CN116192571A - 一种波束抖动效应下无人机isac信道估计方法 - Google Patents
一种波束抖动效应下无人机isac信道估计方法 Download PDFInfo
- Publication number
- CN116192571A CN116192571A CN202310092599.5A CN202310092599A CN116192571A CN 116192571 A CN116192571 A CN 116192571A CN 202310092599 A CN202310092599 A CN 202310092599A CN 116192571 A CN116192571 A CN 116192571A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- moment
- unmanned aerial
- antenna
- ground terminal
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000000694 effects Effects 0.000 title claims abstract description 38
- 229940049705 immune stimulating antibody conjugate Drugs 0.000 title claims abstract 9
- 238000004891 communication Methods 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 8
- 101000912561 Bos taurus Fibrinogen gamma-B chain Proteins 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 101100001674 Emericella variicolor andI gene Proteins 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 206010034719 Personality change Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0204—Channel estimation of multiple channels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
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
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MU×NU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MG×NG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=MU×NU,所述地面终端的天线总数为Q=MG×NG;其中,MU和MG表示列方向的数量,NU和NG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ym(t),具体过程如下:
步骤101、建立北东地坐标系On-XnYnZn;其中,原点On为地面终端的重心,OnXn轴指向北,OnYn轴指向东,OnZn轴指向地;
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γm(t);其中,fy(t)表示无人机第t个时刻加速度计的Yn轴测量输出值,fz(t)表示无人机第t个时刻加速度计的Zn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,αm(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,ωx、ωy、ωz表示无人机第t个时刻陀螺仪的输出分别绕Xn轴、Yn轴和Zn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,06×6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PU(t)表示无人机第t个时刻的位置向量,VU(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:
步骤204、采用计算机根据em(t)=ym(t)-y(t),得到新息em(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,VU′(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:
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dp,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dp,q(t)位于分子上时,则d(p,q)(t)=‖PG-PU′(t)‖2+(Pg(q)-Pu(p))TeGU(t)(3);其中,T表示转置运算,eGU(t)表示无人机第t个时刻和地面终端之间的方向向量;Pg(q)表示地面终端第q个天线的位置向量,Pu(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,PG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:
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eGU(t)获取,具体如下:
步骤3021、获取在北东地坐标系On-XnYnZn下地面终端的位置向量为PG且PG=(0,0,0)T;
步骤302中Pu(p)和Pg(q)的获取,具体如下:
获取无人机第p个天线的位置向量为Pu(p),且Pu(p)=PU′(t)+p′u(p);其中;其中,xp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,yp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Pg(q),且Pg(q)=PG+p′g(q);其中;λ为载波波长,xq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,yq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MU×NU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MG×NG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=MU×NU,所述地面终端的天线总数为Q=MG×NG;其中,MU和MG表示列方向的数量,NU和NG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ym(t),具体过程如下:
步骤101、建立北东地坐标系On-XnYnZn;其中,原点On为地面终端的重心,OnXn轴指向北,OnYn轴指向东,OnZn轴指向地;
