[无人机辅助智能车联网实战指南] 第 2 篇：通信模型与信道特征

摘要

本文将带你深入理解无人机辅助车联网中的空地通信传播特性，帮助你掌握无线信道建模的核心方法。你将学到空地信道模型、视距与非视距传播、毫米波频段特性、路径损耗与阴影效应、多普勒频移与干扰分析等关键技术知识。

学习目标

阅读完本文后，你将能够：

能力1：准确分析空地信道的传播特性，区分不同传播场景下的信道特征
能力2：熟练进行链路预算计算，评估通信系统的覆盖范围和信号质量
能力3：理解毫米波通信的特点，掌握其在无人机车联网中的应用

一、空地通信信道概述

无人机辅助车联网系统中的通信链路与传统地面通信有显著差异。无人机作为空中通信平台，其与地面车辆、基础设施之间的信道呈现出独特的传播特性。理解这些特性对于设计高效的通信系统至关重要。

1.1 空地信道的基本特点

空地通信信道主要具有以下几个显著特点：

高度优势带来的视距传播概率高：由于无人机部署在空中，其与地面节点之间的视线被遮挡的可能性大大降低。在城市环境中，无人机可以俯瞰建筑物，建立视距链路，这是空地通信最重要的优势之一。

传播环境复杂多变：空地信道同时受到空中和地面环境的影响。天气条件、建筑物密度、植被覆盖、地面材质等因素都会对信号传播产生显著影响。

动态性更强：无人机的移动性以及地面车辆的快速移动，使得空地信道具有更强的时变特性。信道状态可能在短时间内发生显著变化。

多径效应独特：地面反射、建筑物散射、无人机旋翼产生的多普勒效应等因素共同作用，形成了独特的多径传播环境。

1.2 空地信道分类

根据传播路径的不同，空地信道可以分为以下几类：

flowchart TD
    A[空地信道分类] --> B[视距传播信道]
    A --> C[非视距传播信道]
    A --> D[混合传播信道]

    B --> B1[纯视距 LOS]
    B --> B2[准视距 Q-LOS]

    C --> C1[反射传播]
    C --> C2[绕射传播]
    C --> C3[散射传播]

    D --> D1[视距+反射]
    D --> D2[视距+绕射]
    D --> D3[视距+多径]

    style A fill:#e1f5ff
    style B fill:#c8e6c9
    style C fill:#ffccbc
    style D fill:#fff9c4

图表讲解：这张分类图展示了空地信道的三种主要类型。视距传播信道是最理想的传播条件，信号直接从发射端到达接收端，没有障碍物遮挡。非视距传播信道则是在有遮挡情况下的传播方式，包括反射、绕射和散射。混合传播信道则是实际场景中最常见的情况，视距成分和非视距成分同时存在。

51学通信提示：在实际系统设计中，需要根据应用场景选择合适的信道模型。对于城市环境中的应急通信，由于建筑物密集，非视距传播模型更为准确；而对于开阔地带的交通监控，视距传播模型则更为适用。

二、视距与非视距传播

2.1 视距传播特性

视距传播是指电磁波在视距范围内的直线传播，是空地通信中最理想的传播方式。在无人机辅助车联网中，由于无人机的空中部署优势，视距传播概率显著高于传统地面通信。

视距传播的概率与多个因素相关，其中最关键的是仰角。仰角越大，视距传播的概率越高。这是因为当仰角增大时，信号路径与地面建筑物的夹角变大，被建筑物遮挡的可能性降低。

视距概率的计算通常采用经验公式。一个常用的模型是基于仰角的概率函数：

$P_{L OS} (θ) = \frac{1}{1 + a e x p ( - b ( θ - a ))}$

其中， $θ$ 是仰角， $a$ 和 $b$ 是与环境相关的参数。在城市环境中，这两个参数的取值反映了建筑物的密度和高度分布。

flowchart TD
    A[仰角 θ] --> B{判断传播类型}
    B -->|θ &gt; 阈值| C[视距传播 LOS]
    B -->|θ &lt; 阈值| D[非视距传播 NLOS]

    C --> E[直射波主导]
    C --> F[路径损耗小]
    C --> G[信道质量高]

    D --> H[反射/绕射主导]
    D --> I[路径损耗大]
    D --> J[信道质量下降]

    style A fill:#e3f2fd
    style B fill:#fff9c4
    style C fill:#c8e6c9
    style D fill:#ffccbc
    style E fill:#a5d6a7
    style F fill:#a5d6a7
    style G fill:#a5d6a7
    style H fill:#ffab91
    style I fill:#ffab91
    style J fill:#ffab91

图表讲解：这张流程图展示了仰角如何决定传播类型。当仰角较大时，信号能够越过建筑物，形成视距传播；当仰角较小时，建筑物会遮挡信号，形成非视距传播。视距传播具有直射波主导、路径损耗小、信道质量高的特点，而非视距传播则面临更高的路径损耗和更差的信道质量。

2.2 非视距传播机制

当视距路径被遮挡时，信号可以通过以下几种机制到达接收端：

反射传播：信号遇到大型光滑表面（如建筑物外墙、地面）时发生反射。反射信号的强度取决于反射材料的电特性、入射角和频率。在毫米波频段，反射损耗较大，但仍可利用反射路径进行通信。

绕射传播：当信号遇到边缘或尖角时，会发生绕射现象。绕射使得信号能够”绕过”障碍物到达阴影区域。绕射损耗与频率和障碍物的几何尺寸有关，频率越高，绕射能力越弱。

散射传播：当信号遇到粗糙表面或尺寸与波长相当的小物体时，会发生散射。散射将信号能量向各个方向传播，虽然单个散射路径的信号强度较弱，但多个散射路径的叠加可以提供可用的通信链路。

