劉堯+彭藝

摘要：

由于無(wú)人機(jī)通常工作于復(fù)雜的電磁環(huán)境與多變的地理環(huán)境中，因此無(wú)人機(jī)通信通常采用跳頻技術(shù)對(duì)抗干擾。然而傳統(tǒng)的無(wú)人機(jī)跳頻通信僅僅是簡(jiǎn)單的固定跳頻信道接入，如當(dāng)前使用信道發(fā)生用戶沖突或者突然衰落時(shí)，通信可能會(huì)延遲甚至中斷。因此，文章結(jié)合認(rèn)知無(wú)線電技術(shù)（CR），提出一種基于向量回歸的無(wú)人機(jī)認(rèn)知跳頻通信信道選擇方法，運(yùn)用基于向量回歸建立預(yù)測(cè)最小信噪比模型，基于CR建立跳頻信道集并在當(dāng)前跳頻通信時(shí)同時(shí)檢測(cè)下一跳通信信道狀態(tài)及動(dòng)態(tài)選擇信道，從而保證了跳頻接入的可靠性。仿真表明，此方法較傳統(tǒng)跳頻通信有更高的傳輸速率和較低的誤碼率，對(duì)無(wú)人機(jī)的通信質(zhì)量有較大提升。

關(guān)鍵詞：

無(wú)人機(jī)通信；認(rèn)知無(wú)線電；向量回歸；頻譜感知；跳頻通信

DOIDOI：10.11907/rjdk.172517

中圖分類號(hào)：TP393

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：1672-7800（2018）001-0195-04

Abstract：Since unmanned aerial vehicles （UAV） are usually employed in complex electromagnetic environments and diverse geographic environments， the frequency-hopping technology is often used in UAV communications to compete interference. However， the traditional frequency-hopping technology is just a fixed access of frequency-hopping communication channel. Once the current using channel has user conflicts or a sudden fading， the communication may delay or interrupt. So， combine with cognitive radio （CR） technology， a frequency-hopping communication channel selection method for UAV based on RVR （Relevance Vector Regression） is addressed. The method based on RVR to establish the model to predict minimum SNR，and constitute the frequency-hopping channel set based on cognitive radio. The next frequency-hopping channel will be estimated meanwhile when the frequency-hopping is going in order to ensure the reliability of the frequency-hopping access. The simulation indicated that the method proposed has better data rate and lower error rate， and an obvious improvement of the communication quality.

Key Words：UAV communication； cognitive radio； relevance vector regression； spectrum sensing； frequency hopping communication

0引言

無(wú)人機(jī)（Unmanned Aerial Vehicles，UAV）廣泛應(yīng)用于軍事、科研、地形測(cè)繪、搜救和快遞業(yè)務(wù)等各個(gè)方面[1]。根據(jù)國(guó)家工信部《中華人民共和國(guó)無(wú)線電頻率劃分規(guī)定》及我國(guó)頻譜使用情況規(guī)定，840.5-845MHz、1 430-1 444MHz和2 408-2 440MHz頻段用于無(wú)人駕駛航空器系統(tǒng)，無(wú)人機(jī)的頻譜資源十分緊張。當(dāng)使用無(wú)人機(jī)覆蓋一塊區(qū)域進(jìn)行通信時(shí)，由于無(wú)人機(jī)的位置在不斷變化，且每個(gè)無(wú)人機(jī)所處的電磁環(huán)境也有所不同，在干擾環(huán)境下用戶如何選擇通信信道成為無(wú)人機(jī)通信的關(guān)鍵問(wèn)題。傳統(tǒng)的無(wú)人機(jī)跳頻通信是事先選擇出可用頻率集，確定一個(gè)固定跳頻圖案，通信雙方按跳頻圖案同步跳頻通信，此方法雖然能對(duì)抗干擾與衰落，但在時(shí)變動(dòng)態(tài)衰落的無(wú)人機(jī)通信環(huán)境中，信道狀態(tài)動(dòng)態(tài)變化，用戶按預(yù)定信道跳頻會(huì)出現(xiàn)跳到衰落或碰撞信道導(dǎo)致通信中斷。因此，無(wú)人機(jī)跳頻通信中需要對(duì)信道狀態(tài)進(jìn)行感知，并動(dòng)態(tài)地切換合適的通信信道，因此本文提出將基于認(rèn)知無(wú)線電的感知技術(shù)應(yīng)用于無(wú)人機(jī)通信環(huán)境，并提出了一種基于向量回歸（Relevance Vector Regression，RVR）的無(wú)人機(jī)認(rèn)知跳頻通信信道選擇方法。

1.3信道選擇接入

采用RVR方法根據(jù)無(wú)人機(jī)所處的環(huán)境實(shí)時(shí)預(yù)測(cè)滿足通信的最低信噪比，將滿足最低信噪比要求的可用于通信的信道作為跳頻通信所用的頻道序列和備用信道。無(wú)人機(jī)根據(jù)生成的頻道序列進(jìn)行跳頻通信。跳頻通信期間，在完成當(dāng)前這一跳頻通信的同時(shí)檢測(cè)下一跳所用信道的狀態(tài)，如若出現(xiàn)信道衰落或者用戶沖突，立即采用備用信道替代原本的下一跳信道，從而保證信道的有效性和無(wú)人機(jī)通信的可靠性。信道選擇接入的流程如圖2所示。

