面向安全无人机认知无线电网络的鲁棒轨迹与发射功率优化

认知无线电是一种有望提高频谱效率的技术。然而，利用物理层安全技术实现的次级网络的安全性能受其发射功率和信道衰落的限制。为解决该问题，本文研究了一种认知无人机（UAV）通信网络，利用无人机的高灵活性以及建立视距链路的可能性。通过鲁棒优化无人机的轨迹与发射功率，最大化次级网络的平均保密速率。我们的问题建模考虑了两种实际的不精确位置估计情形，即最坏情形与中断约束情形。为求解这些具有挑战性的非凸问题，针对最坏情形提出了一种基于$\mathcal{S}$-Procedure的迭代算法，而针对中断约束情形提出了一种基于Bernstein型不等式的迭代算法。所提算法能够获得对应问题的有效次优解。仿真结果表明，与最坏情形下的算法相比，中断约束情形下的算法能以较低计算复杂度实现更高的平均保密速率。此外，与其他基准方案相比，所提方案能显著提升安全通信性能。