无人机辅助通信中的概率LoS信道建模与NOMA技术应用

原创

于 2026-03-07 04:35:06 发布 · 420 阅读

标签

1. 无人机当“空中基站”，为什么需要新模型？

大家好，我是老张，在通信和无人机这块摸爬滚打了十来年。今天想和大家聊聊一个特别有意思的话题：让无人机飞上天，给地面的物联网设备当“信号中继站”。听起来很酷对吧？但实际操作起来，你会发现一堆头疼的问题。比如，无人机在天上飞，它和地面设备之间的信号，到底是“一眼望穿”的通透（我们叫LoS，视距链路），还是被高楼、树木“挡了一下”的模糊（我们叫NLoS，非视距链路）？这个事儿，在传统的地面蜂窝网里，基站位置固定，我们可以通过大量测量和建模，把信道情况摸得比较清楚。但无人机是动的，环境是变的，你没法提前知道下一秒的信号质量。

这就引出了我们今天要聊的核心：概率LoS信道模型。说白了，这就是一个“算命”模型。我们不赌信号一定是好是坏，而是根据无人机的高度、它和地面设备的夹角、周围建筑物的密度这些因素，算出一个信号是高质量LoS的概率有多大。比如，无人机飞得越高，它和地面设备之间的仰角越大，中间被遮挡的可能性就越小，那么它是LoS的概率就越高。这个概率值，通常在0到1之间。这个模型特别接地气，因为它承认了现实世界的不确定性，不再做“非黑即白”的理想化假设。

那为什么这个模型对无人机通信如此重要呢？想象一个智慧农场的场景。地里布满了传感器，监测土壤湿度、温度。这些传感器通常功耗低、发射能力弱，信号传不远。这时候派一架无人机定期巡航，收集数据。如果无人机飞过时，恰好和传感器之间没有遮挡（高概率LoS），它就能以很高的速率“唰”一下把数据收上来。但如果中间隔了个谷仓或者一片小树林（低概率LoS，甚至变成NLoS），数据传输速率就会暴跌，可能还会丢包。如果我们能精准地预测这个概率，就能做很多优化：比如，让无人机在飞近传感器、仰角最大时（此时LoS概率最高）才发起高速数据采集，其他时间可以飞快点或者省点电。这就是概率模型带来的“预判”优势。

2. 拆解概率LoS信道模型：从公式到实战

光说概念可能有点虚，咱们来点实在的，看看这个模型到底怎么算。别怕公式，我保证用最“人话”的方式讲明白。

2.1 核心公式：环境决定概率

概率LoS模型最经典的一个公式长这样：

P_LoS = 1 / (1 + C * exp(-D * [θ - C]))

这里面的 C 和 D 是两个关键的环境参数，它们不是随便写的，而是通过对特定环境（比如城市、郊区、乡村）进行大量实测和数据拟合得出来的。θ 是仰角，单位是度，就是无人机和地面设备连线与水平面的夹角。这个角越大，说明无人机在设备正上方飞得越高，遮挡越少，P_LoS 就越接近1。

我举个例子你就明白了。假设我们在一个中等密度的城区，参数 C=10， D=0.6。当无人机飞过，与某个传感器的仰角 θ=30度 时，我们代入公式算一下： P_LoS = 1 / (1 + 10 * exp(-0.6 * [30 - 10])) ≈ 1 / (1 + 10 * exp(-12)) ≈ 1 / (1 + 10 * 0.000006) ≈ 0.99994 看，这个概率非常高，几乎可以认为是完美的LoS信道。

但如果无人机飞远了或者飞低了，仰角降到 θ=10度： P_LoS = 1 / (1 + 10 * exp(-0.6 * [10 - 10])) = 1 / (1 + 10 * 1) = 1/11 ≈ 0.09 这时候，LoS的概率只有9%，信号质量大概率会很差。你看，仅仅角度变化，概率就天差地别。在实际部署时，我们可以根据这个概率值，动态调整无人机的飞行轨迹，尽量让它在服务关键设备时，保持一个高仰角。