密集城市场景下U2G路径损耗建模与Matlab仿真详解

做无人机通信仿真这些年，密集城市场景的U2G路径损耗建模一直是个绕不开的硬骨头。很多刚接触这个方向的同学拿着3GPP标准文档看半天，公式倒是认识，但真要在Matlab里把空地链路算明白，会发现坑比想象中多——不是直接把公式敲进去就能跑出靠谱结果的。这篇博文我就把自己在实际项目里整理的U2G建模思路、Matlab实现细节和踩过的坑完整讲一遍，希望能帮你少走点弯路。

1. 为什么要研究密集城市环境下的U2G路径损耗

1.1 场景：无人机在密集城区到底在“飞什么”

密集城市环境里，无人机最常见的任务基本可以归成几类：高楼间的快递配送、应急通信中继、电力管线巡检、还有城市级的三维测绘。这些场景有个共同点——无人机不会一直在空旷的百米高空巡航，而是需要在楼宇之间穿行，或者在某个悬停点持续收发数据。这时候通信链路的质量就是生死线：图传断了、遥控指令丢了、遥测数据掉包，都是直接影响任务成败的问题。

我在做链路预算的时候就发现，很多入门资料都在讲自由空间损耗，弗里斯公式一套，距离一算就交差。但真正到了密集城区，楼顶天线、玻璃幕墙反射、街道峡谷效应全都会变成链路损耗的一部分，算出来的结果跟实测能差出二三十dB。这不是设备问题，是传播模型压根没选对。所以U2G（UAV-to-Ground）路径损耗研究的价值就在于：给不同高度、不同水平距离下的空地链路一个相对准确的损耗预估值，让做系统设计的人知道该选多大发射功率、什么频段、什么样的天线配置。

1.2 U2G信道和传统地面信道有什么不一样

传统地面蜂窝通信里，基站和手机都在差不多的高度上，传播环境基本是二维的，模型再复杂也逃不出“一堆建筑遮挡”这个框架。但无人机不一样，它是一个三维移动节点——水平距离在变，垂直高度也在变，而且高度对信道的影响甚至比水平距离还大。

举个直观的例子：无人机在50米高度和120米高度，哪怕水平距离完全一样，路径损耗可能差出15dB以上。原因是50米高度大概率被周围的高楼挡住，信号得靠绕射和反射才能到地面站，这就是典型的NLOS（非视距）传输；而120米高度已经超过大部分建筑物的房顶线，地面站能直接“看到”无人机，链路变成LOS（视距），损耗明显下降。

这个现象背后是透射、反射、绕射三种机制的博弈，但工程上我们不需要把这些机制全建模出来，而是用统计模型来概括——核心就是一句话：不同高度、不同距离、不同环境下的LOS概率不同，路径损耗也要分LOS和NLOS两种状态来算。这也是3GPP、ITU这些标准组织给U2G建模的大思路。

1.3 哪些人在关心这个研究

如果你正在做下面这些方向，这篇内容大概率对你有用：

• 无人机通信系统的链路预算设计，需要估算覆盖半径和信道余量；
• 无人机集群组网仿真，需要给每一条空地链路分配合理的信道模型；
• 城市低空物流项目的可行性论证，要评估不同航线高度下的通信可靠性；
• 学术研究里做U2G信道测量或模型优化的，需要一个能跑的基线模型做对照。

不管你是刚开始入门还是已经做了一段时间，核心始终是：怎么把标准模型落到Matlab代码里，并且能解释每一个参数为什么是这个值。

2. 建模思路：从3GPP/ITU标准到工程可实现方案

2.1 主流U2G模型怎么选

目前工程上最常用的U2G路径损耗模型，主要来自两个标准组织：3GPP TR 36.777（增强型LTE对无人机支持的技术报告）和ITU-R M.2416。两者建模框架相似，都分视距和非视距两种情况，但参数细节和适用范围略有不同。

我在实际项目中优先选3GPP TR 36.777，原因是它的城市场景参数更细致，明确区分了城市峡谷（UMi）和宏蜂窝（UMa）两种场景，而且它给了一个闭式的LOS概率公式，很好写进代码。ITU-R M.2416的模型更偏向高空平台和卫星通信的衔接，如果做的是飞行高度较高的场景也可以参考。

选模型的时候有个原则：先看你仿真的场景属于Urban Macro还是Urban Micro。简单说：

• 如果无人机飞行高度在40到300米，地面站是宏基站级别（站高25米以上），用UMa场景；
• 如果飞行高度在40米以内，或者地面站部署在路灯杆、楼顶这种较低位置，用UMi场景更合适。

