基于Simulink的多无人机接力信号中继仿真建模实践

直接切入正题。

很多搞无人机通信或者做集群项目的朋友，多半都遇到过这个尴尬事：地面站跟飞机飞远了，图传信号飘忽不定，遥控链路偶尔还来个延迟卡顿；想在山谷、城市楼宇这种遮挡环境里做超视距作业，单机那点通信半径根本顶不上去。解决思路其实大家都有——多来几架飞机站在中间当“传声筒”，但真到了要在仿真环境里把“多机接力中继”这套逻辑跑通、把链路预算算明白的时候，很多人就卡在建模这一步了。

这阵子我正好用Simulink完整地搭了一套多无人机接力信号中继的仿真模型，从单机通信链路到多机协同中继决策，再到跟飞控、导航逻辑的联合仿真，算是把整个流程从头到尾踩了一遍。这篇东西我就把这套建模思路、关键模块选型、核心参数计算逻辑以及我实操中踩过的坑，全部摊开来讲清楚。不管你是准备参加数学建模竞赛、做毕业设计，还是想在公司项目里预研一下集群中继方案，这篇文章的思路和步骤都能直接复用。

1. 整体建模思路：为什么用Simulink做多机接力中继仿真

1.1 先搞清楚你要仿真的是“通信链路”还是“协同决策”

开始动手之前，有个问题必须想明白：你说的“多机接力信号中继”，本质上是两件事的叠加。

第一件事是通信链路的物理层仿真。也就是信号从A点发出去，经过自由空间路径损耗、遮挡衰减、多径衰落，到达B点之后信噪比还剩多少，误码率是多少。第二件事是多机协同决策仿真。也就是说，当无人机1和地面站之间的直连链路质量变差时，系统怎么判断“该让无人机2飞到哪个位置当中继”，中继链路建立之后怎么切换、怎么保持。

这两件事在Simulink里的建模方法和侧重点完全不同。链路仿真要的是信道模型、天线方向图、发射功率、接收灵敏度这些射频参数；协同决策要的是状态机、逻辑判断、路径规划、任务分配这些控制层面的内容。

我的建议是：一开始不要把两者揉在一个模型里，否则模型会变得极其庞杂，仿真跑一步慢得要死，调试起来更是想哭。合理的做法是分层建模——底层用Simulink的通信工具箱（Communications Toolbox）把物理链路搭出来；上层用Stateflow做中继决策逻辑；中间通过自定义的信号接口（比如结构体总线）传数据。

1.2 模型架构设计：把无人机抽象成什么

在Simulink里搞多无人机仿真，最常见的坑就是“一上来就建四旋翼的完整动力学模型”。如果你的重点是信号中继，那搞六自由度的气动模型完全是自找麻烦——模型复杂度爆表、参数标定困难、仿真步长受限，而通信逻辑的验证根本不需要这么细的飞行姿态。

我采用的是质点运动模型 + 通信载荷模型的方式：每架无人机在Simulink里用一个子系统表示，子系统内部包含三个核心模块：

• 运动学模块：只算位置和速度，用简单的积分器实现，输入是速度指令，输出是经纬高坐标（或者局部ENU坐标）。
• 通信载荷模块：算发射功率、天线增益、接收灵敏度、当前链路的信噪比。
• 中继决策模块：根据链路质量判断“我当前直连信号行不行”“要不要当中继节点”“中继目标是谁”。

这样的抽象方式，既保留了多机协同和链路质量评估的核心逻辑，又不会让模型复杂度失控。实际过程中，我用这套简化模型把10架无人机同时仿真的情况跑得很轻松，效率比带气动的完整模型高出好几个数量级。

1.3 坐标系与数据交互的统一问题

多机协同仿真里最容易出Bug的地方就是坐标系不统一。我当时吃过亏：地面站位置用的是经纬度，无人机位置算的是局部东北天坐标，信道模型里算距离的时候没有转成同一坐标系，导致中继决策逻辑得到的链路距离完全错误，仿真结果惨不忍睹。

