论文部分内容阅读
近年来自然灾害频发,一些严重的灾害比如泥石流、地震、海啸等对人民的生命财产造成较大威胁,灾害发生后基础设施尤其是通信设施遭到严重破坏,外界无法第一时间得到受灾区域的情况,无法做出准确的指挥和救援;城市中暴恐事件或紧急救援抢险事件也时有发生,指挥中心迫切需要对事发区域进行定点监视,并能根据事态的发展和变动及时调整监视的区域和地点,进行动态的跟踪监视。无人机平台的应急通信在以上的情况中相比其他传统的通信方式有着无可比拟的优势,使用方式灵活、部署时间短、覆盖范围广、机动性好、可根据不同需求装载不同载荷。无人机平台在生活中扮演越来越重要的角色。由于无人机(Unmanned Aerial Vehicle,UAV)通常工作在相对复杂的电磁环境和多变的地理环境中,因此无人机通信中通常采用跳频技术来对抗干扰。然而传统的无人机跳频通信仅仅是简单的固定跳频信道接入,一旦当前使用信道发生用户冲突或者信道产生衰落时,通信可能会延迟甚至中断。因此,本文结合认知无线电技术(Cognitive Radio,CR),提出一种基于向量回归的无人机认知跳频通信信道选择方法,该方法采用相关向量回归(Relevance Vector Regression,RVR)建立干扰信息、误码率(bit error rate,BER)与信噪比(Signal Noise Ratio,SNR)等参数的预测模型,通过该模型可根据实时干扰参数,预测信道满足UAV数据链BER要求的最小化SNR。基于CR将满足最小SNR的信道建立跳频信道集并在当前跳频通信时同时检测下一跳通信信道状态及动态选择信道,从而保证了跳频接入的可靠性。但是这个方法对所使用的硬件设备提出了较高的要求,可能无法达到理想的效果,理论值无法实现。因此,本文结合认知跳频的无线网络异步同步技术,当接发双方进行通信的时候,下一次跳频可能使用的信道会由发送方传给接受方,发送端选择通信质量较好的信道来进行下一跳的通信,并通过特殊的数据帧格式来完成跳频信道的传递。本文提出的基于认知跳频的无人机信道选择接入方法,通过实验仿真分析,结果表明该种接入方式还能有效的提高通信系统的抗干扰性能,提高通信的质量。