CN113824530A - 一种基于无人机通信的涉密场所干扰屏蔽方法及系统 - Google Patents

一种基于无人机通信的涉密场所干扰屏蔽方法及系统 Download PDF

Info

Publication number
CN113824530A
CN113824530A CN202111381687.4A CN202111381687A CN113824530A CN 113824530 A CN113824530 A CN 113824530A CN 202111381687 A CN202111381687 A CN 202111381687A CN 113824530 A CN113824530 A CN 113824530A
Authority
CN
China
Prior art keywords
particle
aerial vehicle
unmanned aerial
friendly
signal
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.)
Pending
Application number
CN202111381687.4A
Other languages
English (en)
Inventor
罗远哲
刘瑞景
申慈恩
吴鹏
陈思杰
李连庚
邓萌萌
徐盼云
荆全振
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.)
Beijing China Super Industry Information Security Technology Ltd By Share Ltd
Original Assignee
Beijing China Super Industry Information Security Technology Ltd By Share Ltd
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 Beijing China Super Industry Information Security Technology Ltd By Share Ltd filed Critical Beijing China Super Industry Information Security Technology Ltd By Share Ltd
Priority to CN202111381687.4A priority Critical patent/CN113824530A/zh
Publication of CN113824530A publication Critical patent/CN113824530A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/40—Jamming having variable characteristics
    • H04K3/43—Jamming having variable characteristics characterized by the control of the jamming power, signal-to-noise ratio or geographic coverage area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H04W84/06—Airborne or Satellite Networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种基于无人机通信的涉密场所干扰屏蔽方法及系统，该方法包括：通过无人机通信系统中的无人机向涉密场所发射友好信号；友好信号为设定频率范围内的信号；根据各无人机发射的初始友好信号功率确定友好信号在涉密场所中的覆盖概率；基于改进的粒子群算法，以最小化能量损耗为约束条件，调整各无人机发射的友好信号功率，以覆盖概率最大化为优化目标，确定各无人机发射最终的友好信号功率；改进的粒子群算法为在粒子速度更新中加入设定的扰动值，并对粒子群中粒子的速度和位置进行越界处理。本发明提高了干扰屏蔽的灵活性，同时降低了能量损耗。

Description

一种基于无人机通信的涉密场所干扰屏蔽方法及系统
技术领域
本发明涉及无人机通信技术领域，特别是涉及一种基于无人机通信的涉密场所干扰屏蔽方法及系统。
背景技术
通信技术发展日新月异，通信技术在为人们生产生活带来便利的同时，也被一些不法分子利用，如利用智能设备非法窃取涉密场所机密信息。为了机密信息的安全性，做好涉密场所的干扰屏蔽势在必行。为防止有线窃听，通过光纤或建立专用通信网传输信息；为防止无线窃听，安装屏蔽器、电子设备干扰器或建设电磁屏蔽室等；为防止激光窃听，加装激光遮挡物或干扰装置。这些现有技术的干扰屏蔽方法主要针对固定的、范围较小的涉密场所，在实际场景中，针对范围广泛、临时的涉密场所，建设专用通信网、屏蔽室或者其他干扰装置，经济性和灵活性较差。
发明内容
本发明的目的是提供一种基于无人机通信的涉密场所干扰屏蔽方法及系统，提高了干扰屏蔽的灵活性，同时降低了能量损耗。
为实现上述目的，本发明提供了如下方案：
一种基于无人机通信的涉密场所干扰屏蔽方法，包括：
通过无人机通信系统中的无人机向涉密场所发射友好信号；所述友好信号为设定频率范围内的信号；
根据各无人机发射的初始友好信号功率确定所述友好信号在所述涉密场所中的覆盖概率；
基于改进的粒子群算法，以最小化能量损耗为约束条件，调整各无人机发射的友好信号功率，以覆盖概率最大化为优化目标，确定各无人机发射最终的友好信号功率；所述改进的粒子群算法为在粒子速度更新中加入设定的扰动值，并对粒子群中粒子的速度和位置进行越界处理。
可选地，所述改进的粒子群算法的粒子速度更新公式表示为：
v t(n+1)=κ[v t(n)+r 1 δ 1(pbestt-x t(n))+r 2 δ 2(gbest-x t(n))]+r 3 δ 3；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，v t(n)表示更新前的粒子速度，κ表示系数，r 1表示第一随机数，r 2表示第二随机数，r 3表示第三随机数，δ 1表示第一设定参数，δ 2表示第二设定参数，δ 3表示第三设定参数，pbestt表示第t个粒子的个体最优解，gbest表示全局最优解，x t(n)表示第t个粒子的位置。
可选地，所述改进的粒子群算法的粒子位置更新公式表示为：
x t(n+1)=x t(n)+v t(n+1)；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，x t(n)表示更新前第t个粒子的位置，x t(n+1)表示更新后第t个粒子的位置。
可选地，所述基于改进的粒子群算法，以最小化能量损耗为约束条件，调整各无人机发射的友好信号功率，以覆盖概率最大化为优化目标，确定各无人机发射最终的友好信号功率，具体包括：
在获得所述改进的粒子群算法中每次迭代后的候选解集合后，遍历所述候选解集合中所述粒子，若粒子的位置在任一维度超出预定限制，则将粒子的位置和速度在对应维度进行越界处理；
所述越界处理的公式表示为：
Figure DEST_PATH_IMAGE001
；
其中，
Figure 502557DEST_PATH_IMAGE002
表示第t个粒子在维度l上的位置，
Figure DEST_PATH_IMAGE003
表示第t个粒子在维度l上位置的上界，
Figure 723191DEST_PATH_IMAGE004
表示第t个粒子在维度l上位置的下界，
Figure DEST_PATH_IMAGE005
表示第t个粒子在维度l上的速度。
可选地，所述根据各无人机发射的初始友好信号功率确定所述友好信号在所述涉密场所中的覆盖概率，具体包括：
遍历所述涉密场所中所有接收点，判断各接收点的信噪比是否大于设定阈值；所述信噪比表示接收点接收到的友好信号与干扰加噪声的比；
若信噪比大于设定阈值，则对应接收点被友好信号覆盖；
若信噪比小于或等于设定阈值，则对应接收点没有被友好信号覆盖；
将被友好信号覆盖的接收点的数量与接收点的总数的比值作为所述覆盖概率。
本发明还公开了一种基于无人机通信的涉密场所干扰屏蔽系统，包括：
友好信号获得模块，用于获得通过无人机通信系统中的无人机向涉密场所发射的友好信号；所述友好信号为设定频率范围内的信号；
覆盖概率确定模块，用于根据各无人机发射的初始友好信号功率确定所述友好信号在所述涉密场所中的覆盖概率；
改进的粒子群算法优化模块，用于基于改进的粒子群算法，以最小化能量损耗为约束条件，调整各无人机发射的友好信号功率，以覆盖概率最大化为优化目标，确定各无人机发射最终的友好信号功率；所述改进的粒子群算法为在粒子速度更新中加入设定的扰动值，并对粒子群中粒子的速度和位置进行越界处理。
可选地，所述改进的粒子群算法的粒子速度更新公式表示为：
v t(n+1)=κ[v t(n)+r 1 δ 1(pbestt-x t(n))+r 2 δ 2(gbest-x t(n))]+r 3 δ 3；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，v t(n)表示更新前的粒子速度，κ表示系数，r 1表示第一随机数，r 2表示第二随机数，r 3表示第三随机数，δ 1表示第一设定参数，δ 2表示第二设定参数，δ 3表示第三设定参数，pbestt表示第t个粒子的个体最优解，gbest表示全局最优解，x t(n)表示第t个粒子的位置。
可选地，所述改进的粒子群算法的粒子位置更新公式表示为：
x t(n+1)=x t(n)+v t(n+1)；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，x t(n)表示更新前第t个粒子的位置，x t(n+1)表示更新后第t个粒子的位置。
可选地，所述改进的粒子群算法优化模块，具体包括：
越界处理单元，用于在获得所述改进的粒子群算法中每次迭代后的候选解集合后，遍历所述候选解集合中所述粒子，若粒子的位置在任一维度超出预定限制，则将粒子的位置和速度在对应维度进行越界处理；
所述越界处理的公式表示为：
Figure 182992DEST_PATH_IMAGE001
；
其中，
Figure 115176DEST_PATH_IMAGE006
表示第t个粒子在维度l上的位置，
Figure 380941DEST_PATH_IMAGE003
表示第t个粒子在维度l上位置的上界，
Figure 816601DEST_PATH_IMAGE004
表示第t个粒子在维度l上位置的下界，
Figure 791510DEST_PATH_IMAGE005
表示第t个粒子在维度l上的速度。
可选地，所述覆盖概率确定模块，具体包括：
遍历单元，用于遍历所述涉密场所中所有接收点，判断各接收点的信噪比是否大于设定阈值；所述信噪比表示接收点接收到的友好信号与干扰加噪声的比；
第一判断单元，若信噪比大于设定阈值，用于判断对应接收点被友好信号覆盖；
第二判断单元，若信噪比小于或等于设定阈值，用于判断对应接收点没有被友好信号覆盖；
覆盖概率确定单元，用于将被友好信号覆盖的接收点的数量与接收点的总数的比值作为所述覆盖概率。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明通过改进的粒子群算法实现基于无人机通信的干扰屏蔽，在保证能量消耗低的前提下，实现涉密场所覆盖概率的最大化，进而实现对涉密场所进行灵活、及时和绿色的干扰屏蔽，另外，灵活的无人机部署能够在保证涉密场所机密信息安全的前提下降低由安保设施建设产生的巨大成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种基于无人机通信的涉密场所干扰屏蔽方法流程示意图；
图2为本发明改进的粒子群算法与经典粒子群算法的覆盖概率效果对比示意图；
图3为本发明一种基于无人机通信的涉密场所干扰屏蔽系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于无人机通信的涉密场所干扰屏蔽方法及系统，提高了干扰屏蔽的灵活性，同时降低了能量损耗。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种基于无人机通信的涉密场所干扰屏蔽方法流程示意图，如图1所示，一种基于无人机通信的涉密场所干扰屏蔽方法，包括以下步骤：
步骤101：通过无人机通信系统中的无人机向涉密场所发射友好信号；友好信号为设定频率范围内的信号。
根据无人机在通信系统中可作为移动基站和友好干扰器的特点，以及无人机的灵活性优势，通过固定在无人机上的定向天线向整个涉密场所发射友好信号。友好信号具体形式就是发射功率。
作为具体实施例，在待测涉密区域（涉密场所）D内，假设无人机基站集合为{1,2,…,N u}，其中第i个无人机基站可表示为U i，所有无人机定向天线的发射功率可表示为集合
Figure DEST_PATH_IMAGE007
，并假设无人机的高度及位置部署已知。
涉密区域D中的均匀接收点集合可表示为γ={1,2,…,N p}，∀s∈γ。令p i为从无人机U i发射到接收点s的信号功率（友好信号功率），在s处的信号与干扰加上噪声比值可表示为：
Figure 866783DEST_PATH_IMAGE008
；
其中，σ2是加性高斯白噪声的方差。
步骤102：根据各无人机发射的初始友好信号功率确定友好信号在涉密场所中的覆盖概率。
