On Secure EKF-enhanced UAV-ISAC Systems

Sintesi Tecnica: Sistemi UAV-ISAC sicuri potenziati da EKF

Definizione del Problema
Questo lavoro affronta la sfida di rendere sicuri i sistemi di Integrazione tra Sensing e Comunicazione (ISAC) assistiti da Veicoli Aerei non Pilotati (UAV) in presenza di eavesdropper (intercettatori) mobili. Mentre la ricerca esistente sugli UAV-ISAC spesso assume obiettivi stazionari o si concentra esclusivamente sul tracciamento di un singolo target, gli scenari pratici coinvolgono utenti legittimi e illegittimi mobili con posizioni incerte. Il problema centrale è massimizzare il Tasso di Segretezza (Secrecy Rate - SR) mediante la progettazione congiunta dei vettori di beamforming di trasmissione e della traiettoria dell'UAV. Questa ottimizzazione deve operare sotto vincoli pratici, inclusi i requisiti della larghezza del fascio di sensing, i limiti di potenza di trasmissione e il consumo di energia di propulsione dell'UAV, tracciando e prevedendo simultaneamente gli stati di moto sia degli utenti legittimi che di quelli illegittimi.

Metodologia
Il modello di sistema proposto presenta una stazione base aerea (UAV) full-duplex dotata di Array Planari Uniformi (UPA) che comunica con un utente a terra (GU) mobile, mentre disturba attivamente un eavesdropper mobile. Il sistema utilizza gli stessi segnali per la comunicazione e per il sensing.

1. Modellazione del Sistema: Gli autori modellano i link Air-to-Ground (A2G) come canali Line-of-Sight (LoS). L'UAV trasmette una sovrapposizione di segnali portanti informazioni per l'utente legittimo e segnali di sensing dedicati per l'eavesdropper. Il Rapporto Segnale-Interferenza più Rumore (SINR) ricevuto e i tassi raggiungibili sono derivati per entrambi gli utenti. Il consumo di energia del volo orizzontale dell'UAV è modellato sulla base di principi aerodinamici.
2. Tracciamento basato su EKF: Per gestire la mobilità dei target, viene integrato un framework di Filtro di Kalman Esteso (EKF). Il sistema stima i vettori di stato (posizione e velocità) sia dell'utente legittimo che dell'eavesdropper utilizzando misurazioni di sensing (ritardo temporale, spostamento Doppler e angoli di arrivo/partenza). La covarianza del rumore di misurazione è inversamente proporzionale al rapporto segnale-rumore (SNR) dell'eco.
3. Formulazione dell'Ottimizzazione: L'obiettivo è massimizzare lo SR soggetto a vincoli sulla potenza di trasmissione, sul beamforming di rango uno, sulle soglie di sensing, sulla cinematica dell'UAV (velocità, accelerazione) e sulla potenza di propulsione. Il problema è altamente non convesso a causa dell'accoppiamento tra le variabili di traiettoria e di beamforming, nonché dei vincoli non convessi relativi al consumo di potenza dell'UAV e alla forma frazionaria dello SR.
4. Design dell'Algoritmo: Viene sviluppato un algoritmo iterativo efficiente basato sul metodo del Coordinate Descent a Blocchi (BCD). Il problema viene decomposto in due sottoproblemi risolti alternativamente:
   • Ottimizzazione del Beam: Con una traiettoria fissa, vengono ottimizzati i vettori di beamforming. Si utilizzano l'Approssimazione Convessa Successiva (SCA) e variabili di scarto per gestire i vincoli non convessi, trasformando il problema in una forma di Programmazione Semidefinita (SDP).
   • Ottimizzazione della Traiettoria: Con il beamforming fisso, viene ottimizzata la traiettoria dell'UAV. Viene impiegata nuovamente la SCA per approssimare i vincoli non convessi relativi alla potenza di volo e al tasso di segretezza.
   • Integrazione EKF: In ogni slot temporale, l'EKF aggiorna le stime di stato basandosi sulla traiettoria e sul beamforming correnti, che vengono poi utilizzati come input per l'iterazione successiva.

Contributi Chiave

• Tracciamento e Sicurezza congiunti: A differenza dei lavori precedenti che spesso ignorano la mobilità dell'eavesdropper o si concentrano su target singoli, questo articolo investiga un sistema UAV-ISAC sicuro capace di tracciare e prevedere simultaneamente le traiettorie di molteplici target mobili (sia legittimi che illegittimi).
• Modellazione Esplicita della Sicurezza: Il sistema incorpora esplicitamente un eavesdropper mobile con posizione incerta nel design, utilizzando previsioni basate su EKF per generare strategie di comunicazione e jamming mirate.
• Soluzione Algoritmica: Gli autori propongono un nuovo algoritmo iterativo che integra BCD, SCA ed EKF per risolvere il problema di ottimizzazione non convesso risultante, fornendo una soluzione subottimale di alta qualità.
• Vincoli Comprensivi: L'ottimizzazione tiene conto di vincoli fisici pratici, inclusa la larghezza del fascio di sensing, la potenza di trasmissione e il consumo specifico di energia di propulsione dell'UAV.

Risultati
Le simulazioni numeriche validano lo schema proposto rispetto a benchmark, inclusi scenari con UAV in posizione fissa.

• Traiettoria e Tracciamento: Lo schema proposto dimostra che l'UAV vola efficacemente verso l'utente legittimo per migliorare la qualità del link, mantenendo al contempo il tracciamento e il jamming dell'eavesdropper. Le previsioni basate su EKF si allineano strettamente alle traiettorie reali, mostrando convergenza nel tempo.
• Tasso di Segretezza (SR): L'ottimizzazione congiunta proposta raggiunge un Tasso di Segretezza significativamente più alto rispetto al benchmark in cui l'UAV rimane stazionario. Lo schema di benchmark soffre di divergenza del filtro e degradazione delle prestazioni man mano che i target si allontanano dall'UAV fisso.
• Sensibilità ai Parametri:
  • Interferenza Residua ($\psi$): Livelli inferiori di interferenza residua (migliore cancellazione) producono uno SR più elevato, sebbene l'impatto diminuisca quando il fascio è già strettamente focalizzato sull'eavesdropper.
  • Potenza di Trasmissione ($P_{max}$): Lo SR aumenta con la potenza di trasmissione, ma alla fine satura a causa del miglioramento simultaneo dello SNR dell'eavesdropper.
  • Potenza di Propulsione ($P_{hor}^{max}$): Una maggiore potenza di propulsione disponibile consente all'UAV di avvicinarsi più velocemente all'utente legittimo, migliorando così lo SR.

Significatività e Rivendicazioni
L'articolo afferma che, integrando l'ISAC con la Sicurezza al Livello Fisico (PLS) e il tracciamento dei target basato su EKF, gli UAV possono sfruttare appieno i loro vantaggi intrinseci di dispiegamento flessibile e alta mobilità. Il lavoro colma il divario tra gli studi esistenti che trascurano la sicurezza nelle comunicazioni o assumono target statici. Il framework proposto consente la progettazione di strategie di comunicazione e jamming mirate sotto risorse limitate, facilitando trasmissioni più sicure ed efficienti. Gli autori osservano che il framework basato su EKF può essere esteso a scenari con utenti aerei e che il lavoro futuro potrebbe concentrarsi su modelli di misurazione robusti contro il clutter e sulla coordinazione multi-UAV.