【技术实现步骤摘要】
本专利技术涉及无线通信，尤其涉及一种无人机通信资源与轨迹联合优化方法、装置及服务器。
技术介绍
1、装备有通信载荷的无人机由于制造成本低、移动性灵活，已经被越来越多地应用到民用及商用等场景中执行各种任务。由于无人机对地通信信道具有高视距概率特性，在无人机广泛应用背景下的通信安全问题也应该要引起越来越多的关注。具体来说，通过无线信道传输的隐私或机要数据很容易被非法窃听从而造成信息泄露；此外，无人机与地面节点的通信行为也容易被恶意节点监测到从而可以进一步发起干扰攻击。
2、现有技术中通常采用新兴的隐蔽通信技术在一定程度上保证通信安全。
3、但是专利技术人发现，虽然新兴的隐蔽通信技术可以在一定程度上保证通信安全，但目前的无人机隐蔽通信资源与轨迹联合优化技术大多忽略了地面用户的数据需求，隐蔽性覆盖率无法保证。
技术实现思路
1、本专利技术提供一种无人机通信资源与轨迹联合优化方法、装置及服务器，用以解决现有技术中的无人机隐蔽通信资源与轨迹联合优化技术忽略了地面用户的数据需求，隐蔽性覆盖率无法保证的问题。
2、第一方面，本专利技术提供一种无人机通信资源与轨迹联合优化方法，包括：
3、选取无人机、用户和监听者作为三维系统模型组成对象，使用笛卡尔坐标系表示无人机、用户和监听者的空间位置信息，得到无人机隐蔽数据分发场景模型；
4、根据所述空间位置信息，建立所述无人机的无人机基站到地面节点的信道模型；其中，所述地面节点包括用户和监听者；>
5、根据所述信道模型和信道噪声不确定性模型确定所述监听者错误检测所述无人机与所述用户之间通信行为的概率，建立无人机数据分发隐蔽性约束模型；
6、根据无人机数据隐蔽分发约束模型建立面向数据隐蔽分发的无人机通信资源与轨迹联合优化问题模型；
7、根据所述面向数据隐蔽分发的无人机通信资源与轨迹联合优化问题模型，联合优化无人机与用户的服务关系、无人机发射功率及无人机的轨迹；重复联合优化步骤直至收敛，得到无人机与用户的服务关系、无人机发射功率及无人机轨迹，以及拉格朗日乘子的值。
8、在一种可能的设计中，其中，所述无人机隐蔽数据分发场景包括：k个用户、1个无人机、1个监听者，用户的索引序号集为k，用户k的数据需求为dk；相应地，所述选取无人机、用户和监听者作为三维系统模型组成对象，使用笛卡尔坐标系表示无人机、用户和监听者的空间位置信息，得到无人机隐蔽数据分发场景模型，包括：使用笛卡尔坐标系表示所述用户的空间位置信息，将第k个用户的水平坐标表示为uk＝(xk,yk)；使用笛卡尔坐标系表示所述监听者的空间位置信息，将监听者的坐标表示为w＝(xw,yw)；采用路径离散化方法将所述无人机的连续轨迹离散化为n条线段，使用笛卡尔坐标系表示所述无人机的空间位置信息，将无人机的动态水平位置表示为n+1个坐标点其中，qu[n]＝(xu[n],yu[n])，qu[0]＝qs表示所述无人机的起始地点，qu[n]＝qf表示所述无人机的终止节点；将每条线段的时隙时间表示为δ[n]，其中
9、在一种可能的设计中，根据所述空间位置信息，建立所述无人机的无人机基站到地面节点的信道模型；其中，所述地面节点包括用户和监听者，包括：根据自由空间路径损耗模型计算所述无人机基站在第n个时隙内与所述用户之间的信道增益，得到所述无人机的无人机基站到所述用户的信道模型：
10、
11、其中，hk[n]为所述无人机的无人机基站到所述监听者的信道模型，表示无人机基站在第n个时隙内与用户之间的信道增益；β0表示单位距离信道增益参数；hu表示无人机飞行的固定高度；
12、根据自由空间路径损耗模型计算所述无人机基站在第n个时隙内与所述监听者之间的信道增益，得到所述无人机的无人机基站到所述监听者的信道模型：
13、
14、其中，hw[n]表示无人机基站在第n个时隙内与监听者之间的信道增益；β0表示单位距离信道增益参数；hu表示无人机飞行的固定高度。
15、在一种可能的设计中，所述根据所述信道模型和信道噪声不确定性模型确定所述监听者错误检测所述无人机与所述用户之间通信行为的概率，建立无人机数据分发隐蔽性约束模型，包括：根据所述信道模型和信道噪声不确定性模型将所述监听者的监测行为构建为一个二元假设检验问题：
16、
17、其中，表示监听者在第n个时隙内的第l个样本；h0表示无人机保持静默；h1分别表示无人机正在进行数据分发；表示无人机在第n个时隙内传输的消息符号，且满足e[|x(l)[n]|2]＝1，表示信道噪声不确定性模型，其中，满足表示功率为的高斯白噪声，hw[n]表示所述无人机的无人机基站到所述监听者的信道模型；pu[n]表示无人机在第n个时隙的发射功率；若判定监听者采样速率足够大，则将所述二元假设检验问题转化为能量检测问题：
18、
19、若判定监听者处的接收噪声服从对数均匀分布，则得到所述信道噪声不确定性模型的功率服从下式分布：
20、
21、其中，φ用来衡量噪声功率的不确定程度，是归一化的噪声功率；计算监听者在第n个时隙的总的检测错误概率，得到：
22、
23、其中，τth[n]是检测门限；当所述检测错误概率最小时，将最优检测门限设置为得到相应的最小检测错误概率为：
24、
25、根据所述最小检测错误概率将无人机数据分发隐蔽性约束模型构建为：
26、
27、其中，ε表示系统容忍的正确检测概率。
28、在一种可能的设计中，所述根据无人机数据隐蔽分发约束模型建立面向数据隐蔽分发的无人机通信资源与轨迹联合优化问题模型，包括：将第k个用户在整个数据传输周期中接收到的数据量计算如下：
29、
30、其中，ck[n]为0-1变量，表示第n个时隙无人机与用户k的服务关系，当无人机在第n个时隙服务第k个用户时，ck[n]＝1，否则ck[n]＝0；b表示系统带宽；表示第k个用户处的接收噪声功率；根据无人机数据隐蔽分发约束模型将面向数据隐蔽分发的无人机通信资源与轨迹联合优化问题模型构建为：
31、
32、
33、
34、
35、c4:qu[0]＝qs,qu[n]＝qf,
36、
37、
38、
39、
40、
41、其中，λk为0-1变量，表示第k个用户的数据量需求是否满足，当第k个用户的数据量需求得到满足时λk＝1，否则λk＝0；vmax表示无人机最大飞行速度，pmax表示无人机最大发射功率；c1表示用户数据需求是否满足的示性约束；c2表示无人机数据分发隐蔽性约束；c3表示无人机飞行速度约束；c4表示无人机起止点约束；c5表示无人机发射功率约束；c6表示数据分发周期约束；c7表示一个时隙内无人机最多本文档来自技高网...
【技术保护点】
1.一种无人机通信资源与轨迹联合优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，其中，所述无人机隐蔽数据分发场景包括：K个用户、1个无人机、1个监听者，用户的索引序号集为K，用户k的数据需求为Dk；
3.根据权利要求1所述的方法，其特征在于，所述根据所述信道模型和信道噪声不确定性模型确定所述监听者错误检测所述无人机与所述用户之间通信行为的概率，建立无人机数据分发隐蔽性约束模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据无人机数据隐蔽分发约束模型建立面向数据隐蔽分发的无人机通信资源与轨迹联合优化问题模型，包括：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述面向数据隐蔽分发的无人机通信资源与轨迹联合优化问题模型，联合优化无人机与用户的服务关系、无人机发射功率及无人机的轨迹；重复联合优化步骤直至收敛，得到无人机与用户的服务关系、无人机发射功率及无人机轨迹，以及拉格朗日乘子的值，包括：
6.根据权利要求5所述的方法，其特征在于，还包括：
7.根据权利要求5所
8.一种无人机通信资源与轨迹联合优化装置，其特征在于，包括：
9.一种服务器，其特征在于，包括：至少一个处理器和存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的无人机通信资源与轨迹联合优化方法。
...【技术特征摘要】
1.一种无人机通信资源与轨迹联合优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，其中，所述无人机隐蔽数据分发场景包括：k个用户、1个无人机、1个监听者，用户的索引序号集为k，用户k的数据需求为dk；
3.根据权利要求1所述的方法，其特征在于，所述根据所述信道模型和信道噪声不确定性模型确定所述监听者错误检测所述无人机与所述用户之间通信行为的概率，建立无人机数据分发隐蔽性约束模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据无人机数据隐蔽分发约束模型建立面向数据隐蔽分发的无人机通信资源与轨迹联合优化问题模型，包括：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述面向数据隐蔽分发的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。