针对无人机通信自适应干扰技术研究

针对无人机通信自适应干扰技术研究

顾晓乐

盛航（台州）科技有限公司，浙江省台州市，318000

摘要：如今，我国经济发展十分迅速，无人机作为一种新型飞行器，凭借灵活性强、部署简易等优势得到了广泛的应用。然而，无人机在实际应用中也存在一定的缺陷，主要是其在监控监视、网络覆盖等民用领域中应用时，需要实时收集并处理所采集的周围环境信息，但收集分析大量数据对于计算能力有着较高的需求，无人机自身的计算能力远无法满足实际应用的需要，进而也会导致无人机续航时间受影响。移动边缘计算作为一种新兴计算技术，其作用在一定程度上类似微云边缘服务器，即可以将一些难以处理的数据进行传输，委托给边缘服务器，边缘服务器相对而言计算能力更强，可以较好地完成这些复杂数据的处理，目前也是激昂数据委托过程成为任务卸载。基于移动边缘计算方式的特殊性，可以有效降低任务延时，因而目前该计算方法也被广泛用于各种服务中。对于无人机收集处理数据而言，也可以借助边缘计算将密集型任务进行分配，后续边缘服务器将这些数据处理之后，也会将处理结果传输给无人机，由此便达到了降低无人机能耗、保证其续航时间的目的。对此，文中基于智能无人机边缘计算展开深入的研究探讨，以此为用户带来更好的体验。

关键词：无人机;通信;自适应;干扰技术

引言

无人机通信网络是未来空天地一体化网络的重要组成部分，是实现通信网络全球全域三维立体泛在覆盖的有效支撑，具有覆盖范围广、部署灵活和不受地面灾害影响的特点。伴随着无人机侦察、探测和反制等反无人机技术的快速发展，无人机与反无人机如同矛与盾，互为攻防、互为依托。无线信道的开放特性致使无人机通信网络易遭受非法用户恶意攻击，窃听、干扰、欺骗等严重扰乱通信秩序的行为频发，对社会安全造成极大威胁。面对窃听、干扰、欺骗等恶意攻击，无人机通信网络的安全防御与隐私保护能力已成为社会发展的迫切需求，是下一代无线网络和无人系统研究的重要方向。近年来，隐蔽通信作为一种保证无线安全的新模式而备受关注。不同于信息加密和物理层安全技术，隐蔽通信的目标是从信号检测的角度出发，通过多种手段实现对方（非法用户）低概率检测，从而达到隐藏通信行为或过程的目的。信息加密和物理层安全技术侧重于对传输内容的保护，其通信行为仍会被窃听方发现，从而造成隐私信息泄露。单单是通信行为的泄露也会造成重大损失，如无线传输本身可能会暴露源节点位置信息，传输模式和流量同样可被利用获取关键信息。隐蔽通信技术为无人机通信网络提供了第一道安全防线，为解决无人机通信网络面临的隐私保护问题提供了新的可能。

1用户设备能耗的最小化

由于地面基站设备在计算能力和电池容量等方面都是有限的,所以当这些地面设施在进行卸载任务时，尤其是密集型任务通常会出现能耗太快的情况，以此便会影响用户的实际体验。因此,能够把原本由地面设备进行的密集型计算任务全部卸载至无人机边缘服务器，然后再利用无人机路线和比特分配的优势有效地减少用户设备功耗。目前,有关无人机路径和比特分配的变量优化的资料已经比较多了,包括一个基于无人机的边缘移动算法框架能够通过无人机提供的多种对地面设备的卸载功能,并通过逐次向凸逼近的方式进行对无人机飞行路由和比特分配的联合优化。经试验仿真证明,比特分配和无人机路径组合等优化的方式，比单因素选择的方式节能效益更加突出。

2警务目标追踪

一般情况下，警务目标是不断移动的，因此在完成警务目标搜索后，还需要对其进行追踪。通过指挥网络进行警务目标追踪的具体流程如图7所示。（1）警务人员首先通过警务目标搜索获取目标的坐标信息，坐标信息在警综平台上显示，然后警务人员选中警务目标点击追踪。（2）控制中心的警务应用模块根据警务目标坐标信息生成目标“坐标获取任务”，并通过MAVLink传输“坐标获取任务”数据包到无人机集群上，无人机集群获取该数据包后，会再次探测目标的坐标信息（其中探测到警务目标坐标的无人机称为目标无人机，目标无人机的身份并非固定不变，而是随着集群重构在集群内部不断变化），并将探测到的警务目标坐标信息传输给控制中心。（3）控制中心根据传回的目标数据信息判断警务目标的坐标是否需要更新。如果否，则将坐标信息传输给步骤（2）执行，如果是，则更新警务目标坐标信息，并判断是否需要优化通信网络（警务目标的移动可能导致当前Ad-Hoc自组网对该目标的通信信号变弱）。如果无需优化，则将坐标信息传输给步骤（2）执行，如果需要优化，则执行下一步骤。（4）无人机集群主系统在接收通信优化指令后，自身的应激重构机制被触发，并生成无人机集群系统重构任务。然后，通过MAVLink协议将重构任务信息传输给无人机集群守护系统，无人机集群根据重构任务信息进行重构并达到优化通信网络的目的，完成后通知集群主系统，之后重复步骤（2）。

3资源协同优化模型

无人机隐蔽通信系统中节点拓扑动态变化快，资源协同优化依赖的全局信息难以完全掌握。当网络中节点数量较少或者节点之间相互影响较小时，控制中心可以获得全局或者局部完美信息。此时，集中式资源管理方式能够从系统角度优化配置网络资源，发挥网络资源协同优势。然而，随着无人机隐蔽通信系统中节点数量和类型增加，网络拓扑快速变化，全局信息难以掌握，分布式资源优化模型更适合处理大规模用户相互耦合的情况。为发挥集中式和分布式资源优化的优势，通常采用集中式与分布式相结合的混合式网络资源优化模型。当全局信息已知或者部分已知时，控制中心利用收集的用户信息（包括用户类型、通信需求、位置、移动性等信息）、无人机信息（包括无人机通信能力、位置、速度、能量等信息）、检测节点信息、网络状态和频谱状态信息，根据系统目标（如频谱效率、能量效率、隐蔽性、覆盖率等指标），优化配置网络资源，将决策结果广播给通信用户和无人机，而无人机和用户则反馈执行相应行动后的状态信息。集中式架构中所有的算法都在控制中心执行。网络状态信息指的是无线网络中地面基站、空中基站等各种接入点的状态，频谱状态是指当前以及未来频谱的使用情况。在分布式资源优化模型中，一方面无人机和用户通过深度强化学习等方法直接学习隐蔽通信策略，得到最优策略后执行相应行动，并作用于外部环境；另一方面通过获得的环境信息建立频谱态势地图，并利用频谱态势地图推理预测未知空间、时间的频谱状态，从而为隐蔽通信系统设计提供信息辅助。考虑无人机与检测节点的对抗过程，可以利用机器学习的方法模拟其博弈过程，如生成对抗网络。针对无人机的动态网络结构，需要结合具体场景采用不同形式的资源协同优化模型。在混合式资源协同优化模型中，集中式方法与分布式方法既可以并行使用，也可以串行使用。针对小规模用户或者局部信息已知，两种模型可以同时并行采用，并可以利用集中式方法得到的结果训练分布式算法，矫正并提升分布式算法的性能；对于大规模或者广域用户场景，可以综合利用两种方式。如基于分而治之的思想，可以先从宏观上对整体进行分簇，簇间资源协同采用分布式算法，簇内各个用户的资源协同由簇头采用集中式方式决定，从而充分利用网络结构特性。

4任务量的最大化

当地面设备所执行的计算任务需求高且任务量较大时，通常需要采用针对性的计算任务卸载策略，对于这一决策而言，可以简要地了解基于微波功率传输的无人机边缘计算系统，在该系统中，无人机会先进行无线充电，在于用户设备上方提供卸载计算服务，充电过程便利用了微波电站，无人机只需悬停便可随时进行充电，这也在一定程度上增强了无人机的续航性。后来也是通过对卸载决策、持续时间等进行了联合型优化，从实验结果来看，确实有助于提高服务效益。5基于智能反射表面的ISAC无人机系统IRS被认为是6G关键技术之一，与无人机通感一体化系统结合，可带来感知性能增益。具体而言，IRS可以通过在平面内集成大量低成本的无源反射元件，主动重新配置无线传播环境，从而显著提高无线通信系统的性能。一方面，通过相移矩阵的设计，被智能排列的无源反射元件可以实现入射信号独立的相移和幅度控制。另一方面，通过叠加直接信号与反射信号，可以增强接收信号并抑制干扰，从而提高系统的通信性能。此外，IRS作为无源反射元件阵列，无需使用射频收发硬件进行复杂的信号处理，而且安装方便，能够降低硬件成本并提高能源效率。在面向6G智能协作感知的无人机通信系统中部署IRS能够进一步提升系统的感知性能与传输性能。具体地，在建筑物密集区域或山区中，无人机极易形成感知盲区和通信盲区，可以借助IRS改善传播环境，实现盲区补偿，以提升整体感知覆盖范围和通信范围。此外，使用IRS辅助感知定位，极大降低定位误差，可达到厘米级的定位精度。然而，在实际应用中，面向6G智能协作感知的无人机通信系统在搭载IRS方面具有挑战性。首先，无人机的机载能源有限，在高机动场景下，频繁的IRS相移矩阵计算将会带来较大的能耗，大大降低了无人机的续航能力。其次，无人机的抖动效应也会对相移矩阵的修正带来困难，影响系统性能的提升。

6基于无人机空间位置优化的隐蔽传输

在无人机隐蔽通信系统中引入不确定性的最典型技术之一是利用随机信道衰落，进一步将无人机的机动性与信道衰落相结合，可以大大改善检测方的不确定性，这有助于大大提高Alice的隐蔽性。无人机的特性在于其高移动速度，无人机移动性对增强物理层安全容量的作用已得到验证。但由于物理层安全通信和隐蔽通信的需求差异，无人机移动性究竟如何影响通信隐蔽性、通过空间域实时调整位置能否实现隐蔽通信系统性能提升等一系列问题亟须进一步研究。特别是在对抗环境中，检测节点的动态性使通信隐蔽性下降，但通信用户亦可通过动态调整空间位置提升隐蔽性，此时无人机移动与资源分配策略设计成为关键所在。动态调整检测位置的检测节点会破坏目前诸多隐蔽通信方案，无人机通信系统中节点移动性高，检测节点可以通过连续变化检测点位提升检测性能。同时，多个检测节点也可以通过联合检测的方式实现更为精准的通信检测。无论是对于无人机空地通信还是对于无人机间通信而言，传统隐蔽通信方法的性能将大打折扣。如传统方法可能利用特定情况下信道衰落特性实现隐蔽通信，但是检测节点的动态移动会降低衰落特性的影响，换言之，无法保证通信发射机和对方检测节点处于任意位置的通信链路衰落特性相同。为此，通信方无人机可以通过实时调整空间位置躲避移动检测节点的检测充分发挥受控移动的优势，但同时也面临决策空间巨大、多变量耦合、计算复杂度高等挑战。现代通信已经不是简单的点对点通信，而是一个复杂的通信网络。控制网络的拓扑结构可以实现网络级的隐蔽通信。由于网络中存在多条通信链路，当某一链路易被检测发现或者无法实现隐蔽通信时，可以通过其他节点进行中继转发。多个无人机可以采用形成联盟的方式进行协同隐蔽传输，能够实现单个无人机无法达到的效果。

结语

就目前而言，无人机的应用愈发广泛，边缘计算也是通过计算任务卸载帮助缓解了无人机密集型数据处理的困境。通过本文的分析可以清晰地了解当前2种场景下的无人机边缘计算具体优化策略，以此不断提升任务卸载及计算结果传输效率，从而为用户带来更好的使用体验。

参考文献

[1]王森.论无人机黑飞对民航班机的危害[J].经贸实践,2017(24):329.

[2]赵越.民用小型无人机的干扰反制技术研究[J].科学咨询(科技·管理),2018(12):55.

[3]程擎,伍瀚宇,吉鹏,等.民用无人机反制技术及应用场景分析[J].电讯技术,2022,62(03):389-398.