CN114124266A - 一种基于irs辅助无人机与无人船通信的信道建模方法 - Google Patents

一种基于irs辅助无人机与无人船通信的信道建模方法 Download PDF

Info

Publication number
CN114124266A
CN114124266A CN202210077477.4A CN202210077477A CN114124266A CN 114124266 A CN114124266 A CN 114124266A CN 202210077477 A CN202210077477 A CN 202210077477A CN 114124266 A CN114124266 A CN 114124266A
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
time
unmanned
varying
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.)
Granted
Application number
CN202210077477.4A
Other languages
English (en)
Other versions
CN114124266B (zh
Inventor
江浩
周杰
徐亮
郑荃
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD
Original Assignee
NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD filed Critical NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD
Priority to CN202210077477.4A priority Critical patent/CN114124266B/zh
Publication of CN114124266A publication Critical patent/CN114124266A/zh
Application granted granted Critical
Publication of CN114124266B publication Critical patent/CN114124266B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种基于IRS辅助无人机与无人船通信的信道建模方法，通过计算无人机与无人船的角度参数以及传输路径，提出一种面向IRS辅助无人机与无人船通信场景的复冲激响应函数表达式，揭示无线信道传输的物理特性；通过改变模型参数，描述不同频段、不同参数配置下的IRS辅助无人机与无人船无线通信场景；提出的一种面向IRS辅助无人机与无人船无线通信信道的复冲激函数表达式，能够有效的描述模型的统计特性；能够分析不同无人机与无人船的随机运动轨迹以及不确定运动速度对信道传输特性造成的影响。

Description

一种基于IRS辅助无人机与无人船通信的信道建模方法
技术领域
本发明涉及一种基于IRS辅助无人机与无人船通信的信道建模方法，属于无线通信技术领域。
背景技术
无论是小尺度衰落信道中的信道估计与调制编码，或是大尺度衰落信道中的网络规划与优化，信道模型始终是系统设计、理论分析、性能评估、系统优化及部署的重要基石。因此，科学地开展无线通信网络信道特性分析与建模理论研究，能够兼顾未来无线通信核心技术的发展方向，并有望成为建立6G无线通信系统的重要组成部分。在无线通信信道中，网络物理层技术虽然通常能够适应无线环境在空间与时间的变化，但信号传播从本质上来看是随机的，在很大程度上不可控制。研究表明，IRS作为一种由大量低成本的被动无源反射元件组成的平面，当置于无线信道的发射端与接收端之间时，能够独立地对入射信号进行相位(或/和)幅度甚至频率实现调控，解决高频段通信方向性强但覆盖不足的问题，因此近年来在陆地通信中得到广泛应用。
针对IRS辅助无人机通信，目前国内外多个课题组已开展许多研究工作。东南大学崔铁军院士课题组基于IRS的电磁与物理属性，提出了一种大尺度自由空间路径损耗信道模型，通过开展大量信道测量实验验证了提出的IRS无线信道模型能够有效地描述实际通信环境。东南大学张在琛教授课题组通过建立一种IRS辅助车联网通信信道模型，探索了不同场景、不同频段、不同IRS阵元数目、不同IRS阵元排布形状、不同IRS智能调控电磁波幅度/相位、不同收发端规则运动速度/方向/时间下的空时频信道特性以及对车联网通信系统性能造成的影响。清华大学戴凌龙副教授搭建了基于IRS的低频段无线通信硬件平台，测量结果指出当发射端与接收端间通信场景引入IRS技术时，能够有效地提高无线通信系统的传输性能。此外，澳门大学武庆庆博士团队探索了IRS辅助无人机通信系统的性能，即设定无人机在高空盘旋，而分布在建筑大楼上的IRS通过调节单元相位/幅度将信息高效传输至地面用户，扩展了IRS在多场景的应用研究。英国伦敦玛丽女王大学潘存华博士将IRS辅助无人机通信的工作频段扩展至太赫兹，通过联合优化无人机的随机运动轨迹与IRS相位偏转角，优化了用户的最小平均可实现率；同时，潘博士团队通过采用深度学习联合优化了无人机的运动轨迹以及IRS中单元的相位偏移角，为设计IRS辅助无人机通信系统提供了一种智能化的分析手段。
海洋信息系统是国家信息系统的重要组成部分，是“天地一体化网络”不可分割的部分，党的十九大报告明确提出“坚持陆海统筹，加快建设海洋强国”。在空天地海一体化的宏观架构下，未来海洋通信网络从系统设计、网络部署以及实际应用仍面临诸多难题。由于海洋环境与陆地环境存在差异，比如海上无人船的随机运动轨迹以及时变运动速度，致使陆地通信中的IRS技术难以在海洋通信中得到直接应用。此外，在实际的IRS辅助无人机与无人船通信场景中，无人机发射端和附有IRS的无人机的运动轨迹存在随机性，且运动速度具有时变特性，给建立有效的信道模型带来了技术上的困难。因此，本发明为解决这一问题，提出一种基于IRS辅助无人机与无人船通信的信道建模方法，首次提出一种面向海洋通信场景的复冲激响应函数表达式，揭示无人机与无人船无线传输的物理特性，分析不同频段、不同IRS阵元数目、不同IRS阵元排布形状、不同IRS智能调控电磁波幅度/相位、不同无人机/无人船的随机运动轨迹以及不确定运动速度对信道传输特性造成的影响，对于解决海洋场景下时域或频域非平稳、散射体丰富、多移动性等难题；同时对于评估海洋无线通信信道容量、传输增益等性能具有重要的指导意义和应用价值。
发明内容
发明目的：针对IRS辅助无人机与无人船通信系统设计与性能评估过程中信道模型匹配不准确的问题，本发明提出一种基于IRS辅助无人机与无人船通信的信道建模方法，提高了信号在无线通信传输过程中信道模型的匹配准确度，对于实现6G大宽带、高频谱复用以及全球低价无缝高速通信覆盖，具有重要的理论意义和应用价值。
技术方案：一种基于IRS辅助无人机与无人船通信的信道建模方法，包含以下步骤：
一种基于IRS辅助无人机与无人船通信的信道建模方法，其特征在于，包含以下步骤：
步骤S1：设置IRS辅助无人机与无人船通信场景；
步骤S2：计算无人机和无人船在运动阶段的时变运动速度和时变运动距离；
步骤S3：无人机发出的信号经散射簇反射到达无人船，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及信号到达无人船的时变到达水平角度和时变到达竖直角度；
步骤S4：无人机发出的信号经IRS作用到达无人船，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及到达无人船的时变到达水平角度和时变到达竖直角度；
步骤S5：无人机发出的信号经散射簇反射到达无人船时，计算时变多普勒频率；
步骤S6：无人机发出的信号经IRS到达无人船时，计算时变多普勒频率；
