一种基于无人机智能反射面的移动车载网络下行安全通信方法

技术领域

本发明涉及单合法车辆车载网络安全领域，具体涉及一种基于无人机智能反射面的移动车载网络下行安全通信方法。

背景技术

车载网络中，合法车辆之间的链接很有可能因为大尺度衰落而中断。由于无人驾驶的无人机和智能反射面的出现，以上问题可以在一定程度上得到解决。

由于低成本、高机动性、可操作性以及视距链路等优点，无人机在第五代(5G)通信网络中得到了极大的应用。它不仅可以作为移动基站，比如灾后地区的临时移动基站，也可以作为移动中继以便提高通信系统的性能。

作为未来无线网络中很有前途的技术工具，智能反射面已得到了广泛的研究。它包括一些经济的无源元件，并且可以调整这些元件的相移。因此，它具有实际用途并能智能调整传播环境。智能反射面除了可以智能调整通信传播环境外，它的能源消耗很少。“Q.Wuet al,“Beamforming optimization for wireless network aided by intelligentreflecting surface with discrete phase shifts,”IEEE Transactions onCommunications,vol.68,no.3,pp.1838–1851,2020”中提出，作为一种通信中继，智能反射面除了调整其反射相位需要消耗能量外，几乎没有其他能量消耗。因此，智能反射面可以提高无线通信网络方面的能源效率。此外，当RIS接收到信号时，它能够同时向目的地转发信号，即与传统的解码转发以及放大转发中继器有很大不同。

无线网络本身具有广播性和开放性的特点，很容易遭到窃听者的偷听。其次，由于高频通信信道稀疏并且像城市网络中信号很容易被建筑物等遮挡，通信信号本身就不太好。尤其是当通信接收方是移动型物体，这样的问题就会将更加严峻。为了改善以上提到的现象，无人机和智能反射面可以结合起来，共同发挥他们的优点。

发明内容

本发明针对移动车载网络中的安全问题，将智能反射面和无人机结合为一体，作为一种移动式的空中反射面，通过联合优化反射面相位、基站功率分配和以及无人机轨迹设计来保证通信网络安全，有效提升网络安全性能。

本发明的技术方案如下：

一种基于无人机智能反射面的移动车载网络下行安全通信方法，移动车载网络包括基站、无人机智能反射面RIS-UAV、合法车辆即合法车辆和窃听用户；无人机智能反射面是无人机携载智能反射面为一体的移动式智能反射面，无人机智能反射面包括无源反射单元和智能反射面控制器；基站与合法车辆之间既能通过直射链路通信又能通过无人机智能反射面RIS-UAV的反射链路进行通信；通过联合优化反射面相位、基站功率分配和以及无人机轨迹设计来有效抑制窃听者的窃听。

具体包括步骤如下：

步骤一：根据实际情况构建无人机智能反射面辅助下的移动车载安全通信网络模型，包括车辆移动数学模型、无线通信信道模型和反射面相位模型；

步骤二：根据所建立无人机智能反射面辅助下的移动车载安全通信网络模型得到合法车辆的安全信息速率；

步骤三：设计优化问题，最大化合法车辆全程的安全信息速率，并且满足无人机轨迹约束、合法车辆每时隙功率约束、反射面相位约束；

步骤四：将步骤三的优化问题分解为三个非凸的子问题，即基站功率分配优化、智能反射面相位优化以及无人机轨迹优化；根据连续凸优化方法将每个非凸子问题转化为凸优化问题，将转化后的凸优化问题放入MATLAB中，用CVX工具求解。

所述车辆移动数学模型具体为：

每时隙合法车辆的位置为w

其中，w

所述无线通信信道模型具体为：

基站到无人机智能反射面的阵列响应表示为

其中，n表示具体时隙，n∈[1,N]，N表示整个通信过程的总时隙数，λ、χ分别表示天线间距和载波波长，

无人机智能反射面到合法车辆的阵列响应表示为

其中，

无人机到合法车辆的直射信道表示为h

其中，ρ表示在单位距离1米处的信道增益，d

所述智能反射面相位模型用相移矩阵Φ来表示，其中

所述安全信息速率R

其中，[x]

即d

R

其中，h

为了最大化合法合法车辆的传输速率，并且能够保证网络安全性能，所述优化问题为

最大化合法车辆的安全通信速率：

智能反射面的相移角度约束：

无人机飞行前后时隙位置约束1：‖l[n+1]-l[n]‖

无人机飞行前后时隙位置约束2：l[1]＝l

无人机飞行前后时隙位置约束3：l[N]＝l

功率约束1：

功率约束2：

其中,l

所述移动车载网络中，基站、合法车辆均为单天线；合法车辆仅有一个；无人机智能反射面RIS-UAV包含M个无源反射单元。

本发明的有益效果：本发明提出一种基于无人机智能反射面的移动车载网络，联合优化反射面相位、基站功率分配和以及无人机轨迹设计的安全通信方法。可在窃听者信道状态信息未知的情况下，极大地提高网络的安全性能，具有很强的应用价值。

附图说明

图1为基于无人机智能反射面的移动车载网络示意图；

图2为合法车辆静止下的无人机轨迹优化；

图3为合法车辆移动下的无人机轨迹优化；

图4为本发明中随着总时隙数的变化，合法车辆最差情况下平均安全速率随迭代次数的变化；

图5本发明中随着反射元素数的变化，合法车辆最差情况下平均安全速率随迭代次数的变化；

图6本发明与其他方案对比，合法车辆最差情况下平均安全速率传输速率比较。

具体实施方式

为了更好的理解，下面将结合附图和具体的实施例，详细说明本发明。

图1所示的基于无人机智能反射面的移动车载网络中，设定ρ＝-20dB,κ＝3.5,T＝30s,σ

如图2、图3所示，分别显示了无人机合理规划路径以提高合法车辆在最差情况下所能获得的安全信息速率，他们都是从初始位置出发，无论是静止情况还是移动情况，无人机智能反射面总是靠近合法车辆，并且在靠近窃听者的同时进行远离，最后前往终止位置。接着，图4给出了随着总时隙数的变化，合法车辆最差情况下平均安全速率随迭代次数的变化。从仿真结果可知，随着时隙数N的增大，最差情况下的平均安全信息速率也在增大。图5为本发明方案中本发明中随着反射元素数M的变化，合法车辆最差情况下平均安全速率随迭代次数的变化。同样地，最差情况下平均安全信息速率随着M的增加而增大。

本方案的三种设定为：本发明方案(i)、智能反射面元素数M＝20，Ω不确定度的量化为0.5时；本发明方案(ii)、智能反射面元素数M＝30，Ω不确定度的量化为0.5；本发明方案(iii)、智能反射面元素数M＝30，Ω不确定度的量化为0.9时。可以看出，随着智能反射面元素数的增加以及不确定度量化的下降，系统的安全速率会相应的提升，反之则下降。

为进一步体现本发明方案在安全性能上的优越性，在设定智能反射面元素数M＝30，Ω不确定度的量化为0.5，其他参数相同的情况下，引入另外三种方案作为对比，分别是，比较方案(i)、无轨迹优化，无人机直接从初始位置飞往末位置，分析无轨迹优化下的网络的安全性；比较方案(ii)、无人机智能反射面悬停于某一位置；比较方案(iii)、假定车辆静止优化的轨迹用于车辆运动的情况。

如图6所示，在相同资源配置下，我们的方案要优于其他方案，因为比较方案都未对无人机智能反射面的移动轨迹进行相应的优化。