CN107342961A - 一种基于cp‑ml算法的无人机图像传输抗衰弱的方法 - Google Patents

Abstract

本发明公开了一种基于CP‑ML算法的无人机图像传输抗衰弱的方法，采用COFDM全数字调制解调技术，基于CP‑ML在多径衰弱信道下的定时同步算法，根据信道上信息的强弱来自适应调整相关窗的大小，以降低信道传输时多径干扰的影响。以期提高无人机微波传输的抗多径干扰能力，实现传输稳定、延迟小、抗干扰性强、传输距离远的无线图传技术。

Description

一种基于CP-ML算法的无人机图像传输抗衰弱的方法

技术领域

本发明涉及无人机技术领域，尤其是涉及一种基于CP-ML算法的无人机图像传输抗衰弱的方法。

背景技术

无人机在电力巡检领域具有广泛的应用需求，复杂的地形和远距离传输的应用场景特点对无人机的性能提出了更高的要求。在整个无人机自主系统中，通信子系统是飞行控制系统的重要组成部分，担负着无人机飞行状态信息和任务载荷数据的传送的任务，实现了地面站对小型无人机实时监控，所以针对无人机通信系统的专项研究有其重要意义。

天空中的无人机与地面上的操作者通过遥控系统和图像传输系统(简称图传)进行通信。遥控负责把操作者的指令传达给无人机，图传把相机的取景画面、飞行数据等等信息传到操作者的屏幕上。两个系统一般采用不同频率的无线电进行传输，这样的人机交互可以实现无人机超越操作者视距(超出目视范围)的操作。常见的无人机遥控，主要还是源自遥控模型的遥控系统，目前市面上的无人机通常采用2.4G/5.8G频率的信号进行操作指令的传输。

无人机通常需配有“蘑菇状天线”的发射器，这是图传系统的发射装置，采用定频的无线信号把图像画面传回地面。一般为1.2G、2.4G、5.8G等不同信号频段的图传，不过由于1.2G图传会影响GPS信号，2.4G图传又会影响2.4G遥控的信号，所以固定频率的图传方式一直制约着无人机飞控系统的发展。

在电力系统线路巡检中，由于线缆通常架设距离远，两个高压塔间距离超过两公里，一个巡检路线超过20公里，因此需要具有超远距离传输并稳定接收的图传技术。传统的定频传输方式一般只能支持1-2公里的传输距离，特别是在城市和山区等遮挡情况较多的区域，信号衰弱情况严重，影响视频数据的传输稳定性和距离。

已有技术存在如下三种技术问题及缺陷：

1)无人机飞行过程中，如果采用传统的无线传输模式，因为频点固定，无人机容易被黑客破解并劫持，而且劫持后可以轻易绕过内置的禁飞区信息，使无人机反成为犯罪分子利用的工具。同时无人机多采用的是2.4G/5.8G频率，且WIFI和蓝牙等公共频点都是2.4G，所以信号很容易被干扰，飞机有可能会失去控制。

2)传统的定频无线传输模式，功率及绕射能力有限，目前仅能实现距离1-3公里范围内的视频数据传输，并且容易受到遮挡物的影响，传输距离大打折扣。对于电力巡检系统，输电线路架设距离远、线路周边环境复杂等场景，无人机巡检系统具有较大的限制。

3)一般的无人机微波图传技术采用OFDM编码技术，能够实现较远距离的传输，OFDM是一种无线环境下的高速传输技术，无线信道的频率响应曲线大多是非平坦的，而OFDM技术的主要就是在频域内将给定信道分成许多正交子信道，在每个子信道上使用一个子载波进行调制，并且各子载波并行传输。这样，尽管总的信道是非平坦的，具有频率选择性，但是每个子信道是相对平坦的，在每个子信道上进行的是窄带传输，信号带宽小于信道的相应带宽，因此就可以大大消除信号波形间的干扰。由于在OFDM系统中各个子信道的载波相互正交，它们的频谱是相互重叠的，这样不但减小了子载波间的相互干扰，同时又提高了频谱利用率。但是由于输电线路布设的地点通常在山区或者城市等遮挡现象严重的区域，信号多径衰弱情况严重，OFDM虽然良好地解决了多径环境中的信道选择性衰落，但对信道平坦性衰落(即各载波的幅度服从瑞利分布的衰落)尚未得到较好的克服，也大大影响飞行控制的距离和数据传输稳定性。