步骤S7：基于步骤S1-S6，分别计算无人机、散射簇、无人船子信道以及无人机、IRS、无人船子信道的信道复冲激函数；
步骤S8：基于信道复冲激函数，建立信道矩阵。
优选的，所述步骤S2中计算无人机和无人船在运动阶段的时变运动速度和时变运动距离的具体步骤为：
步骤201：计算无人机在运动阶段的时变运动速度在
Figure DEST_PATH_IMAGE002
轴、
Figure DEST_PATH_IMAGE004
轴和
Figure DEST_PATH_IMAGE006
轴上的分量：
Figure DEST_PATH_IMAGE008
Figure DEST_PATH_IMAGE010
Figure DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE014
表示无人机和无人船的运动时间，则
Figure DEST_PATH_IMAGE016
表示无人机和无人船处于运动的初始阶段，
Figure DEST_PATH_IMAGE018
、
Figure DEST_PATH_IMAGE020
和
Figure DEST_PATH_IMAGE022
分别表示无人机在
Figure 876976DEST_PATH_IMAGE016
时的运动速度在
Figure DEST_PATH_IMAGE024
轴、
Figure DEST_PATH_IMAGE026
轴和
Figure DEST_PATH_IMAGE028
轴上的分量；
Figure DEST_PATH_IMAGE030
、
Figure DEST_PATH_IMAGE032
和
Figure DEST_PATH_IMAGE034
分别表示无人机在运动阶段的时变运动加速度在
Figure 176502DEST_PATH_IMAGE024
轴、
Figure 326860DEST_PATH_IMAGE026
轴和
Figure 62735DEST_PATH_IMAGE028
轴上的分量；
步骤202：计算无人机在运动阶段的时变运动距离在
Figure 605843DEST_PATH_IMAGE024
轴、
Figure 743563DEST_PATH_IMAGE026
轴和
Figure 330402DEST_PATH_IMAGE028
轴上的分量：
Figure DEST_PATH_IMAGE036
步骤203：计算无人船在运动阶段的时变运动速度在
Figure 897781DEST_PATH_IMAGE024
轴和
Figure 103635DEST_PATH_IMAGE026
轴上的分量：
Figure DEST_PATH_IMAGE038
其中，
Figure DEST_PATH_IMAGE040
和
Figure DEST_PATH_IMAGE042
分别表示无人船在
Figure 95861DEST_PATH_IMAGE016
时的运动速度在
Figure 728968DEST_PATH_IMAGE024
轴和
Figure 580380DEST_PATH_IMAGE026
轴上的分量；
Figure DEST_PATH_IMAGE044
和
Figure DEST_PATH_IMAGE046
分别表示无人船在运动阶段的时变运动加速度在
Figure 652242DEST_PATH_IMAGE024
轴和
Figure 374341DEST_PATH_IMAGE026
轴上的分量；
步骤204：计算无人船在运动阶段的时变运动距离在
Figure 443928DEST_PATH_IMAGE024
轴和
Figure 500746DEST_PATH_IMAGE026
轴上的分量：
Figure DEST_PATH_IMAGE048
。
优选的，所述步骤S3当无人机发出的信号经散射簇反射到达无人船时，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及信号到达无人船的时变到达水平角度和时变到达竖直角度：
步骤301：在运动阶段，计算无人机发射信号到达散射簇中第
Figure DEST_PATH_IMAGE050
个散射体的时变发射水平角度
Figure DEST_PATH_IMAGE052
和时变发射竖直角度
Figure DEST_PATH_IMAGE054
：
Figure DEST_PATH_IMAGE056
其中，
Figure DEST_PATH_IMAGE058
表示无人机天线阵列中点到达水平面的距离；
Figure DEST_PATH_IMAGE060
是无人船天线阵列中点到达坐标原点的距离；
Figure DEST_PATH_IMAGE062
和
Figure DEST_PATH_IMAGE064
分别表示在
Figure DEST_PATH_IMAGE066
时，无人船的接收信号来自于散射簇中第
Figure DEST_PATH_IMAGE068
个散射体反射的时变到达水平角度和时变到达竖直角度；此外，
Figure DEST_PATH_IMAGE070
参数
Figure DEST_PATH_IMAGE072
表示在
Figure 544008DEST_PATH_IMAGE066
时，无人船天线阵列中点到达散射簇中第
Figure 120614DEST_PATH_IMAGE050
个散射体的距离，计算为：
Figure DEST_PATH_IMAGE074
其中，
Figure DEST_PATH_IMAGE076
表示无人机发射信号在
Figure 423419DEST_PATH_IMAGE066
时经散射簇反射到达无人船的传输时延，
Figure DEST_PATH_IMAGE078
表示光的传输速度；
步骤302：在运动阶段，计算无人机发射信号经散射簇中第
Figure 187107DEST_PATH_IMAGE050
个散射体反射到达无人船的时变到达水平角度
Figure DEST_PATH_IMAGE080
和时变到达竖直角度
Figure DEST_PATH_IMAGE082
：
Figure DEST_PATH_IMAGE084
步骤303：在运动阶段，计算无人机天线阵列中点和无人船天线阵列中点到达散射簇中第
Figure DEST_PATH_IMAGE086
个散射体的距离：
Figure DEST_PATH_IMAGE088
优选的，所述步骤S4中无人机发出的信号经IRS作用到达无人船时，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及到达无人船的时变到达水平角度和时变到达竖直角度：
步骤401：在运动阶段，计算无人机发射信号到达IRS的时变发射水平角度
Figure DEST_PATH_IMAGE090
和时变发射竖直角度
Figure DEST_PATH_IMAGE092
：
Figure DEST_PATH_IMAGE094
其中，
Figure DEST_PATH_IMAGE096
、
Figure DEST_PATH_IMAGE098
和
Figure DEST_PATH_IMAGE100
分别表示IRS的坐标在
Figure DEST_PATH_IMAGE102
轴、
Figure DEST_PATH_IMAGE104
轴和
Figure DEST_PATH_IMAGE106
轴上的值。
步骤402：在运动阶段，计算无人机发射信号经IRS作用到达无人船的时变到达水平角度
Figure DEST_PATH_IMAGE108
和时变到达竖直角度
Figure DEST_PATH_IMAGE110
：
Figure DEST_PATH_IMAGE112
步骤403：在运动阶段，计算无人机天线阵列中点和无人船天线阵列中点到达IRS中第
Figure DEST_PATH_IMAGE114
行第
Figure DEST_PATH_IMAGE116
列阵元的距离：
Figure DEST_PATH_IMAGE118
。
