🔢 mathematics

Deep Reinforcement Learning for Cognitive Time-Division Joint SAR and Secure Communications

该论文提出了一种基于深度强化学习的动态时分联合合成孔径雷达与保密通信框架，通过利用认知 SAR 沿航迹干涉技术实时估计移动窃听者轨迹，并联合优化时频资源分配与波束成形，从而在满足成像与通信约束的同时最大化保密速率。

原作者： Mohamed-Amine Lahmeri, Ata Khalili, Yujiao Liu, Anke Schmeink, Robert Schober

发布于 2026-04-14

📖 1 分钟阅读🧠 深度阅读

原作者： Mohamed-Amine Lahmeri, Ata Khalili, Yujiao Liu, Anke Schmeink, Robert Schober

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于**“空中智能哨兵”如何一边“看”（雷达扫描），一边“说”（安全通信），还要时刻提防“潜伏的窃听者”**的故事。

为了让你轻松理解，我们可以把整个系统想象成一个在夜空中巡逻的无人机（ABS），它的任务是把重要情报（数据）安全地传给地面的接收员（UE），同时防止地面有一个**移动的窃听者（Eavesdropper）**偷听。

以下是用通俗语言和比喻对这篇论文核心内容的解读：

1. 核心难题：既要“看”又要“说”，还要防“偷听”

想象一下，无人机在天上飞，它有两个主要任务：

任务 A（通信）： 把情报传给地面朋友。
任务 B（雷达）： 用雷达扫描地面，看看有没有坏人在移动。

难点在于：

时间不够用： 无人机不能同时做这两件事。它必须把时间切分，一会儿用来“看”（雷达扫描），一会儿用来“说”（发数据）。
坏人很狡猾： 这个窃听者不是静止的，他在地上跑来跑去。如果你不知道他在哪，你就没法保护通信安全。
传统方法的局限： 以前的雷达在复杂的地面背景下（比如有很多树木、建筑干扰）很难看清移动的小目标；而且以前的通信方案通常假设知道坏人在哪，但这在现实中很难做到。

2. 解决方案：聪明的“时间分割”策略 (TD-JSARC)

作者提出了一种**“认知型”的解决方案。这就好比无人机有一个超级大脑**，它能根据情况动态调整策略：

像切蛋糕一样切时间： 无人机把整个任务时间切成很多小块（时间帧）。
- 切一大块给雷达（SAR）： 用来盯着坏人，计算他的位置和速度。切得越大，看得越清楚，但留给发数据的时间就少了。
- 切一大块给通信： 用来发数据。
动态调整（认知）： 如果坏人跑得快，大脑就会决定：“多切点时间给雷达，多看他几眼！”如果坏人跑得慢，就少看两眼，多发点数据。这就是**“认知”**的含义——根据环境变化自动调整。

3. 核心技术：如何“看见”移动的坏人？

无人机使用了一种叫**“合成孔径雷达沿轨干涉测量 (SAR ATI)"**的高科技手段。

比喻： 想象无人机上有两只眼睛（天线），它们沿着飞行路线排列。当它们同时看地面时，如果地面有个东西在动，两只眼睛看到的图像会有微小的相位差（就像你左右眼同时看一个移动物体，感觉位置不一样）。
作用： 利用这个差异，无人机可以像**“滤网”**一样，把静止的树木、建筑（杂波）过滤掉，只把移动的窃听者（目标）揪出来，算出他确切的位置和速度。

4. 安全策略：精准“指哪打哪”

一旦无人机算出了坏人大概在哪（虽然有个误差范围，就像画了一个圆圈），它就会采取两个动作来保护通信：

定向发射（波束成形）： 把信号像**“手电筒”**一样，只照向地面的接收员，尽量不照到坏人那边。
人工噪音干扰（Jamming）： 把一部分能量变成**“噪音”，像“扩音器”**一样专门对着坏人那个方向播放刺耳的声音，让坏人听不清真正的信号，而接收员因为离得近且方向对，不受影响。

5. 超级大脑：深度强化学习 (DRL)

