考虑地物影响的低空无人机与地面车辆通信信道特性研究

The three-dimensional dynamic scenarios constructed by air-ground integrated communication presents new requirements and challenges for channel characterization in cluttered environments: on the one hand, the frequently switched air-ground wireless scenarios need rapid sensing and response during the relative movements; on the other hand, the significant effects of the main clutters and scatterers on the channel are currently unclear. Based on the practical low-altitude Unmanned Aerial Vehicle to Vehicle (UAV-V) channel sounding, this research proposal covers the following experimental studies in three levels: (1) Combining machine learning ideas, proposes a real-time scenario sensing method based on the Key Performance Indicators (KPIs) from LTE drive test; (2) Considering the extra influences from clutters, mining different forms of clutter losses in specific scenarios and establishing large-scale channel models; (3) Resolving the frequency selectivity and time-varying multipath components (MPCs) of the UAV-V channel, and modeling the stationary and nonstationary small-scale channel characteristics for describing dynamic distribution and birth/death process of MPCs. The research results are intended to reveal the radio propagation mechanism and the complex correlation between the UAV-V channel and the dynamic environment at different scales. The project aims to provide an intelligent scenario awareness and a thorough wireless channel model for air-ground integrated communication system design and low-altitude digital applications.

空地融合通信所构造的三维动态场景，对复杂地物环境中的通信信道特性研究提出了新的需求和挑战：一方面空地相对移动过程中频繁切换的空地无线场景需要快速感知和响应；另一方面地面环境中的主要地物和散射体对信道的显著性影响机理尚不明确。本项目拟基于实际场景下的低空无人机与地面移动车辆通信（UAV-V）信道测量，开展三个层面的研究：（1）结合机器学习思想，提出基于LTE路测关键指标的实时场景感知机制；（2）考虑复杂地物对UAV-V信道的附加影响，挖掘特定场景中不同形式的地物损耗并建立大尺度信道模型；（3）解析UAV-V信道的频率选择性与多径时变性，对静态和动态的信道小尺度特性展开统计分析，描述动态的多径分布及其生灭过程。研究成果拟揭示空地电波传播的机理，及UAV-V信道与动态环境之间在不同尺度上的复杂关联性，以期为空地融合通信系统设计与低空数字化应用提供智能的场景感知机制和完善的无线信道模型。

随着智慧城市中低空数字化建设的推进，由低空无人机和地面基础设施构造的三维动态场景为下一代移动通信系统的研发与部署提出了新的需求：一方面要考虑到联网终端的爆发增长和个性化需求对无线连接的感知性能和传输效率提出了挑战，频繁切换的无线场景需要快速识别和响应；另一方面，复杂地物环境引起的无线通信附加损耗和信道特性的显著性影响亟待明确。本项目综合了真实环境中的实际测量、计算机仿真等手段，开展了三个方面的研究：1）基于无线指标的感知定位一体化；2）地物环境中的空-地通信信道模型；3）地物分布引起的空-地绕射传播机制与附加影响。基于机器学习算法和经典统计学理论，取得的主要结论如下：.（1）基于无线特征的场景感知在集成学习的辅助下，实现了97%的准确度；以场景感知结果为过滤机制，在压缩了无线指纹样本的情况下，进一步提升了移动定位的精度，通信感知定位一体化及其多任务联合预测提供了无需硬件升级的可行路径；.（2）实测和仿真结果表明，低空无人机-地面的信道条件主要受频率、飞行高度、地物环境的影响，呈现出与现存信道模型的差异。例如：在高空和开阔地带有着更小的路径损耗和更大的衰落深度。开阔地带的阴影衰落标准差和去相关距离随着无人机高度的增加而减小，而密集地带则随着无人机高度的增加而增加。Weibull分布对实测的小尺度衰落获得了最优拟合；地物密集的区域，多径效应更加严重等；.（3）在低空-地面绕射传播场景中，地物分布对Sub 6GHz和近毫米波频段的电波传播均产生了显著影响。ITU绕射模型在Sub 6 GHz频段上可用，但在近毫米波频段上并不适用。在相对地物高度下，LoS/NLoS通信信道特性存在差异和飞行高度依赖性。研究提出的多径与散射影响因子可以对绕射损耗模型进行有效修正。.本项目的研究成果推动了智能算法与无线特征的融合，揭示了空地电波传播的机理及信道与地物环境之间在不同尺度上的复杂关联性，为下一代通信系统设计与低空数字化应用提供了实验参考和理论基础。