根据发射的初始化友好信号功率，评估涉密区域任一接收点的覆盖情况。
其中，步骤102具体包括：
遍历涉密场所中所有接收点，判断各接收点的信噪比是否大于设定阈值；信噪比表示接收点接收到的友好信号与干扰加噪声的比。
若信噪比大于设定阈值，则对应接收点被友好信号覆盖。
若信噪比小于或等于设定阈值，则对应接收点没有被友好信号覆盖。
将被友好信号覆盖的接收点的数量与接收点的总数的比值作为覆盖概率。
作为具体实施例，涉密区域D的覆盖概率应表示为信号质量超过设定比阈值的接收点与全部接收点的比值，即覆盖概率为：
Figure DEST_PATH_IMAGE009
；
其中，η Th表示信号与干扰加上噪声比的阈值（设定阈值），当该接收点的信号与干扰加上噪声比大于给定阈值时，该接收点位置才会被移动通信网络所覆盖。
p i(s)由公式p i(s)=
Figure 139501DEST_PATH_IMAGE010
+G r-Pathlossi,s得出，其中，
Figure 678936DEST_PATH_IMAGE010
是无人机上定向天线的发射功率，G r表示接收点的天线增益，Pathlossi,s表示U i到s的路径损耗。
作为具体实施例，根据某一接收点的信号与干扰加上噪声比（即信噪比）是否大于预先设定阈值，评估该接收点是否被覆盖；若大于设定阈值，则该接受点被覆盖，记为1；若小于或等于设定阈值，则该接受点未被覆盖，记为0；根据所有接收点的覆盖情况，计算全部接收点中被覆盖的接收点数与总接收点数的比值，即得区域覆盖概率，进而评估涉密场所的覆盖概率。
根据无需调参的经典粒子群算法调整友好信号功率，使得功率向量朝着覆盖概率增大的方向迭代更新。粒子群算法中主要包含了粒子的位置和速度更新过程，令pbsett表示第t个粒子在迭代过程中的个体最优解，gbest表示全局最优解。粒子的速度更新可表示为v t(n+1)=κ[v t(n)+r 1 δ 1(pbestt-x t(n))+r 2 δ 2(gbest-x t(n))]，其中r 1和r 2均是取自[0,1]的随机数，
Figure 824746DEST_PATH_IMAGE011
，一般地，δ 1+δ 2=δ>4.0，δ取值4.1，系数κ为0.729，δ 1和δ 2的标准选择为2.04；粒子的位置更新可表示为x t(n+1)=x t(n)+v t(n+1)，其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，x t(n)表示更新前的粒子位置，x t(n+1)表示更新后的粒子位置。在该粒子群算法的速度和位置更新过程中，无需再调整超参数，优化效果相对稳定。
步骤103：基于改进的粒子群算法，以最小化能量损耗为约束条件，调整各无人机发射的友好信号功率，以覆盖概率最大化为优化目标，直至覆盖概率收敛，确定各无人机发射最终的友好信号功率；改进的粒子群算法为在粒子速度更新中加入设定的扰动值，并对粒子群中粒子的速度和位置进行越界处理。
改进的粒子群算法的粒子速度更新公式表示为：
v t(n+1)=κ[v t(n)+r 1 δ 1(pbestt-x t(n))+r 2 δ 2(gbest-x t(n))]+r 3 δ 3；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，v t(n)表示更新前的粒子速度，κ表示系数，r 1表示第一随机数，r 2表示第二随机数，r 3表示第三随机数，δ 1表示第一设定参数，δ 2表示第二设定参数，δ 3表示第三设定参数，pbestt表示第t个粒子的个体最优解，gbest表示全局最优解，x t(n)表示第t个粒子的位置。
本发明根据经典粒子群算法可能存在的早熟缺陷的问题，对经典粒子群算法加上扰动处理，即在粒子群算法的速度更新中加轻微的扰动值，增加了算法在迭代过程中的随机性。其中r 1、r 2和r 3均是取自[0,1]的随机数，δ 3的设置根据具体友好信号功率大小而定。
根据无人机通信的能量损耗限制和绿色通信需求，所发射的友好信号被限制在一定的范围内。根据受限的无人机发射功率，对每次迭代过程中的越界参数进行处理，设计并提出改进的粒子群算法，实现受限的发射功率参数的迭代更新；根据改进的粒子群算法，以最小的能量损耗完成涉密区域覆盖概率最大化需求。
根据受限的无人机发射功率，对每次迭代过程中的越界参数进行处理，设计并提出改进的粒子群算法，实现受限的发射功率参数的迭代更新。
根据发射功率向量在迭代过程中给定的限制范围，功率向量的任一维度参数超过限制条件，可采取反射处理。
根据参数的反射处理方法，若粒子群中某一候选解向量的值在任一维度超过限制条件，则该候选解在这一维度的速度转换为反向，位置限制在边界，对粒子在某一维度越界的处理。