发明内容

本发明针对现有技术的不足，所要解决的技术问题是提供一种基于CP-ML算法的无人机图像传输抗衰弱的方法，以期提高无人机微波传输的抗多径干扰能力，实现传输稳定、延迟小、抗干扰性强、传输距离远的无线图传技术。

本发明是通过以下技术方案使上述技术问题得以解决。

一种基于CP-ML算法的无人机图像传输抗衰弱的方法，采用COFDM全数字调制解调技术，基于CP-ML在多径衰弱信道下的定时同步算法，根据信道上信息的强弱来自适应调整相关窗的大小，以降低信道传输时多径干扰的影响。

在接受端恢复传输信号时，采用信道估计的方法来实现，将估计出来的信道频域响应通过IFFT变换到时域，若信道的冲激响应大于一个合适的门限值η，则可判定为多径，从而估计出信道的多径位置 为估计出来的多径数目，最大时延为：

定义λ_k的主值区间为(-N/2，N/2]，[n]_N表示将n以N为周期进行扩展，并取落入主值区间的值作为其结果，根据估计出最大时延调整下一帧符号同步时的相关窗长度L：

G为J.J.ML算法中相关窗长度为CP的固定长度，由此将FFT窗的起始位置锁定在无ISI干扰的CP部分，当相关窗的长度减小时，多径影响减弱。

总而言之，本发明基于CP-ML算法的无人机图像传输抗衰弱的方法，使得无人机无线视频通信传输系统采用先进的COFDM(信道编码的正交频分复用)全数字调制解调技术，并且通过CP-ML算法降低信道传输时多径干扰的影响，提升无人机数据传输距离和稳定性，具备“非视距”、“绕射”传输特点和良好穿透能力，能使无人机的传输控制距离高达10公里，监控范围更广，视频实时回传效果更稳定。

附图说明

结合以下附图旨在便于描述较佳实施例，并不构成对本发明保护范围的限制。

图1是COFDM系统收发传输模型，上半部分是发射链路，下半部分是接收链路；

图2是基于CP-ML算法的COFDM信号的归一化功率谱图，发射器(左)和接收器(右)输出信号功率谱；

图3是在相同的多径环境下，J.J.ML算法与基于CP-ML的抗多径衰弱算法的同步效果对比图；

图4是无人机无线图像传输系统框图；

图5是拟主程序流程图。

具体实施方式

为了方便理解本发明，下面结合附图中给出的本发明的较佳的实施例对本发明进行详细的描述。

微波图像传输技术采用的是COFDM(编码正交频分复用技术Coded OrthogonalFrequency Division Multiplexing)，其基本原理就是将高速数据流通过串并转换，分配到传输速率较低的若干子信道中进行传输。编码(C)是指信道编码采用编码率可变的卷积编码方式，以适应不同重要性数据的保护要求；正交频分(OFD)指使用大量的载波(副载波)，它们有相等的频率间隔，都是一个基本震荡频率的整数倍。复用(M)指多路数据源相互交织地分布在上述大量载波上，形成一个频道。

采用COFDM技术其实是为了提高载波的频谱利用率，或者是为了改进对多载波的调制，它的特点是各子载波相互正交，使扩频调制后的频谱可以相互重叠，从而减小了子载波间的相互干扰。然而正是因为这一点，COFDM的系统对定时和频偏比较敏感，在无人机高速飞行时，速度有可能达到50KM/h甚至更高，频偏同步问题大大影响数据接收时恢复的完整性和可靠性。目前主要通过基于循环前缀(CP)的方法，该类方法利用了COFDM信号已有的CP，不需要额外的开销就能完成定时和频偏的设计，但是它在高斯白噪声信道(AWGN)的环境下比较好，一旦应用在多径干扰严重的情况下就恶化的很严重，直接影响了无人机飞行控制的距离。因此下面研究了基于CP在多径衰弱信道下的定时同步算法，通过合适的调整相关窗的大小来消除多径的影响，通过仿真结果表明，该方法能在多径衰弱信道下获得较好的定时同步性能。非常适合无人机这种飞行速度快，位置不断变化的系统，并且适应野外和高楼林立的城市中遮挡物较多的场景。

