CN113507710B - 一种noma场景下的导频污染攻击信道去污方法 - Google Patents

一种noma场景下的导频污染攻击信道去污方法 Download PDF

Info

Publication number
CN113507710B
CN113507710B CN202110869757.4A CN202110869757A CN113507710B CN 113507710 B CN113507710 B CN 113507710B CN 202110869757 A CN202110869757 A CN 202110869757A CN 113507710 B CN113507710 B CN 113507710B
Authority
CN
China
Prior art keywords
pilot
base station
channel
channels
noma
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
Application number
CN202110869757.4A
Other languages
English (en)
Other versions
CN113507710A (zh
Inventor
彭薇
谢一梅
江涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202110869757.4A priority Critical patent/CN113507710B/zh
Publication of CN113507710A publication Critical patent/CN113507710A/zh
Application granted granted Critical
Publication of CN113507710B publication Critical patent/CN113507710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W12/00Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/12Detection or prevention of fraud
    • H04W12/121Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
    • H04W12/122Counter-measures against attacks; Protection against rogue devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种NOMA场景下的导频污染攻击信道去污方法,根据NOMA用户对基于双阶段训练传输协议发送的导频序列确定基站的接收信号,根据所述接收信号对信道进行估计,提取并基于信道的空间特征对信道进行去污,在不修改导频结构的前提下,利用不同训练阶段的接收信号的投影结果,解决NOMA场景下物理层安全中导频污染攻击导致的信道污染问题,具有信道去污能力强等、可靠性高等优点;与现有的方法相比,不需要合法用户信道的历史统计信息,也无需引入随机导频或者利用信道的角度域聚簇性,具有较高的可实施性。

