CN111614418A - 无人机数据链电磁环境效应预测方法及设备 - Google Patents
无人机数据链电磁环境效应预测方法及设备 Download PDFInfo
- Publication number
- CN111614418A CN111614418A CN202010468146.4A CN202010468146A CN111614418A CN 111614418 A CN111614418 A CN 111614418A CN 202010468146 A CN202010468146 A CN 202010468146A CN 111614418 A CN111614418 A CN 111614418A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- model unit
- unit
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/373—Predicting channel quality or other radio frequency [RF] parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3913—Predictive models, e.g. based on neural network models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及无人机数据链电磁环境效应预测方法及设备,方法包括模型单元一,建立无人机飞行模型;模型单元二,建立无人机数据链机载端工作信号接收模型;模型单元三,建立无人机数据链机载端干扰信号接收模型;预测单元,计算干信比;判别单元,将干信比定义为外界电磁干扰对无人机数据链的动态压制系数K,判断K与最大允许压制系数Ks的大小,当K≤Ks,不会造成数据链通信中断;当K>Ks,数据链通信中断。本发明可获得对无人机数据链电磁环境效应的动态预测,能模拟数据链地面端、机载端、电磁干扰源三者的相对运动状态,以及由其所导致的机载端接收工作信号与干扰信号的动态变化,预测准确度及可信度高。
Description
技术领域
本专利申请涉及电磁环境效应评估技术领域,更具体地说,是涉及一种无人机数据链电磁环境效应预测方法及设备。
背景技术
无人机信息传输的核心任务设备是数据链,其工作原理是建立空间链接,实现遥测与遥控,这一过程如果受到干扰,将导致链路受阻、通信不畅,任务指令不能执行,回传数据错误等。
随着用频设备频谱密度及功率容量增加,无人机飞行的电磁环境愈加恶劣,对无人机数据链开展电磁环境效应预测及评估是掌握其电磁安全性的重要手段。
对无人机数据链电磁环境效应进行预测和评估,开展实体飞行试验成本高、代价大,试验复现不稳定,测试方法和手段缺乏,评估准确性不佳,为此多以地面试验替代。但无人机数据链电磁环境效应地面试验对无人机飞行工作状态及飞行场景复现性不强,导致评估结果可信度受到质疑。
发明内容
本发明的目的是提供一种无人机数据链电磁环境效应动态预测方法及设备,解决无人机数据链电磁环境效应地面评估及测试中,对飞行工作状态及飞行场景模拟不真,导致评估准确度不高的问题。
为了解决上述问题,本发明所采用的技术方案是:
一种无人机数据链电磁环境效应预测方法,包括模型单元,预测单元、判别单元,模型单元包括模型单元一,模型单元二,其中:
模型单元一,建立无人机飞行模型,分析无人机飞行过程中,数据链机载端与地面端空间信息交互的应用场景,从而建立无人机空间位置、无人机飞行姿态、电磁干扰源空间位置的模型;
模型单元二,依据模型单元一中得到的无人机空间位置、无人机飞行姿态,结合无人机数据链地面端发射功率、无人机数据链地面端与机载端天线特性,建立无人机数据链机载端工作信号接收模型;
预测单元,利用模型单元二计算干信比;
判别单元,将预测单元得到的干信比定义为外界电磁干扰对无人机数据链的动态压制系数K,而无人机数据链能够承受的最大允许压制系数为Ks,当K≤Ks,不会造成数据链通信中断;当K>Ks,数据链通信中断。
本发明技术方案的进一步改进在于:还包括模型单元三,模型单元三依据模型单元一中电磁干扰源空间位置,结合电磁干扰源的辐射特性、干扰模式,以及模型单元二中的无人机数据链机载端接收天线特性,建立无人机数据链机载端干扰信号接收模型,从而供预测单元计算干信比。
本发明技术方案的进一步改进在于:预测单元包括预测单元一和预测单元二,其中:
预测单元一,依据模型单元二得到的无人机数据链机载端工作信号接收模型,以及模型单元三得到的无人机数据链机载端干扰信号接收模型来计算干信比;
预测单元二包括与模型单元一对应的电磁干扰源,以及与模型单元二对应的数据链控制系统、数据链监测系统,预测单元二将模型单元二的计算数据输出至数据链控制系统,再由数据链监测系统计算干信比,其中:
数据链控制系统,将模型单元二得到的无人机数据链机载端工作信号接收模型反馈至数据链机载端与地面端信息链路上的可调节衰减部件当中,比如可调节衰减部件可以是可调节衰减器;
数据链监测系统,从可调节衰减部件中读取机载端工作信号强度和干扰信号强度,并计算干信比。
本发明技术方案的进一步改进在于:在模型单元一中,当无人机飞离地面控制站,处于远场飞行状态,将地面控制站、无人机、电磁干扰源均视为点源,以地面控制站为原点O、地平面为基准平面建立空间直角坐标系xyz,且其中x轴为无人机水平飞行状态下的机身轴向,z轴为地平面的法线方向;
开始t0时刻,无人机位于空间直角坐标系O’点处,干扰源位于点I处;
以初始时刻无人机位置O’为另一原点,在无人机水平飞行状态下建立机体直角坐标系x’y’z’,该坐标系与原始坐标系xyz的坐标轴方向保持一致;
无人机绕x’轴旋转,滚转角为γ;绕y’轴旋转,俯仰角为α;绕z’轴旋转,航向角为β,旋转角度以右手旋转方向为正方向;
基于坐标系x’y’z’,无人机变换姿态过程中,对应于原始坐标系xyz的滚转、俯仰和偏航变换矩阵表示为Tγ、Tα、Tβ;
设无人机初始飞行速度为v(t),机身姿态角为(γ0,α0,β0),则t0时刻,若无人机调节飞行姿态角度(γ,α,β),此时无人机飞行速度矢量变为v’(t)=v(t)TγTαTβ;
由无人机飞行速度矢量v’(t)可求得t时刻后,无人机数据链机载端与地面端之间的相对位置R。
本发明技术方案的进一步改进在于:在模型单元二中,地面控制站天线方向为原始xyz坐标系中z轴的正方向,坐标矩阵表示为ag=[0,0,1],数据链地面端发射功率为Pgt,数据链地面端天线增益为Gg,数据链地面端电场方向性函数为则数据链地面端天线在无人机方向的发射功率密度为
R为无人机数据链机载端与地面端之间的距离,可由模型单元一求得;
机载端天线增益为Gu,电场方向性函数为数据链工作频率为fu;依据模型单元一建立的坐标系,计算出机载端与地面端天线间的电场极化匹配因子μ;则在接收和发射系统阻抗匹配的情况下,无人机数据链机载端工作信号接收模型为
ag=[0,0,1];
au’为无人机调整姿态角(γ,α,β)后,机载天线的方向向量,
a′u=auTγTαTβ=ax·ex+ay·ey+az·ez;此处ax ex ay ey az ez均为矢量表示;
au为模型单元一中t0时刻,在无人机的姿态角为(γ0,α0,β0)时,数据链机载天线的方向向量,
au=(-cosγ0sinα0cosβ0+sinγ0sinβ0)·ex+(cosγ0sinα0sinβ0+sinγ0cosβ0)·ey+cosγ0cosα0·ez。
本发明技术方案的进一步改进在于:在模型单元三中,电磁干扰源位于模型单元一位置上,固定电磁干扰源的发射功率为Pjt、天线增益为Gj;电磁干扰源采用跟踪干扰模式,电磁干扰辐射场的极化方向垂直于传播方向,无人机始终位于电磁辐射传播方向上,则无人机与电磁干扰源之间的距离Rj和无人机所在位置处的电场Ej表示为:下标j表示无人机;
无人机飞行过程中,电磁干扰的传播方向矢量为aj=[(x-xj)ex+(y-yj)ey+(z-zj)ez]/|(x-xj,y-yj,z-zj)|;此时,无人机遭受外界电磁辐射干扰,该辐射场的极化方向矢量为ae,且|ae|=1,则
aj·ae=0;
t时刻后,电磁干扰源在俯仰方向上旋转角度记为m,在水平方向上旋转角度记为n,则
电磁干扰源天线的旋转方向与无人机天线的旋转方向定义一致,则t时间后电磁干扰源天线的极化方向变为ae′=ae·Tm·Tn,Tm、Tn由第一模型中得到,其中m为俯仰角,n为滚转角;
由于电磁干扰源天线的极化方向与无人机天线的极化方向不一致,导致机载天线接收干扰信号的效率降低,令天线间的电场极化匹配因子为μj,
无人机机载天线接收的干扰信号强度表示为:
令电磁干扰源工作频率为fj;依据模型单元一建立的坐标系,计算电磁干扰源与机载端天线间的电场极化匹配因子μj;得到机载端干扰信号接收模型为:
本发明技术方案的进一步改进在于:采用模型单元一、模型单元二、模型单元三,预测单元一、判别单元可构成无人机数据链电磁环境效应预测全仿真系统;采用模型单元一、模型单元二,预测单元二、判别单元可构成无人机数据链电磁环境效应预测半实物仿真系统。
