CN115002802A - 一种irs辅助的noma无人机网络的安全速率最大化方法 - Google Patents

Abstract

本发明请求保护一种智能反射面(Intelligent Reflecting Surface,IRS)辅助的非正交多址技术(Non‑Orthogonal Multiple Access,NOMA)无人机(UnmannedAerial Vehicle,UAV)网络的安全速率最大化方法，属于NOMA网络功率控制领域，在NOMA解码顺序、IRS反射矩阵、无人机发射功率约束条件下，最大化IRS辅助的NOMA无人机网络的安全速率，其创新之处在于，与传统的直接设置信道条件排序不同，本发明由于无人机位置影响NOMA解码顺序，没有设置信道条件排序。本发明采用块坐标下降法、连续凸逼近(Successive ConvexApproximation,SCA)和半正定松弛技术获得最优解，本发明所提供的方法，相比其他没有IRS辅助的网络的资源分配方案提高了安全速率，具有更好的实用性和可行性。

Description

一种IRS辅助的NOMA无人机网络的安全速率最大化方法

技术领域

本发明涉及NOMA网络功率控制技术领域，具体涉及一种IRS辅助的NOMA无人机网络安全速率最大化方法。

背景技术

随着制造技术的快速发展和成本的不断降低，无人机因其在民用领域的潜在用途而受到极大关注。在面对用户接入数量激增造成的地面基站过载，或紧急救灾区基站严重不足等问题时，短时间内增加地面通信基础设施并不可行且代价过高，无人机被认为是解决这一问题的可行前景方案，将基站搭载到无人机上协助地面基站通信，可快速恢复瘫痪的通信服务并有效提高网络覆盖。对于B5G(Beyond-5G)网络，无人机安装在UAV上的基站需要同时为大量具有严格通信要求的地面用户提供服务，NOMA技术与传统正交接入技术相比，NOMA技术允许多用户同时复用同一资源块，为了解决大规模通信要求，选择NOMA技术。IRS辅助的无线通信能够实现多种功能，例如创建虚拟视距链路以绕开收发端之间的障碍物；向目标方向增添额外的信号路径,以改善信道条件等，将IRS引入到无人机通信系统可以进一步提高通信质量。然而，无线通信的广播特性所带来的安全问题依旧存在，无人机空对地视距信道的优点反而使得无人机发送的信号更容易被地面窃听者所截获。因此，安全性在无人机通信中扮演着极其重要的角色。

目前，通过研究IRS辅助的无人机网络中现有的资源分配方法发现，已有方法主要存在两个问题，导致方法实用性不强。首先，研究考虑的场景过于简单，如Shiyu Jiao等人在《Journal of Communications and Information Networks,2020,5(2):138-149.》上发表了题为“Joint Beamforming and Phase Shift Design in Downlink UAV Networkswith IRS-Assisted NOMA”的文章，虽然采用NOMA协议，但只考虑了两个地面用户，且直接设置用户的信道条件排序，这类简单场景设计的方法无法适用于实际网络中。其次，方法复杂度过高，导致网络扩展性差，如Xidong Mu等人在《IEEE Journal on Selected Areas inCommunications,2021,39(10),3051-3066.》上发表的“Intelligent Reflecting SurfaceEnhanced Multi-UAV NOMA Networks”文章中，提出的基于惩罚方法的系统和速率优化方法。

因此，针对多个地面用户，且未直接设置信道条件排序的情况，研究IRS辅助的NOMA无人机网络安全速率最大化方法具有重要的实际应用价值和意义。由于IRS辅助的NOMA无人机网络的安全速率优化问题是混合二进制非凸优化问题，针对该问题如何设计低复杂度的资源分配方法是一个技术难点。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种IRS辅助的NOMA无人机网络的安全速率最大化方法。本发明的技术方案如下：

