【技术实现步骤摘要】
本专利技术属于无人机isac，尤其是涉及一种基于多模态融合的无人机isac信道估计方法。
技术介绍
1、通信感知一体化技术（isac）是指感知与通信共享同一频段和硬件的技术，这项技术被认为是下一代移动通信的重要候选技术之一。isac技术还集成了多种传感器与无线通信系统，实现了对物理环境的实时监测与控制，为构建互联、智能且协同的数字生态体系提供了有力支持。同时，无人机作为低空经济的重要组成部分，无人机成为实现下一代移动通信isac技术的重要平台，能够覆盖的范围更广、应用的场景更多，在通信领域受到了越来越广泛的关注，将通信感知一体化与无人机通信相结合，能够多维度的提高其通信性能。
2、但是无人机在飞行中因姿态与运动变化对通信与感知性能产生影响，但是大部分的研究没有综合考虑无人机轨迹与姿态变化对其通信质量的影响。
3、因此，需要一种设计合理的基于多模态融合的无人机isac信道估计方法，在惯性测量单元imu和rtk移动站的多模态融合下基于无迹卡尔曼滤波获取无人机的最优状态向量，以建立无人机与地面终端的信道模型，降低了通信的复杂度，且考虑无人机轨迹与姿态变化，提高了信道估计的准确性。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于多模态融合的无人机isac信道估计方法，其方法步骤简单，设计合理，在惯性测量单元imu和rtk移动站的多模态融合下基于无迹卡尔曼滤波获取无人机的最优状态向量，以建立无人机与地面终端的信道模型，降低了通
2、为解决上述技术问题，本专利技术采用的技术方案是：一种基于多模态融合的无人机isac信道估计方法，该方法包括以下步骤：
3、步骤一、构建无人机isac基站系统：
4、步骤101、所述无人机isac基站系统包括无人机isac基站和地面终端，无人机isac基站包括无人机和集成在无人机上的isac基站，所述无人机的底端安装的均匀平面阵列天线，所述地面终端安装的均匀平面阵列天线；表示无人机的底端均匀平面阵列天线的行数，表示无人机的底端均匀平面阵列天线的列数，表示地面终端的均匀平面阵列天线的行数，表示地面终端的均匀平面阵列天线的列数；其中，所述无人机上搭载有惯性测量单元imu、rtk移动站;
5、步骤102、在地面终端处建立笛卡尔坐标系；在无人机处建立载体坐标系；
6、步骤二、建立无人机的状态方程和观测方程：
7、步骤201、通过惯性测量单元imu获取状态方程的四元数、、、和状态转换系数矩阵；
8、步骤202、采用计算机建立无人机第个时刻的状态方程；其中，表示无人机第个时刻的状态向量，且，表示在笛卡尔坐标系下第个时刻无人机的三轴坐标，表示在笛卡尔坐标系下第个时刻无人机的三轴速度，表示无人机第个时刻的状态向量，表示系统噪声；为正整数，且；表示转置;
9、步骤203、采用计算机建立无人机第个时刻的观测方程；其中，表示无人机第个时刻状态的观测值，且，分别表示在笛卡尔坐标系下第个时刻无人机的相对地面终端的距离量测预测值、方位角量测预测值和仰角量测预测值；分别表示在载体坐标系下第个时刻无人机的偏航角量测预测值、俯仰角量测预测值、滚动角量测预测值；表示量测噪声，表示非线性观测函数；
10、步骤三、采用无迹卡尔曼滤波获取无人机第个时刻的最优状态向量：
11、步骤301、判断rtk移动站是否输出三轴坐标与三轴速度，如果rtk移动站未输出三轴坐标与三轴速度，基于建立的无人机第个时刻的状态方程，采用无迹卡尔曼滤波估计，将无迹卡尔曼滤波中一步预测的状态向量先验估计值作为无人机第个时刻的最优状态向量；
12、如果rtk移动站输出三轴坐标与三轴速度，则输入惯性测量单元imu和rtk移动站监测到的量测数据，基于建立的无人机第个时刻的状态方程和无人机第个时刻的观测方程，采用无迹卡尔曼滤波估计，将无迹卡尔曼滤波中状态更新的状态向量后验估计值作为无人机第个时刻的最优状态向量；
13、步骤302、从无人机第个时刻的最优状态向量中获取无人机第个时刻的三轴坐标优化值以及无人机第个时刻的四元数优化值；
14、步骤303、根据无人机第个时刻的四元数优化值，得到第个时刻无人机的相对地面终端的距离优化值、方位角优化值和仰角优化值；
15、步骤四、建立无人机与地面终端的isac信道模型：
16、根据无人机第个时刻的最优状态向量及距离优化值、方位角优化值和仰角优化值，建立无人机与地面终端的isac信道模型。
17、上述的一种基于多模态融合的无人机isac信道估计方法，步骤201，具体过程如下：
18、步骤2011、从惯性测量单元imu获取第个时刻无人机的状态信息、、；其中，、、表示在载体坐标系下惯性测量单元imu输出的第个时刻无人机的偏航角、俯仰角、滚动角；
19、步骤2012、根据，得到第个时刻的四元数、、、；
20、步骤2013、根据，得到左上系数矩阵；
21、根据，得到右下系数矩阵；其中，表示四阶单位矩阵，表示中间系数矩阵，，分别表示惯性测量单元imu输出的第个时刻的无人机的三轴角速度；其中，表示第个时刻与第个时刻之间的时间差；
22、步骤2014、根据，得到状态转换系数矩阵；其中，表示6×4的零矩阵，表示4×6的零矩阵。
23、上述的一种基于多模态融合的无人机isac信道估计方法，步骤301无迹卡尔曼滤波估计中获取量测预测值，具体如下：
24、步骤a、将输入观测方程的三轴坐标记作，将输入观测方程的四元数记作，并得到抖动效应引起的旋转矩阵；其中，，表示旋转矩阵中第行第列的元素值，且和的取值范围均为1～3的正整数；
25、步骤b、根据，得到第个时刻无人机的相对地面终端的距离量测预测值、方位角量测预测值和仰角量测预测值；其中，是距离量测噪声，是方位角量测噪声，是仰角量测噪声；
26、步骤c、根据，得到第个时刻无人机的偏航角量测预测值；
27、根据，得到第个时刻无人机的俯仰角量测预测值；
28、根据，得到第个时刻无人机的滚动角量测预测值。
29、上述的一种基于多模态融合的无人机isac信道估计方法，步骤四，具体过程如下：
30、步骤401、根据无人机第个时刻的四元数优化值，得到优化的抖动效应引起的旋转矩阵；
31、步骤402、建立无人机与地面终端的信道模型；其中，表示信道响应矩阵，表示圆周率，表示自然常数，表示虚数单位，表示载波波长；表示第一导向矢量，且，表示第二导向矢量，且，表示第三导向矢量，且，表示第一中间向量，且，表示无人机第个时刻和地面终端之间的导向向量，且，表示第四导向矢量，且，表示第二中间向量，，表示转置，表示克罗内克积运算，表示共轭转置。
32、上述的一种基于本文档来自技高网...
【技术保护点】
1.一种基于多模态融合的无人机ISAC信道估计方法，其特征在于，该方法包括以下步骤：
2.按照权利要求1所述的一种基于多模态融合的无人机ISAC信道估计方法，其特征在于：步骤201，具体过程如下：
3.按照权利要求1所述的一种基于多模态融合的无人机ISAC信道估计方法，其特征在于：步骤301无迹卡尔曼滤波估计中获取量测预测值，具体如下：
4.按照权利要求1所述的一种基于多模态融合的无人机ISAC信道估计方法，其特征在于：步骤四，具体过程如下：
5.按照权利要求1所述的一种基于多模态融合的无人机ISAC信道估计方法，其特征在于：步骤301中采用无迹卡尔曼滤波估计时，初始化设置如下：
【技术特征摘要】
1.一种基于多模态融合的无人机isac信道估计方法，其特征在于，该方法包括以下步骤：
2.按照权利要求1所述的一种基于多模态融合的无人机isac信道估计方法，其特征在于：步骤201，具体过程如下：
3.按照权利要求1所述的一种基于多模态融合的无人机isac信道估计方法，其特征在于：步骤301无...
【专利技术属性】
技术研发人员：崔锴，赵建伟，贾维敏，朱丰超，何芳，胡豪杰，张翠平，姜楠，杨龑，杨汶杰，王兆伟，张宇星，陈诺，张一诺，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。