CN112566127A - 一种基于无人机辅助认知无线网络中物理层安全传输方法 - Google Patents

Abstract

本发明提出一种基于无人机辅助认知无线网络中物理层安全传输方法，属于无线通信领域，具体为：首先建立包括无人机，主用户发射机，主用户接收机，次用户接收机，以及窃听者的无线通信场景，然后，在时隙T的频谱感知时间τ内，无人机进行频谱感知；主用户可能会进行数据传输，并计算此时安全传输速率；同时，在时隙T的数据传输时间段T_a内，无人机基于频谱感知判断当前主用户信道的接入状态，选择作为友好干扰器还是次级信号发射机，分4种情况讨论安全传输模型；基于此制定总的安全传输速率的优化模型；利用粒子群优化算法求解；无人机按照求得最优参数进行信号物理层安全传输。本发明考虑了主、次级用户的安全传输，从而提升了系统的安全传输性能。

Description

一种基于无人机辅助认知无线网络中物理层安全传输方法

技术领域

本发明属于无线通信领域，具体涉及一种基于无人机辅助认知无线网络中物理层安全传输方法。

背景技术

近年来，5G网络的逐步应用带动了物联网技术的快速发展，人们使用的终端设备大量增长并呈现多元化发展的趋势。然而，由于通信网络中的频谱资源紧缺以及频谱利用率低下，制约着5G以及物联网技术的发展。因此，需要引入认知无线电(cognitive radio,CR)来提高无线频谱利用率。频谱感知、频谱共享和频谱切换等作为认知无线网络中的关键技术，能够有效地实现无线频谱资源的共享与复用，从而提升无线频谱的利用率。

然而，由于无线信号传输的开放性，认知无线网络中的无线信号传输存在被非法窃听的风险。在无线通信系统中，一般采用两种方式提高信息传输的安全性，一种是传统的密码学方法，另外一种是非密码加密方式的物理层安全传输技术。如果使用密码学方法对所传输的信号进行加密，窃听者要想获取信号中的信息就必须对信号进行解密。当窃听者具有足够的计算能力时，经过一段时间的计算，会有很大概率破解无线信号的密码，从而窃取信号中的关键信息。

因此，引入人工噪声技术(artificial noise,AN)，通过使用非密码加密的方式保证无线信号传输过程中的物理层安全(physical layer security,PLS)。同时，无人机(unmanned aerial vehicle,UAV)具有较强的视距链路(line-of-sight,LoS)、较高的机动灵活性等特点，作为发射人工噪声的载体会产生更好的反窃听效果。因此，将无人机发射人工噪声来辅助安全传输的技术引入认知无线网络，并根据信道接入状态的变化来进行合理的无线资源分配，能有效提升认知无线网络的安全传输性能。

现有技术中：文献1：V.Nguyen,T.Q.Duong,O.Shin,A.Nallanathan andG.K.Karagiannidis,”Enhancing PHY Security of Cooperative Cognitive RadioMulticast Communications,”in IEEE Transactions on Cognitive Communicationsand Networking,vol.3,no.4,pp.599-613,Dec.2017.提出了一种协作通信的方法，在保证主用户安全传输速率约束的前提下，通过向窃听者发送干扰噪声来最大化次系统的安全传输速率。文献2：Y.Pan,X.Da,H.Hu,Z.Zhu,R.Xu and L.Ni,”Energy-EfficiencyOptimization of UAV-Based Cognitive Radio System,”in IEEE Access,vol.7,pp.155381-155391,2019.使用无人机作为认知无线网络中的次级用户，并且进行频谱感知，根据感知结果动态接入认知无线网络。文献3：P.X.Nguyen,H.V.Nguyen,V.Nguyen andO.Shin,”UAV-Enabled Jamming Noise for Achieving Secure Communications inCognitive Radio Networks,”2019 16th IEEE Annual Consumer CommunicationsNetworking Conference(CCNC),Las Vegas,NV,USA,2019,pp.1-6.在Underlay认知无线网络中使用无人机作为友好干扰器，在满足对主用户干扰小于固定阈值的条件下，无人机传输人工噪声来对抗窃听者，从而提升次级用户的安全传输性能。

虽然现有技术为认知无线网络的安全传输提供了各种解决方案，但是仍存在以下问题：一方面，利用无人机传输人工噪声来保证认知无线网络物理层安全传输的研究较少，另一方面，现有的认知无线网络安全传输机制研究中，较少的考虑了信道接入状态变化对物理层安全传输性能产生的影响。

