Spectrum Allocation and Performance Analysis for Backhauling of UAV Assisted Cellular Network

To reinforce the coverage and QoS(quality of service) of on-ground cellular communication system, unmanned aerial vehicles which are carrying small cells are deployed in some emergency and disaster areas. Although ASCs(aerial small cells) can provide a higher probability of LoS(line-of-sight) transmission, the wireless backhaul link will bring extra interference to the whole system if not well designed. Therefore, in this paper, we study the backhaul scheme for UAV-assist cellular network. We first analyze the interference environments of UAV-assist cellular network considering the IBOG(In-Band to On-Ground), OBOG(Out-of-Band to On-Ground) and IBTU(In-Band to Tethered-UAV) backhauling mode, and give the descriptions of the performance metrics for each mode. Then, the considered problem is formulated as an optimization of achievable rate. We derive the optimal solutions for the involved three backhauling modes for ASCs respectively, and closed-form optimal value for each mode is acquired with proof. We also give a pseudo-code form of our proposed optimal access/backhaul spectrum allocation algorithm. The simulation results indicate that the proposed scheme can deliver a significant gain, while IBTU performs best among proposed backhauling modes.

基于全频谱共享的三维轨迹和功率优化方法

当前蜂窝系统频谱资源极度短缺,免授权频谱因而被建议在蜂窝系统中使用。无人机(UAV)的飞行轨迹和功率控制对频谱利用效率有重大影响。然而,基于频谱共享的3维轨迹和功率优化方法却鲜少研究。为此,该文首先提出一种全频谱共享方法,即无人机通过控制上行蜂窝用户和设备到设备(D2D)用户的发射功率,在不影响WiFi设备正常传输的前提下使用免授权频谱;同时无人机也能够在不影响其他下行蜂窝用户的前提下使用授权频谱。然后基于提出的全频谱共享方法,该文构建了无人机电池能量约束下的3维飞行轨迹和发射功率的联合优化问题。为了求解提出的复杂多变量耦合的非凸优化问题,该文采用块坐标下降和连续凸逼近方法将原问题转化为3维轨迹优化和功率控制两个凸优化子问题并迭代求解。大量仿真结果证明提出的基于3维轨迹和功率优化的全频谱共享方法能够显著提高频谱利用效率。

面向小型载荷的宽带通信信号随机共振检测方法

随着人工智能等领域的飞速发展,无人机在各个领域,尤其是现代战争中发挥着越来越重要的作用。无人机凭借其强大的灵活性和高隐蔽性优势,对现代作战具有颠覆性影响。在无人机执行战场侦察、监视、通信、电子干扰、雷达诱骗、激光制导等任务的过程中,及时探测敌方辐射信号尤为重要。随机共振方法利用特定非线性系统可以使输入其中的信号与噪声在一定条件下产生协同作用的特点,将噪声的能量转移到信号中来放大信号,是常用的微弱信号检测方法之一。窄带信号的随机共振检测技术已趋于成熟。而对小型载荷无人机监视、通信等场景下的微弱宽带通信信号,现有随机共振检测方法直接采用窄带信号的时域能量检测方法,并未基于宽带信号特点设计专门的检测方法,低信噪比条件下检测性能受限。为了满足对微弱宽带通信信号的检测要求,本文以常用的宽带通信信号为研究对象,对于单通道接收场景,提出基于宽带信号局部频谱的随机共振信号检测方法,该方法与传统的随机共振信号检测方法相比性能提升约6 dB。其次,对于更低信噪比的情况,提出一种随机共振与互相关检测相结合的双通道协同检测方法,并提出基于随机共振后两路互相关系数最大化的系统参数优化准则。典型场景下的仿真分析表明,对于单通道接收的低信噪比微弱宽带通信信号,局部频谱法可以有效提升检测性能;对于更低信噪比宽带通信信号,采用随机共振处理后的双通道互相关检测可以进一步提升检测性能。

