、地点余量三组数据都拉出来对比。

5.3 现象：不同源码版本跑同样的参数，结果对不上

同一个 ITMc.zip 可能是从不同年代、不同移植链路上流传下来的，有的版本实现了完整的 Longley Rice 点对点模型，有的版本只保留了 area 模式近似算法，输出结果差距在 3 到 5 dB 之间完全正常。更隐蔽的是地面常数默认值不同：有的版本把 Ns 默认取 301，有的取 289，拿到手后没显式传入，输出自然不同。

处理原则是固定一个版本作为全组统一基线，任何时候出报告都写清楚“使用哪个源码包、哪些参数、什么编译环境”。如果必须对比多个版本，把同一条链路的输入参数完全对齐，再比较残差统计，而不是直接比较单个点。

5.4 现象：模型在某些场景下怎么看都不适用

ITM 有清晰的适用边界，超过边界硬用，结果再漂亮也不能信。频率低于 20 MHz 应该换用 ITU-R P.368 地波模型；频率高于 20 GHz 必须考虑雨衰，而 ITM 本身不带雨衰项，不适合做卫星或毫米波地面链路。距离不足 1 公里的城市微蜂窝场景，楼宇反射和多径占主导，ITM 的统计地形方法没有意义。

遇到这类场景，正确做法不是调参数硬凑，而是换工具：城市微蜂窝用射线追踪，低频地波用专门的地波模型，ITM 留给它擅长的几十公里级、地形主导的 VHF/UHF 链路。

6. 进阶用法：把 ITM 点对点预测变成覆盖栅格，再接入链路预算

ITM 本身是点对点模型，一次调用只能算一条链路。实际规划却需要覆盖栅格：以发射点为中心，生成一圈接收点，逐点计算损耗，最后画出覆盖边界。一种快速做法是预计算“距离-损耗”插值表：对固定频率、固定高度、固定 Δh，把距离从 1 公里跑到 50 公里，每 0.5 公里取一个点，得到单调的损耗曲线，然后用插值函数在一个范围内替代逐点调用 ITM，调用次数从几万次降到几百次：

import subprocess import numpy as np from scipy.interpolate import PchipInterpolator distances = np.arange(1.0, 51.0, 0.5) losses = [] for km in distances: cmd = f"echo '150.0 60.0 3.0 {km:.1f} 30.0 1 5 301.0 15.0 0.005' | ./itm" out = subprocess.run(cmd, shell=True, capture_output=True, text=True) # 按输出格式取倒数第二列作为 L，这里以实际输出列顺序为准 losses.append(float(out.stdout.split()[1])) interpolator = PchipInterpolator(distances, losses)

插值表的优势在于，它保留 ITM 的物理基准，同时把计算速度提升两个数量级，适合放进覆盖仿真图层里反复调站址。最后补一句我的个人教训：当年做中继台规划时，把塔高当海拔填进了模型，理论上算出 70 公里覆盖，现场手持机 10 公里就开始断续。从那以后，所有站点台账必须同时写地面海拔和挂高两列，凡是填数字前不查台账的脚本一律不用。模型再准，输入错了也是白跑。希望这篇笔记能帮你绕开我走过的弯路，让 ITM 真正成为可复现、可比较、可校正的链路预算工具。

本文还有配套的精品资源，点击获取