【《无人机空地链路损耗模型的仿真建模与分析案例》4000字】

PAGE第页，共页PAGE2无人机空地链路损耗模型的仿真建模与分析案例目录TOC\o"1-3"\h\u18996无人机空地链路损耗模型的仿真建模与分析案例 1298971.1城市传播场景模型 1294341.2路径概率仿真分析 2140241.3路径损耗仿真分析 4183531.4链路总损耗仿真分析 71.1城市传播场景模型为了能够更直观的展示城市区域的环境地形，便于理解在使用matlab进行仿真时对应的不同城市场景条件，本文通过SketchUp软件自带的材料库，根据建筑物所在地区进行阴影分析，搭建了一般城区、密集建筑群和高层建筑群三种不同情况下的城市区域场景三维模型，能够准确的描述各种建筑物的高度占地面积等相关参数，并且诸如公路、公园、水域及其他现实城市中的物体也可表述。与此同时，该软件也支持存储DWG、DXF、JPG、3DS等多种格式的模型文件，使模型后期更便于与AutoCAD，Revit，3DMAX，PIRANESI等设计软件结合使用，进一步深入拓展开发。图3-1为三种城市区域场景模型，三种模型均属于大城市场景下的不同城市区域。根据规范[29]中给出的建议，街道宽度推荐取值为双向四车道15m，双向六车道22.5m，双向八车道30m。其中(a)是密集建筑群，相邻行建筑物中心之间的距离B取值20m，建筑物平均高度hr取值30m；(b)是高层建筑群，B取值60m，hr取值90m；(c)是一般城区，B取值40m，hr取值45m。图3-1三种城市区域场景模型1.2路径概率仿真分析为了分析UAV高度和无人机与地面移动端之间的水平距离对LoS概率的影响，使用matlab基于式（2-6）和式（2-7）做出了无人机在不同高度和不同距离下的LoS概率曲线如图3-2所示。仿真选取一般城区、密集建筑群和高层建筑群作为传播场景。图3-2LoS概率与距离和高度关系图由图3-2可以看出：(1)当无人机位于地面移动端中央上方时，LoS概率为1，此时只存在视距传播路径；(2)LoS路径概率随着无人机与地面移动端之间的水平距离的增加而减少。与此同时，在高度超过100m时，LoS概率伴随着无人机自身高度的增加而降低，且衰减较为明显；(3)无人机高度一定时，环境中建筑群密度和高度越大，相同收发端距离内LoS概率越低，并且建筑物高度影响效果较显著，更阻碍信号的直接传播。进一步，分析使用改进后的分类算法计算NLoS路径的性能，在matlab中分别基于式（2-6）—式（2-9）进行仿真，得出图3-3和图3-4。图3-3为UAV高度50m，无人机与地面移动端距离100-1000m时视距、非视距、反射和绕射路径概率的变化情况。仿真选取一般城区、密集建筑群和高层建筑群作为传播场景。图3-3无人机高度一定条件下概率随通信距离变化的关系从图3-3可以看出：（1）在收发端通信距离小于100m时，非视距LoS传播的概率极小，可近似等于零。（2）在100-600m范围内，随着距离的增大，REF反射路径的概率逐渐变大，但随后便下降至1000m时近乎为零。（3）DIFF绕射的变化规律与REF反射相同，但在相同条件情况下其路径发生概率高于REF。（4）在距离大致为100-700m时，概率REF与DIFF的和约等于NLoS，但超出这一范围后反射和绕射急剧下降导致产生较大误差，综合来看当环境中建筑群密度和高度值越小时，使用分类算法的还原度较好。图3-4为无人机与地面移动端距离500m，UAV高度20-200m时视距、非视距、反射和绕射路径概率的变化情况。仿真选取一般城区、密集建筑群和高层建筑群作为传播场景。图3-4通信距离一定条件下概率随无人机高度变化的关系从图3-4可以看出：（1）随着UAV高度的增加，REF和DIFF的概率逐渐减少，且周围建筑物密度和高度数值越大则下降的速度越慢，各种路径概率都在无人机高度大于200m时趋向于零。