一种硬件损伤条件下UAV辅助的NOMA双向中继网络安全速率最大化方法

一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法
技术领域
1.本发明属于noma网络功率控制技术领域，具体涉及一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法。


背景技术：

2.无人机具有高机动性和配置灵活等特点，因此可以在突发情况如自然灾害、人为破坏等场景下快速部署，充当空中基站或者空中中继，扩大对地面用户的覆盖率。另一方面，无人机可以灵活地改变位置，以提供更好的信道条件，与此同时采用广播的方式与地面用户进行通信，无人机辅助的通信系统存在被窃听的风险，因此物理层安全也是无人机辅助通信的一个关键问题。
3.目前，通过研究uav辅助的双向中继网络中现有的资源分配方法发现，已有方法主要存在两个问题，导致方法实用性不强。首先，研究考虑的场景大多基于节点处的射频收发器为理想硬件条件下进行，wang z等人在《journal of communications and networks,2022,24(2):139-153.》上发表了题为“robust secure uav relay assisted cognitive communications with resource allocation and cooperative jamming”的文章，研究了多用户模型下的物理层安全问题，通过部署无人机辅助的干扰器向窃听者发送干扰信号，联合优化无人机中继和干扰机的鲁棒轨迹和功率，最大化最小安全速率。tang x等人在《ieee transactions on vehicular technology,2022,71(5):50485059.》上发表了题为“deep learningassisted secure uavrelaying networks with channel uncertainties”的文章，研究了无人机中继系统中存在多个已知和未知的窃听者对系统的安全构成威胁的情况，并制定了联合优化最小安全速率、无人机能耗和基于虚拟天线的波束成形的多目标优化问题，仿真结果表明了所提算法的有效性。
4.但是上述方法中未考虑硬件损伤条件下无人机辅助的双向中继网络安全速率优化问题，通过优化无人机布局、sic解码顺序、无人机功率分配和用户发送功率最大化系统安全速率。使用惩罚函数法、指数替换、放缩和连续凸逼近把原始问题转换为两个凸的子问题，接着基于块坐标下降算法设计了一个有效的优化算法，并在不同硬件损伤系数下分析了无人机发射功率、无人机飞行高度、窃听者位置和用户数对系统性能的影响。因此，考虑收发机硬件损伤条件和无人机布局的情况，研究uav辅助的noma双向中继网络安全速率最大化方法具有重要的实际应用价值和意义。由于uav辅助的noma双向中继网络安全速率优化问题是混合二进制非凸优化问题，针对该问题如何设计低复杂度的资源分配方法是一个技术难点。


技术实现要素：

5.为解决以上现有技术存在的问题，本发明提出了一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，该方法包括：
6.s1：构建uav辅助的noma双向中继网络安全速率最大化模型；
7.s2：初始化无人机位置、上下行noma解码顺序、用户发射功率、无人机功率分配系数、最小速率判决门限、迭代次数和最大迭代次数；
8.s3：根据当前用户发射功率和无人机功率分配系数对无人机位置和上下行noma解码顺序进行更新；
9.s4：根据更新后的无人机位置和上下行noma解码顺序对用户发射功率和无人机功率分配系数进行更新；
10.s5：对迭代次数进行更新，将更新后的迭代次数与最大迭代次数进行对比，若大于最大迭代次数，则执行步骤s7；否则执行步骤s6；
11.s6：计算当前模型参数更新的安全速率值，求解更新后的安全速率值与上一次安全速率的变化值；将变化值与最小速率判决门限进行对比，若变化值大于最小速率判决门限，则保存更新后的安全速率值，并返回步骤s3；否则，执行步骤s7；
