《IEEE Open Journal of the Communications Society》：On the Performance and Optimization of Energy-Efficient Secrecy Computation Offloading for Multiantenna UAV-Enabled NOMA-MEC With Aerial Friendly Jamming
编辑推荐：
为解决6G物联网中资源受限设备计算能力不足、无线通信频谱稀缺及空中计算卸载易受窃听威胁等问题，研究人员开展了多天线无人机移动边缘计算结合非正交多址接入与空中友好干扰的能效安全计算卸载研究。研究推导了包含非理想信道状态信息和非理想连续干扰消除的保密成功计算概率闭式表达式，并基于阿南亚算法优化系统参数，显著提升了保密能效。该研究为高安全、高能效的6G空中计算网络提供了理论基础和优化框架。
随着第六代移动通信系统和先进物联网应用的演进，未来网络需要支持海量互联设备，这给有限的无线通信资源带来了前所未有的压力，并凸显了无线电频谱稀缺的根本性挑战。传统的正交多址技术因其可扩展性不足，难以满足6G网络对大规模连接的需求。非正交多址技术通过在同一时频资源块上复用多个用户信号，显著提升了频谱利用率和系统吞吐量。然而，NOMA的实际性能高度依赖于高质量且可持续的信道条件，而地面网络常常因信号遮挡和非视距传播导致信道条件恶化。
无人机的出现为同时缓解信道损伤和提升NOMA通信性能提供了一种 compelling 的策略。凭借其固有的机动性和部署灵活性，无人机作为空中基站，可以为通信覆盖不佳的区域提供可靠、按需的通信服务，并通过其空中部署绕过地面障碍物，与地面基础设施建立以视距为主的连接。这种高质量链路的建立对于确保传输鲁棒性和增强网络可扩展性至关重要。尽管如此，空对地信道的动态空中条件容易产生多径衰落传播，导致严重的信号波动和传输可靠性下降。
为了对抗这些不利的衰落效应并增强链路可靠性，多天线分集技术的应用被视为一种 essential 的解决方案。在接收端部署多个天线能够利用无线信道的空间分集，从而显著提高链路可靠性。其中，选择合并提供了一种低复杂度的抗衰落策略，通过持续监控所有天线分支并选择具有最高瞬时信噪比的分支来维持通信质量。相比之下，最大比合并通过相干地组合所有天线分支的信号来最大化输出SNR，从而确保可靠的通信链路。
尽管NOMA、无人机和多天线分集的有效结合克服了频谱稀缺和可持续通信的挑战，但一个根本性问题依然存在：并发数据流的巨大数量使得依赖集中式云服务器的传统物联网网络不堪重负，导致数据拥塞和处理延迟。移动边缘计算技术通过将广泛的云和计算资源部署在网络边缘附近，有效缓解了这些问题，其在最小化传输延迟、减轻核心网络数据流量压力以及解决边缘设备计算能力不足方面具有显著优势。
除了上述问题，无人机对地无线连接的广播特性以及NOMA的叠加编码机制，给基于MEC的卸载过程带来了严重的安全漏洞，使系统容易受到恶意窃听攻击。因此，物理层安全作为一种有前景的技术，相较于传统密码算法，通过利用无线信道的固有物理特性来增强信息安全。其中，友好干扰是一种特别有效的PLS技术，它通过施加干扰信号故意破坏窃听者的接收，同时该干扰对合法用户而言易于消除。
关键技术方法
本研究构建了一个双无人机系统模型，其中多天线无人机MEC服务器为近、远两个簇的边缘设备提供上行NOMA计算卸载服务，并采用SC或MRC分集接收技术。同时，部署第二架无人机作为专用空中友好干扰机，通过发射人工噪声来保护数据传输免受恶意窃听。研究在Nakagami-m衰落信道下，推导了同时考虑iCSI和iSIC实际影响的保密成功计算概率的闭式表达式。进而，构建了包含无人机推进、通信、电路能耗以及MEC计算能耗的保密能效模型。最后，采用阿南亚算法对双无人机的3D位置、任务卸载比率、功率分配比率及MEC天线数量等九个关键参数进行联合优化，以实现SEE最大化。
研究结果
系统模型与通信协议
研究设计了一个包含多天线无人机MEC服务器和无人机友好干扰机的物联网城市场景。边缘设备根据与无人机MEC的距离划分为近簇和远簇，并采用分区感知的最佳设备选择策略。安全通信协议包含四个阶段：确定阶段进行节点定位、信道估计和BED选择；卸载阶段近、远BED利用上行NOMA同时卸载任务，同时UAV-FJ发射友好干扰信号，UAV-MEC采用SC或MRC技术进行信号接收；计算阶段UAV-MEC执行卸载任务；结果反馈阶段将结果返回给BED。
保密成功计算概率分析
SSCP被定义为系统卸载时长在指定阈值内完成，且保密容量超过自适应保密速率的概率。研究分别推导了BED-SC和BED-MRC方案在iCSI-iSIC条件下的SSCP闭式表达式。作为特例，也给出了pCSI-pSIC条件下的表达式。数值结果表明，BED-MRC方案由于能相干合并所有天线信号以获得最优SNR，其SSCP性能始终优于BED-SC方案。SSCP性能随BED发射功率增加而提升，但存在饱和点。存在最优的无人机高度和位置使得SSCP最大，这是由视距连接概率和路径损耗之间的权衡决定的。任务卸载比率和功率分配比率也存在最优值，以平衡计算负载和NOMA解码性能。增加无人机MEC天线数量能通过阵列增益和空间分集显著提升SSCP。
保密能效分析与优化
SEE定义为系统安全成功卸载的总比特数与总能耗之比。研究发现，虽然SSCP随天线数量K单调增加，但SEE存在一个最优值K*（例如K=3），超过该值后，由于电路功耗和天线重量带来的能耗增加超过了性能增益，导致SEE下降。这揭示了安全性能与能耗之间的关键权衡。研究 formulated 了一个SEE最大化问题，约束条件包括无人机3D位置、TOR、PAR和天线数量。通过阿南亚算法进行求解，结果表明其寻优效果显著优于粒子群优化算法和任意参数配置，收敛速度更快（超过35%），且能找到更优的SEE解。
研究结论与意义
本研究深入研究了集成多天线分集、NOMA、MEC和空中友好干扰的双无人机系统在6G物联网中的安全计算卸载性能和能效。通过推导包含实际损伤的SSCP闭式表达式并构建SEE模型，量化了系统在可靠性和能耗之间的权衡。研究证实，BED-MRC方案在安全卸载性能上优于BED-SC方案，但需要更高的硬件复杂度。研究明确了无人机部署位置、资源分配参数和天线配置对系统性能的关键影响，并验证了阿南亚算法在解决此类复杂优化问题上的优越性。该工作为未来高安全、高能效的6G空中计算网络的设计和优化提供了重要的理论依据和实践指导。研究成果发表在《IEEE Open Journal of the Communications Society》上。