2.3莱斯衰落与瑞利衰落

空地信道的衰落特性取决于视距成分是否存在：

莱斯衰落：当存在视距成分时，信道服从莱斯分布。莱斯因子K定义为视距成分功率与多径成分功率之比。K值越大，表示视距成分越强，信道质量越好。在无人机通信中，由于视距概率较高，莱斯衰落是常见的信道模型。

瑞利衰落：当不存在视距成分时，信道服从瑞利分布。这是多径衰落的一种极端情况，所有到达接收端的信号都是通过反射、绕射或散射到达的，没有直射路径。瑞利衰落信道的性能通常比莱斯衰落差。

flowchart TD
    A[信道衰落类型判断] --> B{是否存在视距成分?}
    B -->|是| C[莱斯衰落 Rician]
    B -->|否| D[瑞利衰落 Rayleigh]

    C --> E[莱斯因子 K &gt; 0]
    C --> F[直射波 + 多径波]
    C --> G[信道质量较好]

    D --> H[无直射波]
    D --> I[纯多径传播]
    D --> J[信道质量较差]

    E --> K[高仰角场景]
    E --> L[开阔地带]
    E --> M[K 值较大]

    H --> N[低仰角场景]
    H --> O[密集城区]
    H --> P[遮挡严重]

    style A fill:#e3f2fd
    style B fill:#fff9c4
    style C fill:#c8e6c9
    style D fill:#ffccbc
    style K fill:#a5d6a7
    style L fill:#a5d6a7
    style M fill:#a5d6a7
    style N fill:#ffab91
    style O fill:#ffab91
    style P fill:#ffab91

图表讲解：这张图展示了信道衰落类型的判断逻辑和典型应用场景。当存在视距成分时，信道服从莱斯衰落，这通常发生在高仰角场景和开阔地带；当不存在视距成分时，信道服从瑞利衰落，这通常发生在低仰角和密集城区场景。

三、路径损耗模型

路径损耗是通信系统设计中最基本的参数之一，它决定了信号的覆盖范围和发射功率需求。空地信道的路径损耗模型与传统地面信道有显著差异。

3.1 自由空间路径损耗

自由空间路径损耗是电磁波在理想无遮挡环境中传播时的功率衰减。其计算公式为：

$P L_{FS} (d) = 20 lo g_{10} (d) + 20 lo g_{10} (f_{c}) - 147.55$

其中， $d$ 是距离（单位：米）， $f_{c}$ 是载波频率（单位：Hz）。这个公式表明，路径损耗随距离的对数线性增长，随频率的增加而增加。

在自由空间中，信号功率随距离的平方衰减（路径损耗指数为2）。这是理想的传播条件，实际环境中由于各种因素的影响，路径损耗指数通常大于2。

3.2 空地信道路径损耗模型

空地信道的路径损耗需要考虑仰角和建筑物遮挡的影响。一个常用的模型是区分视距和非视距情况：

视距路径损耗模型： $P L_{L OS} (d) = 20 lo g_{10} (d) + 20 lo g_{10} (f_{c}) - 147.55 + η_{L OS}$

非视距路径损耗模型： $P L_{N L OS} (d) = 20 lo g_{10} (d) + 20 lo g_{10} (f_{c}) - 147.55 + η_{N L OS}$

其中， $η_{L OS}$ 和 $η_{N L OS}$ 是额外的损耗因子，反映建筑物遮挡和环境杂波的影响。通常 $η_{N L OS} > η_{L OS}$ ，表示非视距情况下的额外损耗。

另一个重要的模型参数是路径损耗指数 $n$ ： $P L (d) = P L (d_{0}) + 10 n lo g_{10} (d / d_{0})$

其中， $d_{0}$ 是参考距离（通常取1米或100米）， $P L (d_{0})$ 是参考距离处的路径损耗。对于空地信道，路径损耗指数 $n$ 通常在2到6之间变化，取决于环境和仰角。

3.3 大尺度路径损耗计算

下面通过一个序列图展示路径损耗的计算流程：

sequenceDiagram
    participant U as 无人机
    participant C as 信道计算模块
    participant E as 环境参数
    participant R as 接收端

    Note over U,R: 1. 获取基础参数
    U->>C: 发射功率 Pt
    U->>C: 载波频率 fc
    U->>C: 天线增益 Gt, Gr

    Note over U,R: 2. 计算距离和仰角
    C->>C: 计算水平距离 dh
    C->>C: 计算垂直距离 dz
    C->>C: 计算三维距离 d = sqrt(dh² + dz²)
    C->>C: 计算仰角 θ = arctan(dz/dh)

    Note over U,R: 3. 判断传播类型
    C->>E: 获取环境参数
    E-->>C: 返回建筑密度、平均高度
    C->>C: 计算视距概率 P_LOS(θ)
    C->>C: 判断传播类型 LOS/NLOS

    Note over U,R: 4. 计算路径损耗
    C->>C: 计算自由空间损耗
    C->>C: 添加额外损耗因子 η
    C->>C: 应用路径损耗指数 n
    C->>C: PL = PL_FS + η

    Note over U,R: 5. 计算接收功率
    C->>C: Pr = Pt + Gt + Gr - PL
    C->>R: 输出接收功率 Pr

图表讲解：这个序列图展示了空地信道路径损耗的完整计算流程。首先获取基础参数（发射功率、载波频率、天线增益），然后计算三维距离和仰角，接着判断传播类型（视距或非视距），最后计算路径损耗和接收功率。这个流程是链路预算计算的基础。

