ОПТИМІЗАЦІЯ ШВИДКОСТІ ПОЛЬОТУ БЕЗПІЛОТНОГО ЛІТАЛЬНОГО АПАРАТА ПІД ЧАС ВЕДЕННЯ РАДІОМОНІТОРИНГУ
DOI:
https://doi.org/10.46972/2076-1546.2025.28.01Ключові слова:
безпілотний літальний апарат, радіомоніторинг, радіочастотний спектр, швидкість польоту, інтервал аналізуАнотація
На сьогодні малорозмірні безпілотні літальні апарати все частіше використовують для ведення радіомоніторингу. Їх переміщення відносно джерела радіовипромінювання призводить до мінливості рівня прийнятого сигналу. Це пов’язано з дрібномасштабними завмираннями сигналу, які проявляються під час такого переміщення лише на половину довжини хвилі несучої частоти радіосигналу. Для зменшення впливу цього фактора на роботу алгоритмів, які використовують амплітудні методи пеленгування і через свою простоту часто застосовуються на безпілотних літальних апаратах, необхідно оптимізувати швидкість їх польоту. Метою статті є розроблення математичного апарату для розрахунку оптимальної швидкості польоту безпілотного літального апарата під час панорамного радіомоніторингу в умовах дрібномасштабних завмирань.
У ході досліджень як критерій оптимізації визначено максимізацію площі огляду засобу радіомоніторингу, що залежить від дальності виявлення джерел радіовипромінювання та швидкості польоту безпілотного літального апарата. Встановлено залежність між швидкістю його польоту та тривалістю вибірки сигналу для зменшення впливу завмирань на помилки оцінювання рівня прийнятого сигналу. Отримано аналітичний вираз, що пов’язує площу огляду безпілотного літального апарата зі швидкістю його польоту та частотою радіосигналу, описаного монотонною зростальною функцією від швидкості польоту. Встановлено, що для виявлення максимальної кількості джерел радіовипромінювання безпілотний літальний апарат повинен рухатися з максимальною можливою швидкістю. При цьому тривалість вибірки сигналу розраховуємо для цієї швидкості та максимальної частоти сигналу. Запропоноване рішення дозволить за заданий час польоту безпілотного літального апарата виявляти максимальну кількість джерел радіовипромінювання.
Посилання
Chen, F., Rezatofighi, S. H., & Ranasinghe, D. C. (2024). GyroCopter: Differential Bearing Measuring Trajectory Planner for Tracking and Localizing Radio Frequency Sources. Computer Science. Robotics. https://doi.org/10.48550/arXiv.2410.13081
Dressel, L., & Kochenderfer, M. J. (2018). Pseudo-bearing Measurements for Improved Localization of Radio Sources with Multirotor UAVs. In IEEE International Conference on Robotics and Automation. Brisbane. QLD, Australia,. (pp. 6560–6565). https://doi.org/10.1109/ICRA.2018.8460734
Hoffmann, F., Schily, H., & Krestel, M. et al. (2023). Non-myopic Sensor Path Planning for Emitter Localization with a UAV. In 26th International Conference on Information Fusion. https://doi.org/10.23919/FUSION52260.2023.10224174
Dressel, L., Kochenderfer, M. J. (2019). Hunting Drones with Other Drones: Tracking a Moving Radio Target. In International Conference on Robotics and Automation. Montreal. QC, Canada. (pp. 1905–1912). https://doi.org/10.1109/ICRA.2019.8794243
Zhyla, S., Popov, A., Tserne, E. et al. (2023). UAV-born Narrowband Radar Complex for Direction Finding of Radio Sources. In 13th International Conference on Dependable Systems, Services and Technologies. Athens, Greece. (pp. 1–6). https://doi.org/10.1109/DESSERT61349.2023.10416434
Kwon, H., & Guvenc, I. (2023). RF Signal Source Search and Localization Using an Autonomous UAV with Predefined Waypoints. In IEEE 97th Vehicular Technology Conference (VTC2023-Spring). Florence, Italy. (pp. 1–6). https://doi.org/10.1109/VTC2023-Spring57618.2023.10200783
Sklar, B. (2003). Digital Communications. Fundamentals and Applications. (2nd ed.). Prentice Hall.
