CN112904727B - 无线充电的无人机模型及其优化方法、系统和计算机介质 - Google Patents

无线充电的无人机模型及其优化方法、系统和计算机介质 Download PDF

Info

Publication number
CN112904727B
CN112904727B CN202110080880.8A CN202110080880A CN112904727B CN 112904727 B CN112904727 B CN 112904727B CN 202110080880 A CN202110080880 A CN 202110080880A CN 112904727 B CN112904727 B CN 112904727B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
wireless charging
time slot
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN202110080880.8A
Other languages
English (en)
Other versions
CN112904727A (zh
Inventor
杜鹏飞
刘星
曾琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN202110080880.8A priority Critical patent/CN112904727B/zh
Publication of CN112904727A publication Critical patent/CN112904727A/zh
Application granted granted Critical
Publication of CN112904727B publication Critical patent/CN112904727B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Signal Processing (AREA)
  • Electromagnetism (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了无线充电的无人机模型及其优化方法、系统和计算机介质，涉及物理层安全传输领域，解决了系统安全信息容量较低的问题。本发明包括数据传输阶段包括无人机对节点传输数据，无人机对节点传输数据包括无人机对接收节点传输数据和无人机对窃听节点传输数据，所述模型依据无人机在时隙内接收到的信息通过两个通道传输数据至窃听节点与接收节点，所述模型计算得到节点在所述时隙内接收数据的瞬时信噪比和信息总量。本发明能够有效提高系统安全信息容量。

Description

无线充电的无人机模型及其优化方法、系统和计算机介质
技术领域
本发明涉及物理层安全传输领域，具体涉及无线充电的无人机模型及其优化方法、系统和计算机介质。
背景技术
无人机由于其机动灵活的特点而被广泛部署在空中充当移动通信设备，它有助于进一步提升5G通信网络的通信速率和网络容量。然而，无人机的无线信道的广播特性又给无人机系统的安全性带来严峻的挑战，窃听是一个亟待解决的问题。物理层安全传输技术作为传统的防窃听手段的补充，受到了学术界和工业界的广泛关注。由于无人机体积小，携带的电池容量十分有限，因此能量供应一直是制约无人机大规模应用的关键问题。为了解决此问题，利用充电电源对无人机进行无线能量传输的方法逐渐受到重视。因此，研究基于可充电无人机的保密通信系统中的物理层安全问题，通过联合优化无线能量传输时间、数据传输时间、无人机的飞行轨迹和传输功率来提高无人机通信系统的安全信息容量，进而提升系统的保密性能。
为了最大化系统安全信息容量，文献[1]通过优化无人机的空间飞行轨迹来充分利用有限的能量。基于此，针对单跳无人机通信系统传输安全性及能量效率提高问题，文献[2]提出基于保密能量效率最大化准则的无人机航迹规划方法。文献[3]提出了无人机轨迹和发射功率的联合优化方案来提高系统安全信容量。此外，文献[4]推导出了合法接收节点和窃听者接收信号的信干噪比的累积分布函数，并以此函数为指导来优化无人机的空间位置和发送功率。虽然文献[1]-[4]提出了一些无人机航迹和发射功率优化方法，但是它们仅利用无人机自身的有限的能量，没有利用充电桩对无人机进行无线能量传输，导致无人机通信系统的安全信息容量较低。
在文献[5]和文献[6]中，无人机被部署在空间充当基站为用户提供数据通信服务，基于此框架作者提出了联合无人机位置、时隙、子载波等资源分配策略来提高系统安全信息容量。文献[7]提出了一种无人机充电时长、无人机空间位置和发射功率的联合优化策略。但是文献[5]-[7]提出的保密通信策略假设无人机在空间的位置保持不变，因此所提出的策略无法充分利用无人机机动灵活的特点而导致系统安全信息容量较低。
1.Qian Wang,et al.,“Energy-efficient trajectory planning for UAV-aided secure communication[J].中国通信,2018,15(05):51-60.
2.方晓钰.无人机中继保密通信系统航迹规划方法研究[D].中国民航大学,2019.
3.M.T.Mamaghani and Y.Hong,“Improving PHY-security of UAV-enabledtransmission with wireless energy harvesting:robust trajectory design andcommunications resource allocation,”IEEE Transactions on VehicularTechnology,vol.69,no.8,pp.8586-8600,Aug.2020.
4.H.Lei,et al.,“Safeguarding UAV IoT communication systems againstrandomly located eavesdroppers,”IEEE Internet of Things Journal,vol.7,no.2,pp.1230-1244,Feb.2020.
5.S.Yin,et al.,“Resource allocation and basestation placement incellular networks with wireless powered UAVs,”IEEE Transactions on VehicularTechnology,vol.68,no.1,pp.1050-1055,Jan.2019.
6.S.Yin,et al.,“Resource allocation and basestation placement indownlink cellular networks assisted by multiple wireless powered UAVs,”IEEETransactions on Vehicular Technology,vol.69,no.2,pp.2171-2184,Feb.2020.
7.W.Wang,et al.,“Energy-constrained UAV-assisted securecommunications with position optimization and cooperative jamming,”IEEETransactions on Communications,vol.68,no.7,pp.4476-4489,July 2020.
发明内容
本发明旨在克服现有保密通信策略没有利用充电桩对无人机的无线能量传输、无人机的空间飞行轨迹、无人机的发射功率固定三个方面，因而导致系统安全信息容量较低的缺陷，提出一种联合优化无人机无线充电时间、飞行轨迹和发送功率的保密通信策略。所提策略通过联合优化无线能量传输时间、数据传输时间、无人机的飞行轨迹和传输功率，来最大化无人机通信系统的安全信息容量，从而提升系统的保密性能。
本发明提供了解决上述问题的无线充电的无人机模型及其优化方法、系统和计算机介质。
本发明通过下述技术方案实现：
一种无线充电的无人机模型，包括无线充电桩对无人机无线充电阶段和数据传输阶段；
数据传输阶段包括无人机对节点传输数据，无人机对节点传输数据包括无人机对接收节点传输数据和无人机对窃听节点传输数据，所述无人机对窃听节点传输数据为无人机被动对窃听节点传输数据或窃听节点非法接收无人机的传输数据，其中节点包括接收节点和窃听节点；
所述模型依据无人机在时隙内接收到的电能通过两个通道传输数据至窃听节点于接收节点。
进一步地，两个通道分别为主信道和窃听信道，主信道对应接收节点，窃听信道对应窃听节点；
节点接收无人机发送的数据和与节点自身属性适应的高斯白噪声；
所述模型计算得到节点在所述时隙内接收数据的瞬时信噪比和信息总量；
其中，所述模型计算得到接收节点在所述时隙内接收数据的瞬时信噪比，依据接收节点的瞬时信噪比计算得到接收节点在数据传输阶段中所述时隙内的信息总量；
所述模型还包括计算得到窃取节点在所述时隙内非法接收数据的瞬时信噪比，依据窃取节点的瞬时信噪比计算得到窃取节点在数据传输阶段中所述时隙内的信息总量。
进一步地，所述模型还用于计算得到规划周期内的安全信息总量；
多个均分的时隙组成所述规划周期；
安全信息总量为计算得到的所有时隙中接收节点信息总量减去窃取节点信息总量的差值，其中，时隙内，当窃取节点的信息总量大于接收节点的信息总量，所述差值为零。
优选的，每个时隙由所述时隙内的无线充电桩对无人机无线充电阶段和所述时隙内的数据传输阶段组成。
一种无线充电的无人机模型的优化方法，基于上述的一种无线充电的无人机模型，优化所述模型得到最大安全信息总量的步骤如下：
A、设置机选参数并进行参数的取值范围限制，参数包括无线充电桩对无人机无线充电时间、无人机的飞行轨迹和数据传输阶段无人机的发送功率；
B、对每个时隙内的参数进行选择，其中，在时隙内无线充电桩对无人机无线充电阶段的时间为无线充电桩对无人机无线充电时间；
基于包括迭代优化和连续凸近似方法对连续多个时隙内的参数进行取值机选得到最大安全信息总量，对最大的安全信息总量的计算结果运用拉格朗日对偶分解，最终得到收敛的最优解，最优解即为规划周期内的最大安全信息总量。
进一步地，其中，当给定无人机无线充电时间、无人机的飞行轨迹和数据传输阶段无人机的发送功率的初始值，在最优解中代入初始值，利用Matlab中的CVX工具包求解规划周期内的最大安全信息总量。
一种无线充电的无人机模型的优化系统，包括无人机、无线充电桩、接收节点、窃取节点和计算模块；
在时隙内，包括无线充电桩对无人机无线充电阶段和数据传输阶段；
计算模块采集多组参数，多组参数包括多个时隙中的无线充电桩对无人机无线充电阶段的时间，无人机的飞行轨迹，无人机在数据传输阶段的发送功率；
计算模块计算多个时隙的安全信息总量的最优值，安全信息总量的计算选取参数为窃取节点的信息总量小于接收节点的信息总量时的参数。
进一步地，信息总量为节点在时隙内的数据传输阶段中瞬时信噪比的信息量，节点包括接收节点和窃取节点。
进一步地，瞬时信噪比中的噪音为高斯白噪声，高斯白噪声服从正态分布。
进一步的，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本方法中的步骤。本方法的具体使用依赖大量计算，因此优选的通过计算机程序来实现上述计算过程，所以任何包含本方法中所保护的步骤的计算机程序及其存储介质也属于本申请的保护范围内。
计算过程如下：
下文名词表示：无线充电桩(W)，无人机(Alice)，接收节点(Bob)及地面固定窃听节点(Eve)；
首先，模型的搭建过程如下：
规划周期为T，等分为N个时隙，每个时隙时间长度为ΔT＝T/N。每个时隙分为两个阶段：无线充电和数据传输。在无线充电阶段，无线充电桩利用无线能量传输技术给无人机进行充电。而在数据传输阶段，无人机利用无线充电阶段收集到的能量把数据传输给接收节点，与此同时窃听节点可以非法接收无人机发送的信息。在规划周期T内，无线充电桩、接收节点和窃听节点的位置保持不变，它们的三维坐标分别为qw＝(xw,yw,0，qb＝(xb,yb,0)和qe＝(xe,ye,0)。无人机在时隙t的坐标为qa(t)＝(xa(t),ya(t),H)，其中H表示无人机飞行的高度且H为常数。无人机从起始位置
Figure GDA0003618013590000041
飞向终止位置
Figure GDA0003618013590000042
的过程中无人机的位置不断变化，但是每个时隙内位置保持不变。
无线充电阶段：
用α(t)表示时隙t(t＝1,...,N)内无线充电阶段所占的比例，则0＜α(t)＜1。用Pw表示无线充电桩的发射功率，hwa(t)表示无线充电桩到无人机的信道增益，则
Figure GDA0003618013590000043
其中β0表示传输距离为1m时的信道增益。
那么，在无线能量传输阶段无人机在时隙t内接收到的能量Ea(t)＝ηPwhwa(t)ΔTα(t)，其中η表示能量传输损耗系数且满足0＜η＜1。
数据传输阶段：
在每个时隙的数据传输阶段，无人机Alice利用无线充电阶段收集到的能量把数据传输给接收节点Bob，与此同时窃听节点Eve可以非法接收无人机发送的信息。假设Alice传输数据给Bob为主信道，Eve窃听Alice数据为窃听信道。主信道和窃听信道的信道增益分别为
Figure GDA0003618013590000051
Figure GDA0003618013590000052
用xa(t)表示无人机在时隙t内的发送信号，Pa(t)表示无人机的发射功率，则主信道和窃听信道的接收信号分别为：
Figure GDA0003618013590000053
Figure GDA0003618013590000054
其中，nb(t)和ne(t)分别表示接收端Bob和窃听节点Eve的高斯白噪声，它们分别服从
Figure GDA0003618013590000055
和
Figure GDA0003618013590000056
因此，接收端Bob和窃听节点Eve的瞬时信噪比SNR为：
Figure GDA0003618013590000057
和
Figure GDA0003618013590000058
因此，时隙t内接收端Bob和窃听节点Eve的信息容量为：
Rb(t)＝ΔT(1-α(t))log2(1+SNRb(t))，
Re(t)＝ΔT(1-α(t))log2(1+SNRe(t))
因此，时隙t内系统的安全信息容量为Rs(t)＝[Rb(t)-Re(t)]+。则规划周期T内系统安全信息容量为
Figure GDA0003618013590000059
Rs(t)＝[Rb(t)-Re(t)]+表示当前者大于后者直接输出，当前者小于后者时，输出0，当相等时输出0。
基于以上模型，优化方法策略的建模过程如下：
包括基于系统安全信息容量最大化准则的无人机无线充电时间、飞行轨迹和发送功率联合优化策略，其中，策略的优化变量为X＝{α(t),qa(t),Pa(t),t＝1,...,N}，其中α(t)表示时隙t内无线充电阶段所占的比例，qa(t)表示时隙t内无人机的位置，Pa(t)表示时隙t内无人机的发射功率。因此，可以建模为：
Figure GDA0003618013590000061
Figure GDA0003618013590000062
上述建模的求解过程如下：
利用迭代优化和连续凸近似方法提出基于无线充电无人机的保密通信策略，该策略流程为：
步骤1：参数初始化：设置每个时隙的无线充电阶段所占的比例的初始值、无人机位置和无人机发射功率的初始值，即
Figure GDA0003618013590000063
设置每个时隙的松弛变量的初始值，即
Figure GDA0003618013590000064
设置迭代次数k＝1，系统允许误差δ＝0.001。
步骤2：给定
Figure GDA0003618013590000065
的情况下求解下面子问题：
Figure GDA0003618013590000066
其中，Rb(t)表示时隙t内接收端的信息容量；Re(t)表示时隙t内窃听节点的信息容量；
利用Matlab求解上述线性规划问题获得最优解{α*(t),t＝1,...,N}，然后令
{αk(t)＝α*(t),t＝1,...,N}。
步骤3：给定
Figure GDA0003618013590000067
的情况下求解下面子问题：
Figure GDA0003618013590000068
利用拉格朗日对偶分解方法求得上述子问题的最优值
Figure GDA0003618013590000069
令
Figure GDA00036180135900000610
步骤4：给定
Figure GDA00036180135900000611
的情况下求解下面子问题：
Figure GDA0003618013590000071
其中，
Figure GDA0003618013590000072
表示矩阵的转置，利用Matlab中的CVX工具包求解上述子问题获得最优值，令
Figure GDA0003618013590000073
步骤5：计算目标函数的值
Figure GDA0003618013590000074
然后判断|Ok-Ok-1|≤δ,如果满足算法迭代终止，可以获得最优解X*。如果|Ok-Ok-1|＞δ，返回步骤2直到满足算法终止条件。
本发明具有如下的优点和有益效果：
本发明提出一种联合优化无人机无线充电时间、飞行轨迹和数据发送功率的保密通信策略。该策略通过联合优化无线能量传输时间、数据传输时间、无人机的飞行轨迹和传输功率，来最大化无人机通信系统的安全信息容量，从而提升系统的保密性能。相比于传统的没有利用充电桩对无人机进行无线能量传输、假设无人机在空间飞行轨迹或发射功率固定的保密通信策略，所提出的基于无线充电无人机的保密通信策略能够有效提高系统安全信息容量。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的无线充电的无人机保密通信系统模型图。
图2为本发明的无线充电阶段和数据传输阶段模型图。
图3为本发明的无人机路径图。
图4为本发明的不同算法的安全信息容量对比图。
具体实施方式
在下文中，可在本发明的各种实施例中使用的术语“包括”或“可包括”指示所发明的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本发明的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
在本发明的各种实施例中，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。
在本发明的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本发明的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。
应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。
在本发明的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
一种无线充电的无人机模型，如图1、2所示，包括无线充电桩对无人机无线充电阶段和数据传输阶段；
数据传输阶段包括无人机对节点传输数据，无人机对节点传输数据包括无人机对接收节点传输数据和无人机对窃听节点传输数据，所述无人机对窃听节点传输数据为无人机被动对窃听节点传输数据或窃听节点非法接收无人机的传输数据，其中节点包括接收节点和窃听节点；
所述模型依据无人机在时隙内接收到的电能通过两个通道传输数据至窃听节点于接收节点。
进一步地，两个通道分别为主信道和窃听信道，主信道对应接收节点，窃听信道对应窃听节点；
节点接收无人机发送的数据和与节点自身属性适应的高斯白噪声；
所述模型计算得到节点在所述时隙内接收数据的瞬时信噪比和信息总量；
其中，所述模型计算得到接收节点在所述时隙内接收数据的瞬时信噪比，依据接收节点的瞬时信噪比计算得到接收节点在数据传输阶段中所述时隙内的信息总量；
所述模型还包括计算得到窃取节点在所述时隙内非法接收数据的瞬时信噪比，依据窃取节点的瞬时信噪比计算得到窃取节点在数据传输阶段中所述时隙内的信息总量。
进一步地，所述模型还用于计算得到规划周期内的安全信息总量；
多个均分的时隙组成所述规划周期；
安全信息总量为计算得到的所有时隙中接收节点信息总量减去窃取节点信息总量的差值，其中，时隙内，当窃取节点的信息总量大于接收节点的信息总量，所述差值为零。
优选的，每个时隙由所述时隙内的无线充电桩对无人机无线充电阶段和所述时隙内的数据传输阶段组成。
一种无线充电的无人机模型的优化方法，基于上述的一种无线充电的无人机模型，优化所述模型得到最大安全信息总量的步骤如下：
A、设置机选参数并进行参数的取值范围限制，参数包括无线充电桩对无人机无线充电时间、无人机的飞行轨迹和数据传输阶段无人机的发送功率；
B、对每个时隙内的参数进行选择，其中，在时隙内无线充电桩对无人机无线充电阶段的时间为无线充电桩对无人机无线充电时间；
基于包括迭代优化和连续凸近似方法对连续多个时隙内的参数进行取值机选得到最大安全信息总量，对最大的安全信息总量的计算结果运用拉格朗日对偶分解，最终得到收敛的最优解，最优解即为规划周期内的最大安全信息总量。
进一步地，其中，当给定无人机无线充电时间、无人机的飞行轨迹和数据传输阶段无人机的发送功率的初始值，在最优解中代入初始值，利用Matlab中的CVX工具包求解规划周期内的最大安全信息总量。
一种无线充电的无人机模型的优化系统，包括无人机、无线充电桩、接收节点、窃取节点和计算模块；
在时隙内，包括无线充电桩对无人机无线充电阶段和数据传输阶段；
计算模块采集多组参数，多组参数包括多个时隙中的无线充电桩对无人机无线充电阶段的时间，无人机的飞行轨迹，无人机在数据传输阶段的发送功率；
计算模块计算多个时隙的安全信息总量的最优值，安全信息总量的计算选取参数为窃取节点的信息总量小于接收节点的信息总量时的参数。
进一步地，信息总量为节点在时隙内的数据传输阶段中瞬时信噪比的信息量，节点包括接收节点和窃取节点。
进一步地，瞬时信噪比中的噪音为高斯白噪声，高斯白噪声服从正态分布。
进一步的，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本方法中的步骤。本方法的具体使用依赖大量计算，因此优选的通过计算机程序来实现上述计算过程，所以任何包含本方法中所保护的步骤的计算机程序及其存储介质也属于本申请的保护范围内。
实施例1：
仿真场景如图1所示，包括无线充电桩、无人机、接收者、和窃听者。无线充电桩、接收者和窃听者的坐标分别为(0,0,0)，(100,0,0)和(20,-50,0)。无人的飞行高度H＝20m，无人机起始位置和终止位置分别为
Figure GDA0003618013590000101
和
Figure GDA0003618013590000102
规划周期T＝2s，N＝50，Pw＝1w，
Figure GDA0003618013590000103
实施步骤：
步骤1，参数初始化：设置每个时隙的无线充电阶段所占的比例的初始值、无人机位置和无人机发射功率的初始值，即
Figure GDA0003618013590000104
设置每个时隙的松弛变量的初始值，即
Figure GDA0003618013590000105
设置迭代次数k＝1，设置系统允许误差δ＝0.001。
步骤2，利用Matlab对所提出的基于无线充电无人机的保密通信策略进行仿真分析。所提策略的性能与固定无线充电比例或固定无人机飞行路径或固定无人机发射功率的算法进行对比分析，以此来验证所提策略确实能够提高系统安全信息容量。
图4给出了不同算法的安全容量对比分析。从图4可以看出，所提出的算法的安全信息容量明显高于采用固定路径1，固定路径2，固定路径1、2如图3所示，固定充电比例和固定发送功率的策略。因此，本发明所提出的算法能够明显提升系统的安全信息容量。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种无线充电的无人机模型，其特征在于，包括无线充电桩对无人机无线充电阶段和数据传输阶段；
数据传输阶段包括无人机对节点传输数据，无人机对节点传输数据包括无人机对接收节点传输数据和无人机对窃听节点传输数据，所述无人机对窃听节点传输数据为无人机被动对窃听节点传输数据或窃听节点非法接收无人机的传输数据，其中节点包括接收节点和窃听节点；
所述模型依据无人机在时隙内接收到的电能通过两个通道传输数据至窃听节点与 接收节点；
优化所述模型得到最大安全信息总量的步骤如下：
A、设置机选参数并进行参数的取值范围限制，参数包括无线充电桩对无人机无线充电时间、无人机的飞行轨迹和数据传输阶段无人机的发送功率；
B、对每个时隙内的参数进行选择，其中，在时隙内无线充电桩对无人机无线充电阶段的时间为无线充电桩对无人机无线充电时间；
基于包括迭代优化和连续凸近似方法对连续多个时隙内的参数进行取值机选得到最大安全信息总量，对最大的安全信息总量的计算结果运用拉格朗日对偶分解，最终得到收敛的最优解，最优解即为规划周期内的最大安全信息总量，具体计算过程如下：
基于系统安全信息容量最大化准则的无人机无线充电时间、飞行轨迹和发送功率联合优化方法，其中，优化变量为X＝{α(t),qa(t),Pa(t),t＝1,...,N}，其中α(t)表示时隙t内无线充电阶段所占的比例，qa(t)表示时隙t内无人机的位置，Pa(t)表示时隙t内无人机的发射功率，因此，可以建模为：
Figure FDA0003618013580000011
Figure FDA0003618013580000012
上述建模的求解过程如下：
利用迭代优化和连续凸近似方法提出基于无线充电无人机的保密通信策略，该策略流程为：
步骤1：参数初始化：设置每个时隙的无线充电阶段所占的比例的初始值、无人机位置和无人机发射功率的初始值，即
Figure FDA0003618013580000021
设置每个时隙的松弛变量的初始值，即
Figure FDA0003618013580000022
设置迭代次数k＝1，系统允许误差δ＝0.001；
步骤2：给定
Figure FDA0003618013580000023
的情况下求解下面子问题：
Figure FDA0003618013580000024
Figure FDA0003618013580000025
利用Matlab求解上述线性规划问题获得最优解{α*(t),t＝1,...,N}，然后令
{αk(t)＝α*(t),t＝1,...,N}；
步骤3：给定
Figure FDA0003618013580000026
的情况下求解下面子问题：
Figure FDA0003618013580000027
Figure FDA0003618013580000028
利用拉格朗日对偶分解方法求得上述子问题的最优值
Figure FDA0003618013580000029
令
Figure FDA00036180135800000210
步骤4：给定
Figure FDA00036180135800000211
的情况下求解下面子问题：
Figure FDA00036180135800000212
Figure FDA00036180135800000213
其中，
Figure FDA00036180135800000214
表示矩阵的转置，利用Matlab中的CVX工具包求解上述子问题获得最优值，令
Figure FDA00036180135800000215
步骤5：计算目标函数的值
Figure FDA00036180135800000216
然后判断|Ok-Ok-1|≤δ,如果满足算法迭代终止，可以获得最优解X*；如果|Ok-Ok-1|＞δ，返回步骤2直到满足算法终止条件。
2.根据权利要求1所述的一种无线充电的无人机模型，其特征在于，两个通道分别为主信道和窃听信道，主信道对应接收节点，窃听信道对应窃听节点；
节点接收无人机发送的数据和与节点自身属性适应的高斯白噪声；
所述模型计算得到节点在所述时隙内接收数据的瞬时信噪比和信息总量；
其中，所述模型计算得到接收节点在所述时隙内接收数据的瞬时信噪比，依据接收节点的瞬时信噪比计算得到接收节点在数据传输阶段中所述时隙内的信息总量；
所述模型还包括计算得到窃取节点在所述时隙内非法接收数据的瞬时信噪比，依据窃取节点的瞬时信噪比计算得到窃取节点在数据传输阶段中所述时隙内的信息总量。
3.根据权利要求2所述的一种无线充电的无人机模型，其特征在于，所述模型还用于计算得到规划周期内的安全信息总量；
多个均分的时隙组成所述规划周期；
安全信息总量为计算得到的所有时隙中接收节点信息总量减去窃取节点信息总量的差值，其中，时隙内，当窃取节点的信息总量大于接收节点的信息总量，所述差值为零。
4.根据权利要求1-3任意一项所述的一种无线充电的无人机模型，其特征在于，每个时隙由所述时隙内的无线充电桩对无人机无线充电阶段和所述时隙内的数据传输阶段组成。
5.一种无线充电的无人机模型的优化方法，基于权利要求1-3任意一项所述的一种无线充电的无人机模型，其特征在于，其中，当给定无人机无线充电时间、无人机的飞行轨迹和数据传输阶段无人机的发送功率的初始值，在最优解中代入初始值，利用Matlab中的CVX工具包求解规划周期内的最大安全信息总量。
6.一种无线充电的无人机模型的优化系统，基于权利要求1-3任意一项所述的一种无线充电的无人机模型，其特征在于，包括无人机、无线充电桩、接收节点、窃取节点和计算模块；
在时隙内，包括无线充电桩对无人机无线充电阶段和数据传输阶段；
计算模块采集多组参数，多组参数包括多个时隙中的无线充电桩对无人机无线充电阶段的时间，无人机的飞行轨迹，无人机在数据传输阶段的发送功率；
计算模块计算多个时隙的安全信息总量的最优值，安全信息总量的计算选取参数为窃取节点的信息总量小于接收节点的信息总量时的参数。
7.根据权利要求6所述的一种无线充电的无人机模型的优化系统，其特征在于，信息总量为节点在时隙内的数据传输阶段中瞬时信噪比的信息量，节点包括接收节点和窃取节点。
8.根据权利要求7所述的一种无线充电的无人机模型的优化系统，其特征在于，瞬时信噪比中的噪音为高斯白噪声，高斯白噪声服从正态分布。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求5所述方法的步骤。
CN202110080880.8A 2021-01-21 2021-01-21 无线充电的无人机模型及其优化方法、系统和计算机介质 Expired - Fee Related CN112904727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110080880.8A CN112904727B (zh) 2021-01-21 2021-01-21 无线充电的无人机模型及其优化方法、系统和计算机介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110080880.8A CN112904727B (zh) 2021-01-21 2021-01-21 无线充电的无人机模型及其优化方法、系统和计算机介质

Publications (2)

Publication Number Publication Date
CN112904727A CN112904727A (zh) 2021-06-04
CN112904727B true CN112904727B (zh) 2022-06-24

Family

ID=76117850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110080880.8A Expired - Fee Related CN112904727B (zh) 2021-01-21 2021-01-21 无线充电的无人机模型及其优化方法、系统和计算机介质

Country Status (1)

Country Link
CN (1) CN112904727B (zh)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106953819B (zh) * 2017-03-31 2019-12-24 南京邮电大学 基于多无线电协作预编码的物理层保密通信方法
CN107820330A (zh) * 2017-11-16 2018-03-20 北京宇航系统工程研究所 一种基于箭载环境数据获取的无线自适应测量方法及系统
CN108092737B (zh) * 2018-01-08 2019-10-01 中国民航大学 基于保密容量最大化准则的中继无人机航迹规划方法
CN109099918B (zh) * 2018-07-11 2021-07-16 郑州航空工业管理学院 无人机辅助无线能量传输系统及节点调度与路径规划方法
CN109151718A (zh) * 2018-09-17 2019-01-04 南昌大学 基于物理层安全的无人机能效最大化资源分配方法
CN109088891B (zh) * 2018-10-18 2021-05-11 南通大学 一种多中继系统下基于物理层安全的合法监听方法
CN109861785A (zh) * 2018-12-11 2019-06-07 广东工业大学 一种基于物理层安全的无人机协作通信的方法及装置
CN109709972A (zh) * 2018-12-28 2019-05-03 上海鹄恩信息科技有限公司 一种基于无人机的物联网通信系统及方法
CN110147040B (zh) * 2019-04-10 2022-05-20 中国人民解放军陆军工程大学 无人机携能传输的飞行轨迹与功率分配联合优化方法
CN111050286B (zh) * 2019-12-18 2020-11-24 北京邮电大学 一种无人机辅助传感器网络中的轨迹和资源优化方法

Also Published As

Publication number Publication date
CN112904727A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
Xu et al. Completion time minimization for UAV-assisted mobile-edge computing systems
CN112383935B (zh) 基于物理层安全的协作式无人机数据采集系统的设计方法
Duo et al. Joint trajectory and power optimization for securing UAV communications against active eavesdropping
CN114070379B (zh) 基于安全能效公平性的无人机航迹优化与资源分配方法
CN109150855A (zh) 一种优化功率资源的鲁棒性无线通信安全传输方法
Guo et al. Throughput maximization in a UAV-enabled two-way relaying system with multi-pair users
Fazel et al. Secure throughput optimization for cache-enabled multi-UAVs networks
Tang et al. An efficient solution for joint power and trajectory optimization in UAV-enabled wireless network
Guo et al. A proactive eavesdropping game in MIMO systems based on multiagent deep reinforcement learning
Xiao et al. Reinforcement learning based network coding for drone-aided secure wireless communications
Benaya et al. Physical layer security enhancement via intelligent omni-surfaces and uav-friendly jamming
Qian et al. Alternative optimization for secrecy throughput maximization in UAV-aided NOMA networks
CN114615672A (zh) 一种基于统计信息的协作物理层安全增强方法
Shengnan et al. Physical layer security communication of cognitive UAV mobile relay network
Li et al. Drone-aided network coding for secure wireless communications: A reinforcement learning approach
Wang et al. Simulation of vehicle network communication security based on random geometry and data mining
CN115802494B (zh) 无人机隐蔽通信系统航迹优化与通信资源分配方法及系统
CN112904727B (zh) 无线充电的无人机模型及其优化方法、系统和计算机介质
Wu et al. Throughput maximization of UAV-enabled wireless network in the presence of jammers: joint trajectory and communication design
Liu et al. Joint information-theoretic secrecy and covertness for UAV-assisted wireless transmission with finite blocklength
Lei et al. Secrecy rate maximization for 6g cognitive satellite-uav networks
CN113726396B (zh) 一种全双工无线携能中继通信系统高能效保密传输方法
CN115037337A (zh) 一种智能反射面驱动的多用户协同传输方法
CN114745771A (zh) 一种基于无人机的安全无线供能通信方法及系统
CN113891286A (zh) 无人机辅助通信系统的保密通信性能优化装置及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220624

CF01 Termination of patent right due to non-payment of annual fee