首先根据COFDM编码原理将高速的数据流分解为多路并行的低速数据流，在多个载波上同时进行传输。对于低速并行的子载波而言，由于符号周期展宽，多径效应造成的时延扩展相对变小。

多载波信号s[n]可写为如下复数形式：

其中S[k]为第k个子载波上调制的基带数据，多径信道的时域冲激响应可表示为：

其中，J为信道的多径数目，a_k为第k径信道的衰弱系数，τ_k为第k径的延迟样点数，在理想情况下，接收端接收到的信号为：

因为存在时延和频偏，并且有高斯白噪声ω，所以接收信号可表示为：

r[n]＝y[n-θ]e^j(2πεn/N+w[n]

其中θ和ε是需要估计的信号时延和系统频偏。

当保护间隔比信道的最大时延还大时，系统可以降低对定时偏移的敏感度，即只要定时偏移θ与信道最大时延τ_max之和小于CP的长度，就可以减少符号间干扰(ISI)和载波间干扰(ICI)。在高斯白噪声信道下，利用多个连续符号的定时频偏估计方法，可以知道对数最大似然判决函数为：

T[θ,ε]＝|Γ_N[θ]|cos(2πε+φ(Γ_N[θ]))+Γ₀[θ]

φ(Γ_N[θ])代表Γ_N[θ]的相位，

上式中L为相关窗的宽度，M为用来做定时频偏估计的连续符号数，ρ与信噪比相关的一个系数，ρ＝SNR/(SNR+1)。

由此可推出估计的符号定时频偏和估计的系统频偏为：

这种基于CP的方法是Van de Beek提出来的，称之为J.J.ML算法，该算法在高斯白噪声信道下能获得较好的定时同步性能，但是在多径衰弱信道下，性能受到非常大的影响。这是因为CP中一部分数据会受到ISI的影响，导致CP与原数据在整个CP长度窗口内的相关性变差。若只利用未受ISI干扰的CP部分来做定时频偏估计，就可以较好的消除多径的影响。即利用J.J.ML算法来进行符号同步，但是并不将相关窗长度L固定，是根据信道上信息的强弱来自适应调整。

在接受端恢复传输信号时，需采用信道估计的方法来实现。即将估计出来的信道频域响应通过IFFT变换到时域，若信道的冲激响应大于一个合适的门限值η，则可判定为多径，从而估计出信道的多径位置 为估计出来的多径数目，最大时延为：

定义λ_k的主值区间为(-N/2，N/2]，[n]_N表示将n以N为周期进行扩展，并取落入主值区间的值作为其结果。

由于相邻数据帧的信道多径情况是缓慢变化的，因此可以根据估计出最大时延调整下一帧符号同步时的相关窗长度L：

G为J.J.ML算法中，相关窗长度为CP的固定长度。经过这样的符号同步，就可以将FFT窗的起始位置基本锁定在无ISI干扰的CP部分，当相关窗的长度减小时，多径影响减弱，因此，在无人机的飞行环境中，存在一个最佳的相关窗长度。

通过simulink仿真系统，对该算法的效果进行仿真，要确定的关键参数为：子载波的数目，保护时间，符号周期，相关窗长度，载波间隔，载波的调制方式，前向纠错编码的选择。其中三个主要的系统要求：系统带宽、业务数据速率以及多径时延扩展，包括时延扩展的均方根和最大值。按照这三个系统参数设计步骤可以分为三步：1.确定保护时间2.确定符号周期3.在3dB系统带宽范围内，决定子载波的数目。

仿真参数：

带宽	80MHz
		调制方式	QPSK
最大多普勒频移	80Hz
		采样间隔	12.5ns

信道参数：

J	τmax(us)
		3	0.8
12	1.1

如图1是完整的COFDM系统收发传输模型，上半部分是发射链路，下半部分是接收链路。

采用上述系统仿真，设置仿真时间为1s，如图2所示，使用频谱仪画出了基于CP-ML算法的COFDM信号的归一化功率谱图，(瑞利信道多普勒频偏为200Hz)。由于COFDM符号的功率谱密度|S(f)|²为N个子载波上信号的功率谱密度之和