一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其包括以下步骤：

步骤1)、建立一个智能反射面辅助的NOMA无人机网络的安全速率最大化模型；

步骤2)、初始化无人机位置、NOMA解码顺序、IRS反射矩阵、无人机发射功率和安全速率判决门限；

步骤3)、利用给定的IRS反射矩阵和无人机发射功率，求解出无人机位置和NOMA解码顺序，并将其更新；

步骤4)、利用给定的无人机发射功率、无人机位置和NOMA解码顺序，求解出IRS反射矩阵，并将其更新；

步骤5)、利用给定的无人机位置、NOMA解码顺序和IRS反射矩阵，求解出无人机发射功率，并将其更新；

步骤6)、安全速率更新收敛的判断，计算更新的安全速率值，如果更新的安全速率与上一次的安全速率之差的绝对值不大于安全速率判决门限，则判断安全速率收敛，给出最大的安全速率值，方法结束；如果更新的安全速率与上一次的安全速率之差的绝对值大于安全速率判决门限，则将新计算出的安全速率值保存为此时的安全速率值，并转到步骤2)中更新系统参数，直到安全速率满足收敛条件，给出最大的安全速率。

进一步的，所述步骤1)建立一个智能反射面辅助的NOMA无人机网络的安全速率最大化模型为：

s.t.C1a:

C1b

C1c

C1d:

C1e:α_i,j+α_j,i＝1

C1f:

其中，R_s表示系统安全速率，IRS反射矩阵

为对角矩阵，θ_n表示第n个IRS反射元件的反射相移，η_k为UAV到用户U_k的直接链路与经过IRS的反射链路叠加的信道增益，η_e为UAV到窃听者的直接链路与经过IRS的反射链路叠加的信道增益，η_k与η_e都是关于UAV位置q和IRS反射矩阵Θ的函数，p_k为UAV发送信息给用户U_k的功率，P_max为UAV的最大发射功率，α_i,k表示用户U_i与用户U_k的解码顺序，k、K分别表示第k个用户和用户的个数，i、j分别表示第i个用户和第j个用户，α_i,j为NOMA解码顺序，α_i,j＝1表示用户U_i解码用户U_j，q为UAV位置，w_u,k为用户U_k的位置，σ²为系统噪声；问题P1的优化变量为UAV位置q、IRS反射矩阵Θ、UAV发射功率

和NOMA解码顺序A＝{α_i,j,i≠j∈{1,2,…,K}}，P1目标函数R_s表示安全速率，是用户的和速率与窃听者的窃听速率之差，约束C1a为IRS反射相移约束，C1b为UAV功率非负约束，C1c为最大功率限制约束，C1d为NOMA解码顺序的距离约束，C1e为NOMA解码顺序定义约束，C1f为NOMA解码顺序的传递性约束，利用块坐标下降法将P1优化问题转换为三个子问题进行求解。

进一步的，所述步骤2)中，初始化无人机位置为q＝(x,y,H)、NOMA解码顺序为A、IRS反射矩阵为Θ、无人机发射功率为P、安全速率判决门限为ζ，其中x、y、H分别表示无人机的横坐标、纵坐标、飞行高度。

进一步的，所述步骤3)中，利用给定的IRS反射矩阵和无人机发射功率，求解出无人机位置和NOMA解码顺序，并将其更新，具体包括：

固定Θ和P，联合优化q和A，子问题一P2为：

s.t.C2a:

C2b:

C2c:

C2d:

C2e:

C2f:

C2g:α_i,j-(α_i,j)²≤0

C2h:0≤α_i,j≤1

其中，χ＝{η_k,η_e,W_k,W_e,k}表示辅助变量的集合；将P1目标函数的分式中分子和分母同时除以η_k或η_e得到P2的目标函数；引入辅助变量

约束C2c中A_k、B_k为引入的辅助变量，表达式为

Re其中

为IRS与用户U_k之间信道的视距分量，

为UAV与IRS之间的视距分量，

是UAV到IRS的到达角余弦，N为IRS反射元件数，u为IRS的位置，λ表示载波波长，d为IRS单元间距，L为莱斯因子，ρ₀为参考距离1m处的路径损耗，β₀为路径衰落指数；W_e,k关于η_e单调递减，而W_e,k越大越好，所以η_e越小越好，约束C2d中取大于，约束C2d中C_e、D_e为引入的辅助变量，表达式分别为

其中

为IRS与窃听者之间信道的视距分量，w_e为窃听者的位置；约束C2g和C2h是从(P1)中的约束C1d转换得到的，约束C1d中的α_i,j只能取离散值0或1，约束C2g和C2h分别是连续取值，但将C2g和C2h两个约束结合就只能取得0或1。

