【卫星】用于接收 LEO 卫星信号的非旋转 UHF 地面站matlab代码

原创已于 2024-11-20 00:28:59 修改 · 930 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #开发语言

于 2024-04-23 09:04:55 首次发布

物理应用专栏收录该内容

102 篇文章

订阅专栏

本文探讨了非旋转UHF地面站作为LEO卫星接收站的潜力，其优点包括高跟踪效率、低成本、部署灵活和抗干扰性强。文章还提到当前技术进展以及未来可能的研究方向，如提高接收灵敏度、降低成本和应用场景的扩展。

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

🔥 内容介绍

随着低轨卫星 (LEO) 星座的快速发展，对地面接收站的需求也日益增长。传统的接收站通常采用旋转天线，但对于 LEO 卫星来说，由于其轨道高度较低，运行速度较快，旋转天线的跟踪效率较低，且成本较高。因此，非旋转 UHF 地面站应运而生，它具有以下优势：

1. 跟踪效率高：非旋转 UHF 地面站采用全向天线或扇形天线，可以覆盖整个天空，无需进行机械旋转，从而提高了对 LEO 卫星的跟踪效率。

2. 成本低：非旋转 UHF 地面站无需复杂的旋转机构，结构简单，制造成本和维护成本都较低。

3. 部署灵活：非旋转 UHF 地面站体积小巧，易于部署，可以安装在各种环境中，例如屋顶、山顶或偏远地区。

4. 抗干扰能力强：非旋转 UHF 地面站采用全向天线，可以接收来自不同方向的信号，抗干扰能力强。

5. 适用于多种应用场景：非旋转 UHF 地面站可用于各种应用场景，例如物联网、导航、遥感、应急通信等。

目前，非旋转 UHF 地面站技术已经取得了较大进展，一些公司已经推出了成熟的解决方案。例如，美国 Spire Global 公司推出了名为 "Lemur-2" 的非旋转 UHF 地面站，该地面站采用全向天线，可以接收来自 500 公里高度的 LEO 卫星信号。

非旋转 UHF 地面站的应用前景十分广阔，它将为 LEO 卫星星座的快速发展提供重要的基础设施支持。未来，随着技术的进一步发展，非旋转 UHF 地面站的性能将进一步提升，成本将进一步降低，应用范围也将更加广泛。

以下是一些关于非旋转 UHF 地面站的进一步讨论：

如何提高非旋转 UHF 地面站的接收灵敏度？
如何降低非旋转 UHF 地面站的成本？
如何将非旋转 UHF 地面站与其他地面站技术结合使用？
如何将非旋转 UHF 地面站应用于不同的应用场景？

这些问题都需要进一步研究和探索，以推动非旋转 UHF 地面站技术的不断发展和应用。

⛳️ 运行结果

📣 部分代码

% Script for ablation study on workspace density adaptation.%% Data input from "/data/" folder in ".json" format%% Author%   Sipu Ruan, 2023close all; clear; clc;add_paths()% Name of the datasetdataset_name = 'panda_arm';% dataset_name = 'lasa_handwriting/pose_data';% Robot for executionrobot_execute = {'panda_arm', 'kinovaGen3', 'ur5',...    'kukaIiwa7', 'abbYumi_right_arm', 'atlas_left_hand',...    'rethinkBaxter_right_hand', 'robotisOpenManipulator'};% robot_execute = {'panda_arm', 'kinovaGen3', 'ur5', 'kukaIiwa7'};demo_type = load_dataset_param(dataset_name, 5:9);%% Run ablations for each demo typefor i = 1:length(robot_execute)    for j = 1:length(demo_type)        run_ablation(robot_execute{i}, dataset_name, demo_type{j});    endendfunction run_ablation(robot_execute, dataset_name, demo_type)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Tunable parameters% ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^% Number of steps for interpolated trajectoriesn_step = 50;% Number of sampled end effector posesn_state = 1e4;% Group name: 'SE', 'PCG'group_name = 'PCG';%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%data_folder = strcat("../data/", dataset_name, "/", demo_type, "/");result_folder = strcat("../result/ablation/workspace_density/",...    robot_execute, "/", demo_type, "/");mkdir(result_folder);%% Load demo data and compute mean/covarianceargin.n_step = n_step;argin.data_folder = data_folder;argin.group_name = group_name;% Compute trajectory distribution from demonstrationsfilenames = dir(strcat(argin.data_folder, "*.json"));g_demo = parse_demo_trajectory(filenames, argin);[res_primp_no_wd.mean, res_primp_no_wd.covariance] = get_pdf_from_demo(g_demo, group_name);%% Workspace density of the robot for execution% Poses of distal end of each link for the manipulator[pose_ee, mdl_execute, ee_name_execute] = generate_robot_ee_pose(n_state, robot_execute);% Mean and covariance of the poses of each linkpdf_ee = get_pdf_from_pose(pose_ee, group_name);pdf_ee = pdf_ee{end};%% Ablation studyclc;disp('Ablation study for workspace density adaptation in PRIMP')disp(['Dataset: ', dataset_name])disp(['Robot for execution: ', robot_execute])disp(['Demo type: ', demo_type])disp(['Group: ', group_name])% Parametersparam.n_sample = 0;param.group_name = group_name;res_primp_no_wd.group_name = param.group_name;res_primp.group_name = param.group_name;% PRIMP fused with workspace density of the robot for executiondisp('Fusion with workspace density of robot arm')primp_fused_obj = PRIMP(res_primp_no_wd.mean.matrix, res_primp_no_wd.covariance, param);[res_primp.mean, res_primp.covariance] =...    primp_fused_obj.get_fusion_workspace_density(pdf_ee.mean, pdf_ee.cov);%% Compute Yoshikawa manipulability measuredisp('>> Evaluation: manipulability')metric_primp.manipulability = compute_manipulability_from_ee_pose(res_primp.mean, mdl_execute, ee_name_execute);metric_primp_no_wd.manipulability = compute_manipulability_from_ee_pose(res_primp_no_wd.mean.matrix, mdl_execute, ee_name_execute);%% Compute Mahalanobis distance with workspace densitydisp('>> Evaluation: Mahalanobis distance with workspace density')metric_primp.distance = compute_mahalanobis_distance(res_primp.mean, pdf_ee.mean, pdf_ee.cov, group_name);metric_primp_no_wd.distance = compute_mahalanobis_distance(res_primp_no_wd.mean.matrix, pdf_ee.mean, pdf_ee.cov, group_name);%% Evaluation of ablation study% Store results as .mat fileres_filename = strcat(result_folder, "result_ablation_primp_wd.mat");save(res_filename, "res_primp", "res_primp_no_wd", "metric_primp",...    "metric_primp_no_wd", "group_name", "pdf_ee");% Display and store command windowdiary_filename = strcat(result_folder, "result_ablation_primp_wd.txt");if exist(diary_filename, 'file') ; delete(diary_filename); enddiary(diary_filename);disp('===============================================================')disp('Ablation results for workspace density adaptation in PRIMP')disp(['Group: ', group_name])disp('===============================================================')disp('>>>> PRIMP with workspace density adaptation <<<<')disp('---- Manipulability for mean trajectory ----')disp(num2str( mean(metric_primp.manipulability, 1) ))disp('---- Mahalanobis distance to WD for mean trajectory ----')disp(num2str( mean(metric_primp.distance, 1) ))disp('---------------------------------------------------------------')disp('>>>> PRIMP (ablated) <<<<')disp('---- Manipulability for mean trajectory ----')disp(num2str( mean(metric_primp_no_wd.manipulability, 1) ))disp('---- Mahalanobis distance to WD for mean trajectory ----')disp(num2str( mean(metric_primp_no_wd.distance, 1) ))diary offend