CN116192571A - 一种波束抖动效应下无人机isac信道估计方法 - Google Patents

Abstract

本发明公开了一种波束抖动效应下无人机ISAC信道估计方法，包括：步骤一、采用惯性导航系统INS获取无人机第t个时刻状态的测量值；步骤二、采用计算机利用无迹卡尔曼滤波算法对无人机第t个时刻状态的测量值进行预测估计，得到无人机第t个时刻状态的状态估计值；步骤三、采用计算机输入无人机第t个时刻状态的状态估计值，建立无人机第p个天线与地面终端第q个天线之间具有抖动效应的信道模型。本发明方法步骤简单，通过无迹卡尔曼滤波算法得到无人机的估计值，从而进行无人机ISAC信道模型建立，解决波束抖动效应下无人机ISAC信道估计问题，提高了无人机辅助通信的信道质量。

Description

一种波束抖动效应下无人机ISAC信道估计方法

技术领域

本发明属于无人机和地面终端通信技术领域，具体涉及一种波束抖动效应下无人机ISAC信道估计方法。

背景技术

无人机辅助6G通信由于其强大的灵活性、高速移动性和低成本等特点，受到了广泛应用。ISAC(Integrated sensing and communication)为感知通信一体化，无人机“感知通信一体化”即无人机将通信和感知两个功能融合在一起，使无人机系统同时具有通信和感知两个功能。

然而，基于ISAC的6G无人机通信也面临着许多复杂的问题。当无人机在天空中航行时，运动、姿态的变化以及来自螺旋桨和转子的抖动都会干扰通信，这些影响因素可以统称为抖动效应。对于无人机辅助6G通信来说，抖动效应将更加严重，一个小的姿态变化将使得定向波束偏离目标，导致大的性能损失。因此，无人机的姿态的变化等引起的抖动效应影响通信的性能。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种波束抖动效应下无人机ISAC信道估计方法，其方法步骤简单、设计合理，通过无迹卡尔曼滤波算法对无人机的姿态测量值进行估计得到无人机的估计值，基于无人机的估计值进行无人机ISAC信道模型建立，从而解决波束抖动效应下无人机ISAC信道估计问题，提高了无人机辅助通信的信道质量。

为解决上述技术问题，本发明采用的技术方案是：一种波束抖动效应下无人机ISAC信道估计方法，其特征在于，所述无人机辅助地面终端通信，所述无人机的底部安装阵元数量为M_U×N_U的均匀平面阵列天线，所述地面终端位于无人机覆盖区域，所述地面终端上安装阵元数量为M_G×N_G的均匀平面阵列天线，两个所述平面阵列天线平行设置，所述无人机的天线总数为P＝M_U×N_U，所述地面终端的天线总数为Q＝M_G×N_G；其中，M_U和M_G表示列方向的数量，N_U和N_G表示行方向的数量；所述无人机上搭载惯性导航系统INS，所述惯性导航系统INS包括陀螺仪、加速度计和GPS模块；该方法包括以下步骤：

步骤一、采用惯性导航系统INS获取无人机第t个时刻状态的测量值；其中，t为正整数；

步骤二、采用计算机利用无迹卡尔曼滤波算法对无人机第t个时刻状态的测量值进行预测估计，得到无人机第t个时刻状态的状态估计值；

步骤三、采用计算机输入无人机第t个时刻状态的状态估计值，建立无人机第p个天线与地面终端第q个天线之间具有抖动效应的信道模型；其中，p和q均为正整数，且1≤p≤P，1≤q≤Q。

上述的一种波束抖动效应下无人机ISAC信道估计方法，其特征在于：步骤一中采用惯性导航系统INS获取无人机第t个时刻状态的测量值y_m(t)，具体过程如下：

步骤101、建立北东地坐标系O_n-X_nY_nZ_n；其中，原点O_n为地面终端的重心，O_nX_n轴指向北，O_nY_n轴指向东，O_nZ_n轴指向地；

步骤102、采用计算机根据公式

得到无人机第t个时刻GPS模块测量得到的俯仰角β_m(t)；其中，f_x(t)表示无人机第t个时刻加速度计的X_n轴测量输出值，g表示重力加速度；

步骤103、采用计算机根据公式

得到无人机第t个时刻GPS模块测量得到的横滚角γ_m(t)；其中，f_y(t)表示无人机第t个时刻加速度计的Y_n轴测量输出值，f_z(t)表示无人机第t个时刻加速度计的Z_n轴测量输出值；

