保障无人机感知通信一体化网络:位置不确定条件下针对多个哨兵的鲁棒隐蔽通信
《Physical Communication》:Safeguarding UAV-ISAC Networks: Robust Covert Communications Against Multiple Wardens With Location Uncertainty
【字体:
大
中
小
】
时间:2026年09月18日
来源:Physical Communication 1.9
编辑推荐:
• 为无人机-通感一体化(UAV-ISAC)网络设计了一种鲁棒的隐蔽通信框架。• 考虑了多个共谋哨兵及其位置不确定性。• 设计了一种高效的时隙选择方案以增强隐蔽通信性能。
**引言**
通感一体化(ISAC)是第六代(6G)无线网络的一种新兴范式,其在快速发展的低空经济(
• 为无人机-通感一体化(UAV-ISAC)网络设计了一种鲁棒的隐蔽通信框架。• 考虑了多个共谋哨兵及其位置不确定性。• 设计了一种高效的时隙选择方案以增强隐蔽通信性能。
**引言**
通感一体化(ISAC)是第六代(6G)无线网络的一种新兴范式,其在快速发展的低空经济(LAE)中扮演着尤为重要的角色[1]、[2]、[3]。具体而言,ISAC将感知与通信功能统一到一个共享的无线平台上,通过自适应地管理统一的波形和硬件资源,实现信息传输与环境感知之间的协同增益[4]、[5]、[6]。低空经济的快速增长进一步推动了空中平台(如无人机)的发展,使无人机能够在物流、农业、公共安全和生态观测等多个领域发挥多样化功能[7]。在此背景下,无人机使能的通感一体化(UAV-ISAC)网络因其能够在动态三维空域环境中高效运行的能力而备受关注。借助灵活部署、动态轨迹优化和视距(LoS)通信,UAV-ISAC对于需要实时响应和精确空间感知的任务尤为有价值[8]、[9]、[10]。通过利用ISAC能力,UAV-ISAC网络可以显著提高频谱效率和协调能力,为城市管理、灾害救援和环境监测提供更自适应、更智能的解决方案[11]。
然而,UAV-ISAC网络中无线传播的广播特性以及无人机的视距覆盖,大幅提升了信号被截获的风险,从而阻碍了低空经济的发展。具体而言,UAV-ISAC网络中信号暴露的可能性被显著放大[12]、[13]。例如,被截获的信号可能使敌方推断出敏感信息或发起定向攻击,因此安全且不可检测的传输成为UAV-ISAC网络的必要要求。为缓解这些威胁,物理层安全(PLS)已通过采用安全波束成形、轨迹优化和自适应资源分配等方式进行了研究[14]、[15]。安全通信的最新进展进一步探索了更复杂的物理层设计。例如,针对近场安全通信研究了动态预编码技术,在实现约束条件下提供了有效的安全性能提升方法[16]。与此同时,智能超表面辅助的通感一体化技术也得到了发展,通过灵活的智能超表面设计实现了多目标无线感知性能的提升[17]。然而,PLS主要旨在保护信息内容不被窃听者获取,却忽视了通信行为本身的存在也可能泄露关键信息。特别是,敌方可能通过分析截获的信号模式来推断用户角色、无人机位置或任务意图,这往往比信号内容泄露带来的风险更为严重。因此,对于运行在新兴低空经济范式下的UAV-ISAC网络,隐蔽传输行为和隐私保护成为核心且不可或缺的设计要求。
