第六周学习进度总结

第六周学习进度总结

这周的学习内容主要分为三部分：《通信原理》课本的六章前半部分内容，SDR开发平台实验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

第六章：

第六章前半部分主要介绍了数字通信的基带传输的基本内容，包括数字基带信号频谱特性和常用码型、基带信号传输与码间串扰等。
首先关于数字基带信号，它是指未经调制的信号。这些信号的特征是其频谱从零开始或是很低的频率开始，占据较宽的频带。而这种不经载波调制而直接传输数字基带信号的系统，称为数字基带传输系统。而把包括调制和解调过程的传输系统称为数字带通（或频带）传输系统。数字基带信号是数字信息的电波形表示，它可以用不同的电平或脉冲来表示相应的消息代码。根据应用场景的不同，基带信号波形也有区别，其中包括单/双极性波形、单/双极性归零波形、差分波形和多电平波形等。需要指出的是表示信息码元的单个脉冲的波形并非一定是矩形。根据实际情况需要和信道情况，还可以是高斯脉冲或者升余弦脉冲等其他形式。
对基带信号的频谱特性进行分析，便能够针对信号谱的特点来选择相匹配的信道，或者是根据信道的传输特性来选择合适的信号形式和码型。由于数字基带信号是一个随机脉冲序列，没有确定的频谱函数，所以只能用功率谱来表述它的频谱特性。接下来是关于基带信号频谱特性的详细介绍。

从以上可以看出，对于数字基带信号的频谱分析是通过将一个二进制的随机脉冲序列分解成两种不同的波形，一种稳定波其波形代表该随机脉冲序列的统计平均分量，它是一个周期信号。另一种则是交变波，它是一个随机脉冲序列。因为两个波形的特性不同，所以分析两种波形的方法也有区别。对于周期信号的处理我们可以直接展开傅里叶级数，然后根据周期信号的功率谱密度与傅里叶级数的关系，引入冲击函数便能够得到该分量的功率谱密度。

而对于一个功率型随机脉冲序列，它的功率谱密度可以看作是对所有样本函数的功率谱的统计平均。通过对函数进行截短，首先求出它的频谱函数，得到它的统计平均就能够得到它的功率谱密度。

对于总的基带信号的功率谱密度，便是以上两个分量的功率谱密度相加之和。
传输用的基带信号主要有以下两个方面的要求：
（1） 对代码的要求：原始信息代码必须编成适合传输用的码型。
（2） 对所选码型的电波要求：电波形式适合于基带系统的传输。
前者属于传输码型的选择，后者是基带脉冲的选择。根据基带传输对码型的要求目前常用的有AMI码、HDB3码、双相码、差分双相码、密勒码、CMI码和块编码等。他们有各种的编码规则，根据其特点适合运用在不同领域。
数字基带信号传输系统的组成

从以上可以看出数字基带传输系统主要由发送滤波器（信道信号形成器）、信道。接收滤波器和抽样判决器组成。而误码主要是由接收端抽样判决器的错误判定造成的，而造成错误判决的主要原因有两个，一个是码间串扰，另一个是信道加性噪声的影响。
码间串扰原因：系统传输总特性不理想，导致前后码元的波形畸变并使前面波形出现很长的拖尾，从而对当前码元的判决造成干扰。

软件无线电平台

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。首先回顾一下上周关于无人机无线通信路径规划的内容，上周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。根据空对地（ATG）信道的质量很大程度上取决于空中基站的高度。上周介绍了[1]中提出的通过空间损耗来建立无人机覆盖范围以及无人机高度模型。为此，他通过设置一个空间损耗阈值，定义不超过此损耗值便可实现通信正常，从而得到无人机移动基站的最佳高度。
而在[2]中，作者从实现最小发射功率的角度来确定无人机移动基站实现与地面终端通信的最佳高度。同样，作者首先建立路径损耗模型，该损耗是与无人机高度和覆盖面积相关。假设其最小发射功率为一个定值，则通过发射功率减去通信损耗便得到地面终端接收功率

在[2]中，作者同样设置了一个信噪比阈值，它是接收功率与噪声功率之比。定义在大于该噪声功率的情况下无人机移动基站与地面终端的通信是正常的。假设覆盖的目标区域的半径为Rc，需要在最小发射功率保证通信，故计算发射功率相对于高度的导数，可以得到在该最小发射功率条件下保证通信的最佳高度。

得到最佳高度和覆盖面积就能够求出对应的通信平均损耗，加上保证正常通信的接收功率最终便能够得到无人机移动基站的最小发射功率。

对比以上两种得到最佳高度的思路，不难看出他们都是通过分析空间通信损耗来确定无人通信的飞行高度。但他们的侧重点是不同的，[1]中不要求无人机通信的发射功率，只需将空间损耗控制在一定范围内保证其通信即可，它可以飞行较高的高度满足更多地面用户的通信需求，但却不能维持较长时间的运行。[2]中确定了最小发射功率，在相同环境相同地面终端密度情况下，明显不能达到[1]中的高度，但是可以其运行时间大致可知。根据以上分析便可得到两种不同的应用场景。
为了实现无人机能够自主飞行，满足该区域移动用户的无线通信需求。在上周也引用了[3]和[4]中无人机动态加权A*算法来对此进行路径规划。将空间损耗值引入到路径规划的输入条件中，通过加权计算可以得到无人机为满足通信质量的趋向飞行路径。而为了能够进一步得到更快的路径处理速度。引入预测算法是必不可少的，这样能够更高效率的满足地面终端的通信需求。

总结
通过这几周阅读的文献，我对无人机移动基站的路径规划规划问题有了大致的研究方向。首先通过计算无人机无线通信的损耗值或地面终端的接收功率来保证无线通信正常，在对无人机基站动态路径规划时，把满足与地面终端通信的条件考虑其中。运用合适的路径规划算法输出无人机运行的方位和高度，不断调整，逐步接近最佳通信质量方位和高度。为无人机应急通信中的自动寻找通信服务目标提供解决方案，同时弥补静态基站难以应对的动态超负荷需求。

[1] A.Hourani, K. Sithamparanathan, and S. Lardner, “Optimal LAP altitude for maximum coverage,” IEEE Wireless Commun. Lett., vol. 3, no. 6,pp. 569–572, Dec. 2014.
[2] M. Mozaffari, W. Saad, M. Bennis, and M. Debbah, “Drone small cells in the clouds: Design, deployment and performance analysis,” IEEE Global Commun. Conf. (GLOBECOM), San Diego, CA, USA, Dec. 2015, to be published.
[3]何燕.基于动态加权A~*算法的无人机航迹规划[J].河北科技大学学报,2018,39(04):349-355.
[4]韩忠华,冯兴浩,吕哲,杨丽英.一种改进的无人机路径规划环境建模方法[J].信息与控制,2018,47(03):371-378.