发明内容

针对上述问题，本发明提出了一种基于无人机辅助认知无线网络中物理层安全传输方法，能够有效地提升认知无线网络系统的物理层安全传输性能。

所述的安全传输方法，具体步骤如下：

步骤一、建立一个存在非法窃听者的典型无人机辅助的认知无线网络场景；

场景中包括一个无人机，以及地面上的主用户发射机PT，主用户接收机PR，次用户接收机SR，以及窃听者Eve，各自作为地面的一个节点；

以主用户发射机为原点建立三维直角坐标系，主用户接收机、次用户接收机、以及窃听者Eve位于同一个半径为R的圆上，主用户发射机位于圆心上。

无人机的飞行高度为固定值H，所以无人机的三维坐标表示为(x_u,y_u,H)。

步骤二、将时隙T分为频谱感知时间τ和数据传输时间T_a；在频谱感知时间τ内，无人机进行频谱感知；同时，主用户进行数据传输，分别计算此时主用户和窃听者的接收信噪比；

主用户进行数据传输的概率为：p₀＝p(H₁)，

主用户的接收信噪比计算公式为：

为主用户接收机的接收噪声功率；h_pp为主用户发射机与主用户接收机之间的信道增益；P_P是主用户发射机的传输功率。

窃听者的接收信噪比计算公式为：

为窃听者的接收噪声功率；h_pe为主用户发射机与窃听者之间的信道增益。

步骤三、利用主用户和窃听者的接收信噪比，分别计算在主用户接收机和窃听者的传输速率，从而得到在频谱感知时间τ内的安全传输速率；

主用户接收机的传输速率表示为：R_τ,p0＝log₂(1+SNR_τ,p0)；

窃听者的传输速率表示为：R_τ,e0＝log₂(1+SNR_τ,e0)；

安全传输速率可表示为R_s0＝R_τ,p0-R_τ,e0。

步骤四、在数据传输时间段T_a内，无人机基于频谱感知判断当前主用户信道的接入状态，选择作为友好干扰器还是次级信号发射机。

主用户信道的接入状态分为：忙碌与空闲两种；若频谱感知结果是主用户信道忙碌，则无人机选择作为友好干扰器传输人工噪声；若频谱感知结果是主用户信道空闲，则无人机选择作为次级信号发射机，同时传输信息信号与人工噪声。

步骤五、在数据传输时间段T_a内，根据主用户信道的接入状态与频谱感知的结果，分情况讨论无线系统中的安全传输模型；

安全传输模型分为以下四种情况：

情况1：主用户信道处于忙碌状态，无人机正确地频谱感知到主用户信道处于忙碌状态，发生的概率为：p₁＝p(H₁)×p_d。

p(H₁)为信道被主用户占用的概率；p_d为无人机频谱感知的正确检测概率；

首先，计算主用户的接收信噪比，公式为：

P_AN为无人机发射人工噪声的功率；P_AN＝ρP_UT；ρ为无人机发射人工噪声的功率和次级用户信号的功率之间的分配比值；P_UT是无人机的可用传输功率。h_up为无人机与主用户接收机之间的信道增益。

然后，计算窃听者的接收信噪比，公式为：

h_ue为无人机与窃听者之间的信道增益。

最后，计算主用户接收机和窃听者的传输速率，得到安全传输速率；

主用户接收机和窃听者的传输速率分别表示为：

安全传输速率表示为

情况2：主用户信道处于忙碌状态，无人机错误地频谱感知到主用户信道处于空闲状态，发生的概率为：p₂＝p(H₁)×(1-p_d)。

首先，分别计算主用户接收机、次用户接收机和窃听者的接收信噪比；

表示为：

其中，P_S为无人机发射次级信号的功率；P_S＝(1-ρ)P_UT；h_us为无人机与次级用户接收机之间的信道增益；

为次级用户接收机的接收噪声功率，h_ps为主用户发射机与次级用户接收机之间的信道增益。

因此，在主用户接收机、次用户接收机和窃听者的传输速率分别表示为：

安全传输速率表示为：

情况3：主用户信道处于空闲状态，无人机错误地频谱感知到主用户信道处于忙碌状态。

在这种情况下，主用户信道没有被使用，无人机也不传输次级用户信号，因此，窃听者窃听不到任何信息，主用户接收机、次用户接收机和窃听者的安全传输速率都为0。

情况4：主用户信道处于空闲状态，无人机正确地频谱感知到主用户信道处于空闲状态，发生的概率可计算为p₄＝p(H₀)×(1-p_f)；

p_f为无人机频谱感知的错误警告概率；p(H₀)为信道未被主用户占用的概率。

次用户接收机和窃听者的接收信噪比分别表示为：

因此，次用户接收机和窃听者的传输速率分别表示为；

安全传输速率表示为

步骤六、利用频谱感知时间段的安全传输速率以及数据传输时间段的安全传输模型，制定总的安全传输速率的优化模型；

优化模型设计如下：

P：

s.t.C1:0＜τ＜T

C2:0＜ρ＜1

C3:

C4:

其中，R_sec为总的安全传输速率；计算公式为：

[x]⁺＝max{0,x}。P_ss为频谱感知的功率；

是无人机的最大功率限制。

C1表示频谱感知的时间长度具有限制，确保次级用户数据传输时间。

C2表示功率分配比的取值范围。

C3表示无人机用户频谱感知的功率受限于无人机的最大功率；

C4表示无人机数据传输的功率受限于无人机的最大功率。

步骤七、利用粒子群优化算法对优化模型进行求解，得到最优参数：功率分配比ρ，频谱感知时间τ以及无人机的水平位置(x_u,y_u)；

首先，将频谱感知时间、功率分配比、无人机的横坐标和纵坐标设为四维的粒子位置，即x_j＝(τ,ρ,x_u,y_u)。

然后，设置迭代次数为M，随机生成N个粒子，形成N维向量表示的粒子群：

在每次迭代中，粒子的速度更新如下：

其中，w是粒子惯性系数，

是第i个粒子在第k次迭代中的速度；c₁和c₂是加速常数，r₁和r₂是[0,1]范围内的均匀随机数；

为第k次迭代中第i个粒子自身的个体最优值，

为第k次迭代中粒子群的全局最优值。

粒子的位置更新如下：

当第i个粒子的适应度函数值f_i大于等于平均的适应度函数值f_avg，则惯性系数w被更新为：

w＝w_min+ζ(w_max-w_min)

其中，ζ为粒子早熟度，定义为：

当第i个粒子的适应度函数值f_i小于平均的适应度函数值f_avg，则惯性系数w被更新为：

w＝w_max

步骤八、无人机按照最优的水平位置(x_u,y_u)设置，按照最优参数功率分配比ρ和频谱感知时间τ进行无人机辅助认知无线网络中的信号传输，实现物理层安全传输。

本发明与现有技术相比，具有以下优势：

1.一种基于无人机辅助认知无线网络中物理层安全传输方法，在无人机作为次级用户时，通过在次级用户信号传输阶段同时传输人工噪声，对次级用户传输信号与人工噪声的功率分配比进行合理地优化，可以同时保证次级用户的安全传输，提升物理层安全传输性能。

2.一种基于无人机辅助认知无线网络中物理层安全传输方法，提升了认知无线网络的物理层安全传输性能，仿真结果表明，本方法可以根据当前主用户信道的接入状态让无人机选择作为仅传输人工噪声的干扰器或者作为同时传输信号和人工噪声的次级用户，通过调整频谱感知时间，功率分配比例和无人机位置，从而最大程度地降低被窃听的风险。

3.一种基于无人机辅助认知无线网络中物理层安全传输方法，考虑主用户安全传输性能的同时也兼顾考虑了次级用户的安全传输，从而提升了整个认知无线网络系统的安全传输性能。

附图说明

图1是本发明一种基于无人机辅助认知无线网络中物理层安全传输方法的流程图；

图2是本发明构建的主用户信道忙碌，无人机发射人工噪声干扰窃听者的场景；

图3是本发明构建的主用户信道空闲，无人机发射次级用户信号和人工噪声的场景；

图4是本发明利用粒子群优化算法对优化模型进行求解的流程图；

图5是本发明系统总的安全传输速率与频谱感知时间τ的对比图；

图6是本发明系统安全传输速率与功率分配比之间的对比图；

图7是本发明系统安全传输速率与无人机水平位置之间的关系图；

图8是本发明资源分配算法与其他两种算法中物理层安全传输性能对比图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图对本发明作进一步的详细和深入描述。

在认知无线网络中，由于无线信号传输的开放性，信息传输过程中可能会被非法窃听者监听，从而给认知无线网络造成严重的安全威胁。无人机辅助安全传输技术被引入以降低安全威胁，由于无人机具有较强LoS链路以及机动灵活性，使用无人机传输人工噪声来对抗窃听者，从而增强认知无线网络的安全传输性能。

考虑在Overlay模式的认知无线网络中，次级用户根据主用户信道状态的变化来选择是否接入主用户信道。本发明是一种基于无人机辅助认知无线网络中物理层安全传输方法，对无人机辅助下的认知无线网络进行建模，考虑频谱感知结果准确性产生的影响并分为四种情况，通过在一定范围内对频谱感知时间、功率分配比例、无人机位置进行优化，获得最大化的系统安全传输速率。在求解算法中，采用自适应惯性系数的粒子群算法进行迭代求解，将问题的解对应到粒子的位置，经过多次粒子迭代，直到收敛。无人机按照最优的粒子参数进行无人机辅助认知无线网络中的信号传输，实现物理层安全传输。