步骤104、采用计算机得到无人机第t个时刻状态的测量值

其中，α_m(t)表示无人机第t个时刻GPS模块测量得到的偏航角，/>

表示无人机第t个时刻GPS模块测量得到的位置向量，/>

表示无人机第t个时刻GPS模块测量得到的速度向量。

上述的一种波束抖动效应下无人机ISAC信道估计方法，其特征在于：步骤二中得到无人机第t个时刻状态的状态估计值，具体过程如下：

步骤201、采用计算机根据公式

得到无人机第t个时刻的偏航角、俯仰角、横滚角的变化量/>

其中，α(t-1)、β(t-1)、γ(t-1)表示无人机第t-1个时刻的偏航角、俯仰角、横滚角，ω_x、ω_y、ω_z表示无人机第t个时刻陀螺仪的输出分别绕X_n轴、Y_n轴和Z_n轴的转角；

步骤202、采用计算机建立无人机第t个时刻的状态方程，如下：S(t)＝ΦS(t-1)+ω(t-1)；其中，Φ表示无人机第t-1个时刻到第t个时刻的状态转换矩阵，

0_6×6表示六阶零矩阵，/>

Δt表示第t-1个时刻和第t个时刻之间的时间差，t为正整数，且t≥1；S(t-1)表示无人机第t-1个时刻的状态向量，ω(t-1)表示系统噪声；S(t)表示无人机第t个时刻辅助地面终端通信的状态向量，且

P_U(t)表示无人机第t个时刻的位置向量，V_U(t)表示无人机第t个时刻的速度向量，α(t)、β(t)、γ(t)表示无人机第t个时刻的偏航角、俯仰角、横滚角；

步骤203、采用计算机建立无人机第t个时刻的量测方程，如下：

y(t)＝GS(t)+ε(t)；其中，y(t)表示无人机第t个时刻的观测预测值，ε(t)表示量测噪声，G表示量测方程系数矩阵，且

I_3×3表示三阶单位矩阵，0_3×3表示三阶零矩阵；

步骤204、采用计算机根据e_m(t)＝y_m(t)-y(t)，得到新息e_m(t)；

步骤205、采用计算机利用无迹卡尔曼滤波算法对步骤202中的状态方程、步骤203中的量测方程和步骤204中的新息进行迭代与更新，得到无人机第t个时刻状态的状态估计值S′(t)，且

α′(t)表示无人机第t个时刻的偏航角估计值，β′(t)表示无人机第t个时刻的俯仰角估计值，γ′(t)表示无人机第t个时刻的横滚角估计值，P′_U(t)表示无人机第t个时刻的位置向量估计值，V_U′(t)表示无人机第t个时刻的速度向量估计值，/>

表示无人机第t个时刻的偏航角、俯仰角、横滚角的变化量估计值。

上述的一种波束抖动效应下无人机ISAC信道估计方法，其特征在于：步骤三中采用计算机输入无人机第t个时刻状态的状态估计值，建立无人机第p个天线与地面终端第q个天线之间具有抖动效应的信道模型，具体过程如下：

步骤301、采用计算机建立无人机第t个时刻第p个天线与地面终端第q个天线之间具有抖动效应的信道模型，如下：

其中，j表示虚数单位，d_p,q(t)表示无人机第t个时刻第p个天线与地面终端第q个天线之间的间距，p和q均为正整数，0<q≤Q，0<p≤P；

步骤302、采用计算机根据泰勒级数展开式，当无人机第t个时刻第p个天线与地面终端第q个天线之间的间距d_p,q(t)位于分母上时，则

无人机第t个时刻第p个天线与地面终端第q个天线之间的间距d_p,q(t)位于分子上时，则d_(p,q)(t)＝‖P_G-P_U′(t)‖₂+(P_g(q)-P_u(p))^Te_GU(t)(3)；其中，T表示转置运算，e_GU(t)表示无人机第t个时刻和地面终端之间的方向向量；P_g(q)表示地面终端第q个天线的位置向量，P_u(p)表示无人机第p个天线的位置向量，P′_U(t)表示无人机第t个时刻的位置向量估计值，P_G表示地面终端的位置向量；

