CN109167643B - 一种基于gis地理环境的无人机通信信号仿真生成方法 - Google Patents

Abstract

本发明公开一种基于GIS地理环境的无人机通信信号仿真生成方法，属于信号仿真领域。包括以下步骤：第一步，构建真实地理环境；第二步，实时飞行仿真；第三步，构建真实信道模型；第四步，生成信号数据。本发明基于GIS真实地理环境，结合实时飞行数据和真实信道，仿真生成通信信号，具有强大的可靠性和真实性，并克服了目前可视化困难的问题。

Description

一种基于GIS地理环境的无人机通信信号仿真生成方法

技术领域

本发明属于信号仿真领域，具体是指一种基于Geographic Information System地理环境的无人机通信信号仿真生成方法。

背景技术

无人系统数据链承担着无人系统指挥控制和信息传输的重要任务，是无人系统的重要组成部分。以无人机为代表的无人系统已经在战场侦察、远程打击、航天测控、空天组网、应急通信、物流运输、环境监测等领域已经得到了研究和应用。近年来随着无人系统的逐步完善，无人系统的应用逐渐呈现爆发式增长并对无人系统数据链在复杂环境下的安全性、可靠性和适应性提出了更高的要求。然而，现有的无人系统数据链在应用于强对抗环境下的信息传输、协同作战等重大需求任务时，还存在着抗干扰、抗截获、抗欺骗能力不足，对复杂电磁环境的认知能力的不足，对多种无线信号的识别能力不足等问题，缺乏灵活性和适应性，无法适应复杂频谱环境，且小范围内的实测数据并不能完整的表征通信信号，亟需一种全面高效的无人机通信信号仿真生成方法。

在可视化方面，忽略真实的地理环境，仅通过数字仿真实现无人机的飞行仿真也是远远不够的，因为以数学模型为中心的仿真，多以数字及曲线形式给出仿真结果，很难得到整体、形象、直观的仿真结果，不但不易观察和理解，而且不利于挖掘隐藏于数据中的本质特性。在信号数据仿真中，地形地貌也是一项重要的参数，忽略真实的地理环境会极大地影响仿真的真实度。而目前通过C++高级语言与DirectX，OpenGL相结合，通过建模、编程、链接、驱动、运行来实现平台的搭建，虽然能够达到功能强、不受限制的效果，但往往需要在真实环境数据获取、实体模型构建、可视化视景控制、图像逼真效果等方面耗费大量的人力、物力和财力，对于一般的单位和研究人员来说往往不太可能实现。

发明内容

本发明为了提高通信信号仿真生成的可靠性，降低可视化仿真的难度，提出了一种无人机通信信号仿真生成方法，能够导入真实的地理信息，实现无人机在真实地理环境下的实时飞行仿真，并据此构建真实信道模型，生成信号数据，具体步骤如下：

第一步，构建真实地理环境；

为了构建真实地理环境，需要获取目标区域的地形纹理和高程数据，并转化成相应数据格式导入至场景文件中。

第二步，实时飞行仿真；

基于真实的地理环境，通过User Datagram Protocol(UDP)接收数据进行无人机实时飞行仿真，在接收数据的同时，将数据实时传入飞行仿真控制指令，控制无人机飞行。

第三步，构建真实信道模型；

基于真实地理环境下的实时飞行仿真，使用Longley-Rice模型，输入地面天线高度、经纬度、气候类型、极化方式、辐射频率即可构建真实信道模型。

第四步，生成信号数据；

基于真实信道模型，输入信号参数生成通信信号数据。

本发明的主要优点在于；

(1)导入真实的地理纹理和高程数据作为仿真背景，可视化能力强；

(2)能实时接收数据实现真实地理环境下的飞行仿真，为直观的理解复杂的军事任务和轨道特性提供了平台；

(3)信号数据仿真生成依据真实的地理信息和信道衰减模型，输入数据全面，生成的信号具有强大的真实性和可靠性。

附图说明

图1为本发明的整体步骤图；

图2为本发明的实时飞行仿真具体流程图；

图3为本发明的实时飞行仿真效果图；

图4为本发明的Longley-Rice信道模型计算流程图；

图5为本发明的生成信号流程图；

图6为本发明的生成信号效果图。

具体实施方式

下面结合附图，对本发明的具体实施方法进行详细说明。

本发明是一种无人机通信信号仿真生成方法，整体流程图如图1所示，与现有技术的不同体现在于第二步和第三步，即实现了真实地理环境下的无人机实时飞行，并根据实时飞行仿真和地理环境构建真实信道模型。具体实施方法包括以下步骤：

第一步，获取目标区域的真实地理信息，转化格式并导入到场景文件中，构建真实地理环境。

真实地理信息主要包括地形纹理和高程数据。地形纹理可以从Google Earth获得相应图片，通过Image Converter转换成pdttx格式。高程数据使用ASTER GDEM文件数据，通过Global Mapper将其转换为USGS DEM的dem格式，再通过Image Converter软件便转换成pdtt格式。通过这一系列的转化格式，地形纹理和高程数据便可直接导入场景文件中。