如图1所示，具体步骤如下：

步骤一、建立一个存在非法窃听者的典型无人机辅助的认知无线网络场景；

本实施例研究的场景是一个存在非法窃听者的典型无人机辅助的认知无线网络场景，如图2和图3所示。场景中包括一个无人机，以及地面上的主用户发射机(primarytransmitter，PT)，主用户接收机(primary receiver，PR)，次用户接收机(secondaryreceiver，SR)，以及窃听者Eve，各自作为地面的一个节点；

以主用户发射机PT为原点建立三维直角坐标系，主用户接收机PR、次用户接收机SR、以及窃听者Eve位于同一个半径为R的圆上，PT位于圆的圆心上。为了便于研究，假定PR和SR对称分布在Eve的两侧，并且与Eve形成的夹角分别为θ_P和θ_S，这里θ_P＝θ_S。

无人机的飞行高度为固定值H，所以无人机的三维坐标表示为(x_u,y_u,H)。

无人机与地面节点(包括PT、PR、SR、Eve等)之间的通信信道为空对地传输模型，存在一定概率的视距和非视距(non-line-of-sight，NLoS)路径损耗。其中，LoS路径损耗和NLoS路径损耗分别表示为：

其中，f_c为载波频率；C表示真空中的光速；d_u,i是无人机与地面节点i之间的欧几里得距离；η_LoS为视距传输信道衰减；η_NLoS为非视距传输信道衰减；

根据通信设备所处的环境以及无人机与地面节点i之间的仰角，可以得到通信链路进行LoS传输的概率，表示为：

其中，α和β的值取决于环境，θ表示地面节点i与无人机之间的仰角，φ表示信号的相移角。

另外，NLoS链路的传输概率可计算为1-P_LoS,i。空对地传输模型的平均路径损耗表示为：

PL_u,i＝P_LoS,i×PL_LoS,i+(1-P_LoS,i)×PL_NLoS,i

因此，空对地信道增益可以表示为：

其中，

是标准化信道矢量。

地对地信道模型主要是指PT与节点j(包括PR、Eve)，考虑经历独立的瑞利衰落，其信道增益计算为：

其中，

是标准化信道矢量，β₀是参考距离d₀＝1时的信道功率增益，

是该信道中的路径损耗指数。

步骤二、将时隙T分为频谱感知时间τ和数据传输时间T_a；在频谱感知时间τ内，无人机进行频谱感知；

对于给定的信道，信道忙碌的状态定义为H₁，空闲状态定义为H₀。更进一步，信道被主用户占用的概率定义为p(H₁)，信道未被主用户占用的概率定义为p(H₀)。无线频谱的感知方法有多种，为了实现较低的感知复杂度，在本模型中选用基于能量检测的频谱感知方法。在这种方法中，通过比较能量检测器的输出与取决于背景噪声的阈值来检测信号。当主用户信道被假定为复PSK信号，则正确检测概率p_d和错误警告概率p_f可以被估计为：

其中，ε是能量检测器判决的阈值，f_s为采样频率。γ是无人机的感知信噪比，可以被计算为：

其中，P_P是PT的传输功率，h_pu为主用户发射机与无人机之间的信道增益。

是无人机的接收噪声功率。

在频谱感知时间τ内，无人机进行频谱感知，同时，主用户以概率p₀＝p(H₁)进行数据传输，这种情况称之为情况0，分别计算此时主用户和窃听者的接收信噪比；主用户的接收信噪比计算公式为：

为主用户接收机的接收噪声功率；h_pp为主用户发射机与主用户接收机之间的信道增益；

窃听者的接收信噪比计算公式为：

为窃听者的接收噪声功率；h_pe为主用户发射机与窃听者之间的信道增益。

步骤三、利用主用户和窃听者的接收信噪比，分别计算在主用户接收机和窃听者的传输速率，从而得到在频谱感知时间τ内的安全传输速率；

主用户接收机的传输速率表示为：R_τ，p0＝log₂(1+SNR_τ，p0)；

窃听者的传输速率表示为：R_τ，e0＝log₂(1+SNR_τ，e0)；

安全传输速率可表示为R_s0＝R_τ，p0-R_τ，e0。

步骤四、在数据传输时间段T_a内，无人机基于频谱感知判断当前主用户信道的接入状态，选择作为友好干扰器还是次级信号发射机。

主用户信道的状态分为：忙碌与空闲两种；若频谱感知结果是主用户信道忙碌，则无人机选择作为友好干扰器，此时信号传输功率全部用来发射人工噪声去干扰非法窃听者；若频谱感知结果是主用户信道空闲，则无人机选择作为次级信号发射机，信号传输功率被用来发射次级用户信号和人工噪声。

