智能反射面辅助认知无人机网络的鲁棒安全通信方法

doi:10.12068/j.issn.1005-3026.2024.12.006

摘要/Abstract

摘要：

针对认知无人机网络中，作为次用户发射机的无人机难以准确获取窃听信道的信道状态信息而使次级系统安全性能下降的难题，提出一种利用智能反射面（intelligent reflecting surface，IRS）辅助无人机认知通信增强次用户安全传输性能的鲁棒方法.在满足主用户干扰温度约束的条件下，建立确定性模型描述窃听信道的信道状态信息（channel state information，CSI）的不确定性，联合优化智能反射面的相移矩阵、无人机的飞行轨迹和发射功率，最大化次用户的最差平均保密速率.并针对该优化问题的非凸性，基于交替优化、连续凸近似、S-Procedure和半定松弛方法，提出了一个有效的三阶段迭代算法.实验结果表明，相比于非鲁棒方案，所提出的鲁棒方案可以显著提升次用户的安全传输性能.

关键词: 认知无人机网络, 安全通信, 智能反射面, 交替优化, 连续凸近似

Abstract:

To address the problem that it is difficult for the secondary unmanned aerial vehicle （UAV） to acquire the accurate channel state information （CSI） of the eavesdropping channel in UAV cognitive radio systems， which reduces the security performance of the secondary system， this paper proposes a robust method to enhance the security transmit performance of the secondary user （SU） by using intelligent reflecting surface （IRS） to assist UAV cognitive communication. Under the constraints of the interference temperature of the primary user （PU）， a deterministic model is established to describe the uncertainty of the CSI of the eavesdropping channel， and the phase shift matrix of IRS， the flight trajectory and transmit power of the UAV are jointly optimized to maximize the average worst‑case secrecy rate of the SU. To tackle the non‑convexity of the formulated optimization problem， an effective three‑stage iterative algorithm is presented based on alternating optimization， successive convex approximation， S-Procedure， and semi‑definite relaxation methods. The simulation results show that compared to non‑robust scheme， the proposed robust scheme can significantly improve the secure performance of the SU.

Key words: cognitive UAV network, secure communication, intelligent reflecting surface, alternating optimization, successive convex approximation

中图分类号:

TN 92

李安, 郭涛, 黎豪, 洪升. 智能反射面辅助认知无人机网络的鲁棒安全通信方法[J]. 东北大学学报（自然科学版）, 2024, 45(12): 1717-1725.

An LI, Tao GUO, Hao LI, Sheng HONG. Robust Secure Communication Method for Intelligent Reflecting Surface-Assisted Cognitive UAV Network[J]. Journal of Northeastern University(Natural Science), 2024, 45(12): 1717-1725.

图/表 5

表1 三阶段迭代算法

Table 1 Three‑stage iterative algorithm

初始化：无人机的初始飞行轨迹

Q (0)

，智能反射面的初始相位矩阵

Φ (0)

，松弛变量

u 0, e 0, ξ 0, ζ 0

，收敛阈值

ε

和IT阈值

Ι Γ

，求解（P4.1）得到SU的最差平均保密速率

R (0)

，并令初始迭代次数

k = 1

，最大迭代次数为

k m a x

；

1. 重复：

2. 给定 $Q (k - 1)$ 和 $Φ (k - 1)$ ，利用式（26）更新 $P (k)$ ；

3. 给定 $P (k)$ ， $Q (k - 1)$ 和 $ξ 0$ 的情况下，求解（P4.6）更新 $Φ (k)$ ，

$ξ (k)$ ；

4. 已知 $P (k)$ ， $Q (k - 1)$ ， $Φ (k)$ ， $u 0$ ， $e 0$ 和 $ζ 0$ ，使用CVX求解（P4.10）

更新 $Q (k)$ ， $u (k)$ ， $e (k)$ ；

5. 令 $u 0 = u (k)$ ， $e 0 = e (k)$ ， $ζ 0 = ζ (k)$ ；

6. 利用求得的 $Q (k)$ ， $Φ (k)$ ， $P (k)$ 计算（P4.1）的目标函数 $R (k)$ ；

7. 更新 $k ← k + 1$ ；

8. 如果 $| R (k) - R (k - 1) | ≤ ε$ 或 $k > k m a x$ ，则目标值达到收敛，退出循环.

