基于聯(lián)合波束賦形的無人機輔助通信網(wǎng)絡(luò)上行傳輸技術(shù)

許方敏 史文策 馮濤 陶藝文* 趙成林

①(北京郵電大學(xué)信息與通信工程學(xué)院北京100876)

②(工業(yè)和信息化部中國機電設(shè)備招標(biāo)中心北京100142)

1 引言

近年來，無人機(Unmanned Aerial Vehicle,UAV)輔助通信系統(tǒng)憑借機動靈活，可控能力強，易于部署等優(yōu)點，成為無線通信領(lǐng)域國內(nèi)外學(xué)者廣泛研究的熱點。針對通信質(zhì)量不好的環(huán)境，傳統(tǒng)的基站靜態(tài)部署將難以滿足未來移動網(wǎng)絡(luò)的需求，亟待采用更加靈活機動的基站優(yōu)化部署[1]。并且，隨著云存儲、高清視頻電話以及社交網(wǎng)絡(luò)等新業(yè)務(wù)的出現(xiàn)，用戶上行通信性能保障也變得更重要，傳統(tǒng)通信以下行為主的模式將會發(fā)生改變。

無人機輔助地面用戶節(jié)點完成上行傳輸?shù)耐ㄐ艌鼍按嬖诙囗椞魬?zhàn)，例如保障信號傳輸?shù)牡蜁r延、極遠(yuǎn)傳輸距離以及更大的通信速率等。為保障無人機上行傳輸?shù)耐ㄐ判阅?，文獻[2]通過設(shè)置和優(yōu)化無人機飛行軌跡來提高接收信號的信噪比與系統(tǒng)吞吐量，但地面用戶通信場景相比于傳感器節(jié)點通信場景更加復(fù)雜，用戶位置變化，根據(jù)用戶位置部署無人機飛行軌跡復(fù)雜性高。文獻[3–5]研究了此場景下，視距通信模式中的干擾問題，未對系統(tǒng)上行通信性能做出提高。此外，在此通信場景下，存在無人機被遮擋的情況并非完全視距通信。文獻[6,7]運用了非正交多址接入(Non-Orthogonal Multiple Access, NOMA)技術(shù)，進行上行傳輸，優(yōu)化子信道分配，實現(xiàn)節(jié)點上行傳輸過程中系統(tǒng)容量最大化。NOMA技術(shù)可以容納一定的用戶數(shù)量，提高頻譜的利用率，但由于干擾消除技術(shù)解碼方式復(fù)雜，用戶側(cè)存在自身局限性，不能支持大規(guī)模NOMA用戶對，且對用戶節(jié)點優(yōu)良信道依賴性高[7]。文獻[8,9]分別驗證了分布式波束賦形算法在中繼網(wǎng)絡(luò)中增大發(fā)射節(jié)點數(shù)量、發(fā)射功率使得接收信號信噪比提高。但在系統(tǒng)通信過程中，未考慮節(jié)點的位置變化因素，并且還需要一定的計算量。文獻[10]提出了一種中繼節(jié)點系統(tǒng)發(fā)射功率受限情況下提升信噪比的二分算法，而針對無人機輔助通信的場景并未考慮位置信息、發(fā)射方向等因素。

此外，現(xiàn)有一些方法從調(diào)制方式出發(fā)，采用單載波時域均衡(Single Carrier Frequency-Domain Equalization, SC-FDE)和正交頻分復(fù)用(Orthogonal Frequency Division Multiplexing, OFDM)調(diào)制方式[11]，提高頻譜利用率，改善系統(tǒng)性能。但在多用戶上行傳輸時要實現(xiàn)各個用戶相位同步是非常困難的，對相位噪聲和載波頻偏十分敏感，大大降低接收信號的信噪比[12]。此外，基于全向發(fā)射信號方法中，用戶全向發(fā)射信號至目標(biāo)點，用戶時分復(fù)用信道，并且對于目標(biāo)點位置無特殊要求，在任意方向都可收到相同的信號增益[13]，但此方法目標(biāo)接收到的信號信噪比小，通信速率慢，用戶發(fā)射功率利用率低，并不符合多用戶無人機上行通信的性能要求。

