Joint 3D Trajectory Design and Resource Allocation for Secure Dual-UAV-aided Underlay Systems

Sintesi Tecnica: Progettazione congiunta della traiettoria 3D e allocazione delle risorse per sistemi dual-UAV-assisted sicuri in modalità underlay

Definizione del Problema
Questo studio affronta le sfide di sicurezza nei sistemi di raccolta dati assistiti da Veicoli Aerei Non Pilotati (UAV) operanti in modalità Cognitive Radio Network (CRN) underlay. Nello specifico, l'articolo considera uno scenario in cui un ricevitore aereo legittimo (UAV-U) raccoglie dati riservati da molteplici Dispositivi Terrestri (GD) fissi. Il sistema è minacciato da un ascoltatore aereo mobile (UAV-E) ed è vincolato dalla necessità di limitare l'interferenza verso un Utente Primario (PU) terrestre a una specifica soglia di Temperatura di Interferenza (IT).

Per contrastare l'ascoltatore, viene dispiegato un UAV di jamming amichevole (UAV-J) per generare rumore artificiale. La sfida principale risiede nell'ottimizzazione congiunta di quattro variabili accoppiate: le traiettorie di volo 3D di entrambi gli UAV (U e J), la potenza di trasmissione dei GD, la potenza di trasmissione del jammer e la pianificazione degli utenti (scheduling) dei GD. L'obiettivo è massimizzare l'Efficienza Spettrale Media di Segretezza (ASSE) del sistema.

Il problema è formulato come un problema di ottimizzazione non lineare, misto intero e non convesso a causa di diversi fattori:

1. Incertezza del Canale: I collegamenti aria-terra seguono un modello di Line-of-Sight Probabilistico (PLoS), dove la probabilità di LoS dipende dagli angoli di elevazione e dalla distanza, introducendo casualità nello stato del canale.
2. Informazioni Imperfette: La posizione dell'ascoltatore aereo è imperfettamente nota, modellata utilizzando una regione di errore limitata.
3. Vincoli Accoppiati: Le variabili di ottimizzazione sono strettamente accoppiate attraverso il modello PLoS, i vincoli IT imposti dal PU e i vincoli fisici di energia di propulsione e velocità degli UAV.
4. Non-Smoothness: Il tasso di segretezza comporta un operatore non liscio $[x]^+ = \max(x, 0)$.

Metodologia
Per risolvere il problema non convesso formulato, gli autori propongono un algoritmo iterativo basato su Block Coordinate Descent (BCD) e Successive Convex Approximation (SCA).

1. Approssimazione: Gli autori utilizzano innanzitutto un limite inferiore approssimato dell'efficienza spettrale attesa per snellire la soluzione. Approssimano il tasso di segretezza considerando lo scenario LoS per il collegamento legittimo e rimuovendo l'operatore non liscio $[\cdot]^+$ impostando la potenza di trasmissione a zero quando il tasso di segretezza sarebbe negativo.
2. Decomposizione: Il problema originale viene scomposto in quattro sottoproblemi, che vengono risolti iterativamente mantenendo fisse le altre variabili:
   • User Scheduling: Le variabili di scheduling binarie vengono rilassate in variabili continue ($0 \le a_k[n] \le 1$) e risolte come un problema di ottimizzazione lineare.
   • Potenza di Trasmissione: Viene ottimizzata l'allocazione della potenza per i GD e per il jammer. I vincoli non convessi derivanti dall'espressione del tasso di segretezza sono gestiti tramite un'espansione di Taylor del primo ordine per creare un limite inferiore convesso.
   • Traiettoria Orizzontale: Le traiettorie 2D degli UAV U e J vengono ottimizzate. Vengono introdotte variabili ausiliarie e variabili di slack per gestire i vincoli di probabilità PLoS non convessi, i vincoli di interferenza e i requisiti di distanza di sicurezza. Viene applicata la SCA per convessificare tali vincoli.
   • Traiettoria Verticale: I profili di altitudine degli UAV U e J vengono ottimizzati utilizzando tecniche SCA simili per gestire i vincoli non convessi di angolo di elevazione e distanza.
3. Convergenza: L'algoritmo itera attraverso questi sottoproblemi fino alla convergenza. L'analisi teorica conferma che il valore dell'obiettivo (ASSE) è non-decrescente ad ogni iterazione, garantendo la convergenza a una soluzione sub-ottimale.