Recommendation ITU-R P.1406-2. (07/2015). Propagation Effects Relating to Terrestrial Land Mobile and Broadcasting Services in the VHF and UHF Bands P Series Radiowave Propagation.
Goldsmith, А. (2020). Wireless Communications. (2nd ed.). Stanford University.
Lu, S., May, J., & Haines, R. (2014). Efficient Modeling of Correlated Shadow Fading in Dense Wireless Multi-hop Networks. In Wireless Communications and Networking Conference (WCNC). (pp. 311–316). https://doi.org/10.1109/WCNC.2014.6951986
Karagiannis, G. A., & Panagopoulos, A. D. (2019). Dynamic Lognormal Shadowing Framework for the Performance Evaluation of Next Generation Cellular Systems. Future Internet, MDPI, 11 (5), 1–18. https://doi.org/10.3390/fi11050106
Liu, X., Guan, M., Zhang, X., & Ding, H. (2018). Spectrum Sensing Optimization in an UAV-Based Cognitive Radio. IEEE Access., 6, 44002–44009. https://doi.org/10.1109/ACCESS.2018.2862424
Zhang, J. et al. (2023). Spectrum and Energy Efficient Multi-antenna Spectrum Sensing for Green UAV Communication. Digital Communications and Networks, 9, 4, 846–855. https://doi.org/10.1016/j.dcan.2022.09.017
Yan, L., Cai, Y., & Wei, H. (2024). Unmanned Aerial Vehicle-assisted Wideband Cognitive Radio Network Based on DDQN-SAC. EURASIP J. Adv. Signal Process, 43. https://doi.org/10.1186/s13634-024-01141-3
Wang, W., & Peng, J. (2022). Cooperative Spectrum Sensing Algorithm for UAV Based on Deep Learning. In IEEE 96th Vehicular Technology Conference. London, United Kingdom. (pp. 1–5). https://doi.org/10.1109/VTC2022-Fall57202.2022.10013034
Tekbıyık, K., Kurt, G. K., & Lesage-Landry, A. (2024). Federated Learning for UAV-Based Spectrum Sensing: Enhancing Accuracy Through SNR-Weighted Model Aggregation. Computer Science. https://doi.org/10.48550/arXiv.2411.11159
Gul, N., Kim, S. M., Ali, J., & Kim, J. (2023). UAV Aided Virtual Cooperative Spectrum Sensing for Cognitive Radio Networks. PLoS ONE, 18 (9). https://doi.org/10.1371/journal.pone.0291077
Wu, J. et al. (2021). Optimisation of Virtual Cooperative Spectrum Sensing for UAV-based Interweave Cognitive Radio System. IET Commun, 15, 1368–1379. https://doi.org/10.1049/cmu2.1210
Buhaiov, M. V. (2024). Matematychna model pryiniatoho syhnalu panoramnym zasobom radiomonitorynhu na bezpilotnomu litalnomu aparati [Mathematical Model of the Received Signal by Panoramic Means of Radio Monitoring on an Unmanned Aerial Vehicle]. Vseukr. mizhvidomchyi nauk.-tekhn. zbirnyk ‟Radiotekhnika” [All-Ukrainian Interdepartmental Scientific and Technical Collection "Radio Engineering"], 219. https://doi.org/10.30837/rt.2024.4.219.09 [in Ukrainian].
Kay, S. M. (1998). Fundamentals of Statistical Signal Processing: Detection theory. Vol. 2. Prentice Hall, New Jersey.
Zhang, W. (2019). Handbook of Cognitive Radio. Springer. https://doi.org/10.1007/978-981-10-1394-2
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
