本发明提出一种无人机非平稳空地MIMO信道的几何随机建模方法。该建模方法所提模型是一种三维几何随机模型，建模方法包括两个圆柱体模型，分别位于无人机和地面站侧，即假设在无人机和地面站通信系统中，无人机侧和地面站侧均存在散射，接收信号包括视距分量、一次散射分量和两次散射分量，同时考虑无人机和地面站的移动性，通过描述时变时延、时变到达角和离开角，建立非平稳信道模型。该模型在无人机实际通信场景下，能够建立一个可靠、高效的空地信道模型，为研究人员设计和测试无人机通信系统，推广无人机在生活各方面的应用提供理论支持。
1.一种无人机非平稳空地MIMO信道的几何随机建模方法，其特征在于，包括如下步骤：步骤1：构建无人机非平稳空地MIMO信道模型，所述无人机非平稳空地MIMO信道模型包括：(1)在散射体分布密集的单用户的通信系统中，无人机作为发射端，地面站作为接收端，无人机和地面站分别配有多天线阵列，即该通信信道是多输入多输出的；
(2)无人机和地面站分别以vT和vR的速度匀速移动；vT可分解成一个水平分量vT，xy和一个垂直分量vT,z；定义＝ξ，＝γT，其中<·,·>表示夹角；角度对ξ和γT可用来描述无人机在三维空间中的运动；对于地面站，其在xy平面朝着方向γR运动；
(3)无人机非平稳空地MIMO信道模型考虑地面反射，接收信号包括LoS路径分量、SB‑U路径分量、SB‑G路径分量、SB‑GR路径分量和DB路径分量；
(4)无人机非平稳空地MIMO信道模型中设有两个圆柱体分别位于无人机侧和地面站侧，发射端和接收端的有效散射体分别分布在这两个圆柱体表面；假设无人机侧有N1个有效散射体，其分布在一个半径为RT的圆柱体表面，其中第n1个有效散射体可表示为 n1＝
1,2,…,N1；假设地面站侧有N2个有效散射体，其分布在一个半径为RR的圆柱体表面，其中第n2个有效散射体可表示为 n2＝1,2,…,N2；地面反射发生在地面站侧圆柱体的底面上，假设圆柱底面上有N3个有效散射体，其分布在半径为0≤R≤RR的圆柱体底面，其中第n3个有效散射体可表示为 n3＝1,2,…,N3；
步骤2：计算所述无人机非平稳空地MIMO信道模型的接收复包络信号；
步骤3：计算所述无人机非平稳空地MIMO信道模型的非平稳时变参数；
示时刻t时路径 的离开方位角和离开俯仰角、路径 的到达方位角和到达俯仰角，LoS路径p‑q的离开方位角、离开俯仰角、到达方位角和到达俯仰角，时变角度在初始时刻的值表示为 和 载波频率为fc；τpq(t)、分别表示为波经过链路Tp‑Rq、
示，莱斯因子用K示；另外，ηSB‑U、ηSB‑G、ηSB‑GR和ηDB是能量相关参数，分别表示一次和两次散射分量占总散射功率Ωpq/(K+1)的比值，且满足ηSB‑U+ηSB‑G+ηSB‑GR+ηDB＝1；散射产生的相位和 是独立随机变量，其服从[‑π,π)上的均匀分布；fTm和fRm分别表示无人机和地面站的最大多普勒频率。
2.根据权利要求1所述的一种无人机非平稳空地MIMO信道的几何随机建模方法，其特征在于，步骤2中，无人机第p根天线和地面站第q根天线间的接收复衰落包络信号是LoS路径分量、SB‑U路径分量、SB‑G路径分量、SB‑GR路径分量和DB路径分量之和。
3.据权利要求1所述的一种无人机非平稳空地MIMO信道的几何随机建模方法，其特征在于，步骤3中，所述非平稳时变参数包括时变角度和时变时延。
4.据权利要求3所述的一种无人机非平稳空地MIMO信道的几何随机建模方法，其特征在于，时变时延与无人机和地面站的位置有关，参数 和 表示时刻t时，发射端和接收端在三维坐标轴上沿x/y/z轴的位置坐标，其为时间的函数，表征了信道的非平稳性；上述坐标的表达式为其中参数ΔT是无人机第p根天线单元和无人机天线阵列中心的距离，ΔR是地面站第q根天线单元和地面站天线阵列中心的距离；H0为初始时刻地面站的高度，D和H分别初始时刻表示无人机和地面站之间的水平和垂直距离，满足tanβ0＝H/D；θT和θR表示无人机和地面站侧天线阵列相对于x轴的方向；所有天线阵列都平行于x‑y平面，不考虑无人机的俯仰和滚转动作。
5.据权利要求3所述的一种无人机非平稳空地MIMO信道的几何随机建模方法，其特征在于，时变角度包括：
时刻t时路径 的离开方位角和离开俯仰角、路径 的到达方位角和到达俯仰角，LoS路径p‑q的离开方位角、离开俯仰角、到达方位角和到达俯仰角，上述时变角度在初始时刻的值表示为 和(1)LoS路径分量
tanβ0＝H/D，D和H分别初始时刻表示无人机和地面站之间的水平和垂直距离；
一种无人机非平稳空地MIMO信道的几何随机建模方法
技术领域
[0001] 本发明涉及无人机通信领域，具体涉及无人机非平稳空地信道的几何随机建模方法。
背景技术
[0002] 随着航空航天、材料、无线通信等相关领域的进步，尤其是5G技术的提出和发展，无人机在军用和民用领域得到广泛应用，在当今社会生活中发挥着极其重要的作用，有巨大的发展前景。
[0003] 随着无人机的广泛应用，人们对无人机通信链路的信道容量有了更高的要求，采用MIMO技术可以提高空地信道的信道容量，同时保证通信的可靠性。但是现有的对于无人机空地MIMO信道的研究较少，且大多是确定性方法进行建模，虽然精准度高，但是建模过程复杂，完全取决于信道环境的详细信息，不具有普适性。在真实场景中无人机多处在高速移动中，地面站也具有一定移动性，传播环境随时间变换，空地信道特性是时变非平稳的，仅在极短时间内被视为平稳。并且在散射体分布较集中的环境中，若只考虑地面站侧的散射体，即假设无人机周围无散射存在，此类模型将不再能准确描述城市环境下的通信信道。
[0004] 本发明针对无人机非平稳空地MIMO信道，提出一种三维几何随机模型，假设无人机侧存在散射，同时考虑了无人机和地面站的运动，其中无人机可以在三维空间中运动，在垂直方向上存在速度分量，而地面站在水平面上运动，具有广泛应用前景。
发明内容
[0005] 本发明所要解决的技术问题是在考虑无人机实际空地信道非平稳的前提下，针对障碍物密度较大的场景，提出一种可靠的随机模型，以准确描述信道的统计特性，为无人机的推广和应用提供理论基础。
[0006] 为解决上述技术问题，本发明所采用的技术方案为：
[0007] 1、构建无人机非平稳空地MIMO信道模型，模型包括：
[0008] (1)在散射体分布较密集的单用户的通信系统中，无人机作为发射端，地面站作为接收端，无人机和地面站分别配有多天线阵列，即该通信信道是多输入多输出 (Multiple‑Input Multiple‑Output,MIMO)的。无人机端配有MT根天线，地面站端配有 MR根天线。
[0009] (2)无人机和地面站分别以vT和vR的速度匀速移动。vT可被分解成一个水平分量 vT,xy和一个垂直分量vT,z。随后可定义〈vT,xy,vT>＝ξ，＝γT，其中<·,·>表示夹角。角度对ξ和γT可用来描述无人机在三维空间中的运动。对于地面站，其在xy平面朝着方向γR运动。
[0010] (3)模型考虑地面反射，接收信号包括一个视距路径分量(Line of sight,LoS)、无人机侧的一次散射分量(Single bounce around the UAV,SB‑U)、地面站侧的一次散射分量(Single bounce around the ground station SB‑G)、地面反射分量(Single bounce from the ground reflection,SB‑GR)和两次散射分量(Double bounce,DB)。
[0011] (4)模型中设有两个圆柱体分别位于无人机侧和地面站侧，发射端和接收端的有效散射体分别分布在这两个圆柱体表面。假设无人机侧有N1个有效散射体，其分布在一个半径为RT的圆柱体表面，其中第n1个(n1＝1,2,…,N1)有效散射体可表示为 类似的，假设地面站侧有N2个有效散射体，其分布在一个半径为RR的圆柱体表面，其中第n2个(n2＝1,2,…,N2)有效散射体可表示为 本发明认为地面反射发生在地面站侧圆柱体的底面上，假设圆柱底面上有N3个有效散射体，其分布在半径为0≤R≤RR的圆柱体底面，其中第n3个(n3＝1,2,…,N3)有效散射体可表示为
[0012] (5)模型中从有效散射体 (i＝1,2,3)向地面站传播的波的到达角(Angle of Arrival,AOA)用 和 来表示，从无人机入射到有效散射体 的波的离开角 (Angle of Departure,AOD)用 和 来表示。用 和
来表示LoS路径的AOD和AOA，为防止图中过于拥挤，其没有在图中注明。
[0013] 2、所提模型的接收复包络信号可被表示为
[0014]
[0015] 其中载波频率为fc，无人机第p根天线和地面站第q根天线间的接收复衰落包络信号是LoS路径分量(即Tp‑Rq)、SB‑U路径分量(即 )、SB‑G路径分量(即 )、SB‑GR路径分量(即 )和DB路径分量(即 )之和。
[0016] (1)LoS路径分量的复包络的表达式为
[0017]
[0018]
[0019]
[0020] (2)SB‑U路径分量的复包络的表达式为
[0021]
[0022]
[0023]
[0024] (3)SB‑G路径分量的复包络的表达式为
[0025]
[0026]
[0027]
[0028] (4)SB‑GR路径分量的复包络的表达式为
[0029]
[0030]
[0031]
[0032] (5)DB路径分量的复包络的表达式为
[0033]
[0034]
[0035]
[0036]
[0037] 其中τpq(t)、 分别表示为波经过链路Tp‑Rq、和 的传播时间。所
[0038] 接收的总功率用Ωpq表示，莱斯因子用K表示。另外，ηSB‑U、ηSB‑G、ηSB‑GR和ηDB是能量相关参数，分别表示一次和两次散射分量占总散射功率Ωpq/(K+1)的比值，且满足ηSB‑U+ηSB‑G+ηSB‑GR+ηDB＝1。
[0039] 散射产生的相位 和 是独立随机变量，其服从[‑π,π)上的均匀分布。fTm和fRm分别表示无人机和地面站的最大多普勒频率。
[0040] 3、所提模型的非平稳性是指：模型假设无人机和地面站匀速运动，而散射体是静止的，可以通过收发机之间的相对运动来计算运动散射体。由于无人机和地面站处在运动中，其位置随时间发生变化，导致AOA和AOD，即 和以及各个分量的传播时延τpq(t)、 都是时间的函
数，进而使得多径信道有时变的时延和多普勒频移。以上所提参数可分别称为时变角度和时变时延，其表征了信道的时域非平稳性。
[0041] 4、所提模型非平稳时变参数的计算方法为：
[0042] (1)时变时延
[0043] 时变时延与无人机和地面站的位置有关，参数 和 表示发射端和接收端在三维坐标轴上沿x/y/z轴的位置坐标，其为时间的函数，表征了信道的非平稳性。上述坐标的表达式为
[0044]
[0045]
[0046]
[0047]
[0048]
[0049]
[0050] 其中参数ΔT是无人机第p根天线单元和无人机天线阵列中心的距离，ΔR是地面站第q根天线单元和地面站天线阵列中心的距离。H0为初始时刻地面站的高度，D和H 分别初始时刻表示无人机和地面站之间的水平和垂直距离，满足tanβ0＝H/D。θT和θR表示无人机和地面站侧天线阵列相对于x轴的方向。为简单起见，所提模型假设所有天线阵列都平行于x‑y平面，不考虑无人机的俯仰和滚转动作。
[0051] (2)时变角度
[0052] 用 和 分别表示时刻t时路径 的离开方位角和离开俯仰角、路径 的到达方位角和到达俯仰
角，LoS路径p‑q的离开方位角、离开俯仰角、到达方位角和到达俯仰角，其还与无人机和地面站的运动方向和速度有关。上述时变角度在初始时刻的值表示为
和
[0053] (2‑1)LoS路径分量
[0054]
[0055]
[0056]
[0057]
[0058] (2‑2)SB‑U路径分量
[0059]
[0060]
[0061] (2‑3)SB‑G路径分量
[0062]
[0063]
[0064] (2‑4)SB‑GR路径分量
[0065]
[0066]
[0067] (2‑5)DB路径分量
[0068]
[0069]
[0070]
[0071]
[0072] 有益效果：本发明所提模型是一种三维几何随机模型，建模方法包括两个圆柱体模型，分别位于无人机和地面站侧，即假设在无人机和地面站通信系统中，无人机侧和地面站侧均存在散射，接收信号包括视距分量、一次散射分量和两次散射分量，同时考虑无人机和地面站的移动性，通过描述时变时延、时变到达角和离开角，建立非平稳信道模型。该模型在无人机实际通信场景下，能够建立一个可靠、高效的空地信道模型，为研究人员设计和测试无人机通信系统，推广无人机在生活各方面的应用提供理论支持。
附图说明
[0073] 图1是一种无人机非平稳空地MIMO信道的几何随机模型的结构图；
[0074] 图2是均匀天线阵列的天线结构图；
[0075] 图3是SB‑U路径分量的时变角度示意图；
[0076] 图4是SB‑G路径分量的时变角度示意图；
[0077] 图5是SB‑GR路径分量的时变角度示意图；
[0078] 图6是DB路径分量的时变角度示意图。
具体实施方式
[0079] 1、信道模型
[0080] 本发明所提模型如图1所示，建模方法包括：
[0081] (1)在散射体分布较密集的单用户的通信系统中，无人机作为发射端，地面站作为接收端，无人机和地面站分别配有多天线阵列，即该通信信道是多输入多输出 (Multiple‑Input Multiple‑Output,MIMO)的。无人机端配有MT根天线，地面站端配有 MR根天线。不失一般性，假设MT＝MR＝2。
[0082] (2)无人机和地面站分别以vT和vR的速度匀速移动。vT可被分解成一个水平分量 vT,xy和一个垂直分量vT,z。随后可定义＝ξ，＝γT，其中<·,·>表示夹角。角度对ξ和γT可用来描述无人机在三维空间中的运动。对于地面站，其在xy平面朝着方向γR运动。
[0083] (3)模型考虑地面反射，接收信号包括一个视距路径分量(Line of sight,LoS)、无人机侧的一次散射分量(Single bounce around the UAV,SB‑U)、地面站侧的一次散射分量(Single bounce around the ground station SB‑G)、地面反射分量(Single bounce from the ground reflection,SB‑GR)和两次散射分量(Double bounce,DB)。
[0084] (4)模型中设有两个圆柱体分别位于无人机侧和地面站侧，发射端和接收端的有效散射体分别分布在这两个圆柱体表面。假设无人机侧有N1个有效散射体，其分布在一个半径为RT的圆柱体表面，其中第n1个(n1＝1,2,…,N1)有效散射体可表示为 类似的，假设地面站侧有N2个有效散射体，其分布在一个半径为RR的圆柱体表面，其中第n2个(n2＝1,2,…,N2)有效散射体可表示为 本发明认为地面反射发生在地面站侧圆柱体的底面上，假设圆柱底面上有N3个有效散射体，其分布在半径为0≤R≤RR的圆柱体底面，其中第n3个(n3＝1,2,…,N3)有效散射体可表示为
[0085] (5)模型中从有效散射体 (i＝1,2,3)向地面站传播的波的到达角(Angle of Arrival,AOA)用 和 来表示，从无人机入射到有效散射体 的波的离开角 (Angle of Departure,AOD)用 和 来表示。用 和
来表示LoS路径的AOD和AOA，为防止图中过于拥挤，其没有在图中注明。
[0086] 2、模型的接收复包络信号
[0087] 本发明所提模型中无人机第p根天线和地面站第q根天线间的接收复包络信号可表示为
[0088]
[0089] 其中载波频率为fc，接收复衰落包络信号是LoS路径分量(即Tp‑Rq)、SB‑U路径分量(即 )、SB‑G路径分量(即 )、SB‑GR路径分量(即 ) 和DB路径分量(即 )之和。
[0090] (1)LoS路径分量的复包络的表达式为
[0091]
[0092]
[0093]
[0094] (2)SB‑U路径分量的复包络的表达式为
[0095]
[0096]
[0097]
[0098] (3)SB‑G路径分量的复包络的表达式为
[0099]
[0100]
[0101]
[0102] (4)SB‑GR路径分量的复包络的表达式为
[0103]
[0104]
[0105]
[0106] (5)DB路径分量的复包络的表达式为
[0107]
[0108]
[0109]
[0110]
[0111] 其中τpq(t)、 分别表示为波经过链路Tp‑Rq、和 的传播时间。所
[0112] 接收的总功率用Ωpq表示，莱斯因子用K表示。另外，ηSB‑U、ηSB‑G、ηSB‑GR和ηDB是能量相关参数，分别表示一次和两次散射分量占总散射功率Ωpq/(K+1)的比值，且满足ηSB‑U+ηSB‑G+ηSB‑GR+ηDB＝1。
[0113] 散射产生的相位 和 是独立随机变量，其服从[‑π,π)上的均匀分布。fTm和fRm分别表示无人机和地面站的最大多普勒频率。
[0114] 3、所提模型的非平稳性是指：模型假设无人机和地面站匀速运动，而散射体是静止的，可以通过收发机之间的相对运动来计算运动散射体。由于无人机和地面站处在运动中，其位置随时间发生变化，导致AOA和AOD，即 和以及各个分量的传播时延τpq(t)、 都是时间的函
数，进而使得多径信道有时变的时延和多普勒频移。以上所提参数可分别称为时变角度和时变时延，其表征了信道的时域非平稳性。
[0115] 4、所提模型非平稳时变参数的计算方法为：
[0116] (1)时变时延
[0117] 基于空间距离公式，散射体和天线之间的距离εpq(t)、和 可以表示为
[0118]
[0119]
[0120]
[0121]
[0122]
[0123]
[0124]
[0125] 其中，参数 表示散射体 在三维坐标轴上沿x/y/z轴的位置坐标，参数和 表示发射端和接收端在三维坐标轴上沿x/y/z轴的位置坐标，其为时间
的函数，表征了信道的非平稳性。上述坐标的表达式为
[0126]
[0127]
[0128]
[0129]
[0130]
[0131]
[0132]
[0133]
[0134]
[0135]
[0136]
[0137]
[0138]
[0139]
[0140]
[0141] 其中参数δT和δR表示无人机和地面站侧的天线间距，参数ΔT是无人机第p根天线单元和无人机天线阵列中心的距离，ΔR是地面站第q根天线单元和地面站天线阵列中心的距离。H0为初始时刻地面站的高度，D和H分别初始时刻表示无人机和地面站之间的水平和垂直距离，满足tanβ0＝H/D。θT和θR表示无人机和地面站侧天线阵列相对于x轴的方向。为简单起见，所提模型假设所有天线阵列都平行于x‑y平面，不考虑无人机的俯仰和滚转动作。对于均匀线性天线阵列(Uniform linear antenna arrays,ULAs)，如图2所示，参数可表示为
[0142]
[0143]
[0144] (2)时变角度
[0145] 用 和 分别表示时刻t时路径 的离开方位角和离开俯仰角、路径 的到达方位角和到达俯仰
角，LoS路径p‑q的离开方位角、离开俯仰角、到达方位角和到达俯仰角，其还与无人机和地面站的运动方向和速度有关。上述时变角度在初始时刻的值表示为
和
[0146] (2‑1)LoS路径分量
[0147] (2‑1‑1)时变AOD与时变AOA
[0148] 假设时变非平稳过程是一个马尔科夫过程，当t时刻，以无人机和地面终端的当前位置建立坐标系，则有
[0149]
[0150]
[0151]
[0152]
[0153] (2‑2)SB‑U路径分量
[0154] (2‑2‑1)时变AOD
[0155] 时变角度示意图如图3所示。
[0156] 有
[0157]
[0158]
[0159] (2‑2‑2)AOD与AOA的角度关系
[0160]
[0161]
[0162]
[0163]
[0164] 其中
[0165] (2‑3)SB‑G路径分量
[0166] (2‑3‑1)时变AOA
[0167] 时变角度示意图如图4所示。
[0168] 有
[0169]
[0170]
[0171] (2‑3‑2)AOD与AOA的角度关系
[0172]
[0173]
[0174]
[0175]
[0176] 其中
[0177] (2‑4)SB‑GR路径分量
[0178] (2‑4‑1)时变AOA
[0179] 时变角度示意图如图5所示。
[0180] 有
[0181]
[0182]
[0183] (2‑4‑2)AOD与AOA的角度关系
[0184]
[0185]
[0186]
[0187]
[0188] 其中
[0189] (2‑5)DB路径分量
[0190] (2‑5‑1)时变AOD与时变AOA
[0191] 时变角度示意图如图6所示。
[0192] 两次散射路径中，第一跳与第二跳可看作独立，第一跳类似于SB‑U分量，第二跳类似于SB‑G分量，则有
[0193]
[0194]
[0195]
[0196] 。