对上式分析发现，当N增大时，f∈[-0.5,0.5]内幅频特性会更加平坦，边缘会更加陡峭，因此能逼近理想的低通滤波器。我们将此结论与实验系统仿真观察到的现象进行进行比较，发现这与所得归一化功率密度谱图吻合。由此可以判断建立的仿真系统是正确的。

如图3所示，○为J.J.ML算法，◇为基于CP-ML的抗多径衰弱算法，可以看出，在相同的多径环境下，J.J.ML算法的同步效果较差，随着信噪比的增加，误码率也不断增加，而基于CP-ML的抗多径衰弱算法能够在一定条件下，改善多径信道带来的影响。

无人机无线图像传输系统主要由系统硬件和系统软件两大部分组成，它基于微功耗单片射频收发器nRF905设计，以8位微处理器ATmega16为主处理芯片，完成数据的处理和控制。该系统由外部数据设备和无线数据传输模块组成。系统框图如图4所示。

该系统电路部分则主要由电源与复位电路、外部数据设备接口电路、单片机系统和nRF905应用电路等几部分组成。

数据在系统中的传输过程大体如下：当摄像头有数据传输或需要设置设备参数时，通过串口将数据发送给单片机。单片机接收数据后，将需发送的数据(这里包括目标设备地址和所要发送的数据)通过SPI接口发送给nRF905。nRF905将数据加前导码和CRC码，将数据包发送。当nRF905接收到有效数据后，DR置高，单片机检测到DR为高电平后，复位TRX_CE引脚，使nRF905进入空闲模式，通过SPI接口从nRF905中读出接收数据，然后通过USART传送给PC机。

软件功能模块由CPU寄存器初始化、串行口初始化、串口收发送程序、SPI初始化、SPI收发送程序、I/O口初始化、nRF905配置寄存器操作、nRF905接收程序、发送程序、主程序模块组成。拟主程序流程图如图5所示。

经过上面的硬件和软件部分之后，通过摄像头所采集到的图像信号将实时地显示在显示终端——PC机界面上。

本发明所使用的若干技术术语仅仅是为了便于描述，并不构成对本发明的限制，本发明不局限于以上所述的较佳的实施方式，基于本技术领域的技术人员所能够获知的公知技术或者采用现有技术中所能够等效替换的各种变形及更改的实施方式，凡是基于本发明的精神或者技术构思，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于CP-ML算法的无人机图像传输抗衰弱的方法，其特征是：采用COFDM全数字调制解调技术，基于CP-ML在多径衰弱信道下的定时同步算法，根据信道上信息的强弱来自适应调整相关窗的大小，以降低信道传输时多径干扰的影响。

2.根据权利要求1所述的基于CP-ML算法的无人机图像传输抗衰弱的方法，其特征是：在接受端恢复传输信号时，采用信道估计的方法来实现，将估计出来的信道频域响应通过IFFT变换到时域，若信道的冲激响应大于一个合适的门限值η，则可判定为多径，从而估计出信道的多径位置 为估计出来的多径数目，最大时延为：

<mrow> <mover> <msub> <mi>&amp;tau;</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>^</mo> </mover> <mo>=</mo> <mo>|</mo> <msub> <mrow> <mo>&amp;lsqb;</mo> <msub> <mi>&amp;lambda;</mi> <mrow> <mover> <mi>J</mi> <mo>^</mo> </mover> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>&amp;rsqb;</mo> </mrow> <mi>N</mi> </msub> <mo>-</mo> <msub> <mrow> <mo>&amp;lsqb;</mo> <msub> <mi>&amp;lambda;</mi> <mn>0</mn> </msub> <mo>&amp;rsqb;</mo> </mrow> <mi>N</mi> </msub> <mo>|</mo> </mrow>

定义λ_k的主值区间为(-N/2，N/2]，[n]_N表示将n以N为周期进行扩展，并取落入主值区间的值作为其结果，根据估计出最大时延调整下一帧符号同步时的相关窗长度L：

<mrow> <mi>L</mi> <mo>=</mo> <mi>G</mi> <mo>-</mo> <msub> <mover> <mi>&amp;tau;</mi> <mo>^</mo> </mover> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> </mrow>

G为J.J.ML算法中相关窗长度为CP的固定长度，由此将FFT窗的起始位置锁定在无ISI干扰的CP部分，当相关窗的长度减小时，多径影响减弱。