3.4 阴影衰落

阴影衰落是由于建筑物、地形等大型障碍物引起的信号强度变化。与多径衰落不同，阴影衰落在时间和空间上的变化都比较缓慢，因此称为大尺度衰落。

阴影衰落通常用对数正态分布模型来描述： $P L_{s ha d o w} \sim N (0, σ_{s ha d o w}^{2})$

其中， $σ_{s ha d o w}$ 是阴影衰落标准差，通常取值在4到10 dB之间，具体数值取决于环境。在城市环境中，由于建筑物密集，阴影衰落标准差较大；在郊区或乡村环境中，标准差相对较小。

四、毫米波频段特性

毫米波频段（通常指30-300 GHz）在无人机辅助车联网中具有重要应用价值。毫米波通信可以提供极高的数据传输速率，但也面临独特的挑战。

4.1 毫米波频段的优势

超宽带宽：毫米波频段拥有巨大的连续带宽，可以支持多Gbps的数据传输速率。这对于高清视频传输、大规模传感器数据采集等应用至关重要。

高方向性：由于波长短，毫米波可以使用小尺寸的天线阵列实现高方向性波束。这有助于提高信号强度、减少干扰、增强通信安全。

频谱资源丰富：毫米波频段相对未被充分利用，频谱资源丰富，可以支持大量的用户设备同时接入。

4.2 毫米波频段的挑战

高路径损耗：毫米波的路径损耗随频率的平方增加，比传统频段（如2.4 GHz、5 GHz）高得多。这需要采用高增益天线或波束成形技术来补偿。

穿透能力差：毫米波难以穿透建筑物、车辆、人体等障碍物，甚至厚重的植被也会造成显著衰减。这使得毫米波通信高度依赖视距传播。

大气衰减：在毫米波频段，大气中的氧气、水蒸气等分子会产生显著的吸收损耗。特别是在60 GHz附近，氧气吸收峰会导致严重的信号衰减。

硬件实现复杂：毫米波频段的射频器件设计复杂、成本高、功耗大。这对无人机的能耗预算提出了挑战。

4.3 毫米波信道模型

毫米波信道的路径损耗模型通常在传统模型基础上增加额外的损耗项：

$P L_{mmWa v e} (d) = P L_{FS} (d) + A_{r ain} + A_{o x y g e n} + A_{v e g e t a t i o n}$

其中：

$A_{r ain}$ 是降雨衰减，与降雨强度和频率相关
$A_{o x y g e n}$ 是氧气吸收衰减
$A_{v e g e t a t i o n}$ 是植被衰减

对于60 GHz频段，氧气吸收衰减可达15 dB/km，这对通信距离形成了硬性限制。因此，60 GHz毫米波通信通常用于短距离、高数据速率的应用场景。

4.4 毫米波波束成形

由于毫米波的高路径损耗，波束成形技术成为关键使能技术。通过控制天线阵列中各阵元的激励，可以在特定方向形成高增益波束。

波束成形增益的计算公式为： $G_{b e am} = 10 lo g_{10} (N) + G_{e l e m e n t}$

其中， $N$ 是天线阵元数量， $G_{e l e m e n t}$ 是单个阵元的增益。

flowchart TD
    A[毫米波波束成形] --> B[数字波束成形]
    A --> C[模拟波束成形]
    A --> D[混合波束成形]

    B --> B1[基带处理]
    B --> B2[每个阵元独立控制]
    B --> B3[灵活性高]
    B --> B4[硬件复杂度高]

    C --> C1[射频移相器]
    C --> C2[阵元联合控制]
    C --> C3[硬件简单]
    C --> C4[灵活性受限]

    D --> D1[数字+模拟结合]
    D --> D2[平衡性能与复杂度]
    D --> D3[实际应用首选]

    style A fill:#e1f5ff
    style B fill:#c8e6c9
    style C fill:#ffccbc
    style D fill:#fff9c4

图表讲解：这张图展示了毫米波波束成形的三种实现方式。数字波束成形在基带进行，灵活性高但硬件复杂；模拟波束成形在射频端实现，硬件简单但灵活性受限；混合波束成形结合两者优点，是实际应用的首选方案。在无人机场景中，由于功耗和尺寸限制，混合波束成形通常是最佳选择。

五、小尺度衰落与多径效应

5.1 多径传播的成因

在空地通信环境中，信号可以通过多条路径到达接收端：

直射路径（视距传播）
地面反射路径
建筑物反射路径
植被散射路径
无人机机身散射路径

这些不同路径的信号在接收端叠加，形成多径衰落效应。

5.2 多径信道的统计特性

多径信道可以用功率时延谱来描述。功率时延谱反映了信号功率在不同时延上的分布情况。关键参数包括：

时延扩展：功率时延谱的均方根时延，反映信道的多径散布程度。时延扩展越大，符号间干扰越严重。

相干带宽：信道保持相关性的带宽范围。相干带宽与时延扩展成反比： $B_{c} \approx \frac{1}{5 τ _{r m s}}$

其中， $τ_{r m s}$ 是均方根时延扩展。

相干时间：信道保持相关性的时间范围。相干时间与多普勒频移成反比： $T_{c} \approx \frac{0.423}{f _{d}}$

其中， $f_{d}$ 是最大多普勒频移。

flowchart TD
    A[多径信道参数] --> B[时域参数]
    A --> C[频域参数]