一种设备,用于实现上述的无人机数据链电磁环境效应预测方法,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如模型单元、预测单元、判别单元的步骤。
由于采用了上述技术方案,本发明取得的有益效果是:
1、本发明所述无人机数据链电磁环境效应动态预测方法及设备,基于无人机实时飞行状态和飞行场景,可获得对无人机数据链电磁环境效应的动态预测。
2、本发明所述无人机数据链电磁环境效应动态预测方法及设备,比现有固定飞行状态、机体姿态、加入固定衰减代替空间损耗的预测及试验方法,更能模拟数据链地面端、机载端、干扰源三者的相对运动状态,以及由其所导致的机载端接收工作信号与干扰信号的动态变化,预测准确度及可信度高。
3、本发明所述无人机数据链电磁环境效应动态预测方法及设备,基于地面仿真计算及半实物仿真预测,可节约成本,风险性低,重复性好。
附图说明
图1是本发明方法所建立的坐标系;
图2是本发明方法的一个全仿真示例流程图;
图3是本发明方法的一个半实物仿真示例流程图;
图4是本发明方法的评估结果图。
具体实施方式
下面结合实施例对本发明做进一步详细说明。
本发明公开了一种无人机数据链电磁环境效应预测方法,参见图1-图4,包括模型单元,预测单元、判别单元,模型单元包括模型单元一,模型单元二,模型单元三,其中:
模型单元一,建立无人机飞行模型,分析无人机飞行过程中,数据链机载端与地面端空间信息交互的应用场景,从而建立无人机空间位置、无人机飞行姿态、电磁干扰源空间位置的模型;
模型单元二,依据模型单元一中得到的无人机空间位置、无人机飞行姿态,结合无人机数据链地面端发射功率、无人机数据链地面端与机载端天线特性,建立无人机数据链机载端工作信号接收模型;
模型单元三,依据模型单元一中电磁干扰源空间位置,结合电磁干扰源的辐射特性、干扰模式,以及模型单元二中的无人机数据链机载端接收天线特性,建立无人机数据链机载端干扰信号接收模型;
预测单元包括预测单元一,预测单元二,其中:
预测单元一,依据模型单元二得到的无人机数据链机载端工作信号接收模型,以及模型单元三得到的无人机数据链机载端干扰信号接收模型来计算干信比,以对无人机数据链电磁环境效应进行预测及对电磁干扰态势进行估计;
预测单元二,包括与模型单元一对应的电磁干扰源,以及与模型单元二对应的数据链控制系统、数据链监测系统,其中:
数据链控制系统,将模型单元二得到的无人机数据链机载端工作信号接收模型反馈至数据链机载端与地面端信息链路上的可调节衰减部件(比如可以是可调节衰减器)当中;
数据链监测系统,该系统利用可调节衰减部件读取机载端工作信号强度和干扰信号强度,进而计算干信比,以对无人机数据链电磁环境效应预测及电磁干扰态势估计;
判别单元,将预测单元得到的干信比定义为外界电磁干扰对无人机数据链的动态压制系数K,而无人机数据链能够承受的最大允许压制系数为Ks,当K≤Ks,不会造成数据链通信中断;当K>Ks,数据链通信中断。
本实施例所述模型单元一中,无人机飞离地面控制站,处于远场飞行状态,地面控制站、无人机、电磁干扰源均视为点源,以地面控制站为原点O(0,0,0),地平面xoy为基准平面建立空间直角坐标系xyz,如图1所示,从左到右依次是地面控制站、无人机、电磁干扰源,虚线框表示的也是无人机。
x轴为无人机水平飞行状态下的机身轴向,z轴为地平面的法线方向。t0时刻,无人机位于空间直角坐标系O’(x0,y0,z0)点处,干扰源位于点(xj,yj,zj)处;
以初始时刻无人机位置O’为另一原点,在无人机水平飞行状态下建立机体直角坐标系x’y’z’,该坐标系与原始坐标系xyz的坐标轴方向保持一致;
无人机绕x’轴旋转,滚转角为γ;绕y’轴旋转,俯仰角为α;绕z’轴旋转,航向角为β,旋转角度以右手旋转方向为正方向;
基于所述坐标系,无人机变换姿态过程中,对应于原始坐标系xyz的滚转、俯仰和偏航变换矩阵表示为Tγ、Tα、Tβ;
无人机初始飞行速度为v(t),机身姿态角为(γ0,α0,β0),则t0时刻,若无人机调节飞行姿态角度(γ,α,β),此时无人机飞行速度矢量变为
v′(t)=v(t)TγTαTβ=vx(t)·ex+vy(t)·ey+vz(t)·ez
其中
t时刻后,无人机的空间位置变为(x,y,z),即
本实施例所述模型单元二中,地面控制站天线方向为原始xyz坐标系中z轴的正方向,坐标矩阵表示为ag=[0,0,1],地面控制站发射功率为Pgt,天线增益为Gg,电场方向性函数为则地面控制站天线在无人机方向的发射功率密度
R为本实施例所述无人机与地面控制站之间的距离;