进一步的，子问题P2是非凸优化问题，需要将目标函数和约束进行变换，将子问题一P2等价为P3：

s.t.C3a:

C3b:

C3d:

C3e:

C2a,C2e,C2h

其中，

表示用户U_k的安全速率，

为引入的辅助变量，将P2的目标函数采用SCA在给定点

处一阶泰勒展开，变换得到P3目标函数中

为

其中W_k ⁽ⁿ⁾,α_i,j ⁽ⁿ⁾表示SCA第n次迭代中W_k,α_i,j的值；约束C3a是约束C2b在

处一阶泰勒展开得到的，

表示SCA第n次迭代中η_e的值；约束C3b是先将问题(P2)中约束C2f重写为不等式

再将该不等式的左边在定点

处进行一阶泰勒展开得到的，

表示SCA第n次迭代中α_i,j,α_j,k的值；约束C3d中

表示

的下界，是约束C2c在q⁽ⁿ⁾处一阶泰勒展开得到的，q⁽ⁿ⁾表示SCA第n次迭代中q的值，其中

表示

在q⁽ⁿ⁾处一阶泰勒展开得到的下界，

表示

在q⁽ⁿ⁾处一阶泰勒展开得到的下界；约束C3e中

表示

的上界，是约束C2d在q⁽ⁿ⁾处一阶泰勒展开得到的，其中

表示

在q⁽ⁿ⁾处一阶泰勒展开得到的上界；由于问题(P2)中的约束C2g不是凸集且无法转换成凸集，基于惩罚方法，将约束C2g作为惩罚项，ξ_α为惩罚系数，α_i,j-(α_i,j)²的值的范围是[0,1/4],当ξ_α→∞时，

趋近于0，此时问题(P3)和问题(P2)是等价的；问题(P3)是一个凸优化问题，其最优解可以用凸优化工具来进行求解。

进一步的，所述步骤4)中固定q、A和P，优化Θ，子问题二P4为：

s.t.C3a:[V]_nn＝1,n＝1,2,...,N+1

C3b:

C3c:rank(V)＝1

其中，

表示Hermit型矩阵，

为引入的辅助变量，≥表示半正定矩阵，[V]_nn表示矩阵V对角线上第n个元素，问题P4的目标函数是通过P1的目标函数展开得到的，其中，

其中h_ak和h_ae分别表示UAV到用户U_k和窃听者之间的信道，V是关于Θ的函数，V＝vv^H，v＝[θ^T1]^T，

θ_n为IRS第n个反射元件的相移，Tr(·)为矩阵的秩，约束C3a为矩阵V的对角线元素约束，C3b为矩阵V半正定约束，C3c为矩阵V秩一约束；将问题P4重写为P5；

s.t.[V]_nn＝1,n＝1,2,...,N+1

其中，

为

在V⁽ⁿ⁾点一阶泰勒展开得到的上界，

为

在V⁽ⁿ⁾点一阶泰勒展开得到的上界。使用半正定松弛法来放松问题P4中的约束C3c得到P5；P5可能不会得到一个秩为1的解，再通过奇异值分解来从P5的最优解来构造秩为1的解。

进一步的，所述步骤5)具体为：固定Θ、q和A，优化P，子问题三P6为：

s.t.C6a

C6b

问题P6的目标函数是通过P1的目标函数展开得到的，其中,

约束C6a为UAV发射功率非负约束，C6b为UAV发射功率最大功率约束；由于

和

关于P是凹函数，故问题P6不是凸优化问题；将子问题三P6转换为P7：

s.t.

