CN113541757B - 一种基于毫米波波束赋形的无人机机间安全通信方法 - Google Patents

Abstract

本发明公开了一种基于毫米波波束赋形的无人机机间安全通信方法，针对两架无人机之间的安全通信系统，防止消息被窃听者窃取、抑制干扰源的对接收端的干扰，通过设计发射端和接收端的波束赋形向量来提高系统安全通信率。所述的方法包括对由无人机、干扰源和窃听者构成的安全通信系统进行建模，对系统安全通信率进行建模，以及发射端和接收端波束赋形向量的联合优化算法，减少了信息泄露，降低了干扰，提高了系统安全通信率。

Description

一种基于毫米波波束赋形的无人机机间安全通信方法

技术领域

本发明属于无人机通信技术领域，具体是一种基于毫米波波束赋形的无人机机间安全通信方法。

背景技术

近年来无人机凭借其移动性强、成本较低等特点，被广泛应用于地面勘测、农业灌溉、航空摄影、灾害救援等方面，在通信领域的优势也十分明显，引起了学术界的广泛关注。随着当下微波频段频谱资源日益短缺，具有丰富带宽的毫米波成为了解决频谱短缺问题的关键技术之一。无人机因其高机动性和高度优势，恰好可以弥补毫米波传输距离短、衰减严重的问题，毫米波天线尺寸小，使得在无人机上部署大规模天线阵列成为可能，同时，毫米波波束赋形技术能够使波束具有更强的指向性，降低通信链路之间的干扰，提高通信可达率，因此，无人机毫米波通信技术的研究具有重要的实际应用价值。

随着无线通信技术的普及，大量密级信息也通过无线系统进行传输，例如无人机应用于军事作战领域中军事打击、秘密探测等任务时，对于通信的各项要求及保密程度也和民用无人机有着很大的区别。尤其是随着无人机向着集群协同方向发展，无人机机间的安全通信已成为一项重要的需求和挑战。然而，电磁波自身具备的无线电特性，以及无线信道介质所具备的开放特性(广播特性)，使得安全通信的设计遇到了重大的挑战。一类典型的安全通信方法是在网络层进行加密，然而仅利用密钥加密的方法已难以满足无人机机间安全通信的需求，对物理层的安全性设计尤为重要。相比之下，物理层安全通信可以利用无线信道的特性最大化合法用户的信号可达率，同时降低非法用户的可达率，从而提高无线通信系统的安全性能，波束赋形就是其中一项非常重要的技术。它的本质是对发射信号在发射端和接收端进行预处理，使得信号更集中地朝合法用户方向发射，从而规避非法用户的窃听和干扰等非安全因素。

发明内容

本发明提出了一种基于毫米波波束赋形的无人机机间安全通信方法，通过设计无人机发射和接收波束赋形向量提高合法链路通信可达率，减少泄露，降低干扰，提高安全通信率。

本发明基于毫米波波束赋形的无人机机间安全通信方法，具体步骤如下：

步骤一、建立无人机A、无人机B、I个窃听者、J个干扰源的空间位置模型；其中，无人机A与无人机B分别为发射无人机与接收无人机；

步骤二、建立无人机A到无人机B、无人机A到窃听者、干扰源到无人机B的通信信道模型。

步骤三、无人机A以一定功率向无人机B发射信号，干扰源干扰无人机B的接收，窃听者窃听无人机A发出的信号。

步骤四、计算无人机A到无人机B链路和无人机A到窃听者链路的可达率。

步骤五、设计无人机A的发射波束赋形向量和无人机B的接收波束赋形向量，以最大化系统安全通信率，构建目标函数。

步骤六、采用交替优化的方法来联合设计无人机A的发射波束赋形向量和无人机B的接收波束赋形向量，以最大化机间安全通信率。

本发明的优点在于：

1、本发明基于毫米波波束赋形的无人机机间安全通信方法，针对一种全新的无人机机间安全通信的应用场景进行建模，降低了窃听者窃取信号可达率和接收端无人机受到的干扰，提高了机间安全通信率。

