CN116744344A - 一种通信监测优化方法、装置、***及存储介质 - Google Patents
一种通信监测优化方法、装置、***及存储介质 Download PDFInfo
- Publication number
- CN116744344A CN116744344A CN202311022276.5A CN202311022276A CN116744344A CN 116744344 A CN116744344 A CN 116744344A CN 202311022276 A CN202311022276 A CN 202311022276A CN 116744344 A CN116744344 A CN 116744344A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- optimization
- full
- vector
- aerial vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 141
- 238000005457 optimization Methods 0.000 title claims abstract description 97
- 238000004891 communication Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000013598 vector Substances 0.000 claims abstract description 92
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
- H04K3/00—Jamming of communication; Counter-measures
- H04K3/60—Jamming involving special techniques
- H04K3/65—Jamming involving special techniques using deceptive jamming or spoofing, e.g. transmission of false signals for premature triggering of RCIED, for forced connection or disconnection to/from a network or for generation of dummy target signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/14—Two-way operation using the same type of signal, i.e. duplex
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种通信监测优化方法、装置、***及存储介质，属于无线通信监测技术领域，包括以监测容量为优化指标、以全双工无人机发射功率限制为约束条件对全双工无人机主动监测优化问题进行求解，获得监测容量最大化下全双工无人机的最优接收波束成形向量和最优人工噪声向量；将最优接收波束成形向量和最优人工噪声向量通过波束成形技术融合为人工噪声；发送人工噪声，以诱导通信***中的可疑发送端调整数据发送功率，通过预构建的全双工无人机主动监测信道模型截获通信***中的可疑传输信息，实现通信监测优化；本发明能够提高监测性能。
Description
技术领域
本发明涉及一种通信监测优化方法、装置、***及存储介质，属于无线通信监测技术领域。
背景技术
随着无线通信技术的快速发展，利用无线通信设备从事危害公共安全的活动日趋增多，给无线通信监测带来了前所未有的挑战。当前传统地面无线监测技术主要采用被动监测方法，已难以有效应对当前非法无线通信设备位置移动多变、环境地形复杂等场景下的无线监测应用。针对该问题，无人机因其高度的移动性、低廉的运行成本、快速适应特殊场景、理想的视距信道等优点，为搭建具有高移动性、快反应的无线主动监测平台提供了一种可行技术方案；但现有技术中仍存在监测性能较差的问题。
发明内容
本发明的目的在于提供一种通信监测优化方法、装置、***及存储介质，解决现有技术中存在的监测性能较差的问题。
为实现以上目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种通信监测优化方法，包括：
以监测容量为优化指标、以全双工无人机发射功率限制为约束条件对全双工无人机主动监测优化问题进行求解，获得监测容量最大化下全双工无人机的最优接收波束成形向量和最优人工噪声向量；
将所述最优接收波束成形向量和最优人工噪声向量通过波束成形技术融合为人工噪声；
发送人工噪声，以诱导通信***中的可疑发送端调整数据发送功率，通过预构建的全双工无人机主动监测信道模型截获所述通信***中的可疑传输信息，实现通信监测优化。
结合第一方面，进一步的，所述监测容量的表达式为：
；
其中，R e 是监测容量，C u 是无人机的监测链路的信道容量，C d 是通信***中可疑链路的最大信道容量；
；
；
