无人机智能数据链体系结构（精选10篇）
篇1：无人机智能数据链体系结构
无人机智能数据链体系结构
在分析当前无人机数据链面临问题的基础上,提出了无人机智能数据链的概念及其内涵,描述了无人机智能数据链的工作过程,给出了无人机智能数据链的指标体系以及功能分级.在确定无人机数据链功能的基础上,提出了无人机智能数据链的体系结构.软件体系结构中,采用智能机、CORBA中间件、软件无线电相结合的.模式,在硬件体系结构方面,论述了DSP与FPGA相结合的硬件实现方式的优越性.
作 者：陈自力 江涛 范君乐 CHEN Zi-li JIANG Tao FAN Jun-le 作者单位：军械工程学院,河北,石家庄,050003刊 名：无线电工程英文刊名：RADIO ENGINEERING OF CHINA年，卷(期)：39(4)分类号：V279+.2关键词：无人机 智能数据链 FPGA
篇2：无人机智能数据链体系结构
随着计算机技术的发展和普及，计算机系统数量与日俱增，配套的环境设备也日益增多，计算机房已成为各大单位的重要组成部分。机房的环境设备(供配电、uPS、空调、消防、保安等)必须时时刻刻为计算机系统提供正常的运行环境。一旦机房环境设备出现故障，就会影响计算机系统运行，对数据传输、存储及系统运行的可靠性构成威胁，如事故严重又不能及时处理，就可能损坏硬件设备，造成严重后果。目前许多机房的管理人员不得不采用24小时专人值班，定时巡查机房环境设备，这样不仅加重了管理人员的负担，而且更多的时候，不能及时排除故障，对事故发生的时间及责任也无科学的管理。为了解决上述问题，济南轩昊电子科技有限公司技术人员成功地推出了机房场地设备监控系统，实现了机房设备监控，减轻了机房维护人员负担，提高了系统的可靠性，实现了机房的科学管理。
该机房集中监控系统，采用方便的组态界面，确保了系统可靠性，稳定性及易维护性。经过不断完善发展，我们不仅实现了对机房环境设备、动力设备、消防、保安、图像等设备监控，而且实现了计算机网络、计算机系统监控，极大提高了机房运行管理水平。系统采用的最新软件技术，实现了在计算机网络及国际互联网上的集中分布监控，使用户可以方便的监控机房具体情况，从而有效进行管理机房。
系统由监控主机、计算机网络、智能模块、协议转换模块、信号处理模块、多设备驱动卡及智能设备、手机短信模块、电话语音报警模块等组成。为了增强系统的功能，用户可根据需要选择配置多媒体声卡、智能电话语音卡、超级视频卡等设备。
系统以TCP／IP协议为基础，构成统一和便捷的信息交换平台，各个子系统的实时运行信息可通过网关上传到监控中心的监控管理站。各监控管理人员均可以在授权下通过监控终端方便地浏览丰富的实时信息，监控和管理各子系统的实时工况。还可以通过开放数据库互联(ODBC)技术将系统集成SQL数据库与办公自动化和管理信息数据库互联，提供综合全面的信息与数据。
篇3：无人机智能数据链体系结构
无人机数据链是无人机系统的重要组成部分, 是飞行器与地面系统联系的纽带。随着无线通信、卫星通信和无线网络通信技术的发展, 无人机数据链的性能也得到了大幅度提高。但是, 无人机数据链也面临一些挑战。首先, 无人机数据链在复杂电磁环境条件下可靠工作的能力还不足;其次, 频率使用效率低。无人机数据链带宽、通信频率通常采用预分配方式, 长期占用频率资源, 而无人机飞行架次不多, 频率使用次数有限, 造成频率资源的浪费。认知无线电提出的目的是为了解决频率利用率低、减小授权用户与非授权用户共享频率时所带来的相互干扰。它是由Joseph Mitola博士1999年首次提出的[1], 根据美国FCC定义:“认知无线电是能够基于对其工作环境的交互而改变发射机参数的无线电”[2]。它包括2个方面的含义:① 与工作环境的交互, 即具有对电磁环境认知能力, 能够从其工作的无线环境中捕获、感知信息, 寻找并确定在特定时间和空间内未使用频谱资源, 并选择最适合无线电发射的频谱和工作参数;② 改变发射机工作参数, 即功能可重构, 使得认知无线电设备状态可以根据无线电环境的变化而动态变化。
1无人机智能数据链
1.1无人机智能数据链定义
无人机智能数据链是一个多模式的智能通信系统, 能够感知其工作区域的电磁环境特征, 并根据环境特征和通信要求, 实时动态地调整通信系统工作参数 (包括通信协议、工作频率、调制特性和网络结构等) , 达到可靠通信或节省通信资源的目的。该定义包括:
① 多样性。无人机智能数据链能够完成多种信息、多频带、多协议的信息传输与分发功能, 例如包括无人机与地面控制站、地面网络, 无人机与其他飞行器, 无人机与其他武器系统等, 通信速率有高有低、通信模式多种多样, 涵盖单点对单点、单点对多点、网络等;
② 电磁环境进行感知和分析。能够对工作区域的电磁环境感知、分析, 对无线电信号特征进行理解和识别;
③ 最优化工作。能够智能决策, 根据所感知的环境信息和无人机数据传输任务要求, 调整无人机数据链的工作模式, 实现最优化工作。最优化包括物理层、链路层、协议层和应用层等多个层面;
④ 动态实时。能够根据无人机所处工作环境的变化, 实时动态调整数据链参数或通信模式, 保证无人机数据链始终工作在最佳状态, 能够保证在复杂电磁环境条件下可靠工作。
1.2无人机智能数据链工作过程
无人机智能数据链的工作过程主要分为4个环节, 如图1所示。
第1环节, 环境感知。无人机智能数据链首先完成对所工作的电磁环境进行实时感知和学习。检测感知的参数主要包括:频率、授权用户和非授权用户的数量、空间位置、无线电信号分布等。
第2环节, 信号参数分析。在无线电环境感知的基础上, 对工作区域内的各种无线电信号参数进行分析。分析的参数主要包括:信号频谱分布、授权用户和非授权用户数量、每个用户的通信模式等。重点是对干扰信号进行分析, 包括数量、功率谱、通信参数、波达方向和工作状况等。对于无人机数据链来说, 任何影响无人机数据链工作的无线电辐射都可称为干扰, 无论这种干扰是来自合作用户、敌对用户还是自然界。在干扰信号分析的基础上发现频率空穴, 频率空穴是指在一定时刻, 授权或未授权的可用频谱资源。对无人机数据链来说, 某个时刻频率空穴可能有多个, 但其利用价值并不完全平等, 应将所有的频率空穴都检测出来, 对其进行信道容量评估, 从中选择最有利用价值的频谱空穴。频率空穴是随时间、空间动态变化的, 因此频率空穴感知也要实时动态地进行。
第3环节, 智能决策。无人机数据链根据相关知识库、当前的工作环境和任务要求等, 借助人工智能进行推理和优化决策, 确定无人机数据链最佳的工作模式和参数。同时, 在推理决策的过程中, 可对知识库进行丰富, 具备在线学习能力。相关知识库包括:数据链专家知识库、无线电应用法规库、无线电知识库、无线电参数库和案例库等。
第4环节, 重构调整。根据第3阶段给出的无人机数据链最佳工作模式和参数, 调整无人机数据链系统的参数, 重构数据链通信模式, 使其处在最佳的工作状态。
从第1环节到第4环节, 无人机智能数据链就完成了一个工作循环, 这4个环节的时间总和就是一个工作周期。随着无人机的不断飞行, 其工作环境在不断地发生变化, 只要工作周期小于环境明显变化时间, 就能保证无人机数据链始终处于最佳的工作状态。
1.3无人机智能数据链性能指标确立
1.3.1 无人机智能数据链性能指标分类
从应用角度出发, 将无人机智能数据链性能指标分为3类:第1类指标主要是衡量信息传输能力和传输质量, 主要包括:通信可靠性、通信速率、误码率、网络节点通信能力、平均接通率和通信延时等;第2类指标主要是衡量智能化水平, 主要包括可用知识的数量、智能化决策所需时间、决策的优劣和在线学习的能力等, 该指标可以形象描述为无人机数据链的智商;第3类指标主要是衡量兼容性、适应性, 主要包括复杂电磁环境适应性, 如抗敌方干扰能力、己方其他电子系统的共存能力、互操作能力等。
1.3.2 无人机智能数据链功能分级
针对无人机系统发展对数据链功能的需求, 结合无人机系统应用, 将其功能分为5级:
第0级:全数字数据链。采用数字技术实现的无人机数据链, 其功能在设计生产阶段就已确定, 在使用阶段一般不能更改或改动很小, 不具备智能化能力;
第1级:自适应数据链。能够感知无线电环境, 包括发现频率空穴、干扰源分布和参数特征、授权用户的特征等。可在预先设定的通信模式当中, 能够进行自适应选择工作模式, 一般采用软件无线电技术实现;
第2级:初级智能化数据链。具有较丰富的无人机数据链知识库, 具有智能决策和状态参数规划能力, 能够根据无人机工作环境和任务要求, 做出优化的决策, 调整无人机数据链的工作参数和状态, 以适应无人机工作环境的变化;
第3级:高级智能化数据链。能够对无线电环境进行自主学习, 对知识库进行更新。无人机智能数据链在各种条件下的决策正确的案例, 将作为有效知识, 自动丰富到知识库当中, 通过知识的丰富可以进一步提高数据链的智能水平。当无人机数据链与己方通信系统同时工作时, 为了不产生相互干扰, 可以谈判沟通, 确定各自的工作参数。相对于初级智能无人机数据链, 其最大特点是具有自主学习和谈判协调能力;
第4级:智能化数据链网络。能够根据工作环境和网络状态, 智能化地改变通信网络和协议, 具有丰富的无线网络技术知识, 具备智能化网络管理、路由选择、路由生成等智能网络能力。能够根据节点特性, 智能化地重组网络, 优化网络各层协议, 实现无人机数据的网络传输。
这5项分级功能是向下兼容的, 也就是说, 当具备某级功能时, 自然就具备比该级更低的功能。
2无人机智能数据链体系结构
无人机智能数据链终端要能够实现上述功能, 其体系结构设计为如图2所示。主要由软件定义的无线电、智能机、应用接口等组成。软件无线电 (SDR) 是一种新型的无线体系结构, 它通过硬件和软件的结合使无线网络和用户终端具有可重配置能力[3]。利用软件无线电技术实现无人机智能数据链具有明显优势, 一方面, 该数据链具有重构能力, 通过运行不同的软件模块, 就可以改变数据链的工作模式和参数。这种参数控制可以通过静态或动态的控制模式来实现, 对于无人机数据链来说, 通常应该采用动态模式, 以适应复杂电磁环境的变化。其次, 软件无线电具有多模式工作特点, 能够支持无人机数据链在复杂电磁环境条件下可靠工作。利用SDR主要完成信息传输和无线电环境感知检测两大功能。智能机主要完成优化决策和软件无线电的功能重构控制, 软件无线电运行什么软件是由智能机确定的。智能机是无人机智能数据链的核心, 它依据任务需求、当前的无线电环境以及相关知识库, 通过分析、推理和预测等智能决策过程, 生成SDR控制策略, 并将该策略转换为软件模块, 下载到软件无线电当中, 或改变软件无线电当中的部分数据参数, 实现对数据链功能和工作模式的智能控制。
同时, 该智能机具备学习功能, 能够将处理过的案例丰富到知识库当中, 提高决策能力。任务需求主要反映无人机操控人员的意志和飞控导航、任务设备等无人机其他系统对数据链的信息数据传输要求。
2.1智能数据链软件组成
智能数据链软件主要由应用软件、人工智能软件、CORBA中间件、硬件管理与驱动软件和知识库等组成, 如图3所示。
硬件管理、驱动软件主要完成CORBA中间件与SDR进行数据交互, CORBA中间件是为了提高软件的可重用性, 将应用软件、人工智能软件与具体的硬件分割开, 这样应用软件就可以独立于具体的硬件设备, 具有较强的通用性和重用性。CORBA中间件将与硬件直接关联的各种功能, 如SDR感知数据的分析处理、信号特征提取、SDR的状态控制和功能重构等进行封装, 便于应用软件调用。人工智能软件完成分析、推理、归纳和决策等智能决策, 完成SDR的控制、管理和重构, 可采用遗传算法、人工神经网络、专家系统和模糊控制等智能控制算法。知识库包含数据链的有关技术知识、无线电法规知识、战场环境用户知识、无人机系统知识和干扰信号特征等各种知识, 知识库丰富程度和有效性在很大程度上决定了智能决策的正确性。应用接口软件实现人机交互以及与其它系统的协同与交互。
2.2数据链物理实现
无人机智能数据链的物理实现主要依靠软件无线电技术, 充分发挥软件无线电的可重构性和通信多模式的特点。具体硬件实现有多种方式, 通过对进化硬件、DSP、ASIC和FPGA等器件的研究认为, 采用以DSP 与FPGA相结合实现无人机智能数据链最为优化适宜。智能机由DSP实现, 充分发挥其算法实现方便的特点。SDR的各功能模块, 除宽带天线单元外, 都可由FPGA来实现。
FPGA具有运行速度快、存储量大和动态重构能力强的特点。例如Virtex-5是全球首款65nmGPGA产品, 具有极高的性能, 其中BlockRAM的工作频率可达550 MHz, 容量可达10 M左右。单端I/O的最高速度为800 Mbit/s, 差分I/O的高达1 250 Mbit/s, 可编程I/O数量可达千余个。内嵌的DSP可以工作在550 MHz, 可在一个时钟周期完成乘法和加法, 处理能力是550 MMAC (百万次乘加操作) 一个Virtex-5的SX95T型号, 含有640DSP, 总的处理能力高达352 GMAC, 比现有双核DSP的处理能力高出150余倍[6]。许多标准接口和A/D器件的功能越来越多地集成到FPGA当中。同时, FPGA还具有重构实现方便的特点。FPGA动态可重构的实现手段就是要对基于SRAM编程的FPGA全部或部分逻辑资源进行控制, 实现系统的动态的功能变换[4]。具体的方法是通过读取不同的SRAM bit 数据, 直接控制FPGA内部逻辑块和内连线的改变, 可实现FPGA系统逻辑功能的动态重构。动态可重构实现方法有多种[5]。其中, 基于context存储器的配置数据改变方法实现FPGA功能重构所需时间最短, 一般在ns级, 重构间隙不会对数据链的传输造成很大影响。
此外, FPGA具有良好的开发环境, 可以采用硬件描述语言VHDL (Verilog) 、C++和MATLAB等多种语言进行开发, 同时厂家提供丰富的IP功能核, 大大提高开发效率。
3结束语
从无人机数据链所具备的功能和工作过程可以看出, 采用无人机智能数据链是提高无人机系统在复杂电磁环境下可靠工作的有效手段, 其技术指标体系和功能分级对于评价无人机数据链的性能比较全面, 所提出的体系结构具有易实现、可重构性好、通用性强的特点, 适应无人机数据链的工作要求, 为无人机智能数据链的开发实现奠定了基础。
摘要：在分析当前无人机数据链面临问题的基础上, 提出了无人机智能数据链的概念及其内涵, 描述了无人机智能数据链的工作过程, 给出了无人机智能数据链的指标体系以及功能分级。在确定无人机数据链功能的基础上, 提出了无人机智能数据链的体系结构。软件体系结构中, 采用智能机、CORBA中间件、软件无线电相结合的模式, 在硬件体系结构方面, 论述了DSP与FPGA相结合的硬件实现方式的优越性。
关键词：无人机,智能数据链,FPGA
参考文献
[1]MITOLAⅢJ, MAGUIRE G Q Jr.Cognitive radio:Making Software Radios More Personal[J].IEEE Personal Communications, 1999, 6 (4) :13-18.
[2]周贤伟.认知无线电[M].北京:国防工业出版社, 2008.
[3]向新.软件无线电原理与技术[M].西安:西安电子科技大学出版社, 2008.
[4]谷銮.FPGA动态可重构理论及其研究进展[J].计算机测量与控制, 2007 (15) :1415-1418.
[5]刘倩.动态可重构系统的通信结构研究[J].单片机与嵌入式系统应用, 2007 (11) :5-7.
篇4：无人机智能数据链体系结构
航空“发烧友”
42岁的王效波是个航空“发烧友”。
他自小喜爱飞机，热衷飞机制作，初中时沉迷航天科幻小说，并受此启发，自制竹子飞机，经过八次试验，竹子飞机试飞成功。“其实只比纸飞机飞的远一点。”回忆当年趣事，他付之一笑。
高中时的王效波理想是当一名飞行员，但由于眼睛原因，最终无缘天空。
大学时，王效波将对航空的热爱演绎到极致，每到周末，他和互联网上认识的“航模迷”们聚在一起，到郊外比拼各种高难度动作，拉筋斗，翻跟头……当时一架航模要花费上千元，操作不善就会栽到地上，他摔坏的航模飞机至少有20多架。
过去的20年，他开过策划公司，做过素菜馆，当过“北漂”，但是始终难以割舍心中的航空梦，一有闲暇，就邮购回轻木、桐木、蒙皮、遥控器，自己捣鼓。做一个月飞机，试飞、栽了、再修半个月、再试。
2010年，王效波终于有机会将兴趣转化为事业。
这一年，无人机零部件价格开始下降：上百万元的导航系统跌至几万元；一架无人机的成本可控制在30万元以内。同年5月，王效波联合另外两个航模爱好者，成立武汉智能鸟无人机有限公司。
公司最初在汉口一家老旧厂房的四楼，为了节省成本，窗户玻璃都没有装上。因为没有电梯，那些笨重的生产材料基本靠三人自己搬运。
三个合伙人既是老板，也是技术人员，公司大小事务均要亲力亲为，买设备、材料、数控电子设备，自己拼装……“几乎每天都要工作到凌晨一两点，睡眠时间大概就五六个小时。”即使如此努力，公司依旧举步维艰，接的生意大多是不赚钱的。此时，资金也已捉襟见肘，“吃了上顿没下顿，工资发不下来”。
四个月烧了80万，第一架智能鸟无人机终于飞上了天空。八个月后，智能鸟赚到第一桶金——10万元。还没来得及庆祝，合伙人拿完分成相继“出走”。
2011年8月，智能鸟无人机受到武汉市东湖开发区相关领导的赏识，将其纳入武大科技园。
2012年，东湖高新区启动第六批“3551光谷人才计划”申报工作，智能鸟获得100万元的资助，现代服务业也为其资助了200万元。
与此同时，智能鸟的订单也越来越多。2012年10月，智能鸟被国家海洋局看中，获得了航拍三沙的机会，凭着自家无人机的坚固度，王效波无意间成为“武汉第一人”。
同年，智能鸟研制的“傻瓜式”无人机问世——只要用手投掷，即可起飞。“由于每个人的高矮不一样，胳膊的力气也不一样，无人机扔出去的角度、方向会有很多变化。所以我们对‘傻瓜式’无人机再次加工，为它加上了一个皮筋，这样的话飞行就更加平稳。”对于这次巧妙的改进，王效波说是从一款热门游戏“愤怒的小鸟”中得到的启发。
今年雅安地震，智能鸟的2名工作人员紧急赶赴灾区，利用3天时间在现场操控无人机，拍了2000多张照片，主要用在提供灾情评估和交通疏导。现在，雅安航拍图被王效波裱起来挂在自己的办公室。
军工、数据网、国家标准三线“齐飞”
在此之前，这个疯狂的发烧友没有做任何市场调查，他仅凭自己的商业直觉：“对我来说，智能鸟这个决定如同掷骰子，感性比理性靠谱。”
幸运的是，就目前而言，无人机市场行情比较乐观。
有研究表明，未来十年内，亚太无人机市场至少有望达到70亿美元。更重要的是，该地区无人机的产量有望超过6000架，在生产价值方面成为全球第二大市场。无人机技术的不断成熟以及使用经验的丰富扩展了无人机在民用领域的使用，民用无人机企业迎来了春天。
在武汉的航测市场，湖北易瓦特科技有限公司于今年6月，同美国菲特斯航空公司签约，斥资5亿元，计划在武汉建全国最大的民用无人机基地。
面对易瓦特这一强大的本土竞争对手，王效波意识到自己在资金和人力上处于弱势，但归结到核心技术和专业性，他自认占了上风。
尽管民用无人机的市场需求在不断扩大，2011年仍有专家预测，未来10年内在无人机市场上所占份额最大的依旧是军工方面的靶机与战术无人机，其销售额预计达到23亿欧元，而销售高峰就在2012或2013年。
对于智能鸟而言，军用市场亦是未来集中发力的地方。“我们希望成为军工企业的一条鲶鱼。”王效波说。相比院校或者军企，民企可以先发制人。前者需要国家拨钱下来才能生产，后者则大可先出产品，刺激军用客户购买。
其实，从2005年开始，军工领域就主动向民企伸出了橄榄枝，当年出台的《国务院鼓励非公经济发展的若干意见》第6条中专门提出“允许非公有资本进入国防科技工业建设领域”，而重庆、浙江等地的民企早已纷纷“参军”，将民间资本投入到军工产业。
除了硬件领域的战略转移，在软件上王效波也煞费苦心。
“其实卖数据才是我的最大目标。”王效波认为，单卖硬件门槛较低，复制性强，不利于长远的发展。所谓的“卖数据”，简言之就是为买无人机的人提供数据服务。
时下，国土、林业、农业和交通等部门行业需要大量高质量的遥感数据，但目前市场多采用卫星数据和大飞机数据，这些数据不仅清晰度低，而且成本高。无人机的出现无疑弥补了这一缺憾。
“为什么QQ一旦做起来，就很难有其他的公司和它竞争？因为它拥有自己的用户群。市场基数是很重要的，一旦客户熟悉了最初使用的产品，那么后来即使市场上出现了其他的同类产品，顾客们一般还是会选择自己已经熟悉的。”这种模式看起来前景可观。
2013年6月，一张无人机遥感数据网在智能鸟的部署铺展开来。智能鸟计划利用三年的时间在全国2800个县级城市各设一个测绘点，并提供一架无人机，用于当地的数据信息采集。目前，智能鸟已经与湖北、新疆、山西、山东等省的10个县级测绘企业签约，6架无人机已经送达客户手中。
现在签约的企业只需支付12万元的入网费，此后使用一年另付费2.4万元。“公司规模做大后，免入网费，用户充费送无人机，只需支付使用费。”王效波用“充话费送手机的模式”打比方。如今，智能鸟已经携手包括适普软件和航天远景在内的4家公司联合开发大数据处理平台。
虽然无人机市场前景可观，但国家对无人机并未出台统一的管理标准。有业内人士透露，航测在某种程度上属于保密行业，因此许多无人机不敢公开飞行。
王效波试图在制定国家标准上有所建树。去年，智能鸟进入国家863计划，王效波提出的一个关于无人机飞行管理的模式被认可。
这个模式是在无人机上装载模块，模块中镶嵌手机卡，无人机起飞时必须用该卡上网，登陆网站，注册飞行的空域和时间，这一信息被总服务器接收后发送给空管审核批准，审核通过后再将加密的数据传回给飞机，飞机在接到该指令后才能在指定的时间和空间飞行。
目前，智能鸟已经完成该网站的设计，服务器已经投入运行，并成功申请专利。现在，王效波正在等候“让专利变成国家标准”的时机。
篇5：无人机智能数据链体系结构
导读]
系统采用视频图像智能识别技术对监控摄像机画面内容进行目标识别与行为检测，自动发现可疑人员及其异常行为、烟雾、火焰等危险事件并生成告警。
系统简介
系统采用视频图像智能识别技术对监控摄像机画面内容进行目标识别与行为检测，自动发现可疑人员及其异常行为、烟雾、火焰等危险事件并生成告警。
告警信息、高清晰度照片、实时图像和告警触发的录像将通过GPRS、CDMA1x、3G移动通讯或WLAN无线局域网方式发回监控中心，监控中心可以将信息转发至指定的手机。
系统可广泛应用于重要无人值守设施的远程监护，避免目标被入侵、盗窃和遭受火灾，例如：
1、农田输电变压器 输电线路及设施
2、移动通信基站
3、森林防火
4、铁路信号系统
5、各种其它无人值守设施
移动通讯、无线通讯、固定网络的综合应用，克服空间障碍、带来系统建设和运行的经济性
系统功能
入侵检测
在摄像机监视的视场范围内可最多同时设置8个警戒区。一旦有满足预设条件的目标进入警戒区域，则自动产生告警，并用锁定框标识出目标在画面中的具体位置，同时显示出其运动轨迹，通过告警提醒相关人员注意。
绊线检测
在摄像机监视的视场范围内可最多同时设置8个警戒区域。每个警戒区域内可任意设置1条警戒线并规定其禁止穿越方向。一旦有移动目标按照禁止穿越方向穿越警戒线即产生告警，锁定框标识出目标在画面中的具体位置及其运动轨迹。如果移动目标没有按照设定方向穿越警戒线，则不会产生任何告警。
火焰检测
在摄像机监视的视场范围内，可以任意设置警戒区域，当有火焰出现并达到预设告警触发门限时，产生告警，并用告警框标识出火焰区域。完全基于图像分析检测火焰，作用距离远(从数米到数公里)、检测结果不受环境温度影响，适用于室外大空间区域的烟火检测，或者各种不适合通过温度或红外传感器方式工作的火灾早期信号检测。
烟雾检测
在摄像机监视的视场范围内，可以任意设置警戒区域，当有烟雾出现并且浓度、大小超过门限时触发告警，并用告警框标识出烟雾区域。完全基于图像分析检测烟雾，作用距离远(从数米到数公里)，适合传感器无法工作的野外空间下的烟雾检测，作为火灾的早期信号。
篇6：无人机智能数据链体系结构
企业为迎接市场的挑战, 必须对市场运作有准确的分析。商业流通领域积累的大量交易数据中隐含着许多对商业决策有益的知识, 传统的分析方法很难从中提取出这些知识, 利用数据挖掘技术可以得到准确、及时的信息, 决策人员以企业的数据仓库为基础, 通过联机分析处理 (OLAP) 、数据挖掘和决策规划人员的专业知识, 借助商务智能的核心技术, 利用企业中长期积累的海量数据可以实现四方面的应用:客户分类和特征分析、市场营销策略分析、经营成本与收入分析、欺诈行为分析和预防, 数据挖掘技术可以发现这些隐藏的模式和关系。
并行数据挖掘体系结构是并行数据挖掘技术研究的重要内容, 是实现并行数据挖掘的基础, 选择适当的、高效的、具有较高性价比的商用并行体系结构是整个研究工作的基础。
一、通用数据挖掘系统结构
特定领域的数据挖掘工具主要针对某个特定领域的问题提供解决方案。在进行数据挖掘算法设计时, 设计者需要充分考虑特定领域的数据特点和挖掘需求等特殊性, 并有针对性地对数据挖掘算法进行优化。
通用的数据挖掘应用系统大都以数据仓库或大型关系数据库为基础, 且具有查询、分析、表示等功能, 它是企业决策支持系统的核心组成部分, 可以将这些现有数据挖掘系统的共同特点抽象成图1所示的结构。
二、通用的数据挖掘系统结构的不足及改进思路
通用的数据挖掘系统己经在一定程度上满足用户的需要, 但是在应用实施过程中也存在着一些问题和不足。主要有以下几点:数据挖掘的效率有待进一步提高;历史模式不能得到有效利用;不同系统之间的互操作性差;面向不同应用对象的针对性不强。
数据挖掘往往面对的是巨大的数据集, 即GB甚至TB数量级的数据集, 数据挖掘技术研究的核心问题之一就是如何提高数据挖掘的效率, 提高数据挖掘效率的途径主要有以下几个方面:
1.对数据集进行预处理, 去除噪音数据, 按照挖掘要求对数据进行清理和迁移, 尽可能减少挖掘的数据量。
2.针对各种数据挖掘和数据分析要求, 研究、设计效率更高的各类数据挖掘算法。
3.提高数据挖掘系统应用的硬件性能或者采用并行处理技术提高数据挖掘的速度。
4.借用缓存的概念, 对挖掘结果进行存储再利用, 以提高用户挖掘请求的响应速度。
针对一般商业智能应用领域的实际情况和需要, 以提高数据挖掘应用的效率为目标, 本文将主要从并行处理技术和体系结构方面对现有数据挖掘系统进行改进和提高。
三、并行数据挖掘体系结构设计及特点
为解决通用数据挖掘系统中存在的一些问题和针对商业智能的特点, 面向商业智能应用的并行数据挖掘体系结构如图2所示, 由6部分组成:
1. 高性能并行计算环境:
并行数据挖掘体系结构中采用了高性价比的并行体系结构COW (Cluster of Workstations) 、数据挖掘算法由串行算法改为并行算法以及采用“缓存”概念将数据挖掘结果保存在模式库中。并行处理技术的运用无疑对于数据挖掘效率的提高具有重要意义和实用价值, 为数据挖掘效率的提高奠定了坚实的基础, 对于商业智能应用的推广也具有重要作用。
2. 数据源:
数据仓库和其他数据源是数据挖掘的基础, 商业智能应用系统应具有多种数据来源的处理能力, 例如普通文件 (电子邮件等) 、关系数据库、数据仓库、数据集市等。
3. 模式库:
为了提高数据挖掘的效率以及商业逻辑的处理速度, 借助硬件内存的“缓存”概念, 将最近数据挖掘或者数据分析的结果 (模式也许只是一个简单的规则描述) 保存在模式库中, 以便再次发生类似或者相同操作请求时能先在模式库中查找挖掘结果, 从而尽量避免每次都从海量数据中进行挖掘操作, 这样可以较大幅度提高处理速度。因此, 模式库的建立为历史模式的有效利用提供了可能和基础
另外, 由于模式库中存储的是历次挖掘出来的模式, 可以从分析模式的变化来进行趋势预测, 从而为决策支持提供了更多的分析手段。
4. 学习和推荐Agent:
增加了一个用户兴趣分析档案库, 由学习Agent进行更新维护, 供推荐Agent分析使用。学习Agent将根据权值的计算方法对用户兴趣档案中没有出现过的关键字进行加权操作。推荐Agent根据已有的用户兴趣档案, 分析用户可能感兴趣的模式, 并推荐给用户。
5. 并行数据挖掘工具/多维分析工具:
数据挖掘是商业智能的核心, 并行数据挖掘算法对于提高数据挖掘效率具有重要意义。为了适应商业智能应用的需要, 仅提供多维分析工具是远远不够的, 应尽可能多的提供对多种模式的支持。商业智能涉及关联、分类、聚类、时序等模式, 并行数据挖掘工具尽能包含对这些模式的支持, 这也是衡量并行数据挖掘工具好坏的标准之一。
6. 可视化工具:
为用户提供数据挖掘结果的自观表示方法。除上述特点外, 通过对并行数据挖掘体系结构的设计与改进在以下两个方面取得了较好的效果:
(1) 提高了系统之间的互操作性:现有的数据挖掘产品, 对挖掘结果都有各自特殊的存储格式, 不同挖掘工具之间要共享挖掘的结果非常困难。然而, 对模式的集中存储就可以有效地解决上述问题, 即设计类似SQL的查询语言, 或设计通用的模式库接口。不同的挖掘工具通过使用模式查询语言或调用模式库接口的功能函数就可以共享模式库中存储的模式。
(2) 并行处理能力强、可扩展性好、可用性高:改进后的并行数据挖掘体系结构建立在可扩展机群之上, 除了具有较高的.可伸缩的并行处理能力之外, 系统的可扩展性也非常好, 可以通过增加或者减少处理结点数调整系统的处理能力, 从而适应不同数据规模的处理需要, 除此之外, 系统的可用性高也是其显著特点, 一般情况下COW的可用性指标都在99.9%以上, 为商业智能应用系统的稳定运行提供了可靠保证。
四、结束语