面向数据传输稳定性的无人机群频谱接入方法

针对频繁变化的无线通信环境中无人机群频谱资源使用问题,在保障无人机数据传输稳定的前提下,以降低无人机间用频冲突率、提升信道利用率和系统吞吐量为目标,设计了基于多用户非耦合排队频谱接入方法。该方法中无人机之间不需要信息交互和中心控制节点,仅需根据自身数据传输需求、互扰功率和历史信道使用状态信息来构建学习效益函数,生成频谱使用策略。仿真结果表明,所提方法在确保无人机数据传输稳定和兼顾无人机用频公平性的前提下,能有效降低无人机间用频冲突,提升无人机群吞吐量。

多无人机网络中信息隐蔽传输保证的频谱资源分配方法

针对多无人机网络中信息隐蔽传输的频谱分配问题,构建了多无人机网络隐蔽传输中继选择、频谱分配和块长度分配多维度优化模型,将无人机的中继选择问题转化为无人机联盟选择问题,以最大化多无人机网络中信息传输满意度为目标,提出了一种联合无人机联盟选择和频谱资源分配的优化方法。由于无人机联盟选择、频谱分配和块长度分配的联合优化是一个复杂的NP问题和非凸问题,利用降维处理方式将问题划分为两个子问题,一是无人机的中继选择,二是无人机的带宽分配和块长度分配。通过构建联盟形成博弈来优化无人机联盟选择,同时优化无人机的频谱分配和块长度分配。所提博弈被证明是个精确势能博弈(Exact Potential Game,EPG),即,所提博弈至少存在一个纯策略纳什均衡。考虑到对频谱分配和块长度分配联合优化也是一个复杂的NP问题和非凸问题,通过块坐标下降法将联合优化问题分解为带宽分配和块长度分配两个子问题迭代优化,采用粒子群优化算法求解上述两个子问题。仿真结果表明,所提联合优化方法可以有效提高多无人机网络信息传输的满意度,同时使得无人机可以隐蔽地将信息传输到地面控制站。

基于深度强化学习的无人机通信网络效率优化

随着无人机在各种应用中的广泛应用,其通信网络的安全性、频谱和能源效率问题逐渐凸显。该研究针对无人机群通信网络提出了一种基于深度强化学习的联合优化策略。首先构建了一个考虑安全威胁、频谱共享和能源消耗的模型。然后,通过深度强化学习训练了智能代理来动态地选择最佳的频谱分配和能源策略,以在保证网络安全的同时提高频谱和能源效率。通过大量的仿真实验,证明了该方法在提高通信安全性、频谱利用率和能源效率方面均表现出色,且相比传统基线和平均分配DQN-wopa~([15])方法有明显的优势。

无人机地面控制站通用化研究

无人机地面控制站作为无人机系统的信息汇聚中心和指挥控制中心,是保障飞行安全、遂行作战任务和共享侦察载荷信息的关键,同时也是无人机与其他作战力量实现互联互通的重要手段。目前不同的飞机平台单位、甚至相同单位不同的团队设计的地面控制站也无法通用,文中通过分析目前地面控制站现状,构建通用地面控制站型谱,建立通用化标准体系,设计系统和软件体系架构,提出无人机通用地面控制站关键技术解决方案。

基于双耳表征梅尔频谱特征无人机音频识别

为了提高探测模型根据无人机飞行中产生的噪声在实际场景对多类无人机识别的准确率,提出了基于双耳表征的梅尔频谱和多任务深度神经网络的入侵无人机音频识别模型。针对采用单一声道音频丢失空间信息的问题,提出双耳表征的梅尔频谱提取无人机音频特征作为数据输入,提高对无人机音频的表征能力;为提高模型训练速度和收敛性,在参照AlexNet的基础上增加BN层和Dropout层设计的深度神经网络;针对无人机音频类间相较于环境噪声异质性较小的问题,采用多任务学习的方式训练音频识别模型来提高模型泛化能力。通过手工制作的无人机声纹库上进行一系列对比实验证明了无人机音频识别模型中提出策略的优越性,相比其它无人机音频识别模型能够更好地完成识别任务。