其中，P s 是可疑发送端的数据发送功率，w r 是接收波束成形向量，h su 和h ud 是全双工无人机分别与两个可疑地面用户之间的信道向量，H uu 是全双工无人机自干扰信道矩阵，v是人工噪声向量，是全双工无人机节点的噪声方差，/>是可疑接收端噪声方差，h sd 是可疑地面用户之间信道系数，H表示共轭转置。
结合第一方面，进一步的，所述全双工无人机主动监测优化问题包括相互独立的接收波束成形向量优化子问题和人工噪声向量优化子问题；
所述接收波束成形向量优化子问题的函数表达式如下：
；
s.t. ；
所述人工噪声向量优化子问题的函数表达式如下：
；
s.t. ；
；
其中，C u 是全双工无人机的监测链路的信道容量，C d 是通信***中可疑链路的最大信道容量，w r 是接收波束成形向量，v是人工噪声向量，是全双工无人机的最大发送功率。
结合第一方面，进一步的，所述对全双工无人机主动监测优化问题进行求解包括：采用广义瑞丽熵定理获得所述接收波束成形向量优化子问题的最优解；
所述最优解的闭合表达式如下：
；
其中，是最优接收波束成形向量，H uu 是全双工无人机自干扰信道矩阵，/>是全双工无人机节点的噪声方差，h su 是全双工无人机与可疑地面用户之间的信道向量，H表示共轭转置，/>是维度为/>的单位矩阵，L r 是全双工无人机的接收天线数量。
结合第一方面，进一步的，所述全双工无人机自干扰信道矩阵通过以下公式计算：
；
其中，i和j表示接收天线阵列的元素序号和发射天线阵列的元素序号，r ij 表示第i个接收天线阵列元素和第j个发射天线阵列元素之间的距离，表示当单位距离/>为1m时的信道功率增益，/>表示信号的波长。
结合第一方面，进一步的，所述对全双工无人机主动监测优化问题进行求解包括：对所述人工噪声向量优化子问题进行求解，具体包括：
采用惩罚连续凸近似方法将人工噪声向量优化子问题转化为凸形式问题：
基于全双工无人机的接收天线数量和发射天线数量、可疑发送端发射功率、全双工无人机最大发射功率和收敛系数，利用可行解算法求得各个变量的初始可行解，根据初始化可行解初始化人工噪声矩阵和辅助变量；
将初始化人工噪声矩阵和辅助变量代入所述凸形式问题，得到解；
若当前迭代监测容量和上一次迭代监测容量的差值的绝对值大于所述迭代精度，则将所述解代入所述凸形式问题进行迭代；否则，认为求解过程达到收敛，将所述解作为最优解，得到最优人工噪声向量。
第二方面，本发明还提供了一种通信监测优化装置，包括：
向量优化模块，被配置为：以监测容量为优化指标、以全双工无人机发射功率限制为约束条件对全双工无人机主动监测优化问题进行求解，获得监测容量最大化下全双工无人机的最优接收波束成形向量和最优人工噪声向量；
向量融合模块，被配置为：将所述最优接收波束成形向量和最优人工噪声向量通过波束成形技术融合为人工噪声；
通信监测优化模块，被配置为：发送人工噪声，以诱导通信***中的可疑发送端调整数据发送功率，通过预构建的全双工无人机主动监测信道模型截获所述通信***中的可疑传输信息，实现通信监测优化。
结合第二方面，进一步的，
所述全双工无人机主动监测优化问题包括相互独立的接收波束成形向量优化子问题和人工噪声向量优化子问题。
第三方面，本发明还提供了一种通信监测优化***，包括：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述***执行实现如第一方面中任一项所述的通信监测优化方法的操作。
第四方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如第一方面中任一项所述的通信监测优化方法。
与现有技术相比，本发明所达到的有益效果是：
本发明提供的一种通信监测优化方法、装置、***及存储介质，充分利用了全双工无人机的技术优势，解决了传统监测易受环境、位置等因素影响的问题；本发明还提出了基于惩罚连续凸近似方法的迭代优化算法，与现有技术相比，该算法在有限次迭代下能够收敛到原始问题的最优解，有效提高了监测性能。
附图说明
图1是本发明实施例提供的一种通信监测优化方法的流程图；
图2是本发明实施例提供的主动监测***的示意图；
图3是本发明实施例提供的基于惩罚连续凸近似方法的迭代优化算法的流程图；
图4是本发明实施例提供的不同对比方案下的监测速率随可疑发送端的最大数据发送功率变化对比图；
图5是本发明实施例提供的不同天线数量的监测速率随全双工无人机的最大发送功率变化图。
具体实施方式
下面结合附图对本发明作进一步描述，以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本发明方法在如图2所示的主动监测***中进行试验，图2中可疑发送端S和可疑接收端D都配备一根天线，合法的全双工无人机U采用均匀平面天线阵列和人工噪声技术对可疑发送端和可疑接收端之间的非法通信进行监测，其中，全双工无人机U配备根接收天线和/>根发送天线。其中，/>和/>分别表示接收均匀平面阵列的行天线数和列天线数，/>和/>分别表示发射均匀平面阵列的行天线数和列天线数。
如图1所示，本发明实施例提供了一种通信监测优化方法，包括以下步骤：
S1、以监测容量为优化指标、以全双工无人机发射功率限制为约束条件对全双工无人机主动监测优化问题进行求解，获得监测容量最大化下全双工无人机的最优接收波束成形向量和最优人工噪声向量。
全双工无人机与地面通信链路可视为视距链路，基于平面天线阵列的全双工无人机空-地信道模型可建立为：
；
；
其中，表示当单位距离/>时的信道功率增益，/>和/>分别表示可疑发送端和可疑接收端与无人机之间的距离，/>和/>分别表示无人机接收均匀平面阵列方向矢量和发射均匀平面阵列方向矢量，/>和/>可分别表示为：
；
；
其中，，/>，/>，/>。/>和/>分别表示接收均匀平面阵列中某个天线元素的行和列，/>和/>分别表示发射均匀平面阵列中某个天线元素的行和列。/>和/>分别表示可疑发送端与无人机之间的俯仰角和方位角，/>和/>分别表示可疑接收端与无人机之间的俯仰角和方位角。
地面信道可视为独立瑞利衰落，将地面可疑信道模型建立为：
；
其中，表示可疑发送端到可疑接收端之间的距离，/>为路径损耗系数，/>，/>为满足均值为0、方差为1的随机变量。
考虑全双工无人机可搭载的平面阵较小，自干扰信道采用近场模型：
；
其中，H uu 是全双工无人机自干扰信道矩阵，i和j分别表示接收天线阵列的元素序号和发射天线阵列的元素序号，r ij 表示第i个接收天线阵列元素和第j个发射天线阵列元素之间的距离，表示当单位距离/>为1m时的信道功率增益，/>表示信号的波长，/>，/>。
监测链路的信道容量和可疑链路的最大信道容量可分别表示为：
；
；
其中，表示其关于随机变量/>的数学期望，可疑接收端和合法监测无人机处的信干噪比/>和/>分别为：
；
；
其中，为可疑发送端的数据发送功率，/>为可疑接收端的噪声方差，/>为无人机节点的噪声方差，/>是可疑接收端的噪声方差，/>为接收波束成形向量，/>为人工噪声向量，/>表示共轭转置。
在本发明实施例中，配置多个接收天线和多个发射天线的全双工无人机，采用主动监听方案监测地面用户可疑通信。在此过程中，无人机可获取全局信道状态信息。
基于信息论原理，无人机在监测链路信道容量优于可疑链路信道容量的情况下，可获得充足信息量解码可疑端信号，实现有效监测。然而，当可疑链路信道容量优于监测链路信道容量时，无人机获得的信息量无法支持对可疑端通信信号的解码，导致监测失败。因此，无人机的监测容量可定义为：
；
其中，R e 是监测容量，C u 是无人机的监测链路的信道容量，C d 是通信***中可疑链路的最大信道容量；
；
；
其中，h su 和h ud 分别表示全双工无人机与两个可疑地面用户之间的信道向量，h sd 是可疑地面用户之间信道系数。
为了成功监测，需要满足监测链路信道容量大于等于可疑链路信道容量，即，此时监测***的监测速率即/>。因此，构建以监测容量为优化指标的接收波束成形向量和人工噪声向量的联合优化问题：
；
s.t. ；
；
；
其中，表示全双工无人机的最大发送功率，三个约束条件从上往下依次是：成功监测的约束条件、全双工无人机最大干扰功率限制和接收波束成形向量的模一约束。
可先求得接收波束成形向量的闭合表达式，在此基础上采用连续凸近似和惩罚函数方法，将原始问题转化为凸问题，具体如下：
在上述联合优化问题中，仅影响/>中的/>，/>最优解可通过最大化/>获得，因此，由广义瑞丽熵定理可获得/>最优解的闭合表达式：
；
其中，是最优接收波束成形向量，/>是维度为/>的单位矩阵，L r 是全双工无人机的接收天线数量。
将代入优化问题，表现为复杂的非凸问题，可表示为：
；
s.t. ；
；
；
其中，，/>，/>，/>,，/>，以上符号/>、/>、/>、/>、/>和/>表示对公式中符号的简化，/>表示矩阵/>的迹，/>表示矩阵/>的秩。
由于约束条件和秩一约束的非凸特性，引入辅助变量并将/>项引入优化目标作为惩罚项，采用连续凸近似法，将优化问题转化为：
；
s.t. ；
；
；
；
；
；
其中，，，/>，/>表示•的最大特征值，/>表示/>的单位范数特征向量，/>为惩罚系数，a，b，c，d为优化问题引入的辅助变量，/>，/>，/>，/>表示初始解。
设计一种有效收敛的迭代算法，获得以监测容量最大化为优化目标的最优接收波束成形向量和最优人工噪声向量。优化算法如图3所示，包括以下步骤：
步骤1：首先设置无人机的接收和发射天线数量与/>，可疑发送端的数据发送功率为/>，无人机的最大发送功率/>，收敛系数/>，迭代精度/>等参数。
步骤2：利用可行解算法求得各个变量的初始可行解，基于初始可行解初始化人工噪声矩阵，辅助变量{/>}，n表示第n次迭代。
步骤3：将代入优化问题求解，得到。
步骤4：当时，将所得解继续代入步骤3迭代，反之则算法达到收敛，停止迭代。
步骤5：得到优化问题的最优解。
步骤6：可通过计算得到最优人工噪声向量和最优接收波束成形向量：，/>。
S2、将所述最优接收波束成形向量和最优人工噪声向量通过波束成形技术融合为人工噪声。
S3、发送人工噪声，以诱导通信***中的可疑发送端调整数据发送功率，通过预构建的全双工无人机主动监测信道模型截获所述通信***中的可疑传输信息，实现通信监测优化。
图4展示了不同方案下，主动监测速率随着可疑端最大发射功率的变化关系图。从图中可以看出，被动监测方案的监测速率始终为零，因为该方案无法主动干扰可疑端。而持续干扰方案由于不能适当地控制干扰效果，导致监测速率一直处于较低水平。相比之下，本发明提出的方案能够自适应地调节人工噪声对可疑端的干扰效果，因此具有较好的监测性能，其监测速率随着可疑发送端的数据发送功率的增加而快速增长。此外，本发明提出的方案与消除自干扰方案的监测速率几乎相同，说明本发明提出的优化算法能够有效地抑制自干扰，从而显著提升了监测性能。
图5是不同天线数量情况下主动监测速率与全双工无人机最大发送功率的关系图，从图中我们可以看出，天线数量越多全双工无人机可实现的监测性能越好。当天线数量较少时，全双工无人机需要较高的干扰功率才能实现监测，同时可实现的监测速率也较低；当天线数量较多时，全双工无人机只需要较低的发送功率就能实现较高的监测速率，同时人工噪声向量自由度也较大，可以更好地控制全双工无人机的自干扰。因此，全双工无人机可以通过波束成形技术在自干扰抑制与监测之间达到一个平衡，从而获得较好的监测效果。
实施例2
本发明实施例还提供了一种通信监测优化装置，包括：
向量优化模块，被配置为：以监测容量为优化指标、以全双工无人机发射功率限制为约束条件对全双工无人机主动监测优化问题进行求解，获得监测容量最大化下全双工无人机的最优接收波束成形向量和最优人工噪声向量；
向量融合模块，被配置为：将所述最优接收波束成形向量和最优人工噪声向量通过波束成形技术融合为人工噪声；
通信监测优化模块，被配置为：发送人工噪声，以诱导通信***中的可疑发送端调整数据发送功率，通过预构建的全双工无人机主动监测信道模型截获所述通信***中的可疑传输信息，实现通信监测优化。
实施例3
本发明实施例还提供了一种通信监测优化***，包括：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述***执行实现如下述的通信监测优化方法的操作：
以监测容量为优化指标、以全双工无人机发射功率限制为约束条件对全双工无人机主动监测优化问题进行求解，获得监测容量最大化下全双工无人机的最优接收波束成形向量和最优人工噪声向量；
将所述最优接收波束成形向量和最优人工噪声向量通过波束成形技术融合为人工噪声；
发送人工噪声，以诱导通信***中的可疑发送端调整数据发送功率，通过预构建的全双工无人机主动监测信道模型截获所述通信***中的可疑传输信息，实现通信监测优化。
实施例4
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如下述的通信监测优化方法：
以监测容量为优化指标、以全双工无人机发射功率限制为约束条件对全双工无人机主动监测优化问题进行求解，获得监测容量最大化下全双工无人机的最优接收波束成形向量和最优人工噪声向量；
将所述最优接收波束成形向量和最优人工噪声向量通过波束成形技术融合为人工噪声；
发送人工噪声，以诱导通信***中的可疑发送端调整数据发送功率，通过预构建的全双工无人机主动监测信道模型截获所述通信***中的可疑传输信息，实现通信监测优化。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（***）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种通信监测优化方法，其特征在于，包括：
以监测容量为优化指标、以全双工无人机发射功率限制为约束条件对全双工无人机主动监测优化问题进行求解，获得监测容量最大化下全双工无人机的最优接收波束成形向量和最优人工噪声向量；
将所述最优接收波束成形向量和最优人工噪声向量通过波束成形技术融合为人工噪声；
发送人工噪声，以诱导通信***中的可疑发送端调整数据发送功率，通过预构建的全双工无人机主动监测信道模型截获所述通信***中的可疑传输信息，实现通信监测优化。
2.根据权利要求1所述的通信监测优化方法，其特征在于，所述监测容量的表达式为：
；
其中，R e 是监测容量，C u 是无人机的监测链路的信道容量，C d 是通信***中可疑链路的最大信道容量；
；
；
其中，P s 是可疑发送端的数据发送功率，w r 是接收波束成形向量，h su 和h ud 是全双工无人机分别与两个可疑地面用户之间的信道向量，H uu 是全双工无人机自干扰信道矩阵，v是人工噪声向量，是全双工无人机节点的噪声方差，/>是可疑接收端噪声方差，h sd 是可疑地面用户之间信道系数，H表示共轭转置。
3.根据权利要求1所述的通信监测优化方法，其特征在于，所述全双工无人机主动监测优化问题包括相互独立的接收波束成形向量优化子问题和人工噪声向量优化子问题；
所述接收波束成形向量优化子问题的函数表达式如下：
；
s.t. ；
所述人工噪声向量优化子问题的函数表达式如下：
；
s.t. ；
；
其中，C u 是全双工无人机的监测链路的信道容量，C d 是通信***中可疑链路的最大信道容量，w r 是接收波束成形向量，v是人工噪声向量，是全双工无人机的最大发送功率。
4.根据权利要求3所述的通信监测优化方法，其特征在于，所述对全双工无人机主动监测优化问题进行求解包括：采用广义瑞丽熵定理获得所述接收波束成形向量优化子问题的最优解；
所述最优解的闭合表达式如下：
；
其中，是最优接收波束成形向量，H uu 是全双工无人机自干扰信道矩阵，/>是全双工无人机节点的噪声方差，h su 是全双工无人机与可疑地面用户之间的信道向量，H表示共轭转置，/>是维度为/>的单位矩阵，L r 是全双工无人机的接收天线数量。
5.根据权利要求4所述的通信监测优化方法，其特征在于，所述全双工无人机自干扰信道矩阵通过以下公式计算：
；
其中，i和j表示接收天线阵列的元素序号和发射天线阵列的元素序号，r ij 表示第i个接收天线阵列元素和第j个发射天线阵列元素之间的距离，表示当单位距离/>为1m时的信道功率增益，/>表示信号的波长。
6.根据权利要求3所述的通信监测优化方法，其特征在于，所述对全双工无人机主动监测优化问题进行求解包括：对所述人工噪声向量优化子问题进行求解，具体包括：
采用惩罚连续凸近似方法将人工噪声向量优化子问题转化为凸形式问题：
基于全双工无人机的接收天线数量和发射天线数量、可疑发送端发射功率、全双工无人机最大发射功率和收敛系数，利用可行解算法求得各个变量的初始可行解，根据初始化可行解初始化人工噪声矩阵和辅助变量；
将初始化人工噪声矩阵和辅助变量代入所述凸形式问题，得到解；
若当前迭代监测容量和上一次迭代监测容量的差值的绝对值大于所述迭代精度，则将所述解代入所述凸形式问题进行迭代；否则，认为求解过程达到收敛，将所述解作为最优解，得到最优人工噪声向量。
7.一种通信监测优化装置，其特征在于，包括：
向量优化模块，被配置为：以监测容量为优化指标、以全双工无人机发射功率限制为约束条件对全双工无人机主动监测优化问题进行求解，获得监测容量最大化下全双工无人机的最优接收波束成形向量和最优人工噪声向量；
向量融合模块，被配置为：将所述最优接收波束成形向量和最优人工噪声向量通过波束成形技术融合为人工噪声；
通信监测优化模块，被配置为：发送人工噪声，以诱导通信***中的可疑发送端调整数据发送功率，通过预构建的全双工无人机主动监测信道模型截获所述通信***中的可疑传输信息，实现通信监测优化。
8.根据权利要求7所述的通信监测优化装置，其特征在于，所述全双工无人机主动监测优化问题包括相互独立的接收波束成形向量优化子问题和人工噪声向量优化子问题。
9.一种通信监测优化***，其特征在于，包括：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述***执行实现如权利要求1-6中任一项所述的通信监测优化方法的操作。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的通信监测优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311022276.5A CN116744344B (zh) | 2023-08-15 | 2023-08-15 | 无人机主动通信监测优化方法、装置、***及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311022276.5A CN116744344B (zh) | 2023-08-15 | 2023-08-15 | 无人机主动通信监测优化方法、装置、***及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116744344A true CN116744344A (zh) | 2023-09-12 |
| CN116744344B CN116744344B (zh) | 2023-11-14 |
Family
ID=87908337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311022276.5A Active CN116744344B (zh) | 2023-08-15 | 2023-08-15 | 无人机主动通信监测优化方法、装置、***及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116744344B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190093363A (ko) * | 2018-02-01 | 2019-08-09 | 국방과학연구소 | 다중 그룹 멀티캐스트 시스템의 빔포밍 방법 및 빔포밍 장치 |
| CN111010223A (zh) * | 2019-12-17 | 2020-04-14 | 北京航空航天大学 | 一种毫米波全双工无人机通信中继传输方法 |
| CN112954690A (zh) * | 2021-01-22 | 2021-06-11 | 西北工业大学 | 基于空基可重构智能表面的抗干扰方法及*** |
| CN114268355A (zh) * | 2021-11-16 | 2022-04-01 | 南京邮电大学 | 一种面向全双工无人机通信基站的低能耗鲁棒安全优化方法及*** |
| CN115189801A (zh) * | 2022-06-29 | 2022-10-14 | 安徽农业大学 | 一种无人机网络中人工噪声增强的隐蔽通信设计方法 |
| CN115694602A (zh) * | 2022-09-26 | 2023-02-03 | 电子科技大学 | 一种毫米波全双工无人机通信***的联合优化方法 |
| US20230179285A1 (en) * | 2021-08-12 | 2023-06-08 | Dalian University Of Technology | Design method of high energy efficiency unmanned aerial vehicle (uav) communication system assisted by intelligent reflecting surface |
| WO2023109108A1 (zh) * | 2021-12-16 | 2023-06-22 | 中国矿业大学 | 基于全双工中继的uav空中计算***及轨迹和功率优化方法 |
| CN116388837A (zh) * | 2023-03-13 | 2023-07-04 | 北京科技大学 | 基于毫米波的全双工无人机中继通信***资源分配方法 |
-
2023
- 2023-08-15 CN CN202311022276.5A patent/CN116744344B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190093363A (ko) * | 2018-02-01 | 2019-08-09 | 국방과학연구소 | 다중 그룹 멀티캐스트 시스템의 빔포밍 방법 및 빔포밍 장치 |
| CN111010223A (zh) * | 2019-12-17 | 2020-04-14 | 北京航空航天大学 | 一种毫米波全双工无人机通信中继传输方法 |
| WO2021120425A1 (zh) * | 2019-12-17 | 2021-06-24 | 北京航空航天大学 | 一种毫米波全双工无人机通信中继传输方法 |
| CN112954690A (zh) * | 2021-01-22 | 2021-06-11 | 西北工业大学 | 基于空基可重构智能表面的抗干扰方法及*** |
| US20230179285A1 (en) * | 2021-08-12 | 2023-06-08 | Dalian University Of Technology | Design method of high energy efficiency unmanned aerial vehicle (uav) communication system assisted by intelligent reflecting surface |
| CN114268355A (zh) * | 2021-11-16 | 2022-04-01 | 南京邮电大学 | 一种面向全双工无人机通信基站的低能耗鲁棒安全优化方法及*** |
| WO2023109108A1 (zh) * | 2021-12-16 | 2023-06-22 | 中国矿业大学 | 基于全双工中继的uav空中计算***及轨迹和功率优化方法 |
| CN115189801A (zh) * | 2022-06-29 | 2022-10-14 | 安徽农业大学 | 一种无人机网络中人工噪声增强的隐蔽通信设计方法 |
| CN115694602A (zh) * | 2022-09-26 | 2023-02-03 | 电子科技大学 | 一种毫米波全双工无人机通信***的联合优化方法 |
| CN116388837A (zh) * | 2023-03-13 | 2023-07-04 | 北京科技大学 | 基于毫米波的全双工无人机中继通信***资源分配方法 |
Non-Patent Citations (6)
| Title |
|---|
| JIAN OUYANG等: ""Achieving Secrecy Energy Efficiency Fairness in UAV-Enabled Multi-User Communication Systems"", 《IEEE WIRELESS COMMUNICATIONS LETTERS》, vol. 11, no. 5, XP011908048, DOI: 10.1109/LWC.2022.3149779 * |
| LILI GUO: ""Energy-efficient full-duplex UAV relaying with trajectory optimization and power control in maritime communication environments"", 《CHINA COMMUNICATIONS》, vol. 19, no. 12, XP011930158, DOI: 10.23919/JCC.2022.12.002 * |
| PEIPEI CHEN等: ""Secure Beamforming and Artificial Noise Design in Full-Duplex Wireless-Powered Relay Networks"", 《2019 IEEE 11TH INTERNATIONAL CONFERENCE ON COMMUNICATION SOFTWARE AND NETWORKS (ICCSN)》 * |
| SHEN YI等: ""Full-Duplex UAV Legitimate Surveillance System against a Suspicious Source with Artificial Noise"", 《WIRELESS COMMUNICATIONS AND MOBILE COMPUTING》 * |
| 许魁丽等: ""无线携能通信***中基于人工噪声的波束成形算法研究"", 《计算机应用研究》, vol. 34, no. 11 * |
| 郭焱等: ""采用混合多址技术的卫星***反向链路遍历容量分析"", 《南京邮电大学学报(自然科学版)》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116744344B (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109617584B (zh) | 一种基于深度学习的mimo***波束成形矩阵设计方法 | |
| US8374650B2 (en) | Methods for optimal collaborative MIMO-SDMA | |
| Razavi et al. | Performance analysis of interference alignment under CSI mismatch | |
| Khodier et al. | Beamforming and power control for interference reduction in wireless communications using particle swarm optimization | |
| Wang et al. | Multipair two-way relay network with harvest-then-transmit users: Resolving pairwise uplink-downlink coupling | |
| CN112994770B (zh) | 基于部分csi的ris辅助多用户下行鲁棒无线传输方法 | |
| KR102235686B1 (ko) | Ｍｉｍｏ 기반 신호 간섭 제거 방법 | |
| Kwon et al. | Joint beamforming and power splitting for wideband millimeter wave SWIPT systems | |
| CN114567397B (zh) | 一种无线通信***安全符号级预编码方法 | |
| CN116744344B (zh) | 无人机主动通信监测优化方法、装置、***及存储介质 | |
| KR102027674B1 (ko) | 강화 학습 기반 다중 안테나 송수신단의 i/q 불균형 파라미터 추정 방법 및 시스템 | |
| CN117938276A (zh) | 一种统一的通信感知一体化信号设计方法及*** | |
| Hakimi et al. | Sum rate maximization of full-duplex MIMO monostatic backscatter networks under residual self-interference | |
| Aziz et al. | Robust beamforming with channel uncertainty for two-way relay networks | |
| CN116760439A (zh) | 一种基于雷达通信一体化***的鲁棒波束成形方法 | |
| Hawej et al. | Iterative weighted nuclear norm minimization-based channel estimation for massive multi-user MIMO systems | |
| Khaleelahmed et al. | Priority based scheduling for energy efficient power allocation in MIMO-NOMA system with multiple users | |
| Manchón et al. | Ping-pong beam training with hybrid digital-analog antenna arrays | |
| KR102570773B1 (ko) | 복수의 무선 신호들을 컴바이닝하는 방법 및 장치 | |
| Bereyhi et al. | Iterative antenna selection for secrecy enhancement in massive MIMO wiretap channels | |
| Andrei et al. | Sensing-Assisted Receivers for Resilient-By-Design 6G MU-MIMO Uplink | |
| CN117119498B (zh) | 一种反馈受限下ris辅助的通信***下行传输方法及装置 | |
| KR102110493B1 (ko) | 무선 네트워크에서 밀리미터파 기반 통신 방법 및 장치들 | |
| Feng et al. | A universal hybrid precoding scheme for massive MIMO communications | |
| CN114301567B (zh) | 一种基于人工噪声的通信方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |