窃听共谋条件下的无人机轨迹设计方法及系统技术方案

本发明专利技术公开了一种窃听共谋条件下的无人机轨迹设计方法及系统，针对认知无线电网络中存在多个位置不确定的潜在窃听相互共谋，以最大化系统平均安全传输速率为目标，对无人机飞行轨迹进行优化设计。先构建符合场景的优化问题，然后基于Block Coordinate Descent(BCD)方法将原优化问题解耦成关于UAV功率以及UAV飞行轨迹的子问题，针对每个非凸子问题进行凸近似拟合，最后采用迭代算法求解，找到整个优化问题的全局次优解和最优的UAV飞行轨迹。化问题的全局次优解和最优的UAV飞行轨迹。化问题的全局次优解和最优的UAV飞行轨迹。

【技术实现步骤摘要】
窃听共谋条件下的无人机轨迹设计方法及系统


[0001]本专利技术主要应用于UAV辅助的无线通信场景，具体是将认知无线电网络频谱资源共享的优势与无人机灵活机动的特点相结合，构建UAV辅助的认知无线通信系统，通过理论推导与仿真验证，设计认知无人机飞行轨迹，实现认知网络信息安全速率最大化的传输。

技术介绍

[0002]随着信息技术水平的日益提高，高速率、大数据量已经成为现代通信的基本要求。传统陆地通信已很难满足社会信息的传输需求。无人机(Unmanned Aerial Vehicle，UAV)作为未来移动通信网络的核心节点，具有广泛的应用形式与应用前景，因而备受各行各业的关注。如文献[陈新颖,盛敏,李博,赵楠.面向6G的无人机通信综述[J].电子与信息学报,2022,44(0):1
‑
9.]指出凭借UAV自身的高机动性、灵活的组网方式以及低成本的造价优势，UAV为构建空天地海全方位一体化通信网络提供了有力的支撑。根据UAV在无线通信网络中担当的不同角色，将UAV辅助的无线通信系统归类为基站UAV辅助通信系统、中继UAV辅助通信系统、以及为空中用户UAV辅助通信系统。如文献[Amine Bejaoui,Ki
‑
Hong Park,Mohamed
‑
Slim Alouini.A QoS
‑
Oriented trajectory optimization in swarming Unmanned
‑
Aerial
‑
Vehicles communications[J].IEEE Wireless Communications Letters,2020,9(6):791
‑
794.]提出的典型基站式UAV辅助通信系统，通过联合优化用户公平调度系数，UAV发送功率与飞行轨迹，最大化系统传输速率。文献[Chao Wang,Xinying Chen,Jianping An,Zehui Xiong,Chengwen Xing,Nan Zhao,Dusit Niyato.Covert communication assisted by UAV
‑
IRS[J].IEEE Transactions on Communications,2022,doi:10.1109/TCOMM.2022.3220903 1
‑
1.]针对Willie位置状态信息不完美的情况，利用携带IRS的UAV作为通信节点，通过联合优化IRS的相移，地面基站的发送功率以及UAV飞行轨迹，最大化通信系统的隐蔽传输速率。文献[Weiran Luo,Yanyan Shen,Bo Yang,Shuqiang Wang,Xinping Guan.Joint 3
‑
D trajectory and resource optimization in Multi
‑
UAV
‑
Enabled IoT networks wth wireless power transfer[J].IEEE Internet of Things Journal,2021,8(10):7833
‑
7848.]研究了空中用户无人机在物联网设计飞行轨迹实现最大最小化数据采集。
[0003]上述研究中缺乏对无线通信过程中，信息安全传递的研究，尤其是缺乏考虑位置不确定窃听对信息安全传输造成的威胁。本专利技术是基于信息论理论基础和认知无线电理论，研究了多个主动窃听共谋条件对认知无人机轨迹的影响。在所考虑的无线通信系统中，主动窃听相互共谋，威胁认知网络信息的安全，通过构建最大化认知网络的无线通信问题，利用凸优化理论，优化了认知无人机的发送功率与飞行轨迹，实现了系统平均安全速率的最大化。

技术实现思路

[0004]针对认知网络中多个位置不确定的窃听共谋威胁无线通信网络安全信息传输的
情况，本专利技术提出基于迭代思想的联合优化方法。采用联合优化UAV的飞行轨迹与功率，最大化系统安全速率。
[0005]本专利技术采用的技术方案如下：窃听共谋条件下的无人机轨迹设计方法，包括以下步骤：
[0006](1)构建通信系统模型：设置无人机S作为认知网络的空中基站，同时初始化S的飞行轨迹，使其服务于地面存在的K个认知用户，基于认知网络工作的同时，考虑存在M个窃听用户相互协作，彼此信息共享，不断干扰和获取认知网络的保密信息。
[0007](2)以系统安全传输速率最大化为目标，构造以无人机发送功率，无人机飞行轨迹为约束的优化数学模型。
[0008](3)对步骤(2)所述的数学模型，基于BCD方法解耦合成只关于无人机功率以及无人机飞行轨迹的子问题，针对每个非凸的子问题，采用凸近似的拟合方式转换为凸问题求解。
[0009](4)利用迭代算法求解无人机发送功率以及无人机飞行轨迹。
[0010]基于以上方法，本专利技术还提供了一种窃听共谋条件下的无人机轨迹系统，包括：
[0011]将无人机S设置为认知网络的空中基站，并初始化S的飞行轨迹，使其服务于地面存在的K个认知用户；R个主用户U
r
(r＝1,2...R)，K个认知网络用户D
k
(k＝1,2,...K),以及M个窃听用户E
m
(m＝1,2...M)，M个窃听用户相互协作，彼此信息共享，不断干扰和获取认知网络的保密信息；
[0012]数学模型模块，用于以系统安全传输速率最大化为目标，构造以无人机发送功率，无人机飞行轨迹为约束的优化数学模型；
[0013]数学模型解耦合模块，用于将数学模型基于BCD方法解耦合成只关于无人机功率以及无人机飞行轨迹的子问题，针对每个非凸的子问题，采用凸近似的拟合方式转换为凸问题求解；
[0014]无人机发送功率及飞行轨迹求解模块，用于利用迭代算法求解无人机发送功率以及无人机飞行轨迹。
[0015]本专利技术是针对认知无线电网络存在多个位置不确定的窃听相互共谋的实际情况，以系统安全传输速率最大化为目标，对认知网络的空域基站UAV的发送功率以及飞行轨迹进行动态的规划与设计。
[0016]步骤一首先根据无线通信以及物理层安全的基本理论，构建无人机辅助的无线通信系统模型。该系统模型中由于存在M个位置不确定的窃听E
m
(m＝1,2...M)，需要考虑问题实现的鲁棒性，即将问题等效转化为最差情况下的双无人机辅助通信问题。
[0017]步骤二、三完善了模型搭建过程中的数学理论推导以及问题求解分析，针对该系统模型所对应优化问题的非凸性以及高度耦合性，采用了基于Block Coordinate Descent(BCD)算法和连续凸逼近的近似拟合方法对原始优化问题进行解耦合和问题转换。(具体过程参见本专利技术的具体实施方式)。
[0018]步骤四,基于迭代的思想，将步骤二、三中得到的子问题通过循环迭代的方式，使系统安本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.窃听共谋条件下的无人机轨迹设计方法，其特征在于，包括以下步骤：(1)构建通信系统模型：设置无人机S作为认知网络的空中基站，同时初始化S的飞行轨迹，使其服务于地面存在的K个认知用户，基于认知网络工作的同时，考虑存在M个窃听用户相互协作，彼此信息共享，不断干扰和获取认知网络的保密信息；(2)以系统安全传输速率最大化为目标，构造以无人机发送功率，无人机飞行轨迹为约束的优化数学模型；(3)对步骤(2)所述的数学模型，基于BCD方法解耦合成只关于无人机功率以及无人机飞行轨迹的子问题，针对每个非凸的子问题，采用凸近似的拟合方式转换为凸问题求解；(4)利用迭代算法求解无人机发送功率以及无人机飞行轨迹。2.根据权利要求1所述窃听共谋条件下的无人机轨迹设计方法，其特征在于：所述数学模型为：模型为：模型为：模型为：模型为：式中，表示无人机J飞行过程中最大的瞬时功率,q
S
(0)、表示无人机S初始时刻的飞行位置，q
S
(n)、表示无人机S末时刻的飞行位置，δ
t
定义了无人机每个飞行时隙的长度，定义了任意时刻内无人机的最大飞行速度，R
sec
(n)表示认知无线电网络的安全传输速率，P
S
(n)表示S服务于认知用户CU
k
的发送功率，Γ
r
表示主网络用户PU
r
的容忍门限，P表示无人机的发送功率，Q表示无人机的飞行轨迹，表示无人机末时刻的飞行位置，q
S
(n
‑
1)表示无人机第n
‑
1个时隙的飞行位置，N表示无人机的飞行时隙数，I
r
(n)表示认知网络对主网络造成的干扰；其中，C1为无人机飞行过程中瞬时功率的变化，C2保证了无人机认知网络的正常工作前提，C3～C4限制了无人机飞行的初末位置和最大飞行距离。3.根据权利要求1或2所述窃听共谋条件下的无人机轨迹设计方法，其特征在于：将所述数学模型进行解耦合操作，得到子问题和问题如下所示：如下所示：如下所示：
其中β0表示单位距离的信道增益；表示单位距离的信道增益；表示单位距离的信道增益；表示单位距离的信道增益；其中：其中：f2＝ρ0P

【专利技术属性】
技术研发人员：雷宏江，杨浩思，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：