基于激光射频融合链路的空天地一体化保密传输方法及系统

本发明涉及一种基于激光射频融合链路的空天地一体化保密传输方法及系统，属于无线通信。

背景技术：

1、随着第六代移动通信系统和空天地一体化网络的快速发展，卫星、高空平台和地面通信网络之间的协同传输逐渐成为提升广域覆盖能力、链路可靠性和通信安全性的重要技术方向。在偏远地区通信、应急通信、海洋通信、灾害救援以及军事安全通信等场景中，传统地面基站容易受到部署成本、地形遮挡、基础设施损毁和覆盖范围受限等因素影响，难以持续提供稳定可靠的通信服务。高空平台站具有部署高度高、覆盖范围广、部署灵活以及可作为空中中继节点等优势，能够在卫星与地面用户之间建立中继转发链路，从而增强空天地一体化网络的服务能力。

2、在高空平台辅助通信场景中，通信系统不仅需要满足广域覆盖和高速传输需求，还需要保障敏感业务数据在开放无线环境中的安全传输。传统射频（rf）通信链路虽然具有覆盖范围广、链路稳定性较好和抗遮挡能力较强等优点，但其频谱资源有限，且无线信号具有广播特性，容易受到同频干扰和非授权节点窃听，导致系统保密传输能力受限。自由空间光(fso)通信具有大带宽、高速率、强方向性和抗电磁干扰等优势，能够在一定程度上提升链路容量和物理层安全性，但其传输性能易受波束对准、大气湍流、指向误差和遮挡条件影响，在用户位置和信道状态动态变化的场景下，链路稳定性和持续服务能力仍面临挑战。因此，将射频链路与自由空间光链路结合形成光电混合传输机制，能够发挥两类链路的互补优势，为高空平台中继系统提供更高容量、更强鲁棒性和更好的保密传输能力。然而，在实际多用户安全通信场景中，系统需要同时面对用户接入需求变化、链路状态动态波动、窃听威胁不确定以及多维通信资源相互耦合等问题。现有资源分配方法通常针对单一链路、单一用户或单一资源变量进行优化，难以在动态环境下同时协调用户服务选择、光电链路协同传输和发射功率分配。传统凸优化、交替优化和启发式搜索方法虽然可以在特定条件下获得一定性能提升，但通常需要依赖准确的数学模型和多轮迭代求解，计算复杂度较高。当用户位置、链路状态和窃听环境随时隙变化时，传统方法难以在短时间内完成重新求解，无法充分满足高空平台中继系统对实时调度和在线决策的需求。特别是在安全通信场景中，资源分配策略需要及时响应窃听风险和链路质量变化，若决策延迟较大，将直接影响系统保密传输能力。

3、因此，如何在复杂动态环境下根据当前链路状态和安全威胁变化，快速生成可执行的激光/射频融合链路保密传输资源分配策略，成为提升高空平台中继通信系统保密性能和资源利用效率的关键问题。

4、近年来，已有研究开始关注面向激光/射频融合链路保密传输场景的资源分配问题。相关方法通常围绕用户调度、链路选择、功率分配、物理层安全性能提升以及智能优化决策等方面展开，尝试利用优化算法或深度强化学习方法，根据通信环境中的用户状态、链路状态和安全需求生成资源分配策略，从而降低传统迭代优化方法在动态场景下的在线求解压力，并提升资源调度的自适应能力。

5、然而，在高空平台辅助的空天地一体化保密传输系统中，激光链路与射频链路具有不同的传输特性，合法用户状态、链路质量、窃听威胁以及服务需求均可能随时隙发生变化；同时，系统还需要联合考虑激光链路目标用户选择、射频noma用户配对以及rf/fso发射功率分配等多类资源变量。因此，现有相关方法在直接应用于该类复杂动态场景时，仍存在进一步改进空间。

6、综上所述，现有技术仍存在以下不足：

7、（1）、现有方法通常针对单一链路或单一资源变量进行优化，更多关注用户选择、链路分配或功率控制中的某一部分，难以在激光/射频融合链路场景下同时协调射频noma用户配对、激光链路目标选择和发射功率分配，系统资源利用效率和保密传输性能仍有提升空间。

8、（2）、现有方法对动态多用户场景下的链路状态变化、用户服务需求变化和窃听威胁变化考虑仍不充分，难以及时根据当前通信环境调整资源分配策略，在复杂时变信道和潜在窃听环境下，系统安全性、鲁棒性和自适应能力仍然有限。

9、（3）、现有方法在处理离散服务选择与连续功率控制耦合问题时仍存在不足。激光链路目标选择和射频noma用户配对属于离散决策，发射功率分配属于连续控制，二者相互影响且受到多重通信约束限制，传统方法难以在保证策略可行性的同时满足高空平台中继系统逐时隙实时调度需求。