（2）当使用概率REF与DIFF的和近似NLoS这种方法时，随着建筑群密度和高度的增加，拟合率高的部分逐渐向UAV高度增加的方向偏移。1.3路径损耗仿真分析为分析统计性模型和半确定性模型中几种方法在场景环境中对损耗预测的适应能力，在相同城市环境条件下分别计算各个模型的损耗估计值并使用matlab作图。图3-5是基于式（2-10）—式（2-35）在同一城市场景条件下所作图对四种统计性模型的比较，其中a是视距路径损耗，b是非视距路径损耗。环境参数设置为无人机高度hUAV=65m，地面移动端高度hGT=1.5m，发送的频率f=1500MHz，建筑物平均高度hAV=45m，建筑物间距B=40m，街道宽度w=20m，街区轴线与无人机和地面移动端连线的夹角φ=90°，大城市场景。图3-5统计性模型损耗由图3-5可以看出：(1)自由空间损耗模型在视距情况下损耗最低，这是因为该模型将发射端和接收端都看作理想点源，且传播介质是各向同性的均匀媒质不考虑其他的干扰因素。(2)由于COST231-Hata模型是在Okumura-Hata模型的基础上推广到高频段而得来的，所以两者在视距和非视距情况下的损耗估计近乎相同。(3)COST-231-Walfisch-Ikegami模型的损耗计算值小于两种Hata模型，并且因为其在LoS和NLoS场景下的计算方法不同，所以使得最终计算出的总损耗也会偏小。图3-6是基于式（2-36）—式（2-42）和表2-5在同一城市场景条件下所作图对三种半确定性模型的比较，其中a是视距路径损耗，b是非视距路径损耗。环境参数设置为无人机高度hUAV=65m，地面移动端高度hGT=1.5m，发送的频率f=1500MHz，建筑物平均高度hAV=45m，建筑物间距B=40m，街道宽度w=20m，无人机到街道拐角的距离d1=20m，大城市场景。图3-6半确定性模型损耗由图3-6可以看出：(1)由于三种模型应用的最大无人机到地面移动端水平距离d=5km，所以大于这个值时半确定性模型便不适用于估计损耗。(2)IMT-Advanced模型在d=0.5-1km的视距路径上损耗值存在大的跳变，故该模型不合适用于计算这段范围内的总损耗。(3)WINNERII模型预测的视距路径损耗最小，非视距路径损耗最大，而SCME模型则与之相反。所以WINNERII模型更利于拟合LoS路径损耗，SCME模型更利用拟合NLoS路径损耗。进一步，可将NLoS路径改进分为反射REF（reflection）和绕射DIFF（diffraction）情况，利用CI模型参数稳定性较好且适合室外场景的特点用于测量建模，计算对应的路径的损耗[7]，具体如下。（3-1）其中为零均值高斯随机变量；χ是一个均值为0，方差为1的标准正态分布；σREF/DIFF在一般市区、密集建筑群、高层建筑群场景下的典型取值分别为1.6/6.84，1.53/6.65，1.72/6.18。路径损耗指数A和B在三种场景下的取值分别为：(1)一般城区反射REF，A=2.999，B=-0.06958。(2)一般城区绕射DIFF，A=4.146，B=-0.0173。(3)密集建筑群反射REF，A=2.772，B=-0.04724。(4)密集建筑群绕射DIFF，A=5.619，B=-0.07443。(5)高层建筑群反射REF，A=2.611，B=-0.0269。(5)高层建筑群绕射DIFF，A=4.921，B=-0.04586。图3-7是基于式（2-10）—式（2-42），式（3-1）和表2-5在同一城市场景条件下所作图，将使用REF+DIFF计算得到的损耗与此前半确定性模型和确定性模型计算的损耗进行比较。环境参数设置与图3-5和图3-6一致。图3-7改进模型前后损耗由图3-7可以很明显的看出，改进后估计的损耗值远远大于改进前，再结合1.2节中图3-3和3-4的改进概率曲线，不难理解道改进后的算法通过降低概率值并提升损耗值，来实现在总概率损耗计算时达到一种平衡运算的效果。1.4链路总损耗仿真分析本节对2.2节路径概率和2.3节路径损耗两部分仿真进行合并，使用2.1节的链路总损耗计算方法，在1.1节中所描述的三种城市区域场景参数条件下分别计算总的链路损耗值（单位均为分贝dB）。图3-8为一般城区场景下路径概率和各模型计算得出的总路径损耗。其中a是视距和非视距概率，c是非视距细分的反射和绕射概率，b为改进前0.5-10km间隔0.5km的总路径损耗值，d为改进后50m-1km间隔50m的总路径损耗值。环境参数设置为无人机高度hUAV=65m，地面移动端高度hGT=1.5m，发送的频率f=1500MHz，建筑物平均高度hAV=45m，建筑物间距B=40m，街道宽度w=20m，街区轴线与无人机和地面移动端连线的夹角φ=90°，大城市场景。图3-8一般城区场景路径概率及链路总损耗由图3-8可以看出：(1)使用改进方法计算时，仅在小范围约500-1000m时获得REF和DIFF概率，且DIFF概率占主导。(2)半确定性模型因为应用范围的限制，不适合估计远距离的路径损耗。同时在估计近距离传播损耗时可能会有跳变失真，且正常预测值会小于确定性模型的预测值。(3)COST231-Hata模型与COST-231-Walfisch-Ikegami模型在改进前的链路总损耗计算值非常接近，在改进后近乎趋于一致。图3-9为密集建筑群场景下路径概率和各模型计算得出的总链路损耗。其中a是视距和非视距概率，c是非视距细分的反射和绕射概率，b为改进前0.5-10km间隔0.5km的总路径损耗值，d为改进后50m-1km间隔50m的总路径损耗值。环境参数设置为无人机高度hUAV=65m，地面移动端高度hGT=1.5m，发送的频率f=1500MHz，建筑物平均高度hAV=30m，建筑物间距B=20m，街道宽度w=10m，街区轴线与无人机和地面移动端连线的夹角φ=90°，大城市场景。图3-9密集建筑群场景路径概率及链路总损耗由图3-9可以看出，在密集建筑群场景下改进后的REF+DIFF适用范围的得到了拓展，并且REF概率有明显的提高，其他仿真结果趋势基本与一般城市场景一致。图3-10为高层建筑群场景下路径概率和各模型计算得出的总路径损耗。其中a是视距和非视距概率，c是非视距细分的反射和绕射概率，b为改进前0.5-10km间隔0.5km的总路径损耗值，d为改进后50m-1km间隔50m的总路径损耗值。环境参数设置为无人机高度hUAV=65m，地面移动端高度hGT=1.5m，发送的频率f=1500MHz，建筑物平均高度hAV=90m，建筑物间距B=60m，街道宽度w=30m，街区轴线与无人机和地面移动端连线的夹角φ=90°，大城市场景。图3-10高层建筑群场景路径概率及链路总损耗对比于图3-8和3-9的另外两种城市区域场景，由图3-10可以看出：(1)当环境中建筑物高度增高时，非视距路径开始占传播路径的主导，尤其是当建筑物高度大于无人机高度时尤为显著。(2)随着建筑物密度和高度的增加，①改进的REF+DIFF概率峰值趋向于约600-700m，且沿着两端逐渐减小。②改进的链路总损耗在约0.7-0.8km处开始下降时的下降速度变快。综上所述，所得出的结论可以总结概况成为以下算法：（1）当无人机与地面移动端为短距离0-1km范围内时，可以选用统计性和半确定性模型。在选用统计性模型时，环境场景参数数量充足时可选用最好的COST231WalfischIkegami模型，若缺少一部分如建筑物平均高度等细微数据时可使用COST231-Hata模型和Okumura-Hata模型，而最坏情况下在只知道通信频率f和通信距离d时只能使用粗糙的自由空间路径损耗模型。特别的，当通信频率f小于150MHz或大于2000MHz时只能使用自由空间路径损耗模型和COST231WalfischIkegami模型；在选用半确定性模型时，同样的，在环境场景参数数量充足时可选用WINNERII模型，反之可选用IMT-Advanced模型或SCME模型。但这里要注意的是半确定性模型在高通信频率（如2GHz以上时）时才会表现出较好的