优选的，所述步骤S5中无人机发出的信号经散射簇反射到达无人船时，计算时变多普勒频率：
Figure DEST_PATH_IMAGE120
。
优选的，所述步骤S6中无人机发出的信号经IRS到达无人船时，计算时变多普勒频率：
多普勒相移是由无人机和无人船的运动而产生，无人机、IRS、无人船传输链路在运动阶段的多普勒频率计算为：
Figure DEST_PATH_IMAGE122
。
优选的，所述步骤S7计算无人机、散射簇、无人船子信道，以及无人机、IRS、无人船子信道的信道复冲激函数表达式为：
步骤701：当无人机发出的信号经散射簇反射到达无人船时，无人机第
Figure DEST_PATH_IMAGE124
根
Figure DEST_PATH_IMAGE126
天线与无人船第
Figure DEST_PATH_IMAGE128
根
Figure DEST_PATH_IMAGE130
天线间传输路径的复冲激函数计算为：
Figure DEST_PATH_IMAGE132
其中，
Figure DEST_PATH_IMAGE134
表示复数；
Figure DEST_PATH_IMAGE136
是等效散射体个数；
Figure DEST_PATH_IMAGE138
是初始随机相位；
Figure DEST_PATH_IMAGE140
是无人机任意两相邻天线的间距；
Figure DEST_PATH_IMAGE142
是无人船任意两相邻天线的间距；
Figure DEST_PATH_IMAGE144
是无人机天线阵列与
Figure DEST_PATH_IMAGE146
轴正方向的夹角；
Figure DEST_PATH_IMAGE148
是无人船天线阵列与
Figure 128999DEST_PATH_IMAGE146
轴正方向的夹角；
步骤702：当无人机发出的信号经IRS作用到达无人船时，无人机第
Figure DEST_PATH_IMAGE150
根天线与无人船第
Figure DEST_PATH_IMAGE152
根天线间传输路径的复冲激函数计算为：
Figure DEST_PATH_IMAGE154
其中，
Figure DEST_PATH_IMAGE156
和
Figure DEST_PATH_IMAGE158
分别表示IRS在
Figure 169899DEST_PATH_IMAGE146
轴和
Figure DEST_PATH_IMAGE160
轴上的分量；
Figure DEST_PATH_IMAGE162
和
Figure DEST_PATH_IMAGE164
分别表示IRS中第
Figure DEST_PATH_IMAGE166
行第
Figure DEST_PATH_IMAGE168
列阵元的调控幅度和调控相位；
Figure DEST_PATH_IMAGE170
表示无人机、IRS、无人船传输路径的归一化因子，计算为：
Figure DEST_PATH_IMAGE172
。
优选的，所述步骤S8计算IRS辅助无人机与无人船通信信道矩阵为：
Figure DEST_PATH_IMAGE174
。
与现有技术相比，本发明所提供的一种基于IRS辅助无人机与无人船通信的信道建模方法，具有如下优点：
（1）通用性强，能够通过改变模型参数，描述不同频段、不同参数配置下的IRS辅助无人机与无人船无线通信场景；
（2）精确度高，提出的一种面向IRS辅助无人机与无人船无线通信信道的复冲激函数表达式，能够有效的描述模型的统计特性；
（3）能够分析不同无人机与无人船的随机运动轨迹以及不确定运动速度对信道传输特性造成的影响。
附图说明
图1：本发明提出的基于IRS辅助无人机与无人船通信的信道模型在运动初始阶段的示意图；
图2：本发明提出的基于IRS辅助无人机与无人船通信的信道模型在运动实时阶段的示意图；
图3：当无人机发出的信号经散射簇反射到达接收端时，不同传输分量对应的链路空间互相关特性；
图4：当无人机发出的信号经散射簇反射到达接收端时，不同无人机和无人船运动状态下的空间互相关特性；
图5：当无人机发出的信号经智能反射面作用到达接收端时，不同收发端运动状态下的时域自相关特性。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示，一种基于IRS辅助无人机与无人船通信的信道建模方法，假设无人机和无人船分别配置
Figure DEST_PATH_IMAGE176
根和
Figure DEST_PATH_IMAGE178
根天线，IRS则依附在无人机悬停在空中，系统模型图如图2；建立
Figure DEST_PATH_IMAGE180
直角坐标系，其中
Figure DEST_PATH_IMAGE182
轴定义为无人机天线阵列中点在水平面上的投影与无人船天线阵列中点的连线；
Figure DEST_PATH_IMAGE184
轴定义为经过无人机天线阵列中点垂直于水平面的线；而
Figure DEST_PATH_IMAGE186
轴可以根据右手定则得到，无人机发出的信号一部分经过散射簇反射到达无人船，一部分经过IRS作用到达无人船，无人船接收到的信号可以表示为：
Figure DEST_PATH_IMAGE188
其中，
Figure DEST_PATH_IMAGE190
表示无人机发送信号的功率；
Figure DEST_PATH_IMAGE192
表示IRS辅助无人机与无人船通信信道矩阵；
Figure DEST_PATH_IMAGE194
是信道中的加性高斯白噪声。因此，在探索无人机与无人船通信系统性能时，推导信道矩阵
Figure 201528DEST_PATH_IMAGE192
尤为重要。在本发明方案中，主要针对建立IRS辅助无人机与无人船通信信道展开分析。
具体包含以下8个步骤：
第一步、设置IRS辅助无人机与无人船通信场景；无人机和无人船分别配置
Figure DEST_PATH_IMAGE196
根和
Figure DEST_PATH_IMAGE198
根天线；
第二步、计算无人机和无人船在运动阶段的时变运动速度和时变运动距离，具体步骤为：
步骤201：计算无人机在运动阶段的时变运动速度在
Figure 780408DEST_PATH_IMAGE002
轴、
Figure 935446DEST_PATH_IMAGE004
轴和
Figure 486644DEST_PATH_IMAGE006
轴上的分量：
Figure 68935DEST_PATH_IMAGE008
Figure DEST_PATH_IMAGE199
Figure 694300DEST_PATH_IMAGE012
其中，
Figure 466078DEST_PATH_IMAGE014
表示无人机和无人船的运动时间，则
Figure 433901DEST_PATH_IMAGE016
表示无人机和无人船处于运动的初始阶段，
Figure DEST_PATH_IMAGE200
、
Figure DEST_PATH_IMAGE201
和
Figure DEST_PATH_IMAGE202
分别表示无人机在
Figure 86294DEST_PATH_IMAGE016
时的运动速度在
Figure 826717DEST_PATH_IMAGE024
轴、
Figure 667765DEST_PATH_IMAGE026
轴和
Figure 646085DEST_PATH_IMAGE028
轴上的分量；
Figure DEST_PATH_IMAGE203
、
Figure 914387DEST_PATH_IMAGE032
和
Figure DEST_PATH_IMAGE204
分别表示无人机在运动阶段的时变运动加速度在
Figure 610947DEST_PATH_IMAGE024
轴、
Figure 521266DEST_PATH_IMAGE026
轴和
Figure 291775DEST_PATH_IMAGE028
轴上的分量；
步骤202：计算无人机在运动阶段的时变运动距离在
Figure 511404DEST_PATH_IMAGE024
轴、
Figure 101785DEST_PATH_IMAGE026
轴和
Figure 815795DEST_PATH_IMAGE028
轴上的分量：
Figure DEST_PATH_IMAGE205
步骤203：计算无人船在运动阶段的时变运动速度在
Figure 34286DEST_PATH_IMAGE024
轴和
Figure 300183DEST_PATH_IMAGE026
轴上的分量：
Figure DEST_PATH_IMAGE206
其中，
Figure 456489DEST_PATH_IMAGE040
和
Figure 957877DEST_PATH_IMAGE042
分别表示无人船在
Figure DEST_PATH_IMAGE207
时的运动速度在
Figure 781608DEST_PATH_IMAGE024
轴和
Figure 483985DEST_PATH_IMAGE026
轴上的分量；
Figure 173592DEST_PATH_IMAGE044
和
Figure DEST_PATH_IMAGE208
分别表示无人船在运动阶段的时变运动加速度在
Figure 715823DEST_PATH_IMAGE024
轴和
Figure 49853DEST_PATH_IMAGE026
轴上的分量；
步骤204：计算无人船在运动阶段的时变运动距离在
Figure 782185DEST_PATH_IMAGE024
轴和
Figure 834455DEST_PATH_IMAGE026
轴上的分量：
Figure DEST_PATH_IMAGE209
第三步、无人机发出的信号经散射簇反射到达无人船，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及信号到达无人船的时变到达水平角度和时变到达竖直角度；具体步骤为：
步骤301：在运动阶段，计算无人机发射信号到达散射簇中第
Figure 428379DEST_PATH_IMAGE050
个散射体的时变发射水平角度
Figure DEST_PATH_IMAGE210
和时变发射竖直角度
Figure DEST_PATH_IMAGE211
：
Figure DEST_PATH_IMAGE212
其中，
Figure DEST_PATH_IMAGE213
表示无人机天线阵列中点到达水平面的距离；
Figure DEST_PATH_IMAGE214
是无人船天线阵列中点到达坐标原点的距离；
Figure DEST_PATH_IMAGE215
和
Figure DEST_PATH_IMAGE216
分别表示在
Figure 164385DEST_PATH_IMAGE066
时，无人船的接收信号来自于散射簇中第
Figure DEST_PATH_IMAGE217
个散射体反射的时变到达水平角度和时变到达竖直角度；此外，
Figure DEST_PATH_IMAGE218
参数
Figure DEST_PATH_IMAGE219
表示在
Figure 739722DEST_PATH_IMAGE066
时，无人船天线阵列中点到达散射簇中第
Figure 154654DEST_PATH_IMAGE050
个散射体的距离，计算为：
Figure DEST_PATH_IMAGE220
其中，
Figure 535957DEST_PATH_IMAGE076
表示无人机发射信号在
Figure 844579DEST_PATH_IMAGE066
时经散射簇反射到达无人船的传输时延，
Figure 669446DEST_PATH_IMAGE078
表示光的传输速度；
步骤302：在运动阶段，计算无人机发射信号经散射簇中第
Figure 696308DEST_PATH_IMAGE050
个散射体反射到达无人船的时变到达水平角度
Figure 881302DEST_PATH_IMAGE080
和时变到达竖直角度
Figure DEST_PATH_IMAGE221
：
Figure DEST_PATH_IMAGE222
步骤303：在运动阶段，计算无人机天线阵列中点和无人船天线阵列中点到达散射簇中第
Figure DEST_PATH_IMAGE223
个散射体的距离：
Figure DEST_PATH_IMAGE224
第四步、发出的信号经IRS作用到达无人船，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及到达无人船的时变到达水平角度和时变到达竖直角度；具体步骤为：
步骤401：在运动阶段，计算无人机发射信号到达IRS的时变发射水平角度
Figure 450955DEST_PATH_IMAGE090
和时变发射竖直角度
Figure 836937DEST_PATH_IMAGE092
：
Figure DEST_PATH_IMAGE225
其中，
Figure 429723DEST_PATH_IMAGE096
、
Figure 418408DEST_PATH_IMAGE098
和
Figure 701621DEST_PATH_IMAGE100
分别表示IRS的坐标在
Figure 258505DEST_PATH_IMAGE102
轴、
Figure 863886DEST_PATH_IMAGE104
轴和
Figure 531628DEST_PATH_IMAGE106
轴上的值。
步骤402：在运动阶段，计算无人机发射信号经IRS作用到达无人船的时变到达水平角度
Figure DEST_PATH_IMAGE226
和时变到达竖直角度
Figure 262824DEST_PATH_IMAGE110
：
Figure DEST_PATH_IMAGE227
步骤403：在运动阶段，计算无人机天线阵列中点和无人船天线阵列中点到达IRS中第
Figure 69237DEST_PATH_IMAGE114
行第
Figure 682621DEST_PATH_IMAGE116
列阵元的距离：
Figure DEST_PATH_IMAGE228
。
第五步、无人机发出的信号经散射簇反射到达无人船时，计算时变多普勒频率；具体步骤为：
Figure DEST_PATH_IMAGE229
。
第六步、无人机发出的信号经IRS到达无人船时，计算时变多普勒频率，具体步骤为：
多普勒相移是由无人机和无人船的运动而产生，无人机、IRS、无人船传输链路在运动阶段的多普勒频率计算为：
Figure DEST_PATH_IMAGE230
。
第七步、分别计算无人机、散射簇、无人船子信道以及无人机、IRS、无人船子信道的信道复冲激函数，具体步骤为：
步骤701：当无人机发出的信号经散射簇反射到达无人船时，无人机第
Figure 294999DEST_PATH_IMAGE124
根
Figure DEST_PATH_IMAGE231
天线与无人船第
Figure 631433DEST_PATH_IMAGE128
根
Figure 530119DEST_PATH_IMAGE130
天线间传输路径的复冲激函数计算为：
Figure DEST_PATH_IMAGE232
其中，
Figure 834062DEST_PATH_IMAGE134
表示复数；
Figure 453393DEST_PATH_IMAGE136
是等效散射体个数；
Figure 565705DEST_PATH_IMAGE138
是初始随机相位；
Figure DEST_PATH_IMAGE233
是无人机任意两相邻天线的间距；
Figure 963189DEST_PATH_IMAGE142
是无人船任意两相邻天线的间距；
Figure 36318DEST_PATH_IMAGE144
是无人机天线阵列与
Figure 583974DEST_PATH_IMAGE146
轴正方向的夹角；
Figure DEST_PATH_IMAGE234
是无人船天线阵列与
Figure 144268DEST_PATH_IMAGE146
轴正方向的夹角；
