【摘 要】
:
无人机作为中继辅助无线通信已广泛应用于各类覆盖增强场景,由于无线通信自身的广播特性,信息在传播过程中会面临窃听、篡改等威胁。与传统的密码学方案相比,低复杂度的物理层安全(Physical Layer Security,PLS)技术在无线通信领域受到了更为广泛的关注。针对无人机中继网络,现有的物理层安全研究主要是降低外部窃听者的窃听速率。实际上,无人机中继网络通常是异构网络,无人机与原有的用户终端在
论文部分内容阅读
无人机作为中继辅助无线通信已广泛应用于各类覆盖增强场景,由于无线通信自身的广播特性,信息在传播过程中会面临窃听、篡改等威胁。与传统的密码学方案相比,低复杂度的物理层安全(Physical Layer Security,PLS)技术在无线通信领域受到了更为广泛的关注。针对无人机中继网络,现有的物理层安全研究主要是降低外部窃听者的窃听速率。实际上,无人机中继网络通常是异构网络,无人机与原有的用户终端在通信能力、安全等级等方面均有差异。这意味着无人机在转发信息的同时,有可能会窃取用户终端的部分信息,对于地面终端而言,无人机中继是不被完全信任的。为此,在完成信息中继的同时,有必要针对不可信中继设计相应的通信协议以避免信息泄露。本文研究了两种不同的不可信无人机中继场景,并结合无人机的高机动性和协作干扰技术实现信道特性的充分利用,通过对无人机的轨迹设计以及用户的资源分配来最大程度的实现安全通信。具体来说本文的研究内容及创新点如下:针对多用户对双向不可信中继的物理层安全场景,考虑无人机具有缓存能力,可以先将收到的信息缓存并选择合适的时隙再转发,本文提出了基于物理层网络编码(Physical-Layer Network Coding,PNC)协议的时隙配对传输策略。该策略旨在利用无人机移动性使整个通信过程获得更多信道条件好的时隙,并选择合适的时隙进行用户信息的收发配对。问题描述成为一个轨迹、功率和时隙配对的非凸联合优化问题,通过引入松弛变量,应用连续凸近似等技术获得了该问题的最优解。为了验证本文所提中继协议的优越性,本文与其他几种常见的中继协议进行了性能分析和对比,最后给出仿真结果验证所提设计的有效性。针对基站协作干扰下的不可信无人机中继的数据采集场景,在该场景下,无人机用于收集多个用户节点的机密信息并将其转发给基站。为了提高系统的安全性,基站同时作为友好的干扰机,协助发送干扰信号给不可信无人机以减小窃听速率。我们重点研究在概率视距信道模型下不可信无人机三维路径设计对提高保密率的影响,问题描述为用户调度、信源发射功率、无人机干扰功率和无人机水平和垂直轨迹的联合优化问题。通过块坐标法,将原始问题解耦为多个子问题的交替求解,由于每个单独的子问题仍然是非凸的,尤其是三维轨迹优化问题。本文利用连续凸近似方法,将问题简化为基于泰勒展开的局部最优解问题。另外在交替迭代的基础上,为加快收敛效率,又设计了一种改进的贪婪迭代优化算法。最后,给出了数值仿真结果,与其他基准算法相比,本文所提的算法在收敛速度和保密率性能上均有不俗的提升。
其他文献
信息技术的日益发展使人们进入了大数据时代,在各种各样的数据中,图像是人们生活中最常用的一种信息载体。随着图像数据量的大量增加,亟需对图像进行高性能的去噪与生成处理以应对处理速度慢和处理效果差的问题。因此,本文结合量子计算和深度学习设计了图像去噪与生成两种算法。本文的主要工作如下:基于卷积自编码器和残差学习,提出了一种图像去噪算法。卷积自编码器的编码层采用卷积层和最大池化层交替的结构,而解码层采用卷
科学技术的日新月异带来无线通信的飞速发展,在无人机通信场景下,用户不再满足于简单的点对点交换信息的需求。各种大量计算密集型应用应运而生,给无人机通信带来许多机遇与挑战。移动边缘计算(Mobile Edge Computing,MEC)技术为无人机通信的场景寻求到技术上的创新和突破。在通信任务过大的情况下,搭载了移动边缘计算服务器的设备可以帮助通信终端卸载一部分任务至移动网络边缘,从而缓解通信压力和