2、本发明基于毫米波波束赋形的无人机机间安全通信方法，提出了一种机间安全通信中安全通信率的模型；

3、本发明基于毫米波波束赋形的无人机机间安全通信方法，提出了一种窃听及干扰抑制算法，交替优化发射端无人机和接收端无人机的波束赋形向量。

附图说明

图1为机间毫米波安全通信的系统模型示意图；

图2为当

I＝J＝5时，系统平均安全率随无人机A的发射功率的变化；

图3为当

I＝J＝5时，系统平均安全率随无人机A的高度的变化；

图4为当

I＝J＝10时，系统平均安全率随干扰者窃听者分布范围的变化。

具体实施方式

下面结合附图和实例对本发明进行详细说明。

本发明提供了一种机间毫米波安全通信技术，具体步骤如下：

步骤一、建立无人机A、无人机B、I个窃听者、J个干扰源的空间位置模型；无人机A与无人机B分别为发射无人机与接收无人机。

如图1所示，以地面上任意一点为原点，x，y，z轴分别指向东、北、垂直向上，令I个窃听者和J个干扰源均处于地面，即高度均为零，无人机配备均匀平面阵列且与xOy平面平行，窃听者和干扰源均为单天线。设无人机A的坐标为(x_A,y_A,h_A)，无人机B的坐标为(x_B,y_B,h_B)，窃听者i的坐标为(x_i,y_i,0),i＝1,2,…,I，干扰源j的坐标为(x_j,y_j,0),j＝1,2,…,J。

101、由三维几何关系，计算无人机A与无人机B之间的距离d_AB、以及无人机A与无人机B之间的俯仰角θ_A,θ_B和方位角

102、计算无人机A到窃听者i的距离d_Ai、无人机A相对于窃听者的俯仰角θ_Ai和方位角

103、计算干扰源j到无人机B的距离d_jB、干扰源相对于无人机B的俯仰角θ_jB和方位角

步骤二、建立无人机A到无人机B、无人机A到窃听者、干扰源到无人机B的通信信道模型。由于远场毫米波信道的方向性和稀疏性，通信链路的信道矩阵可以表示为多径分量的叠加，且毫米波信道一般由视距(Line of Sight,LoS)分量和非视距(non-LoS,NLoS)分量两部分构成，不同的路径具有不同的发射角和到达角。设无人机A和无人机B的均匀平面阵列天线数分别为

和

M为x轴方向的天线数，N为y轴方向天线数。对通信信道的建模步骤如下：

201、当无人机A到无人机B之间存在LoS链路时，无人机A到无人机B的信道矩阵H_AB可以建模如下：

式(10)中，第一项(+号左边部分)表示LoS分量部分，

为LoS分量的信道增益复系数，可以表示为：

其中，c为光速，f_c为载波频率，α为LoS路径损耗指数。

分别为LoS分量的垂直到达角、水平到达角、垂直发射角、水平发射角，由视距的定义和无人机的空间位置可知

α_B(·)为无人机B处接收信号指向向量，α_A(·)为无人机A处发射信号指向向量，α(·)为天线的指向向量，定义为

式(12)中，j为虚数单位，M×N为均匀平面阵列的天线个数，m＝1,2,…,M，n＝1,2,…,N，d是相邻天线之间的距离，λ是毫米波波长，特别地，对半波间距天线阵列来说d＝λ/2。

式(10)中，第二项(+号右边部分)表示NLoS分量部分，L_AB为无人机A到无人机B的NLoS分量总数，

分别第l条NLoS分量的垂直到达角、水平到达角、垂直发射角、水平发射角，

为第l条NLoS分量的复增益系数，可以表示为：

式(13)中，β为NLoS路径损耗指数，γ_f为小尺度瑞利衰落因子。

202、同理，无人机A到窃听者i的窃听信道矩阵h_Ai可以表示为

式(14)中,

分别为无人机A与窃听者i之间LoS窃听信道的垂直发射角和水平发射角，L_Ai为NLoS分量总数，

分别为第s条NLoS窃听信道的垂直发射角和水平发射角，α_Ai(·)为无人机A到窃听者i的发射信号指向向量，

和

分别为LoS和第s条NLoS分量信道增益复系数，分别可以表示为：

203、同理，干扰源j到无人机B的干扰信道矩阵h_jB可以表示为：

式(16)中，

分别为干扰源j与无人机B间LoS干扰信道的垂直到达角和水平到达角，L_jB为NLoS分量总数，

分别为第t条NLoS干扰信道的垂直到达角和水平到达角，α_jB(·)为干扰源j到无人机B的接收信号指向向量，

和

分别为LoS分量和第t条NLoS分量信道增益复系数，分别可以表示为：

步骤三、无人机A以一定功率P_A向无人机B发射信号s₁，干扰源以功率P_j(j＝1,2,…,J)向无人机B发射信号s_j干扰无人机B的接收，同时窃听者窃听无人机A发出的信号，s₁和s_j均为功率归一化信号，即满足

此时无人机B接收到的信号为

式(18)中，

为无人机A的发射波束赋形向量，

为无人机B的接收波束赋形向量，z是无人机B处方差为σ²的零均值高斯白噪声。

窃听者i窃听到的信号为：

式(19)中z_i为窃听者i处方差为

的零均值高斯白噪声。

步骤四、计算无人机A到无人机B链路和无人机A到窃听者链路的可达率。对无人机B来说，接收到的有用信号为无人机A发送的信号，而地面干扰者发射的信号、环境高斯白噪声均为无用信号，则无人机A到无人机B通信链路的信干噪比可以表示为：

由此可得无人机A到无人机B的可达率为：

对于每一个地面的窃听者，他们都在窃听无人机A发送的信号，由于窃听者的位置相对分散且相互独立，在计算它们的总信噪比时，可以表示为I个窃听者的信噪比叠加的总和，则无人机A到I个窃听者的通信链路的信噪比可以表示为：

由此可得窃听者可达率之和为：

定义机间安全通信率为R_AB和R_E的差值，即

步骤五、构建目标函数：设计无人机A的发射波束赋形向量和无人机B的接收波束赋形向量，以最大化系统安全通信率。目标函数为：

其中发射端波束赋形向量和接收端波束赋形向量需要满足如下恒模约束条件：

其中，[w_tA]_n为发射端波束赋形向量w_tA的第n个元素，[w_rB]_n为接收端波束赋形向量w_rB的第n个元素。

步骤六、联合设计无人机A的发射波束赋形向量和无人机B的接收波束赋形向量，以最大化机间安全通信率。在步骤五的优化问题中，w_tA和w_rB是高度耦合的，无法直接采用现有的优化工具解决，本发明中采用交替优化的方法来设计无人机A的发射波束赋形向量和无人机B的接收波束赋形向量。具体步骤如下：

601、以无人机A与无人机B通信链路LoS路径对应的归一化指向向量初始化无人机B的接收波束赋形向量：

602、对于给定的无人机B的接收波束赋形向量，优化无人机A的发射波束赋形向量，同时抑制信息泄露：

需要满足

式(29)与式(30)中，

是在第k-1次迭代中求得的无人机B的接收波束赋形向量，

是第k次迭代中的信息泄露抑制因子，该抑制因子在每轮迭代中逐渐减小。

603、给定602中得到的

进一步优化无人机B的接收波束赋形矢量，同时抑制无人机B受到的干扰：

需要满足

其中

为第k次迭代中的干扰抑制因子，在每轮迭代中逐渐减小。

604、设置抑制因子，以保证在迭代过程中无人机A的信息泄露逐渐减小，无人机B受到的干扰逐渐减小：

式(33)中，η为抑制因子的非负门限，

保证了抑制因子在每次迭代中逐渐减小，

为减小抑制因子的步长。

605、重复步骤602至604直到收敛，即系统安全通信率R_S的增加量小于一定阈值ε_r，得到接近最优的发射端波束赋形向量

和接收端波束赋形向量

并进一步进行恒模归一化得：

通过本发明设计的基于毫米波波束赋形的无人机机间安全通信方法，降低了窃听者窃取信号可达率和接收端无人机受到的干扰，提高了安全通信率。

如附图2所示，为当

I＝J＝5时，系统平均安全率随无人机A的发射功率的变化，其中“全部信道联合优化法”指无人机已知全部的信道状态信息，“部分信道联合优化法”指无人机采用假设只存在视距链路的信道模型；可看出随着无人机A发射功率增大，本发明提出的联合优化方法使得系统整体安全性能接近可达率上界，且明显优于指向向量法(指向向量法指设计无人机A的发射波束赋形矩阵时直接令发射波束由无人机A指向无人机B，设计无人机B的接收波束赋形矩阵时直接令接收波束由无人机B指向无人机A)。

如附图3所示，为当

I＝J＝5时，系统平均安全率随无人机A的高度的变化，体现了本发明相较于指向向量法的优势；可看出随着无人机高度上升，指向向量法性能迅速下降，而本发明提出的联合优化算法性能下降缓慢且系统安全性能能够维持在较高水平。

如附图4所示，为当

I＝J＝10时，系统平均安全率随干扰者窃听者分布范围的变化；可看出随着非安全用户(干扰源和窃听者)的分布范围扩大，指向向量算法下的系统总安全率也会得到提升，但其对于安全率的提升十分有限，而采用本发明提出的联合优化算法，能够将系统安全率维持在较高水平，并不断逼近理论传输上界。

Claims (1)

1.一种基于毫米波波束赋形的无人机机间安全通信方法，其特征在于：步骤如下：

步骤一、建立无人机A、无人机B、I个窃听者、J个干扰源的空间位置模型；其中，无人机A与无人机B分别为发射无人机与接收无人机；

以地面上任意一点为原点，x，y，z轴分别指向东、北、垂直向上，令I个窃听者和J个干扰源均处于地面，即高度均为零，无人机配备均匀平面阵列且与xOy平面平行，窃听者和干扰源均为单天线；设无人机A的坐标为(x_A,y_A,h_A)，无人机B的坐标为(x_B,y_B,h_B)，窃听者i的坐标为(x_i,y_i,0),i＝1,2,,I，干扰源j的坐标为(x_j,y_j,0),j＝1,2,,J；

101、由三维几何关系，计算无人机A与无人机B之间的距离d_AB、以及无人机A与无人机B之间的俯仰角θ_A,θ_B和方位角

102、计算无人机A到窃听者i的距离d_Ai、无人机A相对于窃听者的俯仰角θ_Ai和方位角

103、计算干扰源j到无人机B的距离d_jB、干扰源相对于无人机B的俯仰角θ_jB和方位角

步骤二、建立无人机A到无人机B、无人机A到窃听者、干扰源到无人机B的通信信道模型；

设无人机A和无人机B的均匀平面阵列天线数分别为

和

M为x轴方向的天线数，N为y轴方向天线数；对通信信道的建模步骤如下：

201、当无人机A到无人机B之间存在LoS链路时，无人机A到无人机B的信道矩阵H_AB可以建模如下：

式(10)中，加号左边部分表示LoS分量部分，

为LoS分量的信道增益复系数，表示为：

其中，c为光速，f_c为载波频率，α为LoS路径损耗指数；

分别为LoS分量的垂直到达角、水平到达角、垂直发射角、水平发射角，由视距的定义和无人机的空间位置可知

α_B(·)为无人机B处接收信号指向向量，α_A(·)为无人机A处发射信号指向向量，α(·)为天线的指向向量，定义为

式(12)中，j为虚数单位，M×N为均匀平面阵列的天线个数，m＝1,2,…,M，n＝1,2,…,N，d是相邻天线之间的距离，λ是毫米波波长，特别地，对半波间距天线阵列来说d＝λ/2；

