无人机辅助多模态三维信道知识地图构建系统及方法

本发明涉及无线通信与信道测量，具体涉及一种无人机辅助多模态三维信道知识地图构建系统及方法。

背景技术：

1、随着低空经济（low-altitude economy, lae）的快速发展，以无人机（unmannedaerial vehicle, uav）和电动垂直起降飞行器（electric vertical take-off andlanding, evtol）为代表的低空飞行器在物流配送、城市巡检、应急搜救、环境监测和城市空中交通等领域呈现出规模化应用趋势。低空无线网络（low-altitude wirelessnetwork, lawn）作为低空经济的关键信息基础设施，需要为低空飞行器提供高可靠、低时延、全覆盖的通感一体化服务。然而，城市低空环境具有建筑密集、电磁传播复杂、飞行器高速机动和机载资源受限等显著特征，使得低空无线信道的精确测量与建模面临严峻挑战，直接影响低空通信链路的可靠性和网络规划的合理性。

2、信道知识地图（channel knowledge map, ckm）作为第六代移动通信（6g）的关键使能技术之一，是一种将信道参数与空间位置相关联的数据驱动型无线环境映射方法，能够为低空通信网络提供先验的信道状态信息，支撑网络覆盖优化、自适应波束赋形和预测性资源调度。然而，现有方法多依赖纯仿真或理论信道模型（如射线追踪和经验路径损耗模型），缺乏基于实际物理测量的真实信道数据支撑。仿真模型受限于对复杂城市环境的简化假设，难以精确刻画低空三维空间中信道参数的精细化分布特征，导致构建的信道知识地图与实际环境存在系统性偏差。

技术实现思路

1、针对以上问题，本发明设计了一种无人机辅助测量的多模态三维信道知识地图构建系统及方法，以自行搭建的无人机飞控平台为载体，整合软件无线电收发平台、高精度rtk定位模块、激光雷达与多频天线等模块，通过专用测量序列收发机制和slam建图算法，对低空区域中的接收信号强度（rss）和环境结构点云进行高效采集。在此基础上，利用三维空间插值算法进行稀疏采样信号下的rss点云重构，并在三维点云可视化分析工具中完成三维rss地图与建筑物分布地图的有效融合及可视化显示，最终实现从低空多模态环境数据稀疏采集到三维信道知识地图的高精度构建。测试结果表明，本系统能够有效提升复杂低空环境中稀疏信号测量条件下无线环境信息获取的准确性，为未来面向6g的低空无线网络赋能低空经济提供了工程参考。

2、本发明的技术方案如下：

3、本发明提出的一种无人机辅助多模态三维信道知识地图构建系统，采用“地面发射—空中采集—离线融合”三段式协同架构，由地面站发射子系统、无人机机载采集子系统和离线后处理子系统三大部分组成。

4、地面站发射子系统由pc主机和软件无线电收发平台构成，采用基于图形化编程的开发环境生成具有恒包络和零循环自相关特性的专用探测序列，通过发射天线在指定频段进行连续循环发射，为信道测量提供标准化的射频信号。

5、无人机机载采集子系统以四旋翼无人机为飞行平台，搭载激光雷达、高精度rtk定位模块、软件无线电接收端和高性能嵌入式计算平台。机载软件基于多节点分布式通信架构，集成激光雷达驱动节点、rtk定位驱动节点、激光惯性slam建图节点、地面遥控器监测节点和rss计算模块，实现多源传感器数据的时空同步采集、环境三维建图和信道参数实时计算。同时设计了基于遥控器控制信号的一键启停控制机制——开关开启时自动启动建图与采集节点，开关关闭时触发数据保存与进程安全终止。

6、所述高精度rtk定位模块通过串口实时上传无人机三维高精度位置坐标；激光雷达同步采集环境三维点云数据并传输至嵌入式计算平台中；嵌入式计算平台运行slam算法，通过融合激光雷达与惯性数据完成高精度slam建图，并实现rtk位置、点云与信道测量数据的时序同步；软件无线电接收模块接收空间射频信号，采集信道脉冲响应原始数据并上传至嵌入式计算平台。随后，嵌入式计算平台从信道脉冲响应中提取rss，并按固定时间间隔同步保存位置坐标与rss测量值，形成稀疏采样数据。无人机飞行平台作为机载硬件载体，可通过遥控器控制飞行航线或按设定路径飞行，并控制信号采集和slam建图任务的启动与保存。各模块分工协作，共同完成真实低空环境下的多模态信息采集与三维信道知识地图构建。

7、离线后处理子系统采用高级编程语言环境运行，包括基于球状变异函数模型的三维空间插值模块和多模态点云融合与可视化模块，将稀疏rss采样数据重建为连续三维信道分布图，并与slam环境点云融合生成包含空间结构与电磁特性的完整多模态信道知识地图。

8、本发明还提供一种无人机辅助多模态三维信道知识地图构建方法，利用上述的系统，包括以下步骤：

9、（1）地面站通过软件无线电发射端以固定功率循环发射专用测量序列，发射端采用循环发送模式，连续向空间辐射测量信号；

10、（2）无人机完成rtk定位初始化后沿预设三维飞行轨迹运动，由高精度rtk定位模块实时提供厘米级空间坐标；

11、（3）无人机搭载的软件无线电接收模块对空间射频信号进行下变频和基带采样后，采用频域互相关方法提取各采样位置的rss值；

12、（4）激光惯性slam建图模块融合激光雷达点云与imu惯性测量数据，实时构建三维环境结构点云地图，并将点云地图中的测量位置坐标与对应rss值记录为稀疏rss采样数据集；