    B --> B1[时延扩展 τ_rms]
    B --> B2[相干时间 T_c]
    B --> B3[多普勒频移 f_d]

    C --> C1[相干带宽 B_c]
    C --> C2[多径强度]

    B1 --> D[影响 ISI]
    B2 --> E[影响快衰速度]
    B3 --> F[影响时变性]

    C1 --> G[影响频率选择性]
    C2 --> H[影响接收功率]

    D --> I[设计循环前缀]
    E --> J[设计导频密度]
    F --> K[设计跟踪算法]
    G --> L[选择子载波间隔]
    H --> M[确定发射功率]

    style A fill:#e1f5ff
    style B fill:#c8e6c9
    style C fill:#ffccbc
    style I fill:#fff9c4
    style J fill:#fff9c4
    style K fill:#fff9c4
    style L fill:#fff9c4
    style M fill:#fff9c4

图表讲解：这张图展示了多径信道的关键参数及其对系统设计的影响。时域参数（时延扩展、相干时间、多普勒频移）和频域参数（相干带宽、多径强度）共同决定了信道的特性。这些参数直接影响循环前缀长度、导频密度、跟踪算法、子载波间隔等系统设计参数。

5.3 多普勒频移

多普勒频移是由于发射端、接收端或散射体的相对运动产生的频率偏移。在无人机辅助车联网中，多普勒频移尤其显著，原因包括：

无人机的飞行速度（通常10-30 m/s）
地面车辆的移动速度（城市环境通常15-30 m/s，高速公路可达30+ m/s）
无人机和车辆的相对运动

多普勒频移的计算公式为： $f_{d} = \frac{v}{λ} cos θ$

其中， $v$ 是相对速度， $λ$ 是波长， $θ$ 是运动方向与信号传播方向的夹角。

最大多普勒频移为： $f_{d, ma x} = \frac{v _{ma x}}{λ}$

在2.4 GHz频段，对于30 m/s的移动速度，最大多普勒频移约为240 Hz；在60 GHz频段，相同速度下的最大多普勒频移可达6 kHz。

5.4 快衰落与慢衰落

根据衰落变化的速度，信道衰落可以分为快衰落和慢衰落：

快衰落：变化速度与符号持续时间相当，主要由多径效应和多普勒效应引起。快衰落需要在接收端通过信道估计和均衡技术来应对。

慢衰落：变化速度远慢于符号持续时间，主要由阴影效应和大尺度路径损耗变化引起。慢衰落可以通过功率控制或自适应调制编码来补偿。

flowchart TD
    A[信道衰落分类] --> B[时间尺度]
    A --> C[空间尺度]

    B --> B1[快衰落]
    B --> B2[慢衰落]

    C --> C1[大尺度衰落]
    C --> C2[小尺度衰落]

    B1 --> D[多径效应]
    B1 --> E[多普勒效应]
    B1 --> F[符号级变化]

    B2 --> G[阴影效应]
    B2 --> H[路径损耗变化]
    B2 --> I[秒级到分钟级变化]

    C1 --> J[距离相关]
    C1 --> K[环境相关]
    C1 --> L[百米级变化]

    C2 --> M[波长级变化]
    C2 --> N[多径叠加]
    C2 --> O[快衰落]

    D --> P[信道均衡]
    E --> P
    G --> Q[功率控制]
    H --> Q
    I --> Q

    style A fill:#e1f5ff
    style B fill:#c8e6c9
    style C fill:#ffccbc
    style P fill:#fff9c4
    style Q fill:#fff9c4

图表讲解：这张图从时间和空间两个维度对信道衰落进行分类。从时间尺度看，快衰落主要由多径和多普勒效应引起，变化速度快；慢衰落主要由阴影和路径损耗变化引起，变化速度慢。从空间尺度看，大尺度衰落与距离和环境相关，变化范围大；小尺度衰落与波长相关，变化范围小。不同类型的衰落需要不同的应对技术。

六、干扰分析与噪声模型

6.1 干扰类型

在无人机辅助车联网中，干扰来源多样，主要包括：

同频干扰：使用相同频率的其他系统产生的干扰。这包括其他无人机、地面基站、车辆通信设备等。

邻频干扰：使用相邻频率的系统产生的干扰。由于发射机和接收机的滤波器特性不理想，部分邻频信号会泄漏到通带内。

互调干扰：多个强信号在非线性器件中混合产生的新频率分量，如果这些分量落在接收通带内，就会形成干扰。

自干扰：在全双工通信系统中，发射信号泄漏到接收端形成的干扰。

6.2 干扰温度模型

干扰温度模型用于量化接收端受到的总干扰水平。干扰温度定义为： $T_{I} = \frac{P _{I}}{k _{B}}$

其中， $P_{I}$ 是干扰功率， $k_{B}$ 是玻尔兹曼常数。干扰温度门限是系统能够容忍的最大干扰水平。

干扰温度的测量需要考虑所有干扰源的叠加效应： $T_{t o t a l} = T_{t h er ma l} + \sum_{i = 1}^{N} T_{I, i}$

