CN107026684B - 一种基于人工噪声的认知通信物理层安全能效优化方法 - Google Patents

Abstract

本发明公开了一种基于人工噪声的认知通信物理层安全能效优化方法，认知基站根据其与认知用户之间的信道状态信息，进行保密信号和人工噪声的联合设计，并通过优化保密信号和人工噪声的功率分配，在保证安全传输速率的基础上，最大化认知网络安全传输的能量效率。本发明设计了一种双层优化算法，通过采用一维搜索解决外层优化问题，并利用分式化减式解决内层优化问题，相对于传统平均功率分配方案，显著提高了认知通信系统的能量效率。

Description

一种基于人工噪声的认知通信物理层安全能效优化方法

技术领域

本发明涉及一种在认知通信物理层中最大化系统能效的安全传输方法，特别涉及一种基于人工噪声的认知通信物理层安全能效优化方法，属于无线通信网络技术领域。

背景技术

随着无线通信技术的飞速发展，人们对于宽带资源的需求日益增长；然而，无线电频谱作为一种不可再生的稀缺资源，其供给非常有限。然而，现有的固定频谱分配政策导致频谱资源的利用率不高，为此需要对现有的频谱管理方法进行革新。在此背景下，认知无线电(Cognitive Radio)应运而生，通过使得通信系统具有认知功能，允许次用户能够对频谱进行感知和分析，并机会地接入空闲频谱，从而避免对拥有授权频段的主用户形成干扰。当主用户要使用授权频段时，次用户需要及时停止使用频段，将频谱资源让给主用户，从而改善当前频谱效率低下的现状。

无线传输媒介的开放性、无线终端的移动性和无线网络环境的不稳定性导致无线通信的可靠性和安全性面临严峻考验。近年来，基于信息论的物理层安全技术得到了国内外学术界和产业界的广泛关注。物理层安全的本质就是通过利用无线信道的物理层特性来保证信息传输的绝对安全，即在保证合法用户可靠解码源节点信息的同时，窃听者获得的有用信息量几乎为零。利用多根射频天线提供的空间自由度可有效抑制窃听者的信号接收质量。目前常用的抑制窃听者信号接收质量的技术主要有两类，一类是对发送信号进行波束成形，将发送信号对准合法用户，同时降低窃听端的接收信号强度；另一类是产生人工噪声，以此对窃听者进行干扰。

此外，如何有效降低通信系统的能量消耗也引起了通信业界的广泛关注，为此衍生了“绿色通信”的概念。越来越多的研究人员开始探索更高能量效率(EE,EnergyEfficiency)的无线传输方法，即在保证无线通信服务质量的前提下，尽可能降低系统能量消耗，提升能量效率性能。能量效率通常定义为发送每信息比特所需的焦耳能量，或消耗每焦耳能量所能传输的信息比特数。

发明内容

本发明所要解决的技术问题是提供一种基于人工噪声的认知通信物理层安全能效优化方法，在发射功率一定的条件下最大化系统能效，相对于传统平均功率分配方案，显著提高了认知通信系统的能量效率。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种基于人工噪声的认知通信物理层安全能效优化方法，所述认知通信系统包括一个认知基站CBS、一个主用户PU、一个认知用户CU和一个窃听用户ED，认知基站配备有N根天线，主用户、认知用户以及窃听用户均配备单天线，其中，N＞3。

该优化方法包括以下具体步骤：

步骤1，假设认知基站仅已知窃听信道的统计信息h_e∈C^N×1，认知用户向认知基站发送导频序列；

步骤2，认知基站接收来自认知用户的导频序列，并做理想信道估计得到h_c∈C^N×1；主用户通过与主基站的彼此协作，获取主用户的信道状态信息h_p∈C^N×1；

步骤3，认知基站利用迫零估计方法，设计保密信号的波束成形矢量；并产生人工噪声的波束成形矢量V_N∈C^N×1，使其置于合法信道h_c∈C^N×1和h_p∈C^N×1零空间中；

步骤4，建立功率分配的优化问题，求解得到最优的功率分配值和发射信号功率，从而实现系统能量效率最大化。

作为本发明的进一步技术方案，步骤4中所述功率分配的优化问题为：

s.t.log₂(1+γ_c)-log₂(1+γ_e)≥0

0≤P≤P^max

0≤α≤1

其中，α表示功率分配值，P表示发射信号功率，P₀表示认知基站的电路消耗功率，P^max表示认知基站的最大输出功率；认知用户的信干噪比

I_Nc是N_c×N_c单位阵；窃听用户的信干噪比

Δf为系统带宽，N₀为单边噪声功率谱密度。

作为本发明的进一步技术方案，将上述功率分配的优化问题分解为外层优化问题和内层优化问题，具体为：

外层优化问题为：

内层优化问题为：

0≤P≤P^max

作为本发明的进一步技术方案，采用黄金分割法求解上述外层优化问题，得到最优的功率分配值。

作为本发明的进一步技术方案，将上述内层优化问题通过分式化减式转化为凸优化问题后，求解得到最优功率分配值相对应的最优发射信号功率。

作为本发明的进一步技术方案，通过软件包CVX对上述凸优化问题进行求解。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明通过充分利用认知网络中的人工噪声和波束成形对窃听用户进行干扰，在发射功率受限的情况下提高了系统的能量效率；相对于传统平均功率分配方案，本发明方案能够更好地提升系统整体能效。

附图说明

图1为本发明一种基于人工噪声的认知通信物理层安全能效优化方法实施例系统模型图；

图2为本发明一种基于人工噪声的认知通信物理层安全能效优化方法实施例流程图；

图3为本发明方案与传统平均功率分配方案仿真图对比。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明提出一种基于人工噪声的认知通信物理层安全能效优化方法，认知基站根据其与认知用户之间的信道状态信息，进行保密信号和人工噪声的联合设计，并通过优化保密信号和人工噪声的功率分配，在保证安全传输速率的基础上，最大化认知网络安全传输的能量效率。本发明设计了一种双层优化算法，通过采用一维搜索解决外层优化问题，并利用分式化减式解决内层优化问题，相对于传统平均功率分配方案，显著提高了认知通信系统的能量效率。

如图1所示，本实施例系统模型包括一个认知基站CBS、一个主用户PU、一个认知用户CU和一个窃听用户ED，除认知基站配备N(N＞3)根天线外，其他所有用户均配备单天线。

本发明一种基于人工噪声的认知通信物理层安全能效优化方法，包括以下步骤：

S1：假设认知基站仅已知窃听信道的统计信息h_e∈C^N×1,认知用户向认知基站发送导频序列，所述导频序列经过认知基站和认知用户之间的无线信道传播,认知基站接收来自认知用户的导频序列，并做理想信道估计得到h_c∈C^N×1。此外，主用户通过与主基站的彼此协作，获取主用户的信道状态信息h_p∈C^N×1。

S2：对认知基站的发送信号(包括保密信号x_c(t)和人工噪声信号Z(t))进行波束成形，利用ZF(Zero-forcing，迫零估计方法)设计保密信号x_c(t)的波束成形矢量，即

其中，

I_Nc是N_c×N_c单位阵。同时，产生人工噪声Z(t)的波束成形矢量V_N∈C^N×1,使得其置于合法信道h_c∈C^N×1和h_p∈C^N×1零空间中。

认知基站的发送信号表示为：

x(t)＝V_cx_c(t)+V_NZ(t)

其中，E{|x_c(t)|²}＝αP和E{|Z(t)|²}＝(1-α)P分别代表认知基站分配给保密信号和人工噪声的功率，P表示认知基站的总发射功率，α∈(0,1)表示P的功率分配值。

S3：主用户接收来自认知基站的发送信号，记为y_p(t)；并计算相应的信干噪比，记为γ_p。根据认知基站发送信号的设计原则，可知

和

因此，主用户的接收信号可以表示为：

其中，

代表主用户的加性高斯白噪声，

Δf为系统带宽，N₀为单边噪声功率谱密度。

主用户的信干噪比SINR(Signal-to-Interfere-and-Noise Ratio)可表示成：

γ_p＝0。

认知用户接收来自认知基站的发送信号，记为y_c(t)；并计算相应的信干噪比，记为γ_c。根据认知基站发送信号的设计原则，可知

因此，认知用户的接收信号可以表示为：

其中，

代表认知用户的加性高斯白噪声，

Δf为系统带宽，N₀为单边噪声功率谱密度。

认知用户的信干噪比SINR可表示成：

窃听用户接收来自认知基站的发送信号，记为y_e(t)；并计算相应的信干噪比，记为γ_e。因此，窃听用户接收信号表示为：

其中，

代表窃听用户的加性高斯白噪声，

Δf为系统带宽，N₀为单边噪声功率谱密度。

窃听用户的信干噪比SINR可表示成：

S4：要实现系统能量效率最大化，该优化问题可以等价为一个功率分配问题，描述如下述优化问题(P1)：

(P1)

s.t.log₂(1+γ_c)-log₂(1+γ_e)≥0

0≤P≤P^max

0≤α≤1

其中，P₀表示认知基站的电路消耗功率，P^max表示认知基站的最大输出功率，求解该优化问题即可得到最优功率分配值α和发射信号功率P。

对(P1)进行整理，可得如下优化问题(P2)：

(P2)

0≤P≤P^max

0≤α≤1

S5：采用双层优化算法，求解优化问题(P2)得到最优功率分配值α和发射信号功率P的方法的具体过程为：

1)将优化问题(P2)分解为两层优化问题，分别进行求解：

外层优化问题为：

内层优化问题为(P3)：

(P3)

0≤P≤P^max

2)采用黄金分割法求解外层优化问题，得到最优的功率分配值；

3)结合目标函数和约束条件并通过海森矩阵计算可以得出(P3)是非凸问题，在(P3)中令

将目标函数的由分式形式转化成减式形式：

(P4)

0≤P≤P^max

(P4)中目标函数是凸问题，约束条件是线性的，所以优化问题(P4)即为凸优化问题，可以通过软件包CVX解决此问题，求解得到最优功率分配值相对应的最优发射信号功率。

下面结合具体实施例对本发明的技术方案作进一步阐述：

本实施例通过MATLAB仿真实现，设定认知基站CBS电路消耗功率P₀＝40dBm，天线数nCBS＝4，收敛阈值δ＝10^-3，系统带宽Δf＝10MHz，单边噪声功率谱密度N₀＝-174dBm/Hz。路径损耗表示为

其中

表示α-β链路之间的路径损耗，α代表次级基站CBS，β∈{c,e,p}分别代表认知用户CU、窃听用户ED和主用户PU，路径距离d_αβ＝200m。

本实施例的方法流程如图2所示：

1)假设认知基站仅已知窃听信道的统计信息，认知用户向认知基站发送导频序列。

2)认知基站接收来自认知用户的导频序列并做理想信道估计、主用户通过与主基站的彼此协作获取其信道状态信息。

3)认知基站利用ZF设计保密信号的波束成形矢量，并产生人工噪声波束成形矢量使其置于合法信道零空间中。

4)利用黄金分割法解决外层优化问题得到功率分配值，如若满足终止准则，则结束，否则，继续执行步骤5)。

5)固定功率分配值，将内层优化问题的分式形式化成减式形式，并通过CVX软件包解得最优的发射功率，继续执行步骤4)。

图3为本发明方案与传统平均功率分配方案仿真图对比，从图3可知，在总发射功率

低于37.5dbm时，本发明方案所能取得的能量效率明显高于传统平均功率分配方案的能量效率，当总发射功率

高于37.5dbm时，本发明方案和传统平均功率分配方案都将取得相似的能量效率。总之，本发明方案优于传统平均功率分配方案。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (2)

1.一种基于人工噪声的认知通信物理层安全能效优化方法，所述认知通信系统包括一个认知基站CBS、一个主用户PU、一个认知用户CU和一个窃听用户ED，认知基站配备有N根天线，主用户、认知用户以及窃听用户均配备单天线，其中，N＞3，其特征在于，该优化方法包括以下具体步骤：

步骤1，假设认知基站仅已知窃听信道的统计信息h_e∈C^N×1，认知用户向认知基站发送导频序列；

步骤2，认知基站接收来自认知用户的导频序列，并做理想信道估计得到h_c∈C^N×1；主用户通过与主基站的彼此协作，获取主用户的信道状态信息h_p∈C^N×1；

步骤3，认知基站利用迫零估计方法，设计保密信号的波束成形矢量；并产生人工噪声的波束成形矢量V_N∈C^N×1，使其置于合法信道h_c∈C^N×1和h_p∈C^N×1零空间中；

步骤4，建立功率分配的优化问题，求解得到最优的功率分配值和发射信号功率，从而实现系统能量效率最大化，具体为：

所述功率分配的优化问题为：

s.t.log₂(1+γ_c)-log₂(1+γ_e)≥0

0≤P≤P^max

0≤α≤1

其中，α表示功率分配值，P表示发射信号功率，P₀表示认知基站的电路消耗功率，P^max表示认知基站的最大输出功率；认知用户的信干噪比

I_Nc是N_c×N_c单位阵；窃听用户的信干噪比

Δf为系统带宽，N₀为单边噪声功率谱密度；

将功率分配的优化问题分解为外层优化问题和内层优化问题，具体为：

外层优化问题为：

内层优化问题为：

0≤P≤P^max

采用黄金分割法求解外层优化问题，得到最优的功率分配值；

将内层优化问题通过分式化减式转化为凸优化问题后，求解得到最优功率分配值相对应的最优发射信号功率。

2.根据权利要求1所述的一种基于人工噪声的认知通信物理层安全能效优化方法，其特征在于，通过软件包CVX对凸优化问题进行求解。

Images