CN113872894A - 无人机、巡检通信***以及信道估计方法 - Google Patents

无人机、巡检通信***以及信道估计方法 Download PDF

Info

Publication number
CN113872894A
CN113872894A CN202111090446.4A CN202111090446A CN113872894A CN 113872894 A CN113872894 A CN 113872894A CN 202111090446 A CN202111090446 A CN 202111090446A CN 113872894 A CN113872894 A CN 113872894A
Authority
CN
China
Prior art keywords
channel
unmanned aerial
aerial vehicle
impulse response
pilot frequency
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.)
Pending
Application number
CN202111090446.4A
Other languages
English (en)
Inventor
黄泽坤
李民政
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.)
Shanghai Dianji University
Original Assignee
Shanghai Dianji University
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 Shanghai Dianji University filed Critical Shanghai Dianji University
Priority to CN202111090446.4A priority Critical patent/CN113872894A/zh
Publication of CN113872894A publication Critical patent/CN113872894A/zh
Pending legal-status Critical Current

Links

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
    • H04L25/0224—Channel estimation using sounding signals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • 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
    • H04L25/0212—Channel estimation of impulse response
    • 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
    • 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
    • H04L25/0256—Channel estimation using minimum mean square error criteria
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种无人机巡检通信信道估计方法，包括步骤，设置无人机无线信道导频；估计导频处信道冲激响应；根据所述导频处信道冲激响应获得无人机巡检通信整个信道的冲激响应。所述的导频采用梳状导频，至少包括3列，中间列携带导频信息，其余的前、后列为全零。估计导频处信道冲激响应的步骤包括，利用LS信道估计算法得到一个导频处信道冲激响应，作为卡尔曼滤波初值；将上一步所得响应作为卡尔曼滤波初值，利用卡尔曼滤波进行迭代，记录所得到的信道冲激响应；利用频域特性并基于SVD分解对卡尔曼滤波结果进行优化。

Description

无人机、巡检通信***以及信道估计方法
技术领域
本发明属于无人机技术领域，特别涉及一种无人机、巡检通信***以及信道估计方法。
背景技术
无人机在空中巡检期间，其高度、移动速度以及所处复杂环境导致无线信号的传输受到无线信道的约束，产生幅度衰落、相位偏差和多普勒扩展等失真，同时信道环境快速变化，信道的先验信息难以预知，因此信道具有时变特性。
现有技术中，信道估计通常分为盲估计、基于导频估计和半盲估计三类。盲估计利用收发信号的二阶统计特性进行信道估计，在实际中往往存在过高的复杂度；基于导频的估计方法通过发送正交导频估计信道状态信息，复杂度较低且实时性强；半盲估计是前两者折中，结合信号二阶统计特性和传输导频精确估计信道状态信息。现有的估计方案复杂度较高，应用条件比较苛刻，并不适用于高速环境。因此目前适用于地面无线移动通信的信道估计方法都不能良好适应于无人机信道估计的要求。
发明内容
本发明实施例之一，一种智能电网无人机巡检信道估计方法，包括以下步骤，
基于无人机数据传输链路信道特性，建立无人机低空信道模型；
通过LS算法估计出导频处信道冲激响应，采用卡尔曼滤波对导频处信道冲激响应进行估计，并使用插值算法恢复传输数据信息的子信道处信道冲激响应；
利用无人机时变信道的频域相关特性，利用最小均值误差准则估计修正估计结果。
本发明实施例基于梳状导频训练符号的信道估计，采用一种改进卡尔曼滤波结构，提高了无人机下行链路信道估计性能。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1根据本发明实施例之一的无人机巡检通信***示意图。
图2根据本发明实施例之一的无人机巡检通信***原理框图。
具体实施方式
无人机通信面临着高传输速率、多径衰落和多普勒频偏等挑战，针对无人机通信场景中特定的信道估计问题，如果采用平坦衰落信道，不符合无人机信道快衰落特性。
由于国内电网规模庞大，电力线路巡检维护至关重要。5G技术的大带宽、高可靠低时延通信能够满足无人机巡检的需求。然而输电线路走廊环境复杂多变，无人机巡检时，其与基站的信道环境和信道传输系数实时变化。为了保障通信的可靠性和有效性，无人机终端需要实时估计和跟踪变化后的信道传输系数。
根据无人机通信面临的需求，参考实际运用情况，本发明提供一种传输速率可变的OFDM无人机通信***，采用了符合无人机飞行状况的无线信道，构建了无人机通信传输***。
根据一个或者多个实施例，一种无人机巡检通信***。由于输电线路过长，无人机存储巡检视频图片数据量过大，需要实时将检测视频图片传输给地面接受基站。在大规模MIMO毫米波无人机通信场景下，通过分段建立回传接入点构建该场景下无人机终端与基站的***模型，解决视频图片实时传输以及信道系数实时反馈问题。
本实施例针对智能电网输电线路过长，无人机存储巡检视频图片数据量过大，需要实时将检测视频图片传输给地面接受基站。通过分段建立回传接入点构建该场景下无人机终端与基站的***模型，解决了视频图片实时传输以及信道系数实时估计问题。
根据一个或者多个实施例，一种无人机信道估计算法，针对无人机通信子***的信道系数估计问题。
首先，基于无人机数据传输链路信道特性，建立无人机低空信道模型。
再通过LS算法估计出导频处信道冲激响应，采用卡尔曼滤波对导频处信道冲激响应进行估计，并使用插值算法恢复传输数据信息的子信道处信道冲激响应。
最后利用无人机时变信道的频域相关特性，利用最小均值误差准则估计修正估计结果，提高估计精度，减少噪声干扰，更利于跟踪无人机时变信道。
根据一个或者多个实施例，一种无人机信道估计算法，包括步骤：
(1)设计导频；
(2)估计导频处信道冲激响应；
(3)利用上一步骤估计的导频处信道响应恢复出整个数据信道的冲激响应。
其中，导频的设计方案是，采用梳状导频，主要包含三列，中间一列携带导频信息，其余两列为全零符号。这样可降低信道的干扰，同时导频周围为全零符号，可降低干扰。
其中，估计导频处信道冲激响应的步骤包括：
(1)利用LS信道估计算法得到一个导频处信道冲激响应，作为卡尔曼滤波初值。
(2)将上一步所得响应作为卡尔曼滤波初值，利用卡尔曼滤波进行迭代，记录所得到的信道冲激响应。
(3)利用频域特性并基于SVD分解对卡尔曼滤波结果进行优化，提高了估计精度。
其中，恢复数据信道的冲激响应的步骤包括，根据估计出的导频处信道频率响应，利用适当的插值算法进行处理，从而得到整个信道的频率效应。根据实际应用场景，采用改进的线性插值算法。
改进的插值算法包括分为两步：
(1)根据线性插值，将导频处信道估计值扩展并进行快速傅里叶逆变换得到时域信道值。
(2)将最大时径以外的采样点视为噪声并将对应的时域信道值置0，再经过快速傅里叶变换得到最终的信道估计值。此算法可以消除大部分信道噪声来提高信道估计的准确度。
在本实施例中，首先利用LS信道估计算法计算卡尔曼滤波初值在梳状导频处，发射信号的导频序列已知，利用LS信道估计算法可以估计导频处信道冲激响。将所得第一时刻导频处信道响应作为卡尔曼滤波初值，利用卡尔曼滤波器进行迭代。利用频域特性并基于SVD分解对卡尔曼滤波结果进行优化。
传统的卡尔曼算法充分考虑了无人机信道的时域特性，对不同时刻下的信道频率响应值进行了估计，却没有考虑无人机信道的频域特性。本发明实施例提出了一种优化算法，该算法将基于MMSE对卡尔曼滤波信道频率响应值进一步优化，并采用SVD分解的方法对所涉及的自相关矩阵进行降秩处理。具体包括，
(1)首先计算得到的卡尔曼滤波信道频率响应值与LS估计信道频率响应值的误差，再用采用最小均方误差(MMSE)对信道估计值进行优化。
(2)再采用奇异值分解的方法对步骤一所涉及的自相关矩阵进行降秩处理。
该优化算法降低了计算量，同时利用了不同时刻信道冲激响应的互相关性，提高了估计精度。
本实施例基于无人机通信场景，构建该场景下无人机终端与基站端的信道模型，解决该场景下信道状态信息的估计问题，将无人机巡检通信子***的信道估计问题细化解决。根据无人机巡检通信***的时变性进行研究，充分利用无人机飞行时信道环境变化剧烈的特征，提出了一种适用于无人机时变信道利用卡尔曼滤波进行信道估计方法。该方法充分考虑了无人机时变信道的特性，提高了估计精度，同时利用SVD分解对相关矩阵进行降秩处理，简化运算过程，提高运算速率。
因此本实施例提出的一种利用改进卡尔滤波器的信道估计技术，充分考虑了无人机时变信道的时频特性，提高了算法精度，同时运用相关技术简化运算过程，提高信道估计技术算法的运算速率。
如图1所示，是无人机通信***场景图。根据实际的无人机输电线巡检案例，考虑到无人机通信设备发射功率有限，我们每隔5km在电力杆塔上搭建一个接受基站，无人机将高清摄像头或者红外摄像头采集到的高清视频图片实时传输到接受基站，基站再通过电力杆塔上搭载的通信线路传输到地面总控制台，解决了输电线路过长，传输存储数据量过大的问题。
同时，为了解决无人机巡检过程中信道环境多变的问题，通过分段建立回传接入点构建该场景下无人机终端与基站的***模型，解决信道系数实时估计问题。在***模型的建立下，本发明构建了一种新颖的信道估计算法，充分考虑了无人机时变信道的特性，并根据其特性进行改进，利用相关时变信道特性减少反馈量提高反馈重建性能。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种无人机巡检通信信道估计方法，其特征在于，包括以下步骤，
设置无人机无线信道导频；
估计导频处信道冲激响应；
根据所述导频处信道冲激响应获得无人机巡检通信整个信道的冲激响应。
2.根据权利要求1所述的信道估计方法，其特征在于，所述的导频采用梳状导频，至少包括3列，中间列携带导频信息，其余的前、后列为全零。
3.根据权利要求1所述的信道估计方法，其特征在于，估计导频处信道冲激响应的步骤包括，
(1)利用LS信道估计算法得到一个导频处信道冲激响应，作为卡尔曼滤波初值。
(2)将上一步所得响应作为卡尔曼滤波初值，利用卡尔曼滤波进行迭代，记录所得到的信道冲激响应。
(3)利用频域特性并基于SVD分解对卡尔曼滤波结果进行优化。
4.根据权利要求1所述的信道估计方法，其特征在于，获得整个信道的冲激响应步骤包括，
根据估计出的导频处信道频率响应，利用线性插值算法，得到整个信道的频率响应，其中，所述的线性插值算法，包括：
(1)根据线性插值，将导频处信道估计值扩展并进行快速傅里叶逆变换得到时域信道值；
(2)将最大时径以外的采样点视为噪声并将对应的时域信道值置0，再经过快速傅里叶变换得到最终的信道估计值。
5.根据权利要求3所述的信道估计方法，其特征在于，所述的对于卡尔曼滤波结果进行优化，包括，
基于MMSE对卡尔曼滤波信道频率响应值进行优化，并采用SVD分解的方法对所涉及的自相关矩阵进行降秩处理。
6.一种无人机巡检通信***，采用如权利要求1所述的方法对所述无人机巡检通信信道进行估计，其特征在于，该无人机巡检通信***用于无人机对于智能电网的巡检。
7.根据权利要求6所述的无人机巡检通信***，其特征在于，包括多个地面接收基站，所述无人机将巡检中获得的检测视频图像分段传输至所述地面接收基站。
8.根据权利要求7所述的无人机巡检通信***，其特征在于，所述地面接收基站设置在电力塔或者电力杆上。
9.根据权利要求1所述的无人机巡检通信***，其特征在于，所述无人机巡检通信基于5G的OFDM。
10.一种无人机，智能电网的巡检，其特征在于，该无人机基于5G的OFDM与地面接收基站建立数据通信，其信道估计方法如权利要求1所述。
CN202111090446.4A 2021-09-17 2021-09-17 无人机、巡检通信***以及信道估计方法 Pending CN113872894A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111090446.4A CN113872894A (zh) 2021-09-17 2021-09-17 无人机、巡检通信***以及信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111090446.4A CN113872894A (zh) 2021-09-17 2021-09-17 无人机、巡检通信***以及信道估计方法

Publications (1)

Publication Number Publication Date
CN113872894A true CN113872894A (zh) 2021-12-31

Family

ID=78996256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111090446.4A Pending CN113872894A (zh) 2021-09-17 2021-09-17 无人机、巡检通信***以及信道估计方法

Country Status (1)

Country Link
CN (1) CN113872894A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114978365A (zh) * 2022-05-30 2022-08-30 中国电子科技集团公司第五十四研究所 一种基于中心基准的多节点时频信号巡检及数据处理方法
CN115955296A (zh) * 2023-03-14 2023-04-11 北京城市轨道交通咨询有限公司 一种基于无人巡检的轨道交通运维数据传输方法及装置
CN116208206A (zh) * 2023-05-05 2023-06-02 南京邮电大学 基于卡尔曼滤波参数配置的mimo无人机通信设计方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104486266A (zh) * 2014-12-12 2015-04-01 中国科学院自动化研究所 一种基于mimo-ofdm***的信道估计方法及装置
CN107070823A (zh) * 2017-05-12 2017-08-18 重庆大学 基于卡尔曼滤波的参数模型信道估计方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104486266A (zh) * 2014-12-12 2015-04-01 中国科学院自动化研究所 一种基于mimo-ofdm***的信道估计方法及装置
CN107070823A (zh) * 2017-05-12 2017-08-18 重庆大学 基于卡尔曼滤波的参数模型信道估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
施华杰: "一种基于改进卡尔曼滤波的无人机信道估计算法", 《无线电通信技术》, pages 401 - 406 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114978365A (zh) * 2022-05-30 2022-08-30 中国电子科技集团公司第五十四研究所 一种基于中心基准的多节点时频信号巡检及数据处理方法
CN114978365B (zh) * 2022-05-30 2023-12-29 中国电子科技集团公司第五十四研究所 一种基于中心基准的多节点时频信号巡检及数据处理方法
CN115955296A (zh) * 2023-03-14 2023-04-11 北京城市轨道交通咨询有限公司 一种基于无人巡检的轨道交通运维数据传输方法及装置
CN116208206A (zh) * 2023-05-05 2023-06-02 南京邮电大学 基于卡尔曼滤波参数配置的mimo无人机通信设计方法
CN116208206B (zh) * 2023-05-05 2023-07-04 南京邮电大学 基于卡尔曼滤波参数配置的mimo无人机通信设计方法

Similar Documents

Publication Publication Date Title
CN113872894A (zh) 无人机、巡检通信***以及信道估计方法
CN108494449B (zh) 大规模mimo高速移动场景下角度域信道追踪方法
CN113765581B (zh) 基于压缩感知与波束对齐的ris快时变信道估计方法
CN102223326A (zh) 一种基于多普勒频移的信道估计方法和装置
CN108650003B (zh) 大规模mimo高速移动场景下联合多普勒补偿的混合传输方法
CN113285899B (zh) 一种基于深度学习的时变信道估计方法及***
CN111786921B (zh) 一种基于先验时延信息的航空通信***基扩展信道估计方法
CN104486266B (zh) 一种基于mimo-ofdm***的信道估计方法及装置
CN108964725B (zh) 时变大规模mimo网络中信道参数的稀疏估计方法
CN103457886A (zh) 基于压缩感知的专用短距离通信信道估计方法
CN110943944A (zh) 一种基于深度学习的ofdm***的信道估计方法
CN105791181B (zh) 一种用于轨道交通高速移动场景的信道估计与均衡方法
CN107222438A (zh) 高速移动sc‑fdma***的简化bem信道估计方法
EP4356574A1 (en) Transmitter and receiver for and method of transmitting and receiving symbols over an orthogonal time frequency space communication channel subject to doppler spread and multipath
CN105812299B (zh) 基于联合块稀疏重构的无线传感网信道估计方法
CN111291511A (zh) 一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法
CN111555990A (zh) 基于长短时记忆残差网络的信道插值估计方法
Hu et al. Reliability analysis of stochastic geometry-based multi-UAV-aided LEO-SATCOM under OTFS
CN116488965A (zh) 一种联合感知与通信一体化方法
CN103179058B (zh) 信道脉冲响应长度的估计方法及装置
EP2991298B1 (en) Channel equalization method and device, and receiver
Chen et al. Estimation of pilot-assisted ofdm channel based on multi-resolution deep neural networks
Wang et al. Channel estimation of 5G OFDM system based on ConvLSTM network
CN107395542B (zh) 双向中继通信***信号发送和接收方法
CN111030741A (zh) 快时变场景下用于多载波***抑制干扰的预编码算法

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