第四周学习进度总结

第四周学习进度总结

这周的学习内容主要分为三部分：《通信原理》课本的前三章，无人机开发平台的了解和关于无人机路径规划论文的阅读。具体有以下内容：

《通信原理》的学习总结

第一章：

第一章：
主要讲解了通信系统的一些基本概念，以及通信系统的模型和通信系统的分类。
对于通信系统，主要分为模拟通信系统和数字通信系统。而数字通信系统已成为当前通信技术的主流，与模拟通信相比，数字通信系统具有抗干扰能强，可消除噪声的积累。同时数字通信系统处理信号灵活，可以将不同信源的信号综合到一起传输。但是缺点是占用带宽大，同步要求高。除了以上对通信系统的分类进行讲解，第一章也讲解了信息及其度量和通信系统的主要性能指标。有效性和可靠性是通信系统的两个重要的指标。在模拟通信系统中，有效性可用带宽来衡量，可靠性可用输出信噪比衡量。在数字通信系统中，有效性用码元速率、信息速率和频带利用率来衡量，可靠性可以用误码率、误信率衡量。
第二章：
本章主要对确知信号的特性进行详细的讲解。对于确知信号，可以按照其强度可以分为能量信号和功率信号。能量信号的振幅和持续时间都是有限的，其能量是有限的。功率信号的持续时间无限，其能量为无穷大。确知信号的性质可以从频域和时域两个方面讨论。
首先，确知信号在频域中的性质即频率特性，由其各个频率分量的分布表示，它是信号最重要的性质之一，和信号的占用频带宽度以及信号的抗噪声能量有密切关系。信号的频率特性有四种即功率信号的频谱、能量信号的频谱密度、能量信号的能量频谱密度和功率信号的功率谱密度。
确知信号在时域上也有其重要的性质，主要有自相关函数和互相关函数。自相关函数反映信号在不同时间上取值的关联程度。能量信号的自相关函数R（0）等于信号的能量；而功率信号的自相关函数R（0）等于信号的平均功率。互相关函数反映两个信号的相关程度，它和时间无关，只和时间差有关，并且互相关函数和两个信号相乘的前后次序有关。能量信号的自相关函数和其能够谱密度构成一对傅里叶变换。周期性功率信号的自相关函数和其功率谱密度也构成一对傅里叶变换。同时，能量信号的互相关函数和其能量谱密度构成一对傅里叶变换，周期性功率信号的互相关函数和其功率谱密度之间也是傅里叶变换关系。
第三章：
本章首先通过对随机过程的分布已经数字特征的介绍，引出了通信系统中常见的几种重要的随机过程的统计特性，以及随机过程通过线性系统的情况。在通信系统的分析中，随机过程是非常重要的数学工具。而通信中的信源、噪声以及信号传输特性都可以使用随机过程来描述。
随机过程具有随机变量和时间函数的特点，可以从两个不同却又紧密联系的角度来描述：1，随机过程是无穷多个样本函数的集合；2，随机过程是在时间进程中处于不同时刻的随机变量的集合。对于随机过程的分布函数，它的定义为一个随机过程w(t)，它在任意时刻t1的随机变量为w(t1)，小于或等于某一数值x1的概率P[w(t1) ≤x1]，称为随机变量w(t)的一维分布函数，将该概率对x1求偏导（若偏导存在），则为w(t)的分布密度函数。
随机过程的数字特征是由随机变量的数字特征推广得到的，其中最常用的是均值、方差和相关函数。对于均值，它是时间确定的函数，它表示随机过程的n个样本的摆动中心，而方差等于均方值与均值平方之差，它表示随机过程在时刻t相对于均值a(t)的偏离程度。均值和方差都只是与随机过程的一维概率密度函数有关，因而它们只是描述了随机过程在各个孤立时刻的特征，而不能反映随机过程内在的联系。为了衡量随机过程在任意两个时刻上获得的随机变量之间的关联程度，常采用相关函数或协方差。相关函数分为自相关函数和互相关函数，顾名思义自相关函数是衡量同一个过程在不同时刻的关联程度；而互相关函数是两个随机过程在两个不同时刻的随机变量之间的关联程度。不论是自相关函数或互相关函数它们相对于均值和方差来讲都是二维概率密度函数，因为是由两个变量确定的函数。
随机过程的统计特性由其分布函数和概率密度函数描述，若一个随机过程的统计特性与时间启动无关，则称为严平稳随机过程。若均值为常数且自相关函数仅与时间间隔有关则为广义平稳过程。若一个过程的时间平均等于对应的统计平均，则该过程是各态历经性的。
高斯过程的概率密度分布服从正态分布，它的完全统计描述只需要它的数字特征。一维概率密度分布取决于均值和方差，二维概率密度分布主要取决于相关函数。高斯过程经过线性变换后的过程仍然是高斯过程。
窄带随机过程及正弦波加窄带高斯噪声的统计特性更适合对调制系统/带通型系统/无线通信系统多径信道的分析。
而瑞利分布、莱斯分布、正态分布是通信中常见的三种分布：正弦载波信号加窄带高斯噪声的包络一般为莱斯分布。当信号幅度大时，趋近于正态分布；幅度小时，近似为瑞利分布。
维纳——辛钦关系在平稳随机过程的理论和应用中是非常重要的工具，它是联系频域和时域两种分析方法的基本关系式。以下是对该关系配合其他相关概念的详细介绍：

无人机开发平台

通过浏览开源的无人机平台能够迅速了解无人机开发流程和无人机软硬件的详细信息，能够帮助自己在此基础上进行二次开发，增添自己想要的功能。以下是我对于各个无人机开发平台的信息整理。