其中，步骤103具体包括：
在获得改进的粒子群算法中每次迭代后的候选解集合后，遍历候选解集合中粒子，若粒子的位置在任一维度超出预定限制，则将粒子的位置和速度在对应维度进行越界处理，以实现最小化能量损耗的约束。
越界处理的公式表示为：
Figure 715211DEST_PATH_IMAGE001
；
其中，
Figure 339090DEST_PATH_IMAGE002
表示第t个粒子在维度l上的位置，
Figure 14922DEST_PATH_IMAGE003
表示第t个粒子在维度l上位置的上界，
Figure 315322DEST_PATH_IMAGE004
表示第t个粒子在维度l上位置的下界，
Figure 443815DEST_PATH_IMAGE005
表示第t个粒子在维度l上的速度。
根据受限的无人机发射功率，对越界参数进行处理，涉密区域覆盖概率优化由非限制性优化问题转化为限制性优化问题；根据每次迭代处理后的功率参数向量，改变经典粒子群算法的位置和速度更新过程，进而改进经典粒子群算法，实现限制性优化问题的最大化。
根据对粒子群中候选解速度和位置的越界处理，有效避免粒子群算法的搜索冗余，改进了粒子群算法的优化过程。
作为具体实施例，目标函数优化问题表示为
Figure DEST_PATH_IMAGE012
。
为了更好地理解本发明实施例的基于无人机通信的涉密场所干扰屏蔽方法，以理想场景为例，假设待优化的参数为发射友好信号功率向量，覆盖效果的参数（覆盖概率）可根据公式
Figure 323915DEST_PATH_IMAGE013
得到，对本发明实施例中基于无人机通信的涉密场所干扰屏蔽方法进行详细说明，如下：
A1初始化
a)设定最大迭代次数N_inter，粒子种群大小N_pop，目标区域内的接收点数量N p，发射功率的上限U和下限L。
b)初始化整个粒子群，得到初始化的N_pop个发射功率候选解集合。
c)计算每一个粒子（即候选解）的覆盖概率。
A2循环迭代
a)设当前迭代为第n次循环，n=1,2,…,N_iter。
b)根据加扰动的粒子群速度和位置更新公式迭代生成新的候选解集合。
c)遍历所有的候选解，判断每一个粒子是否存在越界，若某一粒子在某一维度越界，则根据越界处理方式更新该粒子的位置。
d)计算更新后的每个粒子的覆盖概率。
e)所有粒子均朝着覆盖概率最大化方向迭代，直至收敛。
综上，本申请的基于无人机通信的涉密场所干扰屏蔽方法，能够解决现有功率受限的覆盖概率优化问题，同时避免了粒子群算法存在的早熟缺陷。
图2是本发明提供的粒子群算法与经典粒子群算法的覆盖概率效果对比示意图，根据图2中覆盖概率随着目标函数的计算次数的变化趋势可知，本申请中所提出的方法要比经典粒子群算法和加扰动的粒子群算法速度更快且更容易摆脱早熟缺陷。
本发明根据对粒子群中参数速度和位置的越界处理，改变了粒子群算法的更新方式；根据算法可能存在的早熟缺陷，对参数处理后的粒子群算法加上与经典算法同样的扰动处理；根据对参数的越界处理和对算法早熟问题的考虑，改进了经典粒子群算法的优化过程，从而实现涉密场所覆盖概率最大化。进而实现对涉密场所进行灵活、及时和绿色的干扰屏蔽。同时，灵活的无人机部署在保证涉密场所机密信息安全的前提下降低了由安保设施建设产生的巨大成本。
图3为本发明一种基于无人机通信的涉密场所干扰屏蔽系统结构示意图，如图3所示，一种基于无人机通信的涉密场所干扰屏蔽系统包括：
友好信号获得模块201，用于获得通过无人机通信系统中的无人机向涉密场所发射的友好信号；友好信号为设定频率范围内的信号。
覆盖概率确定模块202，用于根据各无人机发射的初始友好信号功率确定友好信号在涉密场所中的覆盖概率。
覆盖概率确定模块202具体包括：
遍历单元，用于遍历涉密场所中所有接收点，判断各接收点的信噪比是否大于设定阈值；信噪比表示接收点接收到的友好信号与干扰加噪声的比。
第一判断单元，若信噪比大于设定阈值，用于判断对应接收点被友好信号覆盖。
第二判断单元，若信噪比小于或等于设定阈值，用于判断对应接收点没有被友好信号覆盖。
覆盖概率确定单元，用于将被友好信号覆盖的接收点的数量与接收点的总数的比值作为覆盖概率。
改进的粒子群算法优化模块203，用于基于改进的粒子群算法，以最小化能量损耗为约束条件，调整各无人机发射的友好信号功率，以覆盖概率最大化为优化目标，确定各无人机发射最终的友好信号功率；改进的粒子群算法为在粒子速度更新中加入设定的扰动值，并对粒子群中粒子的速度和位置进行越界处理。
改进的粒子群算法的粒子速度更新公式表示为：
v t(n+1)=κ[v t(n)+r 1 δ 1(pbestt-x t(n))+r 2 δ 2(gbest-x t(n))]+r 3 δ 3；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，v t(n)表示更新前的粒子速度，κ表示系数，r 1表示第一随机数，r 2表示第二随机数，r 3表示第三随机数，δ 1表示第一设定参数，δ 2表示第二设定参数，δ 3表示第三设定参数，pbestt表示第t个粒子的个体最优解，gbest表示全局最优解，x t(n)表示第t个粒子的位置。
改进的粒子群算法的粒子位置更新公式表示为：
x t(n+1)=x t(n)+v t(n+1)；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，x t(n)表示更新前的粒子位置，x t(n+1)表示更新后的粒子位置。
改进的粒子群算法优化模块203具体包括：
越界处理单元，用于在获得改进的粒子群算法中每次迭代后的候选解集合后，遍历候选解集合中粒子，若粒子的位置在任一维度超出预定限制，则将粒子的位置和速度在对应维度进行越界处理；
越界处理的公式表示为：
Figure 588675DEST_PATH_IMAGE001
；
其中，
Figure 325555DEST_PATH_IMAGE002
表示第t个粒子在维度l上的位置，
Figure 941345DEST_PATH_IMAGE003
表示第t个粒子在维度l上位置的上界，
Figure 172606DEST_PATH_IMAGE004
表示第t个粒子在维度l上位置的下界，
Figure 806718DEST_PATH_IMAGE005
表示第t个粒子在维度l上的速度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于无人机通信的涉密场所干扰屏蔽方法，其特征在于，包括：
通过无人机通信系统中的无人机向涉密场所发射友好信号；所述友好信号为设定频率范围内的信号；
根据各无人机发射的初始友好信号功率确定所述友好信号在所述涉密场所中的覆盖概率；
基于改进的粒子群算法，以最小化能量损耗为约束条件，调整各无人机发射的友好信号功率，以覆盖概率最大化为优化目标，确定各无人机发射最终的友好信号功率；所述改进的粒子群算法为在粒子速度更新中加入设定的扰动值，并对粒子群中粒子的速度和位置进行越界处理。
2.根据权利要求1所述的基于无人机通信的涉密场所干扰屏蔽方法，其特征在于，所述改进的粒子群算法的粒子速度更新公式表示为：
v t(n+1)=κ[v t(n)+r 1 δ 1(pbestt-x t(n))+r 2 δ 2(gbest-x t(n))]+r 3 δ 3；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，v t(n)表示更新前的粒子速度，κ表示系数，r 1表示第一随机数，r 2表示第二随机数，r 3表示第三随机数，δ 1表示第一设定参数，δ 2表示第二设定参数，δ 3表示第三设定参数，pbestt表示第t个粒子的个体最优解，gbest表示全局最优解，x t(n)表示第t个粒子的位置。
3.根据权利要求1所述的基于无人机通信的涉密场所干扰屏蔽方法，其特征在于，所述改进的粒子群算法的粒子位置更新公式表示为：
x t(n+1)=x t(n)+v t(n+1)；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，x t(n)表示更新前第t个粒子的位置，x t(n+1)表示更新后第t个粒子的位置。
4.根据权利要求1所述的基于无人机通信的涉密场所干扰屏蔽方法，其特征在于，所述基于改进的粒子群算法，以最小化能量损耗为约束条件，调整各无人机发射的友好信号功率，以覆盖概率最大化为优化目标，确定各无人机发射最终的友好信号功率，具体包括：
在获得所述改进的粒子群算法中每次迭代后的候选解集合后，遍历所述候选解集合中所述粒子，若粒子的位置在任一维度超出预定限制，则将粒子的位置和速度在对应维度进行越界处理；
所述越界处理的公式表示为：
Figure 450227DEST_PATH_IMAGE001
；
其中，
Figure 933161DEST_PATH_IMAGE002
表示第t个粒子在维度l上的位置，
Figure 248473DEST_PATH_IMAGE003
表示第t个粒子在维度l上位置的上界，
Figure 424240DEST_PATH_IMAGE004
表示第t个粒子在维度l上位置的下界，
Figure 162520DEST_PATH_IMAGE005
表示第t个粒子在维度l上的速度。
5.根据权利要求1所述的基于无人机通信的涉密场所干扰屏蔽方法，其特征在于，所述根据各无人机发射的初始友好信号功率确定所述友好信号在所述涉密场所中的覆盖概率，具体包括：
遍历所述涉密场所中所有接收点，判断各接收点的信噪比是否大于设定阈值；所述信噪比表示接收点接收到的友好信号与干扰加噪声的比；
若信噪比大于设定阈值，则对应接收点被友好信号覆盖；
若信噪比小于或等于设定阈值，则对应接收点没有被友好信号覆盖；
将被友好信号覆盖的接收点的数量与接收点的总数的比值作为所述覆盖概率。
6.一种基于无人机通信的涉密场所干扰屏蔽系统，其特征在于，包括：
友好信号获得模块，用于获得通过无人机通信系统中的无人机向涉密场所发射的友好信号；所述友好信号为设定频率范围内的信号；
覆盖概率确定模块，用于根据各无人机发射的初始友好信号功率确定所述友好信号在所述涉密场所中的覆盖概率；
改进的粒子群算法优化模块，用于基于改进的粒子群算法，以最小化能量损耗为约束条件，调整各无人机发射的友好信号功率，以覆盖概率最大化为优化目标，确定各无人机发射最终的友好信号功率；所述改进的粒子群算法为在粒子速度更新中加入设定的扰动值，并对粒子群中粒子的速度和位置进行越界处理。
7.根据权利要求6所述的基于无人机通信的涉密场所干扰屏蔽系统，其特征在于，所述改进的粒子群算法的粒子速度更新公式表示为：
v t(n+1)=κ[v t(n)+r 1 δ 1(pbestt-x t(n))+r 2 δ 2(gbest-x t(n))]+r 3 δ 3；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，v t(n)表示更新前的粒子速度，κ表示系数，r 1表示第一随机数，r 2表示第二随机数，r 3表示第三随机数，δ 1表示第一设定参数，δ 2表示第二设定参数，δ 3表示第三设定参数，pbestt表示第t个粒子的个体最优解，gbest表示全局最优解，x t(n)表示第t个粒子的位置。
8.根据权利要求6所述的基于无人机通信的涉密场所干扰屏蔽系统，其特征在于，所述改进的粒子群算法的粒子位置更新公式表示为：
x t(n+1)=x t(n)+v t(n+1)；
其中，n表示当前迭代次数，v t(n+1)表示更新后的粒子速度，x t(n)表示更新前第t个粒子的位置，x t(n+1)表示更新后第t个粒子的位置。
9.根据权利要求6所述的基于无人机通信的涉密场所干扰屏蔽系统，其特征在于，所述改进的粒子群算法优化模块具体包括：
越界处理单元，用于在获得所述改进的粒子群算法中每次迭代后的候选解集合后，遍历所述候选解集合中所述粒子，若粒子的位置在任一维度超出预定限制，则将粒子的位置和速度在对应维度进行越界处理；
所述越界处理的公式表示为：
Figure 449144DEST_PATH_IMAGE001
；
其中，
Figure 828085DEST_PATH_IMAGE006
表示第t个粒子在维度l上的位置，
Figure 909174DEST_PATH_IMAGE003
表示第t个粒子在维度l上位置的上界，
Figure 134750DEST_PATH_IMAGE004
表示第t个粒子在维度l上位置的下界，
Figure 225065DEST_PATH_IMAGE005
表示第t个粒子在维度l上的速度。
10.根据权利要求6所述的基于无人机通信的涉密场所干扰屏蔽系统，其特征在于，所述覆盖概率确定模块具体包括：
遍历单元，用于遍历所述涉密场所中所有接收点，判断各接收点的信噪比是否大于设定阈值；所述信噪比表示接收点接收到的友好信号与干扰加噪声的比；
第一判断单元，若信噪比大于设定阈值，用于判断对应接收点被友好信号覆盖；
第二判断单元，若信噪比小于或等于设定阈值，用于判断对应接收点没有被友好信号覆盖；
覆盖概率确定单元，用于将被友好信号覆盖的接收点的数量与接收点的总数的比值作为所述覆盖概率。
CN202111381687.4A 2021-11-22 2021-11-22 一种基于无人机通信的涉密场所干扰屏蔽方法及系统 Pending CN113824530A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111381687.4A CN113824530A (zh) 2021-11-22 2021-11-22 一种基于无人机通信的涉密场所干扰屏蔽方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111381687.4A CN113824530A (zh) 2021-11-22 2021-11-22 一种基于无人机通信的涉密场所干扰屏蔽方法及系统

Publications (1)

Publication Number Publication Date
CN113824530A true CN113824530A (zh) 2021-12-21

Family

ID=78919455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111381687.4A Pending CN113824530A (zh) 2021-11-22 2021-11-22 一种基于无人机通信的涉密场所干扰屏蔽方法及系统

Country Status (1)

Country Link
CN (1) CN113824530A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114980110A (zh) * 2022-05-12 2022-08-30 江苏海洋大学 一种针对未知窃听者位置的无人机友好干扰办法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112566127A (zh) * 2020-11-30 2021-03-26 北京邮电大学 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
US20210287556A1 (en) * 2020-03-13 2021-09-16 Electronics And Telecommunications Research Institute Method and apparatus for generating optimal path for an unmanned aerial vehicle

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210287556A1 (en) * 2020-03-13 2021-09-16 Electronics And Telecommunications Research Institute Method and apparatus for generating optimal path for an unmanned aerial vehicle
CN112566127A (zh) * 2020-11-30 2021-03-26 北京邮电大学 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
施蓉花等: "无人机协同攻击的混合粒子群算法", 《火力与指挥控制》 *
林晓烘等: "掩护突防中雷达干扰无人机最优配置方法", 《火力与指挥控制》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114980110A (zh) * 2022-05-12 2022-08-30 江苏海洋大学 一种针对未知窃听者位置的无人机友好干扰办法

Similar Documents

Publication Publication Date Title
CN108880662B (zh) 一种基于无人机的无线信息和能量传输的优化方法
CN112902969B (zh) 一种无人机在数据收集过程中的路径规划方法
CN111147163A (zh) 一种基于dnn神经网络的无线通信链路损耗预测方法
Hayashi et al. A study on the variety and size of input data for radio propagation prediction using a deep neural network
CN109991998B (zh) 一种基于接收信号强度的无人机中继航迹优化方法
CN104852758B (zh) 三维大规模天线网络下的垂直波束赋形方法及装置
CN112672376B (zh) 一种无人机辅助蜂窝网络中无人机部署方法
CN112672361B (zh) 一种基于无人机集群部署的大规模mimo容量提升方法
CN109195207B (zh) 一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法
CN111479239A (zh) 一种多天线无人机数据采集系统的传感器发射能耗优化方法
CN114980169A (zh) 一种基于轨迹与相位联合优化的无人机辅助地面通信方法
CN113286314B (zh) 一种基于q学习算法的无人机基站部署及用户关联方法
TWI718450B (zh) 使用飛行載具之無線電訊號源的無線電波分布之量測與對應之無線電特徵之估算之方法及系統
CN106358207B (zh) 高空平台覆盖预测方法
CN113824530A (zh) 一种基于无人机通信的涉密场所干扰屏蔽方法及系统
CN108449122B (zh) 一种最小化基站发射功率的mmWave多小区干扰抑制方法
CN115915157A (zh) 一种基于射线追踪的城市环境太赫兹无线通信基站选址方法
CN108337024B (zh) 一种基于能量采集的大规模mimo系统能效优化方法
CN114826380A (zh) 一种基于深度强化学习算法的无人机辅助空地通信优化算法
CN117319994A (zh) 无人机辅助稳健隐蔽通信对抗主动检测者的设计方法
Wang et al. Uplink data transmission based on collaborative beamforming in UAV-assisted MWSNs
WO2017096539A1 (zh) 一种多移动中继最佳通信位置的搜寻方法及搜寻系统
CN115442824A (zh) 一种基于无人机和智能反射面的隐蔽通信方法
CN114423016A (zh) 一种基站规划参数的确定方法及装置
CN115119174A (zh) 灌区场景中基于能耗优化的无人机自主部署方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211221

RJ01 Rejection of invention patent application after publication