无人机短包通信中基于NOMA传输的安全性能分析
韩蕙竹 黄仰超 胡 航 潘 钰 安 琪 赵森豪
（1.空军工程大学研究生院，陕西西安 710077；
2.空军工程大学信息与导航学院，陕西西安 710077）
随着第五代无线通信系统的普及，物联网（Internet of Things，IoT）技术得到广泛应用［1］。机器类型通信（Machine-Type Communication，MTC）是当今IoT 系统的主要通信方式，因其设备间进行信息传输的包长较短，一般在几百字节以内［2-3］，故采用短包通信（Short Packet Communication，SPC）可有效降低物理层的传输时延［4］。在SPC 中，基于香农定理的无线长包传输技术不再适用，此时将最大可达速率作为系统传输的有效性指标，同时将译码错误率作为相应的可靠性指标［5］。近年来，配备通信装置的无人机（Unmanned Aerial Vehicles，UAV）凭借其部署灵活性、高移动性和操作简单性等特点，常被用于辅助地面通信设备应对突发事件［6-8］。UAV作为空中基站可用于灾后重建和拥挤地区的通信恢复［9］，此外，应用移动无人机代替传统基站既可以降低建设成本，又能使UAV 与地面用户间的通信距离灵活可控，同时还可以使有限的无线电资源得到充分利用［10］。
非正交多址接入（Non-Orthogonal Multiple Access，NOMA）技术能够提高系统频谱效率，为大量用户提供信道接入，具有较高的公平性［11-12］。在研究基于NOMA 传输的功率分配问题时，不同信道条件的用户应配备不同的功率分配系数，如一些通信条件好的用户分配较低的功率系数，而通信条件差的用户则分配较高的功率系数以保证通信信道的高效传输。但是，在利用NOMA 技术解决部分用户数据传输问题的同时，其接收端会产生相应的干扰。因此，本文引入串行干扰消除（Serial Interference Cancellation，SIC）技术用以解决用户间的干扰消除问题［13］。
基于无线通信的广播传输特性，物联网系统中的通信设备将面临各种安全挑战，如恶意监听、隐私泄露等，因此对IoT 通信的安全性能研究至关重要。与传统加密技术相比，物理层安全（Physical Layer Security，PLS）技术根据无线信道特有的随机性使窃听用户的接收端解码错误，进而达到保密传输的效果，故利用该技术可有效降低信号传输的复杂度［14-15］。
近年来，关于UAV-NOMA 通信的研究日益增多，针对UAV 辅助的NOMA 系统中，文献［16］研究了其在给定用户分配和功率约束下的资源优化问题。文献［17］则在满足最小可达率约束下，通过联合优化功率分配和UAV 的飞行位置使系统的总发射功率达到最优。为使设备间的通信时延降低，文献［18-19］研究了基于短包传输的通信性能，其中文献［18］分析了地面通信设备在满足译码错误率和数据包长约束下的最大可达率；
在给定译码错误率和信道分布的约束下，文献［19］分析了基于短包传输的最大可达率。为提高多用户的频谱效率，文献［20］通过应用NOMA 技术使系统的频谱资源效率得到最大利用。在此基础上，文献［21-22］通过研究短包通信的安全传输性能来实现信息传输的可靠性，其中文献［21］研究在保密中断概率满足约束下的可靠吞吐量优化问题，文献［22］针对单一用户的安全性能展开研究。
针对上述分析，以往大多工作只研究单一UAV-NOMA 系统或SPC-NOMA 系统的安全传输问题，缺乏对无人机通信和短包通信联合优化研究。因此，本文将对UAV-SPC系统中基于NOMA 传输的安全问题进行深入研究，用以实现通信传输的低延迟高可靠。本文主要工作如下。
（1）在窃听用户存在场景下，建立基于NOMA传输的UAV-SPC 系统模型，其中UAV 作为空中基站为2个合法地面用户提供通信服务。应用移动无人机代替传统基站既可以降低建设成本，又能使UAV 与地面用户间的通信距离灵活可控，同时还可以使有限的无线电资源得到充分利用，更符合实际需求。
（2）为进一步研究UAV-SPC系统中的安全传输性能，在考虑总功率和译码错误率约束的条件下，构建基于多地面用户功率分配，数据传输包长和系统传输比特数的联合优化问题。为解决该复杂问题，首先分析信干噪比对译码错误率的影响，然后将优化问题分成三个子问题逐一研究其单调性和凹凸性。在此基础上，通过联合优化功率分配，数据传输包长和系统传输比特数来实现安全吞吐量的优化设计。
（3）数值和实验结果验证了该算法的稳定性和可行性。此外，与基准方案相比，本文所提方案可有效降低短包传输的通信时延，提高系统中目标用户的平均安全吞吐量。
考虑一个基于NOMA 传输的UAV-SPC系统，如图1。本文假设一个旋翼UAV 作为空中基站为2 个不同信道需求的合法地面用户（Ground User，GU）提供通信服务，其中UAV 的保密通信半径为RP，窃听者Eve位于RP之外，GU 和窃听者Eve均配备单一天线。定义UAV 避开建筑物或障碍物等所需的最小飞行高度为H，其坐标为qu=(0，0，H)。现考虑以下通信场景：GU1 为高信道增益用户，用于一些应急通信，如火灾救援等；
目标用户（GU2）接收来自UAV 传输的保密信息，在此基础上，UAV 利用NOMA 技术保证其达到目标传输速率，假设GU1 和GU2 分别位于UAV 保密覆盖范围内信道增益最大和最小的位置，即坐标分别为q1=(0，0，0)和q2=(RPcosα，RPsinα，0)，其中α∈[0，2π]；
此时，Eve 时刻监听目标用户处的通信信息，其坐标为qe=(xe，ye，0)。
图1 系统模型Fig.1 System model
为保证UAV与GU间视距（Line of Sight，LoS）链路的可靠性传输，本文考虑最坏的情况，即UAV 与GUi和Eve间的通信信道均以LoS链路主导，其运动产生的多普勒效应可以得到相应的补偿。因此，UAV 与GUi和Eve间的信道增益服从自由空间路径损耗模型，即hx=，x∈{1，2，e}，式中β0为单位距离处的信道增益，du，1、du，2和du，e分别表示UAV与GU1、GU2 和Eve之间的欧式距离，即du，1=‖qu-q1‖，du，2=‖qu-q2‖和du，e=‖qu-qe‖。
2.1 地面用户通信模型
当UAV利用NOMA 技术进行数据传输时，为保证低时延通信，信息常以短包形式进行传输。令x1和x2表示无人机向GU1和GU2发送的信号，P1和P2为相应的发射功率。此时，GU2 处接收信号的表达式为
其中，m2服从均值为0，方差为的高斯分布。假设分配给GU2 的数据包长为L2，其译码错误概率为ε2，Eve 处信息泄露概率为δ，则GU2 处的保密传输速率可近似为
式中，γ2表示GU2 处的接收信噪比（Signal to Noise Radio，SNR），γe为Eve 处的信干噪比（Signal to Inter?ference plus Noise Radio，SINR），V2=1 -(1 +γ2)-2为GU2 处的信道散度，Ve=1 -(1 +γe)-2为Eve 处的信道散度，Q(x)=为标准正态分布的右尾函数，Q-1(x)为其反函数。为保证GU2 处的传输有意义，不等式γ2>γe应成立。
由式（1）可知，GU2 处的信号x2可由直接解码得到，信号x1会对其产生干扰，此时信号x2在GU2处的SINR 可表示为根据式（2）可知，GU2 处SINR 对应的错误概率为ε2=Q(g1(R2，L2，γ2))，式 中，g1(R2，L2，γ2)=(ln(1 +γ2)-ln(1 +γe)-Q-1(δ)在基于NOMA 传输的UAV-SPC系统中，不同的地面用户对应不同的译码方式。由于目标用户处仅存在一种解码策略，因此该处的错误概率ε2与其有效错误概率等价，即=ε2。
此时，GU1处接收信号的表达式为
其中，m1服从高斯分布，其均值为0，方差为。假设GU1 处分配的数据包长为L1，ε1表示其错误概率，则GU1处的传输速率可表示为
式中，γ1为GU1 处的接收信干噪比，V1=1 -(1 +γ1)-2为GU1处的信道散度。
在数据传输过程中，结合译码错误率ε2，则x2在GU1处产生的SINR为分析式（2）得到 相应的译 码错误概 率，即=Q(g1(R2，L2，))。
因此，GU1 处采用SIC 解码技术可消除由信号x2产生的干扰，正确检测概率为(1 -)。于是GU1处关于信号x1的解码错误概率分析如下：
在窃听信道下，Eve处接收信号的表达式为
其中，me服从均值为0，方差为的高斯分布。Eve在对GU2 实施监听的同时，采用SIC 技术进行干扰信号的移除。此时，x1被视为干扰信号，通过对信号x2解码可以得到其在Eve 处的信干噪比γe，即因在Eve 处使用SIC 技术不会影响到GU2 处的数据传输速率，故无需考虑该处的错误概率。
2.2 优化问题描述
研究UAV-SPC 系统中基于NOMA 传输的安全问题时，在给定无人机通信的数据包长Li，传输速率Ri及有效译码率的条件下，GUi 处的有效吞吐量的可表示为
式中，i∈{1，2}为相应的地面用户。无人机以SPC进行数据传输时，传输包长有限，本文将以单位信道比特数（Bit Per Channel Use，BPCU）作为数据传输速率的单位［23］。假设UAV 每次向地面用户发送Mbit 信息，则数据传输速率可表示为此时，平均安全吞吐量可重新表示为
在满足功率约束和错误概率约束的条件下，本文通过联合优化UAV 的功率分配，数据传输包长和系统传输比特数使目标用户的平均安全吞吐量最大。此时，优化问题描述为
其中Δn={P1，P2，L1，L2，M}。在优化问题(OP1)中，式（8b）为GU1 处错误概率的可行范围，其中εmax为最大错误概率；
式（8c）为无人机的功率约束，Pmax表示最大发射功率；
式（8d）为GU2 处通信质量的功率限制；
式（8e）保证了GU2处的通信意义；
式（8f）为数据传输包长的取值范围，其中Lmax为最大传输包长；
式（8g）为系统传输比特数的有效区间，Mmax表示区间上的最大值。
在研究UAV-SPC 系统中基于NOMA 传输的安全问题时，针对不同的地面用户，按需分配不同功率，从而实现功率域的非正交多址接入。本文旨在研究NOMA 技术下的安全传输问题，此时L1=L2=L，优化问题可描述为
3.1 译码错误率优化分析
为得到GU2 处的最大平均安全吞吐量T2，由式（7）可知，在给定M，L的基础上，吞吐量的大小与错误概率有关。结合ε2表达式分析可知，ε2关于γ2的一阶偏导数为
3.2 功率分配优化分析
3.3 数据包长优化分析
在保密传输信道下，对于给定可行的功率分配和系统传输比特数确定数据传输包长对GU2 处平均安全吞吐量的影响。此时，优化问题(OP4)可表示为
表1 最优求解算法Tab.1 Optimal solution algorithm
3.4 系统传输比特数优化
在保密传输信道下，对于给定可行的功率分配和数据传输包长确定系统传输比特数对GU2 处平均安全吞吐量的影响。此时，优化问题(OP5)可表示为
结合式（7）及信号x2处的有效错误概率分析系统传输比特数对(OP5)的影响。为了得到目标用户处平均安全吞吐量的最大值，本节将分析其关于M的单调性和凹凸性。此时，T2关于M的一阶偏导数和二阶偏导数可分别表示为
3.5 联合优化分析
本文提出一种求解目标用户处平均安全吞吐量的联合优化算法。在第t次迭代下，通过对数据传输包长和系统传输比特数迭代优化得到相应的最优解，在此基础上，结合式（19）得到最优的分配功率P1opt。
该联合优化算法的具体步骤如表2所示。
表2 联合优化算法Tab.2 Joint optimization algorithm
（1）算法复杂度分析：
（2）收敛性证明：
根据文献［24］可知，数据传输包长和系统传输比特数在交替迭代的过程中目标函数T2单调不减，结合式（19），通过最优的M，L得到分配功率P1的最优解。该算法复杂度较低，定义算法的最大迭代次数为tmax，则在第t次迭代下有
本节将通过实验结果验证所提方案和算法的可行性和有效性。在基于NOMA 传输的UAV-SPC系统中，利用MATLAB 软件对第3 节的理论推导进行实验验证，相应的仿真参数取值如下表3 所示。本文将以正交多址接入（Orthogonal Multiple Ac?cess，OMA）方案作为基准方案，用来研究基于NOMA 传输的通信性能指标，假设目标用户在OMA方案下仍为保密传输。最后，将所提优化算法与PSO 算法进行性能对比，假设PSO 算法的初始种群数为100，最大迭代次数为100。
表3 仿真参数Tab.3 Simulation parameters
图2 为UAV 总发射功率变化下，GU2 处安全吞吐量随迭代次数的变化曲线。图中M的迭代区间为100～200 bit，L的迭代区间为100～200 symbol，本文所提算法的精度ρ=0.001，最大迭代次数tmax=100。当迭代次数t≥tmax或者|T(t+1)-T(t)|<ρ时算法收敛。由图2 可知，在迭代次数为7 次左右时，本文所提算法的安全吞吐量趋于稳定，即该算法具有较好的收敛性。
图2 GU2处安全吞吐量随迭代次数的变化曲线Fig.2 GU2’s secure throughput versus iterations under different power
图3 给出GU2 处译码错误率ε2与SINR 的变化关系。当给定系统传输比特数、数据传输包长和UAV 的功率分配时，目标用户处的译码错误率随SINR 的增大而减少，仿真结果与第3 节中的理论分析相吻合。由对比曲线可知，当包长一定时，系统传输比特数的变化会影响GU2 处的译码错误率。此外，包长在一定取值范围内，译码错误率ε2会随着包长的增大而减小，因此选择合适的包长对提升系统性能至关重要。
图3 GU2处译码错误概率ε2随SINR的变化曲线（P=10 W）Fig.3 GU2’s packet error rate versus SINR under different system transmission bits and packet length（P=10 W）
图4 给出GU2 处安全吞吐量与SINR 的变化关系。在一定SINR 范围内，当无人机的功率分配，数据传输包长和系统传输比特数已知时，目标用户处安全吞吐量的取值会随着SINR 的增大而增大，这是因为SINR 的增大会导致译码错误率减少，相应的吞吐量增大，仿真曲线与理论推导相符。此外，平均安全吞吐量会随着数据传输包长和系统传输比特数变化而变化，并且取值最终趋于M/L，即通过选取合适的L和M可提升UAV-SPC通信性能。
图4 GU2处安全吞吐量随SINR的变化曲线（P=10 W）Fig.4 GU2’s secure throughput versus SINR under different system transmission bits and packet length（P=10 W）
图5 给出GU2 处安全吞吐量与UAV 传输总功率的变化关系。显然，在给定数据传输包长和系统传输比特数的条件下，目标用户处的安全吞吐量会随着UAV 传输总功率的增大而增大，取值最终趋于M/L。产生这一现象的原因是，随着总发射功率的增大，目标用户处的分配功率P2增大，这将导致该处的有效译码错误率减小直至忽略不计。另外，包长和系统传输比特数会影响地面用户的功率分配，并且M越小，L越大，M/L取值越小，吞吐量的取值越小。同时可以发现，在基于OMA 的传输方案下，无人机可以通过向目标用户分配更多功率资源的方法来提高其安全吞吐量，但总体性能仍低于本文所提方案，这是因为在相同的吞吐量下，后者功率消耗更少，并且传输性能更优。
图5 GU2处安全吞吐量随UAV传输总功率的变化曲线（α=50%）Fig.5 GU2’s secure throughput versus UAV’s total transmission power under different schemes，system transmission bits and packet length（α=50%）
图6 给出了UAV-SPC 系统中GU2 处安全吞吐量与数据传输包长的变化曲线。图中L的区间范围为100～200 symbol，资源分配系数α=50%。在给定UAV 发射功率和系统传输比特数下，目标用户处的平均安全吞吐量会随着包长的增大呈现先增后减的趋势，即存在唯一最优的数据包长L使吞吐量最大。出现该趋势的原因是一定包长下数据传输速率对吞吐量的影响较大，到达最大值之后，M/L对包长的影响占主导地位，此时吞吐量又会随着包长L的增加而减小。在同一总功率下，增大系统传输比特数会使目标用户处的安全吞吐量增大，此时最优的包长也会发生改变。此外，当M，L已知时，最优的功率P1确定，此时增大UAV 的总发射功率将会使GU2 处的功率P2增大，目标用户处的安全吞吐量随之增大。由对比曲线可知，基于OMA 传输的安全吞吐量始终小于NOMA 方案下的值，本文所提方案可以以较短的包长实现与OMA 方案相同的吞吐量，即NOMA 技术在降低通信时延方面有较强的优势。