并行数据挖掘体系结构具有较高的并行处理能力和性价比, 以及方便灵活的并行程序设计环境, 对于实施商业智能应用的客户和应用领域来讲, 具有可操作性。大多商业智能应用客户已经或者容易获得本文给出的并行处理环境, 不需要投入大量的经费购置专用的并行处理系统。
模式库的提出是一种新的有益的探索。由于模式库中存储了历史挖掘模式, 如果其中的模式接近挖掘请求的时间, 则可用这些模式自接作为挖掘的结果, 不用再进行新的数据挖掘, 在模式库中进行查询操作的响应会明显加快, 大大提高了数据挖掘的效率。
参考文献
[1]熊忠阳:面向商业智能的并行数据挖掘技术及应用研究[学位论文].重庆大学, 2004
[2]Mohammed J.Zaki, Yi Pan.Introduction:Recent Developments in Parallel and Distributed Data Mining.Kluwer Academic Publishers.2002
篇7：无人机智能数据链体系结构
关键词：智能电网；大数据；数据处理；发展方向
中图分类号：TM76 文献标识码：A 文章编号：1006-8937（2013）20-0109-02
1 大数据在智能电网中的来源及其特点
1.1 来源
1.1.1 按产生原因分类
按产生原因对智能电网中的大数据进行分类，可以将其分为如下三类：
第一，因设备监控而产生的大数据。为了实时监控电网各设备的运行状况，我们设置了大量的采集点，一般小型的自动化调度系统，即包含十万量级的采集点，对数据中心而言，这个数据还会几何上升，各子节点检测装置按规定编码方案，将所有采集点采集得到的消息逐级传输至数据处理中心，这些数据就形成了设备监控大数据。第二，因状态信息扩展而产生的大数据。为了满足智能电网的调控需要，除了监控设备能否正常运行外，我们还需要提供大量其他的数据，如输变电设备的绝缘放电信息、周边辐射干扰信息等，这类数据的采集频率往往更高，形成的数据量也自然非常之高，这就形成了因状态信息的扩展而产生的大数据。第三，实时变化采样而产生的大数据。所谓实时变化，应用于电网系统，指的是电能从产生到消耗完毕，所经历的所有细节，对其进行统计，能全面反映电网的生产运行过程，是智能电网进行自我学习的必要信息。对整个生产运行进行实时变化采样，必然会产生大量的数据，这就是由实时变化采样而产生的大数据。
1.1.2 按产生环节分类
按产生环节对智能电网中的大数据进行分类，可以将其分为以下三类：
第一，电能生产侧产生的大数据。对发电厂进行数字化智能控制，需要应用到生产设备状态数据、专家控制数据、故障诊断数据，还需要对这些数据进行有效的分析，这都涉及到海量数据的处理及存储。智能电网系统只有预先存储了足够的相关数据，才能在设备出现故障、生产需要调整的时候有效工作。因此，在对发电厂实行数字化智能控制时，必不可少会出现大数据。第二，输变电侧产生的大数据。输变电是联系电能生产方及使用方的关键环节，事实上智能电网主要的工作点就是保证输变电侧能够正常运行，这就需要我们采集大量的输变电侧运行数据，以供智能电网分析、学习所用。统计显示，仅对输变电侧进行相位检测，一个检测装置每天就能采集到0.6 GB的数据。第三，用电侧产生的大数据。为了保证用户有效用电，我们需要获取用户的实时用电信息，这必然会用到智能电表，也必然会产生大量的数据。与此同时，为了保证用户安全用电，我们有必要对大型电器的工作信息进行采集，以合理控制其充放电时间，这也会产生大量的数据。
1.2 特点
智能电网中的大数据，往往具有规模大、种类多、价值量低、变化频率小四方面的特点。其中数据规模大、种类多主要是因为采集范围广，采集频率大所致；数据价值密度低，主要是指采集的数据中具有实际价值的并不多，以设备监控为例，往往只有异常数据才表示设备出现故障，需要处理，而这在监控数据中所占比例并不多；数据变化频率小主要是因为需要对数据进行迅速处理，以供及时制定供电策略，直接表现在需要对数据进行在线处理。
在数据的处理上，除了需要对数据进行高速在线处理外，还需要我们保证数据的可靠性、真实性，但大量无序数据中出现的误差是无法完全避免的，因此，智能电网中的数据还具有不可预测这一特点，其需求并不确定。
2 大数据在智能电网中的技术应用体系及路线图
大数据处理在智能电网运行中意义极大，是保证智能电网正常运行的基础，然而一方面智能电网中大数据生成量极大、生成极频繁，另一方面智能电网又不同于Internet，具有其独特的数据性质，因此我们不能直接套用目前主流的云计算等大数据处理系统。目前在智能电网中涉及到大数据存储利用的主要技术，有数据存储传送、处理等几类，现总结其重点技术及发展方向如下。
2.1 传输存储技术
①数据压缩技术。与计算机系统中广为应用的RAR、ZIP压缩技术不同，智能电网中的数据压缩需要保证压缩及解压速度、数据先后顺序等重要信息，因此需要我们进行深入探讨。众多科研人员对此进行了深入研究，其中实践性较强的包括：利用滤波器对数据进行线性整数变换，配合哈夫曼编码，对数据进行实时压缩、解压；对火电厂数据行二维提升小波处理，进行实时压缩；对稳态数据行参数化压缩。
②数据存储技术。常规的分布式文件系统能够满足小型智能电网的运行需求，但大型智能电网对实时性要求更高，就需要我们根据不同数据的性质，选择其他存储方案。对存取频繁、性能要求高的数据，应用实时数据存储系统；对只读性、读取频繁的业务数据，应用并行数据存储系统；对读取不频繁、仅需安全保存的历史数据，采用分布式文件存储系统。鉴于需要分类存储，我们完全可以在智能电网的数据存储系统中，引入分级式存储技术。
2.2 数据处理技术
①实时数据处理技术。所谓实时数据处理，其基础还是对数据进行快速、超快速处理，云计算虽然能够进行快速计算，但存储、传送还受到网络条件的限制，数据响应时间得不到保证，因此适用性并不强。以内存为存储媒介的数据库能够提供高速读写服务，可以适当应用。另外，数据查询涉及到索引结构的设计，也需要重点设计。
②发电侧数据处理技术。发电侧数据需要保证实时性，抗延迟能力极低，以现在主流的TCP/IP技术进行传输容易出现故障，因此需要用到关系数据库系统进行数据读取，应用云计算系统进行数据高速处理。
③输电侧数据处理技术。输电侧的数据强调的是全局性，其数据必须足够智能系统进行故障处理及自愈，因此控制计算速度成为其发展主要方向。在数据监控上，需要应用到细粒度更高的监控系统。
④用电侧数据处理技术。用电侧的关注重点，在于以最少的投资获得最大的效益以及最大化用电性价比，其发展方向主要在于发展配合各种用电器的电量检测装置，保证用电设备的电能消耗与电网的电能供给相匹配。
3 结 语
智能电网的正常运行关键在于准确及时处理海量数据，从上面的分析不难看出，其技术应用体系包括数据的传输、存储、处理技术，发展方向依据数据产生的原因、环节各有不同。在传输上，要求我们保证数据的实时性，在存储上需要保证不会出现数据溢出，在处理上，需要保证高速、准确性。
参考文献：
[1] 张文亮，汤广福，查鲲鹏，等.先进电力电子技术在智能电网中的应用[J].中国电机工程学报，2010，（4）.
[2] 李国杰.大数据研究的科学价值[J].中国计算机学会通讯，2012，（9）.
[3] 谢华成，陈向东.面向云存储的非结构化数据存取[J].计算机应用，2012，（7）.
篇8：无人机智能数据链体系结构
无人机数据链是连接飞行控制系统和地面指挥系统的桥梁。它分为上行链路和下行链路,上行链路负责把地面的控制指令传送给飞控系统,而下行链路负责把飞机侦测到的信息传送给地面。无人机数据链中的信道也是一种无线信道,它也有多径、衰落和时变的特性,信号通过信道之后,接收端接收到的信号易发生畸变和失真,进而影响抽样判决器正确地恢复出二进制码元。
为了补偿信道失真引起的符号间干扰,在接收端抽样判决器之前加入一个信道均衡器,由均衡器完成传输信号的补偿,达到提高通信质量的目的。为了更好的提升无人机数据链的传输性能,准备基于FPGA设计一个高速的信道均衡器,以此为出发点,对几种常用的均衡算法(最小均方误差算法LMS,递推最小二乘算法RLS,以及盲均衡中的CMA算法)进行了研究,同时也对常用的信道均衡器的结构进行了分析,以便后期选取合适的算法和结构来进行硬件实现。
1 信道均衡器原理
信道均衡器由滤波器结构和均衡算法组成。信道均衡的目的就是把接收序列y(n)恢复成In。均衡器通过跟踪信道C(n),使得In和
目前常用的均衡器结构分为线性均衡器和非线性均衡器。线性均衡器的常见结构是线性横向滤波结构(LTE),而非线性均衡器比较常用的是判决反馈结构(DFE)。
1.1 线性均衡器
线性均衡器的结构简单,实现较容易,没有误码扩散的影响。它主要是通过横向滤波器对得到的信号y(n)进行乘加运算后与期望的信号或者是判决后的信号作差,用误差并结合对应的逼近算法去调整横向滤波器的抽头系数,进而实现处理后的信号与传输的信号良好的逼近。根据理论分析,它的缺点是为了完全消除一条多径的影响,需要有无数个抽头,而实际使用的均衡器都是有限长度的来逼近,这样不能完全的消除多径的影响。
1.2 判决反馈均衡器(DFE)[1]
判决反馈均衡器是另一种应用广泛的均衡器如图1所示,含有前馈和反馈两个横向滤波器,这两个滤波器均采用线性横式滤波器。它用判决反馈输出信号组成一个延迟线,用一部分抽头系数加权求和后送回输出端求和,以抵消码间干扰。
判决反馈均衡器(DFE) 的基本思路是:一旦一个信息符号被检测并被判定以后,就可在后续符号之前预测并消除由这个信息符号带来的码间干扰。
1.3 两种结构的比较
线性均衡器的结构简单,易于实现,但是有限抽头的横向滤波器并不能完全的消除ISI,最终会产生剩余误差。DFE结构的均衡器,用反馈的方法可以有效地抵消后续干扰。
从二者的结构来看,最大的不同就是DFE有反馈部分。又因为DFE相对于线性均衡器多了一个横向滤波器,在硬件实现中就比线性均衡器占用更多的资源。
2 常用均衡算法
2.1 LMS算法的原理[2]
该算法是利用梯度估计至来代替梯度向量的一种快速搜索算法,其基本思想是调整滤波器的权值参数,使滤波器的输出信号与期望信号之间的均方误差(MSE)最小。
步骤一:初始化W(0)=0;k=0;μ=常数;
步骤二:更新k=k+1;
系统误差:e(k)=d(k)-WT(k-1)V(k);
更新抽头系数:
W(k+1)=W(k)+μV*(k)e(k)。
LMS算法是一个简单易实现的算法,且计算复杂度也比较低,但它的收敛较慢。
2.2 RLS算法的原理[2]
与LMS算法不同,RLS算法使用指数加权的误差平方和作为代价函数,即有:
式中,加权因子0<λ<1称为遗忘因子。估计误差定义为:
ε(i)=d(i)-ωH(n)u(i)
其中,d(i)代表i时刻的期望响应。
步骤一:初始化:ω(0)=0,P(0)δ-1I,其中δ是一个很小的值。
RLS算法的收敛速度比较快,具有较强的信道变化跟踪能力。
2.3 CMA算法的原理
除了自适应均衡器中常用的LMS和RLS算法外,在盲均衡器中有一种应用广泛的恒模算法,恒模算法具有复杂度低,易于实现等优点。
CMA算法的代价函数为:
D(P)=E[(|y(n)|P-Rp)2]
式中Rp是正常数。D(P)关于均衡器抽头系数的最小化可以按照最陡下降法递推。
步骤二:n=n+1时更新
CMA算法中抽头系数的整个更新过程仅仅只与接收到的信号和发送信号的统计特性有关,而与估计误差信号无关,因此算法开始迭代时不需要发送一定长度的训练序列。
2.4 几种算法的比较
从算法的复杂度分析,LMS算法的复杂度最低,RLS算法和CMA算法的计算量较大。从实现的角度来说,为了得到更高的运行速度,LMS算法的计算量小是一个很大的优势。
从应用来看,LMS算法和RLS算法主要应用于自适应均衡器中,需要训练序列作为前导来实现均衡的过程。而CMA算法适用于盲均衡器,均衡过程中不需要训练序列,节省了频谱资源,提高了信道利用率。在应用中可以减少了对期望信号的处理,减少不必要的实现部分,能够提高均衡器的性能。
3 仿真分析
3.1 无人机信道模型
为了仿真验证信道均衡器的性能,采用如图2所示的ISI结合AWGN的模式作为无人机信道模型,将信道等效成N个延时器和N+1个抽头的线性滤波器,各延时单元的延迟时间相等,该信道滤波器用来模拟信道产生的码间干扰。在接收端,信道的输出序列y(n)输入到均衡器中进行均衡处理。
构建文献[4]中的无人机数据链信道模型,信道用等效FIR滤波器来表征,其参数为[0.107 0.36 0.66 0.36 0.107]作为多径效应较弱的信道1,用参数[4][0.3 0.25 0.07 -0.063 0.388 -0.126 -0.35 0.9047 0.35 0 0.126 0.338 0.148 -0.21 0.4]作为多径效应较强的信道2。发送数据采用BPSK的调制模式。
3.2 仿真结果
利用Matlab构建仿真模型[5],分别对LMS,RLS和CMA的收敛特性进行了仿真,另外对线性均衡器和判决反馈均衡器在不同的信道和不同的信噪比下的误码性能进行仿真验证。
从图3的仿真结果来看RLS和CMA算法的收敛速度要比LMS的快,在实际应用中,实现高速的信道均衡器就要考虑到均衡算法的收敛速度。而对线性均衡器和DFE均衡器的误码性能比较可以看出,在同样的均衡算法的基础上,当信道的多径效应弱的时候,如图4所示,DFE的性能要优越于线性均衡器。而当信道多径效应比较强的时候,如图5所示,DFE的误码率和线性均衡器的误码率在同一个数量级水平。
RLS的收敛性明显优于LMS,在信道均衡器的设计过程中就要考虑收敛性对均衡性能的影响。当要求有较好的收敛性而不需要考虑运算量时RLS是不错的选择。
CMA算法是盲均衡器中常用的一种算法,这里简单的对比了它和线性均衡器中其他算法的初始收敛性能。从仿真结果来看,CMA算法的初始收敛速度也比较快。
4 结束语
通过研究常用的几种均衡算法以及相关的均衡器结构,并借助Matlab仿真软件,对几种算法的收敛性以及两种常用的均衡器结构的误码性能进行了仿真分析。算法方面,LMS的算法简单易实现,但是收敛性能差;RLS的收敛性好,但算法相对复杂;CMA算法相对复杂,它的优点是不需要训练序列。结构方面,DFE结构的均衡器从理论分析和仿真结果看都优于线性均衡器。
仿真的结果为下一步利用FPGA实现适合无人机数据链的信道均衡器提供了参考。其中的一个方案是将几种均衡算法结合起来实现均衡器。先利用RLS和CMA算法收敛性能好的特点实现系数收敛,再切换为LMS这种运算速度快的算法来进行均衡。同样也可以根据通信信道的状况选择合适的均衡器结构和算法。在信道多径效应不是非常严重的情况下,可采用线性的均衡器结合LMS算法作为均衡方案来实现高速的信道均衡器。当线性结构不能满足均衡性能要求时,采用DFE结构来消除后续干扰作为进一步的实现方案。
摘要：信道均衡技术是无线通信中解决码间干扰的关键技术。选取LMS,RLS和CMA常用的均衡算法以及信道均衡器的结构作为研究对象,通过对三种均衡算法的收敛性能的仿真分析,以及结合无人机信道模型对常用的两种均衡结构的误码性能进行的仿真,所得结果对于后期基于FPGA实现高速的信道均衡器时算法和结构的选择具有参考的价值。
关键词：无人机数据链,信道均衡,性能分析,FPGA
参考文献
[1]龚耀寰.自适应滤波——时域自适应滤波和智能天线[M].2版.北京:电子工业出版社,2008:407-415.
[2]张贤达.现代信号处理[M].北京:清华大学出版社,2002:188-213.
[3]郭业才.通信信号分析与处理[M].合肥:合肥工业大学出版社,2009:144-150.
[4]陈自力,等.无人机数据链信道LMS和RLS自适应均衡性能比较[J].无线电工程,2003,33(11):33-35.
篇9：无人机智能数据链体系结构
【关键词】无人飞行器；中继数据链；工作模式；分析
随着国家电网公司无人机巡检技术的逐步深化应用，对无人机远程测控技术提出了更高的要求。架空输电线路每条馈线动辄20km以上，巡检无人机在山区崇山峻岭中穿行，数据链被山体遮挡无法通视的情况难以避免，这就要求建立一套性能可靠的无人机中继数据链系统。本文针对福建省电网巡检无人机的实际应用经验，提出了几种无人机中继数据链系统的工作模式。
1 中继数据链系统的直通模式
针对执行巡线任务的任务机距离地面测控车比较近，且没有障碍物遮挡的情况，任务机可以通过无线链路直接与地面车载设备进行数据通信。直通模式工作状态示意图如图1所示。任务机和吊舱拍摄到的两路视频信号、任务机遥测数据和吊舱状态信号经过任务机终端压缩和调制等处理后，传输到地面车载终端。地面车载终端的遥控数据也直接发送到任务机终端，控制任务机的工作状态。
2 中继数据链系统的地面中继模式
针对执行巡线任务的任务机距离地面测控车距离超过直视范围，或任务机与地面测控车之间有障碍物阻隔，任务机无法直接与地面测控车进行数据通信的情况，可以通过地面无线终端进行中继，辅助完成通信链路的数据传输功能。地面中继模式工作状态示意图如图2所示。任务机和吊舱设备采集到的两路视频信号、任务机遥测信号和吊舱状态信号首先通过无线链路发送给地面中继终端，通过地面中继终端转发给地面测控车载终端；相反，地面测控车的控制指令也通过地面中继终端转发给任务机终端，控制任务机的工作状态。
地面中继模式适用于任务机刚飞离地面测控车通视距离的情况，可以通过一次地面中继完成数据通信。
3 中继数据链系统的地面接入模式
针对采取一次地面中继方案无法完成数据通信的情况，可以采取地面接入模式实现任务机与地面测控车载终端的数据通信。地面接入模式工作状态示意图如图3所示。任务机和吊舱设备采集到的两路视频信号、任务机遥测信号和吊舱状态信号首先通过无线链路发送给地面接入终端，通过接入终端转变为光纤信号传输给地面转发终端，地面转发终端最后将信号通过无线链路传送给地面测控车载终端，相反，地面测控车的控制指令也通过地面转发终端和地面接入终端转发给任务机终端，控制任务机的工作状态。主干网络布点主要依托于输电线路上配置的光纤电缆，在设有光纤接入装置地面为主干网布点的支撑平台。主干网布点主要依据条件有如下三点：地面地面接入终端作用距离；具备光纤接入装置地面之间的距离；实际地理环境条件。
4 中继数据链系统的地面中继接入模式
由于山区地形的不确定性，有时需要采用地面中继接入工作模式。该模式的工作状态示意图如图4所示。任务机和吊舱设备采集到的两路视频信号、任务机遥测信号和吊舱状态信号首先通过地面无线终端中继、再通过地面接入设备传输到地面发射终端，最后通过无线链路发送给地面测控车载终端。相反，地面测控车的控制指令也通过地面转发终端、地面接入终端和地面中继终端转发给任务机终端，控制任务机的工作状态。
5 中继数据链系统的飞机中继模式
针对仅采用地面中继或接入的模式无法满足通信需求的情况，需要在数据传输链路上增加一台中继无人飞机。任务机和吊舱设备采集到的两路视频信号、任务机遥测信号和吊舱状态信号首先通过无线链路发送给中继机，通过中继机转发给地面测控车载终端，相反，地面测控车的控制指令也通过中继机转发到任务机终端，控制任务机的工作状态。由于任务机为可移动终端，该通信模式的优点是可以适用于幾乎所有的工作环境，弥补地面中继无法满足数据通信的情况。
6 总结
为解决无线通讯由于山峰阻挡、多径效应、频率选择性衰落和输电线路强电磁干扰等影响，本文设计了一套通讯中继数据链及几种成熟的应用模式，通过建设地面中继站，基于空中中继和光纤相混合的通讯中继组网方式，能够有效拓宽无人机巡线的测控距离，满足超视距复杂环境下无人机电力巡线需求。
参考文献：
[1] 徐柳华. 无人飞行器影像处理研究及其实现[D].长沙：中南大学信息物理工程学院，2009.
[2] 王建军，刘波. 适合于硬件实现的无损图像压缩[J].光学精密工程，2011，（04）：922-928
篇10：无人机数据链自动测试系统设计
无人机数据链是整个信息传输系统中链接各任务平台、优化信息资源的核心单元。它采用网络通信技术和应用协议, 实现机载、陆地和舰载信息数据系统之间的数据信息交换[1], 正朝着高速数传、网络化、多功能的宽带数据链以及一体化的通用宽带数据链的方向发展, 其功能复杂、性能指标要求高。相应的, 数据链自动测试技术的发展也非常迅速。以前的测试方法适合小批量型研生产, 自动测试技术应用直接影响到大批量的数据链电子系统验收及性能状态的确立, 这就需要在真正的应用试验环境中进行测试。然而外场测试中缺乏大动态、多径和精确跟踪等关键性能的标准试验环境, 系统性能模糊, 数据链系统不能主动发现问题。在无人机全系统联试过程中会经常出现发现问题、解决问题和试验验证的插曲, 延长了试验时间, 增加了系统定型成本。作为系统研制的最后环节, 自动测试技术在未来的数据链系统研制过程中, 能显著减少使用误差、人身误差, 提高系统生产、研制效率, 降低成本, 并且具有测试功能全、性能指标真实, 使用状态明确的优点。
1 总体设计
测试目的是为了验证测控与信息传输系统设备功能的正确性和指标的合格性, 同时对部分分机难以单独检验的功能进行验证。用于系统平面联试阶段的设备性能指标及功能检验。在复杂电磁环境下, 高速数传、网络化、抗干扰是通用宽带数据链的3个发展方向, 主要测试内容包含3部分: ①数据链设备性能指标及功能检验; ②复杂电磁环境下高速数传性能测试; ③复杂电磁环境下的抗干扰性能测试。
经过以上3方面测试就能够完成系统全性能测试、功能验证及系统在复杂电磁环境下的状态评估, 主要指标包括: 作用距离、系统功率、灵敏度、传输误码率和系统电平余量。复杂电磁环境适应性评估信道模型数量包括: 城市、山地、丘陵、森林、沙漠和水面等, 衰落模型包括: 恒参、瑞利、莱斯、对数正态、纯多普勒、平坦、高斯和巴特沃兹等。配合网络测试、调制解调特性测试、误码性能测试和干扰适应性测试等, 完成全系统指标测试, 达到系统效能评估的要求, 极大地减少了野外试验场的试验时间。野外试验的目的从原来的发现问题、解决问题, 转变为对系统效能的评估与验证, 包括空中接口性能的测试与比较, 也包含复杂电磁环境中的模拟和仿真。自动测试系统软件通过COM接口与Office软件进行通讯, 利用Office软件强大的文档处理功能, 在软件中实现Office文档的绘制, 自动生成所需要的各种测试数据报表。
1. 1 硬件设计
以信号源、频谱仪为基本仪器, 利用开关矩阵和网络技术, 将参试设备联接在一起, 通过计算机软件控制仪器的状态和参数, 实现无人机数据链系统 ( 机载设备和地面设备) 分机的设计指标上、下行发射功率, 接收灵敏度等的自动测试[2]。通过计算机控制数控衰减器、误码仪, 进行数据传输误码率等系统指标测试。
发射功率测试原理如图1所示。将参试设备参照图1正确连接, 采用有线连接方式, 衰减器置于保护频谱仪正常测试状态, 随后进行指标测试; 信号源输出信号接入开关矩阵1, 依次接入发射机, 开关矩阵2同步选择相对应的发射机, 输出信号, 经衰减器后由频谱仪读取送入计算机显示并存储。
接收灵敏度测试原理如图2所示。由地面发射端输出加调制射频信号经数控衰减器将信号衰减至机载接收灵敏度接入开关矩阵1, 依次接入机载接收机, 开关矩阵2同步选择相对应的机载接收机, 输出信号送终端解码转422串口送入计算机显示并存储。同样, 用机载发射端作输入信号, 就可以测试地面接收灵敏度。
数据链系统关键指标之一是通信距离, 通过无线电波在大气空间的传播损失公式L = 20lgf + 20lgd + 32. 4式中f为工作频率, d为作用距离。可计算在系统工作频段传播距离d时的总传播损耗为L[3]。总传播损耗小于发射功率与接收灵敏度之和, 就符合通信距离技术要求。
自动测试系统也可以生成单载波信号和多载波信号, 每个载波都可以单独定义, 如设置OFDM的所有参数, 从基带数据、包一直到帧, 定义用户自己的OFDM体制; 支持RS ( Reed-Solomon) 编码、卷积和加扰; 可以在信号加入诸如相位噪声、多径或量化等损伤; 加入跳频和选通噪声等, 满足电磁环境中的发射通道任意波形的应用。
在复杂电磁环境的接收通道, 实时信号分析仪的实时频谱观测功能, 以及实时频谱概率密度统计功能可以实现频谱的实时观测和实时统计, 从而完成频谱占用度和频谱重合度的测量, 对于数字/模拟解调、矢量分析和眼图等测量, 将解调后的基带信号与实际数据链信息数据进行统计比对。
1. 2 软件设计
无人机数据链自动测试软件是自动测试系统的核心, 在软件设计的时候不仅要考虑到软件对当前测试需求的支持, 还要易于在未来发展中对软件进行扩充, 并灵活适应自动测试系统用户多变的需求。所有这些都要求通用化自动测试平台系统的软件需要采用一个适当的软件体系结构统一进行设计规划, 进而保障软件设计实现的顺利进行。采用了分层的软件体系结构, 将自动测试软件划分为3层: 通信层、控制层和测试应用层。
通信层主要包括仪器的驱动、网络和串口等的通信。对于网络和串口等通信接口, 通信接口比较成熟, 尽量使用成熟、稳定的通信功能模块[4]。
对于仪器的驱动, 选用仪器本身提供的驱动软件。这些软件往往是通用的, 如VISA、IVI - COM等。这样即使更换了不同厂家的仪器或测试总线, 驱动程序也可以使用。
控制层主要实现控制测试仪器管理, 对常用仪器的控制接口进行抽象, 以实现自动测试软件仅了解通用接口即可对多个同类型的仪器进行控制的目的。
测试应用层包括测试应用模块和校零数据管理。测试应用模块应符合用户的需求, 不同的测试对象需求不同, 设计对应的应用模块。校零数据管理模块是管理测试系统中的校零数据, 如射频线缆、连接器的插入损耗等。大部分自动测试系统的校零数据保存在计算机的硬盘中, 因为大部分自动测试系统进行一次校准产生的校零数据是可以使用一段时间的, 所以再次启动自动测试软件时不用再次输入校零数据, 当然需要实时校准的自动测试系统除外[5]。
对照人工测试和系统自动化测试, 可以知道, 数据链自动测试技术减少了对设备的介入, 可以用数据、图形、表格和其他希望的方式给出, 结果一目了然。与人工测试相比, 测试结果完全相同, 但所花时间是人工测试的百分之一, 甚至千分之一, 极大地提高了测试效率。
无人机数据链自动测试技术是一种先进的测试验收技术, 能够实现系统性能指标测试、功能验证及系统状态评估等, 实现全自动化, 满足无人机数据链系统技术应用[6]。
2 需要解决的问题
无人机数据链功能复杂、性能指标要求高, 在传统验收测试中, 缺乏大动态、多径、精确跟踪等关键性能的试验环境, 系统性能模糊, 采用常规的人工方法, 数据链系统不能主动发现问题, 只能被动解决问题, 没有形成数据系统性和专家系统, 缺乏经验增长途径。在无人机全系统试验时会经常出现发现问题、解决问题和试验验证的重复过程, 延长了试验时间, 增加了系统研制定型成本, 并且数据的可靠性差, 有非常大的离散性, 无法充分利用。采用系统自动化测试技术, 能够固化设备状态, 显著减少测试时间、降低成本, 并且提高测试数据与实际应用环境使用性符合度。
3 关键技术
无线链路自动测试系统的关键技术, 为信道仿真仪, 共由3大部分组成: 发信机、接收机及无线链路信道。要求信道仿真仪适应性高、模式种类多, 对真实的电磁应用环境匹配性好。主要指标包括: ①工作波段: L、S、C; ②射频带宽: 最高300 MHz; ③输入信号功率: -30 ~0 dBm; ④输出信号功率: -116 ~ - 16 dBm; ⑤传播时延最大处理能力: 1300 ms; ⑥多谱勒频移: 最高±1. 25 MHz; ⑦衰落模型: 恒参、瑞利、对数正态、纯多普勒、平坦、高斯和巴特沃兹等。
信道仿真仪可以重建路径损耗、遮挡、多径衰落、延迟扩展、多谱勒扩展、角扩展和极化影响等[7], 也可以加入噪声和干扰。可以创建不同测试环境, 如室内、城市、郊区和山地等基于几何随机模型的信道模型, 其仿真原理是基于文件仿真原理, 即只要该信道模型可以描述出来并写入文件, 就可以使用信道仿真仪进行无人机数据链系统的空间动态仿真验证。
4 结果分析
对照有线人工测试和系统无线自动化测试可知, 数据链无线自动测试技术减少了对设备的介入, 显著减少测试时间、降低了成本, 生成的数据与实际应用环境使用性符合度高。通过自动测试软件, 可以实现对仪器的控制, 自动完成复杂、繁琐的测试工作, 减少人为因素造成的误差, 最大程度地保证测试结果准确、真实。通过计算机完成大量的统计、计算工作, 测量结果可以用数据、图形、表格和其他希望的方式给出, 结果一目了然。采用有线人工测试方法至少需要两人配合搭好测试环境, 每测试一套都必须记录测试数据、更换被测设备从新连接。而无线自动测试系统只需首次测试前搭好测试环境, 依据测试项目选用适合的应用模块, 并自动记录测试结果。
为了对比测试, 使用了一套通用数据链系统, 采用有线人工测试和无线自动化测试2种方法。测试项目对照如表1所示。
在升级或增加系统功能时, 只需针对射频控制单元和软件的测试应用模块即可, 成本低、速度快。并且随着计算机网络技术的发展, 还可通过计算机网络实现自动测试的远程监控。
5 结束语
无人机数据链自动测试技术可以实现全自动化测试, 测试结果与人工测试结果完全相同, 并且有效避免了人工测试条件下长时间重复劳动导致的人身误差, 满足性能稳定、控制方便的要求。计算机接口兼容性好、重复性好。提高了无人机测控系统的生产测试效率, 通过自动测试的数据链系统, 能够在不同的地点、不同的环境下, 实现高速、抗干扰、宽带数据传输功能。对这些不同环境的测试结果进行比较和综合分析, 可以很客观地展示无人机数据链在复杂电磁环境下的工作性能。对于无人机测控系统的生产、调试、验收过程有着重大的促进作用。因此该无线自动测试技术具有非常好的应用前景。
摘要：分析了目前无人机数据链系统自动测试的需求与实现方式。针对越来越复杂的数据链系统对自动测试的迫切需求, 给出了一种基于自动测试软件为核心的由各个测试仪器所组成的自动测试系统。介绍了自动测试系统的工作原理和框架、工作流程以及软件设计。该自动测试系统已经在无人机数据链系统中得到可靠验证。论述了系统的低成本、高效率的特点, 分析了自动测试系统的发展趋势。
关键词：无人机,数据链,自动测试系统,高效率
参考文献
[1]费川, 何宝民, 刘栋.数据链自动测试系统综合效能评估[J].四川兵工学报, 2010, 31 (9) :105-128.
[2]邱建东, 胡永红, 麻远洋.通用无线电数据链自动测试系统软件可靠性设计[J].计算机测量与控制, 2006 (11) :1 563-1 565.
[3]樊昌信, 詹道庸.通信原理[M].北京:国防工业出版社, 1997.
[4]刘素蝉.自动测试软件的通用化设计[J].计算机与网络, 2010, 36 (1) :45-47.
[5]吴健田环境试验自动测试系统[J].无线电工程, 2007, 37 (8) :46-50.
[6]杜丽霞, 刘军.通用无线电数据链自动测试系统可靠性设计[J].兰州交通大学学报, 2007, 26 (4) :97-101.
[7]朱永松, 张海勇, 汲万峰.跳频通信抗干扰分析[J].现代防御技术, 2005, 33 (5) :37-41.
[8]段吉海, 黄智伟.基于CPLD/FPGA的数字通信系统建模与设计[M].北京:电子工业出版社, 2004.
[9]WILSON S G.数字调制与编码[M].北京:电子工业出版社, 2002.
【无人机智能数据链体系结构】相关文章：
无人工作面的采煤机智能控制关键技术分析01-27
无人值守智能变电站运行可靠性能的分析01-29
基于图像处理的智能无人收银服务系统设计09-10
无人机航拍05-05
无人机新闻05-15
无人机选择范文05-21
无人机比赛范文05-21
无人机照片范文05-21
无人机培训总结05-20