Ardupiot

Ardupiot无人机平台提供了无人机各个模块代码的详细说明，包括传感器驱动程序、线程管理、无人机姿态控制等。在理解和思考该功能代码时提供了很大的帮助。同时Ardupiot也给出了相应的开发环境和编译器，支持在Linux/Ubuntu环境下进行开发。更重要的是，该平台支持SITL模拟器进行仿真实验，在没有硬件条件下能够对程序进行功能测试。

Dronecode / PX4

Dronecode开发项目是Linux基金会赞助的一个项目，致力于为无人机开发构建一个通用的开源平台。而PX4开发平台是从Dronecode分离开来一个新平台，但是两平台许多资源是共用的，同时支持程序仿真和功能测试，并且拥有较为完备的地面控制站系统QGroundControl，在该地面控制站能够对无人机进行详细参数设置，并且支持多种运行环境。但是该平台有些功能仅支持在Linux下进行开发。需要说一下，该平台源码开发是基于C++格式的，在该平台也能够找到许多主要模块代码的介绍。

Dronekit

该平台提供相当丰富的API接口程序的介绍和说明，包括无人机的起飞、降落、空中旋转等都有较为详细的讲解。在此基础上也附上的开发实例，并对源代码有相应的介绍，有利于读者学习和二次开发。而且也提供了自己的开发环境Dronekit-Python和模拟仿真软件Dronekit-SITL。有利于进行试验测试。

Paparazzi UAV

该平台是一个专注无人机开发较长时间的平台，这个平台提供开源飞行器所需的软件和硬件，同时它们是采用开放许可证发布的。它主要专注于自动飞行，让无人机可以沿一系列航路点来飞行。并且能够对多机（包括多旋翼、固定翼、直升机）进行控制，还支持混合飞机的控制。该平台不仅提供无人机程序的源代码，并且无人机的硬件结构和原理图也能够下载。

总体来说，以上各个平台都能够对于无人机初学者提供很大的帮助。各个平台在提供无人机飞行的基础功能以外，给我们也留下广阔的开发空间，使我们根据不同领域不同环境，添加或改进具体功能提供非常大的便利。而我想要利用无人机开发基于无人机的移动通信基站，应该有利于去了解原始无人机的通信系统。

MAVLink—微型飞行器通信协议

根据这几天浏览了各个无人机开发平台，几乎所有无人机开发所使用的通信协议都是MAVLink通信协议。MAVLink协议是在串口通讯基础上的一种更高层的开源通讯协议，主要应用在微型飞行器的通讯上。它可以通过串口非常高效地封装C结构数据，并将这些数据包发送至地面控制站。同时该协议也支持无人机之间的通信链接。
MAVLink任务内容
（1） 路径点协议
（2） 参数协议
（3） 图像传输协议
（4） 控制接口

无人机路径规划论文阅读总结

对于无人机结合通信不论作为移动基站或是移动中继又或是移动缓存，都需要花费很大精力来思考无人机的路径规划问题。优秀的无人机路径规划方案不仅能够防止无人机在移动过程中发生意外导致坠毁，而且能够恰当部署，提高通信质量；同样也能够缩短移动时间，节约无人机有限的能量。通过对无人机在通信领域的应用分析，可对无人机路径规划问题划分为两个应用场景。场景一给出无人机移动坐标，无人机仅需从起点找出合适的飞行轨迹移动至指定终点。场景二无法给出无人机移动坐标，无人机移动路径需要根据某些因素（这里可以是信号薄弱）去动态调整其飞行终点。
目前，无人机的路径规划问题多采取混合算法，以实现通用性和实时性更强的路径规划功能。较为新颖的有基于动态加权A算法，它是首先对无人机的飞行环境进行建模，找到周围可能影响无人机飞行安全的因素并进行标记，通过对飞行路径和威胁参数进行对比分析，获得飞行最佳航行轨迹。
因为无人机从起点出发到最终抵达目的地的时间是越短越好，而无人机通过对周围空间进行建模再去寻找威胁因素进而得到最优路径，本身就是耗时又耗能的事情，况且无人机飞行是动态移动的，这就需要对周围环境不断进行建模分析找出此刻的最佳路径。所以，有人提出一种高度降维的三维环境建模方法，首先采用传统的方法对三维空间进行分割建模，但只进行二维平面处理，对于高于无人机所在平面的威胁因素，只需对比该平面与障碍物的高度关系，忽略低于无人机飞行高度的障碍物，然后再将A算法作为高度降维三维环境下的路径规划方法，找到无人机最佳飞行路径。
无人机路径规划问题本身就是多变量复杂的，许多因素本质上都是时变的难以建模的。而对于场景二根据某些特定因素去动态调整飞行终点，实现起来需要考虑的因素会更多。可以通过在对周围环境通信信号强弱或无线接入数量作为变量，建立基于无人机移动通信基站的闭环控制系统。首先快速升空，对周围环境进行无线信号需求性预判，按照预先的需求优先级选择出需要提供无线接入服务地区的大致方位，通过对周围环境进行建模，标记出周围需要考虑的威胁因素。根据各个威胁权重分析出最佳飞行路径，并随着时间推移不断调整飞行速度与飞行动作，最终到达该服务区。通过调整飞行高度与飞行姿态达到最佳无线传输服务要求。
以上只是针对某一特定领域进行思考，未来无人机的辅助通信一定是多机联合进行通信服务，故需要考虑多架无人机同时工作的应用方案与调度管理，同时在密闭场所需要考虑飞行高度的控制和更加严格的安全管理；而在无人机提供通信服务的过程中，需要考虑如何调整姿态，如何保持飞行速度进行最佳无线通信传输，并且需要考虑通信过程中的功率控制，如何在尽可能提供更多无线接入链接的条件下保证不对周围区域通信造成干扰。这都会在未来的一段时间进行思考研究。