表1 三阶段迭代算法

Table 1 Three‑stage iterative algorithm

初始化：无人机的初始飞行轨迹

Q (0)

，智能反射面的初始相位矩阵

Φ (0)

，松弛变量

u 0, e 0, ξ 0, ζ 0

，收敛阈值

ε

和IT阈值

Ι Γ

，求解（P4.1）得到SU的最差平均保密速率

R (0)

，并令初始迭代次数

k = 1

，最大迭代次数为

k m a x

；

1. 重复：

2. 给定 $Q (k - 1)$ 和 $Φ (k - 1)$ ，利用式（26）更新 $P (k)$ ；

3. 给定 $P (k)$ ， $Q (k - 1)$ 和 $ξ 0$ 的情况下，求解（P4.6）更新 $Φ (k)$ ，

$ξ (k)$ ；

4. 已知 $P (k)$ ， $Q (k - 1)$ ， $Φ (k)$ ， $u 0$ ， $e 0$ 和 $ζ 0$ ，使用CVX求解（P4.10）

更新 $Q (k)$ ， $u (k)$ ， $e (k)$ ；

5. 令 $u 0 = u (k)$ ， $e 0 = e (k)$ ， $ζ 0 = ζ (k)$ ；

6. 利用求得的 $Q (k)$ ， $Φ (k)$ ， $P (k)$ 计算（P4.1）的目标函数 $R (k)$ ；

7. 更新 $k ← k + 1$ ；

8. 如果 $| R (k) - R (k - 1) | ≤ ε$ 或 $k > k m a x$ ，则目标值达到收敛，退出循环.

图1 无人机飞行轨迹

Fig.1 Trajectories of the UAV

图2 SU最差平均保密速率与IRS反射单元数目的关系

Fig.2 Average worst‑case secrecy rate of SU versus the number of IRS reflection elements

图3 SU最差平均保密速率与PU干扰温度的关系

Fig. 3 Average worst‑case secrecy rate of SU versus the interference temperature for PU