Description

一种NOMA场景下的导频污染攻击信道去污方法
技术领域
本发明属于通信技术领域,更具体地,涉及一种NOMA场景下的导频污染攻击信道去污方法。
背景技术
随着第五代移动通信技术的商业化,无线网络技术由此可以作为许多新兴服务的基础,如智能交通系统,智慧城市等。然而,无线网络技术在带来便利的同时,也存在许多安全问题。由于无线介质的共享特性,任何接收机将捕获其覆盖区域内的无线信号,无线传输由此容易受到外部窃听或干扰,从而严重威胁无线网络中信息的安全。物理层安全技术可以在不使用密钥协议的情况下实现安全通信,近年来受到了广泛关注。
导频污染攻击作为一种危害较大的物理层主动窃听方式,使物理层安全面临新的挑战。由于传输协议,帧结构和导频序列集是公开的,窃听者根据历史观测结果,可以发送与合法用户相同的导频序列来影响基站的信道估计过程,导致基站在上行训练阶段获取合法用户的信道状态信息出现偏差,迫使基站在随后的下行数据传输阶段中使用的预编码器隐式地向窃听者形成波束,从而增加窃听者的接收信号功率。这不仅阻碍了合法通信双发的可靠通信,更严重的是会导致信息泄露。当系统中存在导频污染攻击时,需要进行有效的信道去污以保证合法数据的安全传输。现有导频污染攻击下的信道去污研究较少关注NOMA(Non-orthogonal Multiple Access,非正交多址接入)场景,常用的基于特征值分解(Eigenvalue Decomposition,EVD)的盲信道估计算法在合法用户和攻击者的发射功率接近时失效;而线性最小均方误差(Linear Minimum Mean Square Error,LMMSE)信道估计算法需要合法用户和攻击者的信道统计信息,实际情况下攻击者的信道统计信息一般无法获取。由此可见,如何可靠地实现对NOMA场景下的多径信道去污是当前亟待解决的问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种NOMA场景下的导频污染攻击信道去污方法,由此解决现有的信道去污方法可靠性低的技术问题。
为实现上述目的,按照本发明的第一方面,提供了一种NOMA场景下的导频污染攻击信道去污方法,包括:
S1,基站根据NOMA用户对基于双阶段训练传输协议发送的导频序列s,确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2
S2,基站分别根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000021
Figure BDA0003188640680000022
并分别提取信道
Figure BDA0003188640680000023
Figure BDA0003188640680000024
的空间特征U1和U2
S3,基站分别将
Figure BDA0003188640680000025
Figure BDA0003188640680000026
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA0003188640680000027
Figure BDA0003188640680000028
优选地,所述分别提取信道
Figure BDA0003188640680000029
Figure BDA00031886406800000210
的空间特征U1和U2,具体为:
分别对
Figure BDA00031886406800000211
Figure BDA00031886406800000212
进行傅里叶变换得到空间谱
Figure BDA00031886406800000213
Figure BDA00031886406800000214
Figure BDA00031886406800000215
Figure BDA00031886406800000216
中分别提取大于检测阈值λ1,th和λ2,th的空间特征U1和U2
Figure BDA00031886406800000217
其中,i=1,2;PF为虚警概率,
Figure BDA00031886406800000218
PM为漏检概率,
Figure BDA00031886406800000219
Figure BDA00031886406800000220
Hi,E表示合法用户设备i和导频污染攻击者的信道空间谱之和,
Figure BDA0003188640680000031
表示导频训练阶段i的白噪声方差;
U1=[a[m1ω0] a[m2ω0] … a[mKω0]];
U2=[a[n1ω0] a[n2ω0] … a[nLω0]];
其中对于所有k=1,…,K,mk满足
Figure BDA0003188640680000032
对于所有l=1,…,L,nl满足
Figure BDA0003188640680000033
K和L分别表示第一导频训练阶段和第二导频训练阶段根据阈值λ1,th和λ2,th检测得到信道
Figure BDA0003188640680000034
Figure BDA0003188640680000035
的主要空间特征的个数;
Figure BDA0003188640680000036
Hi,E表示合法用户i和导频污染攻击者的信道空间谱之和,
Figure BDA0003188640680000037
表示导频训练阶段i的白噪声方差。
优选地,在步骤S3之前,还包括:
根据预设阈值δ对空间特征U1和U2进行过滤,使δ与U1和U2之间满足以下关系:
Figure BDA0003188640680000038
Figure BDA0003188640680000039
优选地,所述双阶段传输协议为双阶段TDD传输协议或双阶段FDD传输协议。
优选地,采用最小二乘法根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA00031886406800000310
Figure BDA00031886406800000311
按照本发明的第二方面,提供了一种NOMA场景下的导频污染攻击信道去污方法,包括:NOMA用户对中的第一用户设备基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s的第二用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000041
Figure BDA0003188640680000042
并分别提取信道
Figure BDA0003188640680000043
Figure BDA0003188640680000044
的空间特征U1和U2;将将
Figure BDA0003188640680000045
Figure BDA0003188640680000046
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA0003188640680000047
Figure BDA0003188640680000048
按照本发明的第三方面,提供了一种NOMA场景下的导频污染攻击信道去污方法,包括:
NOMA用户对中的第二用户设备基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列的第一用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000049
Figure BDA00031886406800000410
并分别提取信道
Figure BDA00031886406800000411
Figure BDA00031886406800000412
的空间特征U1和U2;将将
Figure BDA00031886406800000413
Figure BDA00031886406800000414
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA00031886406800000415
Figure BDA00031886406800000416
按照本发明的第四方面,提供了一种基站,包括:
