Resource Allocation for Secure Dual-UAV-Assisted ISAC System
本文提出了一种基于块坐标下降和逐次凸近似的高效迭代算法，通过在各种物理和性能约束下联合优化用户调度、时间分配、发射功率以及无人机轨迹，以最大化双无人机辅助安全集成感知通信（ISAC）系统中的平均保密速率。
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
在孕育着我们现代世界的无形电波中，一场无声的战斗正在持续进行，一方是渴望传递信息的人，另一方则是渴望窃取信息的人。几十年来，通信技术与感知技术（例如探测物体的雷达）一直作为独立的工具运行，各自使用其所属的无线电频谱片段。然而，一种被称为集成感知与通信的新方法正开始融合这两项功能，使单个设备能够同时进行交谈与监听，就像一个人在向朋友说话的同时，也在时刻观察人群中的威胁一样。随着我们的网络变得日益拥挤，这种效率变得至关重要，但它也引入了一个新的漏洞：那些帮助系统感知周围环境的信号，同时也可能向附近的窃听者泄露其秘密。为了保护这些共享信号，研究人员正将目光转向天空，利用无人机（UAV）不仅将其作为飞行的移动基站，更将其作为敏捷的守护者，能够实时移动、感知并干扰入侵者。
一支研究团队最近探索了如何使这种空中防御系统尽可能高效。他们专注于一个涉及两架无人机协同工作的设置：一架充当基站，在高空飞行以与地面用户通信，并同时发出雷达脉冲以定位潜在的间谍；另一架是友方干扰机，负责发射噪声以迷惑该间谍。他们面临的挑战不仅是让无人机飞起来，还要确定它们应该如何移动、使用多少功率以及何时在交谈与监听之间切换，同时还要应对间谍的具体位置可能并不完全精确这一事实。研究人员将间谍的位置视为一个模糊区域而非单一的点，承认在现实世界中，传感器的性能很少是完美的。他们的目标是在确保无人机不会在任务完成前耗尽电池的前提下，最大化地向地面用户安全传输秘密信息的量。
为了解决这个复杂的谜题，该团队开发了一种类似于“大师级规划师”的逐步计算机算法。他们并没有试图一次性计算出所有可能的飞行路径和功率设置——这对任何计算机来说都是过于艰巨的任务——而是将问题分解成更小、更易处理的部分。该算法首先决定基站每一时刻应该与哪个地面用户通信，然后确定在感知间谍与发送数据之间分配时间的比例。接着，它计算精确的功率水平以及干扰机应使用的特定信号波束形状。最后，它绘制出两架无人机的飞行路径，确保它们的移动平滑且高效。该系统不断重复这一循环，通过反复优化方案，直到找到移动方式与设置的最佳组合。在模拟实验中，研究人员在两种不同的环境中测试了这种方法：一种是地面用户聚集在飞行路径的一侧而间谍在另一侧，另一种是用户散布在间谍周围。在两种情况下，该算法都成功引导无人机向用户靠近以改善通信，同时将干扰机无人机定位在间谍附近，以阻断其监听能力。
模拟结果表明，这种协同方法显著优于那些无人机遵循固定路径或使用简单干扰技术的旧方法。研究发现，通过允许干扰机无人机携带多个天线，系统在阻断间谍方面表现得更好，因为额外的天线有助于更精确地聚焦干扰噪声。研究人员还发现，系统对间谍位置的已知准确度非常敏感；当间谍位置的不确定性较大时，整体安全性性能会略有下降，这在如此动态的环境中是预料之中的权衡。此外，模拟还揭示了感知间谍的需求与通信需求之间存在微妙的平衡。如果系统要求极高的感知精度，它必须投入更多的时间和能量进行扫描，这必然会减少发送秘密信息的时间。反之，如果目标纯粹是为了最大化数据传输速度，那么感知的强度可能会变得太弱，无法可靠地追踪入侵者。
最终，这项工作证明，在智能优化算法的引导下，双无人机系统可以为无线通信建立起一道坚实的盾牌。所提出的方法成功应对了电池寿命、速度限制和信息不完全等约束条件，以保持通信的安全。虽然目前的发现是基于计算机模拟而非物理飞行测试，但它们为未来的网络提供了强有力的蓝图。研究人员建议，下一步将是在存在多个间谍和更复杂天气条件下测试这些概念，甚至可能整合地面智能超构表面来辅助反射信号。目前，这项研究证实，通过让无人机进行智能化移动并协同工作，我们可以构建出不仅更快、更高效，而且在面对潜伏在频谱中的无形威胁时更加安全的通信网络。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。