第二步，基于第一步获取的真实地理信息，通过UDP接收飞行数据进行真实地理环境下的无人机实时飞行仿真。

如图2所示，开始仿真后，创建socket接口接收飞行数据，包括飞机的经纬度、俯仰角、航向角和滚转角，并对数据的合理性进行判断：如果接收到的经度或纬度与上一组数据相差大于0.2或偏航角与上一组数据相比相差大于15度，具体判定范围可根据UDP传输数据的速率及实时飞行效果进行调整，将其去除；如果接收到的数据都合理则将数据储存到全局变量中，供飞行仿真使用。为了防止数据的阻塞，飞行仿真指令不能写在UDP接收程序中。这需要在主程序设置定时器，每隔1ms读取全局变量里的数据，并记录此时时间，然后将数据和时间代入仿真指令中，实现真实地理环境下的无人机实时飞行仿真，最终效果如图3所示。

第三步，基于第二步的真实地理环境下的实时飞行仿真，输入辐射源信息构建真实信道模型。

本发明采用Longley-Rice信道模型，以传播理论为依据，同时又结合了真实地理信息，综合考虑了发射频率、天线高度、传播路径距离、极化方向、地表有效半径、表面绕射率和地面导电常数等参数来确定传输损耗的多少，并且给出了视距内的地面反射损耗、由于地球曲率造成的远距离绕射损耗和视距外的对流层散射损耗，还考虑到了传播环境中介质的电传导率特性。根据Longley-Rice模型，输入地面天线高度、经纬度、气候类型、极化方式、辐射频率，基于仿真飞行中无人机的位置数据即可构建真实信道模型。(信道模型就是指信道损耗，不同传播范围计算信道损耗的方法不同)

如图4所示，在不同传播范围内：(1)视距范围以内，主要以反射传播机制为主，采用双线模型计算；(2)超视距(没有超出地平线)，主要以衍射传播机制为主，在不规则地形传播环境下，分两种计算理论用于衍射损耗，分别为非球形但光滑的地面和非常不规则的地面，采用刀刃模型进行计算，超视距衍射损耗计算最终结果为以上两种计算结果的加权和；(3)对应更远的传播距离(远远超出地平线)，以前向散射传播机制为主。具体计算公式为：

式中，A_ref为信道损耗，d为传播距离，d_Ls为光滑地面距离；d_x表示此处的绕射损耗和散射损耗相等，A_el,A_ed,A_es分别为自由空间下视距、绕射和散射时的传播损耗值；K₁和K₂为传播损耗系数；m_d和m_s分别为绕射和散射损耗系数。d_min≤d≤d_Ls范围内为视距传播，d_Ls≤d≤d_x为衍射传播范围，d_x≤d为散射传播范围。以下部分为上面公式组中各变量的计算公式：(其中，中间变量只是为得到最终结果的中间值，没有物理含义)，d_min为本模型适用的最小传播距离，为1千米。

(1)衍射传播范围的系数计算：

X_ae＝(kγ_e ²)^-1/3

d₃＝max(d_Ls,d_L+1.3787X_ae)

d₄＝d₃+2.7574X_ae

A₃＝A_diff(d₃)

A₄＝A_diff(d₄)

m_d＝(A₄-A₃)/(d₄-d₃)

A_ed＝A₃-m_dd₃

式中，X_ae为地球等效有效曲率，A_diff为基于菲涅耳-基尔霍夫理论的双刃峰模型；

(2)视距传播范围内的系数计算：

d₂＝d_Ls

A₂＝A_ed+m_dd₂

A_ed≥0时，首先假设,

A₀＝A_los(d₀)

A₁＝A_los(d₁)

K′₁＝(A₂-A₀-K′₂ln(d₂/d₀))/(d₂-d₀)

式中，h_e1,h_e2分别为接收和发射天线高度，f为信号频率；d_L为收发天线与地平线之间的距离之和，A_los用来确定衍射之外的损耗和双线理论损耗的比重。

若K′₁≥0时：

K₁＝K′₁ K₂＝K′₂

若K′₁＜0，首先定义：

K″₂＝(A₂-A₀)/ln(d₂/d₀)

如果K″₂≥0，则K₁＝0,K₂＝K″₂。

否则K₁＝m_d,K₂＝0。

A_ed＜0时，d₀,d₁计算公式改为：

d₀＝4×10^-5h_e1h_e2f

d₁＝max(-A_ed/m_d,d_L/4)

如果d₀＜d₁，根据A_ed≥0时的情况来计算A₀,A₁,K'₂，若果K'₂＞0,也根据A_ed≥0时的情况来计算K′₁，但若d₀≥d₁或者K'₂＝0，定义

K"₁＝(A₂-A₁)/(d₂-d₁)

如果K"₁＞0：K₁＝K"₁,K₂＝0

否则K₁＝m_d,K₂＝0

最后得出：A_el＝A₂-K₁d₂

(3)散射传播范围内的系数计算

首先假设：

d₅＝d_L+D_s

d₆＝d₅+D_s(D_s＝200km)

A₅＝A_scat(d₅)

A₆＝A_scat(d₆)