基于无人机高光谱影像的农田土壤有机碳含量估算——以湟水流域农田为例

快速、准确地估算农田土壤有机碳含量并对其进行空间分布制图,有利于土壤精细化管理和智慧农业的发展。该文以青海湟水流域3个典型农田区为例,在研究区内同步采集296个土壤样品和相应的野外原位光谱,使用无人机搭载高光谱相机进行影像获取,并对土壤样品进行室内光谱采集和有机碳含量测定。对光谱反射率进行7种不同形式的变换,通过相关性分析从中筛选出主要特征波段,利用多元线性回归、偏最小二乘回归和随机森林3种方法分别对室内光谱、野外原位光谱和无人机光谱进行建模,对比各模型的精度。用光谱直接转换法对无人机光谱进行校正,使用校正后的无人机光谱最优模型进行建模,模型代入无人机高光谱影像进行有机碳含量制图,最后对满足制图精度要求的农田区进行分析和讨论。结果表明:①除对无人机高光谱进行对数变换后的多元线性回归不能估算有机碳外(相对分析误差为1.375),实验室光谱、野外原位光谱及无人机高光谱的原始光谱及所有转换方法均能对有机碳进行估算,决定系数R 2为0.562~0.942,均方根误差为1.713~5.211,相对分析误差为1.445~4.182;②在所有光谱变换方法中,多元散射校正+一阶微分变换与有机碳含量的相关性最高,特征波段分别为429~449 nm,498~527 nm,830~861 nm和869 nm;③在所有建模结果中,随机森林模型精度最高,其次为偏最小二乘模型,多元线性回归模型精度最低,校正后的无人机光谱建模精度均有所提高;④3个农田区的反演精度均满足制图要求,R 2均在0.88以上。其中,A农田区有机碳含量均值最高,为28.88 g·kg^(-1),整体空间分布均匀;B农田区均值为13.52 g·kg^(-1),整体分布呈现出较强的空间差异性;C农田区有机碳含量均值最低,为8.54 g·kg^(-1),高值和低值的分化明显。本研究可为无人机高光谱遥感技术应用于田间尺度的土壤有机碳含量估算和数字制图提供参考。

不同水肥处理下夏玉米株高、生物量响应特征及光谱反演

以不同水肥处理下的大田夏玉米为研究对象,利用无人机遥感系统采集光谱数据,分析光谱数据及地面测量的玉米生长指标,明确不同水肥处理对夏玉米生长的影响,构建了基于光谱感知的作物生长指标监测模型。结果表明,不同灌溉施肥处理显著影响夏玉米株高,光谱计算的株高值与实测值均在P<0.0001水平上极显著相关,2020年拔节期的2个时段和喇叭口期的2个时段决定系数R^(2)分别为0.354、0.483、0.672、0.702,2021年拔节期、喇叭口期、抽雄期和吐丝期R^(2)分别为0.314、0.410、0.426、0.466。多个生育时期数据融合可以大幅提高光谱反演株高的精度,两年的拟合优度分别为0.946和0.906。多光谱植被指数与不同水肥处理下的夏玉米生物量相关性较好,利用Cubist算法构建的2020年玉米生物量反演模型表现最优;多个生育时期数据融合可以显著提高模型的反演精度,3种算法构建的模型(SVR模型,Cubist模型和RF模型)在2021年生育时期融合数据集上均表现较优,其在测试集上的R^(2)分别达到了0.942、0.941、0.934。

我国农作物病虫害智能监测预警技术新进展

近年来,随着计算机、互联网、物联网、人工智能、传感器、遥感等技术的快速发展,智能虫情测报灯、智能性诱捕器、昆虫雷达、无人机遥感、卫星遥感、智能识别App等现代智能农作物病虫监测装备及重大病虫害实时智能监测预警系统建设方面取得了比较明显的进步。本文综述了我国近5年在利用光谱遥感、昆虫雷达、图像识别等技术进行农作物病虫害监测预警研究和应用方面取得的重要进展,分析了各类技术存在的不足与难点,提出了未来发展的方向,以期为充分利用空天地多源数据实现农作物病虫害精准预报提供指导。

利用电磁频谱手段探测和干扰无人机的难点问题

随着无人机技术的迅速发展和广泛应用,无人机逐渐成为战场和要地防御上越来越重要的威胁之一。利用电磁频谱探测无人机下行链路信号存在无人机通信信号特征建库难、采用4G/5G网络通信的无人机难以识别、微弱无人机信号淹没于城市/战场复杂电磁环境中、采用自主控制不发射测控/图传信号的无人机无法探测等问题。利用电磁频谱手段对无人机进行定位时,分析和对比常用的多站测向交叉和时差定位体制,认为采用时差定位系统可以取得较好的定位精度。最后指出在无人机反制干扰中,可使用电磁压制干扰、卫星导航诱骗、协议破解操控多种技术手段,并分析其运用时面临的难题。

基于无人机可见光及多光谱数据的林草覆盖率提取方法研究

为了高效、准确地监测生产建设项目林草覆盖率指标,在山东省东营市建立典型样区,采用无人机搭载相同光谱分辨率的可见光和多光谱相机分别获取可见光、多光谱影像,建立16种植被指数(多光谱8种、可见光8种)。采用阈值法、支持向量机法计算林草覆盖率,并用混淆矩阵对结果精度进行对比,筛选出最优植被指数和分类方法。研究表明:1)8种多光谱植被指数和3种可见光植被指数识别精度>90%,Kappa系数>0.90,以上11种植被指数可满足实际水土保持监测需求。2)多光谱植被指数提取植被信息分类方法中,GRVI、SAVI、GNDVI、NDRE可用支持向量机法,RENDVI、EVI2、NDVI、OSAVI可用阈值法,可见光植被指数R、G、EXG可用阈值法。3)在正常状况下,多光谱和可见光植被指数获得较好的植被信息识别效果,但在有阴影存在情况下,单波段可见光R、G有错分现象。4)多光谱植被指数相比于可见光植被指数,具有更好的适用性和稳定性。

基于无人机多光谱估测不同品种紫花苜蓿的地上生物量和叶绿素含量

地上生物量和叶绿素是紫花苜蓿生长过程中的重要指标,可以为其生长的动态监测与管理提供有效的帮助。紫花苜蓿作为最为重要的饲草作物,如何利用现代光谱智能技术有效且准确地预测其状态是紫花苜蓿种植过程中的重要问题。基于无人机多光谱对不同品种紫花苜蓿的地上生物量和叶绿素含量的估算结果进行研究并为此构建预估模型。共研究了21个紫花苜蓿品种,采用无人机搭载多光谱相机在天气晴朗无风时起飞并拍摄图像,将无人机拍摄得到的多光谱图像采用ENVI 5.3软件进行分析,挑选出NDVI、 EVI、 SAVI、 Green NDVI、 NDGI、 DVI、 NGBDI、 OSAVI、 NDRE和MSR共10个植被参数和无人机多光谱相机自带的5个光谱波段(蓝、绿、红、红边、近红外)进行特征分析,再使用Matlab 2020b软件,采用支持向量机(SVM)构建不同品种紫花苜蓿的地上生物量和叶绿素含量的预测模型。然而在实际操作的运行中,发现使用SVM构建的预估模型其准确率不理想,因此使用智能算法鲸鱼(WOA)和灰狼(GWO)对SVM预估模型进行优化,发现使用SVM预估模型能预估不同品种的紫花苜蓿的地上生物量和叶绿素含量,其中经WOA智能算法优化后的SVM预估模型在估算不同品种的紫花苜蓿的地上生物量和叶绿素含量时其准确率最高。研究中构建的预估模型为筛选品质较好的紫花苜蓿品种有一定的指导意义,同时也为今后无人机多光谱预估紫花苜蓿的生物量及其相关的生理生态指标提供了有效的帮助和合理的参考依据。

基于测绘无人机的土壤有机污染远程检测技术研究

由于污染防治策略的制定需要建立在污染种类、含量已知的前提下,故提出基于测绘无人机的土壤有机污染远程检测技术研究。搭建土壤有机污染远程检测框架;采用测绘无人机搭载XRF光谱分析仪采集土壤光谱数据;通过小波变换算法与惩罚最小二乘算法提取土壤光谱数据特征,识别待检测土壤中含有的有机污染物质并计算其含量,实现土壤有机污染的远程检测。实验数据显示:应用所提技术后,有机污染物质识别错误比例最小值为0.56%,三氯乙醛含量检测结果与实际检测结果误差为0%,充分证实了所提技术具备更好的应用性能。

多无人机辅助通信中用户匹配与频谱资源联合优化方法

针对多无人机作为空中基站为地面设备提供临时服务的动态频谱分配问题,主要考虑无人机与地面用户匹配、子信道分配和功率分配三个方面。为了保证用户通信的公平性,在考虑频谱复用和共信道干扰的情况下,以最大化地面用户最小传输速率为目标,提出了一种用户匹配与频谱资源联合优化算法来解决上述混合整数非线性优化问题,通过聚类算法优化无人机与地面用户的最佳匹配,通过块坐标下降法迭代优化子信道分配和功率分配。仿真实验分析表明,提出的求解方法可以有效提升用户的传输速率,保证用户通信公平性。

面向感知任务的无人机数量编配与频谱资源联合规划方法

为了减少执行协同感知任务的无人机数量和消除通信干扰问题,考虑到无人机电池容量的限制,提出了一种无人机数量编配、目标关联和频谱资源分配的联合规划方法.该方法利用无人机数量、目标感知顺序和频谱资源的耦合关系,将其联合规划问题转化为能耗优化问题,并设计了遗传禁忌混合算法求解此混合整数非线性规划问题.该算法结合了遗传算法的大范围探索能力和禁忌搜索算法的精细搜索优势,具有更高的全局寻优能力.仿真结果表明,与其他启发式算法相比,所提算法完成相同感知任务需要的无人机最少,能耗也最少,具有更好的鲁棒性.

无人机多光谱的竹林病虫害监测——以福州市晋安区沙溪村典型受灾区为例

以竹林病虫害典型受灾区——福建省福州市晋安区寿山乡沙溪村为研究对象,结合研究区气象历史数据、灾害记录,实地调查数据等,开展高分辨率无人机多光谱竹林病虫害监测.利用互信息(mutual information,MI)衡量特征变量(NDGI、VARI、Blue、Green、Red)与竹林受病虫害影响情况之间的相互依赖程度,筛选适合识别竹林病虫害的光谱特征,选取最优的监测数据方案;然后基于随机森林算法(Random Forest,RF)对研究区竹林病虫害监测进行精度评估.结果表明:(1)沙溪村竹林典型受灾区中,受灾竹子占竹林总面积的46.66%,其中重度受灾竹子占竹林总面积的33.4%,且分布较广;(2)抗大气植被指数(vegetation atmospherically resistant index,VARI)对毛竹受病虫害的影响程度十分敏感,MI值达3.110,是适用于监测竹林病虫害的光谱特征;(3)相对于仅用蓝、绿和红波段进行监测,对采用蓝、绿、红波段Bands&VARI的数据方案下,各受灾程度的识别精度整体较高;基于随机森林算法对竹林病虫害进行监测的总体分类精度可达83.58%,Kappa系数为0.72.

无人机测控系统中干扰感知与频谱资源管理技术

为了提高无人机测控系统在复杂电磁环境下的适应性、安全性和可靠性,解决多站多机同空域工作时面临的动态频谱资源管理问题,提出了一种基于干扰感知和频谱资源管理技术的无人机测控系统。该系统将通信侦察技术与认知无线电频谱感知技术相结合,为上/下行链路提供全频带干扰识别以及动态频谱资源管理。搭建了干扰感知和频谱资源管理系统无线测试平台,测试结果表明,当上/下行链路存在干扰信号且链路质量较差时,系统能自适应调整链路的频谱资源,可有效避开干扰信号对系统的影响,提升了无人机测控系统的生存能力和使用效能。

无人机通信中基于短包传输的能/谱效折中优化

在基于认知物联网的无人机(unmanned aerial vehicle,UAV)辅助通信中,频谱效率(spectral efficiency,SE)和能量效率(energy efficiency,EE)的优化问题备受关注。针对低延迟高可靠性的通信需求,分析认知UAV通信中的短包传输问题。与传统认知网络相比,基于短包传输的通信存在不可忽视的包错误率。通过研究包错误率、感知时间和UAV发射功率对SE和EE的影响,证明了SE和EE关于感知时间和发射功率的最大值无法同时获得。在此基础上,提出高效的联合优化算法实现了SE/EE的折中优化。数值和仿真结果证明了理论分析的正确性,并验证了所提算法的有效性。