技术实现思路

1、目的：为了克服现有技术中存在的针对空天地一体化网络中激光链路与射频链路协同传输时存在的链路状态动态变化、多用户服务选择、窃听威胁不确定以及异构资源耦合优化问题，本发明提供一种基于激光射频融合链路的空天地一体化保密传输方法及系统，该方法面向高空平台辅助保密传输场景，将rf用户对选择、fso目标用户选择以及rf/fso发射功率分配纳入统一的联合优化框架，通过上层离散决策网络确定当前时隙的服务对象组合，通过下层连续控制网络完成发射功率分配，并结合保密传输性能与资源约束构造学习回报，从而实现复杂动态环境下资源分配策略的逐时隙自适应生成，提高系统保密传输能力、资源利用效率和在线调度实时性。

2、技术方案：为解决上述技术问题，本发明采用的技术方案为：

3、第一方面，一种基于激光射频融合链路的空天地一体化保密传输方法，具体包括：

4、步骤1：获取激光/射频融合链路联合资源调度优化模型。

5、步骤2：根据所述激光/射频融合链路联合资源调度优化模型构建上层离散服务选择状态，将上层离散服务选择状态输入上层离散选择网络，输出上层服务对象选择结果。

6、步骤3：根据所述上层服务对象选择结果构建下层连续功率控制状态，将下层连续功率控制状态输入下层连续功率控制网络得到下层功率分配结果。

7、步骤4：根据当前时隙的上层服务对象选择结果和下层功率分配结果计算瞬时保密速率，根据瞬时保密速率构造学习回报，根据所述学习回报更新上层离散选择网络以及下层连续功率控制网络，根据更新后的上层离散选择网络以及下层连续功率控制网络，得到联合资源分配结果。

8、可选的，所述激光/射频融合链路联合资源调度优化模型的表达式如下：

9、

10、其中，为目标函数，-为约束条件，为时隙索引，为调度周期内的总时隙数，n为合法用户索引，为合法用户总数，为窃听者索引，为保密速率辅助变量，为fso目标切换惩罚系数，为fso目标切换变量，为rf-noma用户选择变量，为fso目标选择变量，为综合服务指示变量，为fso服务启动变量，为rf-noma弱用户发射功率，为rf-noma强用户发射功率，为fso发射功率，为最大发射总功率，为sic最低速率门限，为sic解码速率，为合法链路可达速率，为合法速率辅助变量，为窃听者对用户n的窃听速率，为最强窃听者的等效窃听速率，为最低合法速率，为最低保密速率，为最低平均服务比例，为连续服务时隙索引，为fso最短连续服务时长，为上一时隙用户n的fso目标选择变量。

11、可选的，所述将上层离散服务选择状态输入上层离散选择网络，输出上层服务对象选择结果，具体包括：

12、将上层离散服务选择状态信息输入上层离散选择网络，输出当前时隙所有候选联合离散动作对应的动作价值向量。

13、为每一个候选联合离散动作构造即时服务对象评价值。

14、将动作价值向量与即时服务对象评价值进行融合，得到候选联合离散动作的综合动作评分。

15、根据当前时隙的fso剩余驻留计数对候选联合离散动作进行可行性筛选，得到满足fso最短连续服务约束的上层可行动作集合。

16、上层离散选择网络在所述上层可行动作集合内选择综合动作评分最大的联合离散动作，作为当前时隙的上层服务对象选择结果。

17、可选的，所述将下层连续功率控制状态输入下层连续功率控制网络得到下层功率分配结果，具体包括：

18、将下层连续功率控制状态信息输入下层连续功率控制网络，输出原始功率控制动作的均值向量和标准差向量。

19、生成原始功率控制因子。

20、在原始功率控制因子的基础上构造安全感知功率控制决策量。

21、对安全感知功率控制决策量进行有界化处理，得到归一化功率控制因子，。

22、根据归一化功率控制因子，将下层连续功率控制网络输出的无界连续动作转换为可用于功率映射的rf-noma弱用户发射功率、rf-noma强用户发射功率和fso发射功率作为下层功率分配结果。

23、可选的，所述步骤4，具体包括：

24、对于任意合法用户n，根据当前时隙的上层服务对象选择结果以及下层功率分配结果，计算用户n在第二跳中的合法可达速率。

25、根据用户n在第二跳中的合法可达速率计算用户n的端到端合法可达速率。

26、对于窃听链路，根据当前时隙的上层服务对象选择结果以及下层功率分配结果，计算第个窃听者对用户n信息的总窃听速率。

27、将所有窃听者中窃听能力最强者对应的速率作为用户n的等效窃听速率。

28、根据用户端到端合法可达速率和等效窃听速率，计算用户n的瞬时保密速率。

29、根据各合法用户的瞬时保密速率构造当前时隙学习回报。

30、对于上层离散选择网络，在每个时隙完成上层服务对象选择并获得学习回报后，将当前时隙的上层离散服务选择状态、上层联合离散动作、学习回报以及下一时隙的上层离散服务选择状态存入上层经验回放池。