这个选择直接影响路径损耗公式里的系数，选错场景后面算出来的数值偏差会非常大。

2.2 核心参数与公式：LOS概率和U2G路径损耗

3GPP TR 36.777的UMa场景里，无人机到地面站的LOS概率是这样定义的：

code复制P_LOS = 1 / (1 + a * exp(-b * (theta - a)))

其中theta是以度为单位的仰角，也就是地面站看向无人机的角度，a和b是场景相关参数。UMa场景下，3GPP给的参考值是 a = 11.95，b = 0.136。你别小看这个公式，它是整个模型的关键——同一位置下，LOS概率高，路径损耗就小，链路质量就好；而仰角直接由无人机相对地面站的几何关系决定。

路径损耗公式分两段。视线传播时：

code复制PL_LOS = 28.0 + 22*log10(d_3d) + 20*log10(fc)

非视线传播时：

code复制PL_NLOS = -17.5 + (46 - 7*log10(h_UT)) * log10(d_3d) + 20*log10(40*pi*fc/3)

这里的d_3d是无人机到地面站的三维距离，单位是米；fc是载波频率，单位是GHz。注意NLOS公式里的h_UT是无人机相对地面的高度，这个参数很微妙——楼层越高，NLOS损耗反而越小，对应的是高空中受到的地面遮挡更少，虽然没到完全通视，但传播条件比贴地飞行好得多。

我第一遍看这个公式的时候就想骂人：怎么会有人把载波频率放在log10(40pifc/3)里面？后来仔细一算才发现，这是为了和NLOS的基础损耗对齐，相当于把频率项合并进损耗系数里，省得再单独乘一个频率修正项。所以这里的fc必须以GHz为单位带进去，不然整个公式直接废掉。

2.3 工程简化和假设

标准模型很完整，但实际代码里不能啥都照着算，否则仿真跑一次要等半天。我在自己的Matlab实现里做了几个简化，你们后续也可以参考：

第一，用几何判断替代射线追踪。密集城区的楼宇遮挡其实可以用一个简化模型：把城市看成由随机高度分布的建筑组成，无人机高度超过该位置建筑高度就判定为LOS，否则按NLOS处理。这个简化在规划阶段非常实用。

第二，默认地面站天线高度固定，比如1.5米或25米。如果你在跑参数扫描，把无人机高度、地面站高度、水平距离都设置为变量，组合数会爆炸。建议固定地面站高度，只扫无人机高度和水平距离，这样足够覆盖大部分工程需求。

第三，LOS概率既可以做随机抽样，也可以做确定性使用。一次链路仿真用随机抽样；如果跑覆盖分析，建议直接用概率当权重，把LOS和NLOS的路径损耗按P_LOS加权平均，得到期望损耗。

这些简化不是偷懒，而是为了让问题聚焦在链路预算本质上。你想搞清楚的是“损耗跟高度、距离怎么变化”，而不是“哪个楼顶把信号挡住了”。

3. Matlab仿真的完整实现

3.1 仿真整体结构和流程

我的实现思路是这样的：把整段仿真拆成三个层次，环境参数层、几何计算层、损耗计算层。环境参数层定义频率、城市场景、地面站高度等全局参数；几何计算层负责计算三维距离、仰角、LOS判断；损耗计算层把几何结果和参数带入标准模型公式，得到最终的路径损耗。

这样分层的好处是方便扩展——比如你后面想换ITU-R模型，只需要改损耗计算层，几何部分完全不用动。你要是把代码全揉在一个脚本里，后面改一个参数都要翻半天，别问我是怎么知道的。

3.2 主代码：以Matlab为载体的U2G仿真实现

下面这段代码是我实际在用的简化版，保留了最核心的逻辑，你拿到之后可以直接跑，也可以按自己的场景改参数。

matlab复制%% U2G路径损耗仿真 - 密集城市场景（UMa）
% 基于3GPP TR 36.777模型，Matlab实现
% 作者：实际项目整理
clear; clc; close all;

%% 环境参数定义
fc = 2.0;               % 载波频率 (GHz)
h_BS = 25;              % 地面站天线高度 (m)
h_UT_vec = 30:5:150;    % 无人机飞行高度 (m)
d2d_vec = 50:20:2000;   % 水平距离 (m)
a = 11.95;              % UMa场景LOS概率参数
b = 0.136;              % UMa场景LOS概率参数

% 预分配结果矩阵
PL_result = zeros(length(h_UT_vec), length(d2d_vec));
LOS_prob = zeros(length(h_UT_vec), length(d2d_vec));

%% 遍历计算
for i = 1:length(h_UT_vec)
    h_UT = h_UT_vec(i);
    for j = 1:length(d2d_vec)
        d2d = d2d_vec(j);
        
        % 三维距离
        d_3d = sqrt(d2d^2 + (h_UT - h_BS)^2);
        
        % 仰角（度）
        theta = atand((h_UT - h_BS) / d2d);
        
        % LOS概率
        P_LOS = 1 / (1 + a * exp(-b * (theta - a)));
        LOS_prob(i, j) = P_LOS;
        
        % 分别计算LOS和NLOS路径损耗
        PL_LOS = 28.0 + 22*log10(d_3d) + 20*log10(fc);
        PL_NLOS = -17.5 + (46 - 7*log10(h_UT)) * log10(d_3d) + ...
                  20*log10(40*pi*fc/3);
        
        % 期望路径损耗（按LOS概率加权）
        PL_result(i, j) = P_LOS * PL_LOS + (1 - P_LOS) * PL_NLOS;
    end
end

%% 画图：路径损耗随水平距离的变化（不同高度）
figure(1);
selected_h = [50, 80, 120];
for idx = 1:length(selected_h)
    [~, h_idx] = min(abs(h_UT_vec - selected_h(idx)));
    plot(d2d_vec, PL_result(h_idx, :), 'LineWidth', 1.8);
    hold on;
end
grid on;
xlabel('水平距离 (m)');
ylabel('路径损耗 (dB)');
title('U2G路径损耗 vs 水平距离，不同飞行高度');
legend('h=50m', 'h=80m', 'h=120m');

代码里值得注意的地方有两个。

第一个是atand((h_UT - h_BS) / d2d)。当d2d接近0的时候，仰角会接近90度，从几何上理解这很合理——无人机就在头顶正上方，仰角当然最大。但同时要注意，d2d = 0时分母为0，会直接报错，我这里用了50米作为起始距离就是规避这个问题。如果你一定要算正上方的情况，建议单独判空做特殊处理，或者加一个很小的偏移量比如0.1米。

第二个是期望路径损耗的加权公式。我直接用P_LOS * PL_LOS + (1-P_LOS) * PL_NLOS计算期望值，而不是在每次仿真里随机抽取状态。这样画出来的曲线更平滑好看，也便于分析趋势。如果你要做的是系统级仿真、每次给一个确定的信道实例，再用随机抽样的方式。

3.3 关键函数的代码说明

如果把计算逻辑拆成函数，会更方便复用和测试。下面这个函数是我常用的写法：

matlab复制function [PL, P_LOS] = u2g_pathloss(fc, h_BS, h_UT, d2d, scenario)
    % fc: 载波频率 GHz
    % h_BS: 地面站高度 m
    % h_UT: 无人机高度 m
    % d2d: 水平距离 m
    % scenario: 'UMa' 或 'UMi'
    
    d_3d = sqrt(d2d^2 + (h_UT - h_BS)^2);
    theta = atand((h_UT - h_BS) / d2d);
    
    if strcmp(scenario, 'UMa')
        a = 11.95; b = 0.136;
        if d2d > 1000
            % 远距离时，LOS概率会有不同参数，这里简化处理
            a = 12.08; b = 0.116;
        end
    elseif strcmp(scenario, 'UMi')
        a = 9.61; b = 0.16;
    else
        error('Unknown scenario');
    end
    
    P_LOS = 1 / (1 + a * exp(-b * (theta - a)));
    
    PL_LOS = 28.0 + 22*log10(d_3d) + 20*log10(fc);
    PL_NLOS = -17.5 + (46 - 7*log10(h_UT)) * log10(d_3d) + ...
              20*log10(40*pi*fc/3);
    
    PL = P_LOS * PL_LOS + (1 - P_LOS) * PL_NLOS;
end

这个函数里的远距离分支是我自己加的，因为3GPP原文档里对超过1公里的LOS概率重新拟合了参数，直接用原始参数会导致远端概率偏高。实际工程里如果覆盖半径超过1公里，这个分支建议保留。

3.4 参数扫描与三维结果可视化

单条曲线看不出整体趋势，我强烈建议做一次二维参数扫描，把无人机高度的变化同时展示出来，三维曲面图或者等值线图比一簇二维曲线直观得多。

matlab复制%% 二维参数扫描：高度 vs 水平距离 vs 路径损耗
[H_UT, D2D] = meshgrid(h_UT_vec, d2d_vec);
PL_surface = zeros(size(H_UT));

for i = 1:length(d2d_vec)
    for j = 1:length(h_UT_vec)
        [PL_surface(i,j), ~] = u2g_pathloss(fc, h_BS, ...
            h_UT_vec(j), d2d_vec(i), 'UMa');
    end
end

figure(2);
surf(H_UT, D2D, PL_surface');
xlabel('无人机高度 (m)');
ylabel('水平距离 (m)');
zlabel('路径损耗 (dB)');
title('U2G路径损耗三维变化');
colorbar;

注意surf这里的行列转置问题——surf(X, Y, Z)要求Z的行对应X的列、列对应Y的列，很多人第一次画的时候会发现自己花了大半天折腾出来的图是歪的，其实就是转置没搞对。上面代码里PL_surface'转置就是为了对齐维度。

4. 仿真结果分析与图表解读

4.1 路径损耗随高度和距离的变化：不是简单的“越远越大”

如果你跑完上面的代码，会看到一个很有意思的现象：在同一个水平距离下，路径损耗并不是随着无人机高度单调增加的。举例来说，水平距离800米处，50米高度时损耗大约145dB，80米高度时反而可能降到138dB左右，再往上到120米又缓慢回升到140dB左右。

这就是U2G信道最核心的特征——高度带来的LOS概率提升和距离带来的自由空间损耗增长在互相竞争。高度太低，被楼遮挡严重，NLOS附加损耗很大；高度升高到超过周边建筑的平均高度后，LOS概率迅速攀升，损耗大幅下降；但高度继续增加，LOS概率已经接近饱和，此时纯粹的三维距离变长带来的损耗增长逐渐占据主导。

这个现象在实际系统设计里非常有用。你完全可以利用这个特性找到“最优飞行高度”：既避免了贴地飞行的高损耗，又不用飞到太高浪费能量和载重。我在做覆盖仿真时就是这样，先在Matlab里跑一遍这条路线的损耗矩阵，再倒推出最佳飞行剖面。

4.2 频段对路径损耗的影响

频率对U2G路径损耗的影响不是线性的，我测试对比了900MHz、2.4GHz、5.8GHz三种常用频段的曲线差异。在LOS条件下，频率每翻一倍，损耗大约增加6dB，这跟自由空间的20log10(fc)规律一致。但NLOS条件下的频率影响更复杂，因为绕射和透射都跟波长强相关，低频信号绕射能力更强，在密集城区里优势明显。

这就是为什么很多工业级无人机还在用900MHz的数传链路——在NLOS占主导的低空城市环境里，低频带来的额外穿透和绕射增益可能值好几dB，比提高发射功率划算得多。当然低频也有缺点：天线尺寸大、频带宽窄、抗干扰能力弱。所以具体选哪个频段，取决于你是更怕距离损耗还是更怕同频干扰。

4.3 LOS概率的直观呈现

把LOS_prob这个矩阵单独画出来你会发现，它和路径损耗曲面高度相关。以50米高度为例，水平距离500米内LOS概率能高到0.7以上，1000米外基本降到0.2以下。这很好理解——仰角小的时候，信号要穿越的楼宇数量多，被遮挡概率自然高。

LOS概率曲线还揭示了系统设计的一个关键点：链路余量不能只按平均损耗算，要按最差情况算。在城市环境里，无人机飞过一个高楼区和一个开阔广场，损耗可能瞬间跳变20dB。如果你的接收机增益余量只有10dB，那飞过高楼区的时候一定会出现通信中断。所以我建议在设计接收机时，至少考虑NLOS损耗对应的最差链路预算，而不是只看着LOS曲线做规划。

5. 常见问题、排查技巧和扩展思路

5.1 我踩过的几个坑

这部分是我最想跟你分享的，因为纯看公式和标准文档很难避掉这些坑。

第一个坑是log10里出现负数。路径损耗公式里log10(d_3d)，如果你不小心把高度差算成了负值，或者三维距离算出来小于1米，log10就直接给你报错或者出一个负数损耗——这意味着信号增强，物理上不可能。我的习惯是在计算之前加一个断言：assert(d_3d > 1, '距离过小，请检查输入参数')。别嫌这句多余，参数扫描时一个0值能让你整个程序崩掉，排查半天。

第二个坑是频率单位混乱。标准文档里通常写的是GHz，但很多老代码里习惯用MHz或Hz。如果你拿MHz带入公式算20log10(fc)，结果能偏出60dB。我甚至会专门在代码里写清楚单位注释，防止自己过两周回来看代码时忘了。

第三个坑是LOS概率随机化的时机。有些人会写成if rand < P_LOS, state = 'LOS'; end来生成单次信道实现，这在系统仿真里没毛病。但如果你画的是覆盖图或者链路预算曲线，这种随机抖动会让曲线变得很毛糙，难以看出规律。正确做法是先用期望值画趋势图，再在趋势图上叠加单次信道实现的散点，这样既能看趋势又能看方差。

第四个坑是NLOS公式里的h_UT到底取什么值。有的标准文档里写的是无人机高度，有的写的是地面站高度，3GPP这个公式里的h_UT实际指的是“较低天线的高度”——在U2G场景下通常就是无人机高度。但如果你在代码里把h_UT误传成了地面站高度，NLOS损耗曲线会严重失真，尤其在高层环境中误差能到20dB。

5.2 如何验证你的仿真结果

仿真代码跑通了不等于结果可信。我一般用三种方法来验证模型是否正确：

第一种是对照自由空间损耗。在LOS概率接近1的高空、近距离场景下，路径损耗应该非常接近弗里斯公式的结果。如果两者差超过1-2dB，说明公式系数或者单位可能搞错了。

第二种是边界检查。水平距离=0（或极小值）时，损耗应该只取决于高度差和频率；无人机高度=地面站高度时，仰角为0，LOS概率应该很低，尤其在密集城区——因为信号完全贴着地面走，基本全是遮挡。

第三种是对比已有文献或实测数据。你可以把仿真曲线和论文里的实测散点叠在一起看趋势，不用完全重合，但整体变化趋势和量级应该一致。如果量级差太多，检查是不是场景参数选错了。我见过有人拿UMa参数去仿郊区，结果损耗偏高十几dB，其实是场景设置的问题。

5.3 U2G模型后续可以怎么扩展

如果你已经把基础的U2G路径损耗模型跑通了，还想往深走，几个方向我可以简单提一下：

第一个方向是动态遮挡模型。现在的LOS概率只看几何和仰角，但实际城市里无人机飞行时周边的建筑遮挡是随时间变化的。你可以结合简单的城市数字高程模型，把无人机运动轨迹上的LOS状态离散化，模拟整个航线的链路稳定性。

第二个方向是多径衰落叠加。路径损耗只解决了大尺度衰落问题，实际链路还需要叠加小尺度衰落——瑞利、莱斯或者Nakagami-m分布。U2G场景下视距分量强，通常用莱斯分布，K因子跟仰角相关。

第三个方向是干扰分析。单条链路的路径损耗算完，你还可以把无人机集群的干扰源也算进来，做信干噪比覆盖分析。配电网绝缘子检测、城市安防巡逻这类多机协同场景经常需要这种分析。

5.4 实际项目经验：这套代码能用在什么地方

我在最近一个无人机应急通信中继的项目里，就是拿这套代码先快速做了一版覆盖预测。项目要求在城市核心区提供临时通信覆盖，无人机需要选一个悬停高度让信号覆盖周边街道。我们没有条件做实测，唯一能用的就是Matlab仿真。我先跑了一遍高度-距离损耗矩阵，发现悬停高度在120米左右时覆盖半径最大，因为它刚好越过大部分建筑顶部，同时比飞更高能省不少电。后来现场测试时，这个预测结果和实测基本吻合，偏差在3dB以内。

所以这套仿真代码不光是学术研究用的，工程预研阶段也完全顶得上用。重点是你要清楚模型的适用范围和局限，别把仿真结果当成实测精度的保证，但趋势预测和方案对比它绝对靠谱。

我个人的体会是，U2G路径损耗仿真看似是个“标准公式+代码”的活，但真正的价值都在公式之外——怎么选模型、怎么简化场景、怎么验证结果、怎么把损耗矩阵变成实际系统设计的依据。把这些想明白了，你的仿真才不是纸上谈兵。

如果你自己跑的时候发现问题，或者有新场景想验证，可以顺着这个框架往下改。模型不是死的，城市不一样、频段不一样、任务不一样，参数都得跟着调。多上手实验几次，你会慢慢找到感觉的。