这是论文最厉害的地方。因为坏人的移动路线是未知的（可能是直线，可能是绕圈，速度忽快忽慢），传统的数学公式很难算出完美的“切蛋糕”方案。

比喻： 作者没有教无人机死记硬背规则，而是给它装了一个**“游戏 AI 大脑”**（深度强化学习）。
训练过程： 这个 AI 在虚拟环境中玩了几千次游戏。它尝试不同的“看”和“说”的时间分配。
- 如果分配得好，安全得分高，AI 就奖励自己。
- 如果分配得不好（比如坏人跑了没看清，或者数据没发出去），AI 就受到惩罚。
结果： 经过训练，这个 AI 学会了**“直觉”**。即使遇到以前没见过的坏人跑法（比如突然加速或变向），它也能迅速反应过来，自动调整策略，始终保证通信最安全。

6. 实验结果：为什么它赢了？

论文通过模拟实验对比了三种方法：

随机切分： 瞎蒙时间分配（表现最差）。
固定切分： 不管坏人怎么跑，时间分配都一样（表现一般，遇到快跑坏人就抓瞎）。
本文的 AI 方法： 表现最好。
- 适应性强： 坏人跑得越快，它越频繁地切换回雷达模式去追踪。
- 安全性高： 在同样的条件下，它能保证更高的“保密率”（即坏人偷听到的信息最少）。

总结

这篇论文就像是在教一个空中巡逻员如何成为一名全能特工：
它不再死板地执行命令，而是学会了**“眼观六路，耳听八方”**。它利用先进的雷达技术看清移动的敌人，利用人工智能实时决定是“多看两眼”还是“多传点信”，并用精准的干扰手段让敌人变成“聋子”。

这种技术未来可以用于灾后救援通信（环境复杂，坏人难防）或军事侦察，确保在混乱和危险中，关键信息依然能安全送达。

这是一份关于论文《Deep Reinforcement Learning for Cognitive Time-Division Joint SAR and Secure Communications》（基于深度强化学习的认知时分联合 SAR 与安全通信）的详细技术总结。

1. 研究背景与问题定义 (Problem)

背景：
合成孔径雷达（SAR）成像技术可以通过高精度的环境感知来增强无线通信性能。然而，在宽带系统中将感知（Sensing）与通信（Communication）功能有效集成（即 JSARC）仍面临巨大挑战。特别是在空中对地（A2G）通信场景中，传统的定位方法难以准确估计移动窃听者的位置，且常规雷达在强地面杂波下表现不佳。

核心问题：
本文关注一个安全的下行链路通信场景：空中基站（ABS）服务地面用户（UE），同时存在一个地面移动窃听者。
主要挑战包括：

窃听者位置未知且动态变化： 窃听者的轨迹未知，且常规雷达难以在强杂波中分离移动目标。
感知与通信的权衡： 需要分配时间资源给 SAR 感知（以提高定位精度）和通信（以传输数据）。感知时间越长，定位越准，但通信时间越短。
优化复杂性： 需要在满足 SAR 成像质量（如信杂比 SCR）和通信服务质量（最低速率）约束的前提下，联合优化时间分配（感知/通信时隙长度）和功率分配（波束成形与人工噪声），以最大化最坏情况下的保密速率。这是一个非凸混合整数优化问题，且窃听者轨迹未知，传统优化方法难以求解。

2. 方法论 (Methodology)

本文提出了一种**认知时分联合 SAR 与通信（TD-JSARC）框架，并结合深度强化学习（DRL）**进行求解。

A. 系统模型

硬件配置： ABS 配备均匀线性阵列（ULA），其中部分天线用于 SAR 沿轨干涉（ATI）感知，其余用于通信。
感知机制（SAR ATI）： ABS 利用沿飞行轨迹分离的天线接收信号的相位差，从地面杂波中分离并估计移动窃听者的位置和速度。
动态不确定性模型： 基于 SAR 估计的分辨率和窃听者的最大速度/加速度约束，构建了一个随时间演化的圆形“不确定性区域”。ABS 在该区域边界处考虑最坏情况下的窃听者位置。
通信策略：
- 波束成形： 对合法用户采用最大比发射（MRT）。
- 干扰（Jamming）： 向最近估计的窃听者位置发射人工噪声（AN），以干扰其接收。
- 保密速率： 定义为合法用户速率与最坏情况下窃听者速率之差。