图6 GU2处安全吞吐量随数据传输包长的变化曲线Fig.6 GU2’s secure throughput versus data transmission packet length under different schemes，system transmission bits and power
图7给出GU2处的安全吞吐量与系统传输比特数的变化关系。图中M的区间范围为50～300 bit，资源分配系数α=50%。由图7 可以得到，目标用户处的平均安全吞吐量随着系统传输比特数的变化呈现先增后减的趋势，即存在唯一最优的M使吞吐量最大。这是因为当M较小的时候，随着M的增大，M/L的取值增大，从而导致相应的数据传输速率增大，即吞吐量增大，但此时错误概率2同时增大，而当错误概率增大到一定阈值后，整个系统的通信质量急速下降，此时目标用户处的安全吞吐量便会呈现下降趋势。可以看出，吞吐量同样受到数据包长L的限制，此外，随着UAV 总发射功率的增大，目标用户处的分配功率P2增大，该处有效译码错误率减小，即GU2 处的安全吞吐量增大。同时也发现，本文所提优化方案下的安全吞吐量始终优于基准方案，故NOMA 技术可用于基于MTC 的UAV-SPC网络中。
图7 GU2处安全吞吐量随系统传输比特数的变化曲线Fig.7 GU2’s secure throughput versus system transmission bits under different schemes，packet length and power
图8给出了对比方案及算法下GU2处的平均安全吞吐量随信息保密约束的变化曲线。图中δ的区间范围为10-4～10-1，M的区间为100～200 bit，L的区间为100～200 symbol，UAV 的总发射功率P=10 W。由图可知，目标用户处的安全吞吐量会随着信息保密约束的增大而增大。经分析可知，目标用户处的安全传输速率会因Eve的存在而受到损耗，但随着δ的增大，其损耗减小，此时系统的通信性能提升，安全吞吐量增大。另外，虽然本文优化算法与PSO 算法的基本原理不同，但其在优化UAV 发射功率，数据传输包长和系统传输比特数的问题上可得到近似结果。通过对比曲线可知，PSO 算法因在运算后期极易陷入局部最优而导致稳定性较低，本文所提优化算法可以有效地解决了这一问题，具有较高的稳定性。此外，与基准方案相比，将NOMA 技术引入到短包通信中可实现更高的安全吞吐量，因此被广泛应用于UAV通信场景中。
图8 对比方案及算法下GU2处安全吞吐量随保密约束的变化曲线Fig.8 GU2’s secure throughput versus information confidentiality constraints under different schemes and algorithm
本文研究了UAV-SPC 系统中基于NOMA 传输的安全通信问题。在满足功率和错误概率约束的条件下，推导出平均安全吞吐量的闭合表达式。在此基础上，分别研究UAV 的功率分配、数据传输包长和系统传输比特数对吞吐量的影响，进而由本文所提算法得到平均安全吞吐量的优化解。实验结果验证了本文所提优化算法的稳定性和可行性。此外，与基准的OMA 方案相比，基于NOMA 的传输方案可有效降低短包传输的通信时延，从而获得更大的安全吞吐量。
猜你喜欢 译码吞吐量比特 基于扩大候选码元范围的非二元LDPC加权迭代硬可靠度译码算法沈阳工业大学学报(2021年6期)2021-11-29分段CRC 辅助极化码SCL 比特翻转译码算法现代电子技术(2021年7期)2021-04-08基于校正搜索宽度的极化码译码算法研究现代计算机(2021年36期)2021-03-14比特币还能投资吗海峡姐妹(2017年10期)2017-12-19比特币分裂三联生活周刊(2017年33期)2017-08-112017年3月长三角地区主要港口吞吐量集装箱化(2017年4期)2017-05-172016年10月长三角地区主要港口吞吐量集装箱化(2016年11期)2017-03-292016年11月长三角地区主要港口吞吐量集装箱化(2016年12期)2017-03-20比特币一年涨135%重回5530元银行家(2017年1期)2017-02-15LDPC 码改进高速译码算法遥测遥控(2015年2期)2015-04-23