1.一种面向信息安全的无人机轨迹优化方法，其特征在于：所述方法包括以下步骤：S1：根据包含多个通信用户、一个基站无人机、一个干扰无人机、禁飞区、多个窃听者和探测目标的网络场景，建立系统框架；

S2：在系统框架下，建立基站无人机和干扰无人机的移动模型和禁飞区，根据基站无人机的任务需求，建立多用户信道模型，并定义通信速率、衡量感知能力大小的覆盖率；

S3：针对窃听者的位置和信道特性，建立干扰无人机的干扰模型，以降低窃听者窃听的效果为目标，同时确保干扰无人机与基站无人机之间的安全距离；

S4：根据通信模型和感知模型，以最大化可实现的通信速率和对感知目标的覆盖率以及最小化窃听者窃听效果为目标函数建立优化问题；

S5：将建立优化问题通过块坐标下降技术分解为两个子问题，并在后续步骤通过连续凸逼近技术进行迭代求解；

S6：在固定干扰无人机轨迹的条件下，以最大化通信速率和感知覆盖率为目标，优化基站无人机的轨迹QM；

S7：在固定基站无人机轨迹的条件下，以最小化窃听者窃听效果为目标，优化干扰无人机的轨迹QJ，引入辅助变量，利用连续凸逼近技术将非凸目标函数以及约束转化成凸优化问题，结合求解器进行迭代求解；

S8：通过在子问题之间交替优化无人机轨迹，迭代更新辅助变量和约束条件，确保优化算法在有限迭代次数内收敛至全局最优解。

2.根据权利要求1所述的一种面向信息安全的无人机轨迹优化方法，其特征在于：在步骤S1中，在建立的双无人机辅助通感一体化系统框架中，基站无人机为K个单天线用户提供服务，同时感知环境中的目标，干扰无人机发射干扰信号来迷惑窃听者，在飞行时间T内保护基站无人机的通信安全。

3.根据权利要求2所述的一种面向信息安全的无人机轨迹优化方法，其特征在于：在步骤S2中，将飞行时间T划分为N个等长的时间段δt，即T＝Nδt，其中，认定无人机在每一个时间段内δt的位置保持不变，则基站无人机M和干扰无人机J在T时间段内的轨迹分别表示为：T

qM[n]＝[xM[n],yM[n],zM[n]]T

qJ[n]＝[xJ[n],yJ[n],zJ[n]]其中，xM[n],yM[n],zM[n]分别表示基站无人机第n个时间段内的三维坐标，xJ[n],yJ[n],zJ[n]分别表示基站无人机第n个时间段内的三维坐标， 满足以下的移动性约束：

2 2

||qM[n+1]‑qM[n]||≤D ,n＝1,…,N‑1,

2 2

||qM[1]‑qM0||≤D ,qM[N]＝qMF,

2 2

||qJ[n+1]‑qJ[n]||≤D ,n＝1,…,N‑1,

2 2

||qJ[1]‑qJ0||≤D ,qJ[N]＝qJF,Hmin≤zM[n]≤Hmax，Hmin≤zJ[n]≤Hmax，其中，D＝Vδt表示在每个时间段内每架无人机在最大飞行速度V下飞行的最大距离，qM0表示基站无人机的起点，qMF表示基站无人机的终点，qJ0表示干扰无人机的起点，qJF表示干扰无人机的终点，Hmin是无人机飞行的最低高度，Hmax是无人机飞行的最高高度；

假设禁飞区在空中表现为一个球体，其中心为C且半径为r，应满足以下的约束：||qJ[n]‑C||≥r,n＝1,…,N,||qM[n]‑C||≥r,n＝1,…,N,基站无人机M到地面节点的信道受视距路径影响，在时间段n，从基站无人机M到地面用户k的信道功率增益满足自由空间路径损耗模型，表达式：其中，dMk表示在时间段n中基站无人机M和地面用户k之间的距离，ρ0表示参考距离d0米处的信道功率增益，lk表示第k个用户的水平位置；

从基站无人机M到地面待检测目标之间的信道功率增益为：其中，dMp表示在时间段n中无人机M和地面待检测目标之间的距离；p1表示待感知目标的水平位置；

对于基站无人机M的每个时间段的通信速率为：其中，PM[n]表示时间段n时的基站无人机的发射功率，PJ[n]表示时间段n时的干扰无人机的发射功率，σ表示用户或窃听者处的噪声功率；

采用覆盖率来衡量感知能力的大小，基站无人机M的每个时间段是否覆盖感知目标：其中，qM[n]表示基站无人机在时间段n的位置，p1表示待感知目标的水平位置，γ表示感知范围的半径， 为指示函数，当基站无人机在时间段n位于感知目标的覆盖半径内时，否则，

4.根据权利要求3所述的一种面向信息安全的无人机轨迹优化方法，其特征在于：在步骤S3中，从干扰无人机J到地面上的窃听者j的信道功率增益为：ej表示第j个窃听者的水平位置；

对于干扰无人机J每个时间段对窃听者j的干扰速率为：干扰无人机J与基站无人机M的避免碰撞约束条件为：

2 2

||qM[n]‑qJ[n]||≥dmin,n＝1,…,N,dmin表示基站无人机与干扰无人机之间的最小距离。

5.根据权利要求4所述的一种面向信息安全的无人机轨迹优化方法，其特征在于：在步骤S4中，建立的目标函数为：约束条件为：

2 2

||qM[n+1]‑qM[n]||≤D，n＝1，…，N‑1，

2 2

||qM[1]‑qM0||≤D，qM[N]＝qMF，

2 2

||qJ[n+1]‑qJ[n]||≤D，n＝1，…，N‑1，

2 2

||qJ[1]‑qJ0||≤D，qJ[N]＝qJF，

2 2

||qM[n]‑qJ[n]||≥dmin，n＝1，…，N，Hmin≤zM[n]≤Hmax，Hmin≤zJ[n]≤Hmax，||qJ[n]‑C||≥r，n＝1，…，N，||qM[n]‑C||≥r，n＝1，…，N，||v[n]||≤vmax，n＝1，…，N，||v[n]||≥vmin，n＝1，…，N，||a[n]||≤amax，n＝1，…，N，v[n]＝v[n‑1]+a[n]δt，n＝2，…，N，Cp≥Cmin

其中，Cmin是最低覆盖率的阈值，a[n]是无人机的加速度。

6.根据权利要求5所述的一种面向信息安全的无人机轨迹优化方法，其特征在于：在步骤S5中，将优化问题通过块坐标下降和连续凸逼近技术分解为两个子问题，其中，分解得到的子问题P1为：

2 2

s.t.||qM[n+1]‑qM[n]||≤D，n＝1，…，N‑1，

2 2

||qM[1]‑qM0||≤D，qM[N]＝qMF，

2 2

||qM[n]‑qJ[n]||≥dmin，n＝1，…，N，Hmin≤zM[n]≤Hmax，||qM[n]‑C||≥r，n＝1，…，N，||v[n]||≤vmax，n＝1，…，N，||v[n]||≥vmin，n＝1，…，N，||a[n]||≤amax，n＝1，…，N，v[n]＝v[n‑1]+a[n]δt，n＝2，…，N，Cp≥Cmin

分解得到的子问题P2为：

2 2

s.t.||qJ[n+1]‑qJ[n]||≤D，n＝1，…，N‑1，

2 2

||qJ[1]‑qJ0||≤D，qJ[N]＝qJF，

2 2

||qM[n]‑qJ[n]||≥dmin，n＝1，…，N，Hmin≤zJ[n]≤Hmax，||qJ[n]‑C||≥r，n＝1，…，N，||v[n]||≤vmax，n＝1，…，N，||v[n]||≥vmin，n＝1，…，N，||a[n]||≤amax，n＝1，…，N，v[n]＝v[n‑1]+a[n]δt，n＝2，…，N，Cp≥Cmin

在步骤S6～步骤S8中对两个子问题P1和P2进行迭代求解。

7.根据权利要求6所述的一种面向信息安全的无人机轨迹优化方法，其特征在于：在步骤S6中，对于子问题P1，令：其中，

采用一个连续的函数来近似表述干扰无人机的轨迹QJ：

2 2

再然后通过引入松弛变量T＝{t[n]＝||(xM[n]，yM[n])‑lk||+zM[n]}和U＝{u[n]＝||

2 2

(xM[n]，yM[n])‑ej||+zM[n]}优化子问题P1：

2 2

s.t.||qM[n+1]‑qM[n]||≤D，n＝1，…，N‑1，

2 2

||qM[1]‑qM0||≤D，qM[N]＝qMF，

2 2

||qM[n]‑qJ[n]||≥dmin，n＝1，…，N，Hmin≤zM[n]≤Hmax，||qM[n]‑C||≥r，n＝1，…，N，||v[n]||≤vmax，n＝1，…，N，||v[n]||≥vmin，n＝1，…，N，||a[n]||≤amax，n＝1，…，N，v[n]＝v[n‑1]+a[n]δt，n＝2，…，N，Cp≥Cmin

2 2

||(xM[n]，yM[n])‑lk||+zM[n]‑t[n]≤0，

2 2

u[n]‑||(xM[n]，yM[n])‑ej||‑zM[n]≤0，u[n]≥0，

通过应用连续凸逼近技术，将项 替换为它的凸下界，同时将‑||(xM[n]，2

yM[n])‑ej||替换为再给定初始点处的凹上界；

定义 为基站无人机在第k0次迭代中的轨迹，那么就可以得到以下不等式：

因此，子问题P1近似为以下问题：

2 2

s.t.||qM[n+1]‑qM[n]||≤D，n＝1，…，N‑1，

2 2

||qM[1]‑qM0||≤D，qM[N]＝qMF，

2 2

||qM[n]‑qJ[n]||≥dmin，n＝1，…，N，Hmin≤zM[n]≤Hmax，||qM[n]‑C||≥r，n＝1，…，N，||v[n]||≤vmax，n＝1，…，N，||v[n]||≥vmin，n＝1，…，N，||a[n]||≤amax，n＝1，…，N，v[n]＝v[n‑1]+a[n]δt，n＝2，…，N，Cp≥Cmin

2 2

||(xM[n]，yM[n])‑lk||+zM[n]‑t[n]≤0，k0 k0 2 2 2

u[n]+||(x M[n]，y M[n])||‑||ej||‑zM[n]k0 k0 T

‑2[(x M[n]，y M[n])‑ej]((xM[n]，yM[n]))≤0，u[n]≥0，

上面约束条件中的非凸约束||v[n]||≥vmin，n＝1，…，N，||qM[n]‑C||≥r，n＝1，…，N，利用SCA转换成凸约束：

2 T 2

||qM0[n]‑C||+2(qM0[n]‑C) (qM[n]‑qM0[n])≥r其中，v0[n]和qM0[n]表示参考点；

使用求解工具对转化后的子问题进行最优求解。

8.根据权利要求7所述的一种面向信息安全的无人机轨迹优化方法，其特征在于：在步骤S7中，对于子问题P2，通过引入松弛变量 和将子问题P2转化为：

2 2

s.t.||qJ[n+1]‑qJ[n]||≤D，n＝1，…，N‑1，

2 2

||qJ[1]‑qJ0||≤D，qJ[N]＝qJF，

2 2

||qM[n]‑qJ[n]||≥dmin，n＝1，…，N，Hmin≤zJ[n]≤Hmax，||qJ[n]‑C||≥r，n＝1，…，N，||v[n]||≤vmax，n＝1，…，N，||v[n]||≥vmin，n＝1，…，N，||a[n]||≤amax，n＝1，…，N，v[n]＝v[n‑1]+a[n]δt，n＝2，…，N，Cp≥Cmin，

2 2

l[n]‑||(xJ[n]，yJ[n])‑lk||‑zJ[n]≤0，l[n]≥0，

2 2

||(xJ[n]，yJ[n])‑ej||+zJ[n]‑m[n]≤0，其中，

令 表示第k0次迭代中干扰无人机的飞行轨迹，则项2

和‑||(xJ[n]，yJ[n])‑lk||的上界分别表示为：

2 k0

‑||(xJ[n]，yJ[n])‑lk||≤F [n]k0 k0 k0 2 k0 k0 T其中，F [n]＝||(x J[n]，y J[n])||‑2[((x J[n]，y J[n])‑lk)](xJ[n]，yJ[n])‑||lk

2 k0 k0 ko

|| ， m [n]＝||(x J[n]，y J[n])‑2

ej||；

因此，干扰无人机J的轨迹优化问题P2近似为：

2 2

s.t.||qJ[n+1]‑qJ[n]||≤D，n＝1，…，N‑1，

2 2

||qJ[1]‑qJ0||≤D，qJ[N]＝qJF，

2 2

||qM[n]‑qJ[n]||≥dmin，n＝1，…，N，Hmin≤zJ[n]≤Hmax，||qJ[n]‑C||≥r，n＝1，…，N，||v[n]||≤vmax，n＝1，…，N，||v[n]||≥vmin，n＝1，…，N，||a[n]||≤amax，n＝1，…，N，v[n]＝v[n‑1]+a[n]δt，n＝2，…，N，Cp≥Cmin，

k0 2

l[n]+F [n]‑zJ[n]≤0，l[n]≥0，

2 2

||(xJ[n]，yJ[n])‑ej||+zJ[n]‑m[n]≤0，

2 2

其中，约束条件中的非凸约束||v[n]||≥vmin，n＝1，…，N，||qM[n]‑qJ[n]||≥dmin，n＝

1，…，N，||qJ[n]‑C||≥r，n＝1，…，N利用SCA转换成凸约束：

2 T 2

||qJ0[n]‑C||+2(qJ0[n]‑C) (qJ[n]‑qJ0[n])≥r其中，v0[n]和qJ0[n]表示参考点；

通过求解器优化后的子问题P2。

9.根据权利要求8所述的一种面向信息安全的无人机轨迹优化方法，其特征在于：在步骤S8中，两架无人机的轨迹不断的交替优化，通过k0＝k0+1来更新迭代次数，直到目标函数的相对增量小于一个小的阈值Γ0。