除了众所周知的摩尔定律，我们着重介绍四个可能会影响小型无人机系统RF有效载荷激增的技术趋势。
第一个趋势是混合信号器件的带宽不断增加（例如模数[A/D]转换器和数模[D/A]转换器）。在控制分辨率的情况下，瓦尔登曲线显示A/D转换器的带宽在十年间增加了10倍，如图所示。D/A转换器也有类似的带宽增长速度。A/D转换器带宽的增长使小型RF载荷能够数字化处理更大的带宽，并具有更好的分辨率，从而数字化处理更大的射频频谱。反过来，D/A转换器带宽的增加为RF信号提供了生产和传输更大带宽的能力，以及更多样化的信号，或跨越多个不同的频带生产和传输信号。混合信号技术功率的增长允许尺寸、重量和功率（SWaP）削减以及更好的RF电路性能。根据奈奎斯特-香浓定理，RF信号为了实现更高的频率和更大的带宽，需要更高的采样率，而现在只需要一台设备就可以实现数字化。早期射频系统通过RF电路的上/下转换阶段增加重量、功率和热量，而上述这一特性允许RF设计人员绕过这一阶段。
我们研究的第二个趋势强调了现场可编程门阵列(FPGAs)的改进，它使得在可编程硬件环境中射频信号的高速处理成为可能。FPGA编程能够实现大规模并行，可以高速处理更大带宽的信号数据，并允许同一硬件同时处理多个射频模式和功能。可用于商业的FPGA封装（门的数目）正在增加，时钟速度同样也在增长。这一特性允许在单个FPGA内执行更多的计算，从而减少了对FPGA数目的需求，尺寸和重量的也相应的有所减少。在执行多功能射频有效载荷所要求的大规模并行、高速信号处理变换时，这是一个优势。但是，当增加板载计算负荷时，功率消耗和热量产生可能是一个问题，制造商需要认识到这一点并设法解决，例如通过增加限制计算能力功能、增加冷却能力或增加能源能力来解决这一问题。FPGA能力的提高也直接关系到软件定义无线电(SDRs)的能力。SDRs已经用相同功能的软件取代了无线电发射机的常用硬件部分，如放大器、滤波器和混频器。移除硬件可以减轻重量，增加有效载荷、射程或续航能力的可用能量的数量。但这也给无人机系统的计算资源带来了更大的压力。这里所描述的FPGA性能的提高意味着，在处理功耗或设备重量增加很少或不增加的情况下就可以处理所增加的SDR计算负载。最终结果将是飞行器的无线电组件对体积、重量和功率需求的减少。此外，软件定义无线电的能力超过了基于硬件的无线电：扩频技术和软件定义天线通过使用数字信号处理技术纠正干扰带来的误差，使更广泛的使用窄带且干扰很小。
认知无线电允许相互竞争用户（例如同意给定地理区域的多个小型无人机系统）通信并协同优化频谱的使用，通过动态分配使用中的部分频带再次减轻干扰。
基于接收机发送的信息对发射机的功率进行动态调整可以提高电池寿命，因为在静态环境下发射机的功耗更低。在使用标准电源时，他们还可以在噪声区域“呐喊”。
总体而言，不断改进数字技术（包括中央处理器（CPUs）和FPGA）也在引领第三个趋势：更强大的数字天线阵列架构。这些架构能够高速实现复杂的数字波束形成，而没有前几代的繁琐、损耗和昂贵的模拟技术。数字波数形成允许天线性能在不同的射频功能或任务中快速或同时调整。波束可以在没有机械部件或平衡架的情况下成形或控制。新的片上系统技术还可以使多个波形或波段通过这些光束同时通过一组硬件发射和接收。有了这三种技术趋势，就可以在比老式射频系统在体积、重量、功率方面小一些的情况下，开发出有更多功能的射频有效载荷。荷兰的一家上市公司TNO Defence的一个技术团队为sUASs开发出了一种所谓的可扩展的多功能射频(SMRF)有效载荷系统，该系统跨多个波束、脉冲重复频率(PRFs)、灵敏度等级和带宽完成多个射频功能，辐射功率2W（Huizing等人，2009)。下表总结了SMRF模式。高速混合信号技术允许使用几乎实时交错的多个频带的射频功能。FPGAs的并行高速信号处理功能，允许在高速下同时使用几种射频模式。FPGA的硬件编程允许使用信号处理算法实时控制射频模块的PRF、灵敏度和带宽。雷达距离(SAR，运动目标指示)预计在几公里内。ESM功能包括通过x波段发射的波束到达角信息进行探测和地理定位。我们以SMRF为例来说明商业技术的进步如何促进高能力、多功能射频有效载荷的发展，这些载荷足够小，可以安装在sUASs上。许多RF模式，如SAR、GMTI、海上监视、感知和避障、数据通信、导航和武器定位（导弹检测和跟踪）都是可能实现的，而且可以在sUAS上封装在一个单一的、小型的硬件集合中。对缓慢或间歇性移动目标（如，人）的跟踪是由时空自适应处理能力驱动的。通过更小的SWaP实现更强大的计算能力，商业CPU和FPGA技术的进步，以及它们与混合信号技术的小型化集成，将以更低的成本促进多功能射频有效载荷的发展。
影响sUAS有效载荷的另一个技术趋势是图形处理单元(GPU)的发展。GPU已经迅速地改变了大规模密集计算的执行方式。目前的趋势是使用GPU来执行以前由CPU处理的繁重计算任务，这在对终端用户透明的情况下提供了令人难以置信的整体系统速度提升。虽然CPU包含快速缓存内存，对于顺序和逻辑任务仍然很有价值，但GPU有不同的架构：具有成百上千个不同的线程(通常用于渲染图像)，并且它们为并行任务提供了高吞吐量。GPU的体系结构显示了以前没有的计算能力，允许sUAS使用更复杂的算法。有了这种能力，最近在市场上出现的sUAS系统能够同时执行飞行控制、避障、目标识别和追踪。Harju等人在2012年的一篇会议论文中，利用了2001年到2012年关于浮点运算计数的数据，提供了CPU和GPU之间计算能力差异的初始图形示例(Harju等人，2012)。这些数据的最新更新包括自2014年以来引入的GPU系统，说明了这项技术在低尺寸、低重量和低功耗的情况下执行复杂计算的能力的显著提高。下图中，蓝线表示来自Intel的CPU，它是可用的最强大的CPU之一。绿线表示由英伟达开发并销售给台式电脑和笔记本电脑消费市场的GPU。在Titan GPU发布的时候，它每秒的运算能力是最好的CPU的4.5倍。2018年英伟达特斯拉V100的发布显示了这种快速增长的趋势继续，理论峰值超过7000 GFLOPS (Xcelerit, 2018)。这一趋势的结果是更小、更轻的处理能力和更低的功耗，从而实现“更智能”的sUASs。A/D转换器的改进将对RF有效载荷产生很大影响，但这些改进也将对sUASs本身产生重大影响。A/D转换贯穿于sUAS的每个组分中。从sUAS到它的发动机的所有命令都需要将数字命令转换成模拟电压。所有提供给sUAS的传感器信息都以模拟信息的形式接受，并转换为数字信息。sUAS导航、行为和使用的这些基本组件都是直接由A/D转换器的速度控制。提高速度将提高sUAS各个方面的性能。这一趋势可以在快速发展的四旋翼飞行控制器领域观察到。较新的处理器允许在板上实现更大的控制和更多的功能。
永久铁杆会员无需在此单独下载，可进入日常更新文件夹一次性下载过去多年来的所有分享资料，内容丰富。另外，加入永久铁杆会员后可联系小编邀请加入技术交流群，和同行学习交流互动合作等。
本文英文版(6页)下载链接：
链接：https://pan.baidu.com/s/1OUkR8u6jLpUE-kNTRPDdvA
提取码：fbdd；
完整英文版(147页)下载链接：
