第五周学习进度总结

第五周学习进度总结

这周的学习内容主要分为三部分：《通信原理》课本的四、五两章，SDR开发平台的了解和关于无人机无线通信的路径规划论文的研究。具体有以下内容：

《通信原理》的学习总结

第四章：

第四章主要介绍了有关信道的基础知识，包括信道的特性及其对信号传输的影响。本章首先介绍了无线信道和有限信道的基本知识。其中无线信道按照传播方式区分可分为地波、天波和视线传播三种；另外还有对流层散射、电离层散射和流星余迹散射。为了增大通信距离，可以采用转发站转发信号。有线信道分为有线电信道和有线光信道两大类。有线信道可分为明线、对称电缆、同轴电缆。有线光信道中的光信号在光纤中传输。光纤按照传输模式可分为单模传输和多模传输。
信道的数学模型分为调制信道模型和编码信道模型两类。调制信道模型用加性干扰和乘性干扰表示信道对信号传输的影响。加性干扰是叠加在信号上的各种噪声。乘性干扰使信号产生各种失真，包括线性失真。非线性失真、时间延迟以及衰减等。乘性干扰随机变化的信道称为随参信道；乘性干扰的信道称为恒参信道。恒参信道产生的失真主要是线性失真，它可以用振幅—频率特性和相位—频率特性来描述。线性失真通常可以用线性网络补偿。而随参信号对于信号的影响主要是多径效应。多径效应会使数字信号码间串扰增大。
噪声对于信号的传输是有害的，它能使模拟信号失真，使数字信号发生错码，并限制信息的传输速率。按照来源的分类，噪声可以分为人为噪声和自然噪声两大类。人为噪声是人类的活动产生的；自然噪声是自然界中存在的各种电磁波辐射和热噪声。热噪声是来自一切电阻性元器件中电子的热运动。
信道的容量是指信道能够传输的最大平均信息量。按照离散信道和连续信道的不同，信道分别有不同的计算方法。离散信道的容量单位可以是b/字符。或是b/s。而连续信道容量的单位是b/s。由连续信道容量公式可得，带宽、信噪比是容量的决定因素。带宽和信噪功率比可以互换，增大带宽可以降低信噪功率比而保持信道容量不变。但是无限增大带宽并不能无限增大信道容量。

第五章：

本章主要对模拟调制系统进行讲解。调制就是把信号转换成适合在信道中传输的形式的一种过程。广义的调制分为基带调制和带通调制（载波调制）。在无线通信中，调制均指载波调制。载波调制就是用调制信号去控制载波参数的过程，使载波的某一个或几个参数按照调制信号的规律而变化。最常用和最重要的模拟调制方式是用正弦波作为载波的幅度调制和角度调制。常见的调幅（AM）、双边带（DSB）、单边带（SSB）和残留边带（VSB）等调制就是幅度调制的几个典型实例；而频率调制（FM）是角度调制中广泛采用的一种。
调制在通信系统中的作用至关重要，它的主要作用和目的是：
1、 将基带信号（调制信号）变换成适合在信道中传输的已调信号；
2、 实现信道的多路复用；
3、 改善系统抗噪声的性能。
幅度调制是指高频载波的振幅按照基带信号振幅瞬时值的变化规律而变化的调制方式。它是一种线性调制，其线性含义是：已调信号的频谱仅是基带信号频谱的平移。调幅（AM）信号的包络与调制信号m（t）的形状完全一样，因此可采用简单的包络检波器进行解调；DSB信号抑制了AM信号中的载波分量，因此调制效率是100%；SSB信号只传输DSB信号的一个边带，所以频谱最窄、效率最高；VSB是SSB与DSB之间的一种折中方式，它不像SSB中那样完全抑制DSB信号中的一个边带，而是使残留的一小部分，因此它既克服了DSB信号占用频带宽的特点有解决了SSB信号实现中的困难。
线性调制的通用模型有：滤波法和移相法。他们适用于所有线性调制，只要在模型中适当选择边带滤波器的特性，便可以得到各种幅度调制的信号。解调是调制的逆过程，其作用是将已调制信号中的基带调制信号恢复出来。解调方法分为：相干解调和非相干解调。相干解调也叫同步检波，它适用于所有线性调制信号的解调。实现相干解调的关键是接收端要恢复出一个与调制载波严格同步的相干载波。恢复载波性能的好坏直接关系到接收机解调性能的优劣。
角度调制是指高频载波的频率或相位按照基带信号的规律而变化的一种调制方式。它是一种非线性调制方法。已调信号的频谱不再保持原来基带频谱的结构。角度调制包括调频（FM）和调相（PM）。FM信号的瞬时频偏与调制信号m（t）成正比。角度调制的频谱与调制信号的频谱是非线性变换关系，因此信号带宽随调频指数mf的增加而增加。调频波的有效带宽一般可由卡森公式 RFM = 2(mf + 1)fm = 2(∆f + fm)来计算。与幅度调制技术相比，角度调制最突出的优势是其较高的抗噪声性能。这种优势的代价是占用比调幅信号更宽的带宽。
FM信号的平均功率等于未调载波的平均功率。即调制后的总功率不变，调制的过程只是进行功率的重新分配，而分配的原则与调频指数mf有关。
多路复用是指在一条信道中同时传输多路信号。常见的复用方式有：频分复用（FDM）、时分复用（TDM）和码分复用（CDM）等。FDM是一种按频率来划分信道的复用方式，它的特征是各路信号在频域上是分开的，而在时间上是重叠的。FDM技术主要用于模拟信号，普遍应用于多路载波电话系统中。

