无人机集群通信综述：场景、关键技术与仿真参数指南

简介《无人机集群通信技术最新进展及发展动向》是一份面向电子通信、无人机集群与无线网络方向研究生、科研人员及工程技术人员的学术文献围绕集群协同、感知决策与系统鲁棒安全等需求梳理该领域仍待深入探讨的通信问题。内容从无人机集群概念与优势切入分析研究现状并结合典型应用场景讨论信号增强、移动边缘计算、联邦学习、物理层安全等关键技术最后展望发展趋势。资源包共1个PDF文件大小约924KB便于检索、阅读与引用。已有113人学习适合用于课题选题、文献综述、技术路线论证及工程方案预研可帮助读者快速建立无人机集群通信的知识框架并把握关键问题。1. 从单机到集群一份 2023 年的综述能给你哪几块拼图单机做电子通信中继飞上天就发现两个硬伤机载能量和发射功率都不够覆盖半径和驻留时间一算就露底。无人机集群通信正是冲着这两个短板来的——多机协同、分布式组网、簇头汇聚把载荷、覆盖和鲁棒性一起往上抬。这份资源是一篇网络首发的综述围绕应用场景与关键技术两条线展开把信号增强、移动边缘计算、联邦学习、物理层安全四类落地场景和 NOMA、RIS、协同波束成形、航迹规划四项支撑技术串在一起。它解决的是“方案选型和参数设定没有依据”的问题适合正在做集群组网方案、要给仿真找初始参数、或者准备开题的人。它不是教程没有一行能直接跑的代码价值在于把散在几十篇文献里的假设、指标和瓶颈摊开让你少走几段弯路。2. 四个应用场景的落地判据每一类该盯住哪个指标把综述读成施工图的第一步是把“应用场景”翻译成“指标 约束”。原文列了信号增强、MEC、联邦学习、物理层安全四块每块对应的优化变量和评价指标完全不同混着看很容易得出互相矛盾的结论。常见做法是先认场景再认指标最后才去挑技术。2.1 信号增强簇头汇聚率被三件事同时卡住这个场景的结构很清楚多架成员机分散在空间不同位置收集信号汇总到簇头机簇头再回传给远端基站。为什么要分簇而不是所有机直连基站原文给了工程理由——回程链路资源有限几十架机同时跟地面站或卫星建链成本直接爆炸。引入簇之后只有簇头占用回程成员机走短距链路这是整个架构的经济性来源。真正决定效果的是三个变量。第一是几何成员机到簇头的距离决定单跳路径损耗而成员机是被任务牵着走的不是你想放哪就放哪所以轨迹优化和簇头选址必须一起做。第二是簇头选举谁当簇头、当多久、要不要轮换直接关系到能量消耗是否均衡。第三是回程带宽簇头汇聚得再多回传链路撑不住一样白搭。落地时我会按这个顺序推先在覆盖缺口上画出必须补盲的区域再在区域内撒簇头候选点然后用续航和避障约束裁剪候选集最后跑一遍汇聚率随簇规模变化的曲线。汇聚率可以粗略定义为成功汇聚到簇头的数据量与成员机产生数据量之比仿真时把链路中断和簇头接收上限都算进去曲线会出现一个拐点簇规模超过它之后汇聚率反而下降——这个拐点就是你的簇规模上限。簇规模单跳距离量级回程压力汇聚率趋势5 架以内短链路稳低随规模上升612 架中等中等接近拐点12 架以上长边缘机易断链高开始回落遮挡严重的场景单靠几何优化不够原文提到把协同波束成形和 RIS 引进来前者用多机合成定向波束补增益后者靠反射绕开遮挡。我的经验是小规模十架以内先试协同波束成本低见效快大范围非视距环境再上 RIS因为 RIS 的部署和相位对齐本身要占运维精力。2.2 移动边缘计算先算清时延和能耗两本账三层架构是用户设备—无人机—地面基站。用户设备算不动或者到基站的链路被遮挡就把计算密集任务卸到无人机无人机算力也有限再通过中继把一部分任务转到地面机房里算力更强的服务器。原文强调的“非粒度加载”说白了就是任务可以拆一部分本地跑、一部分机上跑、一部分地面跑不是非此即彼。时延账要按串行和并行分开算。本地计算时间约等于任务 CPU 周期数除以本地算力卸载传输时间约等于数据量除以链路速率边缘计算时间约等于周期数除以边缘算力。三段串起来是总时延能并行的部分再取最大值。这里最容易翻车的地方是只算传输不算排队真实系统里多架机抢同一段频谱排队时延在负载高的时候能占一半以上。能耗账更关键。原文说得很直白机上装边缘服务器会增加负载和能耗而计算相关能耗通常比通信能耗更大这会直接缩短续航。所以优化目标不能只写最小化时延得写成时延和能耗的加权或者干脆以“服务时长”为主指标。我一般会先把卸载比例、带宽分配、飞行轨迹三个变量列出来固定两个调一个看哪个是瓶颈再决定要不要上联合优化——联合优化公式漂亮但收敛慢工程上未必划算。操作步骤可以这么走先做任务画像把每个任务的 CPU 周期、数据量、时延上限列成表再定卸载策略的候选集合全本地、全卸载、按比例拆然后分配带宽和发射功率最后叠上轨迹约束求解。每一步的输出都要能单独回看否则联合优化出错时你根本不知道是哪一层崩的。2.3 联邦学习与物理层安全一个卡通信轮次一个卡干扰功率联邦学习这块无人机集群扮演的是中继和训练节点的双重角色。云端服务器下发训练任务无人机要么自己用采集到的数据本地训练要么把数据反馈给地面设备训练本地模型参数再经无人机回传聚合。原文点出的瓶颈很实在链路故障和节点缺失会拖垮精度因为模型参数要一轮一轮连续交换中间断一次就得等。衡量指标有三个每轮时延、达到目标精度所需轮次、总能耗。每轮时延大致是本地训练时间、上传时间、聚合时间三段的组合其中上传时间受模型参数大小和上行速率支配。优化手段原文提到几种——多机用 NOMA 在同一资源块上并行上传、簇头做连续干扰消除用无线携能传输边传边供能固定相对位置时联合优化计算速率和上下行持续时间。这些手段的共同前提是拓扑别乱动机群一散信道条件变了之前调好的参数全部作废。物理层安全是另一套逻辑。核心指标是保密容量写法是合法链路速率减窃听链路速率再取正部。原文描述的典型框架是协作友好干扰一部分无人机当中继传信息另一部分专门发人工噪声去干扰地面窃听者同时靠轨迹优化贴近合法用户、跟踪窃听者。这里有个必须提前想清楚的问题——多数研究假设窃听者位置已知真实场景里你根本不知道人在哪只能靠统计信道模型或者最坏情况假设。干扰功率也不是越大越好人工噪声压过主信号就是自扰工程上一般从总功率的一小部分起步边测边加。3. 四项关键技术的参数取舍NOMA、RIS、VAA 与航迹规划技术章节是这份资源里信息密度最高的部分。原文把 NOMA、RIS、协同波束成形、航迹规划列为支撑技术但没给具体参数得自己补。下面几组参数是我在仿真里反复调过的给的是起点值不是标准答案。3.1 NOMA功率分配系数和 SIC 解码顺序功率域 NOMA 的机制是发送端叠加编码、接收端连续干扰消除。下行链路里基站在同一正交资源块上把多个用户的信号叠起来发弱用户把共道干扰当噪声直接解自己的强用户先解弱用户再把自己的减掉。上行反过来基站按信道增益顺序依次解。这个过程能不能带来增益原文给了一个硬条件用户的信道条件要有足够差异性差异小的时候增益基本消失。参数上要定三样。功率分配系数弱用户分大功率、强用户分小功率两系数之和为 1起始可以试 0.7/0.3再看速率区域调。用户配对尽量挑信道增益差大的配一对。残余干扰因子SIC 不可能完全干净仿真里加个 0.010.1 的残余系数结果才接近真实。很多人仿真出来的 NOMA 增益高得离谱就是把 SIC 当成理想消除了。参数建议起点调参方向功率分配系数弱/强0.7 / 0.3差距拉大提升弱用户速率但强用户受损用户信道增益差≥ 10 dB低于阈值直接放弃 NOMASIC 残余干扰因子0.05越大越保守接近实测NOMA 的另一个短板是受传播环境限制信道条件改不了增益就有天花板。原文提到把它和 RIS 结合用相位调整人为制造信道差异这是个实用思路——不是所有场景都有天然近远用户。3.2 RIS相移矩阵怎么算空中部署受什么限制RIS 的物理本质是一堆低成本反射单元每个单元调振幅或相位让反射信号在目标方向相干叠加。相位取值按单元位置和目标方向算规则阵列下相邻单元的相位差是个固定量跟单元间距、波长、反射角有关。单元间距一般不超过半波长超了会出现栅瓣能量往不该去的地方跑。理论上 N 个单元相干合成接收功率增益是 N 的平方听起来很美好。但空中 RIS 有个绕不过去的约束无人机载荷有限单机可挂的单元数上不去孔径不够增益就打折。这正是原文主张 RIS 与集群结合的原因——多架机各挂一部分单元拼出等效大孔径。代价是各机之间的位置误差、姿态误差、相位同步全部要算进误差预算。实操步骤先按载频算半波长定单元间距再按单机载荷定单元数算理论增益然后依次扣掉相位量化损失13 bit 量化对应不同损失、姿态抖动损失、位置误差损失得到有效增益。别拿理论值写进方案那个数字在现场一次都对不上。3.3 协同波束成形VAA 的阵元间距、同步误差和漂移容限多架无人机各带一根天线同时发相同数据、相位对齐在远端起就等效成一个虚拟大阵列主瓣指向接收机旁瓣压住干扰和窃听方向。这套东西的技术门槛不在阵列理论在同步。相位对齐要求各机的时间和载波相位误差控制在波长的很小一部分以内机间距离越远、频率越高要求越苛刻。参数上首先是阵元间距规则排布时不超过半波长以避开栅瓣无人机位置随机分布的“随机阵列”反而能压低峰值旁瓣代价是主瓣增益的方差变大得用蒙特卡洛跑分布而不是算一个确定值。其次是主瓣宽度量级在波长除以阵列孔径孔径越大波束越窄对指向误差也越敏感。第三是同步误差预算把它折算成波束增益损失一般控制在 1 dB 以内比较稳。原文特别提到自然因素的威胁风一吹机位漂了波束就偏。补偿有两条路一是调激励权值把波束掰回来二是重新规划轨迹恢复阵型。前者快但补偿范围有限后者慢但彻底。我的习惯是两条都留接口短时扰动走权值补偿持续偏移走轨迹重规划。3.4 航迹规划最短路径算法和智能算法的分界线原文把航迹规划算法粗分成三类最短路径类Dijkstra、A*、智能算法类遗传、粒子群、混合智能类结合强化学习和深度学习。分界线其实很清楚——机数少、环境静态A* 足够机数上规模、维度高、约束非线性A* 的状态空间直接爆掉只能上群体智能需要在线实时响应动态障碍就得往强化学习方向走。选型之外约束条件才是血泪所在。机间最小安全间隔、续航、通信连通性保持这三条任何一个漏掉仿真出来的漂亮轨迹都没法飞。尤其是连通性约束集群飞散了链路断掉任务直接失败所以很多方案会在代价函数里加一项拓扑保持惩罚。机群规模环境特征推荐路线主要代价10 架以内静态已知A* / Dijkstra几乎无1050 架部分动态群体智能 滚动时域收敛时间50 架以上强动态多智能体强化学习训练成本高4. 把综述读成仿真工程三层建模与一张能直接填的参数表综述的结论不能直接抄因为你不知道作者的假设。想复现或者引用其中的数字得先把场景拆成层逐层对齐假设再动参数。4.1 三层建模信道层、拓扑层、任务层信道层决定一切的下界。空对地链路跟地面链路最大的区别是有没有视距。常见做法是用视距概率模型仰角越大视距概率越高再对视线和非视线两种情况分别套不同的路径损耗和阴影衰落。这一步偷懒后面全错——只按自由空间损耗算城市低空能高估十几 dB。拓扑层管的是谁连谁、谁是簇头、链路何时断。这一层要显式建模无人机移动带来的链路变化不能假设拓扑固定。簇头选举策略、重选举周期、断链重连时间都放在这层。任务层是你要优化的东西MEC 的卸载比例、联邦学习的轮次和聚合、物理层安全的保密率。三层分开写代码好处是改一层不影响另外两层坏处是接口要对齐比如信道层输出的信噪比要能被任务层直接调用。4.2 一张起点参数表下面这套值不是论文原值是我在同类仿真里常用的起步配置按场景微调。参数建议起点说明载频2 GHz / 5.8 GHz低频绕射好高频带宽大带宽10 MHzMEC 与 FL 场景均可用发射功率20 dBm机载受限别设太大噪声系数5 dB含馈线损耗飞行高度100 m兼顾视距概率与覆盖飞行速度10 m/s影响链路相干时间簇规模8 架超过拐点汇聚率回落路径损耗指数2.2视距/ 3.5非视距分开设阴影衰落标准差4 dB / 8 dB视距/非视距分开RIS 单元间距≤ 半波长防栅瓣SIC 残余因子0.05影响 NOMA 增益可信度联邦学习模型大小110 MB决定上传时延本地迭代次数520影响每轮时延和精度填完之后先跑一遍单链路链路预算把接收功率和信噪比打出来跟你手算的对一遍。这一步对不上后面所有曲线都别信。4.3 把结论对照回去复现前我会先列一张假设清单场景是静态还是动态、窃听者位置已知还是未知、信道信息是完整还是统计、CSI 反馈有没有时延、能量模型是理想电池还是衰减模型。原文明确指出现有物理层安全研究大多停留在非动态场景、假设窃听者位置已知、采用确定状态信道模型这三点正是仿真和现场差距最大的地方。你要引用的结论如果建立在这三条上就得在方案里写清楚适用边界。单位也是老坑。dB 和线性值混用、Hz 和 MHz 混用、秒和毫秒混用跑出来的图看着有趋势数值全错。我一般会在代码入口处统一成线性值和国际单位制输出时再转 dB。5. 复现排查清单五个最容易翻车的点与处置办法这一章是踩坑记录每条按现象、原因、解决写。现象一仿真里信噪比很漂亮实地一测掉十几 dB。原因基本是只用了自由空间路径损耗没算视距概率和阴影衰落城市低空遮挡严重非视距链路的损耗指数和阴影标准差都要高得多。处置办法是把链路拆成视距和非视距两支按仰角算视距概率做加权再把阴影衰落作为随机变量跑多次取分布别只跑一次取均值。现象二跑到后半程吞吐掉一半前面好好的。原因是簇头固定不换能量先耗尽或者位置漂移后成了链路瓶颈。处置是加簇头轮换机制设一个能量阈值触发重选举再给簇头加位置约束别让它跑出成员机的几何中心太远。轮换会带来额外的信令开销周期别设太短。现象三NOMA 的增益怎么调都出不来。先查用户信道增益差差不到 10 dB 就基本没戏配对了也白搭。再查 SIC 是不是被当成理想消除了加个残余干扰因子再看。还有一种情况是功率分配系数设反了弱用户该拿大功率拿反了直接退化成干扰。现象四RIS 相位对齐后增益只有理论值的一半甚至更少。原因通常是三个叠加相位量化位数不够、无人机姿态抖动没建模、单元间距超过半波长出了栅瓣。处置是先把相位量化降到实际位数13 bit再在信道里注入姿态误差最后核验单元间距。理论增益按 N 的平方写在论文里可以写进工程方案必须按有效孔径折减。现象五联邦学习每轮时延对不上实测。常见原因是只算了传输时间漏了排队和重传另一个是模型参数按双精度算大小实际部署多用单精度甚至压缩传输。处置是按单精度加压缩比重新算参数体积再把多机上行调度和重传次数放进时延模型高负载下排队时延能占到总时延的一半。还有一条不算翻车但很常见的误用把不同文献的结论直接横向比较。原文的对比表已经说明各篇覆盖的维度不同有的只做通信、有的只做物理层安全、有的带路径规划优化目标和约束都不一样数值放一起比没有意义。要比就先把假设对齐。6. 进阶用法把这篇综述拆成你自己的实验矩阵综述最容易被浪费的用法是读完就放下。真正有价值的是把它当索引拆成一张实验矩阵每个格子对应一组可验证的假设。我的做法是拿两个维度铺开横轴是应用场景信号增强、MEC、联邦学习、物理层安全纵轴是关键技术NOMA、RIS、协同波束成形、航迹规划交叉点上写清楚“这个组合要解决什么问题、指标是什么、原文里对应哪类假设”。铺完矩阵你会发现空白格子比满的格子多这些空白就是选题。比如 RIS 与联邦学习的组合原文明确说研究还不够多再比如窃听者位置未知条件下的物理层安全多数工作绕开了恰恰是工程上最需要的那一类。还有无人机速度和三轨迹、多 RIS 协同这些方向原文都点过但没展开。具体操作上我会先挑一个交叉点写三行要复现的指标、必须对齐的假设、允许偏离的范围。然后搭最小仿真只跑单链路和单簇验证链路预算对得上再加簇结构和移动性看指标随簇规模、速度、高度的变化曲线最后才叠优化算法。跳过前两步直接上联合优化跑出来的图好看但你解释不了任何一个拐点这在评审或者答辩现场是致命的。矩阵里还要留一列“反例”。比如 NOMA 在某些信道条件下增益为零协同波束在阵型漂移大时不如单机直连RIS 单元数不足时增益抵不过部署开销。这些边界条件写进去方案才立得住。我见过太多方案只报最好情况下的增益评审一问边界就哑了。还有一个技巧把原文里提到的每项技术对应的“优化变量”单独抽出来列成表——轨迹、功率、相移、簇头位置、卸载比例、训练轮次。你会发现不同场景优化的是同一批变量只是目标函数不同。这意味着你的仿真框架可以复用换的只是任务层的评估函数。省下来的时间可以拿去调信道模型那才是决定结果可信度的部分。说个自己的教训。早些年做集群中继的方案验证我图省事信道层直接套自由空间损耗拓扑层假设簇头不换跑出来的覆盖半径比实测大了将近一倍方案评审通过了外场一飞全线崩。从那以后我每次开新仿真都强制走一遍链路预算手算对照单链路对不上就不往下写一行代码。这个习惯看着笨省下的返工时间比什么都值。希望帮到你。本文还有配套的精品资源点击获取