B. 问题建模

将联合时间（感知帧数、每帧时长、感知时隙数）和功率（功率分配因子 $\alpha$ ）的优化问题建模为马尔可夫决策过程（MDP）：

状态空间 (State)： 包含当前孔径长度、上次估计的窃听者速度、不确定性区域半径、窃听者与用户的角度差及距离差等。
动作空间 (Action)： 二值化调度动作（ $a[n]=1$ 表示感知， $a[n]=0$ 表示通信）。
奖励函数 (Reward)： 设计为在满足感知质量（SCR）和通信最低速率约束的前提下，最大化平均最坏情况保密速率。若违反约束则给予惩罚。
功率分配处理： 为了简化 DRL 的动作空间，将连续功率分配因子 $\alpha$ 的优化剥离，通过低维的鲁棒优化算法（基于网格搜索的最坏情况计算）在每一步单独求解。

C. 求解算法

采用**近端策略优化（PPO）**算法来训练智能体。
智能体学习根据当前状态（如窃听者运动趋势、不确定性区域大小）动态调整感知与通信的时间比例（S2C 比率）。
该方法不需要预先知道窃听者的轨迹，能够适应未见过的运动模式。

3. 主要贡献 (Key Contributions)

新型框架： 提出了一种认知时分 JSARC 框架，利用 SAR 沿轨干涉（ATI）技术检测并跟踪地面移动窃听者，并据此自适应调整波束成形和人工噪声干扰。
动态不确定性建模： 建立了一个联合考虑 SAR 估计精度和运动学约束（最大速度、加速度）的窃听者位置动态不确定性模型。
基于 DRL 的优化： 将复杂的联合资源分配问题转化为 MDP 问题，提出了一种无需先验轨迹知识的基于学习的解决方案。
鲁棒性与泛化性： 提出的方法不仅优化了特定场景，还能有效泛化到训练集中未出现过的窃听者运动模式。

4. 仿真结果 (Results)

仿真结果基于随机生成的窃听者轨迹进行验证，并与以下基准方案对比：

基准 1： 混合 DRL（联合优化离散时间和连续功率）。
基准 2： 等孔径时间分配（非学习，固定感知/通信比例）。
基准 3： 随机时间分配。

关键发现：

性能优势： 提出的 PPO 方法在所有窃听者速度范围内均实现了最高的平均最坏情况保密速率。特别是在窃听者速度较快时（如 14 m/s），其性能显著优于基准方案（约 3.3 bits/s/Hz vs 2.7 bits/s/Hz）。
自适应行为： 学习到的策略能够根据窃听者的速度动态调整感知频率。当窃听者高速移动时，系统增加感知时隙（S2C 比率升高）以更新位置信息；当移动缓慢时，则增加通信时隙。
泛化能力： 即使在训练时未见过特定速度的振荡轨迹，模型仍能成功满足约束并优化性能。
对比分析： 混合 DRL 因动作空间复杂（离散 + 连续）而表现不佳；固定时间分配方案无法适应动态变化的环境；随机分配效果最差。

5. 意义与价值 (Significance)

解决安全痛点： 为空中对地安全通信提供了一种不依赖完美信道状态信息（CSI）的解决方案，特别适用于窃听者位置未知的关键场景（如灾后通信、监视）。
感知与通信的深度融合： 展示了如何利用 SAR 的高精度感知能力直接赋能通信安全（通过定位干扰），而非简单的功能共存。
认知无线电的演进： 提出的“认知”框架能够实时感知环境变化（窃听者运动）并动态调整资源分配策略，体现了下一代智能通信系统的特征。
算法创新： 通过将复杂的混合整数优化问题转化为 MDP 并利用 DRL 求解，为处理高维、非凸且参数未知的无线资源管理问题提供了新的思路。

综上所述，该论文通过结合先进的 SAR 感知技术与深度强化学习，成功解决了一个极具挑战性的动态安全通信资源分配问题，显著提升了移动窃听环境下的通信保密性。