針對輔助網(wǎng)絡(luò)中上行通信場景存在的問題，本文首次提出了一種基于聯(lián)合波束賦形的無人機輔助通信網(wǎng)絡(luò)上行傳輸技術(shù)。在本上行通信方法中，各個用戶應(yīng)首先明確無人機的所在方向，再向無人機方向打出波束。本文所提技術(shù)就無人機輔助通信網(wǎng)絡(luò)中，用戶對無人機定位主要面臨兩項難點。第一，不同位置的用戶向無人機發(fā)送信號，無人機處接收信號為所有用戶信號的相干合成信號；然而，用戶運用分布式波束賦形發(fā)射方式，在無人機處的合成信號能量主瓣范圍較窄，并且由于波束覆蓋范圍較小，對目標(biāo)的搜索能力也相應(yīng)地降低。因此，用戶節(jié)點對無人機定位的準(zhǔn)確率要求較高。第二，無人機作為空中基站具有一定的飛行軌跡，但在飛行過程中，并不是完全的視距通信鏈路，無人機存在被建筑物、樹木等障礙物遮擋的情況，此時用戶接收到的無人機的無線信號較弱甚至無法收到無人機的信號，用戶無法對無人機進行準(zhǔn)確定位，無人機處于時隱時現(xiàn)的情況。針對用戶的目標(biāo)定位部分，應(yīng)實時掌握無人機的位置信息。

常用的基于距離的節(jié)點定位算法包括到達時間算法(Time Of Arrival, TOA)、到達時間差算法(Time Difference Of Arrival, TDOA)、到達角度測距算法(Angle Of Arriva, AOA)以及基于信號強度值測距算法(Received Signal Strength Indication, RSSI)等常用定位技術(shù)；基于測距方法包括基于三邊測量的最小二乘法(Least Squares Method,LS)、三角測量法、最大似然估計法(Maximum Likelihood Estimation, MLE)[14]，其中三邊測量法與最大似然估計法類似，運用最小二乘算法進行定位求解。此外，粒子濾波算法有效地應(yīng)用在目標(biāo)定位領(lǐng)域，其根據(jù)目標(biāo)狀態(tài)為先驗狀態(tài)，對目標(biāo)狀態(tài)信息進行估計，其定位的準(zhǔn)確率相比于基于距離的節(jié)點定位算法更高，但計算量也較大[14,15]。文獻[14]對比了不同距離測量算法的性能，TDOA測距方法的準(zhǔn)確率更高，但硬件成本、功耗較高；而RSSI測距方法雖然準(zhǔn)確率較低，但其算法簡單，硬件成本與功耗更低。文獻[16,17]驗證了粒子濾波算法定位性能更高，并且相比于傳統(tǒng)的貝葉斯濾波算法、卡爾曼粒子濾波算法[18]，可以有效解決非線性非高斯類問題的求解，并且粒子濾波算法相比于傳統(tǒng)濾波算法計算量大大減小。但是，針對無人機輔助通信網(wǎng)絡(luò)場景中用戶定位無人機的難點問題，普通的粒子濾波算法與卡爾曼濾波算法并不能有效解決無人機被遮擋情況下的定位問題[19,20]。而伯努利粒子濾波算法，可以有效解決目標(biāo)時隱時現(xiàn)的定位問題，在目標(biāo)狀態(tài)連續(xù)未知的情況下準(zhǔn)確定位。因此，本文采用基于RSSI的伯努利粒子濾波算法完成用戶對無人機的定位問題。在保障定位成本功耗低的情況下，能夠?qū)o人機準(zhǔn)確定位，有效解決無人機被遮擋情況下的定位問題。

針對上述情況，本文首次提出一種基于聯(lián)合波束賦形的無人機輔助通信網(wǎng)絡(luò)上行傳輸技術(shù)，首次在無人機輔助通信網(wǎng)絡(luò)中，地面用戶運用分布式波束賦形的發(fā)射方式完成上行傳輸，將地面不同位置的用戶視作“分布式的天線陣列”，向無人機發(fā)送信號，在無人機處得到信號的最大增益。設(shè)用戶間已完成發(fā)射信號的互相傳遞[13]，忽略用戶間在傳遞過程中發(fā)射信號的相位偏差對最后接收信號造成的干擾；首先，對無人機進行定位，地面用戶在得到發(fā)射信號的具體方向后，確定無人機所在方向的導(dǎo)向矢量，地面用戶節(jié)點運用分布式波束賦形算法調(diào)整各自發(fā)射方向的相位發(fā)送信號，使得在目標(biāo)方向上取得最大信號增益。本文的聯(lián)合波束賦形發(fā)射技術(shù)相比于NOMA發(fā)射技術(shù)，用戶數(shù)量局限性更小，對優(yōu)良信道依賴性低，具有更快的通信速率。相比于用戶全向發(fā)射信號發(fā)射技術(shù)，在區(qū)域內(nèi)形成的信號增益只在無人機處形成最大增益，用戶節(jié)點發(fā)射功率利用率更高，通信速率更快。

2 系統(tǒng)建模

本文所提出的基于聯(lián)合波束賦形的無人機輔助通信網(wǎng)絡(luò)上行傳輸技術(shù)，核心創(chuàng)新點為在無人機輔助通信網(wǎng)絡(luò)中，地面用戶首次采用合作的分布式波束賦形發(fā)射方式完成地面用戶到無人機的上行通信。本文所提技術(shù)的實現(xiàn)包括兩部分：用戶對無人機進行定位；用戶運用分布式波束賦形發(fā)射方式完成通信過程。針對這兩部分的實現(xiàn)過程，分別通過基于RSSI的伯努利濾波無人機定位跟蹤算法和基于分布式波束賦形技術(shù)的上行通信技術(shù)來完成。本節(jié)首先確立了無人機輔助通信網(wǎng)絡(luò)的系統(tǒng)模型；并對基于RSSI的伯努利濾波定位跟蹤算法中所涉及的定位問題、無人機廣播信號的傳播方式進行數(shù)學(xué)建模。

2.1 無人機輔助的通信系統(tǒng)模型

當(dāng)?shù)孛嬗脩艄?jié)點數(shù)量很大時，在與傳統(tǒng)基站進行上行傳輸，常會發(fā)生網(wǎng)絡(luò)擁塞的情況，上行傳輸速率低下。針對這一現(xiàn)象，建立無人機輔助通信網(wǎng)絡(luò)覆蓋部分地面用戶，降低與傳統(tǒng)基站通信的用戶數(shù)量，運用無人機輔助通信網(wǎng)絡(luò)幫助部分地面用戶完成上行傳輸，從而提升地面用戶上行傳輸速率。在無人機輔助通信網(wǎng)絡(luò)中進行上行傳輸信號，主要包括兩階段：一是，用戶節(jié)點對無人機進行準(zhǔn)確定位；二是，運用本文中的分布式波束賦形方法向無人機發(fā)送信號。無人機在飛行過程中的廣播信號會被建筑物、樹木等進行遮擋，用戶節(jié)點對無人機定位應(yīng)保證在無信號時刻的準(zhǔn)確定位。用戶節(jié)點運用分布式波束賦形算法發(fā)送信號至無人機所在方向應(yīng)保障通信速率的提高。考慮無人機網(wǎng)絡(luò)的上行通信場景[21]，如圖1所示。

圖1 無人機網(wǎng)絡(luò)上行通信圖

在無人機通信網(wǎng)絡(luò)中，無人機按照一定的飛行軌跡飛行，無人機k時刻的位置為(x(k),y(k),z(k))，記為Xk；由于用戶具有一定的移動性，設(shè)不同時刻下用戶的位置隨機出現(xiàn)，但在上行波束賦型訓(xùn)練期間靜止，此時M個地面用戶位置隨意分散，任意選取一個用戶作為坐標(biāo)系原點為參照點。在完成無人機定位后，通過無人機當(dāng)前位置信息(x(k),y(k),z(k))計算出無人機相對于坐標(biāo)系所在的方位角為θ0，俯仰角為φ0。k時刻無人機到參考用戶O的距離為R0，到第m個用戶的距離為Rm。所以，k時刻任意用戶節(jié)點相對于參考用戶，由距離產(chǎn)生的相對時延為

確定用戶節(jié)點相對于參考節(jié)點O到無人機位置的相對時延τm后，計算出每個用戶節(jié)點相對于參考節(jié)點O發(fā)送信號的相位差：

其他用戶根據(jù)與參考點發(fā)送信號的相位差來確定k時無人機相對于單個用戶的位置方向；地面用戶節(jié)點在確定無人機方向后，向無人機所在方向運用分布式波束賦形算法發(fā)送信號。

2.2 定位建模

在對無人機進行定位時，為了預(yù)測無人機下一時刻的位置信息，無人機狀態(tài)方程建模為離散時間下的隨機過程，對無人機建立運動學(xué)模型，對用戶接收信號建立觀測模型[15,17,19,20]，可表示為

2.3 無線信號傳播建模

在對無人機進行定位階段中，用戶根據(jù)接收無人機廣播信號的強度值Zk對無人機位置進行伯努利濾波定位。首先確定無人機無線信號的傳播模型，已知節(jié)點的無線信號的發(fā)射功率為PT，用戶節(jié)點的接收功率為PR，發(fā)送節(jié)點與用戶節(jié)點的距離為d，具體表示為

其中，n是傳播因子，數(shù)值大小取決于無線信號的傳播環(huán)境[23]。將式(6)的無人機發(fā)射功率與節(jié)點的接收功率轉(zhuǎn)換為dBm的表達式，對式(4)進行對數(shù)處理，即為

由式(6)可以得到用戶節(jié)點與傳播距離的關(guān)系，其中A為常數(shù)，A值的大小與傳播因子n值的大小對接收節(jié)點功率產(chǎn)生影響。如圖2所示，當(dāng)無人機的發(fā)射功率一定時，即A值不變，傳播因子n的大小反映了無線信號在傳播過程中受到的衰減、反射、多徑等干擾，n取值越小代表信號在傳播中受到的干擾越小，基于RSSI的測距定位就會越精確。復(fù)雜環(huán)境下傳播因子n較大，Zk信號值衰減嚴(yán)重且受噪聲干擾造成振蕩，復(fù)雜環(huán)境下Zk信 號值穩(wěn)定性較差，使得定位精度下降。

圖2 路徑損耗與n值的關(guān)系

3 基于分布式波束賦形上行傳輸算法

在無人機輔助通信網(wǎng)絡(luò)中，由于無人機按照一定的飛行軌跡移動，與非無人機通信網(wǎng)絡(luò)場景下相比，發(fā)射節(jié)點難以確定接收節(jié)點的方位；并且由于用戶在無人機處相干相加的合成信號能量主瓣范圍較窄，目標(biāo)搜索能力更弱，以及無人機存在被遮擋發(fā)生的情況，所以，在無人機輔助網(wǎng)絡(luò)中確定接收器位置是用戶聯(lián)合波束賦形發(fā)射的前提。因此，無人機輔助通信網(wǎng)絡(luò)場景下，基于分布式波束賦形上行傳輸算法，首先需要確定無人機相對于每個用戶的方向矢量，再向目標(biāo)方位發(fā)射信號。運用基于RSSI的伯努利粒子濾波算法對無人機定位跟蹤，確定無人機相對于用戶的位置方向。由系統(tǒng)模型，用戶根據(jù)接收無人機信號的RSSI值為實際觀測狀態(tài)，運用伯努利粒子濾波估計任意時刻的無人機位置。在確定無人機位置信息后，用戶可得到無人機的具體方位角與俯仰角信息，從而確定目標(biāo)方向，生成分布式波束賦形的權(quán)重矩陣，用戶間合作運用波束賦形的發(fā)射方式完成信號上行傳輸。

3.1 基于RSSI的伯努利濾波無人機定位追蹤

在用戶對無人機進行定位時，考慮到無人機時隱時現(xiàn)被遮擋的情況，當(dāng)前時刻k所出現(xiàn)的預(yù)測目標(biāo)可能是k–1時不存在而k時新出現(xiàn)的目標(biāo)；也可能是從k–1時存活到當(dāng)前時刻k的目標(biāo)。預(yù)測目標(biāo)存在概率由上述兩項相加組成

由上述伯努利濾波過程不斷更新當(dāng)前時刻k的目標(biāo)生存概率qk|k、粒子權(quán)重以及粒子狀態(tài)，并將其作為下一預(yù)測時刻的輸入，以此循環(huán)完成無人機定位預(yù)測。預(yù)測定位部分展現(xiàn)了算法在對抗數(shù)據(jù)突變優(yōu)越性，實現(xiàn)較為準(zhǔn)確的定位?；赗SSI的伯努利粒子濾波算法可以有效完成系統(tǒng)用戶對無人機的準(zhǔn)確定位，由無人機所接收的用戶相干信號主瓣較窄使得目標(biāo)搜索能力下降的影響減小，并且能夠解決無人機在遮擋情況下的準(zhǔn)確定位，無人機時隱時現(xiàn)對用戶定位影響大大降低。此后，地面用戶節(jié)點根據(jù)無人機定位的位置向其方向發(fā)送信息，實現(xiàn)無人機通信網(wǎng)絡(luò)的上行通信，改善單個用戶在通信質(zhì)量差的環(huán)境下發(fā)送信號的可接收性，恢復(fù)并提高上行通信速率。

3.2 基于分布式波束賦形技術(shù)的上行通信

首先，確定各個用戶節(jié)點的位置與參考節(jié)點O到無人機位置的相對時延，k時無人機所在位置的方位角為θ0，俯仰角為φ0，需要讓用戶節(jié)點在此方向的遠(yuǎn)場形成最大增益。對于空間任意角度方位角為θ，俯仰角為φ的遠(yuǎn)場區(qū)域某一點，其到分布式陣列參考點O的距離為R0，到第M個陣元的距離為Rm，根據(jù)式(18)可得到距離產(chǎn)生的相對時延為τm，進一步用方位角θ與俯仰角φ表示為其中c為電磁波的傳播速度，確定用戶節(jié)點相對于參考節(jié)點O到無人機位置的相對時延τm后，計算出每個用戶節(jié)點相對于參考節(jié)點O發(fā)送信號的相位差

由上述地面用戶聯(lián)合波束賦形發(fā)射信號方式，用戶發(fā)射信號相關(guān)相加，使得無人機收到信號的信噪比提高，系統(tǒng)通信速率增大，恢復(fù)通信網(wǎng)路系統(tǒng)內(nèi)用戶的上行通信性能，完成上行傳輸。

4 實驗設(shè)計與結(jié)果仿真

4.1 無人機定位追蹤的實驗仿真

本小節(jié)對所設(shè)計的一種基于聯(lián)合波束賦形的無人機通信網(wǎng)絡(luò)上行傳輸技術(shù)進行了實驗驗證。數(shù)值仿真參數(shù)如下：考慮地面用戶節(jié)點數(shù)目為5個用戶；無人機廣播信號功率為–10dBm；路徑損耗指數(shù)為2；用戶節(jié)點發(fā)送信號的功率為50W，無人機運動軌跡為

仿真實驗中，在對無人機進行目標(biāo)定位，考慮了兩種情況，一種情況是理想狀況下，無人機未被遮擋，用戶節(jié)點可以正常接收無人機廣播信號，得到相應(yīng)的Zk值，對無人機進行定位；另一種情況為無人機被遮擋的通信復(fù)雜情況，無人機所發(fā)送的無線信號受到強烈遮擋。在實驗過程中，預(yù)測估計了30個時間點的無人機位置，并在10～15，6個時間節(jié)點內(nèi)模擬通信過程中無人機信號被遮擋的復(fù)雜情況。

仿真實驗中設(shè)置了5個用戶節(jié)點聯(lián)合對無人機進行定位，并與最小二乘定位算法(LeastSquares,LS)進行了對比實驗[22]，定位結(jié)果如圖3所示。在無人機輔助通信網(wǎng)絡(luò)中對無人機進行定位的場景下，本文的伯努利濾波算法受噪聲干擾更小，并且在用戶節(jié)點無法收到Zk時能夠進行定位預(yù)測。而LS算法抗噪聲干擾能力弱，在無Zk數(shù)據(jù)時，無法正常定位。LS算法實驗過程中，在根據(jù)Zk計算用戶節(jié)點到無人機的距離時，計算結(jié)果存在誤差，會導(dǎo)致定位更不準(zhǔn)確，所以，在實驗中，給定了真實距離d進行了實驗；地面用戶節(jié)點所在高度區(qū)間為[0,3]，節(jié)點高度差的變化較小，對無人機飛行高度的預(yù)測誤差較大，導(dǎo)致預(yù)測無人機俯仰角誤差較大。本文伯努利粒子濾波算法定位的方位角誤差在0.05°之內(nèi)，俯仰角誤差在0.25°之內(nèi)，并且無人機所在方向角度誤差會隨著噪聲方差的大小而變化，如圖4所示。

圖3 無人機目標(biāo)定位追蹤圖

圖4 觀測噪聲與目標(biāo)方位誤差的關(guān)系

在理想情況下，無人機未被遮，用戶可以接收到無人機廣播信號的平滑連續(xù)RSSI值，運用伯努利粒子濾波算法，系統(tǒng)所估計的RSSI值與真實RSSI值近似，如圖5(a)所示；針對無人機被遮擋時隱時現(xiàn)的情況，實驗中設(shè)置6個時間點內(nèi)Zk值連續(xù)為0，對無人機進行定位，而基于RSSI的伯努利粒子濾波算法可以有效根據(jù)目標(biāo)先驗狀態(tài)完成RSSI的預(yù)測，并不影響無人機的定位效果，如圖5(b)所示。綜上，通過伯努利粒子濾波算法對用戶節(jié)點的Zk值進行了降噪與預(yù)測，即使在10～15時間點內(nèi)的強遮擋環(huán)境下，仍然可以平滑補齊用戶節(jié)點的Zk值，保障目標(biāo)定位的準(zhǔn)確性，如圖5所示。由此可得，用戶節(jié)點收到的Zk值波動較大，受噪聲影響，通過伯努利粒子濾波后可以將Zk值進行平滑預(yù)測輸出，對無人機進行準(zhǔn)確定位。

圖5 用戶節(jié)點RSSI值的預(yù)測校正

4.2 用戶聯(lián)合波束賦形上行通信的實驗仿真

在系統(tǒng)完成無人機的定位后，系統(tǒng)用戶采用聯(lián)合分布式波束賦形方法對無人機進行上行傳輸。仿真實驗過程中，設(shè)無人機網(wǎng)絡(luò)覆蓋用戶數(shù)量M為30，無人機處于坐標(biāo)系內(nèi)參考節(jié)點方位角θ0為45°，俯仰角為φ0為45°的方向上，30個用戶合作向無人機發(fā)送相干信號，信道帶寬B為1Hz。由圖6所示，針對無人機輔助網(wǎng)絡(luò)中，用戶運用聯(lián)合波束賦形的發(fā)射方式，用戶節(jié)點能夠在空間中無人機方向處取得最大信號增益，在空間內(nèi)相比于其他方位，無人機方向上形成了最大信號增益，收到用戶節(jié)點所發(fā)射信號的最大增益，得到信號的最大信噪比以及通信最大信道容量。

圖6 無人機方向與其他空間方向信號增益對比圖

進一步，本文研究了用戶節(jié)點發(fā)射功率對通信速率、信噪比的影響，并與NOMA發(fā)射方式、全向發(fā)射方式進行了對比，如圖7所示。隨著用戶節(jié)點發(fā)射功率的增大，通信速率與信噪比都會隨著提升。在高斯信道下，本文的分布式波束賦形算法始終優(yōu)于NOMA發(fā)射方式、全向發(fā)射方式；當(dāng)發(fā)射功率增大到一定數(shù)值時，信道容量增速減慢，所以在用戶節(jié)點發(fā)射功率應(yīng)選取合適值。

圖7 信道容量隨用戶節(jié)點發(fā)射功率變化圖

最后，在實驗中研究了高斯信道下，本文的分布式波束賦形發(fā)射方式、NOMA發(fā)射方式以及全向發(fā)射方式隨著用戶節(jié)點數(shù)量變化信道容量的變化情況。從實驗結(jié)果圖8可以得出，本文的聯(lián)合波束賦形一直優(yōu)于NOMA發(fā)射方式以及全向發(fā)射方式，用戶節(jié)點時分復(fù)用進行上行傳輸，隨著用戶節(jié)點數(shù)量的增加，無人機雖然收到信號的信噪比高，但信道容量下降，所以應(yīng)合理考慮信道容量指標(biāo)，并不能一直增大用戶節(jié)點數(shù)量，這會得不償失。并根據(jù)圖8中具體實驗數(shù)據(jù)，在表1進行了詳細(xì)說明，本文發(fā)射方式在不同用戶數(shù)量下，與NOMA發(fā)射方式以及與全向發(fā)射方式的信道容量對比，本文的發(fā)射方式相對于NOMA發(fā)射方式信道容量約提高了1.5倍，相對于全向發(fā)射信道容量提高了至少2倍。

圖8 信道容量隨用戶節(jié)點數(shù)量變化圖

表1 不同發(fā)射方式的信道容量(bps)隨用戶數(shù)量增加(倍)對比表

5 結(jié)束語

本文為了提高無人機輔助通信網(wǎng)絡(luò)的上行傳輸通信性能，提出了一種基于聯(lián)合波束賦形的無人機通信網(wǎng)絡(luò)上行傳輸技術(shù)。本文算法能夠保證無人機被遮擋情況下的準(zhǔn)確定位；在此基礎(chǔ)上，用戶聯(lián)合運用分布式波束賦形技術(shù)完成上行通信過程，提高了用戶發(fā)射功率利用率、接收信號信噪比以及通信速率，保障了通信性能。通過實驗表明，本文的聯(lián)合波束賦形算法在無人機輔助通信網(wǎng)絡(luò)中具備優(yōu)秀的定位準(zhǔn)確能力以及較高的通信速率，并且能夠在各種復(fù)雜場景下保持上行通信性能。