如本实施例所述模型单元一中t0时刻,无人机的姿态角为(γ0,α0,β0),则数据链机载天线的方向向量变为
au=(-cosγ0sinα0cosβ0+sinγ0sinβ0)·ex+(cosγ0sinα0sinβ0+sinγ0cosβ0)·ey+cosγ0cosα0·ez
如本实施例所述第一模型中,无人机调整姿态角(γ,α,β)后,机载天线的方向向量变为
a′u=auTγTαTβ=ax·ex+ay·ey+az·ez
其中,
由于地面控制站天线和机载天线的电场极化方向不匹配,导致机载天线接收效率降低,令天线间的电场极化匹配因子为μ
在本实施例中,令无人机数据链工作频率为fu,代入上式并转化为对数形式,得到
本实施例所述模型单元三中,固定电磁干扰源位于如图1所示位置,其发射功率为Pjt,天线增益为Gj;电磁干扰源采用跟踪干扰模式,电磁干扰辐射场的极化方向垂直于传播方向,无人机始终位于电磁辐射传播方向上,则无人机与电磁干扰源之间的距离Rj和无人机所在位置处的电场Ej表示为:
无人机飞行过程中,电磁干扰的传播方向矢量为aj=[(x-xj)ex+(y-yj)ey+(z-zj)ez]/|(x-xj,y-yj,z-zj)|;此时,无人机遭受外界电磁辐射干扰,该辐射场的极化方向矢量为ae,且|ae|=1,则aj·ae=0;
t时刻后,电磁干扰源在俯仰方向上旋转角度记为m,在水平方向上旋转角度记为n,则
本实施例所述模型单元中,电磁干扰源天线的旋转方向与无人机天线的旋转方向定义一致,则t时间后电磁干扰源天线的极化方向变为ae′=ae·Tm·Tn,Tm、Tn由本实施例所述第一模型中得到;其中m为俯仰角,n为滚转角;
由于干扰源天线的极化方向与无人机天线的极化方向不一致,导致机载天线接收干扰信号的效率降低,令天线间的电场极化匹配因子为μj,
无人机机载天线接收的干扰信号强度表示为
本实施例所述模型单元三中,电磁干扰频率为fj,将干扰信号波长代入并转化为对数形式,得到
即得到无人机天线接收的干扰信号大小。
本实施例所述预测单元一中,利用本实施例所述模型单元二中得到的工作信号强度,以及本实施例所述模型单元三中得到的干扰信号强度,计算其比值得到动态干信比,以对无人机数据链电磁环境效应预测及电磁干扰态势估计。
另一实施例中采用预测单元二,利用数据链控制系统,将所述模型单元二得到的机载端工作信号强度反馈至数据链机载端与地面端信息链路上的可调节衰减部件当中;利用数据链监测系统,读取机载端工作信号强度和干扰信号强度,进而计算干信比,以对无人机数据链电磁环境效应预测及电磁干扰态势估计。
实施例所述判别单元,将预测单元得到的干信比定义为外界电磁干扰对无人机数据链的动态压制系数K,无人机数据链能够承受的最大允许压制系数Ks,当K≤Ks,不会造成通信中断;当K>Ks,数据链通信中断。
实施例所述终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如模型单元、预测单元、判别单元或其任一实施例所述方法的步骤。
具体的,若本实施例所述数据链地面端位于空间直角坐标系原点(0km,0km,0km)处,遥控信号发射功率为1W,工作频率1.6GHz;t0时刻,无人机飞至预定位置(60km,0km,5km)处,无人机和地面控制站装载相同的半波偶极子天线,天线增益均为1.64dB;干扰源位于x轴(400km,0km,0km)处,发射功率10W,天线增益10dB,干扰源频率同为1.6GHz;t0时刻干扰源发现并跟踪无人机,电磁干扰辐射场的极化方向为平面波与xoz平面交线的正方向;无人机以固定角度飞行,t0时刻无人机姿态角:滚转角-10o,俯仰角0o,航向角15°,飞行速度大小稳定在120km/h;数据链最大允许压制系统11dB;无人机数据链电磁环境效应预测及电磁干扰态势评估结果如图4。
无人机飞行过程中,数据链工作状态逐渐恶化,0.5h后,数据链趋于临界工作状态,继续飞行1min后,压制系数增大至最大耐受阈值,数据链通信将完全中断。
Claims (9)
1.一种无人机数据链电磁环境效应预测方法,其特征在于:包括模型单元,预测单元、判别单元,模型单元包括模型单元一,模型单元二,其中:
模型单元一,建立无人机飞行模型,分析无人机飞行过程中,数据链机载端与地面端空间信息交互的应用场景,从而建立无人机空间位置、无人机飞行姿态、电磁干扰源空间位置的模型;
模型单元二,依据模型单元一中得到的无人机空间位置、无人机飞行姿态,结合无人机数据链地面端发射功率、无人机数据链地面端与机载端天线特性,建立无人机数据链机载端工作信号接收模型;
预测单元,计算干信比;