步骤702：当无人机发出的信号经IRS作用到达无人船时，无人机第
Figure 260123DEST_PATH_IMAGE150
根天线与无人船第
Figure DEST_PATH_IMAGE235
根天线间传输路径的复冲激函数计算为：
Figure DEST_PATH_IMAGE236
其中，
Figure 741920DEST_PATH_IMAGE156
和
Figure 968633DEST_PATH_IMAGE158
分别表示IRS在
Figure 789959DEST_PATH_IMAGE146
轴和
Figure 325982DEST_PATH_IMAGE160
轴上的分量；
Figure 232758DEST_PATH_IMAGE162
和
Figure 387796DEST_PATH_IMAGE164
分别表示IRS中第
Figure 933135DEST_PATH_IMAGE166
行第
Figure 781005DEST_PATH_IMAGE168
列阵元的调控幅度和调控相位；
Figure 34132DEST_PATH_IMAGE170
表示无人机、IRS、无人船传输路径的归一化因子，计算为：
Figure DEST_PATH_IMAGE237
。
第八步、计算IRS辅助无人机与无人船通信信道矩阵为：
Figure DEST_PATH_IMAGE238
。
基于上述推导，图3-5给出本发明提出的信道模型的传输特性。其中图3描述了当无人机发出的信号经散射簇反射到达无人船时，不同传输路径间的空间互相关特性。从图中可以发现，IRS传输分量和物理直达径传输分量具有相同的空间互相关性，且都在接收信号中提供了一个确定性的分量，致使整体链路空间互相关特性比不存在IRS或物理直达径时要大。因此，无人机与无人船通信中引入IRS虽然可以增强接收信号强度，但却会增加链路空间互相关特性，导致MIMO空间分集增益降低。
图4描述了当无人机发出的信号经IRS作用到达接收端时，不同无人机/无人船运动状态下的空间互相关特性。场景1表示无人机和无人船均采用本发明所提运动模型，场景2表示无人机和无人船均采用传统的固定运动速度大小和方向的运动模型，场景3表示无人机和无人船均处于静止状态，场景4表示与场景1相同的运动参数设置但具有相反的初始运动方向；场景5表示与场景1相同的运动参数设置，但具有更大加速度变化率。从图中可以发现，所提模型场景1具有比传统固定运动速度和静止的模型具有更大的空间相关特性，且通过改变运动方向和运动速度，可以调整所提模型在变加速运动场景下的空间互相关特性。
图5描述了当无人机发出的信号经IRS作用到达接收端时，不同收发端运动状态下的时域自相关特性。从图中可以发现，当海水状态更恶劣时(对应
Figure DEST_PATH_IMAGE240
取值更大)，海水散射链路表现出更小的时域自先关特性，说明链路变化更快，需要消耗更多的时间资源用于信道状态信息的更新，因而不利于数据的高速传输，验证海水状态对传输存在影响。此外，收发端运动状态也对海水散射链路的时域自相关特性的传输有很大影响。准确来说，收发端运动轨迹越复杂，时域自相关特性越小；而当收发端处于静止状态时，链路具有恒定的时域自相关特性。
本发明针对无人机与无人船无线通信场景，提出一种新型的信道复冲激响应函数表达式描述信道物理特性，探索了无人机/无人船的不规则运动轨迹以及时变运动速度对信道传输特性造成的影响，为分析无人机与无人船无线通信系统性能提供强有力的技术支撑；此外，本发明中提出采用IRS技术辅助信号传输，能够在很大程度上提升通信系统的性能，通过探索不同频段、不同IRS阵元数目、不同IRS阵元排布形状以及不同IRS智能调控电磁波幅度/相位的空时频信道特性以及对无人机与无人船无线通信系统性能造成的影响，为IRS辅助无人机与无人船无线通信系统的设计与开发提供理论基础，结合上述观点，本发明弥补了过去研究的不足，为分析无人机与无人船无线通信传输特性提供了一种建模方法，能够有效地应用到未来无线通信系统的性能分析中。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于IRS辅助无人机与无人船通信的信道建模方法，其特征在于，包含以下步骤：
步骤S1：设置IRS辅助无人机与无人船通信场景；
步骤S2：计算无人机和无人船在运动阶段的时变运动速度和时变运动距离；
步骤S3：无人机发出的信号经散射簇反射到达无人船，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及信号到达无人船的时变到达水平角度和时变到达竖直角度；
步骤S4：无人机发出的信号经IRS作用到达无人船，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及到达无人船的时变到达水平角度和时变到达竖直角度；
步骤S5：无人机发出的信号经散射簇反射到达无人船时，计算时变多普勒频率；
步骤S6：无人机发出的信号经IRS到达无人船时，计算时变多普勒频率；
步骤S7：基于步骤S1-S6，分别计算无人机、散射簇、无人船子信道以及无人机、IRS、无人船子信道的信道复冲激函数；
步骤S8：基于信道复冲激函数，建立信道矩阵。
2.如权利要求1所述的一种基于IRS辅助无人机与无人船通信的信道建模方法，其特征在于：所述步骤S2中计算无人机和无人船在运动阶段的时变运动速度和时变运动距离的具体步骤为：
步骤201：计算无人机在运动阶段的时变运动速度在
Figure 91549DEST_PATH_IMAGE001
轴、
Figure 442895DEST_PATH_IMAGE002
轴和
Figure 139587DEST_PATH_IMAGE003
轴上的分量：
Figure 285398DEST_PATH_IMAGE004
Figure 316808DEST_PATH_IMAGE005
Figure 206266DEST_PATH_IMAGE006
其中，
Figure 23044DEST_PATH_IMAGE007
表示无人机和无人船的运动时间，则
Figure 339755DEST_PATH_IMAGE008
表示无人机和无人船处于运动的 初始阶段，
Figure 858461DEST_PATH_IMAGE009
、
Figure 551611DEST_PATH_IMAGE010
和
Figure 957316DEST_PATH_IMAGE011
分别表示无人机在
Figure 835142DEST_PATH_IMAGE008
时的运动速度在
Figure 716510DEST_PATH_IMAGE012
轴、
Figure 213351DEST_PATH_IMAGE013
轴 和
Figure 473562DEST_PATH_IMAGE014
轴上的分量；
Figure 256710DEST_PATH_IMAGE015
、
Figure 625374DEST_PATH_IMAGE016
和
Figure 535693DEST_PATH_IMAGE017
分别表示无人机在运动阶段的时变运动加 速度在
Figure 40623DEST_PATH_IMAGE012
轴、
Figure 260252DEST_PATH_IMAGE013
轴和
Figure 116213DEST_PATH_IMAGE014
轴上的分量；
步骤202：计算无人机在运动阶段的时变运动距离在
Figure 564643DEST_PATH_IMAGE012
轴、
Figure 189659DEST_PATH_IMAGE013
轴和
Figure 845768DEST_PATH_IMAGE014
轴上的分量：
Figure 657867DEST_PATH_IMAGE018
；
步骤203：计算无人船在运动阶段的时变运动速度在
Figure 904128DEST_PATH_IMAGE012
轴和
Figure 508285DEST_PATH_IMAGE013
轴上的分量：
