图Koopman自编码器：面向无人机监视的预测性隐蔽通信
信号处理
2024-02-16 v1 机器学习
系统与控制
系统与控制
摘要
低检测概率（LPD）通信旨在掩盖射频（RF）信号的存在，而不仅仅是隐藏通信内容。然而，无人驾驶飞行器（UAV）的使用带来了挑战，因为UAV可以通过悬停在特定感兴趣区域上空来检测来自地面的RF信号。随着UAV在现代监视中的日益普及，需要全面了解其未知的非线性动态轨迹，以有效实施LPD通信。不幸的是，这一关键信息通常不易获得，给LPD通信带来了重大障碍。为了解决这个问题，我们考虑了一个案例研究，即在存在多个从事监视的UAV的情况下实现地面LPD通信。我们引入了一个新颖的框架，将图神经网络（GNN）与Koopman理论相结合，以在较长的预测范围内预测多个固定翼UAV的轨迹。利用预测的UAV位置，我们通过控制节点的发射功率，使UAV预测位置处的接收功率最小化，从而在地面自组织网络中实现LPD通信。我们的大量仿真验证了所提框架在准确预测多个UAV轨迹方面的有效性，从而有效建立了LPD通信。
引用
@article{arxiv.2402.09426,
title = {Graph Koopman Autoencoder for Predictive Covert Communication Against UAV Surveillance},
author = {Sivaram Krishnan and Jihong Park and Gregory Sherman and Benjamin Campbell and Jinho Choi},
journal= {arXiv preprint arXiv:2402.09426},
year = {2024}
}