其中，

分别为

在点

处的一阶泰勒展开得到的上界，问题P7是一个凸优化问题，可以用凸优化工具来求解。

进一步的，所述步骤6)中，比较

与安全速率判决门限ζ的大小，其中，

为迭代n+1次后安全速率，

为迭代n次后安全速率；如果

不大于ζ，安全速率收敛，给出最大的安全速率，结束；如果

大于ζ，将新计算出的安全速率保存为此时的安全速率，并转到步骤3)，直到安全速率满足条件，给出最大的安全速率。

本发明的优点及有益效果如下：

本发明在NOMA解码顺序、IRS反射矩阵、无人机发射功率约束条件下，最大化IRS辅助的NOMA无人机网络的安全速率，其创新之处在于，与传统的直接设置信道条件排序不同，步骤3中由于无人机位置影响NOMA解码顺序，没有设置信道条件排序，对无人机位置和NOMA解码顺序进行了联合优化，步骤4中对秩一约束进行半正定松弛来解决优化问题，与惩罚函数的方法相比，复杂度更低，本发明采用块坐标下降法、连续凸逼近和半正定松弛技术获得最优解，本发明所提供的方法，相比其他没有IRS辅助的网络的资源分配方案提高了安全速率，具有更好的实用性和可行性。

附图说明

图1是本发明提供优选实施例IRS辅助NOMA无人机网络中的系统模型；

图2是本发明在无人机最大发射功率和IRS反射元件数不同情况下的收敛图；

图3是本发明在IRS反射元件数为80的情况下，对比两种场景的UAV最大发射功率对安全速率的影响；

图4是本发明的流程示意图。

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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

本发明图4公开一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其包括如下步骤：

第一步：建立一个IRS辅助的NOMA无人机网络的安全速率最大化模型。

第二步：初始化无人机位置、NOMA解码顺序、IRS反射矩阵、无人机发射功率和安全速率判决门限；

第三步：利用给定的IRS反射矩阵和无人机发射功率，求解出无人机位置和NOMA解码顺序，并将其更新；

第四步：利用给定的无人机发射功率、无人机位置和NOMA解码顺序，求解出IRS反射矩阵，并将其更新；

第五步：利用给定的无人机位置、NOMA解码顺序和IRS反射矩阵，求解出无人机发射功率，并将其更新；

第六步：安全速率更新收敛的判断，计算更新的安全速率值，如果更新的安全速率与上一次的安全速率之差的绝对值不大于安全速率判决门限，则判断安全速率收敛，给出最大的安全速率值，方法结束；如果更新的安全速率与上一次的安全速率之差的绝对值大于安全速率判决门限，则将新计算出的安全速率值保存为此时的安全速率值，并转到步骤2)中更新系统参数，直到安全速率满足收敛条件，给出最大的安全速率。

进一步的，在第一步中所述IRS辅助的NOMA无人机网络的安全速率最大化模型(P1)为：

s.t.C1a:

C1b

C1c:

C1d:

C1e:α_i,j+α_j,i＝1

C1f:

其中，η_k为UAV到用户U_k的直接链路与经过IRS的反射链路叠加的信道增益，η_e为UAV到窃听者的直接链路与经过IRS的反射链路叠加的信道增益，η_k与η_e都是关于UAV位置q和IRS反射矩阵Θ的函数，p_k为UAV发送信息给用户U_k的功率，P_max为UAV的最大发射功率，θ_n为IRS第n个元件的反射相移，α_i,j为NOMA解码顺序，α_i,j＝1表示用户U_i解码用户U_j，q为UAV位置，w_u,k为用户U_k的位置，σ²为系统噪声；问题(P1)的优化变量为UAV位置q、IRS反射矩阵Θ、UAV发射功率

和NOMA解码顺序A＝{α_i,j,i≠j∈{1,2,…,K}}，(P1)目标函数R_s表示安全速率，是用户的和速率与窃听者的窃听速率之差，约束C1a为IRS反射相移约束，C1b为UAV功率非负约束，C1c为最大功率限制约束，C1d为NOMA解码顺序的距离约束，C1e为NOMA解码顺序定义约束，C1f为NOMA解码顺序的传递性约束。利用块坐标下降法将(P1)优化问题转换为三个子问题进行求解。

进一步的，所述第二步中，初始化无人机位置为q＝(x,y,H)、NOMA解码顺序为A、IRS反射矩阵为Θ、无人机发射功率为P、安全速率判决门限为ζ。

进一步的，所述第三步中，固定Θ和P，联合优化q和A，子问题一(P2)为：

s.t.C2a:

C2b:

C2c:

C2d:

C2e:

C2f:

C2g:α_i,j-(α_i,j)²≤0

C2h:0≤α_i,j≤1

其中，χ＝{η_k,η_e,W_k,W_e,k}表示辅助变量的集合；将(P1)目标函数的分式中分子和分母同时除以η_k或η_e得到(P2)的目标函数；引入辅助变量

(P2)的目标函数关于W_k单调递减，W_k越小越好，故C2a约束中取大于，目标函数关于W_e,k单调递增，W_e,k越大越好，故C2b约束中取小于；从表达式

和

可以看出，W_k关于η_k单调递减，而W_k越小越好，所以η_k越大越好，约束C2c中取小于，约束C2c中

其中

为IRS与用户U_k之间信道的视距分量，

为UAV与IRS之间的视距分量，

是UAV到IRS的到达角余弦，N为IRS反射元件数，u为IRS的位置，λ表示载波波长，d为IRS单元间距，L为莱斯因子，ρ₀为参考距离1m处的路径损耗，β₀为路径衰落指数；W_e,k关于η_e单调递减，而W_e,k越大越好，所以η_e越小越好，约束C2d中取大于，约束C2d中

其中

为IRS与窃听者之间信道的视距分量，w_e为窃听者的位置；约束C2g和C2h是从(P1)中的约束C1d转换得到的，约束C1d中的α_i,j只能取离散值0或1，约束C2g和C2h分别是连续取值，但将C2g和C2h两个约束结合就只能取得0或1；子问题(P2)是非凸优化问题，需要将目标函数和约束进行变换，将子问题一(P2)等价为(P3)：

s.t.C3a:

C3b:

C3d:

C3e:

C2a,C2e,C2h

其中，将(P2)的目标函数采用SCA在给定点

处一阶泰勒展开，变换得到(P3)目标函数中

为

其中W_k ⁽ⁿ⁾,α_i,j ⁽ⁿ⁾表示SCA第n次迭代中W_k,α_i,j的值；约束C3a是约束C2b在

处一阶泰勒展开得到的，

表示SCA第n次迭代中η_e的值；约束C3b是先将问题(P2)中约束C2f重写为不等式

再将该不等式的左边在定点

处进行一阶泰勒展开得到的，

表示SCA第n次迭代中α_i,j,α_j,k的值；约束C3d中

表示

的下界，是约束C2c在q⁽ⁿ⁾处一阶泰勒展开得到的，q⁽ⁿ⁾表示SCA第n次迭代中q的值，其中

表示

在q⁽ⁿ⁾处一阶泰勒展开得到的下界，

表示

在q⁽ⁿ⁾处一阶泰勒展开得到的下界；约束C3e中

表示

的上界，是约束C2d在q⁽ⁿ⁾处一阶泰勒展开得到的，其中

表示

在q⁽ⁿ⁾处一阶泰勒展开得到的上界；由于问题(P2)中的约束C2g不是凸集且无法转换成凸集，基于惩罚方法，将约束C2g作为惩罚项，ξ_α为惩罚系数，α_i,j-(α_i,j)²的值的范围是[0,1/4],当ξ_α→∞时，

趋近于0，此时问题(P3)和问题(P2)是等价的；问题(P3)是一个凸优化问题，其最优解可以用凸优化工具来进行求解。

进一步的，所述第四步中固定q、A和P，优化Θ，子问题二(P4)为：

s.t.C3a:[V]_nn＝1,n＝1,2,…,N+1

C3b:

C3c:rank(V)＝1

问题(P4)的目标函数是通过(P1)的目标函数展开得到的，其中，

其中h_ak和h_ae分别表示UAV到用户U_k和窃听者之间的信道，V是关于Θ的函数，V＝vv^H，v＝[θ^T 1]^T，

θ_n为IRS第n个反射元件的相移，Tr(·)为矩阵的秩，约束C3a为矩阵V的对角线元素约束，C3b为矩阵V半正定约束，C3c为矩阵V秩一约束；将问题(P4)重写为(P5):

s.t.[V]_nn＝1,n＝1,2,...,N+1

其中，

为

在V⁽ⁿ⁾点一阶泰勒展开得到的上界，

为

在V⁽ⁿ⁾点一阶泰勒展开得到的上界。使用半正定松弛法来放松问题(P4)中的约束C3c得到(P5)；(P5)可能不会得到一个秩为1的解，再通过奇异值分解来从(P5)的最优解来构造秩为1的解。

进一步的，所述第五步具体为：固定Θ、q和A，优化P，子问题三(P6)为：

s.t.C6a

C6b:

问题(P6)的目标函数是通过(P1)的目标函数展开得到的，其中,

约束C6a为UAV发射功率非负约束，C6b为UAV发射功率最大功率约束；由于

和

关于P是凹函数，故问题(P6)不是凸优化问题；将子问题三(P6)转换为(P7)：

s.t.