Figure 945082DEST_PATH_IMAGE019
其中，
Figure 385422DEST_PATH_IMAGE020
和
Figure 300288DEST_PATH_IMAGE021
分别表示无人船在
Figure 24531DEST_PATH_IMAGE022
时的运动速度在
Figure 366650DEST_PATH_IMAGE012
轴和
Figure 559866DEST_PATH_IMAGE013
轴上的分 量；
Figure 278423DEST_PATH_IMAGE023
和
Figure 591592DEST_PATH_IMAGE024
分别表示无人船在运动阶段的时变运动加速度在
Figure 370193DEST_PATH_IMAGE012
轴和
Figure 785125DEST_PATH_IMAGE013
轴上的 分量；
步骤204：计算无人船在运动阶段的时变运动距离在
Figure 307373DEST_PATH_IMAGE012
轴和
Figure 6207DEST_PATH_IMAGE013
轴上的分量：
Figure 955709DEST_PATH_IMAGE025
。
3.如权利要求2所述的一种基于IRS辅助无人机与无人船通信的信道建模方法，其特征在于：所述步骤S3当无人机发出的信号经散射簇反射到达无人船时，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及信号到达无人船的时变到达水平角度和时变到达竖直角度：
步骤301：在运动阶段，计算无人机发射信号到达散射簇中第
Figure 61199DEST_PATH_IMAGE026
个散射体的时变发射水 平角度
Figure 652718DEST_PATH_IMAGE027
和时变发射竖直角度
Figure 674900DEST_PATH_IMAGE028
：
Figure 405090DEST_PATH_IMAGE029
其中，
Figure 778302DEST_PATH_IMAGE030
表示无人机天线阵列中点到达水平面的距离；
Figure 642353DEST_PATH_IMAGE031
是无人船天线阵列中点到 达坐标原点的距离；
Figure 535354DEST_PATH_IMAGE032
和
Figure 92237DEST_PATH_IMAGE033
分别表示在
Figure 952746DEST_PATH_IMAGE034
时，无人船的接收信号来自于 散射簇中第
Figure 354908DEST_PATH_IMAGE035
个散射体反射的时变到达水平角度和时变到达竖直角度；此外，
Figure 367995DEST_PATH_IMAGE036
参数
Figure 830200DEST_PATH_IMAGE037
表示在
Figure 646847DEST_PATH_IMAGE034
时，无人船天线阵列中点到达散射簇中第
Figure 987786DEST_PATH_IMAGE026
个散射体的距 离，计算为：
Figure 980013DEST_PATH_IMAGE038
其中，
Figure 737753DEST_PATH_IMAGE039
表示无人机发射信号在
Figure 448220DEST_PATH_IMAGE034
时经散射簇反射到达无人船的传输时延，
Figure 333131DEST_PATH_IMAGE040
表示光的传输速度；
步骤302：在运动阶段，计算无人机发射信号经散射簇中第
Figure 179864DEST_PATH_IMAGE026
个散射体反射到达无人船 的时变到达水平角度
Figure 374085DEST_PATH_IMAGE041
和时变到达竖直角度
Figure 306269DEST_PATH_IMAGE042
：
Figure 994870DEST_PATH_IMAGE043
；
步骤303：在运动阶段，计算无人机天线阵列中点和无人船天线阵列中点到达散射簇中 第
Figure 696110DEST_PATH_IMAGE044
个散射体的距离：
Figure 795653DEST_PATH_IMAGE045
。
4.如权利要求3所述的一种基于IRS辅助无人机与无人船通信的信道建模方法，其特征在于：所述步骤S4中无人机发出的信号经IRS作用到达无人船时，计算无人机发射信号的时变发射水平角度和时变发射竖直角度以及到达无人船的时变到达水平角度和时变到达竖直角度：
步骤401：在运动阶段，计算无人机发射信号到达IRS的时变发射水平角度
Figure 90499DEST_PATH_IMAGE046
和 时变发射竖直角度
Figure 441846DEST_PATH_IMAGE047
：
Figure 387806DEST_PATH_IMAGE048
其中，
Figure 268037DEST_PATH_IMAGE049
、
Figure 50179DEST_PATH_IMAGE050
和
Figure 205217DEST_PATH_IMAGE051
分别表示IRS的坐标在
Figure 740104DEST_PATH_IMAGE052
轴、
Figure 197761DEST_PATH_IMAGE053
轴和
Figure 591833DEST_PATH_IMAGE054
轴上的值；
步骤402：在运动阶段，计算无人机发射信号经IRS作用到达无人船的时变到达水平角 度
Figure 409616DEST_PATH_IMAGE055
和时变到达竖直角度
Figure 205534DEST_PATH_IMAGE056
：
Figure 834093DEST_PATH_IMAGE057
步骤403：在运动阶段，计算无人机天线阵列中点和无人船天线阵列中点到达IRS中第
Figure 184303DEST_PATH_IMAGE058
行第
Figure 71356DEST_PATH_IMAGE059
列阵元的距离：
Figure 456201DEST_PATH_IMAGE060
。
5.如权利要求4所述的一种基于IRS辅助无人机与无人船通信的信道建模方法，其特征在于：所述步骤S5中无人机发出的信号经散射簇反射到达无人船时，计算时变多普勒频率：
Figure 255661DEST_PATH_IMAGE061
。
6.如权利要求5所述的一种基于IRS辅助无人机与无人船通信的信道建模方法，其特征在于：所述步骤S6中无人机发出的信号经IRS到达无人船时，计算时变多普勒频率：
多普勒相移是由无人机和无人船的运动而产生，无人机、IRS、无人船传输链路在运动阶段的多普勒频率计算为：
Figure 483380DEST_PATH_IMAGE062
。
7.如权利要求6所述的一种基于IRS辅助无人机与无人船通信的信道建模方法，其特征在于：所述步骤S7计算无人机、散射簇、无人船子信道，以及无人机、IRS、无人船子信道的信道复冲激函数表达式为：
步骤701：当无人机发出的信号经散射簇反射到达无人船时，无人机第
Figure 252753DEST_PATH_IMAGE063
根
Figure 650628DEST_PATH_IMAGE064
天线与无人船第
Figure 745623DEST_PATH_IMAGE065
根
Figure 460638DEST_PATH_IMAGE066
天线间传输路径的复冲激函数计算为：
Figure 299281DEST_PATH_IMAGE067
其中，
Figure 799663DEST_PATH_IMAGE068
表示复数；
Figure 65560DEST_PATH_IMAGE069
是等效散射体个数；
Figure 267871DEST_PATH_IMAGE070
是初始随机相位；
Figure 644626DEST_PATH_IMAGE071
是无人机任意两相邻 天线的间距；
Figure 999515DEST_PATH_IMAGE072
是无人船任意两相邻天线的间距；
Figure 436312DEST_PATH_IMAGE073