其中， $T_{t h er ma l}$ 是热噪声温度， $T_{I, i}$ 是第i个干扰源产生的干扰温度。

6.3 噪声模型

接收端噪声主要包括：

热噪声：由电子器件的热运动产生，是接收端噪声的主要来源。热噪声功率为： $P_{t h er ma l} = k_{B} T_{0} B$

其中， $T_{0}$ 是等效噪声温度（通常取290K）， $B$ 是系统带宽。

量化噪声：在模数转换过程中产生的噪声，与量化位数相关。

相位噪声：由本地振荡器的相位抖动产生，在毫米波频段尤为显著。

放大器噪声：由低噪声放大器等有源器件产生，用噪声系数来衡量。

总噪声功率为各噪声分量的叠加： $P_{n o i se, t o t a l} = P_{t h er ma l} + P_{q u an t i z a t i o n} + P_{p ha se} + P_{am pl i f i er}$

接收端信噪比（SNR）为： $SNR = \frac{P _{r}}{P _{n o i se, t o t a l}}$

其中， $P_{r}$ 是接收信号功率。

6.4 信干噪比（SINR）计算

在实际系统中，需要同时考虑信号、干扰和噪声，使用信干噪比（SINR）来衡量链路质量：

$S I NR = \frac{P _{r}}{P _{I} + P _{n o i se, t o t a l}}$

其中， $P_{I}$ 是总干扰功率。

在多用户系统中，用户的SINR计算需要考虑所有其他用户的干扰： $S I N R_{u} = \frac{P _{r, u}}{\sum _{v \neq = u} P _{I, v} + P _{n o i se, t o t a l}}$

其中， $P_{r, u}$ 是用户u的接收功率， $P_{I, v}$ 是用户v对用户u造成的干扰功率。

flowchart TD
    A[接收信号质量分析] --> B[信号功率 Pr]
    A --> C[干扰功率 PI]
    A --> D[噪声功率 Pnoise]

    B --> B1[发射功率]
    B --> B2[发射天线增益]
    B --> B3[接收天线增益]
    B --> B4[路径损耗]
    B --> B5[阴影衰落]
    B --> B6[多径衰落]

    C --> C1[同频干扰]
    C --> C2[邻频干扰]
    C --> C3[互调干扰]
    C --> C4[自干扰]

    D --> D1[热噪声]
    D --> D2[量化噪声]
    D --> D3[相位噪声]
    D --> D4[放大器噪声]

    B --> E[SNR = Pr / Pnoise]
    C --> F[SINR = Pr / PI+Pnoise]
    D --> E
    D --> F

    E --> G[链路质量评估]
    F --> G

    G --> H[调制编码选择]
    G --> I[功率控制]
    G --> J[资源分配]

    style A fill:#e1f5ff
    style B fill:#c8e6c9
    style C fill:#ffccbc
    style D fill:#fff9c4
    style G fill:#e1bee7
    style H fill:#f8bbd0
    style I fill:#f8bbd0
    style J fill:#f8bbd0

图表讲解：这张图展示了接收信号质量的完整分析流程。接收信号质量由信号功率、干扰功率和噪声功率共同决定。信号功率受发射功率、天线增益、路径损耗和衰落影响；干扰来自同频、邻频、互调和自干扰；噪声包括热噪声、量化噪声、相位噪声和放大器噪声。最终通过SINR评估链路质量，并据此进行调制编码选择、功率控制和资源分配。

七、链路预算与覆盖分析

7.1 链路预算基本概念

链路预算是对通信链路中功率增益和损耗的全面核算，用于确定在给定条件下能否实现可靠通信。链路预算的基本方程为：

$P_{r} = P_{t} + G_{t} + G_{r} - P L - L_{o t h er}$

其中：

$P_{r}$ 是接收功率（dBm）
$P_{t}$ 是发射功率（dBm）
$G_{t}$ 是发射天线增益（dBi）
$G_{r}$ 是接收天线增益（dBi）
$P L$ 是路径损耗（dB）
$L_{o t h er}$ 是其他损耗（dB），包括馈线损耗、连接器损耗、人体损耗等

7.2 链路余量

链路余量是接收功率相对于接收灵敏度的富余量： $M_{l ink} = P_{r} - P_{se n s i t i v i t y}$

其中， $P_{se n s i t i v i t y}$ 是接收机灵敏度。链路余量必须为正才能保证可靠通信，通常要求至少有3-10 dB的余量以应对信道波动和估计误差。

接收机灵敏度的计算公式为： $P_{se n s i t i v i t y} = - 174 + 10 lo g_{10} (B) + NF + SN R_{re q}$

其中：

-174 dBm/Hz 是热噪声功率谱密度
$B$ 是系统带宽（Hz）
$NF$ 是噪声系数（dB）
$SN R_{re q}$ 是解调所需的最小信噪比（dB）

7.3 覆盖范围计算

根据链路预算，可以计算通信系统的最大覆盖范围。设最大允许路径损耗为 $P L_{ma x}$ ： $P L_{ma x} = P_{t} + G_{t} + G_{r} - P_{se n s i t i v i t y} - L_{o t h er} - M_{ma r g in}$

其中， $M_{ma r g in}$ 是系统余量。

根据路径损耗模型，可以反推出最大通信距离。对于自由空间路径损耗模型： $d_{ma x} = 1 0^{\frac{P L _{ma x} - 20 l o g _{10} ( f _{c} ) + 147.55}{20}}$

对于更复杂的路径损耗模型，需要数值求解或查表。

7.4 无人机覆盖优化

无人机的位置和高度对覆盖范围有显著影响。通过优化无人机位置，可以最大化覆盖范围或最小化发射功率。

覆盖优化需要考虑以下因素：

地面用户的分布
建筑物遮挡情况
无人机的能耗限制
通信质量要求
干扰协调需求

flowchart TD
    A[无人机覆盖优化] --> B[输入参数]
    A --> C[优化目标]
    A --> D[约束条件]