图4 SU最差平均保密速率与飞行时间T的关系

Fig.4 Average worst‑case secrecy rate of SU versus T

参考文献 24

1	Majumder T， Mishra R K， Singh S S，et al.Cognitive‑radio‑based resource management for smart transportation：a sliding mode control approach［J］.IEEE Internet of Things Journal，2023，10（21）：18622-18632.
2	Wu W， Wang Z， Wu Y H，et al.Joint sensing and transmission optimization for IRS-assisted cognitive radio networks［J］.IEEE Transactions on Wireless Communications，2023，22（9）：5941-5956.
3	Deng Q， Yu G C， Liang X P，et al.Joint trajectory，sensing，and transmission design for IRS-assisted cognitive UAV systems［J］.IEEE Wireless Communications Letters，2024，13（1）：33-237.
4	Deng Q， Chen X H， Liang X P，et al.Adaptive beam alignment and optimization for IRS-aided high‑speed UAV communications［J］.IEEE Transactions on Green Communications and Networking，2023，7（3）：1583-1595.
5	Mozaffari M， Saad W， Bennis M，et al.A tutorial on UAVs for wireless networks：applications，challenges，and open problems［J］.IEEE Communications Surveys & Tutorials，2019，21（3）：2334-2360.
6	Mei W D， Wu Q Q， Zhang R.Cellular‑connected UAV：uplink association，power control and interference coordination［J］.IEEE Transactions on Wireless Communications，2019，18（11）：5380-5393.
7	Li X W， Yao H P， Wang J J，et al.A near‑optimal UAV-aided radio coverage strategy for dense urban areas［J］.IEEE Transactions on Vehicular Technology，2019，68（9）：9098-9109.
8	Nobar S K， Ahmed M H， Morgan Y，et al.Resource allocation in cognitive radio‑enabled UAV communication［J］.IEEE Transactions on Cognitive Communications and Networking，2022，8（1）：296-310.
9	Liang X P， Deng Q， Shu F，et al.Energy‑efficiency joint trajectory and resource allocation optimization in cognitive UAV systems［J］.IEEE Internet of Things Journal，2022，9（2）：23058-23071.
10	Wang C， Yang H L， Xiao L，et al.Joint trajectory optimization and power control for cognitive UAV-assisted secure communications［C］//2023 IEEE Global Communications Conference （GLOBECOM）.Kuala Lumpur，2023：7279-7284.
11	Wang Z， Guo J C， Chen Z Q，et al.Robust secure UAV relay‑assisted cognitive communications with resource allocation and cooperative jamming［J］.Journal of Communications and Networks，2022，24（2）：139-153.
12	Cui T J， Qi M Q， Wan X，et al.Coding metamaterials，digital metamaterials and programmable metamaterials［J］.Light：Science & Applications，2014，3（10）：e218.
13	Wu Q Q， Zhang R.Intelligent reflecting surface enhanced wireless network via joint active and passive beamforming［J］.IEEE Transactions on Wireless Communications，2019，18（11）：5394-5409.
14	Li A， Guo T， Wu Q Q，et al.Secure IRS-aided cognitive UAV communications［C］//IEEE 23rd International Conference on Communication Technology （ICCT）.Wuxi，2023：1468-1473.
15	Zhang J F， Wang W， Tang J，et al.Joint analog and passive beamforming design for IRS-aided secure cognitive NOMA systems［C］//2023 IEEE International Conference on Communications （ICC）.Rome，2023：4267-4272.
16	Dong L M， Wang H M， Xiao H T.Secure cognitive radio communication via intelligent reflecting surface［J］.IEEE Transactions on Communications，2021，69（7）：4678-4690.
17	Zhang X， Li A， Guo T.Secrecy rate maximization for IRS-assisted MISOME cognitive radio system［C］//2022 IEEE Wireless Communications and Networking Conference （WCNC）.Austin，2022：1958-1963.
18	Li S X， Duo B， Renzo M D，et al.Robust secure UAV communications with the aid of reconfigurable intelligent surfaces［J］.IEEE Transactions on Wireless Communications，2021，20（10）：6402-6417.
19	Zhu L P， Zhang J， Xiao Z Y，et al.3-D beamforming for flexible coverage in millimeter‑wave UAV communications［J］.IEEE Wireless Communications Letters，2019，8（3）：837-840.
20	Ng D W K， Lo E S， Schober R.Robust beamforming for secure communication in systems with wireless information and power transfer［J］.IEEE Transactions on Wireless Communications，2014，13（8）：4599-4615.
21	Zhang G C， Wu Q Q， Cui M，et al.Securing UAV communications via joint trajectory and power control［J］.IEEE Transactions on Wireless Communications，2019，18（2）：1376-1389.
22	Fang S S， Chen G J， Li Y H.Joint optimization for secure intelligent reflecting surface assisted UAV networks［J］.IEEE Wireless Communications Letters，2020，10（2）：276-280.
23	Zhang X， Zhong Y J， Liu P P，et al.Resource allocation for a UAV‑enabled mobile‑edge computing system：computation efficiency maximization［J］.IEEE Access，2019，7：113345-113354.
24	Chen J， Liang Y C， Pei Y Y，et al.Intelligent reflecting surface：a programmable wireless environment for physical layer security［J］.IEEE Access，2019，7：82599-82612.

[1]	吴菁晶, 张子轩. 基于边缘服务器任务迁移的资源分配算法[J]. 东北大学学报（自然科学版）, 2024, 45(12): 1688-1695.
[2]	刘林, 宋雨昊. 基于误差因子的改进WLS超宽带定位算法[J]. 东北大学学报（自然科学版）, 2024, 45(9): 1235-1243.