是无人机天线阵列与
Figure 125920DEST_PATH_IMAGE074
轴正方向的夹 角；
Figure 306365DEST_PATH_IMAGE075
是无人船天线阵列与
Figure 781340DEST_PATH_IMAGE074
轴正方向的夹角；
步骤702：当无人机发出的信号经IRS作用到达无人船时，无人机第
Figure 654618DEST_PATH_IMAGE076
根天线与无人船第
Figure 565942DEST_PATH_IMAGE077
根天线间传输路径的复冲激函数计算为：
Figure 550079DEST_PATH_IMAGE078
其中，
Figure 613981DEST_PATH_IMAGE079
和
Figure 392581DEST_PATH_IMAGE080
分别表示IRS在
Figure 791201DEST_PATH_IMAGE074
轴和
Figure 579029DEST_PATH_IMAGE081
轴上的分量；
Figure 763017DEST_PATH_IMAGE082
和
Figure 712518DEST_PATH_IMAGE083
分别表示 IRS中第
Figure 864014DEST_PATH_IMAGE084
行第
Figure 924374DEST_PATH_IMAGE085
列阵元的调控幅度和调控相位；
Figure 228447DEST_PATH_IMAGE086
表示无人机、IRS、无人船传输 路径的归一化因子，计算为：
Figure 83271DEST_PATH_IMAGE087
。
8.如权利要求7所述的一种基于IRS辅助无人机与无人船通信的信道建模方法，其特征在于：所述步骤S8计算IRS辅助无人机与无人船通信信道矩阵为：
Figure 190904DEST_PATH_IMAGE088
。
CN202210077477.4A 2022-01-24 2022-01-24 一种基于irs辅助无人机与无人船通信的信道建模方法 Active CN114124266B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210077477.4A CN114124266B (zh) 2022-01-24 2022-01-24 一种基于irs辅助无人机与无人船通信的信道建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210077477.4A CN114124266B (zh) 2022-01-24 2022-01-24 一种基于irs辅助无人机与无人船通信的信道建模方法

Publications (2)

Publication Number Publication Date
CN114124266A true CN114124266A (zh) 2022-03-01
CN114124266B CN114124266B (zh) 2022-04-12

Family

ID=80361016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210077477.4A Active CN114124266B (zh) 2022-01-24 2022-01-24 一种基于irs辅助无人机与无人船通信的信道建模方法

Country Status (1)

Country Link
CN (1) CN114124266B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114584238A (zh) * 2022-03-07 2022-06-03 东南大学 一种面向智能超表面无线通信的射线追踪信道建模方法
CN114938498A (zh) * 2022-03-29 2022-08-23 成都理工大学 智能反射面辅助的无人机使能的无线传感网数据收集方法
CN116054984A (zh) * 2022-11-10 2023-05-02 南京六九零二科技有限公司 一种面向无人机-地面用户无线通信的几何统计信道建模方法
CN116938363A (zh) * 2023-06-21 2023-10-24 江苏科技大学 基于抖动检测与相干时间的无人机对船通信信道切换方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120081247A1 (en) * 2010-09-28 2012-04-05 Thales Radar with wide angular coverage, notably for the obstacle avoidance function on board auto-piloted aircraft
US20200278689A1 (en) * 2017-12-20 2020-09-03 Intel Corporation Autonomous unmanned vehicles for responding to situations
CN113364495A (zh) * 2021-05-25 2021-09-07 西安交通大学 一种多无人机轨迹和智能反射面相移联合优化方法及系统
US20210288698A1 (en) * 2020-03-10 2021-09-16 University Of Electronic Science And Technology Of China Method for Intelligent Reflecting Surface Aided Terahertz Secure Communication System
WO2021207748A2 (en) * 2020-08-13 2021-10-14 Futurewei Technologies, Inc. Methods and apparatus for channel reconstruction in intelligent surface aided communications
CN113507304A (zh) * 2021-07-24 2021-10-15 大连理工大学 一种智能反射面辅助的无人机安全通信方法
CN113517921A (zh) * 2021-07-05 2021-10-19 河海大学 一种基于无人机的irs辅助低空无源空中中继控制方法
WO2021221603A1 (en) * 2020-04-27 2021-11-04 Nokia Technologies Oy Ue positioning aided by reconfigurable reflecting surfaces such as intelligent reflecting surfaces (irs)
CN113853018A (zh) * 2021-08-11 2021-12-28 北京邮电大学 基于irs辅助的无人机安全通信方法、系统及电子设备
CN113949474A (zh) * 2021-09-27 2022-01-18 江苏科技大学 基于智能反射面辅助的无人机几何模型建立方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120081247A1 (en) * 2010-09-28 2012-04-05 Thales Radar with wide angular coverage, notably for the obstacle avoidance function on board auto-piloted aircraft
US20200278689A1 (en) * 2017-12-20 2020-09-03 Intel Corporation Autonomous unmanned vehicles for responding to situations
