1.一种基于联合优化的双向无人机辅助通信系统安全传输方法，其特征在于，包括以下步骤：步骤一：建立无人机辅助无线双向中继系统；

步骤二：使用笛卡尔坐标系辅助描述双向中继系统的几何模型；

步骤三：对双向中继系统的能耗进行分析，得到无人机向目的地的保密吞吐量；

步骤四：针对双向中继系统无人机能效最大化的问题，将无人机向目的地的保密吞吐量作为整个双向中继系统的保密吞吐量，选取能效优化问题选取的优化变量，得到能效优化问题的表达式；

步骤五：为了消除各能效优化问题所涉及变量之间的耦合，采用块坐标下降法将能效优化问题分解成了三个子问题，通过交替优化三个子问题从而求得一个局部稳定的最优解；

所述步骤一具体过程为：

假设由于阻挡，相距遥远的源节点S与接收节点R之间的直接通信链路被完全阻塞，无人机作为移动双向中继来辅助两节点相互交换信息，实现正常通信；采用解码转发DF传输协议；假设无人机在时分双工TDD模式下运行，在窃听者E存在的情况下，以双向无人机辅助中继协助源节点S与接收节点R之间的信息传输；假设源节点S与接收节点R的位置都固定在地面上，无人机在固定高度H的水平面上飞行，其中H是对应特定地形，避开建筑物所需的最小安全高度；

所述步骤二具体过程为：

T T

处于固定地面节点的S、R对应的水平坐标分别由ws(xs,ys) 、wr(xr,yr) 表示，窃听者坐T标为we(xe,ye) ；

T

假设无人机在时间T内从初始位置q0＝(x0,y0,H) 以恒定高度H飞行回到最终位置qF＝T T(xF,yF,H) ；无人机随时间t变化的位置坐标表示为q(t)＝[x(t),y(t),H] ,0≤t≤T，由于T高度固定，为了方便记法，设q(t)＝[x(t),y(t)] ,0≤t≤T；为了易于处理，采用离散状态空间近似，具体说来，将总时间T等分为N个足够小的时隙，将时隙长度记为δt，为便于注释，使 表示时隙集，则时间间隔T内的无人机轨迹近似由表示，其中q[n]＝q[nδt]表示无人机在时隙n处的坐标位置，T T

无人机的初始位置和终止位置分别表示为q0＝(x0,y0) 和qF＝(xF,yF) ，则有q[0]＝q0      (1)q[N]＝qF (2)

无人机的位置，速度以及加速度之间的关系为：

v[n+1]＝v[n]+a[n]δt (4)

其中v[n]和a[n]分别是无人机在时隙n处的速度和加速度，其中n＝1，2，…，N；设置无人机在初始和终止位置具有相同的始飞速度和降落速度，除此之外受到最大速度vmax和最大加速度amax的限制，将上述条件表示为：v[0]＝v[N] (5)

所述步骤三具体过程为：

采用LOS通信模型进行阐述，当飞行高度大于一定阈值时，无人机高机动性所造成的多普勒效应可以在各个节点处进行补偿，因此，从源节点S到无人机UAV的信道功率增益hsu、接收节点R到无人机UAV的信道功率增益hru遵循自由空间路径损耗模型，表示为：其中，β0表示参考距离d0＝1米处的信道增益，而 表示时隙n处S与UAV之间的链路距离，同理， 表示时隙n处R与UAV之间的链路距离；类似的，其他各节点之间的信道系数表示为：表示时隙n处对应节点与UAV之间的链路距离；由于窃听者位置与源和接收点共同处于地面，为了实验的准确性，对空对地节点与地对地节点之间的信道增益进行区分，其中同属于地面节点的E与节点S、R之间的信道模型是同时考虑距离相关路径损耗和小规模的瑞利衰落；基于研究双向中继系统的基本保密能量效率性能极限，假设无人机具有所有链路的全局CSI信息，表示为：其中K是由系统参数所确定的常数，ζse和ζre表示对应两点呈指数形式瑞利分布的衰落增益，α是路径损耗指数，而dse＝‖ws‑we‖表示地面节点S与窃听者E之间的链路距离；

在双向中继系统中对于能耗的研究分成两个方面，其一是无人机进行地面或空中的通信能量消耗，另外一个是无人机用来维持飞行状态的推进能量消耗；对于通信能量部分，分别以ps[n]、pu[n]、pr[n]表示在第n个时隙时S、UAV、R的发射功率，用 分别表示节点S、R和无人机的平均功率预算，以 分别表示节点S、R和无人机的在单个时隙内的峰值功率，因此通信能量部分的通信能耗约束表示为：无人机的能量除了用于通信消耗之外，还用于推进飞行的能量消耗，固定翼无人机推进飞行的能耗EUAV与速度v[n]以及加速度a[n]有关，在时间为T的整个通信过程中，无人机的能量消耗关系表达式为：其中c1和c2是空气动力学中飞机设计时有关的恒定参数，g是重力加速度；

2

假设所涉及到的噪声为独立同分布且服从CN(0，σ)正态分布的加性高斯白噪声；无人机辅助中继以半双工和双向模式运行，时隙中的任何传输都由两个阶段组成，第一阶段称为多址阶段，即MA阶段，在MA阶段中，无人机同时接收从地面节点S和R发送的信息；第二阶段称为广播阶段，即BC阶段，在BC阶段中，无人机上的解码数据同时广播给合法接收节点S和R；为了区分MA阶段和BC阶段的时间，引入变量G[n]∈[0,1]，G[n]表示MA阶段时隙n的分数，1‑G[n]表示BC阶段时隙n的分数，那么在上行链路，从S到无人机的可达速率rsu[n]和R到无人机的可达速率rru[n]表示为：其中 表示的是单位距离处的接收信噪比， 在MA

阶段，窃听者从节点S与R截获的时隙n中的可实现速率表示为：其中 类似的，从无人机分别到各个节点的下行链路速率表示为：

其中 基于上述所列的有关于速率的等式，可得在整个过程中起始地向无MAC BC

人机的保密吞吐量R 以及无人机向目的地的保密吞吐量R 表达式分别为：其中B表示通信带宽， 假设无人机传输系统采用的是译码转发DF方案，无人机转发的信息只能是之前已经接收到的信息，具体地说，对于每一个时隙，无人机转发的信息量都不能超过接收的信息量，假设信息处理延迟为一个时隙，需要满足以下保密约束：rus[1]＝rur[1]＝rue[1]＝0       (29)所述步骤四中：

将无人机向目的地的保密吞吐量作为整个中继系统的保密吞吐量，则可得到保密能效SEE表达式为：基于式(31)发现轨迹变化不仅影响着信道增益，还与无人机的推进能耗有关，因此针对能效优化问题选取的优化变量包括无人机轨迹Q、各节点发射功率P以及通信调度分配因子G，则能效优化问题P1表示为：P1的约束条件为：

0≤G[n]≤1 (34)

q[0]＝q0,q[N]＝qF (37)

v[0]＝v[N] (5)

v[n+1]＝v[n]+a[n]δt (4)

约束条件(33)为时隙信息因果关系约束，约束条件(35)和(36)分别表示在时间T内的UAV的平均发射功率约束以及最大功率约束；

所述步骤五中，采用一种三个子问题的交替迭代算法，依次优化时隙分配通信调度、各个节点的发射功率和无人机轨迹，将三个子问题依次优化，进行迭代最终收敛求得一个局部稳定的最优解，三个子问题的优化包括固定轨迹和功率下的调度优化、固定轨迹和通信调度下的发射功率优化、固定调度和发射功率下的轨迹优化；

固定轨迹和功率下的调度优化过程为：

在该情况下，只考虑优化通信调度变量G，由于各节点发射功率P和无人机飞行轨迹都已经给定，无人机关于速度和加速度的推进能耗值是恒定的，那么问题P1只需考虑分子优化问题P1.1：采用标准凸优化工具来进行求解；

固定轨迹和通信调度下的发射功率优化过程为：

原始问题P1退化成在固定轨迹和通信调度情况下的发射功率优化问题，其中各节点和中继的发射功率分别受到限制，表述为P1.2：采用凸近似方法将其处理后再进行求解；引入辅助变量 代替目标函数，将问题P1.2重新表述为P1.2.1：

用SCA方法进行求解；定义 为第m次迭代中给定的初始发射功率，对给定的 进行一阶泰勒展开：

类似的，通过给定 得到其他的上界替代函数为：

将上述表述代入问题表达式，将P1.2.1转化为如下的优化问题P1.2.2：通过现有的标准凸优化工具箱CVX工具箱将发射功率进行求解；

固定调度和发射功率下的轨迹优化过程为：

在给定通信调度和最佳发射功率的情况下，通过优化无人机轨迹来最大化保密能效的问题表示为P1.3：为了求解P1.3，采用SCA技术进行求解，首先引入辅助变量Lsu＝{lsu[n]},Lue＝{lue[n]},Lur＝{lur[n]},τ＝{τ[n]},s＝{s[n]},o＝{o[n]},因此，P1.3重新表述为P1.3.1：

2 2

对于q[n]来说，目标函数中的||q[n]‑we‖+H是非凹的，在第m次迭代，对于一条给定的飞行轨迹qm[n]，将其进行一阶泰勒展开，可得下界函数为：符号 表示定义为，后均是为了简便书写的替换中间量；

类似的，关于v[n]的约束也用泰勒展开：

对于约束(52)—(53)、(56)，用SCA方法对其进行合理的凸近似，对于q[n]来说，目标函数中的各点之间的速率R是非凹的，基于凸函数的一阶条件，对数函数有一个下界由其一阶m泰勒展开式提供，具体的说，在第m+1次迭代，对于给定的可行飞行轨迹q[n]，可以得到：其中 表示在第m+1次迭代时所导入的上一次的lsu[n]；

中间量：

以同样的方式，推导出其他的函数下界，分别为：

通过以上对非凸约束的处理，所有的非凸性约束都被转化成了凸约束，问题P1.3.1被转化成了一个新的凸优化问题P1.3.2：在P1.3.2中，所有约束条件已经优化成凸约束，但由于标准凸优化CVX工具箱无法对形式为分式的目标函数进行解决，因此采用Dinkelbach算法进行最优值的求解，基于此，引入一个新的辅助变量 则目标函数最终改写为：其中上式中的 为系统保密吞吐量， 为推进能耗；至此，对于被给定的任意整数 问题都通过标准凸优化工具箱进行高效求解求出最佳路径，在这个子问题中，通过 和路径之间不断地迭代更新，最终使得结果收敛，就是在路径优化子问题中的最优解。