无人机进行无线信号频谱感知的功率表示为P_ss，信号传输功率表示为P_UT；在无人机作为次级信号发射机时，引入功率分配比ρ来分配无人机的传输功率，用于发射人工噪声的功率表示为P_AN＝ρP_UT，而用于发射次级用户信号的功率表示为P_S＝(1-ρ)P_UT。

步骤五、在数据传输时间段T_a内，根据主用户信道的接入状态与频谱感知的结果，分情况讨论无线系统中的安全传输模型；

安全传输模型分为以下四种情况：

情况1：表示为

H₁表示主用户信道处于忙碌状态，

表示无人机正确地感知到主用户信道处于忙碌状态，发生的概率为：p₁＝p(H₁)×p_d。

p(H₁)为信道被主用户占用的概率；p_d为无人机频谱感知的正确检测概率；

在这种情况下，PT传输主用户信号与PR进行通信，此时，SR处于睡眠状态，无人机作为一个友好干扰器，通过传输人工噪声辅助主用户进行安全传输。

首先，计算主用户的接收信噪比，公式为：

h_up为无人机与主用户接收机之间的信道增益。

然后，计算窃听者的接收信噪比，公式为：

h_ue为无人机与窃听者之间的信道增益。

最后，计算主用户接收机和窃听者的传输速率，得到安全传输速率；

主用户接收机和窃听者的传输速率分别表示为：

安全传输速率表示为

情况2：表示为

H₁表示主用户信道处于忙碌状态，

表示无人机错误地感知到主用户信道处于空闲状态，发生的概率为：p₂＝p(H₁)×(1-p_d)。

在这种情况下，无人机作为一个次级用户发射机，在主用户PT-PR存在通信的情况下，根据功率分配比，以所分配的次级信号发射功率与人工噪声发射功率，分别发射次级信号与人工噪声进行通信。首先，分别计算主用户接收机、次用户接收机和窃听者的接收信噪比；

表示为：

其中，P_S为无人机发射次级信号的功率；P_S＝(1-ρ)P_UT；h_us为无人机与次用户接收机之间的信道增益；

为次级用户接收机和窃听者的接收噪声功率，h_ps为主用户发射机与次级用户接收机之间的信道增益。

因此，在主用户接收机、次用户接收机和窃听者的传输速率分别表示为：

安全传输速率表示为：

情况3：表示为

H₀表示主用户信道处于空闲状态，

表示无人机错误地感知到主用户信道处于忙碌状态。

在这种情况下，主用户信道没有被使用，无人机由于感知结果错误，对其产生误导，也不传输次级用户信号，因此，窃听者窃听不到任何信息，主用户接收机、次用户接收机和窃听者的安全传输速率都为0。

情况4：表示为

H₀表示主用户信道处于空闲状态，

表示无人机正确地感知到主用户信道处于空闲状态，发生的概率可计算为p₄＝p(H₀)×(1-p_f)；

p_f为无人机频谱感知的错误警告概率；p(H₀)为信道未被主用户占用的概率。

在这种情况下，无人机在恰当的时刻接入主用户信道，充分地利用了认知无线网络中的频谱空洞。次用户接收机和窃听者的接收信噪比分别表示为：

因此，次用户接收机和窃听者的传输速率分别表示为；

安全传输速率表示为

步骤六、利用频谱感知时间段的安全传输速率以及数据传输时间段的安全传输模型，制定总的安全传输速率的优化模型；

本申请中基于无人机辅助的Overlay认知无线网络，提出了一种资源分配方案。首先，对无人机的可用功率进行评估，确认其是否能够满足频谱感知所需要的功率。如果无人机的可用功率小于频谱感知的功率，则无人机仅仅能作为一个干扰器发射人工噪声。如果无人机的可用功率大于频谱感知的功率，则无人机具有足够的功率进行频谱感知，能够动态地接入主用户信道并实现物理层安全传输。

在无人机功率大于频谱感知功率时，先对频谱感知时间、无人机功率分配比ρ以及无人机悬停的位置进行初始化。在频谱感知时间τ内，无人机对主用户信道进行频谱感知，并得到一个频谱感知结果。在数据传输时间T_a内，当频谱感知结果显示主用户信道处于被占用的忙碌状态，则无人机发射人工噪声来辅助主用户进行安全传输，这时所考虑的传输模型为情况1和情况3。由于在情况3中，主用户信道即未被主用户使用，也未被次用户使用，该情况所能实现的安全传输速率值为0，可以忽略。当频谱感知结果显示主用户信道处于空闲状态时，则无人机根据功率分配比同时传输次级信号和人工噪声，这时考虑的传输模型为情况2和情况4。因此，系统总的安全传输速率主要考虑频谱感知时间段的情况0以及数据传输时间段的情况1、情况2和情况4，可以计算为：