其中，

分别为

在点

处的一阶泰勒展开得到的上界，问题(P7)是一个凸优化问题，可以用凸优化工具来求解。

进一步的，所述第六步中，比较

与安全速率判决门限ζ的大小，其中，

为迭代n+1次后安全速率，

为迭代n次后安全速率；如果

不大于ζ，安全速率收敛，给出最大的安全速率，结束；如果

大于ζ，将新计算出的安全速率保存为此时的安全速率，并转到第三步，直到安全速率满足条件，给出最大的安全速率。

本发明在NOMA解码顺序、IRS反射矩阵、无人机发射功率约束条件下，最大化IRS辅助的NOMA无人机网络的安全速率，其创新之处在于，与传统的直接设置信道条件排序不同，本发明由于无人机位置影响NOMA解码顺序，没有设置信道条件排序。本发明采用块坐标下降法、连续凸逼近和半正定松弛技术获得最优解，本发明所提供的方法，相比其他没有IRS辅助网络的资源分配方案提高了安全速率，具有更好的实用性和可行性。

本实施例为IRS辅助的NOMA无人机网络的安全速率最大化方法，在一个IRS辅助的基于NOMA的无人机网络中，地面用户个数K＝7，系统噪声σ²＝10e-12W，UAV的最大发射功率P_max＝1W，反射元件数N＝80，UAV到用户、窃听者以及IRS到用户、窃听者之间的信道遵循莱斯信道模型，参考距离1m处的路径损耗ρ₀＝10e-3，路径衰落指数β₀＝2，载波波长λ＝0.3，IRS反射元件单元间距d＝0.1，UAV高度H＝100，IRS的三维坐标为[0,10,50]，用户的坐标分别为[10,10,0],[15,30,0],[20,0,0],[20,20,0],[30,10,0],[30,40,0],[40,30,0]，窃听者的坐标为[80,80,0]。

在本实施例中，图1为本发明提供优选实施例IRS辅助的NOMA无人机网络中的系统模型，图中UAV作为空中基站，向地面用户发送信号进行下行链路通信，IRS被部署在路边广告牌上，UAV、地面用户和窃听者都配备了单根天线；图2在无人机最大发射功率和IRS反射元件数不同情况下采用本实施例方法得到的安全速率收敛图；图3在NOMA无IRS和OMA无IRS两种场景中UAV最大发射功率不同情况下得到的安全速率与本实施例方法得到的安全速率的对比图；从图2中可以看出本实施例方法随着迭代次数的增加而收敛，对于UAV最大发射功率为35dBm，反射元件数分别为80和240的情况，由于反射元件数越多，本实施例方法的复杂度越大，因此反射元件数为240的情况，需要额外的2次迭代才能收敛，UAV最大发射功率相较于IRS反射元件数，对系统安全速率的影响更大；从图3可以看出本实施例方法在IRS反射元件数为80的情况下，安全速率随着UAV最大发射功率的增加而增大，相较于NOMA无IRS和OMA无IRS的情况，本实施例方法得到的安全速率更大。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (8)