如圖3所示，用戶按照事先感知的頻譜生成跳頻信道和備用信道，正常通信時(shí)首先選擇信道1進(jìn)行通信，同時(shí)檢測(cè)信道2的可用性。使用信道1通信完成后，使用信道2進(jìn)行通信，同時(shí)檢測(cè)信道3的可用性，發(fā)現(xiàn)信道3被其他用戶使用，所以下一跳不能再使用信道3進(jìn)行跳頻通信，否則會(huì)產(chǎn)生沖突，所以使用信道2完成通信后，下一跳采用備用信道n-r進(jìn)行通信，同時(shí)檢測(cè)信道4的可用性。在采用當(dāng)前信道進(jìn)行通信的同時(shí)會(huì)檢測(cè)下一個(gè)信道的狀況，如果下一跳信道出現(xiàn)衰落或者用戶沖突，立即使用備用信道，然后再檢測(cè)下一跳信道的狀況。如圖3，在使用信道5進(jìn)行通信的時(shí)候檢測(cè)到信道6出現(xiàn)衰落，不適合進(jìn)行通信，所以使用了備用信道n-r+1進(jìn)行下一次的跳頻通信。這樣就可以大大減少其他用戶出現(xiàn)和信道衰落對(duì)跳頻通信產(chǎn)生的影響，極大地提高通信的質(zhì)量。endprint

2性能分析

無(wú)人機(jī)通信信道傳播特性可以用Okumur模型進(jìn)行描述[8-9]，仿真實(shí)驗(yàn)通過(guò)比較傳統(tǒng)跳頻方法，基于RVR跳頻接入方法和實(shí)際飛行過(guò)程的信道參數(shù)，對(duì)提出的方法進(jìn)行分析[10]。全程路程大約5.4km，從學(xué)校門口出發(fā)，途經(jīng)小區(qū)、公路、大學(xué)城區(qū)，最終飛到山區(qū)結(jié)束。在航線附近點(diǎn)M有1 個(gè)隨機(jī)二元碼干擾源，其帶寬為3.5MHz，針對(duì)無(wú)人機(jī)通信信道的干擾，中心頻率為1 441MHz，是一個(gè)寬帶干擾，功率為-6～6dB，對(duì)無(wú)人機(jī)的通信有較大影響。信道噪的聲功均為-82.5dBm，記錄的信噪比和傳輸速率如圖4所示。

圖5是為了保證相同誤碼率為1%時(shí)需要的小信噪比的值。開始階段，兩種方法相差不大，然而飛行到小區(qū)，受到建筑的遮擋，需要的最小信噪比有所增大，飛到開闊道路后，則有所下降；飛到受到寬帶干擾的干擾源上空時(shí)，對(duì)信道狀態(tài)進(jìn)行預(yù)測(cè)及對(duì)下一跳信道狀態(tài)進(jìn)行檢測(cè)的RVR技術(shù)，需要較小的信噪比即可同普通跳頻技術(shù)達(dá)到

相同的誤碼率；而后無(wú)人機(jī)飛進(jìn)山區(qū)，受到高山的遮擋，信噪比又有所上升。通過(guò)仿真實(shí)驗(yàn)可看出，基于RVR最小信噪比預(yù)測(cè)的跳頻方法在無(wú)人機(jī)通信信道選擇具有一定的優(yōu)勢(shì)，尤其是面對(duì)復(fù)雜多變的電磁干擾環(huán)境時(shí)，具有較好的抗干擾效果和較高的信噪比，對(duì)無(wú)人機(jī)的通信質(zhì)量有一定提升。

3結(jié)語(yǔ)

本文針對(duì)無(wú)人機(jī)（UAV）復(fù)雜的電磁環(huán)境和多變的通信環(huán)境，提出在傳統(tǒng)的跳頻通信中引入認(rèn)知無(wú)線電技術(shù)對(duì)抗跳頻信道動(dòng)態(tài)衰落問(wèn)題，并提出了一種基于向量回歸（RVR）的無(wú)人機(jī)認(rèn)知跳頻通信信道選擇方法。仿真表明，該方法較傳統(tǒng)的跳頻通信有更高的傳輸速率和較低的誤碼率，能提高無(wú)人機(jī)的通信質(zhì)量。

參考文獻(xiàn)：

[1]VACHTSEVANOS G J，VALAVANIS K P. Handbook of unmanned aerial vehicles[M]. Berlin： Springer Netherlands，2014.

[2]張宇航，張曄.SVM和RVM對(duì)高光譜圖像分類的應(yīng)用潛能分析[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2012，44（3）：34-39.

[3]YUAN J，YU T，WANG K S，et al. Adaptive spherical gaussian kernel for fast relevance vector machine regression[C]. Proceedings of the 7th World Congress on Intelligent Control and Automation，2008：2071-2078.

[4]SHEN Y，LIU G H，LIU H.Classification method of power quality disturbances based on RVM[C]. Proceedings of the 8th World Congress on Intelligent Control and Automation，2010：6130-6135.

[5]董爭(zhēng).基于相關(guān)向量機(jī)的大規(guī)模分類問(wèn)題的研究[D].廣州：華南理工大學(xué)，2009.

[6]吳冰.相關(guān)向量回歸元建模關(guān)鍵技術(shù)及其應(yīng)用研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2011.

[7]TIPPING M E. Sparse bayesian learning and the relevance vector machine[J]. Journal of Machine Learning Research，2001（3）：211-244.

[8]HATA M. Empirical formula for propogation loss in land mobile radio services[C].IEEE Transactions on Vehicular Technology，1980，29（3）：317-325.

[9]張延華，段占云，沈蘭蓀，等.Okumura-Hata傳播預(yù)測(cè)模型的可視化仿真研究[J].電波科學(xué)學(xué)報(bào)，2001，16（1）：89-92.

[10]張文秋，丁文銳，劉春輝.一種無(wú)人機(jī)數(shù)據(jù)鏈信道選擇和功率控制方法[J].北京航空航天大學(xué)學(xué)報(bào)，2017，43（3）：583-591.

（責(zé)任編輯：何麗）endprint