31、在网络训练过程中，从所述上层经验回放池中随机抽取小批量训练样本。根据抽取的训练样本构造当前动作价值与目标动作价值之间的价值损失函数，并通过最小化所述价值损失函数更新上层离散选择网络参数，使上层离散选择网络逐步学习不同通信状态下的fso目标用户和rf-noma服务用户对选择策略。

32、对于下层连续功率控制网络，在当前时隙完成连续功率控制并获得学习回报后，将当前时隙的下层连续功率控制状态、下层连续功率控制动作、学习回报以及下一时隙的下层连续功率控制状态存入下层经验回放池。

33、在网络训练过程中，从所述下层经验回放池中随机抽取小批量训练样本，根据所述训练样本对连续功率控制动作对应的动作价值进行评价，并构造两个评论家网络的损失函数。在评论家网络参数更新后，进一步构造下层策略网络损失函数，并通过最小化所述策略网络损失函数更新下层策略网络参数，使下层连续功率控制网络在给定fso目标用户和rf-noma服务用户对的条件下，逐步学习连续功率分配策略。

34、训练过程中按照预设更新方式同步相应目标网络参数，并重复执行经验样本抽取、损失函数计算和网络参数更新过程，直至达到预设训练轮数或学习回报趋于稳定，得到训练完成的上层离散选择网络和下层连续功率控制网络。

35、根据当前时隙的用户位置、rf/fso瞬时信道状态、卫星至高空平台瞬时可达速率、上一时隙fso目标选择结果以及fso剩余驻留计数构建上层离散服务选择状态，并将所述上层离散服务选择状态输入训练完成的上层离散选择网络，确定当前时隙的fso目标用户和rf-noma服务用户对；根据所述上层服务对象选择结果及对应的合法链路状态、窃听链路状态和历史服务状态构建下层连续功率控制状态，并将其输入训练完成的下层连续功率控制网络，确定rf-noma弱用户发射功率、rf-noma强用户发射功率和fso发射功率，形成当前时隙的联合资源分配结果。

36、有益效果：本发明提供的基于激光射频融合链路的空天地一体化保密传输方法及系统，面向高空平台辅助激光/射频融合链路保密传输场景，采用分层深度强化学习技术，将rf-noma用户对选择、fso目标用户选择以及rf/fso发射功率分配统一纳入联合资源分配过程。具体地，本发明通过上层d3qn离散选择网络，根据当前通信环境和历史调度信息确定当前时隙的fso目标用户和rf-noma服务用户对，实现了离散服务对象选择的智能化决策。通过fso剩余驻留计数构造可行动作集合，使fso目标用户选择满足最短连续服务约束，从而减少频繁切换对链路稳定性的影响；通过下层sac连续功率控制网络，在服务对象已确定的条件下生成rf-noma弱用户功率、强用户功率以及fso发射功率，并通过功率映射方式保证输出结果满足总功率预算和noma功率分层约束。同时，本发明根据合法链路速率、最强窃听者等效窃听速率和瞬时保密速率构造学习回报，并利用经验回放机制分别更新上层离散选择网络和下层连续功率控制网络。本发明能够在动态多用户、射频/激光融合链路和潜在窃听环境下，快速生成满足系统约束的联合资源分配策略，提高系统保密传输性能、资源利用效率和在线调度实时性，降低传统迭代优化方法在复杂动态场景中的在线求解复杂度。相较于现有技术，本发明优点如下：

37、1、本发明采用分层深度强化学习结构，将激光链路目标用户选择、rf-noma用户配对以及发射功率分配分解为上层离散服务决策和下层连续功率控制，能够有效处理离散选择变量与连续功率变量耦合带来的联合优化复杂度问题，提高复杂动态通信场景下资源调度策略的可实施性和在线求解效率。

38、2、本发明在上层离散决策过程中引入动作价值评价机制和激光链路约束动作筛选机制，结合当前通信状态、历史调度信息、链路质量和服务约束，在可行动作集合中自适应确定当前时隙的fso目标用户和rf-noma服务用户对，从而提高动态多用户场景下服务对象选择的智能化程度、链路切换稳定性和安全调度鲁棒性。

39、3、本发明在下层连续功率控制过程中引入安全感知功率控制决策量和归一化功率控制因子，综合考虑合法链路质量、窃听链路状态、用户公平债务以及链路间保密优势，对rf/fso发射功率进行可行化映射，生成满足总功率预算的功率分配结果，同时结合保密速率、窃听威胁、调度代价和约束违背情况构造学习回报，使系统能够在复杂动态环境下兼顾安全性、资源利用效率和在线调度实时性，从而提升高空平台辅助保密传输的整体性能。