其中，[x]⁺＝max{0,x}。

经过上述分析，可以通过联合优化无人机的频谱感知时间、功率分配比和悬停位置，使系统的总安全传输速率实现最大化。优化模型设计如下：

P:

s.t.C1:0＜τ＜T

C2:0＜ρ＜1

C3:

C4:

是无人机的最大功率限制。

C1表示频谱感知的时间长度具有限制，确保次级用户数据传输时间。

C2表示功率分配比的取值范围。

C3表示无人机用户频谱感知的功率受限于无人机的最大功率；

C4表示无人机数据传输的功率受限于无人机的最大功率。

很明显，这是个非凸的问题，因此接下来采用启发式算法来对该问题进行分析求解。

步骤七、利用粒子群优化算法对优化模型进行求解，得到最优参数：功率分配比ρ，频谱感知时间τ以及无人机的水平位置(x_u,y_u)；

如图4所示，具体步骤为：

首先，初始化系统参数：

将频谱感知时间、功率分配比、无人机的横坐标和纵坐标设为四维的粒子位置，即x_j＝(τ，ρ，x_u，y_u)。

设置迭代次数为M，随机生成N个粒子，形成N维向量表示的粒子群：

然后，计算第i个粒子的适应度函数值f_i，并确定全局最优粒子；

在每次迭代中，定义早熟等级为ζ＝(f_max-f_i)/(f_max-f_avg)，f_max和f_avg分别是最大的和平均的适应度函数值；

接着，根据粒子群适应度函数的平均值和最优值，调整自适应惯性系数w；

当f_i大于f_avg，则惯性系数w被更新为：w＝w_min+ζ(w_max-w_min)；

当f_i小于f_avg，则惯性系数w被更新为：w＝w_max；

最后，通过改变粒子的速度，让非最优粒子向全局最优粒子靠拢，直至优化目标收敛。

在每次迭代中，每个粒子都会更新自身的个体最优值

同时，粒子群也会更新一个全局最优值

粒子的速度更新如下：

其中，

是第i个粒子在第k次迭代中的速度；c₁和c₂是加速常数，r₁和r₂是[0，1]范围内的均匀随机数；

在每次迭代中，每个粒子的位置更新如下：

步骤八、无人机按照最优的水平位置(x_u，y_u)设置，按照最优参数功率分配比ρ和频谱感知时间τ进行无人机辅助认知无线网络中的信号传输，实现物理层安全传输。

实施例：

在仿真场景设置中，PR、SR和Eve所构成的圆的半径R为200m，一个时隙的长度假定为2s，无人机的飞行高度固定为150m；表1提供了其余的参数。

仿真结果将本发明所提的算法与两种现有算法进行了比较：第一种方案是无人机在认知无线网络中仅作为一个次级用户，通过频谱感知动态接入主用户信道，不发射人工噪声。第二种方案是无人机在不进行频谱感知的情况下作为一个用户，同时发射次级信号与人工噪声，与地面节点进行通信。

表1

系统总的安全传输速率与频谱感知时间τ的关系，如图5所示，系统的安全传输速率随着频谱感知时间的变化趋势是先升高后降低。当频谱感知时间为0时，相当于没有进行频谱感知，此时系统的安全传输速率相对较低。当频谱感知时间增大时，频谱感知的准确度就会越高，此时会降低错误检测的概率，减少了错误检测带来的不必要的干扰，但是，当频谱感知时间增加，次级用户传输时间就会随之减少，也会对安全传输速率起到一定的抑制作用，因此出现了先升高后降低的变化趋势。因此，在频谱感知精确度与次级用户传输时间之间存在一个平衡，使得系统安全传输速率实现最优值。

系统安全传输速率在不同的位置分布角θ_P与功率分配比之间的变化关系，如图6所示。从仿真结果可知，存在一个最优的功率分配比ρ值，使得安全传输速率取最大值。θ_P值越大，最优的安全传输速率对应的功率分配比的值越小，同时，在相同功率分配比的条件下，θ_P值越大，则安全传输速率值越大。这是因为θ_P的值越大，代表PR、SR和Eve之间的距离越大，Eve窃听信息信号的机会降低，此时最优的ρ值减小，说明随着θ_P值的增大，无人机传输人工噪声对系统安全传输速率提升的效果越来越小，而传输次级用户信号对系统安全传输速率提升的效果越来越大。

系统安全传输速率与无人机水平位置之间的关系，如图7所示，根据仿真结果图，存在一个最优的无人机悬停位置对应于最大的安全传输速率。而且，这个最优的位置靠近次级用户接收机SR，这说明无人机根据主用户信道接入状态，选择作为一个次级用户或者友好干扰器，通过优化位置，能够有效地提升安全传输性能。此时的次级用户功率分配比ρ并不为0，说明无人机传输人工噪声来对抗窃听者能够在一定程度上提升系统的安全传输性能。

本发明的安全传输方案与其他两种无人机辅助的安全传输网络进行对比分析，如图8所示，根据仿真结果，当无人机具有的传输功率低于频谱感知功率时，三种方案的系统安全传输速率基本是一样的。随着无人机传输功率的增加，能够满足频谱感知需要的功率，此时本发明所提出的方案和无人机仅作为次级用户的对比方案一，在安全传输性能上胜过无频谱感知的方案二，说明频谱感知在安全传输中的重要性。随着无人机的传输功率继续增加，本发明所提出的具有人工噪声的安全传输方案明显优于无人工噪声的方案一，同时优于方案二，这也证明了人工噪声在本场景中发挥的重要作用。

本发明考虑到在认知无线网络中，主、次用户会交替接入主用户信道，通过引入无人机辅助传输人工噪声技术来对抗非法窃听者，当主用户信道处于忙碌状态，无人机作为干扰器传输人工噪声来对保证主用户安全传输；当主用户信道处于空闲状态，无人机作为次级网络用户接入主用户信道。同时联合优化频谱感知时间，实现了频谱感知精确度与数据传输时间的均衡；通过优化无人机作为次级用户时的功率分配比例，充分发挥了人工噪声在系统中的提升安全性能的作用。同时无人机的部署位置对网络的安全传输性能也有一定的影响，因此，综合考虑频谱感知时间、无人机作为次级用户时的传输功率分配比以及无人机的悬停位置来制定优化问题。这个问题是非凸的，采用自适应惯性系数的粒子群优化算法对该问题进行求解。在该问题中，粒子的位置向量包括频谱感知时间、功率分配比以及无人机的位置，粒子根据当前种群适应度函数的最优值与平均值来自适应调整惯性系数，经过多次迭代得到最优解。仿真结果表明，该方案能够有效地提升认知无线网络系统的安全传输性能。

Claims (6)

1.一种基于无人机辅助认知无线网络中物理层安全传输方法，其特征在于，所述步骤如下：

步骤一、建立一个存在非法窃听者的典型无人机辅助的认知无线网络场景；

场景中包括一个无人机，以及地面上的主用户发射机PT，主用户接收机PR，次用户接收机SR，以及窃听者Eve，各自作为地面的一个节点；

无人机的飞行高度为固定值H，所以无人机的三维坐标表示为(x_u,y_u,H)；

步骤二、将时隙T分为频谱感知时间τ和数据传输时间T_a；在频谱感知时间τ内，无人机进行频谱感知；同时，主用户进行数据传输，分别计算此时主用户和窃听者的接收信噪比；

主用户进行数据传输的概率为：p₀＝p(H₁)；

步骤三、利用主用户和窃听者的接收信噪比，分别计算在主用户接收机和窃听者的传输速率，从而得到在频谱感知时间τ内的安全传输速率；

步骤四、在数据传输时间段T_a内，无人机基于频谱感知判断当前主用户信道的接入状态，选择作为友好干扰器还是次级信号发射机；

步骤五、在数据传输时间段T_a内，根据主用户信道的接入状态与频谱感知的结果，分情况讨论无线系统中的安全传输模型；

安全传输模型分为以下四种情况：

情况1：主用户信道处于忙碌状态，无人机正确地频谱感知到主用户信道处于忙碌状态，发生的概率为：p₁＝p(H₁)×p_d；

p(H₁)为信道被主用户占用的概率；p_d为无人机频谱感知的正确检测概率；

首先，计算主用户的接收信噪比，公式为：

为主用户接收机的接收噪声功率；h_pp为主用户发射机与主用户接收机之间的信道增益；P_P是主用户发射机的传输功率；

P_AN为无人机发射人工噪声的功率；P_AN＝ρP_UT；ρ为无人机发射人工噪声的功率和次级用户信号的功率之间的分配比值；P_UT是无人机的可用传输功率；h_up为无人机与主用户接收机之间的信道增益；

然后，计算窃听者的接收信噪比，公式为：

h_ue为无人机与窃听者之间的信道增益；

为窃听者的接收噪声功率；h_pe为主用户发射机与窃听者之间的信道增益；

最后，计算主用户接收机和窃听者的传输速率，得到安全传输速率；

主用户接收机和窃听者的传输速率分别表示为：

安全传输速率表示为

情况2：主用户信道处于忙碌状态，无人机错误地频谱感知到主用户信道处于空闲状态，发生的概率为：p₂＝p(H₁)×(1-p_d)；

首先，分别计算主用户接收机、次用户接收机和窃听者的接收信噪比；

表示为：

其中，P_S为无人机发射次级信号的功率；P_S＝(1-ρ)P_UT；h_us为无人机与次级用户接收机之间的信道增益；

为次级用户接收机的接收噪声功率，h_ps为主用户发射机与次级用户接收机之间的信道增益。

因此，在主用户接收机、次用户接收机和窃听者的传输速率分别表示为：

安全传输速率表示为：

情况3：主用户信道处于空闲状态，无人机错误地频谱感知到主用户信道处于忙碌状态；

在这种情况下，主用户信道没有被使用，无人机也不传输次级用户信号，因此，窃听者窃听不到任何信息，主用户接收机、次用户接收机和窃听者的安全传输速率都为0；

情况4：主用户信道处于空闲状态，无人机正确地频谱感知到主用户信道处于空闲状态，发生的概率可计算为p₄＝p(H₀)×(1-p_f)；

p_f为无人机频谱感知的错误警告概率；p(H₀)为信道未被主用户占用的概率；

次用户接收机和窃听者的接收信噪比分别表示为：

因此，次用户接收机和窃听者的传输速率分别表示为；

安全传输速率表示为

步骤六、利用频谱感知时间段的安全传输速率以及数据传输时间段的安全传输模型，制定总的安全传输速率的优化模型；

优化模型设计如下：

s.t.C1:0＜τ＜T

C2:0＜ρ＜1

其中，R_sec为总的安全传输速率；计算公式为：

[x]⁺＝max{0,x}；P_ss为频谱感知的功率；

是无人机的最大功率限制；

C1表示频谱感知的时间长度具有限制，确保次级用户数据传输时间；

C2表示功率分配比的取值范围；

C3表示无人机用户频谱感知的功率受限于无人机的最大功率；

C4表示无人机数据传输的功率受限于无人机的最大功率；

步骤七、利用粒子群优化算法对优化模型进行求解，得到最优参数：功率分配比ρ，频谱感知时间τ以及无人机的水平位置(x_u,y_u)；

步骤八、无人机按照最优的水平位置(x_u,y_u)设置，按照最优参数功率分配比ρ和频谱感知时间τ进行无人机辅助认知无线网络中的信号传输，实现物理层安全传输。

2.如权利要求1所述的一种基于无人机辅助认知无线网络中物理层安全传输方法，其特征在于，步骤一所述的场景中，以主用户发射机为原点建立三维直角坐标系，主用户接收机、次用户接收机、以及窃听者Eve位于同一个半径为R的圆上，主用户发射机位于圆心上。

3.如权利要求1所述的一种基于无人机辅助认知无线网络中物理层安全传输方法，其特征在于，所述的步骤二中：

主用户的接收信噪比计算公式为：

窃听者的接收信噪比计算公式为：

4.如权利要求1所述的一种基于无人机辅助认知无线网络中物理层安全传输方法，其特征在于，所述的步骤三中：

主用户接收机的传输速率表示为：R_τ,p0＝log₂(1+SNR_τ,p0)；

窃听者的传输速率表示为：R_τ,e0＝log₂(1+SNR_τ,e0)；

安全传输速率表示为R_s0＝R_τ,p0-R_τ,e0。

5.如权利要求1所述的一种基于无人机辅助认知无线网络中物理层安全传输方法，其特征在于，所述的步骤四中：主用户信道的接入状态分为：忙碌与空闲两种；若频谱感知结果是主用户信道忙碌，则无人机选择作为友好干扰器传输人工噪声；若频谱感知结果是主用户信道空闲，则无人机选择作为次级信号发射机，同时传输信息信号与人工噪声。

6.如权利要求1所述的一种基于无人机辅助认知无线网络中物理层安全传输方法，其特征在于，所述的步骤七具体为：

首先，将频谱感知时间、功率分配比、无人机的横坐标和纵坐标设为四维的粒子位置，即x_j＝(τ,ρ,x_u,y_u)；

然后，设置迭代次数为M，随机生成N个粒子，形成N维向量表示的粒子群：

在每次迭代中，粒子的速度更新如下：

其中，w是粒子惯性系数，

是第i个粒子在第k次迭代中的速度；c₁和c₂是加速常数，r₁和r₂是[0,1]范围内的均匀随机数；

为第i个粒子自身的个体最优值，

为第k次迭代中粒子群的全局最优值；

粒子的位置更新如下：

当第i个粒子的适应度函数值f_i大于等于平均的适应度函数值f_avg，则惯性系数w被更新为：

w＝w_min+ζ(w_max-w_min)

其中，ζ为粒子早熟度，定义为：

当第i个粒子的适应度函数值f_i小于平均的适应度函数值f_avg，则惯性系数w被更新为：

w＝w_max。

Images