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γm(t);其中,fy(t)表示无人机第t个时刻加速度计的Yn轴测量输出值,fz(t)表示无人机第t个时刻加速度计的Zn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,αm(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,ωx、ωy、ωz表示无人机第t个时刻陀螺仪的输出分别绕Xn轴、Yn轴和Zn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,06×6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PU(t)表示无人机第t个时刻的位置向量,VU(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:
步骤204、采用计算机根据em(t)=ym(t)-y(t),得到新息em(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,VU′(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:
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dp,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dp,q(t)位于分子上时,则d(p,q)(t)=‖PG-PU′(t)‖2+(Pg(q)-Pu(p))TeGU(t) (3);其中,T表示转置运算,eGU(t)表示无人机第t个时刻和地面终端之间的方向向量;Pg(q)表示地面终端第q个天线的位置向量,Pu(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,PG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:
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eGU(t)获取,具体如下:
步骤3021、获取在北东地坐标系On-XnYnZn下地面终端的位置向量为PG且PG=(0,0,0)T;
步骤302中Pu(p)和Pg(q)的获取,具体如下:
获取无人机第p个天线的位置向量为Pu(p),且Pu(p)=PU′(t)+p′u(p);其中;其中,xp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,yp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Pg(q),且Pg(q)=PG+p′g(q);其中;λ为载波波长,xq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,yq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xp、yp、xq、yq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xp、yp、xq、yq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ym(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,ym(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MU×NU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MG×NG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=MU×NU,所述地面终端的天线总数为Q=MG×NG;其中,MU和MG表示列方向的数量,NU和NG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ym(t),具体过程如下:
步骤101、建立北东地坐标系On-XnYnZn;其中,原点On为地面终端的重心,OnXn轴指向北,OnYn轴指向东,OnZn轴指向地;
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γm(t);其中,fy(t)表示无人机第t个时刻加速度计的Yn轴测量输出值,fz(t)表示无人机第t个时刻加速度计的Zn轴测量输出值;
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,ωx、ωy、ωz表示无人机第t个时刻陀螺仪的输出分别绕Xn轴、Yn轴和Zn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,06×6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PU(t)表示无人机第t个时刻的位置向量,VU(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:
步骤204、采用计算机根据em(t)=ym(t)-y(t),得到新息em(t);
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:
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dp,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dp,q(t)位于分子上时,则d(p,q)(t)=‖PG-PU′(t)‖2+(Pg(q)-Pu(p))TeGU(t)(3);其中,T表示转置运算,eGU(t)表示无人机第t个时刻和地面终端之间的方向向量;Pg(q)表示地面终端第q个天线的位置向量,Pu(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,PG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:
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eGU(t)获取,具体如下:
步骤3021、获取在北东地坐标系On-XnYnZn下地面终端的位置向量为PG且PG=(0,0,0)T;
步骤302中Pu(p)和Pg(q)的获取,具体如下:
获取无人机第p个天线的位置向量为Pu(p),且Pu(p)=PU′(t)+p′u(p);其中;其中,xp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,yp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;/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310092599.5A CN116192571B (zh) | 2023-02-06 | 2023-02-06 | 一种波束抖动效应下无人机isac信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310092599.5A CN116192571B (zh) | 2023-02-06 | 2023-02-06 | 一种波束抖动效应下无人机isac信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116192571A true CN116192571A (zh) | 2023-05-30 |
CN116192571B CN116192571B (zh) | 2024-03-08 |
Family