Contributi Chiave

1. Framework Innovativo: L'articolo propone il primo framework per affrontare l'ascolto aereo in un sistema dual-UAV-assisted underlay CRN. A differenza dei lavori precedenti che spesso assumono ascoltatori terrestri fissi o sistemi a singolo UAV, questo lavoro considera un ascoltatore aereo mobile con informazioni sulla posizione imperfette e un jammer cooperativo in un contesto CRN.
2. Modellazione Completa: Lo studio incorpora fattori pratici spesso trascurati isolatamente, tra cui il modello di canale PLoS (che accoppia traiettoria e distanza), il modello di errore limitato per la posizione dell'ascoltatore e il consumo energetico degli UAV sia per il movimento orizzontale che verticale.
3. Soluzione Algoritmica: Gli autori sviluppano un rigoroso framework di ottimizzazione guidato dal modello utilizzando BCD e SCA. Questo approccio trasforma l'altamente complesso problema di ottimizzazione congiunta non convessa in una serie di sottoproblemi convessi trattabili, fornendo un benchmark teorico per le prestazioni del sistema.
4. Validazione delle Prestazioni: Attraverso simulazioni numeriche, lo studio dimostra che la proposta ottimizzazione congiunta supera significativamente gli schemi di riferimento (ad esempio, traiettorie fisse, potenza fissa o ottimizzazione della sola traiettoria 2D).

Risultati
I risultati numerici validano l'efficacia dell'approccio proposto:

• Convergenza: L'algoritmo proposto converge rapidamente, tipicamente entro pochi cicli di iterazione.
• Impatto della Traiettoria 3D: L'ottimizzazione congiunta delle traiettorie 3D produce l'ASSE più elevato rispetto agli schemi con traiettorie fisse o ottimizzazione solo 2D. I risultati mostrano che l'UAV jammer beneficia dell'aggiustamento della propria altitudine per sopprimere l'ascoltatore pur mantenendo i vincoli di interferenza con il PU, mentre l'UAV ricevitore ottimizza la propria altitudine per ottenere angoli di elevazione favorevoli con i GD.
• Ottimizzazione della Potenza: L'ottimizzazione della potenza di trasmissione insieme alle traiettorie fornisce ulteriori guadagni. Gli schemi a potenza fissa risultano in prestazioni inferiori, particolarmente nei casi CRN in cui il controllo della potenza è critico per rispettare i vincoli IT.
• Sensibilità ai Parametri:
  • L'aumento del budget di potenza di propulsione (sia orizzontale che verticale) migliora l'ASSE consentendo agli UAV di accedere a migliori posizioni di canale.
  • Una soglia IT ($\Gamma$) più alta permette potenze di trasmissione maggiori e un migliore ASSE, sebbene il sistema entri eventualmente in una modalità non cognitiva dove i guadagni si stabilizzano.
  • Errori di stima più grandi per la posizione dell'ascoltatore ($r_E$) degradano le prestazioni di segretezza.
  • Durate di volo più lunghe ($T$) permettono una maggiore raccolta dati e un ASSE migliorato.

Significato e Rivendicazioni
L'articolo sostiene che la sua importanza primaria risieda nel colmare il divario tra le comunicazioni UAV sicure e le reti cognitive radio in presenza di minacce aeree mobili. Dimostrando che il complesso problema di ottimizzazione congiunta che coinvolge traiettorie 3D, controllo della potenza e scheduling è risolvibile tramite un approccio iterativo strutturato, il lavoro fornisce un benchmark fondamentale per i sistemi di raccolta dati sicuri.

Gli autori sottolineano che il loro lavoro offre una guida pratica per la progettazione del sistema, evidenziando che la progettazione della traiettoria 3D non è un semplice miglioramento incrementale ma un fattore cruciale per massimizzare le prestazioni di segretezza, specialmente quando si opera con ascoltatori aerei mobili e vincoli di condivisione dello spettro. Lo studio conclude osservando che i lavori futuri estenderanno queste scoperte ai sistemi multi-antenna e integreranno il beamforming con le tecnologie di Integrated Sensing and Communication (ISAC).