步骤303、采用计算机将式(2)和(3)代入式(1)，得到无人机第t个时刻第p个天线与地面终端第q个天线之间转换后的信道模型如下：

其中，a_p,q(t)表示无人机第t个时刻第p个天线与地面终端第q个天线之间的辅助向量，且/>

上述的一种波束抖动效应下无人机ISAC信道估计方法，其特征在于：步骤302中无人机第t个时刻和地面终端之间的方向向量e_GU(t)获取，具体如下：

步骤3021、获取在北东地坐标系O_n-X_nY_nZ_n下地面终端的位置向量为P_G且P_G＝(0,0,0)^T；

步骤3022、采用计算机根据

得到无人机第t个时刻和地面终端之间的方向向量e_GU(t)；

步骤302中P_u(p)和P_g(q)的获取，具体如下：

获取无人机第p个天线的位置向量为P_u(p)，且P_u(p)＝P_U′(t)+p′_u(p)；其中；

其中，x_p表示无人机第p个天线相对无人机上的均匀平面阵列天线的中心的偏移行数，y_p表示无人机第p个天线相对无人机上的均匀平面阵列天线的中心的偏移列数，R(α′(t),β′(t),γ′(t))表示由抖动效应引起的旋转矩阵，且α′(t)、β′(t)、γ′(t)分别表示偏航角、俯仰角、横滚角；

获取地面终端第q个天线的位置向量为P_g(q)，且P_g(q)＝P_G+p′_g(q)；其中；

λ为载波波长，x_q表示地面终端第q个天线相对地面终端上的均匀平面阵列天线的中心的偏移行数，y_q表示地面终端第q个天线相对均匀平面阵列天线的中心的偏移列数。

本发明与现有技术相比具有以下优点：

1、本发明方法步骤简单，设计合理，解决波束抖动效应下无人机ISAC信道估计的问题。

2、本发明无人机姿态误差会随着时间的推移而加重，因此惯性导航系统INS中陀螺仪、加速度计和GPS等传感器集成，以提高信道估计精度。

3、本发明利用无迹卡尔曼滤波算法对无人机测量值进行预测估计，得到无人机的状态估计值，从而便于根据无人机的状态估计值进行波束抖动效应下无人机ISAC信道估计。

综上所述，本发明方法步骤简单、设计合理，通过无迹卡尔曼滤波算法对无人机的姿态测量值进行估计得到无人机的估计值，基于无人机的估计值进行无人机ISAC信道模型建立，从而解决波束抖动效应下无人机ISAC信道估计问题，提高了无人机辅助通信的信道质量。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的方法流程框图。

具体实施方式

如图1所示，本发明一种波束抖动效应下无人机ISAC信道估计方法，包括以下步骤：所述无人机辅助地面终端通信，所述无人机的底部安装阵元数量为M_U×N_U的均匀平面阵列天线，所述地面终端位于无人机覆盖区域，所述地面终端上安装阵元数量为M_G×N_G的均匀平面阵列天线，两个所述平面阵列天线平行设置，所述无人机的天线总数为P＝M_U×N_U，所述地面终端的天线总数为Q＝M_G×N_G；其中，M_U和M_G表示列方向的数量，N_U和N_G表示行方向的数量；所述无人机上搭载惯性导航系统INS，所述惯性导航系统INS包括陀螺仪、加速度计和GPS模块；该方法包括以下步骤：

步骤一、采用惯性导航系统INS获取无人机第t个时刻状态的测量值；其中，t为正整数；

步骤二、采用计算机利用无迹卡尔曼滤波算法对无人机第t个时刻状态的测量值进行预测估计，得到无人机第t个时刻状态的状态估计值；

步骤三、采用计算机输入无人机第t个时刻状态的状态估计值，建立无人机第p个天线与地面终端第q个天线之间具有抖动效应的信道模型；其中，p和q均为正整数，且1≤p≤P，1≤q≤Q。