相位编码波形是雷达探测系统中一种经典的发射波形,具备相关特性好、构造简单等优点。相位编码波形集中的互补码(Complementary Code,CC)波形集和完全互补码(Complete Complementary Code,CCC)波形集,在多普勒为零时,具备完美的非周期自相关和互相关特性,使得匹配滤波结果没有距离旁瓣,对静止目标具备优异的检测性能。然而,已有的CC和CCC波形集存在着一些局限性
下一代移动通信对能量效率、数据速率和覆盖范围等性能指标具有更高的要求,这意味着有限的频谱、能量资源与日益增长的通信业务需求之间的矛盾亟待解决。协作中继技术是解决上述问题最具潜力的方案之一。然而,参与协作的中继可能是不受信任的,此时通信系统既要中继协助转发消息又要对中继保密。因此,解决无线网络的开放性与无线通信的保密性之间的矛盾同样迫在眉睫。最近,智能超表面(Reconfigurable Intel
在数字扫描激光光片显微镜中,使用无衍射艾里光束进行照明具有抗散射和成像视场大的优点。但一般的艾里光片成像依赖于去卷积的方法来校正光束弯曲造成的图像畸变和消除不对称旁瓣造成的离焦噪声。相比于一般的艾里光片,平面艾里光片沿光束传播方向不再弯曲,旁瓣也关于焦面对称分布,不再依赖去卷积处理进行成像,这拓展了艾里光束的应用。但为了消除平面艾里光片显微镜中离焦噪声,目前主要使用非线性的双光子激发方法。本文聚焦
机器学习近几十年来一直是人工智能的一个热门领域,基于机器学习的图像生成和分类算法也得到了广泛的应用。随着大数据时代数据规模的爆炸式增长,机器学习算法所需要的计算资源也越来越多,而计算机性能的提高却即将遇到瓶颈。与经典计算相比,量子计算有着潜在的指数级优势,是有望突破计算性能瓶颈的重要方向。因此,将机器学习与量子计算相结合是使机器学习适应大数据时代的一个有效途径。将机器学习中的生成对抗网络算法或卷积
穿墙雷达凭借其穿透非金属建筑材料的能力,可在非接触和非破坏性的条件下实现对墙后或封闭室内隐蔽目标的探测、定位及成像,广泛用于民用及军事等领域。然而,墙体反射所产生的强杂波会掩盖墙后目标的反射信号,影响目标成像精度和检测性能,此外现有的穿墙雷达成像方法在模型建立和优化求解过程中存在计算代价高、人工干预过多以及成像精度低等问题。因此本文将雷达稀疏成像的优化求解策略展开到深度网络结构中,采用端到端学习策
无人机(Unmanned Aerial Vehicle,UAV)技术发展迅速,其应用成本也在不断降低,在无线通信领域,无人机可搭载多种通信设备如小基站、传感器、接收机等形成无人机通信,是新一代空天地一体化通信的重要组成部分。无人机通信具有可在空中灵活部署,3D可移动性,飞行高度足够高且与地面节点产生更高概率的视距(Line of Sight,Lo S)链路等优势,因此无人机通信已经成为当前的研究热
电磁逆散射问题研究的是根据测量到的散射场重构成像空间内介质目标的几何信息和电性能参数的空间分布。由于其固有的非线性和病态性,且随着对比度的升高和信噪比的降低其非线性和病态性显著增强,导致了求解电磁逆散射问题成为了挑战。传统优化方法可以很容易将逆散射领域知识纳入其中,并通过最小化目标函数来解决计算数据与测量数据之间的不匹配问题,进而迭代地获得良好的重构结果。然而,由于非线性迭代本质,该方法存在如何选
腔光力学的发展伴随着物理学和信息学的进步,作为量子力学重要组成部分的腔光力学是研究光力相互作用的有效平台,腔光力学在基础物理研究、量子信息学等领域都有着广泛的应用前景,然而以上的应用都有着一个重要的前提是需要机械振子处于量子基态。随着材料科学和纳米技术快速发展,许多具有高品质因子的腔光力学系统不断被提出,但依然存在着一些限制。例如系统固然存在的内部耗散、耦合环境热库的热噪声以及量子反作用力引起的系