无人机毫米波信道建模进展和挑战

朱秋明 ，华博宇 ，毛 开 ，仲伟志 ，陈小敏 ，周彤彤

（1.南京航空航天大学电磁频谱空间认知动态系统工业和信息化部重点实验室，南京，211106；2.南京航空航天大学电子信息工程学院，南京，211106；3.南京航空航天大学航天学院，南京，211106）

引 言

无人机（Unmanned aerial vehicle, UAV）因成本低、构造简单且人员伤亡率低等优势引起了全球各个国家的关注。目前，UAV 在航拍、遥感监测、预警灾害和应急通信等领域发挥了巨大作用。据报道，全球无人机的销售额将在2021 年达到120 亿美元，近5 年以7.6%的复合增长率稳步提升[1]。中国国务院颁布的《中国制造2025》纲领文件中，也明确要求大力推进UAV 领域的突破性发展。

毫米波（Millimeter‑wave, mmWave）频段具有较传统通信频段更短的波长，能够支持Gbit/s 量级的数据传输，符合高速率大容量的通信系统发展需求。事实上，第5 代（The fifth generation, 5G）移动通信系统结合毫米波和大规模天线技术，已经能够提供高达10 Gbit/s 的数据速率[2]。然而，毫米波频段具有更高的路径损耗和更低的散射特性，导致毫米波通信系统对视距（Line of sight, LOS）传播条件有更高的要求[3]。UAV 由于较高的飞行位置，通信过程中往往存在视距路径，使其成为毫米波通信技术的绝佳搭载平台。目前，利用毫米波和大规模天线技术实施UAV 对地面控制站或UAV 之间数据通信已成为学术界和工业界的研究热点[4]。例如，美国国防高级研究计划局(Defense advanced research projects agency，DARPA)正在研制一种基于UAV 的毫米波通信网络，用以连接战场士兵和前线基地、战术作战中心以及情报监视侦察设施。在可预见的未来，无论是民用空中基站还是军用的战地通信，UAV 毫米波通信都有着巨大的潜在价值。

构建精确且符合真实UAV 通信场景的毫米波信道模型，是研究UAV 毫米波通信系统的理论基础，也是未来对UAV 毫米波通信系统性能评估的基本手段。不同于传统陆地通信场景，UAV 毫米波通信具有明显的三维传播特征，包括空间域、姿态域和方向域的全三维传播。因此，信道模型也需要考虑包括三维散射空间、三维飞行轨迹及姿态、三维阵列天线和三维窄波束等多种因素。目前，针对毫米波频段的UAV 信道建模研究还处于起步阶段，科学准确的信道模型亟待研究开发。本文首先针对UAV 毫米波通信场景提出了模型构建需要支持的新特性，并介绍了当前信道建模的方法及局限性，重点对UAV 毫米波信道相关主流模型进行详细阐述和比较。最后，对信道模型发展趋势以及具有潜力的关键技术进行了展望，旨在为UAV 毫米波新型信道模型的科学构建提供参考依据，进而为高效可靠的UAV 毫米波通信系统提供理论支撑。

1 信道模型需求与挑战

1.1 对高频段超宽带的支持

国际电信联盟（International telecommunication union, ITU）近日公布5G 毫米波频段包括24.25～27.5 GHz、37～43.5 GHz、45.5～47 GHz、47.2～48.2 GHz 和 66～71 GHz。相比传统通信系统 100 MHz左右的可用带宽，毫米波通信系统的可用带宽应大于2 GHz 或达到中心频率的10%[5]。针对sub‑6 GHz通信系统设计的信道模型，无法满足毫米波通信系统特有的高频段和超宽带特性。例如，文献[6]指出，毫米波通信具有传播损耗更大、信道变化更快和信号绕射能力更低等新特性，且各频段的信道特性表现出较大差异性。

特别地，对UAV 毫米波通信场景，信号传播过程可能遭遇地面、建筑物、山脉甚至水面等散射体，产生大量反射、绕射和散射信号。其中，时延非常接近的路径信号可近似成一簇，接收信号由不同时刻、不同方向到达的空时簇组成。不论是UAV 位置、速度和姿态的变化，还是地面端移动或者传播环境的改变，都会导致部分散射体失效引起对应簇消失，同时有新的散射体出现产生新的空时簇。相较陆地毫米波通信场景，UAV 毫米波通信场景的空时簇生灭现象更加频繁，多径传播或时延域失真情况更为复杂多变，这些由于高频段、超宽带导致的新特征都应纳入模型构建的考虑范畴。此外，新模型不仅需要精确表征高频段的信道参数，还应考虑传统场景和传统频段信道特性的兼容性。

1.2 对三维散射空间的支持

对于陆地移动通信场景而言，尽管收发天线周边的散射体处于三维空间，但收发端通常比较近，并且短时间内垂直方向的位置变化比较小，俯仰角的变化对传播带来的影响程度相对较低。因此，早期信道模型往往忽略高度参数对信道特性的影响，近似采用二维信道模型描述。随着5G 系统研究的日益深入，研究人员对传统二维模型进行升级，将收发天线的高度参数纳入考虑，实现了对三维散射空间的支持，提升了信道参数表征的精确度和科学性[7]。

三维信道模型采用三维矢量描述收发端和散射体的瞬时地理位置，传播信号的离开方向和到达方向的表征也进一步细化描述为离开方位角和俯仰角、到达方位角和俯仰角。特别地，UAV 毫米波通信是一种充分利用三维大尺度空间的通信技术，UAV 在立体空间进行大范围飞行，垂直方向位置和信号传播的俯仰角在整个通信过程中存在非常明显的变化。信道实测结果也表明，UAV 速度大小、飞行角度和位置高度等对信道模型的统计特性产生了明显影响[8]。因此，构建UAV 毫米波信道模型时必须体现其特有的大范围三维散射空间的传播特性。

1.3 对三维速度姿态的支持

以蜂窝移动和车联网（Vehicle to vehicle, V2V）为代表的陆地通信系统，短时间内收发端的移动位置可近似限定在二维平面。然而，UAV 的移动速度具有明显三维特性，飞行轨迹也分布在整个三维空间，信道模型必须支持三维的移动速度。

文献[9]通过对收发端的速度参数进行分析，指出速度对移动通信信道的空时相关性有着至关重要的影响。在此基础上，文献[10]陆续提出的V2V 信道模型，都将运动端的移动速度扩展为三维矢量表示，文献[11]针对UAV 通信场景提出了一种任意三维速度和飞行轨迹的UAV 信道模型。需要强调的是，陆地移动端如行人，车辆等的速度只存在二维方向，仅用单个角度参数就可以完整描述。然而，UAV 飞行过程中，存在机身斜倾、翻转等飞行器特有行为，需要更多的角度参数来描述机体的三维姿态信息[12]，因此三维飞行速度及姿态因素都应当被充分纳入信道模型。

1.4 对三维阵列波束的支持

大规模阵列天线技术能够充分利用空间资源以及多径传播特性，在不增加频谱资源和发射功率的前提下，成倍地提升信道容量。对于毫米波通信而言，天线阵列可以形成强方向性波束改善通信链路的质量，进而弥补毫米波路径损耗高的缺点。比如，通过一个8×16 的毫米波天线阵列产生定向波束，可获得20 dB 的额外增益[13]。此外，对波束形状进行优化设计，还可以增强主瓣增益，抑制旁瓣能量，从而进一步达到有效覆盖和干扰抑制的目的[14]。

地面基站往往采用固定的俯仰角，根据水平维度的信息调整二维波束进行波束对准。UAV 处于大范围三维立体空间，可以灵活利用垂直方向获取细窄化的三维波束，以此提高天线阵列增益和有效通信距离，同时降低不同链路间的干扰和信号被截听的概率。此外，UAV 飞行过程中，收发端之间的信号俯仰角难以保证恒定，还必须进行动态的波束搜索、跟踪和对准[15]，该特性也将对UAV 信道模型的构建产生重要影响。

2 信道建模方法与局限

信道建模本质上是以电波传播规律为依据，利用信道实测数据，对信道特性包括单位冲激响应或传递函数等进行定量描述。目前，针对毫米波频段信道，研究人员开发了多种方法进行建模研究，主要包括确定性建模和统计性建模两大类方法。一般来说，不同的信道建模方法是在精确度、复杂度和泛用度之间进行权衡，每种方法都存在优势和局限。

2.1 确定性信道建模方法

确定性信道建模方法具有较高的精确度，模型参数在单次仿真中保持固定不变。例如，针对特定通信场景，可利用信道探测仪、矢量网络分析仪等设备，直接测量得到信道的确定性冲激响应或传递函数，并根据测试数据进行建模[16]。为了提高障碍物和散射环境的描述精度，可在实际测试中辅以激光扫描技术，将场景描述为一系列数据点，也称为点云技术[17]。点云建模方法可以精确表征特定传播信道的参数，已被应用于毫米波频段[18]。基于实测的确定性建模方法适用于特定静态场景的信道建模，模型拥有很高的逼真度，但泛用度比较差，并且需要耗费大量的人力及时间成本。基于射线跟踪（Ray tracing, RT）技术的建模方法最近几年得到了广泛关注[19‑20]，该方法根据几何光学和一致性绕射理论，对收发端之间每一条信号传播路径进行跟踪，最终得到每条路径的功率、时延和相位等参数。

图1 给出了RT 方法进行信道建模的基本过程，包括三维场景重构、射线分解跟踪和信道响应获取3 个典型步骤，图1 中TX表示发射端，RX表示接收端。射线与散射体接触后会发生反射和绕射等现象，图1（c）给出了信号传播过程的几种典型轨迹，包括视距路径、反射路径和散射路径。RT 方法建模精度极度依赖散射体电特性（如相对介电常数、电导率、磁导率）的准确描述，并且计算复杂度较高。实际中，通常需要对场景进行特征提取并三维重构，在保证基本精度前提下大大提升建模效率[21]。例如，文献[22]提出了一种基于数据库简化的数字地图预处理方法用于地形地物重构，文献[23]则研究了利用不规则三角面简化重构场景的方法。

2.2 统计性信道建模方法

对于统计性信道建模方法，信道模型的全部或部分参数采用统计分布的形式进行描述，且随机分布一般通过分析大量实测数据获得。Saleh‑Valenzuela（SV）模型的建模方法是一种经典的统计性方法，该方法基于测量结果在时延域和角度域以簇为单位划分随机产生的多径分量，进而生成信道参数，已被应用于IEEE 802.15.3c 和IEEE 802.11ad 标准化模型的构建[24‑25]。基于传播图的建模方法借鉴图论原理，用图的顶点映射发射机、接收机和散射体，用图的边来映射顶点之间传播路径。每一条边代表不同的概率函数，用来描述信号传播过程中的随机关系[26]。

基于几何分布的信道建模方法是目前应用最广泛的一种统计性方法，将传播路径表示为簇和簇内射线的叠加，根据特定几何条件约束下的散射体位置获得簇和簇内射线参数[27]。图2 给出了一种基于几何分布的V2V 信道模型示意图，散射体随机分布于空间中若干个散射簇内[28]。首先利用分簇的参数化冲激响应函数构建信道模型框架，通过假设散射簇的几何分布以及簇内散射体的统计特性等约束条件，获取信道参数进而完成信道模型构建。目前，该方法已被应用于多种主流模型，包括NYU WIRE‑LESS, 3GPP TR 38.901, METIS 及 mmMAGIC 等[25]。

3 现有模型分析与比较

目前尚无针对UAV 毫米波通信的标准化信道模型，但是国内外团队已经开展了大量的前期研究，研究成果反映了UAV 毫米波信道的新特性，也能够为UAV 毫米波信道模型标准化提供参考。

图1 基于RT 方法的确定性信道建模过程Fig.1 Deterministic channel modeling based on RT method

图2 基于散射体几何分布的统计性信道建模方法Fig.2 Statistical channel modeling based on the geometric distribution of scatterers

3.1 基于实测数据的信道模型

近年来，国内外科研人员使用信道探测仪、矢量网络分析仪等设备，对毫米波信号传播进行了大量的实测研究，提出了许多陆地场景下的毫米波信道模型，包括室内场景[29]、室外场景[30]、隧道场景[31]和高铁场景[32]等。

为了构建针对UAV 场景的信道模型，研究人员搭建UAV 测量平台并开展了信道实测。例如，文献[33]中实测了5.2 GHz 频段无人机在悬停状态下地面接收功率及路径损耗。文献[34]在沙漠、山区等地段实测了L/S 波段UAV 信道的接收功率及时延扩展。文献[35]在水域、山区和城市等多场景实测了UAV 信道的路径损耗及视距莱斯因子。进一步地，基于实测数据的UAV 信道模型也被陆续提出，该类研究重点关注的信道特性包括路径损耗、均方根时延拓展和莱斯因子等。例如，文献[36]根据实测数据提出了一种UAV 信道的路径衰落模型，并研究了阴影衰落和快衰落等信道特性；文献[37]对传统对数‑距离路径损耗公式进行了修正，并设定多径分量与直射径分量强度的比值遵循高斯分布，不同场景对应不同的均值和标准差。文献[38]基于28 GHz 频段的实测数据，给出了一种毫米波信道的路径损耗模型，但没有考虑小尺度衰落的特性。相较于其他类型的信道模型，基于实测数据的模型最符合真实环境的信道特性，但测试的设备要求及时间成本较高，且在小尺度信道衰落的机理分析方面难度较大。

3.2 基于射线跟踪的信道模型

基于RT 方法的信道模型在诸多场景中已得到充分研究，例如室内场景[39]、城市场景[40]、郊外场景[41]、地铁场景[42]及隧道场景[43]等。此外，RT 方法对高频段信道建模有很强的适用性，被认为是预测毫米波信号传播模型最准确、最通用的确定性方法[44]。例如，文献[26]提出了一种基于RT 方法的毫米波信道模型，通过将毫米波频段的漫反射多径分量与镜面反射分量分开表征，进一步提升了模型构建的精确性；文献[45]通过与实测结果比对，证明了通过合理分配散射体材质的电磁参数，RT 方法具有较高的精度；文献[46]则通过对障碍物和散射体分配不同的材质特性，结合RT 方法给出了一种毫米波信道模型。

针对UAV 通信场景，RT 方法作为信道特性的有效分析手段，也得到研究人员的广泛应用。例如，文献[47]针对UAV 与地面基站间的俯仰角变化，探究了角度对信道的大尺度衰落特性的影响。文献[48]通过重构海岛场景三维地图，采用RT 方法分析了海岛附近UAV 毫米波信道的传播损耗、时延和到达角度等参数。文献[49]针对城市、郊区和海面场景，研究了28 GHz 频段UAV 信道的小尺度衰落和空时相关特性。文献[50]利用RT 方法建立了城市场景毫米波信道模型，并分析UAV 高度参数对信道干扰噪声比的影响。文献[51]则通过对城市、山丘、森林和海洋等场景的重构，结合RT 方法对UAV 毫米波信道的时延功率谱和信号角度分布进行了讨论。相较于其他类型的信道模型，基于RT 方法的模型具有场景构建灵活性高、数据获取成本较低等优势，但同样存在对小尺度衰落分析难度大的缺点。

3.3 基于几何分布的信道模型

几何统计性信道模型（Geometry‑based stochastic channel model，GSCM）只需较少参数即可描述信道的三维传播特性，模型精度由散射体的几何约束条件决定，也是目前主流的UAV 信道模型。根据对周围散射几何体的分布假设，GSCM 可以进一步细分为不规则型几何统计性信道模型(Irregular shaped geometry‑based stochastic channel model，IS‑GSCM) 和规则型几何统计性信道模型（Regular shaped ge‑ometry‑based stochastic channel model，RS‑GSCM）。IS‑GSCM 通过预先定义的分布如传播区域均匀分布等，将散射体配置在随机位置。例如，文献[52]提出的UAV 时域非平稳IS‑GSCM，存在视距分量情况下散射体服从均匀分布；文献[53]给出的双簇IS‑GSCM，信号经过多跳到达接收端，信道特性由传播路径经历的散射体决定。值得注意的是，IS‑GSCM 中信号与散射体的相互作用可以被直接估计，或利用RT 方法进行统计[54]。另一方面，RS‑GSCM 将散射体设定分布在规则的几何形状表面，例如圆柱体[55]、双圆柱体[56]、椭圆柱体[57]、球体[58]、椭球体[59]和半球体[7]。该类模型的优点是通常可以获得信道统计特性的理论解，虽然信道复现时由于仿真次数有限，无法达到理论值，但误差可控制在允许范围内。

针对UAV 通信场景，文献[60]将散射体布置在多个共焦距的椭圆以及一个圆柱体上，提出一种支持多天线技术的时变UAV 信道模型；文献[61]使用多个圆柱体和单环分别描述静止散射体和移动散射体，给出一种考虑路径散射体生灭过程的UAV 信道模型；文献[62]的散射体则分布在空心圆柱体内外径及外表面上，只需要改动相关参数便可使UAV 信道模型支持多种散射场景。第3 代合作伙伴计划（3rd generation partnership project，3GPP）提供了一种面向0.5～100 GHz 的通用信道建模方法，体现了GSCM 对毫米波频段具备一定兼容性[5]。同时，文献[63]将毫米波新特性纳入UAV 信道建模过程，使GSCM 具备对大规模天线阵列的支持。文献[64]考虑了UAV 飞行过程俯仰角的大幅变化，提出一种支持任意三维轨迹及机身姿态的GSCM。总体而言，GSCM 的模型框架比较灵活，辅以RT 方法还能实现适度复杂度的特定场景和动态场景的信道建模。事实上，METIS，mmMAGIC 和5GCMSIG 等标准化模型就借鉴了RT 方法，对相邻GSCM 参数进行内插，实现了动态场景信道平滑过渡。相较于其他类型的信道模型，GSCM 具有模型通用性强、散射体信息全面等优势，适合针对信道的小尺度衰落展开研究。

4 未来发展与关键技术

4.1 基于机器学习的信道实测数据分析

针对实际传播场景获取信道参数，是UAV 毫米波信道模型运行准确的关键技术之一。利用RT 方法对毫米波传播参数预测比较准确，但难以体现UAV 快速时变环境的随机性和非平稳性。机器学习技术的本质是凭借经验改善系统性能，利用智能算法从实际数据中获取规律。因此，利用实际测量或仿真产生大量信道数据，结合机器学习方法进行分析，是发现UAV 信道随机性和非平稳性内在机理的有效手段。

特别地，针对UAV 毫米波信道而言，新场景带来的信道特性变化目前都是未知的，利用机器学习方法对海量信道数据进行分析，能够更好地利用多径分量的空间及角度信息和模型参数之间的内在关联发掘新特性。例如，文献[65]使用核功率密度的聚类算法将多径分量科学地划入不同的簇，进而将基于散射簇的信道模型应用于大规模输入输出系统；文献[66]采用随机森林及K 最邻近算法，对RT 仿真数据进行处理，得到了优于传统方法的信道参数估计结果。将通过机器学习方法得到的信道参数与目前已有的信道模型进行有机结合的思路，有望成为未来UAV 毫米波信道建模的主流方法。

