CN111447618A - 一种基于安全通信的智能反射面能效最大资源分配方法 - Google Patents

Abstract

本发明涉及一种基于安全通信的智能反射面能效最大资源分配方法，属于无线通信技术领域。该方法包括S1:构建基于安全通信的多输入单输出的智能反射面蜂窝通信系统；S2:通过考虑用户的安全速率约束、基站的最大发射功率约束以及连续相移约束，建立了以多输入单输出的蜂窝通信系统能效最大化为目标的非线性、多变量耦合资源分配模型；S3:利用Dinkelbach方法将分式目标函数转化为辅助变量参数相减的形式，接着根据交替迭代算法对基站波束成形和反射面相移参数进行解耦处理；S4:将原非凸问题转化为标准的半定规划形式，并用凸优化工具进行求解。仿真结果表明，本发明所提算法具有更好的能效和安全性。

Description

一种基于安全通信的智能反射面能效最大资源分配方法

技术领域

本发明属于无线通信技术领域，涉及一种基于安全通信的智能反射面能效最大资源分配方法。

背景技术

随着各种通信技术的发展，无线网络的传输速率得到了质的飞跃，如大规模多输入多输出技术、毫米波通信技术等。但是，通信网络的能耗和硬件成本是一个亟待解决的问题[1]。相比于传统4G技术，5G通信虽然提高了信息传输效率，但同时增加了系统能耗和网络建设成本。近年来，智能反射面(IRS)作为一种低成本且高能效的方法被提出，用于解决系统的能效问题和改善通信质量，受到了广泛关注。智能反射面不同于传统的反射面通信，它可以通过控制器实时调节各元件相移来反射信号，该反射信号既可以增强目标用户的接收功率又可以削弱窃听者的接收功率，从而提高系统的安全性。因此，对智能反射面的研究非常重要。

在智能反射面通信系统中，资源分配可以通过调整基站的发射波束和反射面的相移来改善和提升用户信息的传输质量。一方面，能效可以同时提高传输速率和降低功率损耗，是一个非常重要的通信性能指标。另一方面，现实通信系统中窃听者的存在会降低智能反射面系统中用户的安全性。因此，研究基于安全通信的智能反射面能效最大资源分配问题具有重要意义。

发明内容

有鉴于此，本发明的目的在于提供一种基于安全通信的智能反射面能效最大资源分配方法。本发明考虑用户的安全速率约束、基站的最大发射功率约束以及连续相移约束，建立了以多输入单输出的蜂窝通信系统能效最大化为目标的非线性、多变量耦合资源分配模型。首先利用Dinkelbach方法将分式目标函数转化为辅助变量参数相减的形式，接着根据交替迭代算法对基站波束成形和反射面相移参数进行解耦处理，最后将原非凸问题转化为标准的半定规划形式，并用凸优化工具进行求解。仿真结果表明，所提算法具有更好的能效和安全性。

为达到上述目的，本发明提供如下技术方案：

一种基于安全通信的智能反射面能效最大资源分配方法，该方法包括以下步骤：

S1：构建基于安全通信的多输入单输出的蜂窝通信系统，包括一个单天线用户和窃听者，一个多天线基站和一个智能反射面；

采用下行传输方式，其接收机接收直接链路信号与间接链路信号；直接链路：基站将信号直接发送至用户接收机；间接链路：基站的发送信号经智能反射面反射至接收机；

S2：考虑用户安全速率约束、基站最大发射功率约束以及连续相移约束，建立了非线性、多变量耦合的能效最大资源分配算法；

S3：利用Dinkelbach方法将分式目标函数转化为辅助变量参数相减的形式，并根据交替迭代算法对基站波束成形和反射面相移参数进行解耦处理；

S4：将原非凸问题转化为标准的半定规划形式，并采用凸优化工具进行求解，直到求得的波束成形向量与相移使得系统总能效达到收敛。

可选的，在所述S1中，包括以下内容：

用户和窃听者的接收信号分别为：

其中，P_s为基站的信号发射功率；h_IU为智能反射面到用户的信道，h_AI为基站到智能反射面的信道，h_AU为基站到用户的信道，h_IE为智能反射面到窃听者的信道，h_AE为基站到窃听者的信道；G＝diag(q^H)为智能反射面处的相移矩阵，q＝(q₁,q₂,...,q_L)^H，

为初始相位；w为基站的发射波束向量，s为基站发送给用户的期望信号；n_U和n_E分别为用户和窃听者接收的噪声；

系统总功耗为：

其中，P_c为系统电路功耗，ζ∈[0,1]为功率放大效率；

根据香农定理，用户和窃听者的信息速率分别为：

其中，系统采用单位带宽，

分别为用户和窃听者的噪声功率。

可选的，在所述S2中，为提高传输速率和能源利用率，提出基于能效最大的资源分配优化问题：

其中，R_S＝R_U-R_E为用户的可实现保密速率；R_min表示用户的最小保密速率，P_max为基站的最大发射功率；C₁是为了确保用户的最小安全速率；C₂表示基站的最大发射功率约束；C₃代表智能反射面的相移约束。

可选的，在所述S3中，利用Dinkelbach方法将分式目标函数转化为辅助变量参数相减的形式，并根据交替迭代算法对基站波束成形和反射面相移参数进行解耦处理，即分为两个子问题；

关于波束向量的子问题：

其中，γ_U(w)＝w^HΦ_Uw，

γ_E(w)＝w^HΦ_Ew，

其目标函数的减法参数形式为：log₂(1+γ_U(w))-η(w^Hw+P_c)，其中η为引入的辅助变量；

关于相移的子问题：

其中，

为引入的辅助变量，

可选的，在所述S4中，将原非凸问题转化为标准的半定规划形式，并采用凸优化工具进行求解.

定义W＝ww^H，问题(7)转化为标准的SDP形式：

其中，Tr(A)表示矩阵A的迹，Rank(A)表示矩阵A的秩；由于C₄秩为一的约束条件使得上式问题不易得到可行解，在此采用半定松弛方法处理该约束条件，则利用凸优化工具箱进行求解，得到最优的W值；

定义

则问题(8)转化为SDP标准形式：

则问题(10)同问题(9)类似采用相同的方法得到最优解。

本发明的有益效果在于：与无智能反射面和不存在窃听者算法相比，本发明方案具有较好的能效和安全性。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明的系统模型图；

图2为本发明的算法流程图；

图3为物理仿真系统图；

图4为本发明算法的能效收敛图；

图5为在不同的算法下，用户中断概率与发射信号信噪比之间的关系图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1所示，本发明考虑一个基于智能反射面的MISO蜂窝安全通信网络模型，由一个多天线基站，一个智能反射面，单天线用户和窃听者组成。其中基站含有M根天线，反射面含有L个反射阵源。假设基站与智能反射面、用户和窃听者，智能反射面与用户、窃听者之间的信道系数分别为:

且所有信道均服从小尺度瑞利衰落模型。假设系统每个信道带宽为单位带宽。定义相移矩阵G＝diag(q^H)，其中，q＝(q₁,q₂,...,q_L)^H，

表示IRS的第n个阵源的反射系数相移，β∈[0,1]为相应的幅度。为了方便起见，通常取β＝1以获得最大的反射增益。因此，能效最大化的资源分配问题可以表示为：

其中，

是用户的信息速率，

为用户噪声功率，

窃听者噪声功率。R_S为用户的可实现保密速率，表示为R_S＝R_U-R_E，其中

为用户信息速率，

为窃听者的信息速率。R_min表示用户的最小保密速率，P_max为基站的最大发射功率。C₁是为了确保用户的最小安全速率；C₂表示基站的最大发射功率约束；C₃代表智能反射面的相移约束。显然，一个多变量耦合的非线性优化问题，很难直接获得全局最优解。

由于基站的波束成形向量与智能反射面的相移之间存在强耦合的关系，因此，采用交替迭代算法求解，基本思路如下：1)先固定智能反射面相移G求波束成形向量w；2)再固定波束成形向量w求反射面相移G。

1)固定相移G求解波束向量w

在给定相移G的情况下，原问题可以重新描述为：

其中，

γ_U(w)＝w^HΦ_Uw，

γ_E(w)＝w^HΦ_Ew。

由于问题(2)仍是非凸的，则基于Dinkelbach方法，将分式目标函数等价转化为参数相减的形式。定义系统能效η，则问题(2)可以转换为：

当给定η时，问题(3)可以求得最优波束成形向量w。

定义W＝ww^H，上式可以变为一个标准的SDP问题，如下所示：

其中，Tr(A)表示矩阵A的迹，Rank(A)表示矩阵A的秩。由于C₄秩为一的约束条件使得上式问题不易得到可行解，在此采用半定松弛方法处理该约束条件，则上述问题可以直接利用凸优化工具箱进行求解，得到最优的W值。

2)固定波束向量W求相移G

根据上述求得的W，则原问题可以表示为：

其中，

通过引入

及Rank(Q)＝1，则问题(5)可以转化为SDP标准形式：

问题(26)同问题(24)类似采用相同的方法得到最优解。基于交替迭代的能效最大化资源分配算法如图2。

下面结合仿真对本发明的应用效果作详细的描述。

1)仿真条件

如图3所示，假设基站含有2条天线，智能反射面有4个阵源，系统采用单位带宽。基站到用户和窃听者的路损分别为2和3，基站到反射面、反射面到用户、窃听者的路损分别为2.2，2.2和3。假设基站与智能反射面处于同一水平面，用户和窃听者也处于同一水平面，两水平面之间垂直距离为5米，基站到反射面的距离为40m，基站到窃听者的水平距离为20米。其它仿真参数由表1给出：

表1仿真参数表

2)仿真结果

在本实施例中，图4从系统能效的角度给出了本发明算法与传统资源分配算法的性能差异。图5给出了用户中断概率与发射信号的信噪比之间的关系。其中，图4显示随着迭代次数的增加，本发明算法的系统总能效优于传统资源分配算法(无智能反射面)。图5显示随着信噪比的增大，本发明算法与传统算法(不考虑窃听者)的用户中断概率都降低，且本发明算法比传统算法的中断概率低，更适用于实际的安全通信场景。此外，当用户与窃听者之间的距离减小时，系统的中断概率增大。图3和图4的实验结果显示了发明算法具有较高的能效和较低的中断概率。

以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种基于安全通信的智能反射面能效最大资源分配方法，其特征在于：该方法包括以下步骤：

S1：构建基于安全通信的多输入单输出的蜂窝通信系统，包括一个单天线用户和窃听者，一个多天线基站和一个智能反射面；

采用下行传输方式，其接收机接收直接链路信号与间接链路信号；直接链路：基站将信号直接发送至用户接收机；间接链路：基站的发送信号经智能反射面反射至接收机；

S2：考虑用户安全速率约束、基站最大发射功率约束以及连续相移约束，建立了非线性、多变量耦合的能效最大资源分配算法；

S3：利用Dinkelbach方法将分式目标函数转化为辅助变量参数相减的形式，并根据交替迭代算法对基站波束成形和反射面相移参数进行解耦处理；

S4：将原非凸问题转化为标准的半定规划形式，并采用凸优化工具进行求解，直到求得的波束成形向量与相移使得系统总能效达到收敛。

2.根据权利要求1所述的一种基于安全通信的智能反射面能效最大资源分配方法，其特征在于：在所述S1中，包括以下内容：

用户和窃听者的接收信号分别为：

其中，P_s为基站的信号发射功率；h_IU为智能反射面到用户的信道，h_AI为基站到智能反射面的信道，h_AU为基站到用户的信道，h_IE为智能反射面到窃听者的信道，h_AE为基站到窃听者的信道；G＝diag(q^H)为智能反射面处的相移矩阵，q＝(q₁,q₂,...,q_L)^H，

θ_n∈[0,2π]为初始相位；w为基站的发射波束向量，s为基站发送给用户的期望信号；n_U和n_E分别为用户和窃听者接收的噪声；

系统总功耗为：

其中，P_c为系统电路功耗，ζ∈[0,1]为功率放大效率；

根据香农定理，用户和窃听者的信息速率分别为：

其中，系统采用单位带宽，

分别为用户和窃听者的噪声功率。

3.根据权利要求2所述的一种基于安全通信的智能反射面能效最大资源分配方法，其特征在于：在所述S2中，为提高传输速率和能源利用率，提出基于能效最大的资源分配优化问题：

其中，R_S＝R_U-R_E为用户的可实现保密速率；R_min表示用户的最小保密速率，P_max为基站的最大发射功率；C₁是为了确保用户的最小安全速率；C₂表示基站的最大发射功率约束；C₃代表智能反射面的相移约束。

4.根据权利要求3所述的一种基于安全通信的智能反射面能效最大资源分配方法，其特征在于：在所述S3中，利用Dinkelbach方法将分式目标函数转化为辅助变量参数相减的形式，并根据交替迭代算法对基站波束成形和反射面相移参数进行解耦处理，即分为两个子问题；

关于波束向量的子问题：

其中，γ_U(w)＝w^HΦ_Uw，

γ_E(w)＝w^HΦ_Ew，

其目标函数的减法参数形式为：log₂(1+γ_U(w))-η(w^Hw+P_c)，其中η为引入的辅助变量；

关于相移的子问题：

其中，

为引入的辅助变量，

5.根据权利要求4所述的一种基于安全通信的智能反射面能效最大资源分配方法，其特征在于：在所述S4中，将原非凸问题转化为标准的半定规划形式，并采用凸优化工具进行求解.

定义W＝ww^H，问题(7)转化为标准的SDP形式：

其中，Tr(A)表示矩阵A的迹，Rank(A)表示矩阵A的秩；由于C₄秩为一的约束条件使得上式问题不易得到可行解，在此采用半定松弛方法处理该约束条件，则利用凸优化工具箱进行求解，得到最优的W值；

定义

则问题(8)转化为SDP标准形式：

则问题(10)同问题(9)类似采用相同的方法得到最优解。

Images