王月　黄玉玲

【摘要】    近年来，无人机的出现与应用得到了良好的发展前景，但在实践应用中，无人机测控与信息传输系统中，其地面设备缺乏灵活性，同时其跟踪速度也非常慢，无法满足实际需求。针对此，本文提出了智能天线技术，就是将智能天线用作地面设备的天线，而后通过搭建测控通信系统仿真模型，及其算法设计，而后根据仿真结果，验证了智能天线技术的应用，在极大程度上提高无人机的精确跟踪能力，同时，也使得有用信号信噪比得以提升，提高了抗干扰性。

【关键词】    无人机测控通信系统   智能天线    仿真模型

引言：

科技、经济的发展，为我国探索空天信息提供了充足动力，而无人机的出现和应用，为民用、军用等领域发展注入了新鲜血液。无人机体积小、灵活、成本低、具有较强的隐蔽性，使得成为了众多领域的新星。但是无人机测控通信系统在实践应用中却表现出了一定的缺陷，设备灵活性低，难以实现高速追踪，直接影响了无人机的应用范围及前景。所以，针对无人机测控通信技术的研究，应当以小型化、轻量化为主，全面优化无人机测控通信设备，从而为无人机测控通信领域发展提供充足动力。

一、智能天线技术

智能天线技术起初主要应用于军事领域，比如雷达、声纳。而现代社会的发展，推动着移动通信技术不断发展，基于互联网背景下，网络用户数量的日益增多，对网络体验的要求和需求也发生了巨大变化。在此背景下，移动通信领域引入了智能天线技术，并在实践中取得了良好的成效，进一步助推了移动通信技术发展。而将智能天线技术引用到无人机领域中，也体现出了很大优势，与传统无人机测控通信系统相比，引入智能天线后的地面测控传统，精度高，具有较强的灵活性，可以实现快速追踪，与传统伺服天线相比体现出了极大的优势，此种无人机测控通信系统将由于体积小，可以安装在车顶上，将其应用到应急通信、抢险救灾等领域，发挥了重要作用。分析智能天线技术可知，其主要引用了阵列信号处理技术，该技术可以完成对多个波束的指向，这一特点使得无人机实现一站多机、无人机自组网等功能，这对于军用方面发挥了巨大作用。除此之外，也可以将智能天线应用到机载端，体现出了非常明显的增益性。

二、无人机测控通信系统模型

无人机测控通信系统仿真模型的构建，如果机载端选用全向天线发射，而地面端使用智能天线进行接收，将阵元数设定8。整个运行过程如图1所示，机载端产生信源，这里的信号源主要就是随机生成的伪随机序列，而后通过成形滤波后，转换为带限信号，在此基础上再经过QPSK的调整，“QPSK”（ Quadrature Phash Shift Keying，四相相移键控），将信号转换为符号后进行正交上变频，最终由天线向外发射[1]。

发射出来的信号会通过多径信道，此时，信号会和高斯白噪声进行重叠，经过此过程后的信号会被智能天线进行接收。此智能天线属于垂直极化方式，阵元间距为0.5个波长、阵元8个。而后该信号会进行正交下变频处理，这一过程主要转变为基带信号，此时，在半带抗混叠低通滤波器的作用下进行滤波匹配，主要的目的就是更好的接收信号。如图1所示，DOA（ Direction Of Arrival，波达方向）估计与波束成形，主要在地面端，其中DOA估计所使用的算法是“MUSIC” （ MU1-tiple Slgnal Classification，多重信号分类）。MUSIC算法与以往传统的空间谱估计算法相比，在估计方面体现出了更高的精度，此外，还可以很好的对信源数量进行估算。而波束成形算法，主要利用的建立在LCMV准则的方法。经过这两个步骤后，最终经由QPSK对信号实施相应的解调，进而完成信号发射[2]。

三、算法设计

3.1波束成形算法

波束成形的算法包含了很多，主要分为三大类：第一类为“Max-SINR”准则，即最大信干噪比（ Max-Signal to Interference and Noise Ratio）[3];第二类为“MMSE”准则，即最小均方误差（Minimum Mean Square Error）;第三类准则为“LCMV”，即线性约束最小方差（Linearly Constrained Minimum Va-riance），虽然属于三种不同的准则，但这三者的关系属于等价的，都代表了维纳最优解。但这三种算法在实践应用中，所需条件不同，其中MMSE准则算法的实现必须加入参考信号，容易出现浪费时频资源的情况，而选择Max-SINR准则的前提是要获取到已知噪声信号的方差，显然，现实条件是无法满足的。相比之下，选择LCMV准则的算法，只要获取到信号来波方向便可进行操作，通过DOA估计便可获取，整个算法非常简便。通过对比、研究后，最终选用LCMV准则的波束成形算法较为适宜[4]。简单说，基于LCWV准则的算法，主要就是指在保证有用信号输出稳定不变的情况下，实现最小化输出总功率。

3.2 DOA估計算法

分析无人机实际飞行情况，不难发现，其飞行速度较快，同时，对链路具有较高的要求，由于其上下行速率不对称的特点，因此，选择MUSIC算法较为适宜，这种算法具有较高的分辨率，能够针对不同来波方向进行实时估计，这一特点，足以满足其跟踪高速移动的目标的需求。需要注意的是，在这种较大运算需求下，应当充分发挥FPUA（现场可编程门阵列）、数字信号处理技术的作用，利用CORDIC（坐标旋转计算机）IP核，可以很好的发挥MUSIC算法作用。与此同时，MUSIC算法本身较高的分辨率，可以在很大程度上保证指向准确度，进而极大的提高链路的安全性、稳定性。无需参考信号便可实现对信号的来波方向、信源个数的估算，这不仅很好的节省了时频资源，同时，也极大的保证了下行数据速率[5]。

四、仿真结果

本次研究构建的无人机测控通信系统仿真模型，其仿真条件如表1所示。

在仿真研究过程中，分别选择了信源个数为1，角度为30°，以及信源个数为2，角度为30°和-10°两种情况进行仿真，结果如图2、图3所示。

由图2可知，运用MUSIC算法，在信源个数为1时，得到的DOA估计结果，当信噪比保持-2dB时，估计出的入射信号角度为30°，这与前文假设保持了一致。而图3的信源个数为2，从对应的DOA估计结果看，本方法能够较为精准地分辨出信源个数，与传统MUSIC算法相比，体现出了极大的优势，解决了以往产生相干信号失效的问题[6]，与此同时，得到的估计角度，即有用信号30°，多径信号-10°，验证了假设。

而针对波束成形算法，在本次研究中，主要选择了基于LCMV准则的算法。采用此方法实施仿真验证，主要的原理就是利用了之前得到的DOA估计结果，进而获取到最优权值，分析后，发现和理论分析结果一致。需要注意的是，为了避免出现因为通道不一致而直接影响到DOA估计准确性的情况，需要预先对通道实施校准，对比未校准与校准后的DOA估计结果，不难发现，在没有进行校正前MUSIC算法已经无法发挥作用，所以，无法进行有用信号、多径信号的估计。而经过校准后，则很好的完成信源个数和方位角的估计。

五、测试分析

为了进一步验证上文提出的理论分析和仿真结果的正确性，下面主要通过实际试验进行验证。通过实测得到数据，而后将这些数据以描点法绘制出对应的智能天线方位面、俯仰面方向图，其中波束指向为90°，通过智能天线系统软件显示界面最终获取到实测结果。在该无人机地面通信系统中，地面设备主要由电脑、收发信机组成，其中机载端发送的数据会被收发信机直接接收，而后向电脑端进行传送，电脑接收到数据后，Matlab会计算出DOA估计结果和波束成形需要的权值，得到的计算结果会直接发送到地面收发信机中。

由于实践中多径的影响，本次研究针对此进行了优化调整，主要方法就是进行多次DOA估计，汇总估计结果后去除两端数据差较大的，日后取平均值用来进行波束成形，这样可以很好的降低多径影响，从而最大程度上保证DOA估计的正确性。从本次实验的最后一次DOA估计结果看，为28.50，与GPS （全球定位系统）数据测得的结果存在一定的偏差，但不大，而波束成形算法下所得方向指向了30.5°，由于是多次实验所得数据，所以与真实值要更加接近，充分体现其估计的准确性优势。

六、结束语

综上所述，随着无人机在各个领域的应用和发展，深入研究无人机测控通信技术已经成为了推动其发展的重要方向。本文结合智能天线，遵循无人机特点以及实际发展需求下，构建了地面设备智能天线测控通信系统，通过分析智能天线原理，借助仿真实验，验证了这一方案的可行性，根据外场实际测试结果看，采用智能天线技术，有助于进一步优化无人机测控通信系统，使其更为广阔的应用和发展。

参  考  文  献

[1] 曹海. 海洋广域无人机智能天线技术应用研究[D]. 国家海洋技术中心，2018，38（23）：123-124.

[2] 许强， 赵雪， 张志芳，等. 无人机测控通信系统中智能天线技术[J]. 飞行器测控学报， 2017， 036（004）：274-280.

[3] 孟祥宇.无人机测控通信系统中智能天线技术分析[J]. 科學与信息化， 2020， 023（001）：P.29-29.

[4] 胡一博. 基于IMT-Advanced的3D MIMO信道建模[D]. 厦门大学， 2018，12（23）：190-193.

[5] 周定宇. 无人机测控新体制的关键技术研究[D]. 南京航空航天大学， 2017，45（34）：100-101.

[6] 吕晓林. TD-SCDMA技术在无人机测控系统中的应用研究[J]. 无人机， 2018， 034（001）：P.28-29.