UAV mmWave Communication (Jounal)_角互易

Beam Management and Self-Healing for mmWave UAV Mesh Networks

2019 IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY

Abstract

IEEE802.11ay中的点对点和点对多点通信功能使无人机（UAV）能够形成无人机网格网络（Flymesh）。在基于802.11ay的毫米波（MMWave）飞行网格中，无人机的协同作用和定向通信链路的波束失准带来了许多挑战。本文研究了如何保证毫米波Flymesh在波束管理和网络自愈方面的鲁棒性。首先，针对无人机之间或无人机组长与中继基站/卫星之间因无人机运动而产生的波束失准问题，提出了一种快速波束跟踪机制。第二，为了解决一些无人机群外脱离或故障导致的链路故障问题，提出了寻找替代链路恢复网络能力的自愈机制。最后，针对无人机机动性带来的群体领导者动态变化，提出了一种有效的无人机群体领导者再选机制，以降低无人机群体管理的开销。通过性能分析和仿真，我们证明了我们提出的机制能够有效地解决上述问题和挑战。

1. Introduction

在过去的十年中，小型化和低成本使得无人驾驶飞行器（UAV）在公众中广受欢迎。由于着陆灵活，无人机被用于支持各种服务，例如来自偏远和危险或不可接近区域的数据收集、监视和监控任务、轻货物运输，尤其是灾难救援[1]c[4]。因此，毫无疑问，无人机具有巨大的市场潜力。然而，单个无人机的可持续性、稳定性、可靠性和覆盖范围都有各种限制，如果我们经常使用一个新的无人机来取代失败的无人机来继续执行任务，就会频繁中断服务。因此，无人机通过形成无人机网格网络（即Flymesh）进行协作已成为一个有趣的研究课题[1]-[5]。不同无人机之间的互联可以实现无人机的全互联网络。因此，可以保证Flymesh的可靠性和覆盖范围。例如，在灾难救援中，当一些无人机受损或脱离网络时，Flymesh中的其他无人机可以快速重新配置自身并继续执行任务。因此，整个Flymesh的运行不会受到很大影响。

所获得的数据可以由无人机组长传送到中继基站（RBS）、飞艇或卫星（为了简单起见，本文中我们使用RBS来表示中继基站、飞艇或卫星），然后由RBS将数据传送到控制中心。必要时，Flymesh还可以提供紧急通信服务[1]-[4]，[6]。然而，当无人机获取大量数据在无人机之间或在Flymesh和RBS之间传输时，需要大量的光谱。受微波波段（如低于6 GHz）可用光谱的限制，几乎不可能保证在Flymesh上实现超高速和实时传输。幸运的是，毫米波（mmwave）中有大量可用光谱，这使得Flymesh能够提供超高速传输[7]c[10]。然而，由于毫米波波段的严重路径损耗，通信距离较短。为了提高毫米波波段的通信距离，需要采用波束形成技术集中窄波束上的发射功率，实现定向通信[7]c[10]。最近，GE等人在[11]中提出了一种轨道角动量空间调制（OAM-SM）毫米波通信系统，它比传统的多输入多输出（MIMO）毫米波通信能够实现更大的距离传输。此外，由于无人机的机动性和高海拔，有可能在无人机之间形成视线（LOS）路径，从而在毫米波通信中利用波束形成技术。

事实上，基于IEEE802.11ad[12]和802.11ay[13]的无线局域网（WLAN）已经利用毫米波（例如60GHz）来支持点对点和点对多点通信。因此，上述两种无线局域网的波束管理机制可以很容易地应用到Flymesh中。因此，本文研究了基于802.11ad和802.11ay的Flymesh。然而，在毫米波无线局域网中，特别是在我们的毫米波飞行中，采用定向通信有许多设计挑战。

1. 考虑到mmwave-flymesh部署在空中，无人机之间的相对位置变化频繁，需要建立通信链路的无人机之间进行频繁的波束跟踪，以确保实时波束对准，从而提供可靠的超高速飞行。d无线传输。由于无人机的寿命受到电池[4]、[6]的限制，频繁的光束训练可能会浪费宝贵的数据传输机会。因此，为了有效地利用毫米波Flymesh的优点，需要发展快速波束跟踪方法。

2. 在某些特定的情况和情况下（如灾区等），一些无人机可能无法正常工作，因为毫米波Flymesh易受各种环境或物理因素的影响。由于单个无人机的失效，应避免整个毫米波Flymesh拓扑结构发生重大变化，否则几乎所有的无人机都需要与周围的无人机重新进行光束跟踪。因此，需要有效的网络自愈方法来保证服务质量（QoS）。

3. 应选择无人机组长作为与RBS连接进行数据传输的网关。然而，由于毫米波飞网在空中的移动，无人机组长和RBS之间的相对位置可能会经常发生变化，而且无人机组长和RBS之间的backhaul由于其信道质量差，可能无法提供高传输率[5]。因此，需要无人机组长重新选择，以确保超高速backhaul传输。

有一些工作可以解决上述挑战。Wang等人针对多无人机异类飞行自组网提出了一种高效的网关选择算法和管理机制，并通过对网关构成瓶颈、限制网络可靠连通性和稳定性的观察[1]。Tang等人在[5]中，提出了一种基于部分重叠信道分配的博弈论方法，解决了无人机与基于设备到设备（D2D）的网络中节点的动态拓扑和高移动性问题。Takaishi等人在[14]中，提出了一种基于虚拟小区的资源分配方案，以解决在相邻空域内运行多个无人飞机系统时的无线通信冲突。然而，这些研究工作都是基于微波波段，而毫米波波段的定向传输将带来更多的挑战。此外，较大的可用频谱将使资源（尤其是频率）分配在毫米波波段的重要性降低。对于基于毫米波的飞行网格，波束管理对于保持毫米波无人机之间的互联非常重要。IEEE 802.11ad和802.11ay开发了一种双相波束训练方法，如我们之前的工作[15]-[17]所述。在[12]、[13]中还引入了一种有效的波束跟踪方案，其中波束跟踪发起者可以将训练单元附加到数据帧以执行灵活的波束跟踪。虽然目前的相关方法在一定程度上可以解决毫米波Flymesh的一些挑战，但这些方法并没有完全解决毫米波Flymesh的可靠性问题。

本文研究了基于802.11ad/ay的毫米波Flymesh中的波束管理、网络自愈和无人机组长重选机制。波束管理是保证毫米波FLYMESH鲁棒性的基础，有效的波束管理机制应解决由于UAV机动性引起的波束失调问题。网络自愈能力可以快速找到一个转发链路来替代无人机故障导致的故障链路，以保持毫米波Flymesh的稳定性，同时应尽量减少链路故障对整个毫米波Flymesh的影响。对于无人机组长再选择问题，需要限制候选无人机组长的数量，然后在候选无人机组长和RBS之间进行波束训练。应尽量减少无人机组长重新选择的开销。综上所述，本文作出了以下主要贡献:

1. 针对无人机之间以及无人机组长与RBS之间的相对机动性问题，提出了一种快速波束跟踪机制。根据定向光束的SNR和SINR的变化，我们可以推断出相对运动的方向。因此，我们可以限制光束跟踪的区域，从而减少开销。

2. 根据毫米波Flymesh的特点，提出了一种介质访问控制层MAC的自愈机制。提出的自愈机制可以自适应地寻找一种替代链路，通过故障绕过不可用的无人机，从而控制自愈的信令开销。

3. 我们设计了一种有效的无人机组长重选算法，通过限制候选无人机组长的区域（个数），降低了无人机组长重选的开销。

3. BEAM MANAGEMENT AND SELF-HEALING

虽然可以灵活地形成Flymesh，并且可以随时调整网络连通性，以适应无人机之间相对位置的变化，但基于毫米波的Flymesh仍然存在许多挑战。无人机之间或无人机组长与RBS之间的相对运动将使定向传输非常不稳定，这需要频繁的波束跟踪或其他波束重新对准操作（例如波束训练）。然而，基于传统穷举搜索的波束训练机制过于耗时[12]、[13]、[17]，浪费了电池驱动无人机[1]、[6]的通信机会。因此，需要有效和精确的光束跟踪机制来减少光束对准的开销/时间。

Channel Tracking With Flight Control System for UAV mmWave MIMO Communications

2018 IEEE COMMUNICATIONS LETTERS

Abstract

无人机（UAV）通信可以提供灵活的调度，提高可靠性，在更大范围内增强容量，并已成为空间-空地一体化网络的关键组成部分。本文以毫米波段无人机作为多天线机载基站的通信系统为研究对象，提出了一种新的基于飞行控制系统的信道跟踪方法。具体地说，三维几何信道模型是将无人机运动状态信息与信道增益信息相结合，前者通过飞行控制系统的传感器融合获得，后者通过飞行员传输进行估计。仿真结果验证了该方法的有效性。

1. Introduction

无人机（UAV）通信是实现第五代（5G）移动网络灵活覆盖的一种有前途的方法[1]，[2]。与地面通信系统不同，无人机通信可以在更远的距离上提供更大的容量和更好的可靠性，这使得宽带无缝连接成为可能[3]，[4]。一般而言，无人机通信采用毫米波（30-300GHz）波段和多天线[5]，因为这两个方面的结合可以激发它们各自的优势：一方面，由于毫米波的毫米级波长，数百甚至数千根天线可以被打包成一个有效载荷有限的小型无人机；另一方面，天线阵可以带来繁荣的空间增益，以对抗毫米波段的大路径损耗。

无人机通信的传输性能取决于信道状态信息（CSI）的可用性。与地面通信不同，无人机与地面终端（GT）之间的信道由于连续导航而具有典型的时变特性。本文在[6]中对空对地传播信道进行了一种综合的信道探测与建模方法，证明了无人机通信的大部分总能量将从视线（LOS）路径到达用户。在[7]中，针对毫米波多输入多输出（MIMO）系统提出了一种基于角度分割多址（ADMA）的信道跟踪方法，该方法利用基于几何的随机模型来描述无人机多输入多输出（MIMO）信道，并提出了用户运动方程, 简化了信道跟踪程序。

本文提出了一种有效的毫米波无人机MIMO通信系统信道跟踪方法。具体来说，三维（3D）几何信道模型是无人机运动状态信息和信道增益信息的结合。然后，设计了基于卡尔曼滤波的传感器融合方法来获取无人机的运动信息，并利用少量的飞行员来获取信道增益信息。仿真结果验证了该方法的有效性。

Channel transmission strategy for mmWave hybrid UAV communications with blockage

Abstract

对于毫米波（MMwave）无人飞行器（UAV）通信来说，阻塞是一个困难的障碍。本文提出了一种用于毫米波混合无人机阻塞通信的角域信道传输方案。首先，研究了大阵天线毫米波无人机通信系统的角域信道传输问题。然后，通过多无人机协调解决了阻塞问题。特别地，它们提供了一种实用的用户调度算法，以最大化可实现的和速率。最后给出了仿真结果，验证了该方法的有效性。

Introduction

无人机（UAV）通信由于其高机动性，在构建一体化空地网络中起着关键作用[1]。同时，毫米波MIMO能够提供巨大的空间增益和丰富的频带资源，可以应用于无人机通信，以满足日益增长的数据速率。

毫米波无人机通信的一个关键挑战是阻塞问题。由于毫米波的波长较小，毫米波通道的传播将受到更大的大气气体损失、雨水损失和树叶损失[3]。传输的信号很容易被灯、树、桥、建筑物或隧道阻塞。因此，建筑物周围或后面的接收器可以被严重衰减。此外，通道动力学的影响将使阻塞问题更加严重。

本文提出了一种角域信道传输方案，并采用多无人机部署来解决阻塞问题。我们对角域信道传输特性进行了研究。然后，我们建议利用多个无人机的额外多样性来对抗阻塞。特别地，我们设计了一个实用的用户调度算法，使可实现的和速率最大化。最后，给出了仿真结果，验证了该方法的有效性。

Efficient channel tracking strategy for mmWave UAV communications

Abstract

无人机（UAV）通信由于其灵活的部署，越来越受到人们的关注。探讨了具有光束斜视效应的时变无人机通道的特性。提出了一种无人机通信信道跟踪方法。最后，给出了大量的仿真结果，验证了该方法的有效性。

Introduction

随着通信、计算和传感技术的飞速发展，无人机通信越来越受到业界和学术界的关注[1]。日益增长的通信需求将无人机通信的重点转向了毫米波段（30-300GHz）。由于毫米波的高频性，大天线阵可以被压缩成一个小的区域，使得大规模的多输入多输出（MIMO）适用于无人机通信

一般来说，通信系统的性能与信道状态信息的精度密切相关。与传统的低频蜂窝通信不同，大部分毫米波无人机信道功率通过视线（LOS）路径[3，4]到达用户，这就激发了许多角度域信号处理方法，如[5]。然而，阵列孔径上会有一个不可忽略的时间延迟，即光束斜视效应[6]。在这种情况下，现有的信道跟踪方法将不再有效。

在这封信中，我们探讨了毫米波无人机通信。我们首先研究了具有波束斜视效应的毫米波无人机通道的特性。在此基础上，提出了一种有效的梳状正交频分复用（OFDM）信道跟踪方法。利用角互易性，只需一个导频符号即可获得下行信道，大大降低了训练和反馈开销。最后，给出了各种仿真结果，验证了该方法的有效性。

Flexible and Reliable UAV-Assisted Backhaul Operation in 5G mmWave Cellular Networks

Abstract

为了满足第五代（5G）移动网络对容量和可扩展性的严格要求，无线接入和backhaul 都可以利用毫米波频谱。在这里，与访问链路的设计类似，MMwave backhaul 还必须解决许多挑战，例如多径传输和动态链路阻塞，这需要高级解决方案来提高其可靠性。为了应对这些挑战，3GPP新的无线电技术正在考虑一种灵活且可重新配置的回程结构，其中包括动态链路重新路由到可选路径。在本文中，我们研究了无人飞行器（UAV）携带的空中中继节点的使用，以允许这种动态路由，同时减轻阻塞对地面链路的影响。这一新概念需要理解毫米波回程动力学，其原因包括：1）现实的3-D多径毫米波传播；2）毫米波回程链路的动态阻塞；3）拦截器和无人机辅助继电器的非均匀移动性。我们提供了所需的数学框架，捕捉这些现象，以分析毫米波回程运行的特征城市环境。通过研究毫米波回程的时空特性，利用该框架对其回程性能进行了新的评估。最后，我们量化了利用无人机辅助进行更可靠的毫米波回程的好处。通过3GPP标定仿真验证了数值结果，框架本身有助于未来5G毫米波蜂窝中无人机辅助回程基础设施的设计

Introduction

在过去的几年里，第五代（5G）网络的工作取得了令人印象深刻的成果[1]，[2]。3gpp最近批准了非独立5g New Radio（NR）技术，以进一步增强LTE的发展。目前，标准化已经完成了独立5g nr规范，以允许基于nr的独立部署[3]。5G蜂窝模式满足高速率和可靠的无线连接，旨在通过额外使用移动（例如车载）的小单元来增强按需容量，并利用更丰富的毫米波（毫米波），使地面基站的网络更加密集[4]。）接入和回程无线链路频谱

尽管毫米波波段有显著的好处，但由于受到复杂多径传播的高方向毫米波链路，它也带来了新的挑战，由于障碍范围广泛，这种链路容易受到链路阻塞现象的影响[7]–[9]。为了减轻基于毫米波的通信的固有局限性，对毫米波接入轮廓技术的可靠性分析的研究工作激增。

随着这项工作的逐步成熟，为5G提供高速back-haul能力引起了最近的关注，因为毫米波back-haul仍然容易受到类似堵塞问题的影响[15]。为了评估和提高5G NR系统中毫米波回程运行的可靠性，3GPP对综合接入和back-haul进行了新的研究，明确了各自的挑战和要求。Panned规范的目标是通过动态回程连接构建一个灵活、可重构的系统架构。在这种情况下，如果回程链路被移动的人和车身阻塞，则重新路由back-haul的能力变得至关重要[16]。扩展3GPP对这一问题的研究，可以考虑使用具有无线电能力和作为移动中继节点的无人机，以进一步提高回程操作的灵活性和可靠性。

最近用户流量的加速要求在5G毫米波蜂窝中提供更灵活和可靠的backhaul 方案，这可能需要动态重新路由。因此，地面和空中网络组件的集成是实现这一目标的关键。相应的性能评估需要一种适当的评估方法，该方法可以捕获backhaul 的动态、毫米波无线电传播特性以及移动物体造成的Phe Nomena阻塞。与毫米波接入不同，5G毫米波回程的研究文献相对较少。[17]中的工作提出了接入和回程链路共存的分析模型，而[18]中提出了带内无线回程蜂窝网络的容量评估。在[19]中，对毫米波回程链路进行了性能评估。

据我们所知，到目前为止，还没有一种针对灵活的毫米波回程操作的综合方法，该方法具有根据信道条件重新路由的动态链路。解决这一差距，这项工作提供了一种新的方法，可以评估多个地面和空中基站的复杂情况。它们配备了毫米波回程能力，可以重新路由它们的链接，以在不可靠的易堵塞通道上保持不间断的连接，同时利用图1所示的无人机中继辅助。
我们考虑的方案捕获了未来5G毫米波回程解决方案的三个重要组成部分：（i）毫米波链路的动态阻塞；（ii）城市环境中的复杂多径支撑；（iii）辅助无人机中继的灵活机动。通过将我们开发的框架中的相关组件与机会的无人机机动性模型（例如，那些基于无人机的继电器静态部署的组件[20]–[22]）一起应用，还可以评估一系列更简单的场景。因此，这项工作的贡献如下。

1. 一种新颖的数学框架，它捕获了移动人在动态阻塞下的毫米波回程操作的基本特征，以及在三维多径传播下现实场景中可能的到无人机中继节点的链路重路由。该分析框架还通过详细的系统级仿真（SLS）进一步验证，该仿真明确地模拟了3GPP三维多径传播信道。
2. 在拥挤的城市部署中灵活的毫米波回程操作的性能评估，包括时间平均和时间相关的指标，如停机概率和频谱效率，以及停机和非停机持续时间分布。我们方法的一个亮点是描述不间断连接持续时间，这说明了根据应用程序特定的要求，可以容忍的停机时间。
3. 了解无人机中继协助在现实城市场景中对毫米波回程可靠性的好处。我们证明，在一定的速度、强度和服务能力下，使用无人机继电器可以显著提高系统性能。特别是，在考虑的情况下，停机概率和停机持续时间显著降低，而频谱效率大幅提高。

Physical Layer Security in Millimeter Wave SWIPT UAV-Based Relay Networks

物理层的安全性

Abstract

毫米波通信是基于无人机（UAV）的宽带、短波同步无线信息与能量传输（SLUT）中继网络的一项新兴技术。然而，基于毫米波刷卡的无人机中继系统的保密性能目前还没有得到研究。本文研究了在多个独立的齐次泊松点过程（HPPP）窃听器存在的情况下，基于MMWave-Swipt的无人机中继系统的安全传输问题。与现有考虑自由空间路径损耗模型的工程不同，将空对地信道建模为Nakagami-M小尺度衰落，并考虑了阻塞对地面毫米波链路和三维天线增益模型的影响。推导了功率分裂滑动策略下放大转发（AF）和解码转发（DF）中继协议平均可实现保密率和能量覆盖概率的闭式表达式，揭示了各种参数对系统性能的影响。仿真结果表明，无人机的最优位置可以最大限度地提高保密率，最优位置更接近于发射功率相对较小的节点。此外，不同的载波频率适用于不同的窃听节点密度

1. Introduction

低空无人机（UAV）因其高机动性、低成本和灵活的部署而变得越来越具有吸引力。基于无人机的物联网（IOT）网络是一种应用前景广阔的智能设备[1]。在某些情况下，无人机需要支持高数据速率要求，例如，向地面节点传输大型实时视频监控数据和高质量图片。为了支持高数据速率的需求，MMwave通信以其巨大的可用带宽[2]、[3]成为无人机物联网网络中的一个关键启用程序。由于毫米波信号对阻塞特别敏感，当有大障碍物如山丘或大型建筑物时，地面通信将中断。与地面系统相比，无人机可以很容易地从一个地方移动到另一个地方以避免阻塞，这样可以保持较大的视线（LOS）连接概率，更适合于毫米波信号的传输。因此，作为中继部署的无人机可以极大地扩展毫米波通信的覆盖范围，提高网络的连通性，毫米波与无人机中继网络的结合是非常有前景的。

另一方面，与传统能源（如太阳能和风能）相比，无线电源传输（WPT）已成为一种提供方便能源以延长无线物联网设备寿命的吸引人的方法，而传统能源严重依赖于环境条件[4]。此外，同步无线信息和能量传输（Swipt）可以同时传输信息和为能量受限的无线设备充电，是射频（RF）无线能量传输的主要应用之一。基于毫米波无人机的侧击中继网络具有传输距离短、阵列增益小等优点。考虑到无线信道的开放性，安全性是无线通信中的关键问题之一。欺骗、干扰和窃听攻击是无线网络[5]、[6]中的三种主要物理层攻击，本文主要研究窃听攻击。物理层安全（PLS）技术利用无线介质的随机性来保护信息传输不被窃听，被认为是无线通信中实现保密的一种有前途的方法[7]，[8]。物理层安全和无线能量收集的一些潜在应用场景和挑战见[9]。本文研究了基于毫米波刷卡的无人机中继网络的PLS性能。

A. RELATED WORKS AND MOTIVATION

无人机支持的中继网络，无人机帮助远距离或被阻塞的地面终端之间的信息传输，没有可靠的直接通信链路，近年来引起了人们的极大关注。现有关于无人机中继网络的文献主要分为三类：综述[10]、性能分析[11]、[12]和优化[13]-[17]。在[10]中，为了实现动态和自适应覆盖，提出了无人机辅助的异构蜂窝，其中无人机作为战斗中继（fr）部署在宏蜂窝内的fr蜂窝。在[11]中研究了无人机中继协同认知无线电MIMO系统的可实现率。在[12]中，分析了无人机中继网络在灾难恢复中的覆盖概率。在[13]中，研究了无人机最大可靠度中继的最佳高度。[14]研究了无人机中继网络的联合轨迹设计和功率控制，以最大限度地降低停机概率。参考文献[15]提出了一种迭代优化算法，以最大化无人机移动中继系统的整体性能。参考文献[16]开发了一种迭代算法来优化源和继电器的发射功率，以最大化无人机中继系统的保密率。开发了一种算法，通过控制无人机航向角来优化地中继链路的遍历传输速率[17]。研究了无人机中继系统在不同应用场景下的性能和优化问题。但是，由于微波波段可用频谱资源的匮乏，它们都被认为是微波波段的，不适用于高数据率的通信。

近年来，由于毫米波频段可以使用较大的可用带宽，因此毫米波通信被认为支持无人机网络的高数据速率。文中讨论了毫米波无人机蜂窝网络的挑战和解决方案。参考文献[18]提出了一种新的基于光控制系统的无人机毫米波MIMO通信系统信道跟踪方法。参考文献[3]分析了无人机作为空中BSS的下行链路毫米波无人机网络的保密性能。非正交多址毫米波无人机BSS系统的中断概率和总速率在[19]中得到了严格的推导。在[20]中，无人机被用于监测受影响区域，以协助在野外重建场景中实现毫米波公共安全通信网络。在上述工作中，毫米波无人机被认为是空中BSS。然而，采用无人机中继可以扩大覆盖范围，提高网络容量，对毫米波无人机中继网络的研究仍处于起步阶段。

另一方面，与地面微波通信系统相比，基于毫米波无人机的中继网络中的滑动门具有阵列增益大、可用带宽大、空地信道视距链路强等优点。基于以上无人机通信工作的启发，本文将毫米波和刷卡技术引入无人机中继系统，实现了能量受限物联网设备的信息和功率同步传输。此外，无论是民用还是军用，基于毫米波SWIPT的无人机中继系统的安全性都是一个关键问题，因为大量敏感和机密信息可能会被非预期接收者拦截。因此，基于毫米波SWIPT的无人机中继网络的安全性能非常值得关注。先前的工作主要集中在亚6G波段[16]无人机中继网络或毫米波段[3]无人机基站网络的物理层安全性（PLS）。但基于毫米波刷卡的无人机中继系统的保密性能在文献中尚未得到研究。无人机毫米波中继信道、三维天线增益和地面阻塞对系统性能的影响值得考虑。

B. APPROACH AND CONTRIBUTIONS

本文研究了在地面存在多个窃听器的情况下，基于毫米波SWIPT的无人机中继系统的保密性能。主要贡献总结如下

与现有考虑自由空间路径损耗模型的工程不同，将空对地信道建模为Nakagami-M小尺度衰落，并考虑了阻塞对地面毫米波链路和三维天线增益模型的影响。利用随机几何框架，将多个窃听器的位置模拟为地面上的独立均匀泊松点过程（HPPP）。我们考虑功率分割（PS）政策，即能量受限的目的地使用一部分来自无人机中继的接收功率进行能量收集，剩余功率用于信息处理。

推导了AF和DF协议下平均可实现保密率和能量覆盖概率的封闭式表达式，揭示了功率分裂比、发射功率、无人机位置、载波频率等参数对系统性能的影响。仿真结果验证了理论分析的准确性，验证了不同系统参数对能量覆盖概率和可实现的保密率的影响。

数值模拟结果表明，无人机离目标越近，其它参数确定后能量覆盖概率越大。此外，无人机的最佳位置可以最大限度地限制保密率。最佳位置更靠近发射功率相对较小的节点。此外，导致目的地最大可实现速率的功率设置可能无法达到最佳保密速率。而不是传输功率越大，保密率越高。此外，当窃听节点密度较小时，28GHz的平均保密率优于73GHz。否则，73GHz的性能会更好。针对不同的链路质量，应选择合适的中继协议。

Secrecy Rate Analysis of UAV-Enabled mmWave Networks Using Matérn Hardcore Point Processes

Abstract

由低空无人机（UAV）辅助的通信已成为一种有效的解决方案，为军事和民用应用提供大覆盖范围和动态能力，尤其是在意外情况下。然而，由于其覆盖面广，无人机通信容易受到被动窃听攻击。本文分析了毫米波波段无人机网络的保密性能，并考虑了空中通道的特点和无人机部署的实际约束。具体来说，研究了空对地链路中的三维天线增益，并采用了匹配的核心点过程来保证随机部署的无人机基站之间的安全距离。此外，我们还提出了传输干扰策略，以提高无人机的保密性能，其中部分无人机发送干扰信号以干扰窃听者。仿真结果验证了分析的正确性，验证了不同系统参数对保密率的影响。研究还表明，优化干扰无人机的密度将显著提高无人机网络的安全性。

Introduction

无线通信网络经历了前所未有的数据增长，因此对高速、无处不在和不规则访问的需求超出了现有基础设施的能力[1]。目前的地面通信系统是根据长期的交通统计进行严格规划的，无法应对节日活动、搜索和救援等方面的突发和临时需求。最近，低空无人驾驶飞行器（UAV）在几百米高空飞行。由于其机动性和位置的提升，电子战公里在提供敏捷通信方面吸引了越来越多的兴趣[2]，[3]。与地面系统相比，无人机可以克服地形特征对传播的限制，扩大覆盖范围。无人机基站（BSS）也可以快速部署，从而解决资本支出和运营问题。

安全性是阻碍无人机通信网络广泛部署的主要问题。由于无线通信固有的广播特性和广泛的覆盖范围，使无人机通信网络——无论是民用还是军用——尤其容易受到安全威胁。为了保证完美的安全性，需要防止窃听者解码任何针对合法用户的消息。现有的安全方案通常是通过加密方案根据计算强度在更高层实现的。

与传统的基于密码的方法相比，物理层的安全性也得到了信息论和信号处理方法的应用。为确保物理层的无线通信安全，防止恶意窃听者解码消息[5]，[6]，已经进行了大量的研究工作。在这方面，保密率可以在不使用任何正式加密系统的情况下可靠和安全地传输，已被用作衡量系统抵御被动窃听攻击的安全性的有用性能指标。在瑞利衰落信道中，研究了从典型多天线发射机到多个合法接收机的安全连接，在瑞利衰落信道中，合法节点和窃听器分布都被建模为泊松点过程（ppps）。此外，在[8]中提出了多用户双跳中继网络中安全连接的资源优化问题。[9]研究了单天线多播保密网络的功率最小化问题

研究无人机网络保密性能的工作很少。在瑞利衰落信道中，将无人机分布模型化为泊松点过程PPP，对无人机通信网络的保密能效进行了分析[10]。在[11]中，在源、目的地、缓冲辅助移动中继和窃听器等四节点信道设置中，采用无人机作为移动中继，最大限度地提高了保密率，表明与静态中继相比，移动中继可以提高保密性能。然而，现有的无人机网络物理层安全工作并没有考虑到其独特的空对地信道特性和三维天线增益，往往忽略了无人机部署的安全要求。

本文旨在分析考虑上述因素的无人机毫米波网络的保密性能。在所考虑的系统中，无人机充当飞行BSS，在地面窃听者在场的情况下为合法的地面接收器提供服务，并且没有地面基础设施可用。下面我们首先回顾相关文献。