判别单元,将预测单元得到的干信比定义为外界电磁干扰对无人机数据链的动态压制系数K,而无人机数据链能够承受的最大允许压制系数为Ks,当K≤Ks,不会造成数据链通信中断;当K>Ks,数据链通信中断。
2.根据权利要求1所述的无人机数据链电磁环境效应预测方法,其特征在于:还包括模型单元三,模型单元三依据模型单元一中电磁干扰源空间位置,结合电磁干扰源的辐射特性、干扰模式,以及模型单元二中的无人机数据链机载端接收天线特性,建立无人机数据链机载端干扰信号接收模型,从而供预测单元计算干信比。
3.根据权利要求2所述的无人机数据链电磁环境效应预测方法,其特征在于:预测单元包括预测单元一和预测单元二,其中:
预测单元一,依据模型单元二得到的无人机数据链机载端工作信号接收模型,以及模型单元三得到的无人机数据链机载端干扰信号接收模型来计算干信比;
预测单元二包括与模型单元一对应的电磁干扰源,以及与模型单元二对应的数据链控制系统、数据链监测系统,预测单元二将模型单元二的计算数据输出至数据链控制系统,再由数据链监测系统计算干信比,其中:
数据链控制系统,将模型单元二得到的无人机数据链机载端工作信号接收模型反馈至数据链机载端与地面端信息链路上的可调节衰减部件当中;
数据链监测系统,从可调节衰减部件中读取机载端工作信号强度和干扰信号强度,并计算干信比。
4.根据权利要求3所述的无人机数据链电磁环境效应预测方法,其特征在于:在模型单元一中,当无人机飞离地面控制站,处于远场飞行状态,将地面控制站、无人机、电磁干扰源均视为点源,以地面控制站为原点O、地平面为基准平面建立空间直角坐标系xyz,且其中x轴为无人机水平飞行状态下的机身轴向,z轴为地平面的法线方向;
开始t0时刻,无人机位于空间直角坐标系O’点处,电磁干扰源位于点I处;
以初始时刻无人机位置O’为另一原点,在无人机水平飞行状态下建立机体直角坐标系x’y’z’,该坐标系与原始坐标系xyz的坐标轴方向保持一致;
无人机绕x’轴旋转,滚转角为γ;绕y’轴旋转,俯仰角为α;绕z’轴旋转,航向角为β,旋转角度以右手旋转方向为正方向;
基于坐标系x’y’z’,无人机变换姿态过程中,对应于原始坐标系xyz的滚转、俯仰和偏航的变换矩阵表示为Tγ、Tα、Tβ;
设无人机初始飞行速度为v(t),机身姿态角为(γ0,α0,β0),则t0时刻,若无人机调节飞行姿态角度(γ,α,β),此时无人机飞行速度矢量变为v’(t)=v(t)TγTαTβ;
由无人机飞行速度矢量v’(t)可求得t时刻后,无人机数据链机载端与地面端之间的相对位置R。
7.根据权利要求6所述的无人机数据链电磁环境效应预测方法,其特征在于:在模型单元三中,电磁干扰源位于模型单元一位置上,固定电磁干扰源的发射功率为Pjt、天线增益为Gj;电磁干扰源采用跟踪干扰模式,电磁干扰辐射场的极化方向垂直于传播方向,无人机始终位于电磁辐射传播方向上,则无人机与电磁干扰源之间的距离Rj和无人机所在位置处的电场Ej表示为:
无人机飞行过程中,电磁干扰的传播方向矢量为aj=[(x-xj)ex+(y-yj)ey+(z-zj)ez]/|(x-xj,y-yj,z-zj)|;此时,无人机遭受外界电磁辐射干扰,该辐射场的极化方向矢量为ae,且|ae|=1,则aj·ae=0;
t时刻后,电磁干扰源在俯仰方向上旋转角度记为m,在水平方向上旋转角度记为n,则
电磁干扰源天线的旋转方向与无人机天线的旋转方向定义一致,则t时间后电磁干扰源天线的极化方向变为a′e=ae·Tm·Tn,Tm、Tn由第一模型中得到,其中m为俯仰角,n为滚转角;由于电磁干扰源天线的极化方向与无人机天线的极化方向不一致,导致机载天线接收干扰信号的效率降低,令天线间的电场极化匹配因子为μj,
无人机机载天线接收的干扰信号强度表示为:
令电磁干扰源工作频率为fj;依据模型单元一建立的坐标系,计算电磁干扰源与机载端天线间的电场极化匹配因子μj;得到机载端干扰信号接收模型为:
8.根据权利要求7所述的无人机数据链电磁环境效应预测方法,其特征在于:采用模型单元一、模型单元二、模型单元三,预测单元一、判别单元可构成无人机数据链电磁环境效应预测全仿真系统;采用模型单元一、模型单元二,预测单元二、判别单元可构成无人机数据链电磁环境效应预测半实物仿真系统。