本实施例中，步骤一中采用惯性导航系统INS获取无人机第t个时刻状态的测量值y_m(t)，具体过程如下：

步骤101、建立北东地坐标系O_n-X_nY_nZ_n；其中，原点O_n为地面终端的重心，O_nX_n轴指向北，O_nY_n轴指向东，O_nZ_n轴指向地；

步骤102、采用计算机根据公式

得到无人机第t个时刻GPS模块测量得到的俯仰角β_m(t)；其中，f_x(t)表示无人机第t个时刻加速度计的X_n轴测量输出值，g表示重力加速度；

步骤103、采用计算机根据公式

得到无人机第t个时刻GPS模块测量得到的横滚角γ_m(t)；其中，f_y(t)表示无人机第t个时刻加速度计的Y_n轴测量输出值，f_z(t)表示无人机第t个时刻加速度计的Z_n轴测量输出值；

步骤104、采用计算机得到无人机第t个时刻状态的测量值

其中，α_m(t)表示无人机第t个时刻GPS模块测量得到的偏航角，/>

表示无人机第t个时刻GPS模块测量得到的位置向量，/>

表示无人机第t个时刻GPS模块测量得到的速度向量。

本实施例中，步骤二中得到无人机第t个时刻状态的状态估计值，具体过程如下：

步骤201、采用计算机根据公式

得到无人机第t个时刻的偏航角、俯仰角、横滚角的变化量/>

其中，α(t-1)、β(t-1)、γ(t-1)表示无人机第t-1个时刻的偏航角、俯仰角、横滚角，ω_x、ω_y、ω_z表示无人机第t个时刻陀螺仪的输出分别绕X_n轴、Y_n轴和Z_n轴的转角；

步骤202、采用计算机建立无人机第t个时刻的状态方程，如下：S(t)＝ΦS(t-1)+ω(t-1)；其中，Φ表示无人机第t-1个时刻到第t个时刻的状态转换矩阵，

0_6×6表示六阶零矩阵，/>

Δt表示第t-1个时刻和第t个时刻之间的时间差，t为正整数，且t≥1；S(t-1)表示无人机第t-1个时刻的状态向量，ω(t-1)表示系统噪声；S(t)表示无人机第t个时刻辅助地面终端通信的状态向量，且

P_U(t)表示无人机第t个时刻的位置向量，V_U(t)表示无人机第t个时刻的速度向量，α(t)、β(t)、γ(t)表示无人机第t个时刻的偏航角、俯仰角、横滚角；

步骤203、采用计算机建立无人机第t个时刻的量测方程，如下：

y(t)＝GS(t)+ε(t)；其中，y(t)表示无人机第t个时刻的观测预测值，ε(t)表示量测噪声，G表示量测方程系数矩阵，且

I_3×3表示三阶单位矩阵，0_3×3表示三阶零矩阵；

步骤204、采用计算机根据e_m(t)＝y_m(t)-y(t)，得到新息e_m(t)；

步骤205、采用计算机利用无迹卡尔曼滤波算法对步骤202中的状态方程、步骤203中的量测方程和步骤204中的新息进行迭代与更新，得到无人机第t个时刻状态的状态估计值S′(t)，且

α′(t)表示无人机第t个时刻的偏航角估计值，β′(t)表示无人机第t个时刻的俯仰角估计值，γ′(t)表示无人机第t个时刻的横滚角估计值，P′_U(t)表示无人机第t个时刻的位置向量估计值，V_U′(t)表示无人机第t个时刻的速度向量估计值，/>

表示无人机第t个时刻的偏航角、俯仰角、横滚角的变化量估计值。

本实施例中，步骤三中采用计算机输入无人机第t个时刻状态的状态估计值，建立无人机第p个天线与地面终端第q个天线之间具有抖动效应的信道模型，具体过程如下：

步骤301、采用计算机建立无人机第t个时刻第p个天线与地面终端第q个天线之间具有抖动效应的信道模型，如下：

其中，j表示虚数单位，d_p,q(t)表示无人机第t个时刻第p个天线与地面终端第q个天线之间的间距，p和q均为正整数，0<q≤Q，0<p≤P；

步骤302、采用计算机根据泰勒级数展开式，当无人机第t个时刻第p个天线与地面终端第q个天线之间的间距d_p,q(t)位于分母上时，则

无人机第t个时刻第p个天线与地面终端第q个天线之间的间距d_p,q(t)位于分子上时，则d_(p,q)(t)＝‖P_G-P_U′(t)‖₂+(P_g(q)-P_u(p))^Te_GU(t) (3)；其中，T表示转置运算，e_GU(t)表示无人机第t个时刻和地面终端之间的方向向量；P_g(q)表示地面终端第q个天线的位置向量，P_u(p)表示无人机第p个天线的位置向量，P′_U(t)表示无人机第t个时刻的位置向量估计值，P_G表示地面终端的位置向量；

步骤303、采用计算机将式(2)和(3)代入式(1)，得到无人机第t个时刻第p个天线与地面终端第q个天线之间转换后的信道模型如下：

其中，a_p,q(t)表示无人机第t个时刻第p个天线与地面终端第q个天线之间的辅助向量，且/>

本实施例中，步骤302中无人机第t个时刻和地面终端之间的方向向量e_GU(t)获取，具体如下：

步骤3021、获取在北东地坐标系O_n-X_nY_nZ_n下地面终端的位置向量为P_G且P_G＝(0,0,0)^T；

步骤3022、采用计算机根据

得到无人机第t个时刻和地面终端之间的方向向量e_GU(t)；

步骤302中P_u(p)和P_g(q)的获取，具体如下：

获取无人机第p个天线的位置向量为P_u(p)，且P_u(p)＝P_U′(t)+p′_u(p)；其中；

其中，x_p表示无人机第p个天线相对无人机上的均匀平面阵列天线的中心的偏移行数，y_p表示无人机第p个天线相对无人机上的均匀平面阵列天线的中心的偏移列数，R(α′(t),β′(t),γ′(t))表示由抖动效应引起的旋转矩阵，且α′(t)、β′(t)、γ′(t)分别表示偏航角、俯仰角、横滚角；

获取地面终端第q个天线的位置向量为P_g(q)，且P_g(q)＝P_G+p′_g(q)；其中；

λ为载波波长，x_q表示地面终端第q个天线相对地面终端上的均匀平面阵列天线的中心的偏移行数，y_q表示地面终端第q个天线相对均匀平面阵列天线的中心的偏移列数。

本实施例中，所述地面终端的重心与所述地面终端上的均匀平面阵列天线的中心重合；所述无人机的重心与所述无人机上的均匀平面阵列天线的中心重合。

本实施例中，第p个天线或者第q个天线所在的天线行列数大于中心位置，则x_p、y_p、x_q、y_q取正值，第p个天线或者第q个天线所在的天线行列数小于中心位置，则x_p、y_p、x_q、y_q取负值。

本实施例中，需要说明的是，无人机的位置向量是指无人机重心的位置向量，无人机的速度向量是指无人机重心的速度向量。

本实施例中，ω(t-1)表示系统噪声，且服从均值为0方差为1的高斯分布。

本实施例中，ε(t)表示量测噪声，且服从均值为0方差为1的高斯分布。

本实施例中，实际使用时，当t＝2时，则S(t-1)、y(t-1)和y_m(t-1)为初始状态，则S(1)表示无人机第1个时刻的状态向量，y(t-1)表示无人机第1个时刻的观测预测值，y_m(t-1)表示无人机第1个时刻的测量值，且均初始化为零。

本实施例中，实际使用时，无人机系统配备的惯性导航系统(INS)包括陀螺仪、加速度计、GPS，用于传感、通信和控制。

本实施例中，实际使用时，设定无人机上的载体坐标系如下：无人机重心为坐标原点，无人机前进方向为x轴正方向，无人机水平姿态时垂直向下为z轴正向，无人机飞行方向指向右为y轴正向，则R(α′(t),β′(t),γ′(t))为载体坐标系和北东地坐标系之间的转换矩阵。

综上所述，本发明方法步骤简单、设计合理，通过无迹卡尔曼滤波算法对无人机的姿态测量值进行估计得到无人机的估计值，基于无人机的估计值进行无人机ISAC信道模型建立，从而解决波束抖动效应下无人机ISAC信道估计问题，提高了无人机辅助通信的信道质量。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (5)