    B --> B1[用户位置分布]
    B --> B2[建筑物地图]
    B --> B3[信道模型参数]
    B --> B4[无人机性能参数]

    C --> C1[最大化覆盖范围]
    C --> C2[最小化发射功率]
    C --> C3[最大化用户速率]
    C --> C4[最小化干扰]

    D --> D1[无人机飞行高度限制]
    D --> D2[能耗限制]
    D --> D3[通信质量要求]
    D --> D4[避障要求]

    B --> E[优化算法]
    C --> E
    D --> E

    E --> F[梯度下降法]
    E --> G[粒子群优化]
    E --> H[遗传算法]
    E --> I[深度强化学习]

    F --> J[输出: 最优位置和高度]
    G --> J
    H --> J
    I --> J

    style A fill:#e1f5ff
    style B fill:#c8e6c9
    style C fill:#fff9c4
    style D fill:#ffccbc
    style E fill:#e1bee7
    style J fill:#b2dfdb

图表讲解：这张图展示了无人机覆盖优化的完整流程。首先收集输入参数（用户分布、建筑物地图、信道模型、无人机参数），然后确定优化目标（覆盖范围、功耗、速率、干扰），并考虑各种约束条件（高度、能耗、质量、避障）。最后通过优化算法（梯度下降、粒子群、遗传算法、强化学习）求解最优的无人机位置和高度。

八、信道测量与建模

8.1 信道测量方法

信道测量是验证和改进信道模型的基础。常用的信道测量方法包括：

时域测量：发射脉冲信号，测量接收端的时域响应。这种方法可以直接测量信道冲激响应，但需要极高的采样率。

频域测量：在多个频点测量信道频率响应，通过傅里叶变换得到时域响应。这种方法对采样率要求较低，但需要精确的频率同步。

方向性测量：使用天线阵列或旋转天线测量信道的角度特性（到达角、离开角）。

8.2 信道建模方法

信道建模方法可以分为以下几类：

经验模型：基于大量实测数据拟合得到的经验公式。优点是简单易用，缺点是适用范围有限。常见的经验模型包括Hata模型、COST-231模型等。

确定性模型：基于电磁波传播理论，利用建筑物地图、地形数据等精确计算信道特性。优点是精度高，缺点是计算复杂、需要详细的地理信息。常见的确定性模型包括射线追踪法、抛物线方程法等。

随机模型：用随机过程描述信道特性，基于统计规律生成信道实现。优点是灵活性高，缺点是准确性依赖于参数选择。常见的随机模型包括抽头延迟线模型、几何随机模型等。

8.3 3GPP TR 38.901 信道模型

3GPP TR 38.901是5G系统的标准信道模型，涵盖了0.5-100 GHz频段的信道特性。该模型包含以下关键组成部分：

大尺度参数：路径损耗、阴影衰落、莱斯因子等。

小尺度参数：时延扩展、角度扩展、多普勒频移等。

空间特性：到达角、离开角及其扩展。

该模型支持多种场景：

城市微小区（UMi）
城市宏小区（UMa）
农村宏小区（RMa）
室内热点（InH）

对于空地信道，3GPP TR 38.901提供了专门的模型，考虑了仰角对视距概率和路径损耗的影响。

8.4 米MIMO信道建模

大规模MIMO（Massive MIMO）是5G和6G系统的关键技术之一。毫米波频段的大规模MIMO信道建模需要考虑：

三维空间特性：包括水平面和垂直面的角度特性。

簇结构：多径分量以簇的形式分布，每个簇具有特定的时延、角度和功率。

极化特性：水平和垂直极化分量的相关性和功率比。

块对角特性：在大规模MIMO系统中，不同用户信道近似正交，有利于多用户MIMO传输。

核心概念总结

概念名称	定义	应用场景	注意事项
视距传播	电磁波直线传播，无遮挡	开阔地带、高空无人机	仰角越大，LOS概率越高
非视距传播	通过反射/绕射/散射传播	密集城区、低仰角场景	路径损耗显著增加
莱斯衰落	存在直射波的多径衰落	高仰角空地信道	莱斯因子K反映直射波强度
瑞利衰落	无直射波的多径衰落	低仰角或遮挡严重场景	信道质量通常较差
路径损耗指数	信号衰减随距离变化的指数	链路预算、覆盖计算	空地信道通常为2-6
时延扩展	多径信号时延分布的均方根	符号间干扰分析	影响循环前缀长度
相干带宽	信道保持相关性的带宽	频率选择性分析	与时延扩展成反比
多普勒频移	运动引起的频率偏移	高速移动场景	影响载波频率跟踪
链路余量	接收功率超出灵敏度的量	可靠性评估	通常需要3-10 dB余量

本文由”51学通信”（公众号：51学通信，站长：爱卫生）原创分享。如需深入交流或获取更多通信技术资料，欢迎添加微信：gprshome201101。

常见问题解答

Q1：为什么无人机通信中信道建模比地面通信更复杂？

答：无人机通信的信道建模复杂性主要源于三维空间传播特性和独特的环境影响因素。

首先，无人机在空中飞行，与地面节点之间形成的传播链路是真正意义上的三维立体传播，不能像传统地面通信那样仅在二维平面上考虑问题。这意味着需要同时考虑水平距离、垂直高度差以及仰角等多个空间维度对信号传播的影响。

其次，无人机的移动性使得信道环境变化更快、更复杂。地面移动通信通常只在地面平面内移动，而无人机可以在三维空间内自由飞行，其运动轨迹对信道状态的影响更加难以预测。当无人机改变飞行高度或调整位置时，信道的视距条件、多径结构和干扰情况都可能发生显著变化。

