多无人机协作的认知通信网络中能/谱效折中优化

在无人机(Unmanned Aerial Vehicle,UAV)认知通信网络中,其能量受限和通信高吞吐量问题备受关注。然而,能量效率(Energy Efficiency,EE)的提升可能会导致频谱效率(Spectrum Efficiency,SE)的下降。针对此问题,对UAV协作认知通信网络中EE和SE的折中优化进行了研究。首先,进行了感知时间、UAV通信的发射功率和判决门限各自对SE与EE两者的优化;其次,通过二分法求解使得EE和SE最大化的感知时间值,并通过穷尽搜索法分别求解感知时间、UAV通信的发射功率和判决门限对EE和SE折中优化问题的最优参数值。在此基础上,提出一种联合参数迭代优化算法,求解EE和SE的折中优化问题。仿真实验表明,SE和EE之间存在折中的权衡,并验证了所提优化方案的有效性。

中继协同无人机辅助的认知无线电网络安全通信

针对中继协同无人机(UAV)辅助的无线通信网络,提出一种基于认知无线电网络(CRN)的物理层安全通信方案。利用二次发射机协同解码转发中继向目的接收机发送机密消息,将UAV用作移动干扰器发送干扰噪声,以降低窃听者的解码能力。在不影响主用户通信的前提下,通过联合优化UAV的飞行轨迹和发射功率提高系统的平均保密率,采用基于连续凸逼近的算法求解近似凸规划的保密率最大化问题。仿真结果表明,相较于优化功率和优化轨迹这两种传统方案,该方案能够进一步提高CRN系统通信的安全性。

基于认知无人机移动中继网络的物理层安全通信研究

针对无线频谱资源稀缺和空对地视距(Line of Sight,LoS)链路的安全隐患问题,提出了一种无人机(Unmanned Aerial Vehicle,UAV)中继辅助的认知无线电网络(Cognitive Radio Network,CRN)安全传输方案,研究了在主用户和窃听者存在的情况下,次用户发射机向次用户接收机发送机密信息,UAV充当解码转发移动中继协助从源节点到合法目的节点的机密传输。目的是在源节点和中继节点的功率约束下,通过优化UAV中继的飞行轨迹、发射功率来实现保密率最大化。由于设计问题是非凸的,采用构造非凸约束代理函数的方法,将原问题近似为凸约束,并利用一种基于连续凸逼近的迭代算法来求解。仿真结果表明,相较于静态中继和无优化方案,本文所提的联合优化方案不仅获得UAV飞行的最佳路径,同时系统的平均保密率分别是传统方案的1.06倍和2.88倍。

认知无人机网络中多机协作频谱感知研究

多无人机协同工作模式在未来通信中有着重要的应用前景。结合频谱资源短缺的问题,建立认知无人机网络模型,并研究多机协作频谱感知性能,提出一种最佳融合准则来优化检测性能。针对无人机数量较多的大型认知无人机网络,提出一种快速高效的协作频谱感知算法,并比较该算法在瑞利衰落以及Nakagami衰落2种信道环境下的性能。仿真结果表明:①采用最佳融合准则可以使协作频谱感知总错误率达到最小;②快速协作频谱感知算法可以利用较少的无人机来保证协作频谱感知的检测准确度,避免了不必要的感知过程,减少了参与协作频谱感知的次级用户数量,降低了协作感知时间,从而节省了感知过程开销,而且相比于瑞利衰落信道,该算法在Nakagami衰落信道环境下具有更好的性能。

基于无人机辅助的认知无线电网络信息年龄研究

考虑到信息时效性和数据新鲜度对各类实时状态更新系统带来的挑战,提出了一种无人机(Unmanned Aerial Vehicle,UAV)中继辅助的认知无线电网络(Cognitive Radio Network,CRN)信息年龄(Age of Information,AoI)最小化方案。为了降低CRN中次用户接收机处的AoI,在不影响主用户正常通信的前提下,利用UAV作为移动中继来辅助次用户发射机将数据包传输到对应的接收机。通过联合优化UAV的飞行轨迹和资源分配来确保信息新鲜度。由于联合设计问题是非凸的,故采用连续凸逼近的高效迭代算法得出问题的最优解。仿真结果表明,所提方案可以有效提高信息新鲜度,并获得峰值AoI的最小值。同时,数据包的大小和数量与AoI呈线性关系,对UAV的飞行轨迹也有影响。

基于认知网络的无人机通信网络系统

针对无人机群组网通信系统受人为影响较大、自主性较差的问题,提出一种基于认知网络的无人机通信网络架构设计方案。借鉴脊椎动物神经系统和人类社会组织模式,设计基于认知网络的无人机群组网通信系统的功能架构和组织架构。给出跨层交互式的无人机通信系统节点级架构,基于观察-确认-决策-行动反馈环建立无人机群的层次化认知网络行为模型,得到具有认知能力的层次化多路由方法。仿真结果表明,在更换路由表项时,该方法能减小吞吐量的抖动,缩短起伏时间,提高系统的可靠性和智能化决策的程度。

基于无人机认知网络的上行链路波束成形算法

针对认知(Cognitive radio, CR)网络中无人机(Unmanned Aerial Vehicle, UAV)通信系统上行链路受到多个卫星地面终端干扰的场景,该文在已知干扰准确位置和大概位置的条件下,分别提出了两种抗干扰波束成形(Beamforming, BF)算法。具体而言,首先,在干扰位置准确已知条件下,建立了目标用户信号功率最大化和干扰功率为零的优化问题,并利用拉格朗日乘子法得到接收权矢量的闭式解。其次,在仅已知干扰大概位置的条件下,建立了以目标用户信号功率最大化为目标和干扰功率小于门限值为约束的优化问题,利用角度离散化和凸优化求解接收权矢量。最后,仿真结果表明,该文所提两种算法均能一定程度地减缓共存网络之间的干扰,从而有效地提升系统的抗干扰性能。

分级分布式无人机协作频谱感知方法

无人机认知网络(Cognitive UAV Network,CUAVN)可以通过高精度的频谱感知提高频谱效率,但传统的集中式协作频谱感知不适用于无人机(Unmanned Aerial Vehicle,UAV)网络。UAV网络拓扑结构动态变化,使得全局信息很难快速收集至一个融合中心。针对上述问题,提出了一种基于K-means聚类算法的分级分布式协作频谱感知方法。首先,利用K-means聚类算法基于位置信息对UAV进行分簇;然后,采用两级分布式融合方案进行分层融合,在每个簇内先进行一致性信息融合得到K个融合结果,再进行第二次融合得到最终全局收敛结果;最后将最终收敛结果与检测阈值对比,得到最终决策。仿真结果表明,所提出的分级分布式融合方案具有较好的收敛性,且信息融合迭代次数比未分级融合方案更少。在不同权重因子的加权情况下,所提方案较未分级融合方案更好,且平均接收信噪比越大时检测性能越好。与未分级分布式融合方案相比,在UAV节点较多的情况下,该方案使CUAVN的频谱检测性能得到了提升。

无人机自组网络通信体系结构系统设计

针对现有移动自组网(MANETs)TCP/IP五层体系结构通信效率低、不适合高动态交互式应用的问题,进行了无人机自组网新型通信体系结构研究。首先设计了具有代表性的应用场景,结合无人机自组网的特点,对通信体系需求进行分析,在此基础上,系统设计了通信体系结构。该结构采用具有动态认识、管理和维护功能的认知平面和具有高效数据通信功能的数据平面并行交互,其中,认知平面运用认知无线电等技术,包括发现引导、拓扑控制、移动测量和信道监控等功能模块;数据平面运用多重无线电等技术,包括高速智能的PHY层、可靠组播通信层和任务关键性的任务层等。对各层的关键技术进行了分析,并通过仿真演示说明了体系结构的可行性。该体系结构也适用于其它移动平台自组网。

基于多域联合的无人机集群认知抗干扰算法

为解决无人机集群网络在复杂通信环境中对抗智能性干扰能力较弱的问题,基于智能决策理论,提出一种多域联合的认知抗干扰算法。该算法在优势演员-评论家算法的基础上,将无人机视作智能体,并由感知到的环境频谱状态决策出干扰信道。基于Stackelberg博弈理论,利用功率域压制中度干扰等级的信道干扰信号,减少切换信道的时间开销。通过引入簇头协助的方法,解决由于单个智能体局部频谱感知能力较弱而导致信道决策成功率较低的问题。仿真结果表明,相比QL-AJ算法与AC-AJ算法,该算法能够给出簇内最佳节点个数,提高接收信号信干噪比,且网络整体抗干扰性能较好。

基于态势认知的无人机集群围捕方法

无人机集群围捕是智能无人机"蜂群"作战的一种重要任务方式。现有集群围捕方法大多建立在环境已知的基础上,面对未知的任务环境时围捕策略经常性失效。针对此问题,提出了基于态势认知的发育模型,探索一种对环境适应性较佳的围捕方法。首先,对集群围捕行为分解,将围捕离散化;然后,基于深度Q神经网络(DQN),设计一种围捕策略的生成方法;最后,建立状态-策略知识库,并通过大量有效数据的训练,针对不同环境获得不同的策略,对知识库进行发育。仿真结果表明:提出的基于态势认知的发育模型,能够有效适应不同环境,完成不同环境下的围捕。

认知中继网络中的功率分配算法

无人机(Unmanned aerial vehicle,UAV)通信是当前无线通信领域的研究热点。为了保证地面移动端与UAV通信的可靠性,提出了基于空时块码(Space-time block code,STBC)的协作中继传输方案。为了提升频谱效率,本文利用认知无线电技术,于协作中继处分别采用放大转发(Amplify-and-forward,AF)和解码转发(Decode-and-forward,DF)两种协议进行传输,在主用户通信服务质量得到保证和认知用户传输功率受限的条件下,建立以认知中继网络的吞吐量最大化为目标函数的优化问题。采取拉格朗日乘子法与Karush-Kuhn-Tucker(KKT)条件相结合的方案来实现优化问题中最优功率的分配。最后,仿真结果不仅验证了所提方案的有效性,还表明了DF中继协议下认知中继网络的吞吐量优于AF中继协议。