软件无线电平台

通Mitola在1992年首次提出软件无线电概念，他把软件无线电定义为：一种多频段无线电，它具有天线、射频前端、模数和数模转换器，能够支持多种无线通信协议，在理想的软件无线电中，包括信号的产生、调制/解调、定时、控制、编/解码、数据格式、通信协议等各种功能都可以通过软件来实现。能够在硬件平台不变的前提下通过软件编程对物理硬件进行配置以获得灵活性的无线电。

GNU Radio

GNU Radio是由MIT提供的免费软件开发套件，提供了信号实时处理的软件和低成本的软件无线电硬件，用它可以在低成本的射频硬件和通用处理器上实现软件无线电。GNU Radio主要用Python语言编写的，但是其核心信号处理模块是C++在浮点运算的处理器上构建的。因此，开发者能够简单快速的构建一个无线通信原型系统。但是，受限于其信号处理的软件实现方式，它只能达到有限的信号处理速度，并不能满足高速无线通信协议中的大量计算需求。
这几天根据视频的讲解完成简单的无线电台信号接收实验，了解到信号通过HackRF one接收并通过USB传输给计算机，经过GNU Radio软件平台对信号进行处理。而在对于软件，只需要连接需要的模块并修改参数便能够实现对数据的处理和运算。集成的程序模块能够大大简化编程流程，提高程序设计效率。今后会对该平台进行深入的学习与探究。

无人机路径规划论文阅读总结

本周对该方面的学习是基于上周关于无人机无线通信路径规划问题的深入探究。对于无人机可移动基站的应用场景可大致分为静态空中基站和动态空中基站。所谓静态是指无人机采用悬停的方式以覆盖区域下方范围来提供无线通信服务。在这种情况下，不需要专门的路径规划，但对于无人机部署主要考虑的是找到最佳的无人机方位以及合适的悬停高度以实现最大覆盖范围和最优通信质量。动态是指无人机在提供无线接入服务的过程中需要不断根据通信需求进行移动，或者是随着通信用户的移动而移动以保障用户的通信质量。这种情况下，不仅需要考虑最大覆盖范围和最佳通信质量，还要有理想的路径规划。
根据以上提出的两种情况，我们分开进行讨论。首先是静态空中基站问题。在实际生活中，空对地（ATG）信道的质量很大程度上取决于空中基站的高度。当然，降低无人机高度，能够增强一定范围内的通信质量，但是会减少更多的无线链接不能发挥其无人机通信优势，并且降低高度会提高无人机飞行风险。而增加无人机高度将会导致更高的自由空间路径通信损失，但它也增加了与地面终端LOS链接的可能。故在无人机飞行高度与覆盖范围及通信质量之间有着一定的平衡，以下是对寻找这一平衡关系的讨论。