另外，无人机通信需要考虑独特的传播环境因素。地面反射不再是唯一的地面影响因素，还需要考虑建筑物侧面反射、屋顶散射等额外的多径成分。在高空场景下，还需要考虑大气衰减、降雨衰减等地面通信通常忽略的因素。

此外，无人机自身的特性也会对信道产生影响。例如，无人机旋翼的旋转可能会产生周期性的多普勒频移，无人机机身对天线辐射图的影响，以及无人机电池供电对发射功率的限制等。

51学通信建议：在进行无人机通信系统设计时，建议采用专门针对空地信道开发的模型（如3GPP TR 38.901中的高空平台模型），并在条件允许的情况下进行实地信道测量以验证模型的适用性。

Q2：毫米波通信在无人机车联网中的应用前景如何？如何克服其高路径损耗的缺点？

答：毫米波通信在无人机车联网中具有广阔的应用前景，特别是在需要超大带宽和极低时延的应用场景中。

毫米波通信的最大优势是能够提供超宽的连续带宽。在无人机辅助车联网的应用中，有很多场景需要传输海量数据，例如车载高清视频实时回传、车辆激光雷达点云数据共享、大规模环境地图构建与更新等。这些应用在传统Sub-6 GHz频段很难实现，而在毫米波频段则可以轻松支持多Gbps的数据传输速率。

此外，毫米波的高方向性特性也有利于提高通信安全性和抗干扰能力。通过波束成形技术，可以将信号能量集中在特定方向，减少对其他方向的干扰，同时也降低了被窃听的风险。这对于车联网这种对安全性要求极高的应用场景尤为重要。

然而，毫米波通信确实面临高路径损耗的挑战。要克服这一缺点，可以采取以下几种技术措施：

第一，采用大规模天线阵列实现高增益波束成形。通过使用数十甚至上百个天线阵元，可以在不增加发射功率的情况下显著提高等效全向辐射功率（EIRP）。例如，64阵元的阵列可以提供约18 dB的波束成形增益。

第二，优化无人机部署位置和高度。适当降低无人机高度可以缩短通信距离，从而减少路径损耗。但需要注意平衡降低高度带来的视距概率降低问题，这需要根据具体环境进行优化。

第三，结合中继技术。对于距离较远或遮挡严重的用户，可以使用其他车辆或固定基础设施作为中继节点，通过多跳传输将信号送达目的地，每跳的距离较短，从而降低单次传输的路径损耗。

第四，采用智能反射面（IRS）等新型技术。智能反射面可以被动地反射信号，通过调整反射相位，可以绕过障碍物或增强特定方向的信号强度，这是一种低功耗的覆盖增强方案。

Q3：在无人机车联网中，如何准确计算和预测视距概率？

答：视距概率的准确计算和预测对于空地通信系统的性能评估和优化至关重要，但这也是一个具有挑战性的任务。

视距概率的基本计算方法通常使用基于仰角的经验公式。最常用的模型是3GPP标准中提供的公式，该公式将视距概率表示为仰角的函数，形式为： $P_{L OS} (θ) = \frac{1}{1 + a e x p ( - b [ θ - a ])}$ 其中参数a和b的取值取决于部署场景。对于城市微小区（UMi）场景，典型值为a1=28°，b1=0.1；对于城市宏小区（UMa）场景，典型值为a2=18°，b2=0.07。这些参数是通过大量实测数据拟合得到的。

然而，仅使用仰角来计算视距概率往往不够准确，实际应用中还需要考虑以下因素：

建筑物密度和高度分布是影响视距概率的最重要因素。在建筑物密集的城区，即使仰角较大，也可能会遇到高层建筑的遮挡。更精确的建模方法应该使用建筑物高度分布的统计模型，例如假设建筑物高度服从对数正态分布，然后计算信号路径与建筑物的相交概率。

地形起伏也是一个重要因素。在山区或丘陵地带，地形的起伏可能造成遮挡，即使仰角较大也可能无法建立视距链路。对于这种情况，需要使用数字高程模型（DEM）数据来进行精确计算。

天气条件在某些情况下也会影响视距传播。虽然毫米波以下的频段对天气不敏感，但在暴雨或浓雾条件下，大气的衰减和散射效应可能会显著影响信号传播，使得视距链路的性能下降。

为了获得更准确的视距预测，可以采用以下几种方法：

第一种方法是使用射线追踪技术。这种方法需要详细的建筑物三维模型，通过追踪信号射线的路径，可以精确判断是否存在视距链路。射线追踪的精度很高，但计算复杂度也很高，通常用于离线规划而非实时预测。

第二种方法是使用机器学习进行预测。通过收集大量的实测数据，包括位置、仰角、视距状态等，训练一个分类模型来预测视距概率。这种方法可以在保证一定精度的同时降低计算复杂度。

第三种方法是使用概率地图。将区域划分为网格，每个网格预先计算好从不同高度和方向的视距概率，存储为地图。在实际应用中，只需查表即可获得近似的视距概率，这种方法计算效率最高。

Q4：多普勒频移对无人机车联网系统有什么影响？如何进行补偿？

答：多普勒频移是移动通信中不可避免的现象，在无人机车联网场景中，由于无人机和车辆都可能高速移动，多普勒频移的影响更加显著。

多普勒频移的最直接影响是造成载波频率偏移，从而破坏子载波之间的正交性。在OFDM系统中，这会导致载波间干扰（ICI），严重影响解调性能。对于60 GHz毫米波通信，无人机和车辆的相对速度达到30 m/s时，多普勒频移可达6 kHz，这对于子载波间隔较小（例如几十kHz）的系统会造成严重的干扰。