从而进一步得到：

m_s＝(A₆-A₅)/D_s

d_x＝max[d_Ls,d_L+X_ae log(kH_s),(A₅-A_ed-m_sd₅)/(m_d-m_s)]

A_es＝A_ed+(m_d-m_s)d_x

其中：H_s＝47.7m；A_scat为圆形地球下对距离的修正。

第四步，基于第三步的真实信道模型，输入信号参数生成通信信号数据。

如图5所示，通信信号可以由如下形式表达：

y(t)＝x(t)·c(t)+n(t)

其中：y(t)为接收到的通信信号，即仿真生成的最终数据，x(t)是发射端传输的有效通信信号，c(t)为第三步构建的信道衰减模型，即根据地理环境求得的A_ref，n(t)为噪声。

x(t)通常以以下形式表示：

x(t)＝(A_c+jA_s)e^j(2πft+θ)g(t-nT)＝(A_c cos(2πft+θ)-A_s sin(2πft+θ))g(t-nT),0≤t≤NT

其中A_c和A_s分别为同相和正交通道基带数字信号的幅值，f为信号频率，θ为载波初始相位，g(t-nT)为数字采样脉冲信号。对ASK、FSK和PSK数字调制信号来说，A_s幅度为0。进制为M的数字调制信号，其基带数字信号取值分布于[0-M]范围内的随机整数。ASK、FSK和PSK调制方式分别作用于信号的A_c、f和θ，根据数字基带信号取值，其A_c、f和θ将随时间t在[0-M]、[1-M]和[0-2π/M]范围内变化。而QAM调制方式充分利用了信号的正交特性，将数字基带信号分为I和Q路并经过编码后，以ASK调制方式将通信信息融入相位相差90度的2个同频载波中，在发射端混合并于接收端重新分离为I和Q路，提高了频带利用率。n(t)为加性高斯白噪声，是最基本的噪声和干扰类型，实际通信系统中无论有无信号，噪声都始终存在，其功率谱密度在全频率下均为常数，噪声信号取值服从高斯分布。输入调制方式、信噪比、辐射频率和样本数量，基于第三步真实信道模型即可生成通信信号，具体效果如图6所示。

Claims (5)

1.一种无人机通信信号仿真生成方法，其特征在于，包括以下几个步骤：

第一步，获取目标区域的真实地理信息，转化格式并导入到场景文件中，构建真实地理环境；

第二步，基于第一步获取的真实地理信息，通过UDP接收飞行数据进行真实地理环境下的无人机实时飞行仿真；

具体为：

开始仿真后，创建socket接口接收飞行数据，包括飞机的经纬度、俯仰角、航向角和滚转角，并对数据的合理性进行判断：如果接收到的经度或纬度与上一组数据相差大于a或偏航角与上一组数据相比相差大于b度，则将其去除，a、b根据UDP传输数据的速率及实时飞行效果进行调整；如果接收到的数据合理则将数据储存到全局变量中；在主程序设置定时器，每隔1ms读取全局变量里的数据，并记录此时时间，然后将数据和时间代入仿真指令中，实现真实地理环境下的无人机实时飞行仿真；

第三步，基于第二步的真实地理环境下的实时飞行仿真，输入辐射源信息构建真实信道模型；

第四步，基于第三步的真实信道模型，输入信号参数生成通信信号数据。

2.根据权利要求1所述的一种无人机通信信号仿真生成方法，其特征在于，所述的步骤一具体为：

真实地理信息包括地形纹理和高程数据，地形纹理从Google Earth获得相应图片，通过Image Converter转换成pdttx格式；高程数据使用ASTER GDEM文件数据，通过GlobalMapper将其转换为USGSDEM的dem格式，再通过Image Converter软件转换成pdtt格式；通过转化格式，将地形纹理和高程数据导入场景文件中。

3.根据权利要求1所述的一种无人机通信信号仿真生成方法，其特征在于，所述的a＝0.2，b＝15。

4.根据权利要求1所述的一种无人机通信信号仿真生成方法，其特征在于，所述的步骤三具体为：

根据Longley-Rice模型，输入地面天线高度、经纬度、气候类型、极化方式、辐射频率，基于仿真飞行中无人机的位置数据构建真实信道模型，即信道衰减模型。

5.根据权利要求1所述的一种无人机通信信号仿真生成方法，其特征在于，所述的步骤四具体为：

通信信号为：

y(t)＝x(t)·c(t)+n(t)

其中：y(t)为接收到的通信信号，即仿真生成的最终数据，x(t)是发射端传输的有效通信信号，c(t)为第三步构建的信道衰减模型，n(t)为噪声；

x(t)表示为：

x(t)＝(A_c+jA_s)e^j(2πft+θ)g(t-nT)＝(A_ccos(2πft+θ)-A_ssin(2πft+θ))g(t-nT),0≤t≤NT

其中：A_c和A_s分别为同相和正交通道基带数字信号的幅值，f为信号中心频率，θ为载波初始相位，g(t-nT)为数字采样脉冲信号；n(t)为加性高斯白噪声；输入调制方式、信噪比、辐射频率和样本数量，基于第三步真实信道模型即可生成通信信号。

Images