9.一种设备,用于实现如权利要求1-8任一项所述的无人机数据链电磁环境效应预测方法,其特征在于:包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如模型单元、预测单元、判别单元的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010468146.4A CN111614418A (zh) | 2020-05-28 | 2020-05-28 | 无人机数据链电磁环境效应预测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010468146.4A CN111614418A (zh) | 2020-05-28 | 2020-05-28 | 无人机数据链电磁环境效应预测方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111614418A true CN111614418A (zh) | 2020-09-01 |
Family
ID=72196646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010468146.4A Pending CN111614418A (zh) | 2020-05-28 | 2020-05-28 | 无人机数据链电磁环境效应预测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111614418A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697248A (zh) * | 2022-03-30 | 2022-07-01 | 北京理工大学 | 无人机信息攻击半实物测试系统及方法 |
CN115996102A (zh) * | 2022-11-29 | 2023-04-21 | 众芯汉创(北京)科技有限公司 | 一种基于大数据的分布式电磁嗅探的无人机防御系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119683A (zh) * | 2015-08-18 | 2015-12-02 | 昆明理工大学 | 一种基于实时嵌入式控制系统的无人机通信干扰对抗方法 |
US20170303123A1 (en) * | 2016-04-06 | 2017-10-19 | The Boeing Company | System and a computer-implemented method for multi path communication with an unmanned aerial vehicle during a mission |
CN108153321A (zh) * | 2017-11-21 | 2018-06-12 | 中国人民解放军陆军工程大学 | 无人机信息链路抗电磁辐射干扰方法及装置 |
CN109217956A (zh) * | 2018-08-14 | 2019-01-15 | 南京航空航天大学 | 一种无人机电磁干扰通信环境半物理仿真方法及装置 |
-
2020
- 2020-05-28 CN CN202010468146.4A patent/CN111614418A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119683A (zh) * | 2015-08-18 | 2015-12-02 | 昆明理工大学 | 一种基于实时嵌入式控制系统的无人机通信干扰对抗方法 |
US20170303123A1 (en) * | 2016-04-06 | 2017-10-19 | The Boeing Company | System and a computer-implemented method for multi path communication with an unmanned aerial vehicle during a mission |
CN108153321A (zh) * | 2017-11-21 | 2018-06-12 | 中国人民解放军陆军工程大学 | 无人机信息链路抗电磁辐射干扰方法及装置 |
CN109217956A (zh) * | 2018-08-14 | 2019-01-15 | 南京航空航天大学 | 一种无人机电磁干扰通信环境半物理仿真方法及装置 |
Non-Patent Citations (2)
Title |
---|
张东晓等: "无人机信息链路电磁干扰效应规律研究", 《北京理工大学学报》 * |