12.s7：输出无人机位置、noma解码顺序系数、用户发送功率及无人机功率分配系数。
13.本发明的有益效果：
14.本发明考虑了射频收发机处硬件损伤对系统性能的影响，采用块坐标下降法、连续凸逼近(successive convex approximation,sca)、罚函数法设计资源分配方案。相比其他没有考虑硬件损伤和对无人机位置优化的资源分配方案，本发明提高了系统安全速率，具有更好的实用性和可行性。
附图说明
15.图1为本发明提供优选实施例uav辅助noma双向中继网络的物理层安全系统模型；
16.图2为本发明在不同的硬件损伤条件下采用本实施例方法得到的安全速率收敛图；
17.图3为本发明在不同的硬件损伤条件下改变uav最大发射功率正交多址方案与本实施例方法得到的安全速率的对比图；
18.图4为本发明的流程图。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，如图4所示，该方法包括：
21.s1：建立一个uav辅助的noma双向中继网络安全速率最大化模型；
22.s2：初始化无人机位置、上下行noma解码顺序、用户发射功率、无人机功率分配系数、最小速率判决门限、迭代次数和最大迭代次数；
23.s3：利用给定的用户发射功率及无人机功率分配系数，求解出无人机位置和上下行noma解码顺序，并将其更新；
24.s4：利用s3计算出的无人机位置和上下行noma解码顺序，求解出用户发射功率和无人机功率分配系数，并将其更新；
25.s5：更新迭代次数，判断迭代次数是否超出最大迭代次数，若超出最大迭代次数则转到s7，其余情况执行s6；
26.s6：安全速率更新收敛的判断，计算更新的安全速率值，如果更新的安全速率与上一次的安全速率之差的绝对值不大于安全速率判决门限，则判断安全速率收敛，给出最大的安全速率值，并执行s7；如果更新的安全速率与上一次的安全速率之差的绝对值大于安全速率判决门限，则将新计算出的安全速率值保存为此时的安全速率值，并转到s2中更新系统参数，直到安全速率满足收敛条件，给出最大的安全速率；
27.s7：输出无人机位置、noma解码顺序系数、用户发送功率及无人机功率分配系数，方法结束。
28.在本实施例中，无人机辅助的noma双向中继网络的安全速率最大化模型为：
29.(p1)
30.s.t.c1:
31.c2:
32.c3:
33.c4:
34.c5:
35.c6:
36.c7:
37.c8:
38.其中，使用q＝{xu,yu}表示各变量，r
sec
表示系统的安全速率，sk来表示用户k到用户2k-k+1的速率，pk为用户k的发送功率，p
uav
为无人机最大发射功率，βk为无人机分配给用户k的功率分配系数，无人机的三维坐标可以表示为[xu,yu,h]
t
，h为无人机高度，xu和yu为无人机水平坐标位置，a
k,i
和b
k,i
代表上行链路和下行链路中sic解码顺序的控制系数，且为二进制变量。目标优化问题中c1是用户发射功率限制，c2是无人机功率分配系数限制，c3—c8是mac时隙和广播时隙中sic解码顺序系数限制，c3限制上下行中sic解码顺序系数为二进制变量，c4和c5保证sic解码顺序系数的互斥性，c6限制sic解码时不会将目标信号当作噪声，c7和c8为sic解码顺序的传递性约束。目标问题中的系统安全速率r
sec
表示为：
[0039][0040]
上式中分别表示多址时隙中的可达速率，广播时隙中的可达速率，多址时隙中的窃听速率和广播时隙中的窃听速率，分别表示为：
[0041][0042][0043][0044][0045]
其中，hk代表无人机到用户k处的信道增益，h
r,e
代表无人机到窃听者的信道增益，h
k,e
代表窃听者到用户k的信道增益，和分别是用户发送端和无人机接收端硬件损伤系数，且服从和和和分别代表发送端和接收端的硬件损伤系数；n是加性高斯白噪声，且服从δ2为系统噪声功率；nk是用户k处的加性高斯白噪声，且服从是用户k处的加性高斯白噪声，且服从表示求期望。