多普勒频移还会引起时延-多普勒双扩展效应，使得信道同时具有频率选择性和时间选择性。这意味着信道在时域和频域都呈现快速变化，对信道估计和跟踪提出了更高要求。

此外，多普勒频移还会影响同步和信号检测。频偏会导致定时同步偏差，使得接收端无法准确确定符号边界。在信号检测方面，多普勒扩展会使得接收信号产生频域扩散，增加检测的复杂度。

为了补偿多普勒频移的影响，可以采取以下技术措施：

第一，采用自动频率控制（AFC）环。AFC环通过估计载波频偏，并调整本地振荡器频率来消除频偏。通常采用两步估计方法：首先利用导频或前导序列进行粗略频偏估计，然后利用跟踪环路进行精细估计和跟踪。

第二，设计鲁棒的波形。例如，可以增加子载波间隔以降低对频偏的敏感性。5G NR的 numerology设计提供了多种子载波间隔选项（15 kHz、30 kHz、60 kHz、120 kHz），在高频段和高速移动场景下使用较大的子载波间隔。

第三，使用导频图案优化。通过合理安排导频在时频资源上的分布，可以在保证信道估计精度的同时，提高对多普勒频移的容忍度。对于高速移动场景，需要增加导频密度以跟踪快速的信道变化。

第四，采用先进的接收机算法。例如，基于卡尔曼滤波的信道跟踪算法可以很好地适应多普勒引起的时变信道；基于压缩感知的算法可以利用信道的稀疏性来降低导频开销。

第五，进行无人机轨迹和速度的联合优化。虽然多普勒频移主要由相对速度决定，但通过调整无人机的飞行轨迹和速度，可以控制多普勒频移的大小和变化率，从而降低对通信系统的影响。

Q5：在进行链路预算时，如何合理设置各种余量以保证通信可靠性？

答：链路预算是通信系统设计的核心环节，合理设置各种余量对于保证通信可靠性至关重要。余量设置过大会造成资源浪费，设置过小则可能导致通信中断。

阴影余量用于补偿大尺度阴影衰落的影响。阴影衰落通常用对数正态分布建模，标准差一般在4-10 dB之间。阴影余量的设置需要满足一定的覆盖概率要求（通常为小区边缘覆盖率，如90%或95%）。如果要求90%的覆盖概率，且阴影衰落标准差为8 dB，则阴影余量应设置为约1.28×8=10.2 dB。值得注意的是，阴影余量与小区半径有关，小区越大，边缘概率越低，所需的余量也越大。

穿透余量用于补偿信号穿透建筑物或车辆车体的损耗。在无人机车联网场景中，有时需要考虑室内覆盖或车内覆盖。建筑物穿透损耗随频率增加而显著增大，在2.4 GHz频段约为10-20 dB，在28 GHz频段可达30-40 dB。车体穿透损耗通常为5-15 dB。如果系统需要支持室内或车内用户，必须计入穿透余量。

人体余量考虑了人体对信号的吸收和遮挡效应。当用户手持终端或佩戴在身上时，人体会造成额外的损耗。人体余量通常设置为3-6 dB，具体取值取决于终端的使用方式和频段。

干扰余量用于补偿系统内和系统间干扰的影响。在蜂窝系统中，小区边缘用户受到的邻区干扰最严重。干扰余量取决于系统的频率复用因子、小区布局和功率控制策略。在密集部署场景中，干扰余量可能需要设置为3-6 dB甚至更高。

快衰落余量（也称为链路余量）用于应对小尺度多径衰落的影响。由于快衰落的快速变化，无法通过功率控制完全补偿。快衰落余量通常设置为2-5 dB，用于保证在深度衰落发生时仍能维持基本连接。注意，快衰落余量主要影响切换性能而非基本连接的保持。

实施余量考虑了实际部署中各种非理想因素的影响。这包括天线朝向偏差、馈线损耗、连接器损耗、设备老化等因素。实施余量通常设置为2-3 dB。

51学通信提示：在实际工程中，不同余量之间不是简单的叠加关系。例如，阴影余量和干扰余量具有一定的相关性（阴影衰落同时影响有用信号和干扰），直接相加会导致余量过大。合理的做法是进行联合仿真或采用统计方法计算总余量。另外，不同部署场景的余量设置也应有所区别，例如城区需要更大的阴影余量，而郊区的干扰余量则可以适当降低。

总结

本文深入探讨了无人机辅助车联网中的通信模型与信道特征。我们学习了空地信道的基本特点，包括高视距概率、复杂传播环境和强动态性；掌握了视距与非视距传播的机理和区分方法；理解了毫米波频段的独特优势和挑战；认识了路径损耗、阴影衰落、多径效应、多普勒频移等关键信道现象；学会了进行链路预算和覆盖分析的方法。

信道特性是通信系统设计的基础，只有深入理解信道的传播规律，才能设计出高效可靠的通信系统。在实际工程中，需要根据具体应用场景选择合适的信道模型，并通过实测数据验证和修正模型参数。

下篇预告

下一篇我们将深入探讨资源分配与优化算法，带你了解功率分配策略、频谱资源管理、用户关联与分组、多智能体强化学习等关键技术。我们将学习如何通过智能的资源分配算法，最大化无人机辅助车联网系统的性能和效率。

51学通信

探索

02-通信模型与信道特征