基于图 Koopman 自编码器的多无人机监视下的预测性伪装通信
机器学习
2024-09-26 v1 网络与互联网体系结构
信号处理
摘要
低被探测概率（Low Probability of Detection, LPD）通信旨在隐藏射频（RF）信号的存在，以规避监视。在移动监视利用无人机（UAV）的背景下，实现 LPD 通信面临显著挑战，因为无人机的快速持续运动具有未知的非线性动力学特征。因此，准确预测无人机的未来位置对于实现实时 LPD 通信至关重要。本文引入一种新框架，称为预测性伪装通信，旨在最小化地面 ad-hoc 网络在多无人机监视下的被探测概率。我们的方法融合图神经网络（GNN）与 Koopman 理论，实现数据驱动的协同建模，能够在数据有限的情况下通过线性化动力学来实现长期预测。大量仿真结果表明，我们的方法预测得到的轨迹在被探测概率上至少比众所周知的 SOTA 基线方法降低 63%-75%，为实际场景下的低延迟伪装操作提供了潜力。
引用
@article{arxiv.2409.17048,
title = {Predictive Covert Communication Against Multi-UAV Surveillance Using Graph Koopman Autoencoder},
author = {Sivaram Krishnan and Jihong Park and Gregory Sherman and Benjamin Campbell and Jinho Choi},
journal= {arXiv preprint arXiv:2409.17048},
year = {2024}
}