[0046]
在目标问题中，由于优化变量q、p、β、a和b之间互相耦合，使得目标函数不是凹函数，约束存在非连续变量且存在非凸约束，因此该目标问题不是凸优化问题，难以使用低复杂度的算法进行求解。接下来会通过变量替换对优化问题进行等价改写，接着将优化问题分解成2个子问题分别求解，通过块坐标下降算法对该问题进行求解。
[0047]
在本实施例中，初始化无人机位置为q0＝(x,y,h)、无人机发射功率分配系数为β0、上行解码顺序系数a0、下行解码顺序系数b0、用户发送功率p0、速率判决门限为ε，其中x、y、h分别表示无人机的横坐标、纵坐标、飞行高度。
[0048]
在本实施例中，利用给定的用户发送功率和无人机功率分配系数，求解出无人机位置和上下行解码顺序系数，并将其更新。具体为：对用户发射功率和无人机功率分配系数进行固定；构建辅助变量sk和tk，并设置新的约束条件；根据用户发射功率、无人机功率分配系数、辅助变量sk和tk以及新的约束条件将uav辅助的noma双向中继网络安全速率最大化模型转换为子问题p2的目标函数；将子问题p2转换为子问题p3；求出子问题p3的最优解，求出的最优解为更新后的无人机位置和上下行noma解码顺序。
[0049]
固定p和β，联合优化q、a和b，子问题1为如下优化问题(p2)：
[0050]
(p2)
[0051]
s.t.c3a:
[0052]
c3b:
[0053]
c3c:
[0054]
c3d:
[0055]
c7a:
[0056]
c8a:
[0057]
c9:
[0058]
c10:
[0059]
c11:
[0060]
c12:
[0061]
c13:
[0062]
将p1目标函数使用辅助变量sk和tk替换，得到p2的目标函数；其中：
[0063][0064][0065]
其中，hk(x,y)表示无人机到用户k处的信道增益，x、y分别表示无人机的横坐标、纵坐标，pk为用户k的发送功率，k为用户的数量，a
k,i
为上行链路中连续干扰消除(sic)解码顺序的控制系数，表示用户集合，δ2为系统噪声功率，b
2k-k+1,i
为第i个无人机中继到配对用户2k-k+1时下行链路中连续干扰消除解码顺序的控制系数，βi为无人机分配
给用户i的功率分配系数，p
uav
为无人机最大发射功率，为第2k-k+1个用户的噪声功率；hk为无人机到用户k处的信道增益，b
k,i
为第i个无人机中继到配对用户k时下行链路中连续干扰消除解码顺序的控制系数，为无人机发送端的硬件损伤因子，为用户k接收端的硬件损伤因子，h
r,e
为无人机到窃听者的信道增益；问题p2中，c3a为mac时隙中解码顺序系数的控制系数约束，c3b为mac时隙中解码顺序系数的控制系数约束，c3a和c3b共同约束解码顺序系数为二进制变量，c3c为bc时隙中解码顺序系数的控制系数约束，c3d为bc时隙中解码顺序系数的控制系数约束，c3c和c3d共同约束解码顺序系数为二进制变量；c7a为mac时隙中解码顺序系数的传递性约束，c8a为bc时隙中解码顺序系数的传递性约束，c9为对目标函数进行变量替换后引入的约束，为mac时隙中用户k的速率，c10为对目标函数进行变量替换后引入的约束，为bc时隙中用户2k-k+1的速率，c11为对目标函数进行变量替换后引入的约束，为mac时隙中窃听者对用户k的窃听速率，c12为对目标函数进行变量替换后引入的约束，为bc时隙中窃听者对用户k的窃听速率，c13为保证安全速率大于等于0的约束。
[0066]
新引入约束c9-c12，约束c13的引入可以确保安全速率大于等于零。
[0067]
子问题(p2)是非凸优化问题，需要将目标函数进行变换，将子问题(p2)等价为(p3)：
[0068]
(p3)
[0069]
s.t.c14:
[0070]
c15:
[0071]
c16:
[0072]
c17:
[0073]
c18:
[0074]
c19:
[0075]
c20:
[0076]
c21:(x
u-xe)2+(y
u-ye)2+h2≤de[0077]
c3b,c3d,c7a,c8a,c11,c13.
