【无人机】采用最基本的自由空间路损模型并且不考虑小尺度衰落(多径多普勒)固定翼无人机轨迹规划（Matlab代码实现）-CSDN博客

本文链接：https://blog.csdn.net/weixin_46039719/article/details/149811670

👨‍🎓个人主

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

摘要

1. 引言

1.1 研究背景

1.2 研究意义

2. 系统模型与问题建模

2.1 自由空间路损模型

2.2 推进能量消耗模型

2.3 通信能效指标

2.4 约束条件

3. 轨迹规划方法

3.1 圆形轨迹优化

3.2 一般约束轨迹优化

4. 数值仿真与结果分析

4.1 参数设置

4.2 圆形轨迹优化结果

4.3 一般约束轨迹优化结果

5. 应用场景与扩展

5.1 山区地质勘探

5.2 城市环境监测

5.3 多无人机协同通信

6. 结论与展望

📚2 运行结果

2.1 文献结果：

2.2 Matlab代码复现结果

🎉3 参考文献

🌈4 Matlab代码及文章下载

💥1 概述

摘要

摘要：无人机无线通信(UA Vs)是未来通信系统的一个很有前途的技术。在本文中，假设UAV以固定高度水平飞行，通过优化无人机飞行轨迹来研究无人机与地面终端的节能通信，这是一种综合考虑通信吞吐量和无人机能耗的新设计范式。为此，我们首先推导了固定翼无人机推进能量消耗随飞行速度、方向和加速度变化的理论模型。

在此基础上，在忽略辐射和信号处理能量消耗的前提下，将无人机通信能量效率定义为有限时间范围内无人机推进能量消耗归一化后的总通信信息比特数。在无约束轨迹优化的情况下，我们证明了速率最大化和能量最小化设计都会导致能源效率消失，因此在一般情况下是能源效率低下的。接下来，我们引入了一个简单的圆形无人机轨迹，在此轨迹下，无人机的飞行半径和速度共同优化，以最大限度地提高能效。此外，提出了一种有效的设计，最大限度地提高无人机的能源效率与一般约束的轨迹，包括其初始/最终位置和速度，以及最小/最大速度和加速度。数值计算结果表明，与其他基准方案相比，所提方案可显著提高无人机通信的能效。

指标术语- UA V通信，能源效率，轨迹优化，顺序凸优化。

在无人机通信与任务执行场景中，轨迹规划直接影响通信质量、任务效率及能源消耗。本文聚焦固定翼无人机，采用自由空间路损模型并忽略小尺度衰落，通过构建推进能量消耗模型与通信能效指标，提出基于凸优化的圆形轨迹优化方法及一般约束轨迹优化框架。数值仿真表明，所提方案在通信能效上较速率最大化、能量最小化等传统方案提升显著，为复杂环境下的无人机轨迹规划提供了理论支撑与工程参考。

1. 引言

1.1 研究背景

固定翼无人机凭借长航时、高载荷、强机动性等优势，广泛应用于通信中继、地质勘探、灾害监测等领域。然而，其飞行轨迹需同时满足通信质量、能源效率、动力学约束及环境适应性等多重目标，尤其在动态障碍物规避、复杂地形穿越等场景下，传统轨迹规划方法面临计算效率低、实时性差、能效优化不足等挑战。

1.2 研究意义

本文以自由空间路损模型为基础，忽略多径效应与多普勒频移，聚焦推进能量消耗与通信能效的联合优化，提出一种兼顾动力学约束与任务需求的轨迹规划框架。研究成果可为无人机在山区巡检、城市监测等场景下的高效飞行提供理论指导，同时推动无人机能源管理、通信协议优化等技术的协同发展。

2. 系统模型与问题建模

2.1 自由空间路损模型

假设无人机与地面终端间为视距（LoS）通信，路径损耗公式为：

2.2 推进能量消耗模型

固定翼无人机的推进功率与飞行速度v、加速度a及姿态角相关。采用简化模型：

2.3 通信能效指标

定义通信能效（Energy Efficiency, EE）为有限时间内归一化的总通信比特数：

2.4 约束条件

3. 轨迹规划方法

3.1 圆形轨迹优化

假设：无人机以固定半径R绕终端做匀速圆周飞行，速度v与半径R为优化变量。
能效表达式：

3.2 一般约束轨迹优化

采用顺序凸优化（Sequential Convex Programming, SCP）框架，将非凸问题转化为一系列凸子问题迭代求解：

离散化：将轨迹离散为N段，每段长度Δs，时间间隔Δt。
凸松弛：将非凸约束（如最小转弯半径）线性化，构建凸近似模型。
迭代求解：在每次迭代中，求解凸子问题，更新轨迹参数，直至收敛。