与PLS不同,隐蔽通信旨在隐藏传输行为本身,从而规避未授权检测,为新兴低空经济环境下的UAV-ISAC网络提供了有效的隐私保护方案[18]、[19]、[20]。通过动态调整飞行轨迹,无人机可以在保持感知性能的同时确保隐私保护通信,从而降低暴露风险[21]、[22]。现有研究主要通过优化无人机轨迹或波束成形来抑制可检测性,其中轨迹规划通常利用环境特征来降低被检测到的概率[23]、[24]。特别是,在全双工UAV-ISAC网络中,联合优化无人机轨迹和波束成形已被证明可以进一步增强复杂运行约束下的隐蔽通信性能[23]。此外,协同的轨迹和波束成形设计可以通过平衡感知需求和隐蔽传输来有效提升UAV-ISAC网络中的隐蔽性[24]。除了传统的基于优化的方法,深度学习的最新进展在动态无线环境中的鲁棒物理层通信方面也展现了巨大潜力[25]。特别是,液态神经网络被应用于鲁棒的连续时波束跟踪,为适应时变无线信道提供了有效的基于学习的解决方案[26]。
然而,关于隐蔽UAV-ISAC网络的大多数现有文献依赖于哨兵位置完全已知和静态运行环境的理想假设,忽视了实际低空经济应用中固有的空间不确定性和多任务需求。这种简化无法解决当无人机必须同时服务多个用户并对多个目标进行感知、同时面临多个哨兵威胁时,通信隐蔽性与感知可靠性之间的根本权衡。为克服这些局限,我们提出了一种鲁棒的隐蔽通信方案,该方案在UAV-ISAC网络中将动态用户调度策略融入一个新的双时标优化框架中。具体而言,在大的CCO时标上,在整个运行周期内对用户调度、隐蔽波束成形和可行的无人机轨迹进行联合优化以实现隐蔽通信。然后,在小的CCS时标上,从轨迹点中选取一个子集作为CCS时隙,无人机在这些时隙中同时执行隐蔽通信和目标感知。与常规设计不同,所提方案明确考虑了由哨兵位置不确定性引起的最坏情况检测风险,并联合考虑通信隐蔽性和感知需求。通过弥合理论隐蔽性与复杂UAV-ISAC网络多方面任务需求之间的差距,本文为高度不确定的UAV-ISAC环境中的隐蔽通信提供了一种弹性解决方案。主要贡献总结如下:
- 我们提出了一种针对UAV-ISAC网络的鲁棒隐蔽通信方案,该方案适用于由多个用户、多个目标和多个哨兵组成的低空经济场景。与现有主要聚焦于完美哨兵位置信息下单用户或单目标场景的研究不同,我们考虑了涉及多个用户、多个目标和具有位置不确定性的多个哨兵的更复杂对抗环境。通过将哨兵位置建模在有界不确定性区域内,我们的工作刻画了在最坏情况检测风险下多目标感知性能与多用户通信隐蔽性之间的权衡。
- 为灵活适应多样化的隐蔽通信和感知任务需求,我们提出了一种双时标优化框架。在大的CCO时标上,在整个任务周期内优化可行的无人机轨迹。基于所得轨迹,在小的CCS时标上选择一个时隙子集用于CCS操作,其余时隙用于CCO操作。在此框架内,采用高效的用户调度策略来缓解多用户干扰并增强隐蔽通信性能。为保护UAV-ISAC网络免受多个哨兵空间不确定性的影响,我们进一步利用S-过程将难以处理的半无穷隐蔽性约束转化为可处理的线性矩阵不等式(LMI),从而在整个哨兵不确定性区域上提供最坏情况性能保证。
- 我们构建了一个联合优化问题,通过联合优化用户调度、无人机轨迹和波束成形来最大化CCO时标上的平均隐蔽速率(ACR)。为求解由此产生的高度耦合且非凸的ACR最大化问题,我们开发了一种高效的交替优化(AO)算法。具体而言,用户调度子问题通过线性松弛来解决,无人机轨迹和隐蔽波束成形则分别使用连续凸近似(SCA)和半定松弛(SDR)技术进行优化。基于CCO时标上得到的无人机轨迹,采用贪心策略根据加权距离度量选择CCS时隙及其对应的无人机位置,随后进行双功能波束成形优化以实现隐蔽通信和目标感知。仿真结果验证了所提方案在平衡感知可靠性和鲁棒隐蔽通信性能方面显著优于基准设计。