[0078]
其中，χ为引入的辅助变量的集合，表示为χ＝{t,v,m,de}。v,m,de分别是新引入的变量，ξ和α是使用了惩罚函数法后引入的惩罚系数，且满足ξ＞＞0，α0，在c3b的定义域限制下，的值的范围为[0,1/4]，但是在存在惩罚函数且ξ
→
∞时，若那么目
标函数的值就是无穷小，则不符合目标函数的优化目标，问题p3收敛时有变量b
k,i
同理，因此p3和原问题等价。优化问题p2中的c3b，c3d，c7a，c8a，c13为凸集，c9，c10和c12不是凸集，因此需要对这些约束进行指数变换和sca处理，转换为凸优化问题需要的凸集形式。使用变量替换令μ＝βkp
uav
，，为窃听者接收端的硬件损伤因子，优化问题p2可转换为等价优化问题p3。问题(p3)是一个凸优化问题，其最优解可以用凸优化内点算法进行求解。
[0079]
在本实施例中，对用户发射功率和无人机功率分配系数进行更新包括：固定无人机位置和上下行noma解码顺序，将子问题p3转化为优化问题p4；将优化问题p4转化为凸优化问题，得到问题p5；求问题p5的最优解，得到更新后的用户发射功率和无人机功率分配系数。
[0080]
进一步的，固定q、a和b，联合优化p和β，子问题2为如下优化问题(p4)为：
[0081]
(p4)
[0082]
s.t.c1:
[0083]
c2a:
[0084]
c10:
[0085]
c11:
[0086]
c12:
[0087]
c13:
[0088]
问题(p4)中目标函数为凹函数，c1和c2a是凸集，c10—c13中存在变量耦合因此不是凸集，因此需要通过指数替换和sca方法对非凸约束c10—c13进行重构。使用变量替换对原约束条件进行替换，令原约束条件进行替换，令综上所述推导过程，原问题被转化为如下问题(p5)：
[0089]
(p5)
[0090]
s.t.c22:
[0091]
c23:
[0092]
c24:
[0093]
c25:
[0094]
c26:
[0095]
c1,c2a.
[0096]
其中，j为辅助变量的集合j＝{c,u,z}，辅助变量c,u,z分别代表c22为对c10进行变量替换后的约束，c23为对新引入的变量z进行一阶泰勒展开后的约束，c24为对c11进行变量替换后的约束，c25为对c12进行变量替换后的约束，c26为对c13进行变量替换后的约束，c2a为无人机功率分配系数之和小于等于1，ψ(c)、φ以及均为中间参数。
[0097]
中间参数ψ(c)、φ以及的表达式为：
[0098][0099][0100][0101]
其中，为用户i到窃听者距离的-θ次方，为常数。
[0102]
问题(p5)是一个凸优化问题，可以使用标准的凸优化方法进行求最优解。
[0103]
进一步的，步s6中，比较与速率判决门限ε的大小，其中，为迭代n+1次后安全速率，为迭代n次后的系统安全速率；如果不大于ε，系统安全速率收敛，给出最大的系统安全速率，输出优化后的无人机位置、noma解码顺序系数、用户发送功率及无人机功率分配系数，结束；如果大于ε，将新计算出的系统安全速率保存为此时的安全速率，并转到步骤3)，直到系统安全速率满足条件，给出最大的系统安全速率。
[0104]
本发明在无人机发射功率分配系数、noma解码顺序、用户发射功率约束条件下，最大化uav辅助的noma双向中继网络的安全速率，其创新之处在于，与传统的物理层安全模型相比考虑了硬件损伤对网络的影响，相较于传统模型具有更高的系统安全速率，在所述步骤s5中对无人机布局和上下行noma解码顺序进行联合优化，本发明采用惩罚函数法、块坐标下降法、连续凸逼近和变量替换获得最优解，本发明所提供的方法，相比于采用正交多址接入的方案具有更高的安全速率，并且在考虑射频收发机硬件损伤后，在实际网络中具有更好的实用性和可行性。
[0105]
本实施例为uav辅助的noma双向中继网络安全速率最大化方法，在一个uav辅助的
noma双向中继网络中，共有k＝10个地面用户分布在两个小区内，小区1和小区2分别是以三维笛卡尔坐标系坐标(100，0，0)和(-100，0，0)为圆心50m为半径的圆形范围，无人机的初始坐标为(0，0,200)。地面用户的最大发射功率为p
max
＝20dbm，无人机的发射功率为p
uav
＝30dbm。参考信道功率ρ0＝-50db，噪声功率谱密度σ2＝-174dbm/hz，无人机的飞行高度h＝100m。收敛门限ε＝10-4
。
[0106]
在本实施例中，图1为本发明提供uav辅助noma双向中继网络的物理层安全系统模型，图中uav作为空中中继，转发两个小区中用户的信号，地面用户和无人机都配备了单根天线，由于空对地信道具有良好的信道条件因此考虑系统中存在窃听者的情况；图2在不同的硬件损伤条件下采用本实施例方法得到的安全速率收敛图；图3在不同的硬件损伤条件下改变uav最大发射功率正交多址方案与本实施例方法得到的安全速率的对比图；
[0107]
从图2中可以看出本实施例方法随着迭代次数的增加而收敛，对于uav最大发射功率为p
uav
＝30dbm，地面用户的发射功率为p
max
＝20dbm的情况，算法在第八次迭代后达到了收敛条件，说明本文所提方法具有收敛性，进一步验证了本文所提方法的有效性。
[0108]
图3显示了在不同的硬件损伤条件下，系统安全速率随无人机发射功率的变化趋势。在图中比较了所提算法和正交多址方案，在硬件损伤系数为0.01、0.02和0.03时，随着无人机发射功率从20dbm到40dbm的增大，两种方案下的系统安全速率先逐渐增长然后趋于稳定。在无人机发射功率为20dbm，系统安全速率趋近于0，这是由于无人机发射功率过小，导致用户的安全速率不满足要求，从而安全速率趋于0。在无人机发射功率为30dbm，硬件损伤系数为0.01、0.02和0.03的条件下，所提方案比正交多址方案安全速率分别提升了7％，9％和10％，验证了所提算法相较于正交多址方案的有效性。其次，当无人机发射功率为22dbm时，硬件损伤系数增加0.01会造成10％的性能损失，当无人机发射功率为30dbm时，硬件损伤系数增加0.01会造成26％的性能损失，因此在无人机发射功率从22dbm到30dbm增加时，硬件损伤对该系统安全速率的影响也会增加。
[0109]
以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，包括：s1：构建uav辅助的noma双向中继网络安全速率最大化模型；s2：初始化无人机位置、上下行noma解码顺序、用户发射功率、无人机功率分配系数、最小速率判决门限、迭代次数和最大迭代次数；s3：根据当前用户发射功率和无人机功率分配系数对无人机位置和上下行noma解码顺序进行更新；s4：根据更新后的无人机位置和上下行noma解码顺序对用户发射功率和无人机功率分配系数进行更新；s5：对迭代次数进行更新，将更新后的迭代次数与最大迭代次数进行对比，若大于最大迭代次数，则执行步骤s7；否则执行步骤s6；s6：计算当前模型参数更新的安全速率值，求解更新后的安全速率值与上一次安全速率的变化值；将变化值与最小速率判决门限进行对比，若变化值大于最小速率判决门限，则保存更新后的安全速率值，并返回步骤s3；否则，执行步骤s7；s7：输出无人机位置、noma解码顺序系数、用户发送功率及无人机功率分配系数。2.根据权利要求1所述的一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，构建uav辅助的noma双向中继网络安全速率最大化模型的表达式为：(p1)(p1)(p1)(p1)(p1)(p1)(p1)(p1)(p1)(p1)其中，q＝{x
u
,y
u
}，为优化变量，分别表示无人机位置向量、用户功率分配向量、无人机的功率分配系数向量、上行链路sic解码顺序控制系数矩阵和下行链路sic解码顺序控制系数矩阵；表示用户集合；x
u
为无人机水平坐标位置和y
u
为无人机垂直坐标位置；p
i
为用户i的发送功率；β
i
为无人机分配给用户i的功率分配系数；a
k,i
为上行链路中连续干扰消除解码顺序的
控制系数；b
k,i
为下行链路中连续干扰消除解码顺序的控制系数；r
sec
表示系统的安全速率；c1为用户发射功率限制；c2为无人机功率分配系数限制；c3-c8为多接入时隙和广播时隙中sic解码顺序系数限制；表示多址时隙中的用户k到无人机中继的可达速率；表示广播时隙中无人机中继到配对用户2k-k+1的可达速率；表示多址时隙中对用户k的窃听速率，表示广播时隙中对用户k的窃听速率。3.根据权利要求2所述的一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，以及的计算公式为：的计算公式为：的计算公式为：的计算公式为：其中，h
k
代表无人机到用户k处的信道增益，h
r,e
代表无人机到窃听者的信道增益，h
k,e
代表窃听者到用户k的信道增益，和分别为用户发送端和无人机接收端硬件损伤系数，和分别代表发送端和接收端的硬件损伤系数，n为加性高斯白噪声，δ2为系统噪声功率，n
k
为用户k处的加性高斯白噪声，为噪声功率，表示求期望。4.根据权利要求1所述的一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，对无人机位置和上下行noma解码顺序进行更新包括：对用户发射功率和无人机功率分配系数进行固定；构建辅助变量s
k
和t
k
，并设置新的约束条件；根据用户发射功率、无人机功率分配系数、辅助变量s
k
和t
k
以及新的约束条件将uav辅助的noma双向中继网络安全速率最大化模型转换为子问题p2的目标函数；将子问题p2转换为子问题p3；求出子问题p3的最优解，求出的最优解为更新后的无人机位置和上下行noma解码顺序。5.根据权利要求4所述的一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，辅助变量s
k
和t
k
的表达式为：
其中，h
k
(x,y)表示无人机到用户k处的信道增益，x、y分别表示无人机的横坐标、纵坐标，p
k
为用户k的发送功率，k为用户的数量，a
k,i
为上行链路中连续干扰消除解码顺序的控制系数，表示用户集合，δ2为系统噪声功率，b
2k-k+1,i
为第i个无人机中继到配对用户2k-k+1时下行链路中连续干扰消除解码顺序的控制系数，β
i
为无人机分配给用户i的功率分配系数，p
uav
为无人机最大发射功率，为第2k-k+1个用户的噪声功率；h
k
为无人机到用户k处的信道增益，b
k,i
为第i个无人机中继到配对用户k时下行链路中连续干扰消除解码顺序的控制系数，为无人机发送端的硬件损伤因子，为用户k接收端的硬件损伤因子，h
r,e
为无人机到窃听者的信道增益。6.根据权利要求4所述的一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，子问题p2的目标函数为：(p2)(p2)(p2)(p2)(p2)(p2)(p2)(p2)
其中，q＝{x
u
,y
u
}，为优化变量，分别表示无人机位置向量、用户功率分配向量、无人机的功率分配系数向量、上行链路sic解码顺序控制系数矩阵和下行链路sic解码顺序控制系数矩阵；表示用户集合；c3a为mac时隙中解码顺序系数的控制系数约束，c3b为mac时隙中解码顺序系数的控制系数约束，c3c为bc时隙中解码顺序系数的控制系数约束，c3d为bc时隙中解码顺序系数的控制系数约束，c7a为mac时隙中解码顺序系数的传递性约束，c8a为bc时隙中解码顺序系数的传递性约束，c9为对目标函数进行变量替换后引入的约束，为mac时隙中用户k的速率，c10为对目标函数进行变量替换后引入的约束，为bc时隙中用户2k-k+1的速率，c11为对目标函数进行变量替换后引入的约束，为mac时隙中窃听者对用户k的窃听速率，c12为对目标函数进行变量替换后引入的约束，为bc时隙中窃听者对用户k的窃听速率，c13为保证安全速率大于等于0的约束。7.根据权利要求4所述的一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，子问题p3的表达式为：(p3)(p3)(p3)(p3)(p3)(p3)(p3)(p3)c21:(x
u-x
e
)2+(y
u-y
e
)2+h2≤d
e
c3b,c3d,c7a,c8a,c11,c13.其中，χ为引入的辅助变量的集合，表示为χ＝{t,v,m,d
e
}；v,m,d
e
均为新引入的变量，ξ
和α是使用了惩罚函数法后引入的惩罚系数；c14为c9经过指数替换后的约束，为变量m,v,y的耦合变量，σ为中间参数，c15为新引入的变量m的约束，c16为对新引入变量的约束v进行一阶泰勒展开后的约束，c17为对新引入的变量y进行一阶泰勒展开后的约束，c18为c10进行变量替换后的约束，c19为新引入的变量n的约束，c20为c12进行变量替换后的约束，c21为新引入的变量d
e
的约束，c3b为mac时隙中解码顺序系数的控制系数约束，c3d为bc时隙中解码顺序系数的控制系数约束，c7a为mac时隙中解码顺序系数的传递性约束，c8a为bc时隙中解码顺序系数的传递性约束，c11为对目标函数进行变量替换后引入的约束，c13为保证安全速率大于等于0的约束。8.根据权利要求1所述的一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，对用户发射功率和无人机功率分配系数进行更新包括：固定无人机位置和上下行noma解码顺序，将子问题p3转化为优化问题p4；将优化问题p4转化为凸优化问题，得到问题p5；求问题p5的最优解，得到更新后的用户发射功率和无人机功率分配系数。9.根据权利要求8所述的一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，优化问题p4的表达式为：(p4)(p4)(p4)(p4)(p4)(p4)(p4)其中，c1为用户发射功率限制，c2a表示无人机功率分配系数之和小于等于1，c10表示对目标函数进行变量替换后引入的约束，c11表示对目标函数进行变量替换后引入的约束，c12表示对目标函数进行变量替换后引入的约束，c13表示对目标函数进行变量替换后引入的约束。10.根据权利要求8所述的一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法，其特征在于，问题p5的表达式为：(p5)(p5)(p5)
c1,c2a.其中，j为辅助变量的集合j＝{c,u,z}，辅助变量c,u,z分别代表c22为对c10进行变量替换后的约束，c23为对新引入的变量z进行一阶泰勒展开后的约束，c24为对c11进行变量替换后的约束，c25为对c12进行变量替换后的约束，c26为对c13进行变量替换后的约束，c2a为无人机功率分配系数之和小于等于1，ψ(c)、φ以及均为中间参数。

技术总结
本发明属于NOMA网络功率控制技术领域，具体涉及一种硬件损伤条件下UAV辅助的NOMA双向中继网络安全速率最大化方法，包括：构建模型，初始化模型的参数，该参数包括无人机位置、上下行NOMA解码顺序、用户发射功率、无人机功率分配系数、最小速率判决门限、迭代次数和最大迭代次数，采用凸优化算法对各个参数进行优化更新；根据更新后的参数采用迭代优化算法对模型参数进行迭代优化，得到最优的无人机位置、NOMA解码顺序系数、用户发送功率及无人机功率分配系数；本发明考虑了射频收发机处硬件损伤对系统性能的影响，采用块坐标下降法、连续凸逼近、罚函数法设计资源分配方案，提高了系统安全速率，具有更好的实用性和可行性。具有更好的实用性和可行性。具有更好的实用性和可行性。


技术研发人员：王正强 张朕 万晓榆 樊自甫 多滨
受保护的技术使用者：重庆邮电大学空间通信研究院
技术研发日：2023.05.26
技术公布日：2023/8/6