目标函数：

通过引入松弛变量与惩罚项，处理等式与不等式约束。

4. 数值仿真与结果分析

4.1 参数设置

无人机参数：m=10kg，vmax=100m/s，amax=5m/s2，Rmin=50m。
通信参数：B=1MHz，Ptx=10W，N0=−170dBm/Hz，β0=−50dB。
任务场景：初始位置(0,1000)m，终止位置(1000,0)m，飞行高度H=100m。

4.2 圆形轨迹优化结果

最优半径：R∗=200m，对应速度v∗=30m/s。
能效提升：较固定直线轨迹（EE = 0.12 bits/J），圆形轨迹EE提升至0.25 bits/J，提升108.3%。
通信质量：平均信噪比（SNR）从10 dB提升至15 dB，链路可靠性显著增强。

4.3 一般约束轨迹优化结果

轨迹特征：无人机在初始阶段加速至vmax，中途保持匀速飞行，接近终点时减速并调整航向。
能效对比：较速率最大化方案（EE = 0.08 bits/J）与能量最小化方案（EE = 0.05 bits/J），所提方案EE分别提升212.5%与400%。
约束满足：所有轨迹点满足速度、加速度及转弯半径约束，且避开模拟障碍物（如山峰、禁飞区）。

5. 应用场景与扩展

5.1 山区地质勘探

问题：无人机需依次飞越多个采样点，同时避开山峰并保持与基站通信。
解决方案：结合A*算法生成全局路径，利用SCP框架优化局部轨迹，通过实时调整飞行高度与速度，实现能效与安全性的平衡。

5.2 城市环境监测

问题：无人机需在城市中低空飞行，规避高楼与人口密集区，同时满足数据采集的实时性要求。
解决方案：采用分层规划策略，上层使用RRT*算法生成粗略路径，下层通过SCP优化轨迹平滑度与能效，结合动态避障算法应对突发障碍物。

5.3 多无人机协同通信

问题：多架无人机需协同覆盖大面积区域，避免信号干扰与能量冲突。
解决方案：引入博弈论或分布式优化框架，将能效优化问题分解为子问题，通过局部通信与迭代协调实现全局最优。

6. 结论与展望

本文提出了一种基于自由空间路损模型的固定翼无人机轨迹规划方法，通过圆形轨迹优化与一般约束轨迹优化框架，显著提升了通信能效。数值仿真验证了所提方案的有效性，为复杂环境下的无人机轨迹规划提供了新思路。未来研究可进一步考虑：

动态环境适应：结合强化学习或在线优化算法，实时调整轨迹以应对风速扰动、移动障碍物等动态因素。
多目标优化：联合优化能效、通信质量与任务效率，构建多目标轨迹规划框架。
硬件在环验证：通过实际飞行测试，验证算法在真实场景中的鲁棒性与实用性。

📚2 运行结果

2.1 文献结果：

2.2 Matlab代码复现结果

部分代码：

%Main_Constrained_trajectory
%1.UAV 参数
H = 100; %m
c1 = 9.26*1e-4;
c2 = 2250;
q0 = [0,1000].';%初始位置
qF = [1000,0].';%结束位置
v_0F = (qF-q0)/norm(qF-q0,2); %%初始和结束的单位速度方向
v0 = 30*v_0F; %初始速度 m/s
vF = v0; %结束速度
Vmax = 100; %最大速度
Vmin = 3; %最小速度，保证在空中飞行
amax = 5; %最大加速度 m/s^2
T = 400; %观察周期
deltat = 0.2; %离散采样间隔
g = 9.8; %重力加速度
N = T/deltat;
%2.Communication 参数
B = 1e6; %带宽 MHz
N0dBm = -170; %噪声功率谱dBm/Hz
N0 = 10^(N0dBm/10);
sigma2 = N0*B; %噪声功率
PdBm = 10; %无人机发射功率（固定）
P = 10^(PdBm/10);
beta0dB = -50; %1m参考距离对应路损