**符号说明:**
矩阵用粗体大写字母表示,向量用粗体小写字母表示,标量用标准斜体表示。算子rank(·)、diag(·)和tr(·)分别表示矩阵的秩、对角化和迹。对于复数或复向量,|·|和‖·‖分别表示其绝对值和欧几里得范数。上标(·)^H和(·)^T分别表示共轭转置和转置运算。Var(·)和E(·)分别表示方差和统计期望。C^M×N和R^M×N分别表示M×N大小的复值矩阵和实值矩阵集合,I_M表示M×M单位矩阵。对于厄米特矩阵A,记号A?0表示A是半正定的。
**系统模型**
如图1所示,我们考虑一个由一架无人机、K个通信用户(CU)、W个哨兵和J个随机分布目标组成的UAV-ISAC网络。在所考虑的网络中,无人机在选定时隙与通信用户进行隐蔽通信并执行目标感知。为了阻碍哨兵检测无人机的隐蔽传输,无人机采用发射波束成形并调整其飞行轨迹。具体而言,一个由M个天线组成的均匀线性阵列(ULA)垂直安装……
**双时标优化框架**
在本工作中,通感一体化任务是满足感知性能要求的同时最大化通信用户的平均隐蔽速率(ACR)。为此,我们提出了一种双时标优化框架。具体而言,在大的CCO时标上,无人机在整个任务周期内优化其轨迹、用户调度和隐蔽波束成形,以在抵抗位置不确定的多个哨兵的同时最大化ACR。然后,在小的CCS时标上,从轨迹点中选取N_s个时隙的子集……
**CCO时标优化方案**
为获得CCO时标上ACR最大化问题的优化解,我们首先将问题(P1)解耦为用户调度、隐蔽波束成形和无人机轨迹优化三个子问题。然后分别推导三个子问题的最优解。之后,我们设计一种AO算法迭代优化三个子问题,直到AO算法收敛,从而获得问题(P1)的次优解。
**CCS时标优化方案**
为确保CCS时标上同时满足隐蔽通信和目标感知性能,需要适当确定无人机位置和双功能波束成形。然而,直接联合优化无人机轨迹和双功能波束成形将导致高度耦合且计算困难的优化问题。在本工作中,我们采用距离归一化发射波束模式增益作为可处理的感知质量度量。具体而言,该度量反映了……
**数值结果**
本节展示了所提双时标优化方案的系统性能仿真结果。除非另有说明,采用以下参数。载频设为f_c=3.5 GHz,对应载波波长为λ=c/f_c。路径损耗系数设为β=-30 dB。融合中心的感知样本数设为L=15。通信用户和哨兵的噪声功率设为σ_k^2=σ_e^2=-80 dBm,发射……
**结论**
本文提出了一种面向UAV-ISAC网络鲁棒隐蔽通信的双时标优化框架。我们解决了多用户干扰管理、多目标感知以及具有位置不确定性的空间分布多哨兵的诸多挑战。为保证通感一体化任务的隐私性,我们构建了明确考虑多个共谋哨兵联合检测的最坏情况ACR最大化问题。为处理多哨兵位置不确定性……
**伦理声明**
作者声明本研究不涉及人类或动物受试者。
**CRediT作者贡献声明**
Haowen Yang:写作—原稿撰写、可视化、验证、软件、方法论、调查、形式化分析、概念化。Yimei Han:写作—审阅与编辑、验证、调查。Yuan Liu:写作—审阅与编辑、验证、方法论。Shuobo Xu:写作—审阅与编辑、验证。Zhiquan Bai:写作—审阅与编辑、监督、方法论。Hongwu Liu:写作—审阅与编辑、监督、项目管理、经费获取。
**利益冲突声明**
作者声明他们没有已知的竞争性经济利益或可能影响本文所报告工作的个人关系。
Haowen Yang | Yimei Han | Yuan Liu | Shuobo Xu | Zhiquan Bai | Hongwu Liu
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号