-
随着5G通信的迅速发展,车联网(vehicle-to-everything, V2X)中的车辆可以与海量设备建立通信,实现更安全、低廉、智能、互联和自主的交通系统[1]。为保证海量设备的接入不影响车辆与其他网络节点之间的通信,V2X对时延、功耗和覆盖能力都有着严格的要求。因此如何实现低功耗、高可靠性和低延迟数据传输成为未来车载通信网络发展的关键[2]。大规模多输入多输出(multiple input multiple output, MIMO)技术可满足5G无线网络更高的吞吐量及低接入延迟的需求[3],但其应用也面临着硬件复杂度和成本高的问题。并且车载通信系统中车辆快速变化的拓扑结构以及开放的传输环境使得车联网的安全防护非常困难[4],大量车载用户的信息容易受到恶意用户攻击,导致车载用户数据信息被窃取。因此,亟需新的且低成本高效益的安全方案来防止传输信息被窃听[5]。可重构智能表面(reconfigurable intelligent surface, RIS)与现有技术如放大转发(amplify-and-forward, AF)中继相比,RIS以全双工(full-duplex, FD)模式工作,不会产生自干扰和热噪声,而且其硬件成本和能耗大大降低[6]。RIS因其绿色、高频谱和能源效率且具有成本效益等优点成为5G无线通信网络新技术。此外,还可以作为绿色干扰协作车载无线通信,使物理层安全(physical layer security, PLS)技术更加高效,是提高PLS技术性能的有效解决方案。
在城市交通环境中,大规模天线的位置和配置变化使得传播链路更加复杂,为克服无线通信系统传输场景中某些不可控因素的影响,利用RIS自由调控智能反射面的高度以及大量价格低廉的反射元件改变无线传播环境,进而达到提高信道容量、降低点对点通信功耗以及提高频谱效率的目的[7],还可以通过控制无线传播环境使信号朝着目标方向反射,提升信息传输的安全性和可靠性[8]。文献[9]研究RIS辅助无线通信系统存在窃听用户情况下的保密性能,以量化使用RIS在保密中断概率方面获得的增益。由于RIS无需使用发射射频链且仅在短距离内运行,因此将RIS技术应用于无线通信环境中,应严格解决因传输距离较远造成车载通信无直接传输能力节点的问题,可以采用中继协作技术来提高通信网络的覆盖能力和通信质量[10-11]。文献[10]分析RIS充当中继器的V2V通信和RIS充当接收器的V2I场景的情况,以安全中断概率(secrecy outage probability, SOP)为目标建立优化函数,导出SOP闭式表达式,提高了无线系统的安全性能。文献[11]研究了存在窃听者的情况下,在瑞利衰落信道上分析了FD中继辅助RIS无线通信的PLS性能,推导出的分析封闭形式和渐近SOP显示利用RIS增强了无线通信系统的保密性能。
车载通信系统中引入辅助无人机(unmanned aerial vehicle, UAV)来克服高楼遮挡等复杂地形的影响,使通信基站和远距离车辆可以间接通信[12]。且UAV可以为空地通信建立视距(line-of-sight, LoS)无线链路,相较传统的非视距(non-line-of-sight, NLoS)地面通信,系统性能得到了显著的提升。同时UAV部署方便,可以与任意节点灵活通信[13]。文献[14]采用基于级联通道设计的线性预编码器,对RIS处的相移进行优化,提出交替算法来迭代更新RIS的相移,进而解决潜在的相移优化问题,以达到存在被动窃听者的情况下最大化可实现保密率的目的。然而,UAV与地面节点之间LoS传输的理想信道模型明显局限于特殊场景,不适用于复杂的城市交通环境。文献[15]分析了复杂城市场景下的保密率最大化问题,提出交替优化和逐次凸逼近方法的迭代算法作为解决方案,该方案提高了系统保密性能。但是,UAV机动性使得信道状态信息(channel status information, CSI)极易改变,由此文献[16]研究了在不完美信道状态信息下,由RIS辅助毫米波无人机通信中的数据安全传输。利用深度确定性策略梯度框架,提出了一种全新且有效的双DDPG(deep deterministic policy gradient)深度强化学习算法。通过对UAV的主动波束形成、RIS元素的系数和UAV轨迹共同设计,最大化所有合法用户的总保密率。但上述UAV并未作为中继建立用户之间的通信,无法实现更大的覆盖范围和更高的系统容量。而随着未来智能交通系统(intelligent transportation system, ITS)中可视化的更多功能升级、更高级服务的支持,5G网络设备大规模的接入必然会消耗车载通信网络更多的频谱和时间资源。
综合以上考虑,针对车载通信设备数量的大幅增加使得车载网络信息传输速率降低,以及固定的UAV中继在位置选择灵活度上存在缺陷等问题,采用移动的UAV作为中继,在传输功率固定的情况下,提出一种以提高车载传输速率为目标的交替迭代算法来优化UAV中继轨迹。首先,该算法根据平均传输速率最大化的轨迹设计得到一个非凸优化问题;其次,采用序列凸规划(sequential convex programming, SCP)的方法并引入松弛变量来解决非凸问题;最终计算得到平均传输速率最大化的UAV飞行轨迹。此外,针对车载通信系统存在安全威胁的问题,提出一种RIS辅助UAV中继车载通信系统的安全传输方案,通过降低窃听用户信道容量来降低系统SOP,从而达到实现信息安全传输的目的。
-
RIS辅助UAV协作通信系统如图1所示,固定的基站作为发送端,由
$ S $ 表示。假设车辆行驶在极其拥堵的交通道路上,E车辆为窃听车辆用户,其他车辆均为合法车辆用户,用$ D $ 表示,RIS模块含有$ M $ 个反射单元。其中,采用移动的UAV作为中继,图中用$ R $ 表示。同时假设$ S $ 和$ D $ 、$ S $ 和$ E $ 之间的通信链路被高楼完全遮挡,通过$ R $ 建立$ S $ 和$ D $ 、$ S $ 和$ E $ 之间的通信。因此,$ S $ 到$ R $ 之间的链路、$ R $ 到RIS之间的链路、RIS到$ D $ 之间的链路以及RIS到$ E $ 之间的链路均可以建立通信。其中部署RIS也可充当绿色干扰来反射$ R $ 的信号给$ E $ ,从而降低$ E $ 窃听合法用户信息的能力。在整个通信过程中$ S $ 将以广播的形式将信息解码转发给$ R $ ,之后$ R $ 采用相同的频带将接收的信息传给$ D $ ,此过程中经过RIS反射面反射给$ D $ 。为了方便起见,假设$ S $ 和$ R $ 以及$ R $ 和$ D $ 均处在视距范围内,通信系统中的多普勒效应在RIS辅助无人机协作通信过程中得到充分补偿。此外,由于$ R $ 的移动性,通信网络可视为拓扑不可预测的网络,因此通过将$ R $ 飞行的高度设定为高于实际通信场景中建筑物遮挡的高度,利用$ R $ 的受控移动性来改变网络拓扑以满足信息共享需求。在不失一般性的前提下,采用以米为单位的三维笛卡尔三维坐标系准确表示各个通信节点的位置信息,并且这些位置信息对于UAV而言是完全已知的。车辆用户和地面基站的坐标被分别表示为$ (x[d],y[d],0) $ ,$ (0,0,0) $ 。RIS部署在$ Z $ 高度,其坐标为$({x_{_{R_m}}},{y_{_{R_m}}},z)$ 。$ R $ 三维坐标为$ (x[n],y[n],H) $ ,其飞行时间为$ T $ 。 -
基于无人机中继协作车载通信三维模型如图2所示。在图2笛卡尔三维坐标系中,
$ d $ 表示地面车辆用户$ \left( {d \in D} \right) $ ,$ {R_m} $ 表示智能反射面。假设$ S $ 和$ D $ 均配置一根天线,工作模式为半双工(half-duplex, HD)。$ R $ 配备一根收天线和一根发天线,执行DF协议,协议工作模式为FD。将$ S $ 作为笛卡尔三维坐标系的原点,$ S = (0,0,0) $ 。令$ D $ 行驶在一个矩形的区域中,将此区域的中心点标记为$ u $ 。设与$ {R_m} $ 所处的平面且和地面相互垂直的交线记为坐标系的$ x $ 轴,在水平地面上垂直于$ x $ 轴和$ {R_m} $ 所在平面的方向记为坐标系的$ y $ 轴,与$ x $ 轴和$ y $ 轴所组成的平面相互垂直的方向且与原点相交记为为坐标系的$ Z $ 轴。由上文可知,$ R $ 飞行在高度为$ H $ 的固定平面上。为方便计算,忽略$ R $ 起飞过程与降落过程所消耗的时间,仅考虑$ R $ 在空中平稳飞行的时间,将$ R $ 在空中平稳飞行的总时间记为$ T $ 。$ R $ 飞行在高度为$ H $ 的平面上,将整个飞行通信时间$ T $ 均分成$ N $ 份,每份时间长度用$ {\delta _t} $ 表示,即$ T = N {\delta _t} $ 。假设$ {\delta _t} $ 足够小,且能够确保在$ N $ 份时隙内,$ R $ 均可以视为静止状态。将横坐标和纵坐标离散化为$ N $ 个序列,即$ \{ x[n],y[n]\} _{n = 1}^N $ ,第$ n $ 个通信时隙$ R $ 的横、纵坐标值可以表示为$ (x[n], y[n]) $ 。$ R $ 在第$ n $ 个通信时隙中的三维坐标表示为$ (x[n],y[n],H) $ ,在第$ n + 1 $ 个时隙中三维坐标表示为$ (x[n + 1],y[n + 1],H) $ 。$ D $ 的坐标值可以表示为$ D = ({x_d}[n],{y_d}[n],0) $ 。RIS部署在${{Z}}$ 高度,其坐标为${R_m} = ({x_{_{R_m}}},{y_{_{R_m}}},z)$ ,$ {R_m} $ 上包含一个智能控制器和$ M $ 个反射单元,其中控制器可以用来将接收到的信号以可调相移方式反射。在相邻时隙内,
$ R $ 飞行的距离$ d $ 表示为:$$ d = \sqrt {{{(x[n + 1] - x[n])}^2} + {{(y[n + 1] - y[n])}^2}} $$ (1) 在每个时隙内,
$ R $ 的飞行速度$ v $ 可表示为:$$ \begin{split} & v = \frac{{\sqrt {{{(x[n + 1] - x[n])}^2} + {{(y[n + 1] - y[n])}^2}} }}{{{\delta _t}}} \\ &\qquad\qquad\qquad n = 1,2, \cdots ,N - 1 \end{split} $$ (2) $ R $ 与$ D $ 在第$ n $ 个通信时隙内的信息传输速率记为$ {R_{R,D}}[n] $ ,$ S $ 与$ R $ 第$ n - 1 $ 个时隙内的信息传输速率记为$ {R_{S,R}}[n - 1] $ ,其中:$$ {R_{R,D}}[n] \leqslant {R_{S,R}}[n - 1] \qquad n = 1,2, \cdots ,N - 1,N $$ (3) 假设
$ R $ 的最大飞行速度用$ {V_{\max }} $ 来表示,即$ R $ 的最大飞行距离为$V = {V_{\max }}{\delta _t}$ ,$ R $ 的约束条件表示为:$$ \begin{split} &\quad {(x[1] - x[0])^2} + {(y[1] - y[0])^2} \leqslant {V^2} \\ &{(x[n + 1] - x[n])^2} + {(y[n + 1] - y[n])^2} \leqslant {V^2} \\ &\qquad\qquad\quad n = 1,2, \cdots ,N - 1 \\ &\quad {{{(x[F] - x[N])}^2} + {{(y[F] - y[N])}^2} \leqslant {V^2}} \end{split} $$ (4) 式中,
${V_1} = {V_D}_{\max }{\delta _t}$ 表示$ D $ 在通信过程中最大的运动距离;$ {V_D}_{\max } $ 为$ D $ 在通信过程中最大的运行速度。对于地面区域$ u $ 内$ D $ 的约束条件如下:$$ \begin{split} &\quad {({x_d}[1] - {x_d}[0])^2} + {({y_d}[1] - {y_d}[0])^2} \leqslant V_1^2 \\ & {({x_d}[n + 1] - {x_d}[n])^2} + {({y_d}[n + 1] - {y_d}[n])^2} \leqslant V_1^2 \\ &\qquad\qquad\quad n = 1, \cdots ,N - 1 \\ & \quad {{{({x_d}[F] - {x_d}[N])}^2} + {{({y_d}[F] - {y_d}[N])}^2} \leqslant V_1^2} \end{split} $$ (5) 在时隙
$ n $ ,从$ S $ 到$ R $ 的信道功率遵循自由空间路径损耗,从$ S $ 到$ R $ 链路的路径损耗$ {h_{{{sr}}}}[n] $ 表示如下:$$ {h_{{{sr}}}}[n] = {\beta _0}d_{{{sr}}}^{ - 2}[n] = \frac{{{\beta _0}}}{{{H^2} + {x^2}[n] + {y^2}[n]}} \qquad {\text{ }}n = 1,2, \cdots ,N $$ (6) 式中,
$ {\beta _0} $ 记为$ {d_0} = 1 $ m处的信道功率;天线增益和载波频率等因素决定了$ {\beta _0} $ 的取值;${d_{{{{{sr}}}}}}[n] = {H^2} + {x^2}[n] + {y^2}[n]$ 为$ S $ 和$ R $ 之间在时隙$ n $ 处的连接距离。 -
考虑到在车载通信过程中恶意车辆用户对车载通信信息进行窃听攻击以及篡改等情况,给信息安全传输构成威胁。通过将RIS技术引入无人机协作的车载通信系统,来保证数据信息传输到车载节点的可靠性和完整性,最终实现通信系统信息的安全高效传输。图3为RIS辅助UAV中继信息安全传输的简化模型。
第一传输阶段:
$ R $ 端接收信号如下:$$ {y_R}(t) = \sqrt {{P_s}} {h_{s,{r_n}}}x(t){\text{ + }}{n_r}(t) $$ (7) 在
$ R $ 端信息的信干噪比(signal to interference plus noise ratio, SINR)表示为:$$ {\gamma _R} = \frac{{{P_{ s}}|{h_{s,{r_n}}}{|^2}}}{{\sigma _R^2}} $$ (8) 根据式(8)可得到信号
$ x $ 从$ S $ 传输到$ R $ 的信道容量为:$$ {C_{{{sx}}}} = \frac{1}{2}{\rm{lo}}{{\rm{g}}_2}\left( {1 + \frac{{{P_R}|{h_{s,{r_n}}}{|^2}}}{{\sigma _R^2}}} \right) $$ (9) 第二传输阶段:
首先,将信号
$ x $ 从$ R $ 转发到第$ m $ 个RIS($ {R_m} $ )和$ D $ 。然后,$ {R_m} $ 将信号反射给$ D $ 。因此,$ D $ 接收的信号为:$$ {y_D} = \left[ {\sum\limits_{i = 1}^M {{h_{{r_n}i}}{{\rm{e}}^{{\rm{j}}{\phi _{{r_n}i}}}}{g_{_{D_i}}}} } \right]\sqrt {{P_{{R}}}} x + {n_D} $$ (10) ${P_s}$ 表示$ S $ 的发送功率;nr(t)表示S到R的高斯白噪声。$ {P_R} $ 表示$ R $ 的转发功率,${P_S} = {P_R}$ ,S与R之间,R与之Rm间,Rm与D、E之间均为相互独立的复高斯分布。hs,rn为S与R之间的信道增益;$ M $ 表示RIS的反射面个数;nD表示Rm到D的高斯白噪声;$ {\phi _{{r_n}i}} $ 是$ {R_m} $ 的第$ i $ 个反射元件产生的可调相位;$ {h_{{r_n}i}} $ 与${g_{_{D_i}}}$ 分别为$ R - {\rm{RIS}} $ 和$ {\rm{RIS}} - D $ 两个独立链路之间的信道增益;${h_{{r_n}i}}{\text{ = }}d_{R{R_m}}^{ - \chi /2}{\alpha _{{r_n}i}}{{\rm{e}}^{ - {\rm{j}}{\theta _{{r_n}i}}}}$ ;${g_{_{Di}}}{\text{ = }}d_{{R_m}D}^{ - \chi /2}{\beta _{di}}{{\rm{e}}^{ - {\rm{j}}{\varepsilon _{di}}}}$ ;$ {d_{R{R_m}}} $ 与$ {d_{{R_m}D}} $ 是$ R - {\rm{RIS}} $ 和$ {\rm{RIS}} - D $ 链路的距离,$ \chi $ 表示路径损耗系数,$ {\alpha _{{r_n}i}} $ 和$ {\beta _{di}} $ 表示信道的振幅,$ {\theta _{{r_n}i}} $ 和$ {\varepsilon _{di}} $ 表示衰落信道的相位[17]。由式(10)可得,
$ D $ 的SINR表示为[18]:$$ {\gamma _{_D}} = \frac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{h_{{r_n}i}}{{\rm{e}}^{{\rm{j}}{\phi _{{r_n}i}}}}{g_{_{Di}}}} } \right|}^2}{P_{R}}}}{{\sigma _{ D}^2}} $$ (11) 由式(10)、式(11)可得:
$$ {\gamma _{_D}} = \frac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{di}}{{\rm{e}}^{ - {\rm{j}}\left( {{\theta _{{r_n}i}} - {\phi _{{r_n}i}} + {\varepsilon _{di}}} \right)}}} } \right|}^2}{P_{{R}}}}}{{d_{R{R_m}}^\chi d_{{R_m}D}^\chi \sigma _{ D}^2}} $$ (12) 由式(11)可得信号
$ x $ 从$ R $ 到$ D $ 的的信道容量为:$$ {C_{RD}} = \frac{1}{2}{\rm{lo}}{{\rm{g}}_2}\left( {1 + \frac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{h_{{r_n}i}}{{\rm{e}}^{{\rm{j}}{\phi _{{r_n}i}}}}{g_{_{Di}}}} } \right|}^2}{P_{{R}}}}}{{\sigma _{ D}^2}}} \right) $$ (13) 对于
$ E $ ,假设$ E $ 的CSI未知,且$ {R_m} $ 无法最大化窃听者的SINR来保护$ D $ 的通信。则在$ E $ 处接收到信号可以表示为:$$ {y_E} = \left[ {\sum\limits_{i = 1}^M {{h_{{r_n}i}}{{\rm{e}}^{{\rm{j}}{\phi _{{r_n}i}}}}{g_{_{Ei}}}} } \right]\sqrt {{P_{{R}}}} x + {n_E} $$ (14) 式中,
$ {g_{_{Ei}}} $ 为${\rm{RIS}} - E$ 链路的信道增益;${g_{_{Ei}}}= d_{{R_m}E}^{ - \chi /2}{\beta _{_{Ei}}}{{\rm{e}}^{ - {\rm{j}}{\delta _{Ei}}}}$ ,$ {d_{{R_m}E}} $ 是$ {\rm{RIS}} - D $ 链路的距离,$ {\beta _{Ei}} $ 和$ {\delta _{Ei}} $ 分别表示信道的振幅与相位;$n_E $ 为$R_m $ 到E的高斯白噪声。根据式(14)可得出
$ E $ 处接收到信号的SINR为:$$ {\gamma _{_E}} = \frac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{h_{{r_n}i}}{{\rm{e}}^{{\rm{j}}{\phi _{{r_n}i}}}}{g_{_{Ei}}}} } \right|}^2}{P_{{R}}}}}{{\sigma _{ E}^2}} $$ (15) 由式(14)、式(15)可得:
$$ {\gamma _{_E}} = \frac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{Ei}}{{\rm{e}}^{ - {\rm{j}}\left( {{\theta _{{r_n}i}} - {\phi _{{r_n}i}} + {\delta _{Ei}}} \right)}}} } \right|}^2}{P_{{R}}}}}{{d_{R{R_m}}^\chi d_{{R_m}E}^\chi \sigma _{ E}^2}} $$ (16) 由式(15)可以得到信号
$ x $ 从$ R $ 到$ E $ 的信道容量为:$$ {C_{RE}} = \frac{1}{2}{\rm{lo}}{{\rm{g}}_2}\left( {1 + \frac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{h_{{r_n}i}}{{\rm{e}}^{{\rm{j}}{\phi _{{r_n}i}}}}{g_{_{Ei}}}} } \right|}^2}{P_{{R}}}}}{{\sigma _{ E}^2}}} \right) $$ (17) -
在
$ S $ 的传输功率$ {P_S} $ 和$ R $ 的传输功率$ {P_R} $ 为常数值的情况下,对$ R $ 的飞行轨迹进行优化,令$ {P_S}[n] $ 表示$ S $ 在时隙$ n $ 处的发射功率,$ {P_R}[n] $ 表示无人机传输功率。时隙$ n $ 从$ S $ 到$ R $ 的传输速率(单位为bps/Hz)可表示为[3]:$$ {R_{S,R}}[n]{\text{ = lo}}{{\text{g}}_2}\left( {1 + \frac{{{P_S}{\beta _0}}}{{{H^2} + {x^2}[n] + {y^2}[n]}}} \right) $$ (18) 式中,
$ \left( {x[n],y[n]} \right) $ 为$ R $ 在第$ n $ 个通信时隙结束时的横纵坐标值。类似的,时隙
$ n $ 从$ R $ 到$ D $ 的信道可表示为[18]:$$ {R_{R,D}}[n] = {\log _2}\left( {1 + \frac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{di}}{{\rm{e}}^{ - {\rm{j}}\left( {{\theta _{{r_n}i}} - {\phi _{{r_n}i}} + {\varepsilon _{di}}} \right)}}} } \right|}^2}{\gamma _0}}}{{d_{R{R_m}}^\chi d_{{R_m}D}^\chi }}} \right) $$ (19) 式中,
$ {\gamma _0} = \dfrac{{{P_R}}}{{\sigma _D^2}} $ ;${d_{R{R_m}}}[n] = {\left( {H - Z} \right)^2} + \left( x[n] - {x_{{R_m}}} \right)^2 + \left( y[n] - {y_{{R_m}}} \right)^2$ 为$ R $ 和$ {R_m} $ 之间在时隙$ n $ 处的连接距离;${d_{{R_m}D}} = {Z^2} + {\left( {{x_{{R_m}}}[n] - {x_t}[n]} \right)^2} + \left( {y_{{R_m}}}[n] - {y_t}[n] \right)^2$ 为$ {R_m} $ 和$ D $ 在时隙$ n $ 处的连接距离,$ \left( {{x_t}[n],{y_t}[n]} \right) $ 为第$ n $ 个通信时隙开始时的位置坐标。令
$A = {P_S}{\beta _0}$ ,$B = {\left| {\displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{di}}{{\rm{e}}^{ - {\rm{j}}\left( {{\theta _{{r_n}i}} - {\phi _{{r_n}i}} + {\varepsilon _{di}}} \right)}}} } \right|^2}{\gamma _0}$ ,即式(18)、式(19)可写成:$$ {R_{S,R}}[n]{\text{ = lo}}{{\text{g}}_2}\left( {1 + \frac{A}{{{H^2} + {x^2}[n] + {y^2}[n]}}} \right) $$ (20) $$ {R_{R,D}}[n] = {\log _2}\left( {1 + \frac{B}{{{d_{R{R_m}}}{d_{{R_m}D}}}}} \right) $$ (21) 考虑平均传输速率最大化问题的轨迹设计子问题[19],以恒定功率传输,不需要考虑功率分配的问题。在恒定功率下,优化
$ R $ 的飞行路径。在此情况下,$ \{ {P_S}[n]\} _{n = 1}^{N - 1} $ 和$ \{ {P_R}[n]\} _{n = 2}^N $ 是已知的。本节的目标是通过优化$ R $ 的轨迹$ Q\left\{ {x[n - 1],y[n - 1],n \in N} \right\} $ 最大化平均传输速率$ R $ 。即$ R $ 飞行路径优化问题如下:$$ \left\{ \begin{array}{l} ({\rm{P}}1):\underset{\begin{array}{c}{\{\sigma [n],\xi [n]\}}_{n=1}^{N}\\ {\{{R}_{R,D}[n]\}}_{n=2}^{N}\end{array}}{\mathrm{max}}{\displaystyle \sum _{n=2}^{N}{R}_{R,D}[n]}\\ {\rm{s}}.{\rm{t}}.\;\;\;\,{\rm{C}}1:{R}_{R,D}[n] \lt {R}_{S,R}[n-1]\qquad n=1,2,\cdots ,N-1\\ \qquad {\rm{C}}3:(x[1] - x[0]{)^2} + {(y[1] - y[0])^2} \le {V^2}\\ \qquad {\rm{C}}4:{(x[n + 1] - x[n])^2} + {(y[n + 1] - y[n])^2} \le {V^2}\\ \qquad\qquad\qquad n=1,2,\cdots ,N-1\\ \qquad {\rm{C}}5:{(x[F] - x[N])^2} + {(y[F] - y[N])^2} \le {V^2}\\ \qquad {\rm{C}}6:{({x_d}[1] - {x_d}[0])^2} + {({y_d}[1] - {y_d}[0])^2} \le V_1^2\\ \qquad\qquad\qquad d=1,2,\cdots ,D\\ \qquad {\rm{C}}7:{({x_d}[n + 1] - {x_d}[n])^2} + {({y_d}[n + 1] - {y_d}[n])^2} \le V_1^2\\ \qquad\qquad\qquad n=1,2,\cdots ,N-1\\ \qquad {\rm{C}}8:{{{({x_d}[F] - {x_d}[N])}^2} + {{({y_d}[F] - {y_d}[N])}^2} \le V_1^2} \end{array} \right.$$ (22) 为方便后面对迭代后的轨迹进行描述,定义第
$ l $ 次迭代后的轨迹为$ \{ {x^l}[n],{y^l}[n]\} _{n = 1}^N $ 。$ S $ 到$ R $ 信息传输速率为:$$ R_{S,R}^l[n]{\text{ = lo}}{{\text{g}}_2}\left( {1 + \frac{A}{{{H^2} + {{\left( {{x^l}[n]} \right)}^2} + {{\left( {{y^l}[n]} \right)}^2}}}} \right) $$ (23) $$ R_{R,D}^l[n] = {\log _2}\left( {1 + \frac{B}{{\left[ \begin{gathered} {\left( {H - Z} \right)^2} + {\left( {{x^l}[n] - {x_{{R_m}}}} \right)^2}+ \\ {\left( {{y^l}[n] - {y_{{R_m}}}} \right)^2} \\ \end{gathered} \right]{d_{{R_m}D}}}}} \right) $$ (24) 式中,
$ {\sigma ^l}[n] $ 、$ {\xi ^l}[n] $ 分别记为从第$ l $ 次到第$ l + 1 $ 次递进迭代的横坐标值与纵坐标值轨迹变量。第$ l + 1 $ 次迭代后的轨迹坐标可表示成$ {x^{l + 1}}[n] = {x^l}[n] + {\sigma ^l}[n] $ ,$ {y^{l + 1}}[n] = {y^l}[n] + {\xi ^l}[n] $ 。 -
由非凸约束的式(23)、式(24)可知,
${\text{ }}({\rm{P}}1){\text{ }}$ 是一个非凸优化问题,无法利用最优化求解的方法直接求解。因此,本节先对${\text{ }}({\rm{P}}1){\text{ }}$ 进行次优化处理,然后基于凸优化利用交替迭代优化算法[18]来获得次优解。利用连续凸优化技术来得到
$ {\text{ }}({\rm{P}}1){\text{ }} $ 的一个有效的近似解,通过在每次迭代过程中对$ R $ 飞行轨迹增量优化,使得$ {\text{ }}({\rm{P}}1){\text{ }} $ 的下界连续最大化。具体来说,令$ \{ {x^l}[n],{y^l}[n]\} _{n = 1}^N $ 为第$ l $ 次迭代后的结果中继轨迹。接下来可以先推导得出一个近似的轨迹优化问题,然后利用SCP进一步解决该问题。式(22)可以写成:$$ \left\{ \begin{array}{l} ({\rm{P}}1.1):\underset{\begin{array}{c}{\{x[n],y[n]\}}_{n=1}^{N}\\ {\{\sigma [n],\xi [n]\}}_{n=2}^{N}\end{array}}{\mathrm{max}}{\displaystyle \sum _{n=2}^{N}{R}_{R,D}[n]}\\ {\rm{s}}.{\rm{t}}.\;\;\;\,{\rm{C}}1:{\displaystyle \sum _{u=2}^{n}{R}_{R,D}[u]}\le {R}_{SR,l+1}^{lb}[u]\qquad {{n}=2,3,}\cdots, {{{N}}}\\ \qquad {\rm{C}}2:{R}_{R,D}[n]\le {R}_{RD,l+1}[n]\qquad {{n}=2,3,}\cdots, {{{N}}}\\ \qquad {\rm{C}}3:{({x_l}[1] + {\sigma _l}[1] - x[0])^2} + {({y_l}[1] + {\xi _l}[1] - y[0])^2} \le {V^2}\\ \qquad {\rm{C}}4:{({x_l}[n + 1] + {\sigma _l}[n + 1] - {x_l}[n])^2} + \\ \qquad\qquad {({y_l}[n + 1] + {\xi _l}[n + 1] - {y_l}[n])^2} \le {V^2}\\ \qquad\qquad\qquad n = 1,2, \cdots ,N - 1 \\ \qquad {\rm{C}}5:{{{({x_F} - {x_l}[N] - {\sigma _l}[n])}^2} + {{({y_F} - {y_l}[N] - {\xi _l}[n])}^2} \le {V^2}} \end{array} \right.$$ (25) 其中,
$$ \begin{split} & \qquad\qquad\qquad\qquad {R_{SR,l + 1}}[n] \geqslant R_{SR,l + 1}^{lb}[n] \triangleq \\ &{R_{SR,l}}[n] - {a_{_{SR,l}}}[n](\sigma _l^2[n] + \xi _l^2[n]) - {b_{SR,l}}[n]{\sigma _l}[n] - {c_{SR,l}}{\xi _l}[n] \end{split} $$ (26) $$ \begin{split} & \qquad\qquad\qquad\qquad {R_{RD,l + 1}}[n] \geqslant R_{RD,l + 1}^{lb}[n] \triangleq \\ & {R_{RD,l}}[n] - {a_{_{RD,l}}}[n](\sigma _l^2[n] + \xi _l^2[n]) - {b_{RD,l}}[n]{\sigma _l}[n] - {c_{RD,l}}{\xi _l}[n] \end{split} $$ (27) 对于任何现有的中继轨迹
$( {{x^l}[n],{y^l}[n]} )$ 和附加轨迹增量$ {\sigma ^l}[n] $ 、$ {\zeta ^l}[n] $ ,由此产生的新信道容量$ {R_{SR,l + 1}}[n] $ 和$ {R_{RD,l + 1}}[n] $ 分别为$ R_{SR,l + 1}^{lb}[n] $ 和$ R_{RD,l + 1}^{lb}[n] $ 的下界,它们是$ {\sigma ^l}[n] $ 和$ {\zeta ^l}[n] $ 的凹二次函数,$ {a_{_{SR,l}}}[n] $ 、$ {a_{_{RD,l}}}[n] \geqslant 0 $ 。其中,${a_{_{SR,l}}}[n] = \dfrac{{A{{\log }_2}{\rm{e}}}}{{d_{SR}^2[n](A + d_{SR}^2[n])}}$ ,$ {b_{_{SR,l}}}[n] = 2{x_l}[n] {a_{_{SR,l}}}[n] $ ,$ {c_{_{SR,l}}}[n] = 2{y_l}[n]{a_{_{SR,l}}}[n] $ 。然后,对于任何给定的轨迹$( {{x^l}[n],{y^l}[n]} )$ ,求解$ {\text{ }}({\rm{P}}1.2){\text{ }} $ 的最优值。$$ \left\{ \begin{array}{l} ({\rm{P}}1.2):\underset{\begin{array}{c}{\{\sigma [n],\xi [n]\}}_{n=1}^{N}\\ {\{{R}_{R,D}[n]\}}_{n=2}^{N}\end{array}}{\mathrm{max}}{\displaystyle \sum _{n=2}^{N}{R}_{R,D}[n]}\\ {\rm{s}}.{\rm{t}}.\;\;\;\,{\rm{C}}1:{\displaystyle \sum _{u=2}^{n}{R}_{R,D}[u]}\le {R}_{SR,l+1}^{lb}[u]\qquad {{{n}}=2,3,}\cdots, {N}\\ \qquad {\rm{C}}2:{R}_{R,D}[n]\le {R}_{RD,l+1}[n] \qquad {n=2,3,}\cdots, {N}\\ \qquad {\rm{C}}3:{({x_l}[1] + {\sigma _l}[1] - x[0])^2} + {({y_l}[1] + {\xi _l}[1] - y[0])^2} \le {V^2}\\ \qquad {\rm{C}}4:{({x_l}[n + 1] + {\sigma _l}[n + 1] - {x_l}[n])^2} + \\ \qquad {({y_l}[n + 1] + {\xi _l}[n + 1] - {y_l}[n])^2} \le {V^2}\\ \qquad\qquad\qquad n = 1, \cdots ,N - 1\\ \qquad {\rm{C}}5:{({x_F} - {x_l}[N] - {\sigma _l}[n])^2} + {({y_F} - {y_l}[N] - {\xi _l}[n])^2} \le {V^2}\\ \qquad {\rm{C}}6:{({x_d}[1] - {x_d}[0])^2} + {({y_d}[1] - {y_d}[0])^2} \le V_1^2\\ \qquad {\rm{C}}7:{({x_d}[n + 1] - {x_d}[n])^2} + {({y_d}[n + 1] - {y_d}[n])^2} \le V_1^2\\ \qquad\qquad\qquad n=1,2,\cdots ,N-1\\ \qquad {\rm{C}}8:{{{({x_d}[F] - {x_d}[N])}^2} + {{({y_d}[F] - {y_d}[N])}^2} \le V_1^2} \end{array} \right.$$ (28) 综上,给出固定功率分配的连续轨迹优化算法的详细流程如下。
1) 将UAV中继的轨迹初始化为
$ \left\{ {{x_0}\left[ n \right],{y_0}\left[ n \right]} \right\}_{N = 1}^N $ ;2) 设置迭代次l=1,重复;
3) 找到(P1.2)最优解
$ \left\{ {\sigma _l^2[n],\xi _l^2[n]} \right\}_{n = 1}^N $ ;4) 更新轨迹
$ {x^{l + 1}}[n] = {x^l}[n] + {\sigma ^l}[n] $ 和$ {y^{l + 1}}[n] = {y^l}[n] + {\xi ^l}[n] $ ;5) 更新
$ l = l + 1 $ ;6) 结束条件:满足收敛条件或者达到最大迭代次数。
-
当用户的SOP低于预先设置好的阈值时,RIS技术辅助的车载通信系统发生安全中断,根据式(9)、式(13)、式(17)信道容量公式,具体表示如下[20]:
$$ {P_{{\rm{sop}}}} = \Pr \left\{ {{{\log }_2}(1 + {\rho _{{\rm{SRD}}}}) - {{\log }_2}(1 + {\gamma _E}) \lt {R_D}} \right\} $$ (29) 式中,
${\rho _{{\rm{SRD}}}} = \min \{ {\gamma _R},{\gamma _D}\}$ ;$ {R_D} $ 为安全传输门限值,则式(29)可以表示为[19]:$$ {P_{{\rm{sop}}}} = 1 - {\rm{Pr}}\left( {\frac{{1 + {r_R}}}{{1 + {r_E}}} \gt \eta {\text{ , }}\frac{{1 + {r_D}}}{{1 + {r_E}}} \gt \eta } \right) $$ (30) 式中,
$ \eta = {2^R} $ 。假设已知RIS的CSI,当$ {\phi _{{r_n}i}} = {\theta _{{r_n}i}} + {\varepsilon _{di}} $ 时,$ {R_m} $ 可使用相移来最大化${\gamma_{_{D}}}$ 。进一步地,式(12)可以简化为[51]:$$ {\gamma _{_D}} = \frac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{di}}} } \right|}^2}\rho }}{{d_{R{R_m}}^\chi d_{{R_m}D}^\chi }} $$ (31) 式中,
$ \rho = \dfrac{{{P_R}}}{{\sigma _{ D}^2}} $ 。令$ x = \displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{di}}} $ ,根据中心极限定理(CLT)[21],$ x = \displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{di}}} $ 近似为具有平均值$\lambda = {{N{\text{π}}}}/{4}$ 和方差$ {\sigma ^2} = N(1 -{{{{\text{π}}^2}}}/{{16}}) $ 的高斯随机变量。对于$ D $ ,则$ {x_1} $ 的概率密度函数(probability density function , PDF)为[10]:$$ {f_{{x^2}}}(A) = \frac{1}{{2{\sigma ^2}}}{\left( {\frac{A}{\lambda }} \right)^{ - \tfrac{1}{4}}}\exp \left( { - \frac{{A + \lambda }}{{2{\sigma ^2}}}} \right){{\rm I}_{ - \tfrac{1}{2}}}\left( {\frac{{\sqrt {A\lambda } }}{{{\sigma ^2}}}} \right) $$ (32) 此外,由式(16),令
$y = \dfrac{{\left| {\displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{Ei}}{{\rm{e}}^{ - {\rm{j}}\left( {{\theta _{{r_n}i}} - {\phi _{{r_n}i}} + {\delta _{Ei}}} \right)}}} } \right|}}{{\sqrt {d_{R{R_m}}^\chi d_{{R_m}E}^\chi } }}$ ,$ y $ 的PDF[21]表示为:$$ {f_y}(B) = \frac{1}{{{\lambda _E}}}{\exp ^{ - \tfrac{B}{{{\lambda _E}}}}} $$ (33) 式中,
$ {\lambda _E} = \dfrac{{M{\rho _{_E}}}}{{d_{R{R_m}}^\chi d_{{R_m}E}^\chi }} $ ,${\rho_{_E}}= \dfrac{{{P_R}}}{{\sigma _E^2}}$ 。假设本节研究通信系统中的所有信道均服从瑞利分布且彼此相互独立,
$ {\gamma _R} $ 的PDF可以表示如下:$$ {F_{{\gamma _{_R}}(x)}} = 1 - {{\rm{e}}^{ - \tfrac{x}{{{\lambda _R}}}}} $$ (34) 令式(30)中的
$ {\rm{Pr}}1 = {\rm{Pr}}\left( {\dfrac{{1 + {\gamma _R}}}{{1 + {\gamma _E}}} \gt \eta } \right) $ ,${\rm{Pr}}2 = {\rm{Pr}} \left( \dfrac{{1 + {\gamma _D}}}{{1 + {\gamma _E}}} \gt \eta \right)$ 。将式(9)、式(16)代入$ {\rm{Pr}}1 $ ,式(12)和式(16)代入$ {\rm{Pr}}2 $ ,可得:$$ {\rm{Pr}}1 = \Pr \left( {\frac{{1 + {\rho _R}|{h_{s,{r_n}}}{|^2}}}{{1 + \dfrac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{Ei}}{{\rm{e}}^{ - {\rm{j}}\left( {{\theta _{{r_n}i}} - {\phi _{{r_n}i}} + {\delta _{Ei}}} \right)}}} } \right|}^2}{\rho _{_E}}}}{{d_{R{R_m}}^\chi d_{{R_m}E}^\chi }}}} \lt \eta } \right) $$ (35) $$ {\rm{Pr}}2 = \Pr \left( {\dfrac{{1 + \dfrac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{di}}{{\rm{e}}^{ - {\rm{j}}\left( {{\theta _{{r_n}i}} - {\phi _{{r_n}i}} + {\varepsilon _{di}}} \right)}}} } \right|}^2}{\rho _{_D}}}}{{d_{R{R_m}}^\chi d_{{R_m}D}^\chi }}}}{{1 + \dfrac{{{{\left| {\displaystyle\sum\limits_{i = 1}^M {{\alpha _{{r_n}i}}{\beta _{Ei}}{{\rm{e}}^{ - {\rm{j}}\left( {{\theta _{{r_n}i}} - {\phi _{{r_n}i}} + {\delta _{Ei}}} \right)}}} } \right|}^2}{\rho _{_E}}}}{{d_{R{R_m}}^\chi d_{{R_m}E}^\chi }}}} \lt \eta } \right) $$ (36) 式中,
$ {\rho _{_R}} = \dfrac{{{P_S}}}{{\sigma _R^2}} $ ,$ {\rho _{_E}} = \dfrac{{{P_R}}}{{\sigma _E^2}} $ ,$ {\rho _{_D}} = \dfrac{{{P_R}}}{{\sigma _D^2}} $ 。对式(35)、式(36)作进一步简化分析:
$$ {\rm{Pr}}1 = {\rm{Pr}}\left( {\frac{{1 + {\gamma _{_R}}}}{{1 + {\gamma _{_E}}}} \gt \eta } \right) = \Pr \left( {{y^2} \lt \frac{{1 + {\gamma _{_R}} - \eta }}{{\eta {\rho _{_E}}}}} \right) $$ (37) $$ {\rm{Pr}}2 = {\rm{Pr}}\left( {\frac{{1 + {\gamma _{_D}}}}{{1 + {\gamma _{_E}}}} \gt \eta } \right) = \Pr \left( {{x^2} \gt \frac{{\eta (1 + {y^2}{\rho _{_E}})}}{{{\rho _{_D}}}}} \right) $$ (38) 由式(37)、式(38)得出式(30)可写成[22]:
$$ \begin{split} & {P_{{\rm{sop}}}} = 1 - {\rm{Pr}}\left( {\frac{{1 + {\gamma _{_R}}}}{{1 + {\gamma _{_E}}}} \gt \eta {\text{ , }}\frac{{1 + {\gamma _{_D}}}}{{1 + {\gamma _{_E}}}} \gt \eta } \right) =\\ &1 - {\rm{Pr}}\left( {{y^2} \lt \frac{{1 + {\gamma _{_R}} - \eta }}{{\eta {\rho _{_E}}}}{\text{ , }}{x^2} \gt \frac{{\eta (1 + {y^2}{\rho _{_E}})}}{{{\rho _{_D}}}}} \right) =\\ &1 - \int_0^{\tfrac{{1 + {\gamma _{_R}} - \eta }}{{\eta {\rho _{_E}}}}} {\int_{\tfrac{{\eta (1 + {x_1}{\rho _{_E}})}}{{{\rho _{_D}}}}}^\infty {\exp ( - {y_1})d{y_1}} } \frac{1}{{{\lambda _{_E}}}}\exp ( - \frac{{{x_{_1}}}}{{{\lambda _{_E}}}}){\rm{d}}{x_1} =\\ &1 - \int_0^{\tfrac{{1 + {\gamma _{_R}} - \eta }}{{\eta {\rho _{_E}}}}} {\exp \left( { - \frac{{\eta (1 + {x_1}{\rho _{_E}})}}{{{\rho _{_D}}}}} \right)} \frac{1}{{{\lambda _{_E}}}}\exp ( - \frac{{{x_{_1}}}}{{{\lambda _{_E}}}}){\rm{d}}{x_1} =\\ &1 - \int_0^{\tfrac{{1 + {\gamma _{_R}} - \eta }}{{\eta {\rho _{_E}}}}} {\exp \left( { - \frac{\eta }{{{\rho _{_D}}}}} \right)} \frac{1}{{{\lambda _{_E}}}}\exp \left( { - \frac{{{x_1}\left( {{\rho _{_E}}\eta {\lambda _{_E}} + {\rho _{_D}}} \right)}}{{{\rho _{_D}}{\lambda _{_E}}}}} \right){\rm{d}}{x_1} =\\ &1 - \mathrm{exp}\left( -\frac{\eta }{{\rho }_{{_D}}}\right) \frac{{\rho }_{{_D}}}{\left({\rho }_{{_E}}\eta {\lambda }_{{_E}} + {\rho }_{{_D}}\right)} \left(1 - \mathrm{exp}\left( -\frac{\left(1 + {\gamma }_{{_R}} - \eta \right)\left({\rho }_{{_E}}\eta {\lambda }_{{_E}} + {\rho }_{{_D}}\right)}{\eta {\rho }_{{_E}}{\rho }_{{_D}}{\lambda }_{{_E}}}\right)\right) \end{split} $$ (39) -
本节通过数值分析评估了RIS辅助无人机中继通信的安全传输方案性能。所有的数值分析结果均由MATLAB软件完成。数值分析过程中假设服从高斯白噪声的方差为
$ \sigma _R^2 = \sigma _D^2 = \sigma _E^2 = {\sigma ^2} = 1 $ ,$ {P_S} = {P_R} $ ,其中参数设置如表1所示。图4为RIS存在的情况下,反射单元个数为
$ M = 64 $ 的优化方案在不同$ T $ 下的平均传输速率随迭代次数的变化趋势。从图4中可以看出,交替优化算法在T = 64, 124, 184 s时的最小平均传输速率随着迭代次数的增加而增加,但增加的幅度会伴随着迭代次数的增多而不断减小,最后收敛为一个恒定的值。此外还可以看出,$ R $ 随着飞行时间$ T $ 的增加,在悬停点处的悬停时间变长,使得平均传输速率增加的幅度趋于平缓。可以看出提出的交替迭代优化算法可以将平均传输速率收敛为一个局部最优解。表 1 参数设置
参数 数值 UAV中继起始坐标$ {R_0} $/m ${[ - 500,20,80]^{\rm{T}}}$ UAV中继终止坐标$ {R_F} $/m ${[ - 500,20,80]^{\rm{T}}}$ 车辆用户的坐标$ D $/m ${[0,120,0]^{\rm{T}}}$ RIS的坐标$ {R_m} $/m ${[200,0,40]^{\rm{T}}}$ 基站的坐标$ S $/m ${[0,0,0]^{\rm{T}}}$ UAV最大飞行速度$ {v_{\max }} $/m·s−1 $ 30 $ 离散时隙$ {\delta _t} $/s $ 0.4 $ 反射单元个数$ M $/个 $ 64 $ 安全传输门限$ {R_T} $ $ 0.05 $ 从图5中可以看出,随着
$ E $ 与$ {R_m} $ 的距离变大,系统SOP会随之减小,系统安全性能增加,因此,可以通过适当的增加$ E $ 与$ {R_m} $ 之间的距离来提高系统的安全性能。此外,从图中还可以看出提高安全速率门限$ {R_D} $ 后,系统的SOP随着$ {R_D} $ 的增加而增大,而无线通信系统的安全性能却降低,这是因为目标安全速率提高,通信系统的安全传输要求相应也会更加的严格。在安全传输要求不变的情况下,提高系统目标安全速率无法达到相应的传输要求,从而系统安全性能有所降低。图6描述了不同数量的RIS对系统SOP概率的影响。从图6中可以看出,随着RIS数量
$ M $ 不断增加,SOP也随着增大[17]。因为在不改变$ {R_m} $ 反射角度的情况下,增加智能反射面的数量$ M $ ,$ E $ 也会从RIS接收到$ M $ 个信号副本,即窃听车辆用户$ E $ 也享有RIS带来的优势。这证明了RIS数量$ M $ 的增加也会增加$ E $ 对传输信号的获取。但可以通过适当调整RIS与$ E $ 之间的位置、角度来改善信道质量并选取合适的安全传输速率,进而改善系统性能。图7为安全性能对比图,其中文献[17]为中继无RIS辅助,文献[21]为RIS辅助无线通信,但未考虑中继。对比显示RIS的使用获取了更好的保密性能。原因是RIS可以通过控制无线传播环境,削弱窃听用户信道,进一步改善信道质量并提高接收信噪比,从而提高系统的保密性能。简言之,RIS辅助系统实现了更好的保密性能,保障了系统的安全性。
-
针对复杂城市交通环境中信息传输速率问题,提出一种交替迭代优化算法。该算法的提出将整个通信过程离散化,在固定功率的情况下求解通信过程中UAV最优飞行路径。此外,为了降低无线传输环境出现的非法车辆用户窃听链路,提出用RIS技术辅助UAV中继通信,以保障系统的安全性能。数值分析结果表明,RIS辅助UAV中继信息传输方案通过适当调整RIS与窃听车辆用户之间的位置、角度可改善信道质量并选取合适的安全传输速率,实现更好的保密性能,提高了系统的安全性能。
本文工作得到“无线通信超密集网络中资源管理关键技术研究 (2020YCXS038)”的支持,在此表示感谢。
Secure Transmission Scheme for V ehicular Communication with RIS-UAV Relay Cooperation
-
摘要: 针对城市复杂的交通环境导致车载通网络信息传输安全性低、数据速率缓慢以及地面中继受限等问题,提出一种可重构智能表面(RIS)辅助无人机(UAV)中继协作的车载通信系统安全传输方案。该方案首先根据系统平均传输速率最大化来设计无人机轨迹优化问题。接着,通过引入松弛变量的序列凸规划交替迭代算法解决无人机轨迹的非凸问题,得到平均速率最大化的UAV飞行轨迹。最后,通过适当调整RIS与窃听用户之间的位置来降低窃听信道容量,改善无线传输环境。数值分析表明,优化无人机轨迹,可以得到最优平均传输速率。在RIS技术辅助下通过合理设置参数,该传输方案能有效提高通信系统的传输速率,同时也能保证安全性能。Abstract: The complex urban traffic environment leads to problems of low information transmission security, slow data rate, and limited ground relay in vehicular communication network. A secure transmission scheme for vehicular communication scheme is proposed with RIS-assisted (reconfigurable intelligent surface-assisted) unmanned aerial vehicle (UAV) relay cooperation. In this scheme, the UAV trajectory optimization problem is designed according to the maximum average transmission rate of the system. And then, the non-convex problem of the UAV trajectory is solved by introducing a sequential convex programming alternating iterative algorithm of relaxed variables, which yields the UAV flight trajectory of the maximizing average transmission rate. Finally, the capacity of the eavesdropping channel can be reduced by properly adjusting the position between the RIS and the eavesdropping user, and the wireless transmission environment can be improved. Numerical analysis shows that the maximum average transmission rate can be obtained by optimizing the trajectory of the UAV. With the assistance of RIS, the proposed secure transmission scheme can effectively improve the transmission rate of the communication system and ensure the safety performance though reasonable parameter settings.