接收单元,用于根据NOMA用户对基于双阶段训练传输协议发送的导频序列s,确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2
处理单元,用于分别根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA00031886406800000417
Figure BDA00031886406800000418
并分别提取信道
Figure BDA00031886406800000419
Figure BDA00031886406800000420
的空间特征U1和U2
信道去污单元,用于分别将
Figure BDA00031886406800000421
Figure BDA00031886406800000422
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA00031886406800000423
Figure BDA00031886406800000424
按照本发明的第五方面,提供了一种用户设备,所述用户设备为NOMA用户对中的第一用户设备,包括:
发送单元,用于基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s的第二用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000051
Figure BDA0003188640680000052
并分别提取信道
Figure BDA0003188640680000053
Figure BDA0003188640680000054
的空间特征U1和U2;将将
Figure BDA0003188640680000055
Figure BDA0003188640680000056
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA0003188640680000057
Figure BDA0003188640680000058
按照本发明的第六方面,提供了一种用户设备,所述用户设备为NOMA用户对中的第二用户设备,包括:
发送单元,用于基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列的第一用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000059
Figure BDA00031886406800000510
并分别提取信道
Figure BDA00031886406800000511
Figure BDA00031886406800000512
的空间特征U1和U2;将将
Figure BDA00031886406800000513
Figure BDA00031886406800000514
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA00031886406800000515
Figure BDA00031886406800000516
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1、本发明提供的方法,根据NOMA用户对基于双阶段训练传输协议发送的导频序列确定基站的接收信号,根据所述接收信号对信道进行估计,提取并基于信道的空间特征对信道进行去污,在不修改导频结构的前提下,利用不同训练阶段的接收信号的投影结果,解决NOMA场景下物理层安全中导频污染攻击导致的信道污染问题,具有信道去污能力强等、可靠性高等优点。
2、本发明提供的方法,与现有的方法相比,不需要合法用户信道的历史统计信息,也无需引入随机导频或者利用信道的角度域聚簇性,具有较高的可实施性。
附图说明
图1是本发明提供的NOMA场景下的导频污染攻击信道去污方法流程示意图;
图2为双阶段TDD传输协议何双阶段FDD传输协议示意图;
图3为单天线系统上行传输系统结构示意图;
图4为本发明提供的NOMA场景下的导频污染攻击信道去污方法、基于EVD和LMMSE的信道去污方法的信道估计NMSE对比曲线图;
图5为本发明提供的NOMA场景下的导频污染攻击信道去污方法、基于EVD和LMMSE的信道去污方法的信道估计结果进行匹配滤波预编码时的下行传输保密率的对比曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例提供一种NOMA场景下的导频污染攻击信道去污方法,,如图1所示,包括:
S1,基站根据NOMA用户对基于双阶段训练传输协议发送的导频序列s,确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2
进一步地,所述双阶段传输协议为双阶段TDD传输协议或双阶段FDD传输协议。
具体地,所述NOMA用户对中的第一用户设备在所述双阶段传输协议的第一导频训练阶段发送导频序列s,第二用户设备在所述双阶段传输协议的第二导频训练阶段发送导频序列s。
所述的双阶段训练传输协议,既可以用于TDD(Time Division Duplex,时分双工)模式,也可用于FDD)(Frequency Division Duplex,频分双工)模式。进一步地,其结构如图2所示。
如图3所示,将NOMA用户对中的两个合法用户记为合法用户1和合法用户2。其中合法用户1在导频训练阶段1发送导频序列,合法用户2在导频训练阶段2发送导频序列。
S2,基站分别根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000071
Figure BDA0003188640680000072
并分别提取信道
Figure BDA0003188640680000073
Figure BDA0003188640680000074
的空间特征U1和U2
进一步地,采用最小二乘法根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000075
Figure BDA0003188640680000076
具体地,基站根据两个导频训练阶段的接收信号y1和y2分别计算两个训练阶段的最小二乘信道结果
Figure BDA0003188640680000077
Figure BDA0003188640680000078
基站根据两个导频训练阶段的接收信号识别和提取两个训练阶段最小二乘信道估计结果
Figure BDA0003188640680000079
Figure BDA00031886406800000710
的主要空间特征。
优选地,在导频训练阶段i(i=1,2),基站接收信号为
Figure BDA00031886406800000711
采用LS信道估计算法得到合法用户i(i=1,2)的信道结果为
Figure BDA00031886406800000712
其中,
Figure BDA00031886406800000713
进一步地,所述分别提取信道
Figure BDA00031886406800000714
Figure BDA00031886406800000715
的空间特征U1和U2,具体为:
分别对
Figure BDA00031886406800000716
Figure BDA00031886406800000717
进行傅里叶变换得到空间谱
Figure BDA00031886406800000718
Figure BDA00031886406800000719
Figure BDA00031886406800000720
Figure BDA00031886406800000721
中分别提取大于检测阈值λ1,th和λ2,th的空间特征U1和U2
Figure BDA0003188640680000081
其中,i=1,2;PF为虚警概率,
Figure BDA0003188640680000082
PM为漏检概率,
Figure BDA0003188640680000083
Figure BDA0003188640680000084
Hi,E表示合法用户设备i和导频污染攻击者的信道空间谱之和,
Figure BDA0003188640680000085
表示导频训练阶段i的白噪声方差;
U1=[a[m1ω0] a[m2ω0] … a[mKω0]];
U2=[a[n1ω0] a[n2ω0] … a[nLω0]];
其中对于所有k=1,…,K,mk满足
Figure BDA0003188640680000086
对于所有l=1,…,L,nl满足
Figure BDA0003188640680000087
K和L分别表示第一导频训练阶段和第二导频训练阶段根据阈值λ1,th和λ2,th检测得到信道
Figure BDA0003188640680000088
Figure BDA0003188640680000089
的主要空间特征的个数;
Figure BDA00031886406800000810
Hi,E表示合法用户i和导频污染攻击者的信道空间谱之和,
Figure BDA00031886406800000811
表示导频训练阶段i的白噪声方差。
具体地,对两个训练阶段最小二乘信道估计结果
Figure BDA00031886406800000812
Figure BDA00031886406800000813
进行逆傅里叶变换得到对应的空间谱
Figure BDA00031886406800000814
Figure BDA00031886406800000815
分别从两个训练阶段对应的空间谱
Figure BDA00031886406800000816
Figure BDA00031886406800000817
中识别和提取两个训练阶段信道估计结果的主要空间特征U1和U2
存在整数l∈[0,M-1],使得ωp0∈[l,l+1),即ωp=(l+γ)ω0,(0≤γ<1)。当基站天线数M→∞,信道的第p条路径的导向矢量可以分解为
Figure BDA00031886406800000818
将a[lω0]和a[(l±1)ω0]定义为信道的主要空间特征。于是多径信道可以表示为多条路径的主要空间特征的加权和。其中,
Figure BDA00031886406800000819
ωp表示信道的第p条路径的到达角,ω0=2π/M,μl=a[lω0]Ha[ωp],|μl|2表示导向矢量a[ωp]在lω0方向上的幅值。
对于导频训练阶段i(i=1,2)的信道估计值
Figure BDA0003188640680000091
计算在mω0方向上的能量
Figure BDA0003188640680000092
其中,
Figure BDA0003188640680000093
在mω0方向上的空间谱
Figure BDA0003188640680000094
Hi,E[m]表示训练阶段i的合法用户i和攻击者的信道空间谱之和,噪声
Figure BDA0003188640680000095
整数m∈[1,M]。
当接收信号中不存在导频污染攻击时,合法用户和攻击者的信道主要空间特征均不存在于mω0方向上,此时λi,m的值由噪声主导,表示为:
λi,m≈|Ni[m]|2=Re{Ni[m]}2+Im{Ni[m]}2
于是,λi,m服从自由度为2的中心卡方分布,其概率密度分布函数表示为:
Figure BDA0003188640680000096
当接收信号中存在导频污染攻击时,合法用户或者攻击者的信道主要空间特征至少一个存在于mω0方向上,此时合法用户信道hi或者攻击者信道hE在mω0方向上的能量远大于噪声能量,|Hi,E[m]|不可以被忽略,λi,m=|Hi,E[m]|2+2|Hi,E[m]Ni[m]|+|Ni[m]|2,可以得到此时λi,m的概率密度分布函数为:
Figure BDA0003188640680000097
因此,对于训练阶段i,可以通过设置一个阈值λi,th,识别并提取在噪声的影响下合法用户和攻击者信道的主要空间特征成分,从而减轻噪声的干扰。
对于导频训练阶段i(i=1,2)的信道估计值
Figure BDA0003188640680000098
计算在mω0方向上的能量
Figure BDA0003188640680000101
如果λi,l大于阈值λi,th,则a[lω0]被识别为信道估计值
Figure BDA0003188640680000102
的主要空间特征,提取所有识别的主要空间特征组成主要空间特征集合Ui
通过最小化虚警概率
Figure BDA0003188640680000103
和漏检概率
Figure BDA0003188640680000104
之和,可以得到检测阈值:
Figure BDA0003188640680000105
于是从空间谱
Figure BDA0003188640680000106
Figure BDA0003188640680000107
中识别并提取大于λ1,th和λ2,th的主要空间特征,分别表示为:
U1=[a[m1ω0] a[m2ω0] … a[mKω0]];
U2=[a[n1ω0] a[n2ω0] … a[nLω0]]。
其中对于所有k=1,…,K,mk满足
Figure BDA0003188640680000108
对于所有l=1,…,L,nl满足
Figure BDA0003188640680000109
K和L分别表示训练阶段1和训练阶段2根据阈值λ1,th和λ2,th检测得到信道
Figure BDA00031886406800001010
Figure BDA00031886406800001011
的主要空间特征的个数。
Figure BDA00031886406800001012
Hi,E表示合法用户i和导频污染攻击者的信道空间谱之和,
Figure BDA00031886406800001013
表示导频训练阶段i的白噪声方差。这两个参数通过导频训练阶段i接收信号y1和y2的采样协方差矩阵估计。
S3,基站分别将
Figure BDA00031886406800001014
Figure BDA00031886406800001015
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA00031886406800001016
Figure BDA00031886406800001017
进一步地,在步骤S3之前,还包括:
根据预设阈值δ对空间特征U1和U2进行过滤,使δ与U1和U2之间满足以下关系:
Figure BDA00031886406800001018
Figure BDA00031886406800001019
具体地,为了进一步减少噪声的影响,设置一个较小的阈值δ,对提取的主要空间特征进行过滤,保留的主要空间特征需要满足的条件为:
Figure BDA0003188640680000111
其中,a[mω0]为Ui中任意的主要空间特征,也即:
Figure BDA0003188640680000112
Figure BDA0003188640680000113
其中,a[mkω0]为U1中任意的主要空间特征,a[nlω0]为U2中任意的主要空间特征。
基站根据提取的两个导频训练阶段的主要空间特征U1和U2进行信道去污。
具体地,将导频训练阶段1的最小二乘信道估计结果
Figure BDA0003188640680000114
投影到过滤后的信道主要空间特征U2的正交空间,得到去污后的合法用户1的信道
Figure BDA0003188640680000115
将导频训练阶段2的最小二乘信道估计结果
Figure BDA0003188640680000116
投影到过滤后的信道主要空间特征U1的正交空间,得到去污后的合法用户2的信道
Figure BDA0003188640680000117
将本发明提供的导频污染攻击检测方法应用于如图3所示的单天线NOMA系统上行传输系统中,设置基站天线数M=100,天线间距为半波长。NOMA用户对以及攻击者的平均到达角分别设置为20°、50°、200°,可检测信道多径数NP=3,角度扩展为10°,对应着城市蜂窝网络中的角度扩展,NOMA用户对与攻击者的大尺度衰落均设置为1。过滤主要空间特征的阈值设置为δ=0.01。定义参考发射功率PE=1,合法用户发射功率P1=P2=PE,攻击者发射功率PE,1=3PE,PE,2=2PE,信噪比
Figure BDA0003188640680000118
设置为0dB到30dB。
在不同信噪比
Figure BDA0003188640680000119
下,分别对本发明提出的信道去污方法、传统的基于EVD和LMMSE的信道去污方法进行仿真,对NOMA系统中的导频污染攻击进行信道去污,以合法用户1为信道去污对象,进行蒙特卡洛仿真,仿真次数设置为10000,上述三种方法的信道估计NMSE的对比曲线如图4所示,上述三种方法的信道估计结果进行匹配滤波预编码时的下行传输保密率对比曲线如图5所示。
从图4可看出,随着信噪比
Figure BDA0003188640680000121
从0dB增加到30dB,提出方案的信道估计NMSE不断下降;而对于传统的基于EVD的信道去污方案,由于导频污染攻击和合法用户1的信号子空间发生混叠导致难以从接收信号协方差矩阵中提取到合法用户的信道,于是当信噪比
Figure BDA0003188640680000122
从0dB增加到30dB,基于EVD的信道估计NMSE会一直接近于0且基本保持不变;对于传统基于LMMSE的信道去污方案,由于基站缺乏攻击者的信道统计信息,导频污攻击功率越大,基于LMMSE的信道估计误差越大。当信噪比
Figure BDA0003188640680000123
从0dB增加到12dB时,导频污染攻击功率相应增加,噪声相应减小,此时攻击功率的增加对信道估计NMSE的影响小于噪声减小的影响,故基于LMMSE的信道估计NMSE逐渐减小,而后随着信噪比
Figure BDA0003188640680000124
从12dB增加到30dB时,攻击功率的增加对信道估计NMSE的影响大于噪声减小的影响,此时基于LMMSE的信道估计NMSE又逐渐变大。总体来看,不同信噪比下,提出的信道去污方案性能优于传统基于LMMSE和EVD的信道去污性能,并且提出的信道去污方案的信道去污性能不受攻击功率增加的影响。
从图5可看出,随着信噪比
Figure BDA0003188640680000125
从0dB增加到30dB,提出的信道去污方法对应的下行传输保密率不断增大;基于EVD的信道估计方法对应的下行传输保密率逐渐减小;基于LMMSE的信道估计方法对应的下行传输保密率先不断增大后轻微减小。具体地,当信噪比
Figure BDA0003188640680000126
从0dB增加到12dB时,提出的信道去污方法与基于LMMSE的信道去污方法相对应的下行保密率接近,但当
Figure BDA0003188640680000127
从12dB增加到30dB时,提出的信道去污方法与传统基于LMMSE的信道去污方案相对应的下行传输保密率的差异逐渐拉大,并且提出的信道去污方法对应的下行传输保密率大于基于LMMSE的信道去污方法相对应的下行传输保密率。这与信道估计NMSE的结果相对应。
本发明实施例提供一种NOMA场景下的导频污染攻击信道去污方法,包括:
NOMA用户对中的第一用户设备基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s的第二用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000131
Figure BDA0003188640680000132
并分别提取信道
Figure BDA0003188640680000133
Figure BDA0003188640680000134
的空间特征U1和U2;将将
Figure BDA0003188640680000135
Figure BDA0003188640680000136
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA0003188640680000137
Figure BDA0003188640680000138
本发明实施例提供一种NOMA场景下的导频污染攻击信道去污方法,包括:
NOMA用户对中的第二用户设备基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列的第一用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000139
Figure BDA00031886406800001310
并分别提取信道
Figure BDA00031886406800001311
Figure BDA00031886406800001312
的空间特征U1和U2;将将
Figure BDA00031886406800001313
Figure BDA00031886406800001314
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA00031886406800001315
Figure BDA00031886406800001316
本发明实施例提供一种基站,包括:
接收单元,用于根据NOMA用户对基于双阶段训练传输协议发送的导频序列s,确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2
处理单元,用于分别根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000141
Figure BDA0003188640680000142
并分别提取信道
Figure BDA0003188640680000143
Figure BDA0003188640680000144
的空间特征U1和U2
信道去污单元,用于分别将
Figure BDA0003188640680000145
Figure BDA0003188640680000146
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA0003188640680000147
Figure BDA0003188640680000148
本发明实施例提供一种用户设备,其特征在于,所述用户设备为NOMA用户对中的第一用户设备,包括:
发送单元,用于基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s的第二用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA0003188640680000149
Figure BDA00031886406800001410
并分别提取信道
Figure BDA00031886406800001411
Figure BDA00031886406800001412
的空间特征U1和U2;将将
Figure BDA00031886406800001413
Figure BDA00031886406800001414
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA00031886406800001415
Figure BDA00031886406800001416
本发明实施例提供一种用户设备,所述用户设备为NOMA用户对中的第二用户设备,包括:
发送单元,用于基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列的第一用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure BDA00031886406800001417
Figure BDA00031886406800001418
并分别提取信道
Figure BDA00031886406800001419
Figure BDA00031886406800001420
的空间特征U1和U2;将将
Figure BDA00031886406800001421
Figure BDA00031886406800001422
投影至U1和U2的正交空间,得到去污后的信道
Figure BDA00031886406800001423
Figure BDA00031886406800001424
本领域的技术人员容易理解,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。

Claims (9)

1.一种NOMA场景下的导频污染攻击信道去污方法,其特征在于,包括:
S1,基站根据NOMA用户对基于双阶段训练传输协议发送的导频序列s,确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2
S2,基站分别根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure FDA0003587147860000011
Figure FDA0003587147860000012
并分别提取信道
Figure FDA0003587147860000013
Figure FDA0003587147860000014
的空间特征U1和U2
S3,基站分别将
Figure FDA0003587147860000015
Figure FDA0003587147860000016
投影至U1和U2的正交空间,得到去污后的信道
Figure FDA0003587147860000017
Figure FDA0003587147860000018
所述分别提取信道
Figure FDA0003587147860000019
Figure FDA00035871478600000110
的空间特征U1和U2,具体为:
分别对
Figure FDA00035871478600000111
Figure FDA00035871478600000112
进行傅里叶变换得到空间谱
Figure FDA00035871478600000113
Figure FDA00035871478600000114
Figure FDA00035871478600000115
Figure FDA00035871478600000116
中分别提取大于检测阈值λ1,th和λ2,th的空间特征U1和U2
Figure FDA00035871478600000117
其中,i=1,2;PF为虚警概率,
Figure FDA00035871478600000118
PM为漏检概率,
Figure FDA00035871478600000119
Figure FDA00035871478600000120
Hi,E表示合法用户设备i和导频污染攻击者的信道空间谱之和,
Figure FDA00035871478600000121
表示导频训练阶段i的白噪声方差;
U1=[a[m1ω0] a[m2ω0]…a[mKω0]];
U2=[a[n1ω0] a[n2ω0]…a[nLω0]];
其中对于所有k=1,…,K,mk满足
Figure FDA00035871478600000122
对于所有l=1,…,L,nl满足
Figure FDA00035871478600000123
K和L分别表示第一导频训练阶段和第二导频训练阶段根据阈值λ1,th和λ2,th检测得到信道
Figure FDA0003587147860000021
Figure FDA0003587147860000022
的主要空间特征的个数;a[mkω0]为U1中任意的主要空间特征,a[nlω0]为U2中任意的主要空间特征;ω0=2π/M,M为基站天线数。
2.如权利要求1所述的NOMA场景下的导频污染攻击信道去污方法,其特征在于,在步骤S3之前,还包括:
根据预设阈值δ对空间特征U1和U2进行过滤,使δ与U1和U2之间满足以下关系:
Figure FDA0003587147860000023
Figure FDA0003587147860000024
3.如权利要求1所述的NOMA场景下的导频污染攻击信道去污方法,其特征在于,所述双阶段传输协议为双阶段TDD传输协议或双阶段FDD传输协议。
4.如权利要求1所述的NOMA场景下导频污染攻击信道去污方法,其特征在于,采用最小二乘法根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure FDA0003587147860000025
Figure FDA0003587147860000026
5.一种NOMA场景下的导频污染攻击信道去污方法,其特征在于,包括:
NOMA用户对中的第一用户设备基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s的第二用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure FDA0003587147860000031
Figure FDA0003587147860000032
并分别提取信道
Figure FDA0003587147860000033
Figure FDA0003587147860000034
的空间特征U1和U2;将
Figure FDA0003587147860000035
Figure FDA0003587147860000036
投影至U1和U2的正交空间,得到去污后的信道
Figure FDA0003587147860000037
Figure FDA0003587147860000038
所述分别提取信道
Figure FDA0003587147860000039
Figure FDA00035871478600000310
的空间特征U1和U2,具体为:
分别对
Figure FDA00035871478600000311
Figure FDA00035871478600000312
进行傅里叶变换得到空间谱
Figure FDA00035871478600000313
Figure FDA00035871478600000314
Figure FDA00035871478600000315
Figure FDA00035871478600000316
中分别提取大于检测阈值λ1,th和λ2,th的空间特征U1和U2
Figure FDA00035871478600000317
其中,i=1,2;PF为虚警概率,
Figure FDA00035871478600000318
PM为漏检概率,
Figure FDA00035871478600000319
Hi,E表示合法用户设备i和导频污染攻击者的信道空间谱之和,
Figure FDA00035871478600000320
表示导频训练阶段i的白噪声方差;
U1=[a[m1ω0] a[m2ω0]…a[mKω0]];
U2=[a[n1ω0] a[n2ω0]…a[nLω0]];
其中对于所有k=1,…,K,mk满足
Figure FDA00035871478600000321
对于所有l=1,…,L,nl满足
Figure FDA00035871478600000324
K和L分别表示第一导频训练阶段和第二导频训练阶段根据阈值λ1,th和λ2,th检测得到信道
Figure FDA00035871478600000322
Figure FDA00035871478600000323
的主要空间特征的个数;a[mkω0]为U1中任意的主要空间特征,a[nlω0]为U2中任意的主要空间特征;ω0=2π/M,M为基站天线数。
6.一种NOMA场景下的导频污染攻击信道去污方法,其特征在于,包括:
NOMA用户对中的第二用户设备基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列的第一用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure FDA0003587147860000041
Figure FDA0003587147860000042
并分别提取信道
Figure FDA0003587147860000043
Figure FDA0003587147860000044
的空间特征U1和U2;将
Figure FDA0003587147860000045
Figure FDA0003587147860000046
投影至U1和U2的正交空间,得到去污后的信道
Figure FDA0003587147860000047
Figure FDA0003587147860000048
所述分别提取信道
Figure FDA0003587147860000049
Figure FDA00035871478600000410
的空间特征U1和U2,具体为:
分别对
Figure FDA00035871478600000411
Figure FDA00035871478600000412
进行傅里叶变换得到空间谱
Figure FDA00035871478600000413
Figure FDA00035871478600000414
Figure FDA00035871478600000415
Figure FDA00035871478600000416
中分别提取大于检测阈值λ1,th和λ2,th的空间特征U1和U2
Figure FDA00035871478600000417
其中,i=1,2;PF为虚警概率,
Figure FDA00035871478600000418
PM为漏检概率,
Figure FDA00035871478600000419
Hi,E表示合法用户设备i和导频污染攻击者的信道空间谱之和,
Figure FDA00035871478600000420
表示导频训练阶段i的白噪声方差;
U1=[a[m1ω0] a[m2ω0]…a[mKω0]];
U2=[a[n1ω0] a[n2ω0]…a[nLω0]];
其中对于所有k=1,…,K,mk满足
Figure FDA00035871478600000421
对于所有l=1,…,L,nl满足
Figure FDA00035871478600000422
K和L分别表示第一导频训练阶段和第二导频训练阶段根据阈值λ1,th和λ2,th检测得到信道
Figure FDA00035871478600000423
Figure FDA00035871478600000424
的主要空间特征的个数;a[mkω0]为U1中任意的主要空间特征,a[nlω0]为U2中任意的主要空间特征;ω0=2π/M,M为基站天线数。
7.一种基站,其特征在于,包括:
接收单元,用于根据NOMA用户对基于双阶段训练传输协议发送的导频序列s,确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2
处理单元,用于分别根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure FDA0003587147860000051
Figure FDA0003587147860000052
并分别提取信道
Figure FDA0003587147860000053
Figure FDA0003587147860000054
的空间特征U1和U2
信道去污单元,用于分别将
Figure FDA0003587147860000055
Figure FDA0003587147860000056
投影至U1和U2的正交空间,得到去污后的信道
Figure FDA0003587147860000057
Figure FDA0003587147860000058
所述分别提取信道
Figure FDA0003587147860000059
Figure FDA00035871478600000510
的空间特征U1和U2,具体为:
分别对
Figure FDA00035871478600000511
Figure FDA00035871478600000512
进行傅里叶变换得到空间谱
Figure FDA00035871478600000513
Figure FDA00035871478600000514
Figure FDA00035871478600000515
Figure FDA00035871478600000516
中分别提取大于检测阈值λ1,th和λ2,th的空间特征U1和U2
Figure FDA00035871478600000517
其中,i=1,2;PF为虚警概率,
Figure FDA00035871478600000518
PM为漏检概率,
Figure FDA00035871478600000519
Hi,E表示合法用户设备i和导频污染攻击者的信道空间谱之和,
Figure FDA00035871478600000520
表示导频训练阶段i的白噪声方差;
U1=[a[m1ω0] a[m2ω0]…a[mKω0]];
U2=[a[n1ω0] a[n2ω0]…a[nLω0]];
其中对于所有k=1,…,K,mk满足
Figure FDA00035871478600000521
对于所有l=1,…,L,nl满足
Figure FDA00035871478600000522
K和L分别表示第一导频训练阶段和第二导频训练阶段根据阈值λ1,th和λ2,th检测得到信道
Figure FDA0003587147860000061
Figure FDA0003587147860000062
的主要空间特征的个数;a[mkω0]为U1中任意的主要空间特征,a[nlω0]为U2中任意的主要空间特征;ω0=2π/M,M为基站天线数。
8.一种用户设备,其特征在于,所述用户设备为NOMA用户对中的第一用户设备,包括:
发送单元,用于基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s的第二用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure FDA0003587147860000063
Figure FDA0003587147860000064
并分别提取信道
Figure FDA0003587147860000065
Figure FDA0003587147860000066
的空间特征U1和U2;将
Figure FDA0003587147860000067
Figure FDA0003587147860000068
投影至U1和U2的正交空间,得到去污后的信道
Figure FDA0003587147860000069
Figure FDA00035871478600000610
所述分别提取信道
Figure FDA00035871478600000615
Figure FDA00035871478600000616
的空间特征U1和U2,具体为:
分别对
Figure FDA00035871478600000617
Figure FDA00035871478600000618
进行傅里叶变换得到空间谱
Figure FDA00035871478600000619
Figure FDA00035871478600000620
Figure FDA00035871478600000621
Figure FDA00035871478600000622
中分别提取大于检测阈值λ1,th和λ2,th的空间特征U1和U2
Figure FDA00035871478600000611
其中,i=1,2;PF为虚警概率,
Figure FDA00035871478600000612
PM为漏检概率,
Figure FDA00035871478600000613
Hi,E表示合法用户设备i和导频污染攻击者的信道空间谱之和,
Figure FDA00035871478600000614
表示导频训练阶段i的白噪声方差;
U1=[a[m1ω0] a[m2ω0]…a[mKω0]];
U2=[a[n1ω0] a[n2ω0]…a[nLω0]];
其中对于所有k=1,…,K,mk满足
Figure FDA0003587147860000071
对于所有l=1,…,L,nl满足
Figure FDA00035871478600000721
K和L分别表示第一导频训练阶段和第二导频训练阶段根据阈值λ1,th和λ2,th检测得到信道
Figure FDA0003587147860000073
Figure FDA0003587147860000074
的主要空间特征的个数;a[mkω0]为U1中任意的主要空间特征,a[nlω0]为U2中任意的主要空间特征;ω0=2π/M,M为基站天线数。
9.一种用户设备,其特征在于,所述用户设备为NOMA用户对中的第二用户设备,包括:
发送单元,用于基于双阶段训练传输协议在第二导频训练阶段向基站发送导频序列s;
其中,所述NOMA用户对还包括用于基于双阶段训练传输协议在第一导频训练阶段向基站发送导频序列的第一用户设备;所述导频序列s用于供基站确定NOMA用户对分别在第一导频训练阶段和第二导频训练阶段时,基站的接收信号y1和y2;并根据y1和y2计算第一导频训练阶段和第二导频训练阶段的信道
Figure FDA0003587147860000075
Figure FDA0003587147860000076
并分别提取信道
Figure FDA0003587147860000077
Figure FDA0003587147860000078
的空间特征U1和U2;将
Figure FDA0003587147860000079
Figure FDA00035871478600000710
投影至U1和U2的正交空间,得到去污后的信道
Figure FDA00035871478600000711
Figure FDA00035871478600000712
所述分别提取信道
Figure FDA00035871478600000713
Figure FDA00035871478600000714
的空间特征U1和U2,具体为:
分别对
Figure FDA00035871478600000717
Figure FDA00035871478600000718
进行傅里叶变换得到空间谱
Figure FDA00035871478600000715
Figure FDA00035871478600000716
Figure FDA00035871478600000719
Figure FDA00035871478600000720
中分别提取大于检测阈值λ1,th和λ2,th的空间特征U1和U2
Figure FDA0003587147860000072
Figure FDA0003587147860000081
其中,i=1,2;PF为虚警概率,
Figure FDA0003587147860000082
PM为漏检概率,
Figure FDA0003587147860000083
Hi,E表示合法用户设备i和导频污染攻击者的信道空间谱之和,
Figure FDA0003587147860000084
表示导频训练阶段i的白噪声方差;
U1=[a[m1ω0] a[m2ω0]…a[mKω0]];
U2=[a[n1ω0] a[n2ω0]…a[nLω0]];
其中对于所有k=1,…,K,mk满足
Figure FDA0003587147860000085
对于所有l=1,…,L,nl满足
Figure FDA0003587147860000088
K和L分别表示第一导频训练阶段和第二导频训练阶段根据阈值λ1,th和λ2,th检测得到信道
Figure FDA0003587147860000086
Figure FDA0003587147860000087
的主要空间特征的个数;a[mkω0]为U1中任意的主要空间特征,a[nlω0]为U2中任意的主要空间特征;ω0=2π/M,M为基站天线数。
CN202110869757.4A 2021-07-30 2021-07-30 一种noma场景下的导频污染攻击信道去污方法 Active CN113507710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110869757.4A CN113507710B (zh) 2021-07-30 2021-07-30 一种noma场景下的导频污染攻击信道去污方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110869757.4A CN113507710B (zh) 2021-07-30 2021-07-30 一种noma场景下的导频污染攻击信道去污方法

Publications (2)

Publication Number Publication Date
CN113507710A CN113507710A (zh) 2021-10-15
CN113507710B true CN113507710B (zh) 2022-06-14

Family

ID=78015272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110869757.4A Active CN113507710B (zh) 2021-07-30 2021-07-30 一种noma场景下的导频污染攻击信道去污方法

Country Status (1)

Country Link
CN (1) CN113507710B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107087274A (zh) * 2017-05-15 2017-08-22 华中科技大学 一种基于d2d和上行noma的两用户通信方法
CN108419240A (zh) * 2018-02-05 2018-08-17 北京邮电大学 一种检测导频攻击的方法、装置、电子设备及存储介质
CN112075031A (zh) * 2018-04-27 2020-12-11 三星电子株式会社 启用基于非均匀空频压缩的csi报告的方法和装置
WO2021002866A1 (en) * 2019-07-03 2021-01-07 Nokia Solutions And Networks Oy Reinforcement learning based inter-radio access technology load balancing under multi-carrier dynamic spectrum sharing
CN112383380A (zh) * 2020-10-21 2021-02-19 西安交通大学 基于非正交多址接入技术的隐蔽车辆通信方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10103798B2 (en) * 2016-09-14 2018-10-16 Samsung Electronics Co., Ltd. Method and apparatus to enable channel compression in advanced wireless communication systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107087274A (zh) * 2017-05-15 2017-08-22 华中科技大学 一种基于d2d和上行noma的两用户通信方法
CN108419240A (zh) * 2018-02-05 2018-08-17 北京邮电大学 一种检测导频攻击的方法、装置、电子设备及存储介质
CN112075031A (zh) * 2018-04-27 2020-12-11 三星电子株式会社 启用基于非均匀空频压缩的csi报告的方法和装置
WO2021002866A1 (en) * 2019-07-03 2021-01-07 Nokia Solutions And Networks Oy Reinforcement learning based inter-radio access technology load balancing under multi-carrier dynamic spectrum sharing
CN112383380A (zh) * 2020-10-21 2021-02-19 西安交通大学 基于非正交多址接入技术的隐蔽车辆通信方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Diluka Loku Galappaththige etal.《Active Pilot Contamination Attack Detection in Sub-6 GHz Massive MIMO NOMA Systems》.《IEEE》.2020, *
Wei Wang∗etal.《Against Pilot Spoofing Attack with Double Channel Training in Massive MIMO NOMA Systems》.《IEEE》.2019, *
王正强等.大规模MIMO系统能效优化算法研究综述.《重庆邮电大学学报(自然科学版)》.2019,(第06期), *

Also Published As

Publication number Publication date
CN113507710A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN108834113B (zh) 一种面向5g蜂窝网物理层安全的d2d隐蔽通信系统及其通信方法
US20140040985A1 (en) Method and apparatus for wireless security enhancement using multiple attributes monitoring, continuous and interleaved authentication, and system adaptation
WO2009051733A2 (en) Systems and methods for key generation in wireless communication systems
CN112398556B (zh) 一种智能反射面通信系统中导频干扰的检测方法
EP3991370B1 (en) Method, transmitter device and receiver device for securing channel training on a power domain non- orthogonal multiple access system
US11330434B2 (en) Security detection for a physical layer authentication system that considers signal-discriminating capability of an active adversary
CN110113082A (zh) 基于正交空时块编码传输的多天线非正交多址接入系统的鲁棒安全和速率优化问题的方法
CN113193891B (zh) 一种下行非正交多址无人机系统物理层安全认证方法
Chin et al. Channel-based detection of primary user emulation attacks in cognitive radios
CN107911191A (zh) 基于时间反演技术的信息安全传输方法
CN108206795B (zh) 基于置信传递的频率选择性衰落信道的盲认证方法和系统
CN109600746B (zh) 协同无线通信系统中机会中继选择方案的性能分析方法
Sabuj et al. Detection of intelligent malicious user in cognitive radio network by using friend or foe (FoF) detection technique
CN113507710B (zh) 一种noma场景下的导频污染攻击信道去污方法
CN110337094B (zh) 针对d2d内容共享的安全传输系统及其方法
CN113438651B (zh) 基于noma的环境背向散射通信系统的物理层认证方法
Wang et al. CovertMIMO: A covert uplink transmission scheme for MIMO systems
Wang et al. Sequential anomaly detection against demodulation reference signal spoofing in 5G NR
Zheng et al. Uplink channel estimation and signal extraction against malicious IRS in massive MIMO system
Zhang et al. Adaptive Jamming Attack Detection Under Noise Uncertainty in mmWave Massive MIMO Systems
Li et al. Polarization similarity based polarization adaption for CR network with full-duplex primary users
Zhao et al. Wireless Communication Network Security System Based on Big Data Information Transmission Technology
US20240063849A1 (en) A secure noma method based on physical layer security
CN113507711B (zh) 一种noma场景下的导频污染攻击检测方法、基站和用户设备
Ning et al. Spatial spectrum approach for pilot spoofing attack detection in MIMO systems

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