海上无人机通信技术研究进展

摘  要：随着海洋活动的不断增加，高效、稳定的海上通信技术成为迫切需求。无人机以其 高机动性、高灵活性和低成本特性，为海上通信提供了新的解决方案。本文首先分析了传统 海上通信方式如水声、卫星、岸基基站、微波等的局限性，随后阐述了无人机在海上通信中 的优势，包括在紧急情况下提供临时通信支持、在难以覆盖的海域作为移动中继等。接着，本文讨论了无人机辅助无线通信系统的研究方向，特别是无人机作为空中基站、移动中继和  数据采集传播辅助的潜力。在无人机通信覆盖方面，本文介绍了静态覆盖和动态覆盖的概念， 并总结了相关研究进展，包括如何通过优化无人机飞行方式、天线配置和航迹路径规划来最  大化覆盖面积和效率。最后，对未来无人机在海上通信领域的应用进行了总结和展望。

关键词：海上无人机通信 1 ；通信覆盖2；无人机基站 3 ；航迹规划4；无人机路径优化 5

海洋区域约占地球表面的 71%，是资源 广阔的战略空间。近年来，随着各种海洋活 动的断增加，海上通信技术的重要性也显露 出来，其不仅关系到海洋运输业务的发展、船只的航行全和遇险救援的及时性，还对海  洋资源开发、海洋环境监测和海洋科学研究  等具有重要影响[1] [2]。 目前，海上通信方式主要有水声、卫星、岸基基站、微波等手 段。但均存在一定局限性，无法满足实际需 求。随着科技的进步，近年来无人机技术的 蓬勃发展为其提供了一种新的解决方案，它 具有高机动性、高灵活性、低成本等特性， 可以有效地节省人类时间，减少人类工作量 [5]，有望更好地协助解决海上通信难题。

1 海上通信发展现状

海上通信方式主要有水声、卫星、岸基基 站、微波等手段。水声通信的通信速率不高，易受周围环境影响，稳定性不强；卫星通信具  有覆盖范围广的优点，但其传输距离长、信道  资源有限，不能承受海上用户的大带宽高速率  通信；岸基基站存在地理位置的限制，只能覆  盖有限的近海区域[3]；微波通信稳定且高速， 但通过船只架设的通信天线会受制于视距传播  的信道特性，难以构建海上通信网络[4]。随着 科技的进步，近年来无人机技术的蓬勃发展为  其提供了一种新的解决方案。

2 海上无人机通信优势

随着无线通信技术的快速发展，人们对高 速稳定的无线通信网络需求日益迫切。然而，在实际情况中，通信网络在某些特定情况下可 能会遭遇一系列问题，此时利用无人机可以提 供关键的通信支持。在自然灾害、人为事故等 通信基础设施受损或无法运作的紧急情况下，无人机携带通信设备可以提供临时的通信网络  [7]；在小区边缘以及自然条件较差的区域中， 无人机可以提供连续的无线覆盖并进行某些热  点区域的通信增强[8]；在偏远、难以覆盖的海 域，无人机可以作为移动中继提供可靠的通信  服务，这对于海上科研、资源勘探、渔业检测  等远洋区域的通信需求尤为重要，可以弥补传  统通信基础设施的不足[2]。

3 无人机通信研究方向

根据以上基本应用场景，无人机辅助无线  通信系统可以分为以下三个研究方向[9]：无人 机作为空中基站对用户提供覆盖；无人机作为  移动中继对用户提供通信；无人机作为数据采  集传播的辅助。在这三个研究方向中，作为移  动基站的无人机通信覆盖问题是一个重要课题。

4 无人机通信覆盖

4.1  问题定义

无人机在军事和民用领域都是一种很受欢 迎的设备。多架无人机的组合可以完成覆盖、 搜索、巡逻、测绘等复杂任务。区域覆盖问题 通常被定义为无人机网络对给定区域的监控能力问题， 以及在区域内无人机的相互协作问题[10]。

4.2  分类

一般来说，无人机的覆盖分为静态覆盖和 动态覆盖。当无人机在悬停处于相对静止状态时，此时对用户的覆盖称为静止覆盖。而由于 无人机的移动性，动态覆盖是更主要的覆盖类型，其中，通过对区域分解或对用户分组进行 动态覆盖是经常使用的方法。

5 无人机通信覆盖保障

5.1  覆盖面积研究

无人机通信覆盖保障一方面聚焦于无人机 通信覆盖问题中的覆盖面积或覆盖范围的研究。2018 年，B. Li 等人研究了在发射功率的 约束下，调整天线波束角度和无人机的飞行高 度以实现无人机基站的覆盖面积最大化[11]。2020 年，为了增强无人机覆盖范围，R. Tang等人考虑了基于非正交多址接入(Non-Orthogonal Multiple Access, NOMA)的海上覆 盖场景，在通信能量和总传输时长的约束下，实现了无人机的最小海上覆盖面积最大化[12]。接着，在 2022 年，Y. Zhang 等人以提高 无人机效率、覆盖尽可能大区域、为更多用户  提供无线接入服务为目标，他们基于无人机的  机动性提出了一种无人机悬停飞行方案，可以  有效地扩大无人机圆形区域的覆盖范围[13]。可以看出，B. Li、R. Tang、Y. Zhang 等人以 无人机覆盖范围出发，对无人机飞行方式及其 携带天线进行优化，从而保障区域内用户的通 信。

5.2  无人机航迹路径研究

无人机通信保障的另一个研究方向，是在 无人机基站资源相对充足的条件下针对无人机 的航迹路径进行研究。2020 年，H. Haghighi 等人提出了结合混合粒子群优化算法和遗传算 法的新方法来解决多无人机的协同覆盖任务，覆盖过程中已知无人机数量和应抵达的航迹点，通过算法主要对航迹点的排列和划分方式 进行优化，以得到更快速高效的路径位置[14]。在 2021 年，针对无人机覆盖路径规划问 题，陈晗将传统的平行线式覆盖和生成树算法  结合，设计了多无人机覆盖任务的平行线式动  态生成树算法，该算法能有效降低路径的重复率，减少任务的完成用时[13]，这是基于区域  划分的覆盖方法。在 2022 年，周永涛等人考虑 地面用户的移动可能降低用户与基站无人机间  的无线通信速率，造成网络性能损失的问题，基于深度强化学习提出了一种基站无人机路径 规划算法[16]，以网络吞吐量高为目标，在经 过模型训练后无人机可成功针对变化的地面用 户做出飞行决策，但他们仅考虑地面用户以簇 的形式向固定方向移动的情况，而实际情况中 用户更可能进行无规则的随机运动。以上研究 与本项目的研究有相似之处，但设定的场景和 约束仍有不同。

然而，综合分析国内外研究成果发现，绝 大多数研究均考虑在无人机基站资源相对充足 的条件下对无人机的航迹路径进行研究。考虑 在无人机数量有限的条件下，面向海上随机运 动用户的通信进行无人机航迹规划的研究较少。因此，无人机基站资源有限场景下的航迹 路径规划可以成为未来拓展研究的方向。

5.3  主要研究方法

通过资料整理及分析，总结出海上无人机 通信技术研究主要应用到以下几种方法：

（1）基础调查与应用研究相结合：全面调查分 析现有海上无人机通信系统的建设模块与运行  机制的问题所在，深入了解现有航迹规划算法  的不足。结合无人机技术以及先进的航迹规划  算法，提出创新的通信覆盖解决方案，以实现  通信模式的创新；

（2）理论研究与实证分析相结合：对理论研究 设计出的航迹规划算法及覆盖模型进行必要的  实证检验，如虚拟仿真实验等，从而确保研究  成果的有效性和实用性。通过仿真实验验证算  法在不同场景和用户需求下的性能表现，确保  其可靠性；

（3）定量分析与定性分析相结合：使定性的研 究充分立足于大量而可靠的相关数据基础上，通过详细的数据分析，验证航迹规划算法的实 际效果。结合实测数据，评估算法的覆盖效率 和通信质量，使策略实施具有现实的可行性和 有效性；

（4）市场分析与政策分析相结合：无人机基站 在海上通信覆盖中的应用是事关未来社会、经  济发展的重要课题。结合市场需求与国家政策，明确未来发展方向，制定符合实际需求的技术方案，确保项目的长期可持续性和广泛应 用前景。

6 总结与展望

现有研究表明，无人机在各种环境中的信 号传播特性和覆盖效果具备良好表现，但根据 不同的应用场景，算法仍可以优化更新。基于 前人的研究成果，未来研究者可以进一步优化 和创新航迹规划算法，结合更多优化方法，提 升无人机通信覆盖的效率和稳定性。未来的研 究可以从以下几个方面展开：一是进一步优化 无人机的飞行方式和天线配置， 以实现更高效、更广泛的覆盖；二是研究无人机与卫星、 岸基基站等其他通信方式的协同工作，以构建 更加完善、更加可靠的海上通信网络；三是探 索无人机在海洋环境监测、资源勘探和渔业检 测等领域的应用， 以充分发挥其在海上通信领 域的潜力。海上无人机通信技术的研究和应用 具有重要的战略意义和实际应用价值，未来将 有更多的研究和应用成果涌现，为海洋事业的 发展和人类的海洋活动提供更加可靠、更加高 效的支持。

参考文献：

[1]   Alqurashi F S, TrichiliA, Saeed N, et al. Maritime communications: A survey on enabling technologies,opportunities, and challenges[J]. IEEE Internet of Things Journal, 2022, 10(4): 3525-3547.

[2]  张洪铭,  闫实,  唐斌等.  海上无线通信技术:  现状与 挑战[J].  无线电通信技术, 2021, 47(04): 392-401.

[3]  Wang Y, Feng W, Wang J, et al. Hybrid satellite-UAV-    terrestrial networks for 6G ubiquitous coverage: A maritime communications perspective[J]. IEEE Journal on Selected    Areas in Communications, 2021, 39(11): 3475-3490.

[4]  李经纬.  面向海上通信的无人机航迹规划[D].  清华 大学, 2023.4

[5] Nomikos N, Gkonis PK, Bithas P S, et al. A survey on UAV-aided maritime communications: Deploymentconsiderations, applications, and future challenges[J]. IEEE Open Journal of the Communications Society, 2022, 4: 56-  78.

[6]  Shahid N, Abrar M, Ajmal U, et al. Path planning in unmanned aerial vehicles: An optimistic overview[J].International Journal of Communication Systems, 2022,35(6): e5090.

[7]  Kirubakaran B, Hosek J. Optimizing TetheredUAV Deployment for On-Demand Connectivity in Disaster Scenarios[C]. //2023 IEEE 97th Vehicular TechnologyConference (VTC2023-Spring). IEEE, 2023: 1-6.

[8]  李晓伟.  面向无人机的高能效长续航通信覆盖研究 [D].  北京工业大学,2020.

[9]  吴雪萌.  无人机辅助通信网络的航迹规划研究与仿 真[D].  北京邮电大学, 2021.

[10]  Chen Y, Zhang H, Xu M. The coverage problem in UAV network: A survey[C]//Fifth International Conference on Computing, Communications and Networking Technologies (ICCCNT). IEEE, 2014: 1-5.

[11]  Li B, Chen C, Zhang R, et al. The energy-efficient UAV-based BS coverage in air-to-ground

communications[C]//2018 IEEE 10th Sensor Array and Multichannel Signal Processing Workshop (SAM). IEEE, 2018: 578-581.

[12]  Tang R, Feng W, Chen Y, et al. NOMA-based UAV communications for maritime coverage enhancement[J].China Communications, 2021, 18(4): 230-243.

[13]  Zhang Y, Zhao X, Xu Z. A Method of Expanding UAV Wireless Coverage Area by Hovering Flight[C]//2022 7th International Conference on Computer and Communication Systems (ICCCS). IEEE, 2022: 644-648.

[14]  Haghighi H, Sadati S H, Dehghan S M M, et al. 

Hybrid form of particle swarm optimization and geneticalgorithm for optimal path planning in coverage mission by cooperated unmanned aerial vehicles[J]. Journal of Aerospace Technology and Management, 2020, 12: e4320.

[15]  陈晗.  多无人机联合覆盖任务中的路径规划与通信 协议设计[D].  北京交通大学, 2021.

[16]  周永涛,刘唐,彭舰.  无人机空中基站的路径规划研  究 [J].  重庆理工大学学报(自然科学), 2022, 36 (10): 166- 175.