US20210288698A1 (en) * 2020-03-10 2021-09-16 University Of Electronic Science And Technology Of China Method for Intelligent Reflecting Surface Aided Terahertz Secure Communication System
WO2021221603A1 (en) * 2020-04-27 2021-11-04 Nokia Technologies Oy Ue positioning aided by reconfigurable reflecting surfaces such as intelligent reflecting surfaces (irs)
WO2021207748A2 (en) * 2020-08-13 2021-10-14 Futurewei Technologies, Inc. Methods and apparatus for channel reconstruction in intelligent surface aided communications
CN113364495A (zh) * 2021-05-25 2021-09-07 西安交通大学 一种多无人机轨迹和智能反射面相移联合优化方法及系统
CN113517921A (zh) * 2021-07-05 2021-10-19 河海大学 一种基于无人机的irs辅助低空无源空中中继控制方法
CN113507304A (zh) * 2021-07-24 2021-10-15 大连理工大学 一种智能反射面辅助的无人机安全通信方法
CN113853018A (zh) * 2021-08-11 2021-12-28 北京邮电大学 基于irs辅助的无人机安全通信方法、系统及电子设备
CN113949474A (zh) * 2021-09-27 2022-01-18 江苏科技大学 基于智能反射面辅助的无人机几何模型建立方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HAO JIANG等: "Three-Dimensional Geometry-Based Stochastic Channel Modeling for Intelligent Reflecting Surface-Assisted UAV MIMO Communications", 《IEEE WIRELESS COMMUNICATIONS LETTERS》 *
YIJIN PAN等: "UAV-Assisted and Intelligent Reflecting Surfaces-Supported Terahertz Communications", 《IEEE WIRELESS COMMUNICATIONS LETTERS》 *
熊磊: "智能反射面辅助的无人机通信传输方案研究", 《CNKI》 *
王丹等: "基于IRS辅助多用户通信系统的信道容量优化", 《系统工程与电子技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114584238A (zh) * 2022-03-07 2022-06-03 东南大学 一种面向智能超表面无线通信的射线追踪信道建模方法
CN114584238B (zh) * 2022-03-07 2024-02-02 东南大学 一种面向智能超表面无线通信的射线追踪信道建模方法
CN114938498A (zh) * 2022-03-29 2022-08-23 成都理工大学 智能反射面辅助的无人机使能的无线传感网数据收集方法
CN114938498B (zh) * 2022-03-29 2023-10-27 成都理工大学 智能反射面辅助的无人机使能的无线传感网数据收集方法
CN116054984A (zh) * 2022-11-10 2023-05-02 南京六九零二科技有限公司 一种面向无人机-地面用户无线通信的几何统计信道建模方法
CN116054984B (zh) * 2022-11-10 2024-04-12 南京六九零二科技有限公司 一种面向无人机-地面用户无线通信的几何统计信道建模方法
CN116938363A (zh) * 2023-06-21 2023-10-24 江苏科技大学 基于抖动检测与相干时间的无人机对船通信信道切换方法

Also Published As

Publication number Publication date
CN114124266B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN114124266B (zh) 一种基于irs辅助无人机与无人船通信的信道建模方法
Wang et al. On connectivity of UAV-assisted data acquisition for underwater Internet of Things
CN109639378B (zh) 矩形隧道无线传播信道建模方法
CN106357313B (zh) 面向无人机通信的mimo中继信道中断概率计算方法
CN111314001A (zh) 一种基于几何的非平稳v2v mimo信道建模方法
WO2023169590A1 (zh) 一种适用于全频段全场景的6g普适信道建模方法
Jiang et al. Three-dimensional geometry-based stochastic channel modeling for intelligent reflecting surface-assisted UAV MIMO communications
CN103926584B (zh) 一种空间-频率-极化组合协同探测方法
CN112865897B (zh) 一种无人机对地面场景的非平稳信道仿真方法及系统
CN113644942B (zh) 一种基于几何的3d mimo leo卫星空天地信道建模方法
CN108880647A (zh) 一种基于频率分集阵列天线的波束控制方法
Yang et al. Wireless indoor simultaneous localization and mapping using reconfigurable intelligent surface
CN114124263A (zh) 基于大规模智能反射单元的无人机信道模型建立方法
CN101471734B (zh) 一种多发多收声定位网络系统及其定位方法
CN114499724B (zh) 一种面向低轨卫星通信的空时频非平稳传输特性分析方法
CN107135023A (zh) 用于毫米波通信系统的三维训练码书设计方法及波束对准方法
CN104678362B (zh) Mimo天波超视距雷达波形优化方法
CN114124264B (zh) 基于智能反射面时变反射相位的无人机信道模型建立方法
CN116546525A (zh) 空中智能反射面辅助通感一体化的抗干扰设计方法
Blandino et al. Wireless channel simulator testbed for airborne receivers
CN113949474A (zh) 基于智能反射面辅助的无人机几何模型建立方法
CN116032401A (zh) 空中irs辅助的车对车通信信道仿真方法及系统
CN111263327A (zh) 一种用于多输入多输出单环模型建模方法及其仿真平台
CN115664567A (zh) 一种太赫兹mimo无人机非平稳性信道建模方法
CN114629545A (zh) 一种无人机毫米波鲁棒性混合波束赋形设计方法

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
GR01 Patent grant
GR01 Patent grant