✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、算法改进、程序设计科研仿真。
🍎完整代码获取 定制创新 论文复现私信
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
1. 相关介绍
一、研究背景（EI 期刊标准绪论，可直接复用）
1. 空地无人机通信固有双重信道难题：莱斯时变衰落 + 高速多普勒效应
无人机空地通信视距（LoS）路径稳定存在，地面建筑、树木反射形成多径散射分量，信道符合莱斯（Rice）衰落模型；区别于地面瑞利信道，莱斯因子K由无人机飞行高度动态变化，低空环境多径密集、K值下降，信道深衰落频发，造成合法链路信噪比剧烈波动。
同时无人机三维高速机动带来多普勒频移与时变多普勒扩展：径向速度产生载波频偏，破坏 OFDM 子载波正交性引入子载波间干扰 ICI；俯仰 / 横滚姿态变化引发微多普勒扰动，信道相干时间急剧缩短，传统固定波束、静态 DOA 估计算法跟踪失准，波束主瓣偏离合法无人机，通信可靠性大幅下滑。
Δfd=λvcosθ
v为相对速度，θ为速度与链路夹角，λ载波波长，速度越高、频段越高多普勒干扰越严重。
2. 低空开放空间窃听安全威胁
无人机图传、遥控指令、测绘数据为明文电磁辐射，低空无遮挡空域信号传播范围广，非法窃听节点可通过阵列天线估计合法链路到达角（AoA），窃取敏感数据；传统上层加密存在破解风险，物理层安全利用空域、信道差异天然隔离窃听者，是低成本、底层原生安全方案，但现有方案存在三大缺陷：
静态 DOA 估计（MUSIC、常规波束 CBF）未考虑无人机运动多普勒，角度估计跳变、跟踪滞后，波束持续失配；
固定波束成形无法自适应时变莱斯信道与多普勒干扰，合法链路信干噪比 SINR 持续衰减；
人工噪声（AN）功率分配固定，无法区分合法空域与窃听空域，噪声会反向污染无人机接收信号，降低有效传输速率。
3. 现有方案核心短板
信道感知与角度跟踪解耦：单独估计多普勒 / 莱斯信道、单独做 DOA，未利用运动状态耦合信息，估计误差累积；
波束成形无信道自适应机制：MVDR 权值仅静态优化，未补偿多普勒频偏与莱斯深衰落；
人工噪声无空域动态约束：无法根据实时 AoA、窃听角度自适应分配干扰功率，安全容量受限；
缺失运动感知闭环：不能通过信道多普勒、角度时序数据反推无人机运动状态，无法预判角度变化提前预调波束。
4. 本文方案提出意义
构建运动感知一体化物理层安全闭环框架：以卡尔曼滤波实现多普勒耦合 AoA 动态角度追踪，实时感知莱斯时变信道多普勒特征；基于实时信道 / 角度信息自适应更新 MVDR 波束权值，主瓣持续锁定无人机、零陷压制窃听方向；联合设计空域正交人工噪声，仅在窃听者空间维度注入干扰、合法链路几乎无损耗。框架实现信道感知 - 运动角度追踪 - 自适应波束赋形 - 空域人工噪声干扰四模块联动，同步解决高速无人机时变莱斯多普勒信道失真与低空电磁窃听双重问题，兼具通信可靠性与物理层保密性能。
二、基础理论模型
2.1 多普勒感知莱斯时变信道模型
2. 运行效果展示
3. 部分代码呈现
function config = default_config()
%DEFAULT_CONFIG Default settings for UAV PLS simulation
% ---- Feature Flags ----
config.USE_RICIAN_FADING = false;
config.USE_DOPPLER = true;
config.USE_IMPERFECT_CSI = true;
config.USE_ARTIFICIAL_NOISE = true;
config.OPTIMIZE_POWER = true;
% Baseline mode: 'no_security', 'fixed_power', 'perfect_csi', 'proposed'
config.BASELINE_MODE = 'proposed';
% ---- RF Parameters ----
config.c = 3e8;
config.fc = 5e9; % 5 GHz (quadcopter-style link)
config.N = 8; % ULA elements
config.d = 0.5; % spacing (in wavelengths)
% ---- Time Parameters ----
config.Tsim = 8; % seconds
config.dt = 0.05; % time step
config.Nsnap = 100; % snapshots for covariance
% ---- SNR & Channel Params ----
config.SNR_dB = 25;
config.K_factor_dB = 15;
config.meas_sigma_deg = 1.0;
config.CSI_error_std = 0.05;
config.feedback_delay_steps = 1;
% ---- Power Allocation ----
config.P_total = 1;
config.P_min_frac = 0.2; % fraction of total power
config.P_circuit = 0.02;
% ---- Geometry: Quadcopter scenario ----
config.uav_alt = 100; % meters
config.x0 = -400;
config.y0 = -200;
config.uav_x_span = 600; % how far UAV travels in x
config.uav_y_amp = 40; % lateral sinusoid amplitude
config.uav_y_omega = 0.3; % lateral sinusoid frequency
% Eve position
config.eve_x = 300;
config.eve_y = -200;
config.eve_z = 0;
% ---- Secrecy Target ----
config.R_target = 0.5;
% ---- Plotting flag ----
config.DO_PLOTS = false; % set true for single-run visualization
end
4. 参考文献
[1]杜鑫.电话语音语种识别算法研究[D].北京邮电大学[2026-07-19].
🍅更多免费数学建模和仿真教程关注领取
如果觉得内容不错，那就请分享和点个“在看”呗！