式(10)中，加号右边部分表示NLoS分量部分，L_AB为无人机A到无人机B的NLoS分量总数，

分别第l条NLoS分量的垂直到达角、水平到达角、垂直发射角、水平发射角，

为第l条NLoS分量的复增益系数，表示为：

式(13)中，β为NLoS路径损耗指数，γ_f为小尺度瑞利衰落因子；

202、同理，无人机A到窃听者i的窃听信道矩阵h_Ai表示为

式(14)中,

分别为无人机A与窃听者i之间LoS窃听信道的垂直发射角和水平发射角，L_Ai为NLoS分量总数，

分别为第s条NLoS窃听信道的垂直发射角和水平发射角，α_Ai(·)为无人机A到窃听者i的发射信号指向向量，

和

分别为LoS和第s条NLoS分量信道增益复系数，分别表示为：

203、同理，干扰源j到无人机B的干扰信道矩阵h_jB可以表示为：

式(16)中，

分别为干扰源j与无人机B间LoS干扰信道的垂直到达角和水平到达角，L_jB为NLoS分量总数，

分别为第t条NLoS干扰信道的垂直到达角和水平到达角，α_jB(·)为干扰源j到无人机B的接收信号指向向量，

和

分别为LoS分量和第t条NLoS分量信道增益复系数，分别表示为：

步骤三、无人机A以一定功率P_A向无人机B发射信号s₁，干扰源以功率P_j(j＝1,2,…,J)向无人机B发射信号s_j干扰无人机B的接收，同时窃听者窃听无人机A发出的信号，s₁和s_j均为功率归一化信号，即满足

此时无人机B接收到的信号为

式(18)中，

为无人机A的发射波束赋形向量，

为无人机B的接收波束赋形向量，z是无人机B处方差为σ²的零均值高斯白噪声；

窃听者i窃听到的信号为：

式(19)中z_i为窃听者i处方差为

的零均值高斯白噪声；

步骤四、计算无人机A到无人机B链路和无人机A到窃听者链路的可达率；

对无人机B来说，接收到的有用信号为无人机A发送的信号，而地面干扰者发射的信号、环境高斯白噪声均为无用信号，则无人机A到无人机B通信链路的信干噪比表示为：

由此可得无人机A到无人机B的可达率为：

对于每一个地面的窃听者，均窃听无人机A发送的信号，由于窃听者的位置相对分散且相互独立，在计算它们的总信噪比时，表示为I个窃听者的信噪比叠加的总和，则无人机A到I个窃听者的通信链路的信噪比可以表示为：

由此得到窃听者可达率之和为：

定义机间安全通信率为R_AB和R_E的差值，即

步骤五、设计无人机A的发射波束赋形向量和无人机B的接收波束赋形向量，以最大化系统安全通信率，构建目标函数；

构建目标函数：设计无人机A的发射波束赋形向量和无人机B的接收波束赋形向量，以最大化系统安全通信率；目标函数为：

其中发射端波束赋形向量和接收端波束赋形向量需要满足如下恒模约束条件：

其中，[w_tA]_n为发射端波束赋形向量w_tA的第n个元素，[w_rB]_n为接收端波束赋形向量w_rB的第n个元素；

步骤六、采用交替优化的方法来联合设计无人机A的发射波束赋形向量和无人机B的接收波束赋形向量，以最大化机间安全通信率；具体步骤如下：

601、以无人机A与无人机B通信链路LoS路径对应的归一化指向向量初始化无人机B的接收波束赋形向量：

602、对于给定的无人机B的接收波束赋形向量，优化无人机A的发射波束赋形向量，同时抑制信息泄露：

需要满足

式(29)与式(30)中，

是在第k-1次迭代中求得的无人机B的接收波束赋形向量，

是第k次迭代中的信息泄露抑制因子，该抑制因子在每轮迭代中逐渐减小；

603、给定602中得到的

进一步优化无人机B的接收波束赋形矢量，同时抑制无人机B受到的干扰：

需要满足

其中

为第k次迭代中的干扰抑制因子，在每轮迭代中逐渐减小；

604、设置抑制因子，以保证在迭代过程中无人机A的信息泄露逐渐减小，无人机B受到的干扰逐渐减小：

式(33)中，η为抑制因子的非负门限，

保证了抑制因子在每次迭代中逐渐减小，

为减小抑制因子的步长；

605、重复步骤602至604直到收敛，即系统安全通信率R_S的增加量小于一定阈值ε_r，得到接近最优的发射端波束赋形向量

和接收端波束赋形向量

并进一步进行恒模归一化得：

Images