ID=86432206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310092599.5A Active CN116192571B (zh) | 2023-02-06 | 2023-02-06 | 一种波束抖动效应下无人机isac信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116192571B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108759826A (zh) * | 2018-04-12 | 2018-11-06 | 浙江工业大学 | 一种基于手机和无人机多传感参数融合的无人机运动跟踪方法 |
CN111983660A (zh) * | 2020-07-06 | 2020-11-24 | 天津大学 | Gnss拒止环境下四旋翼无人机定位系统和方法 |
WO2020253854A1 (zh) * | 2019-06-21 | 2020-12-24 | 台州知通科技有限公司 | 移动机器人姿态角解算方法 |
CN112325878A (zh) * | 2020-10-30 | 2021-02-05 | 南京航空航天大学 | 基于ukf与空中无人机节点辅助的地面载体组合导航方法 |
CN114325679A (zh) * | 2021-10-21 | 2022-04-12 | 南方科技大学 | 基于时延多普勒域信号处理的感知通信一体化方法 |
CN115033844A (zh) * | 2022-05-12 | 2022-09-09 | 合肥赛为智能有限公司 | 一种无人机状态估计方法、系统、设备及可读存储介质 |
CN115388890A (zh) * | 2022-07-28 | 2022-11-25 | 中国人民解放军国防科技大学 | 基于视觉的多无人机协同对地目标定位方法 |
-
2023
- 2023-02-06 CN CN202310092599.5A patent/CN116192571B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108759826A (zh) * | 2018-04-12 | 2018-11-06 | 浙江工业大学 | 一种基于手机和无人机多传感参数融合的无人机运动跟踪方法 |
WO2020253854A1 (zh) * | 2019-06-21 | 2020-12-24 | 台州知通科技有限公司 | 移动机器人姿态角解算方法 |
CN111983660A (zh) * | 2020-07-06 | 2020-11-24 | 天津大学 | Gnss拒止环境下四旋翼无人机定位系统和方法 |
CN112325878A (zh) * | 2020-10-30 | 2021-02-05 | 南京航空航天大学 | 基于ukf与空中无人机节点辅助的地面载体组合导航方法 |
CN114325679A (zh) * | 2021-10-21 | 2022-04-12 | 南方科技大学 | 基于时延多普勒域信号处理的感知通信一体化方法 |
CN115033844A (zh) * | 2022-05-12 | 2022-09-09 | 合肥赛为智能有限公司 | 一种无人机状态估计方法、系统、设备及可读存储介质 |
CN115388890A (zh) * | 2022-07-28 | 2022-11-25 | 中国人民解放军国防科技大学 | 基于视觉的多无人机协同对地目标定位方法 |
Non-Patent Citations (8)
Title |
---|
刘书池;杨维;: "矿井环境下无人机视觉PSOFastSLAM算法的实现", 哈尔滨理工大学学报, no. 04 * |
张雪涛;方勇纯;张雪波;蒋静琦;华和安;: "基于误差状态卡尔曼滤波估计的旋翼无人机输入饱和控制", 机器人, no. 04 * |
朱学平;杨军;孙杰;祝小平;: "UKF在反辐射无人机抗目标雷达关机中的应用", 火力与指挥控制, no. 07 * |
李斌飞;崔世钢;施国英;祖林禄;: "基于无迹卡尔曼滤波的农用无人机定位研究", 中国农机化学报, no. 09 * |
牛轶峰;刘俊艺;熊进;李杰;沈林成;: "无人机群协同跟踪地面多目标导引方法研究", 中国科学:技术科学, no. 04 * |
王龙;董新民;张宗麟;: "紧耦合INS/视觉相对位姿测量方法", 中国惯性技术学报, no. 06 * |
蔡安江;刘凯峰;郭师虹;舒展;: "基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法", 控制理论与应用, no. 02 * |
郭安;周洲;祝小平;白帆;: "基于EKF算法的太阳能无人机低成本飞控状态估计", 控制与决策, no. 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN116192571B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110779521A (zh) | 一种多源融合的高精度定位方法与装置 | |
CN107014376B (zh) | 一种适用于农业机械精准作业的姿态倾角估计方法 | |
CN112505737B (zh) | 一种gnss/ins组合导航方法 | |
CN109931957B (zh) | 基于lgmkf的sins捷联惯性导航系统自对准方法 | |
CN111121766B (zh) | 一种基于星光矢量的天文与惯性组合导航方法 | |
CN110702143A (zh) | 基于李群描述的sins捷联惯性导航系统动基座快速初始对准方法 | |
CN111238469B (zh) | 一种基于惯性/数据链的无人机编队相对导航方法 | |
CN110595503B (zh) | 基于李群最优估计的sins捷联惯性导航系统晃动基座自对准方法 | |
CN109443349A (zh) | 一种姿态航向测量系统及其融合方法、存储介质 | |
CN109683628B (zh) | 一种基于有限时间分布式速度观测器的航天器相对位置控制方法 | |
CN111366148A (zh) | 适用于机载光电观瞄系统多次观察的目标定位方法 | |
CN113340298A (zh) | 一种惯导和双天线gnss外参标定方法 | |
CN108303120B (zh) | 一种机载分布式pos的实时传递对准的方法及装置 | |
CA2699137A1 (en) | Hybrid inertial system with non-linear behaviour and associated method of hybridization by multi-hypothesis filtering | |
CN111766397A (zh) | 一种基于惯性/卫星/大气组合的气象风测量方法 | |
JP5219547B2 (ja) | 車載ナビゲーションシステム及びナビゲーション方法 | |
CN114526731A (zh) | 一种基于助力车的惯性组合导航方向定位方法 | |
CN116192571B (zh) | 一种波束抖动效应下无人机isac信道估计方法 | |
CN110375773B (zh) | Mems惯导系统姿态初始化方法 | |
CN107702718B (zh) | 一种基于瞬间可观测度模型的机载pos机动优化方法与装置 | |
CN114993296B (zh) | 一种制导炮弹高动态组合导航方法 | |
CN115856922A (zh) | 一种松耦合陆地组合导航方法、装置、计算机设备和介质 | |
CN115950419A (zh) | 超小型无人机用组合导航方法、装置及系统 | |
CN116222551A (zh) | 一种融合多种数据的水下导航方法及装置 | |
CN108957508B (zh) | 车载pos离线组合估计方法和装置 |
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 |