4.2 多场景高动态高频段三维信道模型

UAV 飞行环境复杂，执行任务种类繁多，加上毫米波通信频段跨度非常大，要求信道模型框架具有普适性和灵活度。现有模型框架一般服务于sub‑6 GHz 通信系统，散射体的位置由固定的几何关系或数学分布产生，难以满足UAV 信道多场景、高移动、高频段和超宽带的信道建模需求。如何对现有方法进行合理的扩展与融合，科学搭建灵活的模型框架，是未来UAV 毫米波信道建模的重要前提。例如，文献[64]提出的支持任意轨迹和天线姿态的非平稳UAV 信道模型，为UAV 毫米波三维信道模型框架构建提供了参考。

UAV 空间位置与飞行姿态的捷变性将导致信道状态的快速动态变化，信道呈现明显的非平稳特性，信道参数也具有快速时变特性，因此探究非平稳信道模型的新特性以及信道参数的时间演进规律十分重要。例如，文献[56]在到达角和离开角的计算中引入时间参数，使信道模型具有时变特性；文献[67]提出了一种改进的非平稳信道模型并对参数的计算方法进行了研究，通过积分项的引入改善了时变多普勒频率参数的不连续性。文献[68]基于RT 技术，对毫米波频段UAV 信道的参数进行了分析，并研究了时延扩展和离开、到达角分布等特性。新一代的标准化UAV 毫米波信道模型需要同时科学精准地表征毫米波信号传播特性和三维快速时变场景的非平稳特性，合适的模型框架和参数演进算法都至关重要。

4.3 大规模天线阵列三维波束跟踪对准

毫米波波束宽度随着大规模天线阵列规模增加而变窄，虽然可以获得极高的增益，但是窄波束指向性系统对收发端的快速移动非常敏感。因此，UAV 毫米波通信链路在飞行任务中将一直处于波束不断扫描和校准的过程，将毫米波三维波束动态跟踪与信道模型相结合，也是未来UAV 毫米波信道建模的关键技术。

目前，针对搭载天线阵列的UAV 毫米波三维波束动态跟踪技术已获得研究人员的高度关注。例如，文献[69]对UAV 通信场景下的毫米波波束跟踪算法进行了研究，通过量化空间角度并改进正交匹配追踪算法，在不提高系统复杂度的情况下实现了频谱效率的有效提升。文献[70]提供了一种面向UAV 毫米波通信的波束对准策略，通过引入离散傅里叶拟变换构造具有平顶特性的训练波束以跟踪UAV 的抖动，结合波束赋形和几何贪婪算法，该方法的精度和效率得到了证明。特别地，文献[71]提出了一种基于高斯双波束的波束对准方案，并基于三状态马尔科夫链实现了信道建模，模型状态连接比率与实测数据具有一致性。对大规模阵列天线及三维波束跟踪对准技术的兼容，是UAV 毫米波通信系统广泛应用的前提条件，也有望成为未来信道建模中必不可少的环节。

5 结束语

UAV 毫米波通信作为未来极具潜力的通信技术，在空中基站、无线中继、应急通信以及战场通信等方面得到了越来越多的关注。构建精确符合真实场景的无人机毫米波信道模型，是实现高效可靠的无人机通信系统的理论基础，也是测试和评估通信系统的重要依据。本文提出了无人机毫米波信道建模面临的新需求与挑战，并总结了当前常见的无线信道建模方法，包括确定性和统计性建模方法的特点以及局限性。在此基础上，分析比较了面向无人机场景的主流信道模型，并总结了未来值得深入研究的信道建模关键技术，为未来建立标准化无人机毫米波信道模型提供了重要参考。