1.一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其特征在于，包括以下步骤：

步骤1)、建立一个智能反射面辅助的NOMA无人机网络的安全速率最大化模型；

步骤2)、初始化无人机位置、NOMA解码顺序、IRS反射矩阵、无人机发射功率和安全速率判决门限；

步骤3)、利用给定的IRS反射矩阵和无人机发射功率，求解出无人机位置和NOMA解码顺序，并将其更新；

步骤4)、利用给定的无人机发射功率、无人机位置和NOMA解码顺序，求解出IRS反射矩阵，并将其更新；

步骤5)、利用给定的无人机位置、NOMA解码顺序和IRS反射矩阵，求解出无人机发射功率，并将其更新；

步骤6)、安全速率更新收敛的判断，计算更新的安全速率值，如果更新的安全速率与上一次的安全速率之差的绝对值不大于安全速率判决门限，则判断安全速率收敛，给出最大的安全速率值，方法结束；如果更新的安全速率与上一次的安全速率之差的绝对值大于安全速率判决门限，则将新计算出的安全速率值保存为此时的安全速率值，并转到步骤2)中更新系统参数，直到安全速率满足收敛条件，给出最大的安全速率。

2.根据权利要求1所述的一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其特征在于，所述步骤1)建立一个智能反射面辅助的NOMA无人机网络的安全速率最大化模型为：

C1e:α_i,j+α_j,i＝1

其中，R_s表示系统安全速率，IRS反射矩阵

为对角矩阵，θ_n表示第n个IRS反射元件的反射相移，η_k为UAV到用户U_k的直接链路与经过IRS的反射链路叠加的信道增益，η_e为UAV到窃听者的直接链路与经过IRS的反射链路叠加的信道增益，η_k与η_e都是关于UAV位置q和IRS反射矩阵Θ的函数，p_k为UAV发送信息给用户U_k的功率，P_max为UAV的最大发射功率，α_i,k表示用户U_i与用户U_k的解码顺序，k、K分别表示第k个用户和用户的个数，i、j分别表示第i个用户和第j个用户，α_i,j为NOMA解码顺序，α_i,j＝1表示用户U_i解码用户U_j，q为UAV位置，w_u,k为用户U_k的位置，σ²为系统噪声；问题P1的优化变量为UAV位置q、IRS反射矩阵Θ、UAV发射功率

和NOMA解码顺序A＝{α_i,j,i≠j∈{1,2,…,K}}，P1目标函数R_s表示安全速率，是用户的和速率与窃听者的窃听速率之差，约束C1a为IRS反射相移约束，C1b为UAV功率非负约束，C1c为最大功率限制约束，C1d为NOMA解码顺序的距离约束，C1e为NOMA解码顺序定义约束，C1f为NOMA解码顺序的传递性约束，利用块坐标下降法将P1优化问题转换为三个子问题进行求解。

3.根据权利要求2所述的一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其特征在于，所述步骤2)中，初始化无人机位置为q＝(x,y,H)、NOMA解码顺序为A、IRS反射矩阵为Θ、无人机发射功率为P、安全速率判决门限为ζ，其中x、y、H分别表示无人机的横坐标、纵坐标、飞行高度。

4.根据权利要求3所述的一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其特征在于，所述步骤3)中，利用给定的IRS反射矩阵和无人机发射功率，求解出无人机位置和NOMA解码顺序，并将其更新，具体包括：

固定Θ和P，联合优化q和A，子问题一P2为：

C2g:α_i,j-(α_i,j)²≤0

C2h:0≤α_i,j≤1

其中，χ＝{η_k,η_e,W_k,W_e,k}表示辅助变量的集合；将P1目标函数的分式中分子和分母同时除以η_k或η_e得到P2的目标函数；引入辅助变量

约束C2c中A_k、B_k为引入的辅助变量，表达式为

Re其中

为IRS与用户U_k之间信道的视距分量，

为UAV与IRS之间的视距分量，

是UAV到IRS的到达角余弦，N为IRS反射元件数，u为IRS的位置，λ表示载波波长，d为IRS单元间距，L为莱斯因子，ρ₀为参考距离1m处的路径损耗，β₀为路径衰落指数；W_e,k关于η_e单调递减，而W_e,k越大越好，所以η_e越小越好，约束C2d中取大于，约束C2d中C_e、D_e为引入的辅助变量，表达式分别为

其中

为IRS与窃听者之间信道的视距分量，w_e为窃听者的位置；约束C2g和C2h是从(P1)中的约束C1d转换得到的，约束C1d中的α_i,j只能取离散值0或1，约束C2g和C2h分别是连续取值，但将C2g和C2h两个约束结合就只能取得0或1。

5.根据权利要求4所述的一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其特征在于，子问题P2是非凸优化问题，需要将目标函数和约束进行变换，将子问题一P2等价为P3：