-
表 1 参数设置
参数 数值 UAV中继起始坐标 $ {R_0} $ /m${[ - 500,20,80]^{\rm{T}}}$ UAV中继终止坐标 $ {R_F} $ /m${[ - 500,20,80]^{\rm{T}}}$ 车辆用户的坐标 $ D $ /m${[0,120,0]^{\rm{T}}}$ RIS的坐标 $ {R_m} $ /m${[200,0,40]^{\rm{T}}}$ 基站的坐标 $ S $ /m${[0,0,0]^{\rm{T}}}$ UAV最大飞行速度 $ {v_{\max }} $ /m·s−1$ 30 $ 离散时隙 $ {\delta _t} $ /s$ 0.4 $ 反射单元个数 $ M $ /个$ 64 $ 安全传输门限 $ {R_T} $ $ 0.05 $ -
[1] ZHANG W, XI X. The innovation and development of Internet of vehicles[J]. China Communications, 2016, 13(5): 122-127. doi: 10.1109/CC.2016.7489980 [2] ZHAO D, QIN H, SONG B, et al. A reinforcement learning method for joint mode selection and power adaptation in the V2V communication network in 5G[J]. IEEE Transactions on Cognitive Communications and Networking, 2020, 6(2): 452-463. doi: 10.1109/TCCN.2020.2983170 [3] KE M, GAO Z, WU Y, et al. Compressive sensing-based adaptive active user detection and channel estimation: Massive access meets massive MIMO[J]. IEEE Transactions on Signal Processing, 2020, 68: 764-779. doi: 10.1109/TSP.2020.2967175 [4] LIU Q, LI H, DING S, et al. Lightweight secure data exchange in decentralized vanets with physical layer security[C]//2020 IEEE 92nd Vehicular Technology Conference (VTC2020-Fall). [S.l.]: IEEE, 2020: 1-5. [5] ZHANG T, WEN H, PANG Z, et al. CSI-Free physical layer security against eavesdropping attack based on intelligent surface for industrial wireless[C]//2021 17th IEEE International Conference on Factory Communication Systems (WFCS). [S.l.]: IEEE, 2021: 175-182. [6] LIN S, ZHENG B, ALEXANDROPOULOS G C, et al. Adaptive transmission for reconfigurable intelligent surface-assisted OFDM wireless communications[J]. IEEE Journal on Selected Areas in Communications, 2020, 38(11): 2653-2665. doi: 10.1109/JSAC.2020.3007038 [7] WU Q, ZHANG R. Towards smart and reconfigurable environment: Intelligent reflecting surface aided wireless network[J]. IEEE Communications Magazine, 2019, 58(1): 106-112. [8] ZENG S, ZHANG H, DI B, et al. Reconfigurable intelligent surface (RIS) assisted wireless coverage extension: RIS orientation and location optimization[J]. IEEE Communications Letters, 2020, 25(1): 269-273. [9] YANG L, YANG J, XIE W, et al. Secrecy performance analysis of RIS-Aided wireless communication systems[J]. IEEE Transactions on Vehicular Technology, 2020, 69(10): 12296-12300. doi: 10.1109/TVT.2020.3007521 [10] AI Y, FELIPE A P, KONG L, et al. Secure vehicular communications through reconfigurable intelligent surfaces[J]. IEEE Transactions on Vehicular Technology, 2021, 70(7): 7272-7276. doi: 10.1109/TVT.2021.3088441 [11] ZAGHDOUD O, MNAOUER A B, BOUJEMAA H. Intercept probability and secrecy capacity analysis of RIS-Based wireless communication with full-duplex receiver[C]//2021 International Wireless Communications and Mobile Computing (IWCMC). [S.l.]: IEEE, 2021: 843-848. [12] ZHOU Y, CHENG N, LU N, et al. Multi-UAV-Aided networks: Aerial-Ground cooperative vehicular networking architecture[J]. IEEE Vehicular Technology Magazine, 2015, 10(4): 36-44. doi: 10.1109/MVT.2015.2481560 [13] ZENG Y, ZHANG R, LIM T J. Throughput maximization for UAV-Enabled mobile relaying systems[J]. IEEE Transactions on Communications, 2016, 64(12): 4983-4996. doi: 10.1109/TCOMM.2016.2611512 [14] AMARASURIYA G, SCHAEFER R F, POOR H V. Linear precoder design for physical layer security via reconfigurable intelligent surfaces[C]//2020 IEEE 21st International Workshop on Signal Processing Advances in Wireless Communications (SPAWC). [S.l.]: IEEE, 2020: 1-5. [15] LI J, XU S, LIU J, et al. Reconfigurable intelligent surface enhanced secure aerial-ground communication[J]. IEEE Transactions on Communications, 2021, 69(9): 6185-6197. doi: 10.1109/TCOMM.2021.3086517 [16] GUO X, CHEN Y, WANG Y. Learning-Based robust and secure transmission for reconfigurable intelligent surface aided millimeter wave UAV communications[J]. IEEE Wireless Communications Letters, 2021, 10(8): 1795-1799. doi: 10.1109/LWC.2021.3081464 [17] YANG L, YUAN Y. Secrecy outage probability analysis for RIS-Assisted NOMA systems[J]. Electronics Letters, 2020, 56(23): 1254-1256. doi: 10.1049/el.2020.2284 [18] LI S, DUO B, YUAN X, et al. Reconfigurable intelligent surface assisted UAV communication: Joint trajectory design and passive beamforming[J]. IEEE Wireless Communications Letters, 2020, 9(5): 716-720. doi: 10.1109/LWC.2020.2966705 [19] HUA M, YANG L, WU Q, et al. 3D UAV trajectory and communication design for simultaneous uplink and downlink transmission[J]. IEEE Transactions on Communications, 2020, 68(9): 5908-5923. doi: 10.1109/TCOMM.2020.3003662 [20] BLOCH M, BARROS J, RODRIGUES M R D, et al. Wireless information-theoretic security[J]. IEEE Transactions on Information Theory, 2008, 54(6): 2515-2534. doi: 10.1109/TIT.2008.921908 [21] YANG L, MENG F, ZHANG J, et al. On the performance of RIS-Assisted dual-hop UAV communication systems[J]. IEEE Transactions on Vehicular Technology, 2020, 69(9): 10385-10390. doi: 10.1109/TVT.2020.3004598 [22] LE C B, DO D T, LI X, et al. Enabling NOMA in backscatter reconfigurable intelligent surfaces-aided systems[J]. IEEE Access, 2021, 9: 33782-33795. doi: 10.1109/ACCESS.2021.3061429 -