1.一种波束抖动效应下无人机ISAC信道估计方法，其特征在于，所述无人机辅助地面终端通信，所述无人机的底部安装阵元数量为M_U×N_U的均匀平面阵列天线，所述地面终端位于无人机覆盖区域，所述地面终端上安装阵元数量为M_G×N_G的均匀平面阵列天线，两个所述平面阵列天线平行设置，所述无人机的天线总数为P＝M_U×N_U，所述地面终端的天线总数为Q＝M_G×N_G；其中，M_U和M_G表示列方向的数量，N_U和N_G表示行方向的数量；所述无人机上搭载惯性导航系统INS，所述惯性导航系统INS包括陀螺仪、加速度计和GPS模块；该方法包括以下步骤：

步骤一、采用惯性导航系统INS获取无人机第t个时刻状态的测量值；其中，t为正整数；

步骤二、采用计算机利用无迹卡尔曼滤波算法对无人机第t个时刻状态的测量值进行预测估计，得到无人机第t个时刻状态的状态估计值；

步骤三、采用计算机输入无人机第t个时刻状态的状态估计值，建立无人机第p个天线与地面终端第q个天线之间具有抖动效应的信道模型；其中，p和q均为正整数，且1≤p≤P，1≤q≤Q。

2.按照权利要求1所述的一种波束抖动效应下无人机ISAC信道估计方法，其特征在于：步骤一中采用惯性导航系统INS获取无人机第t个时刻状态的测量值y_m(t)，具体过程如下：

步骤101、建立北东地坐标系O_n-X_nY_nZ_n；其中，原点O_n为地面终端的重心，O_nX_n轴指向北，O_nY_n轴指向东，O_nZ_n轴指向地；

步骤102、采用计算机根据公式

得到无人机第t个时刻GPS模块测量得到的俯仰角β_m(t)；其中，f_x(t)表示无人机第t个时刻加速度计的X_n轴测量输出值，g表示重力加速度；

步骤103、采用计算机根据公式

得到无人机第t个时刻GPS模块测量得到的横滚角γ_m(t)；其中，f_y(t)表示无人机第t个时刻加速度计的Y_n轴测量输出值，f_z(t)表示无人机第t个时刻加速度计的Z_n轴测量输出值；

步骤104、采用计算机得到无人机第t个时刻状态的测量值

其中，α_m(t)表示无人机第t个时刻GPS模块测量得到的偏航角，/>

表示无人机第t个时刻GPS模块测量得到的位置向量，/>

表示无人机第t个时刻GPS模块测量得到的速度向量。

3.按照权利要求1所述的一种波束抖动效应下无人机ISAC信道估计方法，其特征在于：步骤二中得到无人机第t个时刻状态的状态估计值，具体过程如下：

步骤201、采用计算机根据公式

得到无人机第t个时刻的偏航角、俯仰角、横滚角的变化量/>

其中，α(t-1)、β(t-1)、γ(t-1)表示无人机第t-1个时刻的偏航角、俯仰角、横滚角，ω_x、ω_y、ω_z表示无人机第t个时刻陀螺仪的输出分别绕X_n轴、Y_n轴和Z_n轴的转角；

步骤202、采用计算机建立无人机第t个时刻的状态方程，如下：S(t)＝ΦS(t-1)+ω(t-1)；其中，Φ表示无人机第t-1个时刻到第t个时刻的状态转换矩阵，

0_6×6表示六阶零矩阵，/>

Δt表示第t-1个时刻和第t个时刻之间的时间差，t为正整数，且t≥1；S(t-1)表示无人机第t-1个时刻的状态向量，ω(t-1)表示系统噪声；S(t)表示无人机第t个时刻辅助地面终端通信的状态向量，且

P_U(t)表示无人机第t个时刻的位置向量，V_U(t)表示无人机第t个时刻的速度向量，α(t)、β(t)、γ(t)表示无人机第t个时刻的偏航角、俯仰角、横滚角；

步骤203、采用计算机建立无人机第t个时刻的量测方程，如下：

y(t)＝GS(t)+ε(t)；其中，y(t)表示无人机第t个时刻的观测预测值，ε(t)表示量测噪声，G表示量测方程系数矩阵，且

I_3×3表示三阶单位矩阵，0_3×3表示三阶零矩阵；

步骤204、采用计算机根据e_m(t)＝y_m(t)-y(t)，得到新息e_m(t)；

步骤205、采用计算机利用无迹卡尔曼滤波算法对步骤202中的状态方程、步骤203中的量测方程和步骤204中的新息进行迭代与更新，得到无人机第t个时刻状态的状态估计值S′(t)，且

α′(t)表示无人机第t个时刻的偏航角估计值，β′(t)表示无人机第t个时刻的俯仰角估计值，γ′(t)表示无人机第t个时刻的横滚角估计值，P′_U(t)表示无人机第t个时刻的位置向量估计值，V′_U(t)表示无人机第t个时刻的速度向量估计值，/>

表示无人机第t个时刻的偏航角、俯仰角、横滚角的变化量估计值。

4.按照权利要求1所述的一种波束抖动效应下无人机ISAC信道估计方法，其特征在于：步骤三中采用计算机输入无人机第t个时刻状态的状态估计值，建立无人机第p个天线与地面终端第q个天线之间具有抖动效应的信道模型，具体过程如下：

步骤301、采用计算机建立无人机第t个时刻第p个天线与地面终端第q个天线之间具有抖动效应的信道模型，如下：

其中，j表示虚数单位，λ为载波波长，d_p,q(t)表示无人机第t个时刻第p个天线与地面终端第q个天线之间的间距，p和q均为正整数，0<q≤Q，0<p≤P；

步骤302、采用计算机根据泰勒级数展开式，当无人机第t个时刻第p个天线与地面终端第q个天线之间的间距d_p,q(t)位于分母上时，则

无人机第t个时刻第p个天线与地面终端第q个天线之间的间距d_p,q(t)位于分子上时，则d_(p,q)(t)＝‖P_G-P_U′(t)‖₂+(P_g(q)-P_u(p))^Te_GU(t)(3)；其中，T表示转置运算，e_GU(t)表示无人机第t个时刻和地面终端之间的方向向量；P_g(q)表示地面终端第q个天线的位置向量，P_u(p)表示无人机第p个天线的位置向量，P′_U(t)表示无人机第t个时刻的位置向量估计值，P_G表示地面终端的位置向量；

步骤303、采用计算机将式(2)和(3)代入式(1)，得到无人机第t个时刻第p个天线与地面终端第q个天线之间转换后的信道模型如下：

其中，a_p,q(t)表示无人机第t个时刻第p个天线与地面终端第q个天线之间的辅助向量，且/>

5.按照权利要求4所述的一种波束抖动效应下无人机ISAC信道估计方法，其特征在于：步骤302中无人机第t个时刻和地面终端之间的方向向量e_GU(t)获取，具体如下：

步骤3021、获取在北东地坐标系O_n-X_nY_nZ_n下地面终端的位置向量为P_G且P_G＝(0,0,0)^T；

步骤3022、采用计算机根据

得到无人机第t个时刻和地面终端之间的方向向量e_GU(t)；

步骤302中P_u(p)和P_g(q)的获取，具体如下：

获取无人机第p个天线的位置向量为P_u(p)，且P_u(p)＝P_U′(t)+p′_u(p)；其中；

其中，x_p表示无人机第p个天线相对无人机上的均匀平面阵列天线的中心的偏移行数，y_p表示无人机第p个天线相对无人机上的均匀平面阵列天线的中心的偏移列数，R(α′(t),β′(t),γ′(t))表示由抖动效应引起的旋转矩阵，且α′(t)、β′(t)、γ′(t)分别表示偏航角、俯仰角、横滚角；/>

获取地面终端第q个天线的位置向量为P_g(q)，且P_g(q)＝P_G+p′_g(q)；其中；

λ为载波波长，x_q表示地面终端第q个天线相对地面终端上的均匀平面阵列天线的中心的偏移行数，y_q表示地面终端第q个天线相对均匀平面阵列天线的中心的偏移列数。/>

Images