C2a,C2e,C2h

其中，

表示用户U_k的安全速率，

为引入的辅助变量，将P2的目标函数采用SCA在给定点{W_k ⁽ⁿ⁾,α_i,j ⁽ⁿ⁾}处一阶泰勒展开，变换得到P3目标函数中

为

其中W_k ⁽ⁿ⁾,α_i,j ⁽ⁿ⁾表示SCA第n次迭代中W_k,α_i,j的值；约束C3a是约束C2b在

处一阶泰勒展开得到的，

表示SCA第n次迭代中η_e的值；约束C3b是先将问题(P2)中约束C2f重写为不等式

再将该不等式的左边在定点

处进行一阶泰勒展开得到的，

表示SCA第n次迭代中α_i,j,α_j,k的值；约束C3d中

表示

的下界，是约束C2c在q⁽ⁿ⁾处一阶泰勒展开得到的，q⁽ⁿ⁾表示SCA第n次迭代中q的值，其中

表示

在q⁽ⁿ⁾处一阶泰勒展开得到的下界，

表示

在q⁽ⁿ⁾处一阶泰勒展开得到的下界；约束C3e中

表示

的上界，是约束C2d在q⁽ⁿ⁾处一阶泰勒展开得到的，其中

表示

在q⁽ⁿ⁾处一阶泰勒展开得到的上界；由于问题(P2)中的约束C2g不是凸集且无法转换成凸集，基于惩罚方法，将约束C2g作为惩罚项，ξ_α为惩罚系数，α_i,j-(α_i,j)²的值的范围是[0,1/4],当ξ_α→∞时，

趋近于0，此时问题(P3)和问题(P2)是等价的；问题(P3)是一个凸优化问题，其最优解可以用凸优化工具来进行求解。

6.根据权利要求5所述的一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其特征在于，所述步骤4)中固定q、A和P，优化Θ，子问题二P4为：

s.t.C3a:[V]_nn＝1,n＝1,2,...,N+1

C3c:rank(V)＝1

其中，

表示Hermit型矩阵，

为引入的辅助变量，≥表示半正定矩阵，[V]_nn表示矩阵V对角线上第n个元素，问题P4的目标函数是通过P1的目标函数展开得到的，其中，

其中h_ak和h_ae分别表示UAV到用户U_k和窃听者之间的信道，V是关于Θ的函数，V＝vv^H，v＝[θ^T 1]^T，

θ_n为IRS第n个反射元件的相移，Tr(·)为矩阵的秩，约束C3a为矩阵V的对角线元素约束，C3b为矩阵V半正定约束，C3c为矩阵V秩一约束；将问题P4重写为P5；

s.t.[V]_nn＝1,n＝1,2,...,N+1

其中，

为

在V⁽ⁿ⁾点一阶泰勒展开得到的上界，

为

在V⁽ⁿ⁾点一阶泰勒展开得到的上界。使用半正定松弛法来放松问题P4中的约束C3c得到P5；P5可能不会得到一个秩为1的解，再通过奇异值分解来从P5的最优解来构造秩为1的解。

7.根据权利要求6所述的一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其特征在于，所述步骤5)具体为：固定Θ、q和A，优化P，子问题三P6为：

问题P6的目标函数是通过P1的目标函数展开得到的，其中,

约束C6a为UAV发射功率非负约束，C6b为UAV发射功率最大功率约束；由于

和

关于P是凹函数，故问题P6不是凸优化问题；将子问题三P6转换为P7：

其中，

分别为

在点

处的一阶泰勒展开得到的上界，问题P7是一个凸优化问题，可以用凸优化工具来求解。

8.根据权利要求7所述的一种IRS辅助的NOMA无人机网络的安全速率最大化方法，其特征在于，所述步骤6)中，比较

与安全速率判决门限ζ的大小，其中，

为迭代n+1次后安全速率，

为迭代n次后安全速率；如果

不大于ζ，安全速率收敛，给出最大的安全速率，结束；如果

大于ζ，将新计算出的安全速率保存为此时的安全速率，并转到步骤3)，直到安全速率满足条件，给出最大的安全速率。

Images