无人机静态空中基站

我们将在自由空间路径上引起的附加损失称之为具有高斯分布的过度路径损耗，在这里只处理过度路径损失的平均值η。其中也不考虑由传播环境的快速变化引起的小规模波动的影响。因此可以得到空地（ATG）平均路径损耗的模型：

其中FSPL表示UAV和地面终端之间的自由空间路径损耗，ξ是指通信终端（这里分为LOS通信和NLOS通信）。则所有通信终端的平均路径损耗为：

其中P(ξ, θ)表示某种通信终端出现的概率，这里只考虑视距通信和非视距通信，故某个通信终端通信链接方式的概率：

根据国际电信联盟（ITU）提出的城市环境中空地通信信道建立LOS链接的概率计算方法主要取决于三个统计参数：
1、 参数α：表示建筑用地面积与土地总面积之比；
2、 参数β：表示每单位面积的平均建筑物数量；
3、 参数γ：根据瑞利概率密度函数描述的建筑物高度的比例参数。
该概率密度函数为：F(H)=(H/γ2) exp(−H2/2γ2) 其中H为建筑物高度。
则可以得到LOS链接的概率为：

其中$m=floor(r\surd \alpha \beta -1)，$r是无人机垂直于地面的位置与终端距离，floor是向下取整的意思。
在特定环境下，我们可以忽略hTX，因为它远低于平均建筑物高度和无人机高度。此外，无人机垂直于地面的位置与终端距离为$r=h/tan(\theta )，$h为无人机的高度。对于α、β和γ，我们可以近似于以下简单修改的Sigmoid函数（S曲线）：

其中a和b在这里称为S曲线参数。为了概括解，我们将S曲线参数a和b直接与环境变量α，β和γ联系起来。使用两个变量表面拟合来进行联系，其中$（\alpha \times \beta ）$被假定为第一变量，（γ）被认为是第二变量。则表面方程产生具有以下形式的双变量多项式：

其中z表示拟合参数a或b，Cij是表I和表II中给出的多项式系数。

我们根据最大允许路径损耗PLmax来定义服务阈值。当无人机和地面终端之间的总路径损耗超过该阈值时，则该链路被视为失败。对于地面终端来讲，该阈值可转换为半径为R的覆盖区域，在该区域内所有终端与无人机基站的通信损耗都应小于该阈值。故该覆盖区域的半径可写为：

我们根据最大允许路径损耗PLmax来定义服务阈值。当无人机和地面终端之间的总路径损耗超过该阈值时，则该链路被视为失败。对于地面终端来讲，该阈值可转换为半径为R的覆盖区域，在该区域内所有终端与无人机基站的通信损耗都应小于该阈值。故该覆盖区域的半径可写为：