13、（5）离线端基于三维空间插值算法对稀疏rss采样数据进行空间补全，重建连续三维rss空间分布图；

14、（6）将重建的rss分布与slam环境点云在统一坐标系下融合，生成多模态三维信道知识地图。

15、优选地，上述三维空间插值方法包括：利用地统计学变异函数模型描述rss参数在三维空间中的统计相关性结构，通过求解最优加权线性方程组获取未采样位置的rss估计值，并同步输出估计方差作为插值不确定性的量化指标；通过在三维空间中以等间距网格方式执行插值，将稀疏采样点重建为连续的三维rss空间分布图，网格分辨率由用户根据精度需求自定义。该方法的优势在于利用有限稀疏采样点即可重建完整的信道参数分布场，在显著降低测量工作量的同时保证预测精度，并提供空间不确定性的量化评估。

16、优选地，上述步骤（6）包括以下具体步骤：

17、步骤一：将空间插值后的rss网格数据转换为以空间坐标为球心、rss归一化值为颜色映射依据的球状彩色点云单元，采用蓝-绿-黄-红伪彩色渐变方案表达信号强度的三维空间分布；冷色调表示弱信号覆盖或遮蔽区域，暖色调表示信号覆盖良好区域。

18、步骤二：将彩色rss球状点云集合与slam构建的环境结构点云在局部enu坐标系下进行空间对齐和拼接；由于rss球状点云集合和环境结构点云均以局部enu坐标系为空间参考（原点为rtk基准站位置），两者自然在统一坐标系下对齐，无需额外的坐标变换。

19、步骤三：融合点云可视化。将拼接后的多模态融合点云导入通用三维点云可视化分析平台，支持旋转、缩放、平移等交互式浏览操作。用户可通过观察暖色rss点云与环境结构点云中建筑物位置的遮挡对应关系，直观分析信号遮蔽效应与物理障碍物之间的因果关系。

20、步骤四：格式化导出。融合后的多模态信道知识地图支持导出为标准点云文件格式（ply、pcd），每点包含三维空间坐标和颜色属性信息，供后续定量分析和第三方平台展示使用。

21、优选地，上述无人机飞行高度范围为5～30米，飞行速度为1～2 m/s，rss采样周期为1秒，稀疏rss采样数据集的训练点数量为70～100个，采样密度为0.7%～1.0%。

22、优选地，上述地面站发射子系统发射的探测序列长度为1024点，保护间隔为256点，中心频率为2.4 ghz。

23、与现有技术相比，本发明具有以下有益效果：

24、第一，基于实际物理测量的三维信道知识地图构建。 不同于纯仿真或理论分析的技术路线，本发明系统性地搭建了包含地面发射站和无人机采集平台的完整物理测量系统，使用实际采集的信道数据（而非仿真数据）构建rss信道知识地图。所构建的信道知识地图紧密反映实际低空信道特性，为低空无线网络规划和信道研究提供了真实可靠的数据基础，避免了纯仿真方法因环境简化假设而产生的系统性偏差。

25、第二，实现三维空间（含垂直维度）信道参数的系统性采集。 本发明通过无人机飞行平台在5～30米高度范围沿三维轨迹飞行，以1秒周期同步采集rss值及对应三维空间坐标，有效捕获了低空信道参数在垂直维度上的变化规律，弥补了传统地面二维测量方案在垂直维度信息获取上的不足，为三维信道知识地图的构建提供了完整的空间采样覆盖。

26、第三，基于空间插值的稀疏采样高效补全。 本发明采用地统计学中的最优线性无偏空间插值估计方法进行三维空间插值，充分利用信道参数的空间相关性结构，从有限稀疏采样点（推荐70～100个训练点，采样密度0.7%～1.0%）重建连续完整的三维rss分布图，在保证预测精度（rmse约4.13～4.14 db，与全数据集精度仅差0.18～0.19 db）的同时显著降低了测量工作量。本方法同时提供每个估计点的预测方差，量化了插值结果的空间不确定性。

27、第四，激光slam环境点云与rss电磁分布的多模态创新融合。 本发明首次将激光雷达slam构建的高精度三维环境结构点云与空间插值重建的rss空间电磁分布图在统一坐标系下进行融合，构建了同时包含物理几何信息和电磁传播特性的完整多模态信道知识地图。该融合结果可直观展示信号强度在三维空间中的分布特征与物理建筑遮挡之间的因果关系，为低空通信网络的覆盖优化和基站部署提供了极具价值的可视化决策工具。

28、第五，模块化可扩展的系统架构。 系统各功能模块之间通过标准化数据通信接口或文件i/o接口实现松耦合连接，可独立开发、测试和升级。系统架构支持灵活扩展：可增加多架无人机实现多机协同采集以提升覆盖范围与效率；可替换空间插值模块为基于深度学习的信道推断模型；可扩展支持除rss之外的其他信道参数（如信道脉冲响应cir、角度功率谱等）的测量与融合。