【无线电】城市环境中非地面网络（卫星 _ 无人机）的无线电频道模拟器Matlab实现

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

城市非地面网络：无线电通信的 “复杂战场” 与模拟器需求

随着 6G 通信技术向 “空天地一体化” 演进，非地面网络（Non-Terrestrial Network, NTN）—— 涵盖低轨卫星（LEO）、中轨卫星（MEO）与无人机通信节点 —— 成为弥补城市地面网络覆盖盲区、支撑应急通信、物联网海量连接的关键基础设施。与开阔场景不同，城市环境中高楼林立、电磁环境复杂，NTN 的无线电信道面临独特挑战，直接影响通信质量与网络稳定性：

1. 多径衰落与遮挡效应叠加：卫星与无人机信号在城市中传播时，会经建筑物反射、散射形成多径信号，同时受高楼遮挡出现 “阴影衰落”，导致接收信号强度剧烈波动（幅度可达 20-30dB）。例如，低轨卫星信号在密集城区的遮挡概率高达 40%-60%，远高于郊区（<10%）；

1. 动态信道特性显著：无人机飞行速度快（可达 50-100km/h）、卫星轨道运动（LEO 卫星过境速度约 7.8km/s），导致信道时延、多普勒频移随时间快速变化 —— 无人机与地面终端的相对运动，可使多普勒频移达 ±1kHz，远超地面静态信道（<100Hz）；

1. 电磁干扰复杂：城市中存在大量地面基站、WiFi、蓝牙等无线设备，其工作频段（如 2.4GHz、5GHz）与 NTN 常用频段（如 Ku 波段、Ka 波段）可能重叠，形成同频或邻频干扰，进一步恶化信道质量。

传统无线电信道模型（如自由空间传播模型、Okumura-Hata 模型）仅适用于地面静态场景，无法精准刻画 NTN 在城市环境中的动态、复杂信道特性。因此，开发城市环境 NTN 无线电频道模拟器成为关键 —— 通过构建贴合实际的信道模型，模拟信号传播过程中的衰落、遮挡、干扰等效应，可为 NTN 通信协议设计、设备性能测试、网络部署优化提供 “虚拟测试场”，大幅降低实网测试成本（实网测试成本通常是仿真测试的 10-20 倍）。

⛳️ 运行结果

📣 部分代码

t status for each simulation cell

% theta is the elevation angle between the satellite and each simulation cell

% Sim is the simulation parameter’s structure

% Model is the model parameter’s structure

%

% Output

% etaMatrix holds the excess path loss for each simulation cell

%% Generate eta

if ( Sim.Env ~= 1 && Sim.Env ~= 2 && Sim.Env ~= 3)

error('Environment Should be 1,2, or 3');

end

if ( Sim.Freq < 700 || Sim.Freq > 5800)

error('This function supports frequencies between 700 and 5800 MHz]');

end

%% Interpolating for the simulation frequency

muLoS = interp1(Model.Model_Freq,Model.LoS_mu(:,Sim.Env),Sim.Freq);

muNLoS = interp1(Model.Model_Freq,Model.NLoS_mu(:,Sim.Env),Sim.Freq);

aLoS = mean(Model.LoS_sigma(:,2*Sim.Env-1)); % This vector does not show clear dependency on the freq -> the mean is taken

bLoS = Model.LoS_sigma(:,2*Sim.Env);

bLoS = interp1(Model.Model_Freq,bLoS,Sim.Freq);

🔗 参考文献

[1] 陈来军,王任,郑天文,等.基于参数自适应调节的虚拟同步发电机暂态响应优化控制[J].中国电机工程学报, 2016, 36(21):8.DOI:10.13334/j.0258-8013.pcsee.160458.

[2] 柳震.基于Watterson模型的短波信道模拟器设计与实现[D].哈尔滨工程大学,2011.DOI:10.7666/d.y2052268.

[3] 沈跃.考虑驾驶特性与行车风险的人机共驾策略研究[D].西南交通大学[2025-09-10].

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码