张东晓等: "用于无人机信息链路电磁干扰预测的动态电磁敏感度测试研究", 《高压电技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697248A (zh) * | 2022-03-30 | 2022-07-01 | 北京理工大学 | 无人机信息攻击半实物测试系统及方法 |
CN114697248B (zh) * | 2022-03-30 | 2024-02-09 | 北京理工大学 | 无人机信息攻击半实物测试系统及方法 |
CN115996102A (zh) * | 2022-11-29 | 2023-04-21 | 众芯汉创(北京)科技有限公司 | 一种基于大数据的分布式电磁嗅探的无人机防御系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109743093B (zh) | 一种无人机毫米波通信波束追踪方法 | |
CN111614418A (zh) | 无人机数据链电磁环境效应预测方法及设备 | |
CN112738764B (zh) | 一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法 | |
CN113158524B (zh) | 一种复杂电磁环境下电磁辐射态势感知预测方法及系统 | |
CN114666803B (zh) | 一种移动边缘计算系统的部署、控制方法及其系统 | |
CN109444837A (zh) | 一种雷达回波仿真方法和装置 | |
CN113949439A (zh) | 一种面向无人机空对空通信的几何随机信道建模方法 | |
CN117319994A (zh) | 无人机辅助稳健隐蔽通信对抗主动检测者的设计方法 | |
CN110138436B (zh) | 一种月球软着陆探测任务各阶段中继接收机参数计算方法 | |
CN113207106B (zh) | 一种无人机融合控制方法及装置 | |
CN114095804B (zh) | 一种基于航空遥感系统的空对地传输遥感数据的方法及系统 | |
Wu et al. | Learning from UAV experimental results for performance modeling of reconfigurable intelligent surface flying platform | |
CN113111526B (zh) | 基于近场数据的天线隔离度预测方法、存储介质和装置 | |
CN112152689B (zh) | 波束发送控制方法、装置及发送端 | |
CN115379547A (zh) | 上行发射功率控制方法、装置、电子设备和存储介质 | |
CN114301571A (zh) | 一种多旋翼无人机反制方法及系统 | |
Aksan et al. | Channel characterization for aircraft integrated antennas via machine learning | |
CN111901031A (zh) | 车载无人机自组网增强系统 | |
CN112073111A (zh) | 车载无人机自组网增强方法 | |
Wang et al. | A new method of EMI estimation among low altitude aircrafts on sea surface | |
Fujii et al. | Low-complexity vision-sensing directivity control for planar phased array in 24-GHz-band wireless power transfer | |
CN116908807B (zh) | 基于信号耦合模型的蜂群无人机雷达散射截面计算方法 | |
CN215897727U (zh) | 一种无线收发装置及系统 | |
CN110869777A (zh) | 一种基于移动平台的天线测试方法、装置及信息处理设备 | |
Tariq et al. | Characterization of a 60 GHz scattered wireless channel with different antenna polarizations for underground multimedia applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200901 |
|
RJ01 | Rejection of invention patent application after publication |