其中d是无人机与地面终端之间的直线距离，由勾股地理可以算出，而f是系统频率。FSPL是根据弗里斯（Friis）传输公式得到，参考（2）：

则可以算得该最大阈值为：
其中
$A=\eta LoS–\eta NLoS，B=20logf+20log(4\pi /c)+\eta NLoS$
为了产生最佳覆盖率的无人机高度，我们可以使R对h进行微分并令其得零，可以得到无人机距离地面高度为h时覆盖半径为R的值，在其范围内，我们可以保证其通信损耗在一个可以接受的范围内，以此保证静态空中基站的通信质量。
以上是对无人机静态空中基站进行的分析，大致能够发现无人机通信最佳高度很大程度上受限于地面环境的条件。但在一定程度上能够得到无人机静态空中基站的通信损耗模型，这样在对无人机动态空中基站分析提供了很多帮助。
无人机动态空中基站
对于无人机动态空中基站的分析我们通过结合上周无人机路径规划的A算法进行的。首先对无人机的飞行环境进行建模，将周围空间分为多个小三维空间，每个小三维空间的顶点称为为节点。然后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。A算法的核心在于对代价函数的设计，代价函数的通用表达是为：
$f(n)=g(n)+h(n)$，其中f(n)为每个节点代价函数；g(n)表示起始点到节点n的代价；h(n)表示从节点到目标点的启发函数。无人机的航迹规划是为了得到一条满足所给约束条件的航程最短、代价最小的可行航迹。在无人机提供通信服务过程中，地面终端可定时向无人机空中基站报告信道状态信息。无人机空中基站依据该信道状态信息作为移动的条件变量，及时调整移动轨迹。
这时可将无人机在空间节点n处的实际代价函数g(n)设计为：
$g(n)=\omega 1Ln+\omega 2JT,n+\omega 3Zn+\omega 4PLmax；$
式中：Ln表示第ｎ个航迹段的航长；JT,n为n段航迹所受的总威胁代价；Zn为第n段航行轨迹的平均高度；PLmax为最大允许路径损耗。$\omega \mathrm{１}，\omega \mathrm{２}，\omega \mathrm{３}$和$\omega 4$分别为4种航迹代价的权重。可以看出，要使成本函数g(n)越小，则应该减小第n个航迹段的航长，降低n段航迹所受的总威胁代价，控制第n段航行轨迹的高度，减少最大允许路径损耗。
$\omega \mathrm{１}，\omega \mathrm{２}，\omega \mathrm{３}$和$\omega 4$分别是4种航迹代价的权重，该权重可以是静态不变的也可是动态调整的。其中在保证所受总威胁代价最小前提下，ω4可以在整个代价函数中被设计成具有主导地位的值，以保证无人机通信需求。
对于h(n)我们有两个定义策略，第一种策略是开始并不赋值，通过无人机对地面终端多次跟踪移动过程中，通过搜集多次移动方位和速度的值，利用机器学习或者是PID反馈控制来预测下一移动节点，可以计算移动节点n和下一移动节点n1来作为移动成本h(n)。这样可以提高移动效率和通信服务质量。第二种策略是以部署的能量补充点为目标节点，每次移动都需考虑移动节点与能量补充点的距离成本h(n)，使每次移动都尽量减少与能量补充点的距离。这样可以更快的到达能量补充点，延长通信服务时间。
通过以上分析可以得到无人机移动策略的代价函数为：
$f(n)=\omega 1Ln+\omega 2JT,n+\omega 3Zn+\omega 4PLmax+h(n)；$
h(n)为节点n到目标节点的距离：

这样能够将无人机静态空中基站的空间损耗运用到无人机动态空中基站的路径规划里可以大大提高无人机空中基站在移动过程中的通信质量，同时结合了无人机路径规划的加权A算法能够保证移动路径的可靠性，为移动无人机通信开辟的新的途径。但是由于运用了静态空中基站的损耗模型，并没有考虑由于移动造成的通信损耗，这是在本文分析中所欠缺的。
总结
通过对静态和动态无人机空中基站的分析我们能够得到无人机提供无线通信服务的一般模型和移动策略。在无人机静态空中基站分析中能够看到在为地面终端提供无线接入服务如何调整高度以满足高通信质量的要求；而在无人机动态空中基站分析中提出了基于加权A算法的无人机移动通信路径规划策略。但接下来的工作还有很多，比如静态空中基站也仅通过通信损耗来定义最佳高度，并没有过多研究覆盖范围问题，而且只研究单个无人机空中基站的通信服务，并没有拓展至多台。同时也没有考虑各种干扰等问题。在动态空中基站中，可以安装摄像头添加图像处理功能，能够保证跟踪移动提供通信服务的效率。同时也需考虑到干扰问题。下一步可以通过动态加权法或者部分动态加权法提高无人机路径规划的灵活性，而且可以研究对下一目标节点的预测算法，以提高无人机移动效率，提高无人机移动通信服务的质量。