CN113225118B - 一种基于鲁棒波束成形的信息超表面抗干扰方法 - Google Patents
一种基于鲁棒波束成形的信息超表面抗干扰方法 Download PDFInfo
- Publication number
- CN113225118B CN113225118B CN202110509140.1A CN202110509140A CN113225118B CN 113225118 B CN113225118 B CN 113225118B CN 202110509140 A CN202110509140 A CN 202110509140A CN 113225118 B CN113225118 B CN 113225118B
- Authority
- CN
- China
- Prior art keywords
- interference
- beam forming
- base station
- optimization
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000013598 vector Substances 0.000 claims abstract description 126
- 238000005457 optimization Methods 0.000 claims abstract description 110
- 238000004891 communication Methods 0.000 claims abstract description 63
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 3
- 239000000243 solution Substances 0.000 abstract description 68
- 230000033228 biological regulation Effects 0.000 abstract description 3
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 238000002347 injection Methods 0.000 abstract description 3
- 239000007924 injection Substances 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000001228 spectrum Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005288 electromagnetic effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/04013—Intelligent reflective surfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及一种基于鲁棒波束成形的信息超表面抗干扰方法、装置、计算机设备和存储介质。所述方法包括：通过以基站的发射功率最小化为目标函数，抗干扰中断概率门限信息和接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型；将优化模型拆分成两个相互独立的子模型交替优化求解。本发明通过对基站发射端产生的电磁信号进行二次调控，自主引导电磁环境传播路径，为收发双方架设最优通路，在增强合法用户通信质量的同时阻断恶意干扰信号的注入，实现低成本、低硬件复杂度、低功耗、低辐射的抗干扰通信环境。
Description
技术领域
本申请涉及计算机通信技术领域，特别是涉及一种基于鲁棒波束成形的信息超表面抗干扰方法、装置、计算机设备和存储介质。
背景技术
传统的通信抗干扰技术可分为扩谱和非扩谱通信抗干扰技术两类。其中，扩谱通信技术是指通过信号传输带宽的扩展来提高信息传输可靠性的抗干扰技术，主要包括直接序列扩谱(DSSS)、跳频扩谱(FHSS)、跳时扩谱(THSS)、线性脉冲调频及其组合形式(即混合扩谱)，自适应跳频、高速差分跳频等改进扩谱通信技术。非扩谱通信抗干扰技术主要包括智能天线调零、自适应滤波、分集接收、干扰限幅、干扰陷波、自适应选频等，涉及频率域、功率域、空间域、时间域、变换域等多维域。
扩谱和非扩谱通信抗干扰技术对于干扰策略固定的常规干扰具有较好的抗干扰效果，但面对灵活多变、多域结合、跨层联合的新型干扰样式，难以满足恶劣电磁环境下可靠通信要求。现有抗干扰通信技术的基本出发点是将无线信道的不确定性视为影响通信的不利因素，通过调整收发参数被动适应电磁环境，其核心思想始终围绕如何设计更好的发射机和接收机以改善系统抗干扰性能，依靠“补丁式”、“外挂式”安全增强方案来实现的安全防护。在该思想指导下提出的认知抗干扰通信技术主要通过干扰认知、抗干扰决策和抗干扰实施等步骤实现对干扰信号的回避。然而，难以充分利用通信方先天具备的主动优势和先发优势。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提升通信抗干扰效果的基于鲁棒波束成形的信息超表面抗干扰方法、装置、计算机设备和存储介质。
一种基于鲁棒波束成形的信息超表面抗干扰方法，所述方法包括：
获取无线抗干扰通信系统中预设的抗干扰中断概率门限信息、接收信干噪比门限信息和收敛门限信息；所述无线抗干扰通信系统包含一个配置多根天线的基站、一个配置多个反射单元的智能信息超表面，多个配置单天线的用户，各个所述用户周围存在一个配置多根天线的干扰机；
以所述基站的发射功率最小化为目标函数，所述抗干扰中断概率门限信息和所述接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型；
将所述优化模型拆分成两个相互独立的子模型交替优化求解，通过引入辅助变量替换和惩罚非光滑优化算法，求解当前次迭代中所述基站主动发射波束形成权矢量的第一最优解，通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中所述智能信息超表面反射波束形成矢量的第二最优解；
根据所述第一最优解和所述第二最优解，得到当前次迭代后所述基站的发射功率，当所述发射功率与前一次迭代后发射功率的差值小于所述收敛门限信息时，结束迭代，根据最后一次迭代输出的第一最优解和第二最优解得到所述无线抗干扰通信系统的最优波束形成矢量，根据所述最优波束形成矢量实现抗干扰通信。
在其中一个实施例中，还包括：以所述基站的发射功率最小化为目标函数，所述抗干扰中断概率门限信息和所述接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型为：
其中，
表示第k个用户处的接收信干噪比，
为第k个用户处接收信干噪比的显式，WT＝{wT,1,wT,2,…,wT,K}表示基站主动发射波束形成权矢量，
表示智能信息超表面反射波束形成矢量，hT,k∈CM×1表示基站到第k个用户信道矢量，GT∈CN×M表示基站到信息超表面信道矩阵，hR,k∈CN×1表示信息超表面到第k个用户信道矢量，hJ,k∈CL×1表示干扰机到第k个用户信道矢量，GJ∈CN×L表示干扰机到信息超表面信道矩阵，
表示第k个用户接收到的干扰信号功率，θn∈[0,2π]表示智能超表面第n个单元的反射相位，
表示第k个用户用的噪声功率，
表示Frobenius范数，M表示基站天线根数，N表示智能信息超表面配置的反射单元的个数，K表示用户的个数，L表示干扰机配置的天线的个数。
在其中一个实施例中，还包括：在给定智能信息超表面反射波束形成矢量v的条件下，构建优化基站主动发射波束形成权矢量wT,k对应的第一优化子模型
为：
在给定基站主动发射波束形成权矢量wT,k的条件下，构建优化智能信息超表面反射波束形成矢量v对应的第二优化子模型
为：
其中
在其中一个实施例中，还包括：引入辅助变量
以及μ＝{μ1,μ2,…,μk}；
通过惩罚非光滑优化算法，将所述第一优化子模型
转化为：
通过迭代和特征值分解的方法可以求解得到当前次迭代中所述基站主动发射波束形成权矢量的第一最优解wT,k。
在其中一个实施例中，还包括：通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中所述智能信息超表面反射波束形成矢量的第二最优解；所述不等式近似的变换形式为：
其中e∈Cn×1～CN(0,In)，
s∈R，r∈Cn×1表示矩阵，ρ∈[0,1)。
在其中一个实施例中，还包括：引入辅助变量
引入松弛变量α＝{α1,α2,…,αK}T、x＝{x1,x2,…,xK}T、y＝{y1,y2,…,yK}T,惩罚因子τ和加权系数χ；
利用惩罚非光滑优化方法，将所述第二优化子模型
转化为：
其中
是对应特征值λmax{V(n-1)}的特征矢量；
结合迭代优化、CVX标准优化工具和特征值分解，可以求解当前次迭代中所述智能信息超表面反射波束形成矢量的第二最优解v。
在其中一个实施例中，还包括：根据最后一次迭代输出的主动发射波束形成权矢量配置所述基站；
根据最后一次迭代输出的被动反射波束形成矢量配置所述智能信息超表面；
通过所述基站和所述智能信息超表面调控电磁波传播环境，实现抗干扰通信。
在其中一个实施例中，还包括：当所述干扰机的信道信息未知时，采用统计信道信息估计建模的方法将所述优化模型拆分成两个相互独立的子模型交替优化求解。
一种基于鲁棒波束成形的信息超表面抗干扰装置，所述装置包括：
预设信息获取模块，用于获取无线抗干扰通信系统中预设的抗干扰中断概率门限信息、接收信干噪比门限信息和收敛门限信息；所述无线抗干扰通信系统包含一个配置多根天线的基站、一个配置多个反射单元的智能信息超表面，多个配置单天线的用户，各个所述用户周围存在一个配置多根天线的干扰机；
优化模型构建模块，用于以所述基站的发射功率最小化为目标函数，所述抗干扰中断概率门限信息和所述接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型；
模型求解模块，用于将所述优化模型拆分成两个相互独立的子模型交替优化求解，通过引入辅助变量替换和惩罚非光滑优化算法，求解当前次迭代中所述基站主动发射波束形成权矢量的第一最优解，通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中所述智能信息超表面反射波束形成矢量的第二最优解。
结果输出模块，用于根据所述第一最优解和所述第二最优解，得到当前次迭代后所述基站的发射功率，当所述发射功率与前一次迭代后发射功率的差值小于所述收敛门限信息时，结束迭代，根据最后一次迭代输出的第一最优解和第二最优解得到所述无线抗干扰通信系统的最优波束形成矢量，根据所述最优波束形成矢量实现抗干扰通信。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取无线抗干扰通信系统中预设的抗干扰中断概率门限信息、接收信干噪比门限信息和收敛门限信息；所述无线抗干扰通信系统包含一个配置多根天线的基站、一个配置多个反射单元的智能信息超表面，多个配置单天线的用户，各个所述用户周围存在一个配置多根天线的干扰机；
以所述基站的发射功率最小化为目标函数，所述抗干扰中断概率门限信息和所述接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型；
将所述优化模型拆分成两个相互独立的子模型交替优化求解，通过引入辅助变量替换和惩罚非光滑优化算法，求解当前次迭代中所述基站主动发射波束形成权矢量的第一最优解，通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中所述智能信息超表面反射波束形成矢量的第二最优解；
根据所述第一最优解和所述第二最优解，得到当前次迭代后所述基站的发射功率，当所述发射功率与前一次迭代后发射功率的差值小于所述收敛门限信息时，结束迭代，根据最后一次迭代输出的第一最优解和第二最优解得到所述无线抗干扰通信系统的最优波束形成矢量，根据所述最优波束形成矢量实现抗干扰通信。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取无线抗干扰通信系统中预设的抗干扰中断概率门限信息、接收信干噪比门限信息和收敛门限信息；所述无线抗干扰通信系统包含一个配置多根天线的基站、一个配置多个反射单元的智能信息超表面，多个配置单天线的用户，各个所述用户周围存在一个配置多根天线的干扰机；
以所述基站的发射功率最小化为目标函数，所述抗干扰中断概率门限信息和所述接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型；
将所述优化模型拆分成两个相互独立的子模型交替优化求解，通过引入辅助变量替换和惩罚非光滑优化算法，求解当前次迭代中所述基站主动发射波束形成权矢量的第一最优解，通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中所述智能信息超表面反射波束形成矢量的第二最优解；
根据所述第一最优解和所述第二最优解，得到当前次迭代后所述基站的发射功率，当所述发射功率与前一次迭代后发射功率的差值小于所述收敛门限信息时，结束迭代，根据最后一次迭代输出的第一最优解和第二最优解得到所述无线抗干扰通信系统的最优波束形成矢量，根据所述最优波束形成矢量实现抗干扰通信。
上述基于鲁棒波束成形的信息超表面抗干扰方法、装置、计算机设备和存储介质，通过获取无线抗干扰通信系统中预设的抗干扰中断概率门限信息、接收信干噪比门限信息和收敛门限信息，以基站的发射功率最小化为目标函数，抗干扰中断概率门限信息和接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型；将优化模型拆分成两个相互独立的子模型交替优化求解，通过引入辅助变量替换和惩罚非光滑优化算法，求解当前次迭代中基站主动发射波束形成权矢量的第一最优解，通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中智能信息超表面反射波束形成矢量的第二最优解；根据第一最优解和第二最优解，得到当前次迭代后基站的发射功率，当发射功率与前一次迭代后发射功率的差值小于收敛门限信息时，结束迭代，得到无线抗干扰通信系统的最优波束形成矢量，实现抗干扰通信。本发明通过对基站发射端产生的电磁信号进行二次调控，自主引导电磁环境传播路径，为收发双方架设最优通路，在增强合法用户通信质量的同时阻断恶意干扰信号的注入，实现低成本、低硬件复杂度、低功耗、低辐射的抗干扰通信环境。
附图说明
图1为一个实施例中基于鲁棒波束成形的信息超表面抗干扰方法的应用场景图；
图2为一个实施例中基于鲁棒波束成形的信息超表面抗干扰方法的流程示意图；
图3为另一个实施例中基于鲁棒波束成形的信息超表面抗干扰方法的流程示意图；
图4为一个实施例中基于鲁棒波束成形的信息超表面抗干扰装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于鲁棒波束成形的信息超表面抗干扰方法，可以应用于如图1所示的应用环境中。其中，针对无线抗干扰通信系统100，其包含一个配置M根天线的基站101、K个配置单天线的合法用户102、一个配置N个反射单元的智能超材料表面201、一个智能超材料表面控制单元202、一个配置L根天线的干扰机301。基站101以wT,k为加权矢量进行波束形成后向合法用户102和智能超表面201发射信号，而干扰机301同时向合法用户102和智能超表面201发射干扰信号；基站101到合法用户102的信道向量hT,k是1×M维的复随机向量；基站101到智能超材料表面201的信道矩阵GT为N×M维的复随机矩阵；干扰机301到合法用户102和智能超材料表面201的信道向量hJ,k和信道矩阵GJ分别为1×L维的复随机向量和L×N维复随机矩阵；智能超材料表面201到合法用户102的信道向量hR,k为1×N维的复随机向量；合法用户102处接收噪声方差分别为
。
在一个实施例中，如图2所示，提供了一种基于鲁棒波束成形的信息超表面抗干扰方法，包括以下步骤：
步骤202，获取无线抗干扰通信系统中预设的抗干扰中断概率门限信息、接收信干噪比门限信息和收敛门限信息。
无线抗干扰通信系统包含一个配置多根天线的基站、一个配置多个反射单元的智能信息超表面，多个配置单天线的用户，各个用户周围存在一个配置多根天线的干扰机。
信息超表面(Information metasurfaces,Reconfigurable IntelligentSurfaces，RIS)，又称为新型人工电磁表面，是一种由人工合成新型电磁超材料构成的超表面，在雷达、成像和通信等众多领域都有广泛研究。新型超表面通过在空间区域中以规则阵列布置一系列亚波长尺寸的人造电磁单元结构构建而成，通过设计人造单元的几何结构、大小以及排列方式，可以实现常规材料不具备的电磁效应。超表面通常通过其超常反射系数或透射系数来对其反射波或透射波进行控制，因而具有实现智能调控电磁波的能力。由于具备成本低廉、易于集成、能耗低等特点，信息超表面将为无线抗干扰通信系统系统设计和部署带来新的思路，为未来通信与安全一体化共生发展提供了新的范式。
步骤204，以基站的发射功率最小化为目标函数，抗干扰中断概率门限信息和接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型。
本发明所构建的模型考虑了当前通信系统中功率有限的限制，以最小化发射功率为目标，同时以每个用户信干噪比和抗干扰门限为约束，相较原来的抗干扰通信系统，所提模型的功率消耗最小，在相同干扰条件下，干扰容限显著提升，同时所提模型抗干扰维度更大，是一种对抗高功率压制干扰的新型有限手段。
步骤206，将优化模型拆分成两个相互独立的子模型交替优化求解，通过引入辅助变量替换和惩罚非光滑优化算法，求解当前次迭代中基站主动发射波束形成权矢量的第一最优解，通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中智能信息超表面反射波束形成矢量的第二最优解。
本发明的优化算法解决了原始联合优化问题无法求解的问题，引入不等式近似以解决信道信息不确定性的问题，且通过惩罚非光滑优化算法克服了常规半正定松弛算法无法准确求解秩一解的难题。
步骤208，根据第一最优解和第二最优解，得到当前次迭代后基站的发射功率，当发射功率与前一次迭代后发射功率的差值小于收敛门限信息时，结束迭代，根据最后一次迭代输出的第一最优解和第二最优解得到无线抗干扰通信系统的最优波束形成矢量，根据最优波束形成矢量实现抗干扰通信。
上述基于鲁棒波束成形的信息超表面抗干扰方法中，通过获取无线抗干扰通信系统中预设的抗干扰中断概率门限信息、接收信干噪比门限信息和收敛门限信息，以基站的发射功率最小化为目标函数，抗干扰中断概率门限信息和接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型；将优化模型拆分成两个相互独立的子模型交替优化求解，通过引入辅助变量替换和惩罚非光滑优化算法，求解当前次迭代中基站主动发射波束形成权矢量的第一最优解，通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中智能信息超表面反射波束形成矢量的第二最优解；根据第一最优解和第二最优解，得到当前次迭代后基站的发射功率，当发射功率与前一次迭代后发射功率的差值小于收敛门限信息时，结束迭代，得到无线抗干扰通信系统的最优波束形成矢量，实现抗干扰通信。本发明通过对基站发射端产生的电磁信号进行二次调控，自主引导电磁环境传播路径，为收发双方架设最优通路，在增强合法用户通信质量的同时阻断恶意干扰信号的注入，实现低成本、低硬件复杂度、低功耗、低辐射的抗干扰通信环境。
在其中一个实施例中，还包括：以基站的发射功率最小化为目标函数，抗干扰中断概率门限信息和接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型为：
其中，
表示第k个用户处的接收信干噪比，
为第k个用户处接收信干噪比的显式，WT＝{wT,1,wT,2,…,wT,K}表示基站主动发射波束形成权矢量，
表示智能信息超表面反射波束形成矢量，hT,k∈CM×1表示基站到第k个用户信道矢量，GT∈CN×M表示基站到信息超表面信道矩阵，hR,k∈CN×1表示信息超表面到第k个用户信道矢量，hJ,k∈CL×1表示干扰机到第k个用户信道矢量，GJ∈CN×L表示干扰机到信息超表面信道矩阵，
表示第k个用户接收到的干扰信号功率，θn∈[0,2π]表示智能超表面第n个单元的反射相位，
表示第k个用户用的噪声功率，
表示Frobenius范数，M表示基站天线根数，N表示智能信息超表面配置的反射单元的个数，K表示用户的个数，L表示干扰机配置的天线的个数。
在其中一个实施例中，还包括：在给定智能信息超表面反射波束形成矢量v的条件下，构建优化基站主动发射波束形成权矢量wT,k对应的第一优化子模型
为：
在给定基站主动发射波束形成权矢量wT,k的条件下，构建优化智能信息超表面反射波束形成矢量v对应的第二优化子模型
为：
其中
在其中一个实施例中，还包括：引入辅助变量
以及μ＝{μ1,μ2,…,μk}；
通过惩罚非光滑优化算法，将第一优化子模型
转化为：
通过迭代和特征值分解的方法可以求解得到当前次迭代中基站主动发射波束形成权矢量的第一最优解wT,k。
在其中一个实施例中，还包括：通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中智能信息超表面反射波束形成矢量的第二最优解；不等式近似的变换形式为：
其中e∈Cn×1～CN(0,In)，
s∈R，r∈Cn×1表示矩阵，ρ∈[0,1)。
在其中一个实施例中，还包括：引入辅助变量
引入松弛变量α＝{α1,α2,…,αK}T、x＝{x1,x2,…,xK}T、y＝{y1,y2,…,yK}T,惩罚因子τ和加权系数χ；
利用惩罚非光滑优化方法，将第二优化子模型
转化为：
其中
是对应特征值λmax{V(n-1)}的特征矢量；
结合迭代优化、CVX标准优化工具和特征值分解，可以求解当前次迭代中智能信息超表面反射波束形成矢量的第二最优解v。
在其中一个实施例中，还包括：根据最后一次迭代输出的主动发射波束形成权矢量配置基站；根据最后一次迭代输出的被动反射波束形成矢量配置智能信息超表面；通过基站和智能信息超表面调控电磁波传播环境，实现抗干扰通信。
在其中一个实施例中，还包括：当干扰机的信道信息未知时，采用统计信道信息估计建模的方法将优化模型拆分成两个相互独立的子模型交替优化求解。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种基于鲁棒波束成形的信息超表面抗干扰方法，包括：步骤一：设定各用户中断概率、接收信干噪比和收敛门限；步骤二：确定优化原问题；步骤三：将原优化问题拆分成两个相互独立的子问题；步骤四：求解基站发射端子优化问题；步骤五：求解信息超表面子优化问题；判断是否达到收敛条件，若没有达到收敛条件，返回步骤三，若达到了收敛条件，得到最优波束形成权矢量。
在一个实施例中，如图4所示，提供了一种基于鲁棒波束成形的信息超表面抗干扰装置，包括：预设信息获取模块402、优化模型构建模块404、模型求解模块406和结果输出模块408，其中：
预设信息获取模块402，用于获取无线抗干扰通信系统中预设的抗干扰中断概率门限信息、接收信干噪比门限信息和收敛门限信息；无线抗干扰通信系统包含一个配置多根天线的基站、一个配置多个反射单元的智能信息超表面，多个配置单天线的用户，各个用户周围存在一个配置多根天线的干扰机；
优化模型构建模块404，用于以基站的发射功率最小化为目标函数，抗干扰中断概率门限信息和接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型；
模型求解模块406，用于将优化模型拆分成两个相互独立的子模型交替优化求解，通过引入辅助变量替换和惩罚非光滑优化算法，求解当前次迭代中基站主动发射波束形成权矢量的第一最优解，通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中智能信息超表面反射波束形成矢量的第二最优解。
结果输出模块408，用于根据第一最优解和第二最优解，得到当前次迭代后基站的发射功率，当发射功率与前一次迭代后发射功率的差值小于收敛门限信息时，结束迭代，根据最后一次迭代输出的第一最优解和第二最优解得到无线抗干扰通信系统的最优波束形成矢量，根据最优波束形成矢量实现抗干扰通信。
优化模型构建模块404还用于以基站的发射功率最小化为目标函数，抗干扰中断概率门限信息和接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型为：
其中，
表示第k个用户处的接收信干噪比，
为第k个用户处接收信干噪比的显式，WT＝{wT,1,wT,2,…,wT,K}表示基站主动发射波束形成权矢量，
表示智能信息超表面反射波束形成矢量，hT,k∈CM×1表示基站到第k个用户信道矢量，GT∈CN×M表示基站到信息超表面信道矩阵，hR,k∈CN×1表示信息超表面到第k个用户信道矢量，hJ,k∈CL×1表示干扰机到第k个用户信道矢量，GJ∈CN×L表示干扰机到信息超表面信道矩阵，
表示第k个用户接收到的干扰信号功率，θn∈[0,2π]表示智能超表面第n个单元的反射相位，
表示第k个用户用的噪声功率，
表示Frobenius范数，M表示基站天线根数，N表示智能信息超表面配置的反射单元的个数，K表示用户的个数，L表示干扰机配置的天线的个数。
模型求解模块406还用于在给定智能信息超表面反射波束形成矢量v的条件下，构建优化基站主动发射波束形成权矢量wT,k对应的第一优化子模型
为：
在给定基站主动发射波束形成权矢量wT,k的条件下，构建优化智能信息超表面反射波束形成矢量v对应的第二优化子模型
为：
其中
模型求解模块406还用于引入辅助变量
以及μ＝{μ1,μ2,…,μk}；
通过惩罚非光滑优化算法，将第一优化子模型
转化为：
通过迭代和特征值分解的方法可以求解得到当前次迭代中基站主动发射波束形成权矢量的第一最优解wT,k。
模型求解模块406还用于通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中智能信息超表面反射波束形成矢量的第二最优解；不等式近似的变换形式为：
其中e∈Cn×1～CN(0,In)，
s∈R，r∈Cn×1表示矩阵，ρ∈[0,1)。
模型求解模块406还用于引入辅助变量
引入松弛变量α＝{α1,α2,…,αK}T、x＝{x1,x2,…,xK}T、y＝{y1,y2,…,yK}T,惩罚因子τ和加权系数χ；
利用惩罚非光滑优化方法，将第二优化子模型
转化为：
其中
是对应特征值λmax{V(n-1)}的特征矢量；
结合迭代优化、CVX标准优化工具和特征值分解，可以求解当前次迭代中智能信息超表面反射波束形成矢量的第二最优解v。
结果输出模块408还用于根据最后一次迭代输出的主动发射波束形成权矢量配置基站；根据最后一次迭代输出的被动反射波束形成矢量配置智能信息超表面；通过基站和智能信息超表面调控电磁波传播环境，实现抗干扰通信。
模型求解模块406还用于当干扰机的信道信息未知时，采用统计信道信息估计建模的方法将优化模型拆分成两个相互独立的子模型交替优化求解。
关于基于鲁棒波束成形的信息超表面抗干扰装置的具体限定可以参见上文中对于基于鲁棒波束成形的信息超表面抗干扰方法的限定，在此不再赘述。上述基于鲁棒波束成形的信息超表面抗干扰装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于鲁棒波束成形的信息超表面抗干扰方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (2)
1.一种基于鲁棒波束成形的信息超表面抗干扰方法，其特征在于，所述方法包括：
获取无线抗干扰通信系统中预设的抗干扰中断概率门限信息、接收信干噪比门限信息和收敛门限信息；所述无线抗干扰通信系统包含一个配置多根天线的基站、一个配置多个反射单元的智能信息超表面，多个配置单天线的用户，各个所述用户周围存在一个配置多根天线的干扰机；
以所述基站的发射功率最小化为目标函数，所述抗干扰中断概率门限信息和所述接收信干噪比门限信息为约束条件，基站主动发射波束形成权矢量和智能信息超表面反射波束形成矢量为优化变量，构建待求解的优化模型为：
其中，
表示第k个用户处的接收信干噪比，
为第k个用户处接收信干噪比的显式，WT＝{wT,1,wT,2,…,wT,K}表示基站主动发射波束形成权矢量，
表示智能信息超表面反射波束形成矢量，hT,k∈CM×1表示基站到第k个用户信道矢量，GT∈CN×M表示基站到信息超表面信道矩阵，hR,k∈CN×1表示信息超表面到第k个用户信道矢量，hJ,k∈CL×1表示干扰机到第k个用户信道矢量，GJ∈CN×L表示干扰机到信息超表面信道矩阵，
表示第k个用户接收到的干扰信号功率，θn∈[0,2π]表示智能超表面第n个单元的反射相位，
表示第k个用户用的噪声功率，
表示Frobenius范数，M表示基站天线根数，N表示智能信息超表面配置的反射单元的个数，K表示用户的个数，L表示干扰机配置的天线的个数；
在给定智能信息超表面反射波束形成矢量v的条件下，构建优化基站主动发射波束形成权矢量wT,k对应的第一优化子模型
为：
在给定基站主动发射波束形成权矢量wT,k的条件下，构建优化智能信息超表面反射波束形成矢量v对应的第二优化子模型
为：
其中
引入辅助变量
以及μ＝{μ1,μ2,…,μk}；
通过惩罚非光滑优化算法，将所述第一优化子模型
转化为：
通过迭代和特征值分解的方法可以求解得到当前次迭代中所述基站主动发射波束形成权矢量的第一最优解wT,k；
通过惩罚非光滑优化算法、不等式近似和辅助变量替换算法，求解当前次迭代中所述智能信息超表面反射波束形成矢量的第二最优解；所述不等式近似的变换形式为：
其中e∈Cn×1～CN(0,In)，
r∈Cn×1表示矩阵，ρ∈[0,1)；
引入辅助变量
引入松弛变量α＝{α1,α2,…,αK}T、x＝{x1,x2,…,xK}T、y＝{y1,y2,…,yK}T,惩罚因子τ和加权系数χ；
利用惩罚非光滑优化方法，将所述第二优化子模型
转化为：
其中
是对应特征值λmax{V(n-1)}的特征矢量；
结合迭代优化、CVX标准优化工具和特征值分解，求解得到当前次迭代中所述智能信息超表面反射波束形成矢量的第二最优解v；
根据所述第一最优解和所述第二最优解，得到当前次迭代后所述基站的发射功率，当所述发射功率与前一次迭代后发射功率的差值小于所述收敛门限信息时，结束迭代，根据最后一次迭代输出的主动发射波束形成权矢量配置所述基站，根据最后一次迭代输出的被动反射波束形成矢量配置所述智能信息超表面，通过所述基站和所述智能信息超表面调控电磁波传播环境，实现抗干扰通信。
2.根据权利要求1所述的方法，其特征在于，将所述优化模型拆分成两个相互独立的子模型交替优化求解，包括：
当所述干扰机的信道信息未知时，采用统计信道信息估计建模的方法将所述优化模型拆分成两个相互独立的子模型交替优化求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110509140.1A CN113225118B (zh) | 2021-05-11 | 2021-05-11 | 一种基于鲁棒波束成形的信息超表面抗干扰方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110509140.1A CN113225118B (zh) | 2021-05-11 | 2021-05-11 | 一种基于鲁棒波束成形的信息超表面抗干扰方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113225118A CN113225118A (zh) | 2021-08-06 |
| CN113225118B true CN113225118B (zh) | 2022-09-02 |
Family
ID=77094425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110509140.1A Active CN113225118B (zh) | 2021-05-11 | 2021-05-11 | 一种基于鲁棒波束成形的信息超表面抗干扰方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113225118B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110224728A (zh) * | 2019-04-30 | 2019-09-10 | 中国空间技术研究院 | 基于中断概率约束的多波束卫星通信系统鲁棒预编码方法 |
| WO2020000655A1 (zh) * | 2018-06-27 | 2020-01-02 | 东南大学 | 多天线系统中高功效数模混合波束成形方法、装置及设备 |
| CN110912597A (zh) * | 2019-11-07 | 2020-03-24 | 南京邮电大学 | 一种基于多目标优化的鲁棒安全波束成形方法 |
| CN111181615A (zh) * | 2019-11-29 | 2020-05-19 | 广东工业大学 | 一种基于智能反射面的多小区无线通信方法 |
| CN112073102A (zh) * | 2020-09-08 | 2020-12-11 | 郑州大学 | 一种基于irs的安全波束成形方法与装置 |
| CN112202486A (zh) * | 2020-09-08 | 2021-01-08 | 南京邮电大学 | 多波束卫星通信鲁棒波束成形方法、装置及其存储介质 |
| CN112422162A (zh) * | 2020-12-10 | 2021-02-26 | 中山大学 | 智能反射面鲁棒波束成形方法及系统 |
-
2021
- 2021-05-11 CN CN202110509140.1A patent/CN113225118B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020000655A1 (zh) * | 2018-06-27 | 2020-01-02 | 东南大学 | 多天线系统中高功效数模混合波束成形方法、装置及设备 |
| CN110224728A (zh) * | 2019-04-30 | 2019-09-10 | 中国空间技术研究院 | 基于中断概率约束的多波束卫星通信系统鲁棒预编码方法 |
| CN110912597A (zh) * | 2019-11-07 | 2020-03-24 | 南京邮电大学 | 一种基于多目标优化的鲁棒安全波束成形方法 |
| CN111181615A (zh) * | 2019-11-29 | 2020-05-19 | 广东工业大学 | 一种基于智能反射面的多小区无线通信方法 |
| CN112073102A (zh) * | 2020-09-08 | 2020-12-11 | 郑州大学 | 一种基于irs的安全波束成形方法与装置 |
| CN112202486A (zh) * | 2020-09-08 | 2021-01-08 | 南京邮电大学 | 多波束卫星通信鲁棒波束成形方法、装置及其存储介质 |
| CN112422162A (zh) * | 2020-12-10 | 2021-02-26 | 中山大学 | 智能反射面鲁棒波束成形方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113225118A (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Power and bandwidth allocation for multi-target tracking in collocated MIMO radar | |
| CN113225119B (zh) | 一种基于信息超表面的波束域抗干扰和抗截获通信方法 | |
| CN114337765A (zh) | 一种非理想信道状态信息下基于智能反射面的无线抗干扰和抗截获通信方法 | |
| CN113949427B (zh) | 一种多用户无线网络安全能效优化设计方法和系统 | |
| Xu et al. | Weighted sum rate maximization in IRS-BackCom enabled downlink multi-cell MISO network | |
| CN113810908A (zh) | Mec系统安全卸载方法、设备及mec系统 | |
| CN115941010B (zh) | 基于分支界定的irs辅助去蜂窝大规模mimo系统波束赋形方法 | |
| Forouzanmehr et al. | Energy efficiency maximization for IRS-assisted uplink systems: Joint resource allocation and beamforming design | |
| CN118265058B (zh) | 双极化智能超表面辅助的通感一体化方法和装置 | |
| CN114051225A (zh) | 一种基于ris辅助d2d保密通信的资源分配方法及装置 | |
| Lyu et al. | CRB Minimization for RIS-aided mmWave integrated sensing and communications | |
| Saleem et al. | Deep-reinforcement-learning-driven secrecy design for intelligent-reflecting-surface-based 6g-iot networks | |
| Zhao et al. | Computation offloading and beamforming optimization for energy minimization in wireless-powered IRS-assisted MEC | |
| Zhang et al. | Bayesian and multi-armed contextual meta-optimization for efficient wireless radio resource management | |
| Zhang et al. | Joint Beamforming Optimization for Active STAR-RIS-Assisted ISAC Systems | |
| CN113225118B (zh) | 一种基于鲁棒波束成形的信息超表面抗干扰方法 | |
| CN114845363B (zh) | 一种反射面辅助的低功耗数据卸载方法及系统 | |
| CN115733533A (zh) | 基于流形的irs辅助去蜂窝大规模mimo系统波束赋形方法 | |
| CN114826833A (zh) | 一种IRS辅助MEC中CF-mMIMO的通信优化方法及终端 | |
| CN111446993B (zh) | 一种认知无线电网络中面向安全通信的波束成形方法 | |
| CN114051251B (zh) | 基于在智能反射面的辅助下来实现基站的动态开关方法 | |
| Zeng et al. | RIS Aided NR-U and Wi-Fi Coexistence in Single Cell and Multiple Cell Networks on Unlicensed Bands | |
| Feng et al. | Deterministic Beamforming for Unmanned Aerial Vehicle Array | |
| CN117792450B (zh) | 一种star-ris辅助的swipt系统及其鲁棒波束赋形方法 | |
| CN118764917A (zh) | 一种物联网用户安全卸载任务的方法、装置、介质和设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |