简介：Longley-Rice（ITM）模型软件面向无线通信网络规划、基站与广播覆盖评估的工程师及通信专业学习者，用于在复杂地形与大气条件下预测无线电波传播损耗。资源包共2个文件，包含1个cpp源码与1个exe可执行程序，压缩包约4.05MB，源码便于理解ITM算法实现与二次开发，可执行程序可直接运行完成损耗计算。软件围绕地形数据处理、多路径效应模拟、频率与大气折射影响、建筑物遮挡分析、损耗预测与覆盖分析及报告输出等模块展开，用户输入地理位置、频率与发射功率等参数后即可获得传播损耗预测结果，为网络布局优化、性能评估与故障排查提供依据。目前已有1655人学习下载，适合需要快速上手ITM模型、对照源码理解算法流程并开展覆盖仿真验证的读者参考使用。
1. Longley-Rice（ITM）模型软件：为什么它成了VHF/UHF覆盖预测的硬通货
如果你做过VHF/UHF频段的覆盖预测，大概率绕不开Longley-Rice模型，也就是ITM（Irregular Terrain Model）。它不像自由空间路径损耗那样给你一个干净漂亮的公式，而是把地形不规则性、大气折射、地表绕射、对流层散射这些因素全塞进一套分段算法里，算出一条比你想象中更贴近实测的路径损耗曲线。ITM模型软件的核心价值在于：当你手头只有DEM高程数据和几组天线参数，却要回答“这个中继站到底能覆盖多远”时，它能给你一个可复现、可调参、可验证的数值答案。适合谁用？无线专网规划工程师、频谱管理人员、高校里做电波传播研究的师生，以及需要做链路预算但不想花钱买商业仿真套件的开发者。它不挑平台，C/C++原生实现，编译一次到处跑，这也是它活了四十多年还在被反复调用的原因。
2. ITM模型软件的核心机制：从地形剖面到路径损耗的完整链路
2.1 不规则地形怎么被“离散化”成可计算剖面
ITM模型软件的第一步不是算损耗，而是把真实地形“切”成一条剖面线。你给两个点经纬度，它去DEM里采样，得到一串（距离，高程）点对。这里有个关键参数叫pfl（profile），分辨率直接决定结果可信度。我一般用30米SRTM数据，采样间隔取90米左右，太密了计算量爆炸，太疏了会把小山包抹平，导致绕射损耗算不准。
剖面采样完成后，ITM会做一次“地形粗糙度”判断。它算的是剖面线上相邻点的高程差标准差，这个值决定了后续用哪种传播机制主导。如果粗糙度低于某个阈值，模型倾向绕射；高于阈值，对流层散射的权重会上升。这一步是ITM区别于Okumura-Hata这类统计模型的核心——它真的在看地形，而不是只吃距离和频率。
// 伪代码：剖面采样与粗糙度计算 double profile[NPTS]; // 存储高程 double dist[NPTS]; // 存储距离 double delta_h = 0.0; for (int i = 1; i < NPTS; i++) { delta_h += pow(profile[i] - profile[i-1], 2); } double roughness = sqrt(delta_h / (NPTS - 1)); // 均方根高程差 // roughness 越大，后续散射机制权重越高这段逻辑说明：NPTS是剖面点数，通常取512到2048。roughness不是直接输出给用户的，而是喂给ITM内部的分段判决器。参数怎么改？如果你做的是城市环境，DEM里其实包含建筑，但ITM不区分建筑和地形，所以要么用裸地形数据，要么在剖面里手动加修正量。常见做法是城市区域把高程统一加一个“建筑平均高度”，但别加太多，否则绕射损耗会虚高。
2.2 分段计算：绕射、散射、自由空间怎么切换
ITM模型软件最容易被误解的地方是“它到底用哪个公式”。答案是：它不选一个，而是按距离和地形条件分段加权。近距离、视距内，自由空间损耗主导；中距离、地形遮挡，绕射损耗接管；远距离、超视距，对流层散射贡献主要信号。ITM内部有三个子模块分别算这三种损耗，然后根据dlsa（Line-of-Sight Distance）和dla（Diffraction-Limited Distance）两个门限做平滑过渡。
dlsa是视距距离，取决于天线高度和地球曲率修正后的等效地球半径。dla是绕射极限距离，超过这个距离绕射信号衰减到可忽略。这两个参数由ITM自动算，但你可以通过ens（表面折射率）和ipol（极化方式）间接影响。我一般把ens设在301到320之间，对应温带大陆性气候；沿海地区调到350以上，否则超视距信号会算得偏弱。
// ITM核心分段判决逻辑（简化示意） double loss; if (dist <= dlsa) { loss = free_space_loss(freq, dist) + terrain_clutter; } else if (dist <= dla) { loss = diffraction_loss(freq, dist, profile, h_ant); } else { loss = troposcatter_loss(freq, dist, ens, h_ant); } // 实际ITM会在过渡区做加权平均，避免突变逻辑说明：free_space_loss就是标准FSPL公式，但ITM会额外加一个地形杂波项。diffraction_loss用的是多刃峰绕射模型，把剖面简化成一系列刀刃。troposcatter_loss涉及散射体积和折射率梯度。参数怎么改？h_ant是天线高度，注意是海拔高度还是相对地面高度，ITM要求的是相对地面高度，但DEM给的是海拔，所以你得先减掉地面高程。这个坑我后面会细说。
2.3 最小可运行ITM计算：从编译到出结果
如果你只想快速验证一个链路，不需要完整软件界面，直接调ITM的C函数库最快。常见做法是去下载ITM的官方C代码包（通常叫itm.c和itm.h），然后写一个main函数喂参数。下面是我常用的最小调用模板。
# 编译ITM核心库 gcc -c itm.c -o itm.o -lm ar rcs libitm.a itm.o#include "itm.h" #include <stdio.h> int main() { double h_tx = 30.0; // 发射天线相对地面高度，米 double h_rx = 10.0; // 接收天线相对地面高度，米 double freq = 450.0; // 频率，MHz double dist = 15.0; // 路径距离，公里 double eps = 15.0; // 地面介电常数 double sgm = 0.005; // 地面电导率，S/m double ens = 314.0; // 表面折射率，N单位 int ipol = 1; // 1=垂直极化，0=水平极化 double loss = itm_point_to_point( h_tx, h_rx, freq, dist, eps, sgm, ens, ipol ); printf("Path loss: %.2f dB\n", loss); return 0; }逻辑说明：itm_point_to_point是ITM最常用的单点计算接口，输入天线高度、频率、距离、地面电参数、折射率和极化，返回路径损耗中值。参数怎么改？eps和sgm取决于地表类型：城市取eps=15、sgm=0.005；农田取eps=20、sgm=0.01；海水取eps=81、sgm=5。ens前面说过，温带取301-320，热带取350-370。ipol对结果影响不大，但垂直极化在低天线高度下损耗略低。
跑通这一步，你就有了一个可编程的ITM计算核心。接下来才是真正的工程化：批量计算、地形剖面自动采样、结果可视化。
3. 把ITM模型软件塞进实际规划流程：数据准备与批量计算
3.1 DEM数据怎么选、怎么裁、怎么转成剖面
ITM不吃经纬度，它吃的是剖面数组。所以你得先把DEM转成剖面。常见做法是用GDAL读GeoTIFF，然后沿路径插值。我一般用Python做预处理，因为GDAL的Python绑定比C方便太多。
from osgeo import gdal import numpy as np def sample_profile(dem_path, lat1, lon1, lat2, lon2, npts=512): ds = gdal.Open(dem_path) band = ds.GetRasterBand(1) gt = ds.GetGeoTransform() lats = np.linspace(lat1, lat2, npts) lons = np.linspace(lon1, lon2, npts) profile = [] for lat, lon in zip(lats, lons): # 经纬度转像素坐标 x = int((lon - gt[0]) / gt[1]) y = int((lat - gt[3]) / gt[5]) elev = band.ReadAsArray(x, y, 1, 1)[0][0] profile.append(elev) return np.array(profile)逻辑说明：npts是剖面点数，建议512或1024。gt是地理变换参数，用来把经纬度映射到像素行列。注意gt[5]通常是负数，因为图像行号向下增加而纬度向上增加。参数怎么改？如果你的DEM是投影坐标系而不是地理坐标系，经纬度转像素那步要换成投影坐标转换，否则剖面位置会偏。这个坑很隐蔽，我第一次用UTM DEM时没注意，结果整条路径偏了2公里。
3.2 批量计算：从单链路到覆盖网格
单链路算完了，下一步是覆盖预测。你需要对目标区域打网格，每个网格点算一次ITM。但直接暴力算会很慢，因为每次都要读DEM、插值、调ITM。我的做法是先把区域DEM裁出来，然后写一个C程序循环调用ITM，Python只负责准备输入和可视化。
// 批量计算网格的C核心 for (int i = 0; i < nrows; i++) { for (int j = 0; j < ncols; j++) { double h_rx = dem[i][j] + rx_height; double loss = itm_point_to_point( h_tx, h_rx, freq, dist[i][j], eps, sgm, ens, ipol ); rx_power[i][j] = tx_power + gain_tx + gain_rx - loss; } }逻辑说明：h_rx是接收点海拔加天线高度，注意ITM要的是相对地面高度，所以这里rx_height是天线离地高度，dem[i][j]是地面海拔。dist[i][j]是发射点到接收点的距离。rx_power算出来就是接收功率，后面可以转成场强或覆盖概率。参数怎么改？tx_power和增益按实际设备填。如果你要做覆盖率统计，还得加一个接收灵敏度门限，低于门限的算不覆盖。
3.3 结果验证：怎么知道ITM算得对不对
ITM不是玄学，但也不是真理。我一般用三种方式交叉验证：一是找实测路测数据，对比中值误差；二是和商业仿真软件（如Atoll、Planet）对比，看趋势是否一致；三是做敏感性分析，看关键参数扰动下结果是否合理。实测对比最直接，但成本高。我的经验是：平坦地形下ITM和实测误差在3-6 dB以内；复杂山地误差可能到10 dB以上，这时候需要调ens和地面电参数来拟合。
提示：ITM输出的是中值路径损耗，不是瞬时值。如果你要算覆盖概率，还得加一个衰落余量，通常取8-12 dB。
4. ITM模型软件避坑指南：五个让我熬夜排查的翻车现场
4.1 天线高度填错：海拔当离地高度，结果全偏
现象：算出来的路径损耗比预期低20 dB，覆盖范围大得离谱。原因：ITM要求的天线高度是相对地面高度，但我直接把DEM海拔填进去了。解决：发射端和接收端都要用天线海拔 - 地面海拔。如果天线建在山顶，地面海拔就是山顶高程；如果建在平地，地面海拔就是平地高程。这个错误在新手里极其常见，因为很多商业软件用的是海拔高度，ITM偏偏不随大流。
4.2 折射率ens设成默认值，沿海链路算不准
现象：沿海地区超视距链路预测覆盖比实测短很多。原因：ens默认值通常是301，对应标准大气，但沿海地区水汽重，折射率实际在350以上。解决：查当地气象数据，取表面折射率年平均值。如果没有实测，沿海取350-370，内陆取301-320，沙漠取280-300。这个参数对超视距散射损耗影响很大，调10个N单位，损耗能差3-5 dB。
4.3 DEM分辨率太粗，小山包被抹平
现象：山区链路预测显示视距通畅，实际却收不到信号。原因：用了90米或更粗的DEM，路径上的小山包在剖面里被平均掉了，ITM以为没有遮挡。解决：至少用30米DEM，最好用10米。如果只有粗DEM，可以在剖面里手动加惩罚因子，但这是权宜之计。我现在的习惯是：做VHF/UHF规划，DEM分辨率不低于30米，否则结果只能看趋势，不能做工程决策。
4.4 地面电参数一套用到底，城市和农田不分
现象：城市区域覆盖预测偏乐观，农田区域偏悲观。原因：eps和sgm用了同一组值。城市地表介电常数低、电导率低，损耗大；农田和湿地介电常数高、电导率高，损耗小。解决：按地表类型分区赋参数。城市：eps=15，sgm=0.005；郊区：eps=20，sgm=0.01；农田：eps=25，sgm=0.02；水面：eps=81，sgm=5。如果懒得分区，至少用郊区参数做折中。
4.5 忽略地球曲率修正，长距离链路误差累积
现象：超过50公里的链路，ITM算出来的损耗比自由空间还低，明显不合理。原因：没有启用地球曲率修正，或者等效地球半径设错了。ITM内部有ens相关的曲率修正，但如果你手动改剖面，可能会破坏这个修正。解决：不要手动改剖面高程，让ITM自己算曲率。如果必须改，用k因子修正，标准大气k=4/3，即等效地球半径是实际半径的4/3倍。
5. 进阶技巧：用ITM做覆盖概率图与参数敏感性分析
ITM模型软件最值钱的用法不是算一条链路，而是做覆盖概率图。但ITM本身只给中值损耗，要转成概率，你得加衰落统计。常见做法是假设接收信号服从对数正态分布，标准差取8-10 dB，然后算达到接收门限的概率。
import numpy as np from scipy.stats import norm def coverage_probability(rx_power, threshold, sigma=8.0): # rx_power: 中值接收功率，dBm # threshold: 接收灵敏度，dBm # sigma: 衰落标准差，dB return norm.cdf((rx_power - threshold) / sigma) # 示例：中值-85 dBm，门限-95 dBm，sigma=8 prob = coverage_probability(-85, -95, 8) print(f"Coverage probability: {prob:.2%}")逻辑说明：norm.cdf是标准正态累积分布函数。(rx_power - threshold) / sigma把功率差归一化。参数怎么改？sigma在城区取8-10 dB，郊区取6-8 dB，开阔地取4-6 dB。这个值直接影响覆盖概率图的边缘锐度，sigma越大，边缘越模糊。
另一个进阶用法是参数敏感性分析。ITM有十几个输入参数，但不是每个都同等重要。我一般固定其他参数，单独扰动ens、eps、sgm、h_tx、h_rx，看路径损耗变化多少。下面是我做过的敏感性排序（从高到低）：天线高度 > 折射率 > 地面电导率 > 地面介电常数 > 极化方式。天线高度每增加10米，损耗降3-5 dB；折射率每增10 N单位，超视距损耗降1-2 dB。这个排序帮你把调参精力花在刀刃上。
注意：敏感性分析要在同一地形剖面上做，换地形就没有可比性。
最后说个我自己的习惯：每次用ITM做新场景预测，先跑一个已知链路的校准。找一条有实测数据的链路，调ens和地面电参数，让ITM输出和实测对齐，然后再去算未知区域。这个校准步骤花不了半小时，但能避免后面几天的返工。ITM不是黑匣子，它是一把需要校准的尺子。希望帮到你。
本文还有配套的精品资源，点击获取
