【通信】基于 OTFS 的无人机协作中继 LEO 卫星通信中断概率分析附MATLAB代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、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
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
一、引言
低地球轨道（LEO）卫星系统因其高轨道速度，会经历严重的多普勒频移，这对传统基于正交频分复用（OFDM）的通信系统造成性能下降。本项目对由无人机协作中继增强的基于正交时间频率空间（OTFS）调制的下行链路 LEO 卫星通信系统的中断概率进行了分析研究。同时，作为实现 6G 全球覆盖的重要技术，LEO 卫星通信仍面临着路径损耗大以及严重多普勒效应等挑战。本文针对下行链路 LEO 卫星通信系统的可靠性性能展开研究，采用 OTFS 方案应对严重的多普勒效应，并引入基于无人机（UAV）的协作传输，以补偿因长传输距离导致的较大路径损耗。
二、LEO 卫星通信面临的挑战
- 多普勒频移问题
：LEO 卫星高速运行，导致信号产生严重的多普勒频移。在传统 OFDM 通信系统中，这种频移会破坏子载波之间的正交性，引发子载波间干扰（ICI），使得接收端难以准确解调信号，从而降低通信质量和可靠性。例如，在高速移动场景下，OFDM 系统的误码率会显著增加，导致数据传输出现大量错误。
- 路径损耗挑战
：由于 LEO 卫星与地面接收端之间传输距离长，信号在传播过程中会遭受较大的路径损耗。这使得接收信号的强度减弱，信噪比降低，进一步影响通信的可靠性。例如，对于一些对信号强度要求较高的应用，如高清视频传输，路径损耗可能导致视频卡顿、画质下降等问题。
三、OTFS 调制与无人机协作中继
- OTFS 调制原理
：OTFS 调制在延迟 - 多普勒域中运行，它将快速变化的卫星信道转换为近乎时不变的表示。通过这种方式，OTFS 能够有效应对多普勒频移的影响。在延迟 - 多普勒域中，信号的处理方式与传统的时频域不同，它可以更好地跟踪信道的变化，减少 ICI 的影响。例如，在高速移动的 LEO 卫星通信场景下，OTFS 能够保持子载波之间的正交性，从而提高信号的解调准确性。
- 无人机协作中继作用
：无人机中继工作在解码转发（DF）模式下，为通信提供了额外的传输路径。当卫星信号由于路径损耗等原因在直接传输中受到影响时，无人机可以接收并解码卫星信号，然后重新编码转发给地面接收端。这种协作传输方式显著提高了通信的可靠性，弥补了卫星信号因长距离传输导致的强度不足问题。例如，在一些地形复杂或信号遮挡严重的区域，无人机中继可以绕过障碍物，确保信号能够准确传输到接收端。
四、中断概率分析
- 推导中断概率闭式表达式
：本文推导了基于 OTFS 的 LEO 卫星传输中断概率的闭式表达式。在推导过程中，使用了新颖的矩匹配方法来紧密近似阴影莱斯（SR）变量之和的概率密度函数（PDF）。通过这种方式，能够准确地分析系统在不同条件下发生中断的概率。例如，根据推导的表达式，可以计算出在特定的信道条件、卫星轨道参数以及无人机位置等因素下，通信系统的中断概率，为系统设计和优化提供理论依据。
- 确定无人机协作条件
：进一步获得了使用无人机协作的条件，以保证能够获得正的可靠性增益。这意味着在满足特定条件下，引入无人机协作中继能够切实提高通信系统的可靠性。例如，通过分析得出无人机与卫星和地面接收端之间的距离、无人机的发射功率等参数需要满足一定关系，才能使无人机协作中继发挥积极作用，有效降低中断概率。
⛳️ 运行结果
📣 部分代码
% CORRECT METHOD:
% SNR = Ps/sigma2 * (Lsd/Zsd + xi*Lrd/Zrd) [Eq.10, Eq.11]
% Outage: I_otfs < Rb => Lsd/Zsd + xi*Lrd/Zrd < eta
% So the CDF variable is W = Lsd/Zsd + xi*Lrd/Zrd
%
% Since Zsd ~ InvGamma => 1/Zsd ~ Gamma
% W = sum of scaled Gamma vars => W ~ Gamma (moment matching)
% P_out = gammainc(eta * beta_W, alpha_W) [Theorem 1, Eq.20]
%
% STEPS:
% 1. SR stats: mu_s, var_s via Eq.(13)(14) using hypergeom
% 2. chi_sd -> Gamma(alpha_sd, beta_sd) moment matching
% 3. Zsd ~ IG -> moments mu_Zsd, var_Zsd via Eq.(16)
% 4. 1/Zsd ~ Gamma -> E[1/Zsd], Var[1/Zsd] via IG property
% 5. Zrd ~ IG -> moments via Eq.(18) -> E[1/Zrd], Var[1/Zrd]
% 6. W = Lsd/Zsd + xi*Lrd/Zrd -> Gamma(alpha_W, beta_W) moment match
% 7. P_out = gammainc(eta*beta_W, alpha_W) eta=sigma2*(2^{2Rb}-1)/Ps
% =========================================================================
clc; clear; close all;
%% PARAMETERS
N=4; M=4; NM=N*M; Ns=10;
b_sd=0.251; m_sd=0.251; Omega_sd=0.279; Omega_rd=1;
sigma2=1; Rb=1;
Ps_dB=0:0.5:25; Ps_lin=10.^(Ps_dB/10);
🔗 参考文献
Jia Shi, Junfan Hu, Yang Yue, Xuan Xue, Wei Liang, and Zan Li,"Outage Probability for OTFS Based Downlink LEO Satellite Communication,"IEEE Transactions on Vehicular Technology, vol. 71, no. 3, pp. 3355–3360, March 2022.
🍅更多创新智能优化算法模型和应用场景可扫描关注
🌟机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~
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
🌟组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
🌟分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
🌟路径规划类：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、多式联运优化等等~
🌟小众优化类：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、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\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~
🌟 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\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化
🌟原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心