所以建模第一步，统一坐标系。我建议在Simulink里面用MATLAB Function封装一个坐标转换模块，把经纬高全部转成以地面站为原点的ENU直角坐标。然后所有距离计算、信道计算、中继决策全部在这个ENU坐标系下进行，只有做任务规划的时候再转回经纬度。这一点看起来不起眼，但直接决定了整个模型能不能用。

2. 核心链路建模：信道模型与无人机的“信号体质”

2.1 中继为什么会有效果？先看自由空间路径损耗

要说清楚中继建模，必须先回到最基础的链路预算公式。在自由空间中，信号的传播损耗可以简化为：

[ Loss = 20 \log_{10}(d) + 20 \log_{10}(f) + 20 \log_{10}(\frac{4\pi}{c}) ]

其中 d 是收发距离（米），f 是载波频率（赫兹），c 是光速。这个公式告诉我们一个特别直白的事实：距离每翻一倍，损耗增加约6dB。如果直连距离是20公里，某段中继把每跳距离缩短到5公里，那么每一跳的损耗比直连要低12dB——在无线通信里，12dB的收益是极其可观的，往往意味着链路由完全不可用变成了稳定高码率传输。

我在模型里实现的时候，用的是Simulink的“自由空间路径损耗”模块（在Communications Toolbox里直接有），输入是距离和载波频率，输出是损耗值dB。这个模块还支持双径地面反射模型，精度更高一点。实测下来，在城市低空或者丘陵地形场景里，双径模型更接近真实情况，因为低空无人机信号会有较强的地面反射路径。

2.2 接收灵敏度和发射功率：决定“能不能通”的关键参数

搞中继建模的另一个核心参数是接收灵敏度。也就是说，接收机最低需要多少功率才能解调出信号。无人机图传和数传的接收灵敏度一般在 -90dBm 到 -105dBm 之间，看调制方式和码率而定。

链路预算的简化公式就是：

[ P_{rx} = P_{tx} + G_{tx} + G_{rx} - Loss_{path} - Loss_{margin} ]

其中 ( P_{rx} ) 是接收功率（dBm），( P_{tx} ) 是发射功率（dBm），( G_{tx} ) 和 ( G_{rx} ) 是收发天线增益（dBi），( Loss_{path} ) 是路径损耗（dB），( Loss_{margin} ) 是我们人为预留的衰落余量（dB）。

这个公式在Simulink里面实现非常方便，直接用求和模块加加减减，或者写一个MATLAB Function模块几行代码就够了。重点是余量的选择：固定翼无人机巡检场景，我习惯预留 15-20dB 的衰落余量；城区多径严重的场景得留到 25dB 以上。这个余量直接决定了链路可用概率，也是中继决策逻辑判定的核心依据。

2.3 用误码率或者信噪比作为“链路健康度”指标

在Simulink里面做真实误码率仿真可以，但速度会很慢，因为需要传输实际的数据波形。如果你主要想验证中继逻辑，其实更高效的做法是用信噪比（SNR）或者信噪比余量来等效判断链路质量。

我的做法是：在接收端根据接收功率和接收机噪声底噪算出SNR，然后用一个查表模块（Lookup Table）把SNR映射成当前调制编码方式下的误码率。这样既保留了物理层的核心特征（SNR决定链路质量），又避免了逐比特级仿真的计算开销。

噪声底噪的计算公式是：

[ N = kTB + NF ]

其中 k 是玻尔兹曼常数，T 是等效噪声温度（一般取290K），B 是信道带宽（Hz），NF 是接收机噪声系数（dB）。举一个实例：20MHz带宽、噪声系数3dB的接收机，底噪大约是 -101dBm。如果接收功率是 -85dBm，那么SNR就是16dB。在QPSK调制下，这个SNR已经能获得很低的误码率，链路健康度自然就是“优”。

3. 中继决策逻辑建模：Stateflow如何实现“接力”

3.1 把“接力”这件事拆解成状态机

多机接力信号中继，从逻辑层面拆解，无非就几个状态：

• 直连模式：无人机直接跟地面站通信，链路质量好，不需要中继。
• 中继请求模式：直连链路质量低于阈值，系统开始搜索可用的中继节点。
• 中继连接模式：选定一架或几架无人机作为中继节点，源节点通过中继链路跟地面站通信。
• 中继切换模式：当前中继链路也恶化时，切换到另一架更合适的中继节点，或者调整中继节点的位置。

在Simulink里面，这个状态机用Stateflow来搭最合适。我用Stateflow的原因有两个：第一，它能很直观地画出状态转移图，逻辑一目了然，后面要改判定条件也方便；第二，Stateflow可以直接读写Simulink里的信号，跟飞行控制、通信载荷模型对接不需要写一堆晦涩的接口代码。

3.2 最优中继节点选择的判定逻辑

多机中继最核心的算法就是“选谁当中继”。这一步我推荐用最小化等效路径损耗的思路。也就是说，对每一架候选中继无人机计算：

[ Cost = Loss(d_{source \to relay}) + Loss(d_{relay \to ground}) + C_{relay} ]

其中 ( C_{relay} ) 是引入额外中继节点带来的处理时延和硬件损耗代价（一个经验值，比如3dB）。选出Cost最小且满足SNR阈值的无人机作为中继节点。

这里有一个经验：不能只看单跳距离之和最小，因为中继节点本身的接收灵敏度、天线增益也可能不同（比如吊舱安装角度不一致导致方向图差异）。所以更稳妥的做法是，用每两跳分别计算接收功率，然后取两者中较差的作为瓶颈链路，选择那个让瓶颈链路最优的节点。

在Simulink里实现这个逻辑，我用了MATLAB Function模块来写这个选择算法，输入是一个数组（所有候选节点的链路功率/SNR信息），输出是最优中继节点的ID。数组在MATLAB Function里操作很方便，用max或者是find函数就能轻松选出最优节点。这里正好呼应了大家搜过的“simulink的数组读”这个操作——用MATLAB Function处理数组，比在Simulink里拉一堆selector模块要高效得多。

3.3 中继切换的迟滞保护：防止频繁切换翻车

状态机建模里面最容易被忽略的问题是“抖振”。如果中继判定阈值设得太紧，无人机稍微动一下，SNR刚刚越过阈值，系统马上切换中继；结果飞机姿态一变，SNR又回去了，又切回来——这样中继链路会在极短时间内反复切换，通信链路直接被切碎。

解决办法是引入迟滞比较。切换条件是SNR低于阈值A（比如10dB）持续超过5秒；同时只有当SNR恢复到阈值B（比如15dB）以上时，才允许切回直连模式。A和B之间留出迟滞区间，避免频繁切换。

在Stateflow里实现这个迟滞逻辑非常顺手，只要在状态转移条件里分别给切换阈值和恢复阈值，再配合after(n, tick)这类时间逻辑就能搞定。我强烈建议所有做中继模型的人都把这个机制加上，否则你的仿真结果在链路边界附近会疯狂抖动，完全没法看。

4. 多机协同与动态部署：让中继节点“动起来”

4.1 中继节点不是停在那里的：动态位置调整建模

如果说静态中继是“树一个信号塔在天上”，那么动态中继就是“信号塔长了脚，会自己跑到需要的地方去”。这也是多机接力中继最核心的优势——中继无人机可以根据源节点和地面站的相对位置变化，实时调整自己的悬停位置，始终保持最优的链路几何。

我在建模里将中继节点的位置控制作为一个独立的子系统来设计。子系统输入是源节点和地面站的位置，输出是中继节点的期望位置指令。期望位置的算法我用了比例分割法：让中继节点飞向源节点和地面站连线的中点，同时保持一定的高度偏移（比如高100米，以获得更好的视距概率）。

在Simulink里这个模型实现起来就是简单的代数运算：先求源节点和地面站的坐标差，然后乘以0.5系数，再加上地面站坐标就得到了中点位置。把中点位置输入到无人机的运动学子系统里，通过简单的比例-积分控制器（或者直接写一个P控制器）就能让无人机平滑地飞往目标点。实测下来，这个P控制器的比例系数取0.3-0.5比较合适，太大了中继节点会冲过头，太小了又跟不上源节点移动的速度。

4.2 多中继级联：最远能传多远？用几何运算算清楚

如果你需要覆盖更长的距离，单级中继就不够了，得考虑多级中继——A传到B，B传到C，C再传到D。这种场景在Simulink里面建模并不复杂，关键是要把中继节点的角色定义清楚：一架无人机可能同时是上一跳的接收端和下一跳的发射端，信号在它内部的转发延迟和噪声底噪需要额外建模。

多级中继的链路预算很简单，就是每一跳的接收功率都要大于接收灵敏度。假设每一跳的发射功率相同，天线增益相同，那么每一跳的最大距离就是一样的，叫做最大单跳距离。如果是N级中继，理论覆盖距离就是N乘以最大单跳距离。当然，这是理论上限，实际要考虑中继节点自身的处理时延和底噪恶化，一般每跳预留3-5dB的余量。

在模型里，我专门做了一组增益连接的级联计算表，输入是中继级联数量、单跳距离、频率、发射功率，输出是总接收功率和各级SNR。这样一个电子表格式的计算模块配合Simulink的仿真循环，就能很方便地分析“到底需要几架无人机才能实现30公里的信号接力覆盖”。

4.3 失效保护：中继节点突然掉线怎么办

多机协同中继还有一关要过：中继无人机本身也可能出问题——电量不足、电机故障、被风吹偏位置、甚至失联坠机。所以在模型中必须包含失效保护逻辑。

我在Stateflow里增加了一个“链路健康监控”并行状态机，当发现中继链路的SNR持续恶化超过一定时间（比如30秒），或者接收不到中继节点的遥测心跳包时，自动触发两条处理路径：

一是立即切换到备用中继节点（前提是列表里还有满足条件的候选节点）；二是如果备用节点也没有，就尝试让源节点降低码率（降低对链路SNR的要求），保持最低限度通信。

这个逻辑在Simulink中用Event触发机制来处理很舒服——当失效事件发生时，Stateflow广播一个事件给所有中继节点子系统，让它们更新任务状态。实测中这种触发方式比每个周期查询标志位要可靠得多，不会出现因为仿真步长恰好错过状态变化而漏掉失效处理的情况。

5. 联合仿真与FMU导出：从模型到实物的最后一公里

5.1 把模型跟飞控/可视化环境结合起来

只做算法验证的话，纯Simulink模型已经够用了。但如果你想让整个中继逻辑跟无人机的飞控行为联合起来，做更逼真的系统级验证，那就需要联合仿真了。最近经常有朋友问“simulink如何导出fmu模型”和“simulink外部模式”，这两个操作在无人机中继仿真的落地阶段非常关键。

导出FMU（Functional Mock-up Unit），本质上就是把你在Simulink里搭好的中继决策逻辑打包成一个独立的功能单元，可以导入到其他的仿真环境（比如PX4的软件在环仿真、物理引擎平台、自定义的仿真车台）中使用。做法是在Simulink里找到“导出FMU”的菜单，配置一下求解器，选择固定步长，最后生成FMU文件。注意，生成FMU前必须把模型中所有通信模块替换为等效的抽象函数，否则生成出来的FMU会自带一堆射频级仿真负载，在别的环境里跑不动。

外部模式（External Mode）则适合在硬件在环场景中使用——模型跑在目标硬件（比如NVIDIA Jetson板卡或者树莓派）上，Simulink从宿主机上实时观测和调参。我之前做中继节点机载程序的原型验证时，就用外部模式实时调整了中继切换的SNR阈值，效果很直观——参数改完看波形曲线立刻反馈，比反复烧录固件省了太多时间。

5.2 代码生成与部署：能不能直接上真机？

做仿真的最终目标多半是想上真机。Simulink的Embedded Coder可以将你的中继决策逻辑——尤其是Stateflow状态机直接生成C/C++代码，烧进飞控或者机载计算机里。

这一步有几个关键的“为什么”需要解释：

第一，为什么很多人会卡在代码生成这一步？因为中继决策模型里只要混入了通信工具箱的调制解调模块，Embedded Coder就无法直接生成嵌入式代码，必须把这些模块替换成等效的C代码版本。所以我从一开始建模时，就把“硬件部署”作为约束条件，所有跟射频相关的部分都封装在S-Function模块或者MATLAB Function模块中，避免代码生成时不可转换。

第二，为什么求解器配置极其重要？生成嵌入式代码前，Simulink要求求解器必须是固定步长，且推荐使用离散求解器。如果模型里还有连续积分器（比如运动学模块），需要设置合适的采样时间，否则生成的代码在频率响应上会跟仿真结果不一致。我自己一般把中继决策逻辑的采样时间设为0.5秒，链路监测的采样时间设为1秒，这样生成的嵌入式代码实时性完全足够，又不会太折腾处理器资源。

5.3 模型降阶：真机上跑不动怎么办

最后分享一个我在实际项目中反复用到的技巧——模型降阶。完整版的中继模型（尤其是带了物理层、跟飞控联合仿真、再叠加上多机编队控制）跑在真机上往往负载过高，这时候就需要对模型做“降阶处理”。

降阶的大原则只有一句话：精简非核心环节的物理精度，保留关键决策逻辑。

以我的中继项目为例，做了三个降阶操作：一是把SNR计算里的双径模型换成自由空间模型——中继链路本来就要求视距，双径反射的影响在逻辑层面没那么敏感；二是把最优节点选择的滑动窗口从10帧降到3帧——少算了历史数据，但切换稳定性靠迟滞保护兜底；三是把链路监测的感知周期从0.1秒放宽到0.5秒——牺牲了一点反应速度，换来了整机负载的大幅下降。

实测下来，完整版模型在单板上CPU占用率超过80%，降阶之后降到了30%以下。而最关键的中继决策结果——正确选择中继节点、正确切换链路——几乎没有差别。

6. 常见问题与排查技巧实录

整个建模过程中，我遇到过不少让人抓狂的问题。整理几个高频问题做成速查表，给大家参考：

这里再补一个特别值得说的技巧：排查Simulink模型问题，一定不要直接在模型里到处点来点去。我建议在模型里预埋一批重要的中间量输出（比如每架飞机的SNR、中继状态的数字量ID），然后用“信号记录”工具在仿真结束后集中分析。特别是在Stateflow配合大量子系统的情况下，预埋观测信号定位问题的效率远高于临时拉线。

还有一个避坑心得是关于“变步长还是固定步长”的选择。如果你主要做逻辑仿真（中继决策、多机协同），用变步长求解器可以极大加速仿真。一旦你要做代码生成或者跟外部环境实时交互，必须切成固定步长。我踩过坑：在变步长下仿真一切正常，切换到固定步长后中继切换逻辑出现意外延迟，排查了半天才发现是二阶运动学子系统在固定大步长下数值不稳定。最后把运动学模块的采样时间设为0.1秒，问题才彻底解决。

结尾

最后说点实在的。多机接力信号中继这种仿真项目，最容易陷入的误区就是贪多求全——一会儿想加物理层细节，一会儿想搞编队控制，一会儿又想整完整的通信协议仿真。但真正的核心永远只有两个：链路预算算得准不准，中继决策逻辑稳不稳。把这两件事做好了，你的模型就能支撑绝大多数工程验证和方案评估。建模过程中，架构先行、统一坐标系、预埋观测信号，这是我实操下来最重要的三条经验，分享给所有正在折腾的小伙伴。