CN113726471A - 一种智能反射表面辅助型mimo隐蔽通信系统及参数优化方法 - Google Patents
一种智能反射表面辅助型mimo隐蔽通信系统及参数优化方法 Download PDFInfo
- Publication number
- CN113726471A CN113726471A CN202110821203.7A CN202110821203A CN113726471A CN 113726471 A CN113726471 A CN 113726471A CN 202110821203 A CN202110821203 A CN 202110821203A CN 113726471 A CN113726471 A CN 113726471A
- Authority
- CN
- China
- Prior art keywords
- reflection surface
- virtual
- communication system
- intelligent
- mimo
- 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.)
- Granted
Links
- 238000004891 communication Methods 0.000 title claims abstract description 74
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000004888 barrier function Effects 0.000 claims abstract description 3
- 238000001514 detection method Methods 0.000 claims description 53
- 238000012545 processing Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 23
- 230000006870 function Effects 0.000 description 14
- 230000010363 phase shift Effects 0.000 description 8
- 230000002787 reinforcement Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 3
- 238000005562 fading Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
- H04K1/00—Secret communication
-
- 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
- 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
- H04B7/0413—MIMO systems
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
Abstract
本发明提供的一种智能反射表面辅助型MIMO隐蔽通信系统及参数优化方法,包括智能反射表面和虚拟监听方,所述智能反射表面用于实现发送方和接收方之间的通信,且发送方与接收方和虚拟监听方之间的直射信道均设置有障碍物;所述虚拟监听方用于非法截获智能反射表面向接收方卸载的任务;本发明利用智能反射表面辅助隐蔽通信,由于智能反射表面的每个反射元件都是无源地反射,且其没有配置调制器、解调器等信号处理设备,将减少系统额外的资源消耗;同时,本发明能够在不需要大量射频链路的情况下实现虚拟大规模MIMO以对抗多天线虚拟监听方,提升隐蔽通信性能。
Description
技术领域
本发明涉及隐蔽通信问题,特别涉及一种智能反射表面辅助型MIMO隐蔽通信系统及参数优化方法。
背景技术
随着无线通信技术的飞速发展,信息安全问题逐渐受到人们的重视,基于密钥的高层加密是当下保障隐私安全的重要可行手段,然而这一手段在实际应用中也遇到了一些阻碍,如密钥分发、存储、管理带来的巨大系统开销。隐蔽通信,又称作低检测概率通信,作为一种无需密钥的安全通信手段,旨在降低通信被非法用户检测到的概率,提升信息交付的保密性与安全性,为保护信息安全提供了一种新颖的解决方案。
目前,已有多种技术被用于加强隐蔽通信,例如多天线技术、中继和干扰等。然而,这些技术不可避免地存在一些缺陷,限制了对隐蔽通信性能的提升。例如,多天线技术本质上是信道自适应的,其性能受到无线信道质量的影响。规模较小的天线阵列对隐蔽通信性能的提升作用比较小,而增加天线数量则需要更多的射频链路,从而导致更高的功耗和复杂度。中继包含了信号的解码、再生等过程,也会消耗系统额外的资源。干扰的实现通常需要额外的友好节点,而且干扰信号如果没有得到有效的控制,可能会干扰到目标用户。
隐蔽通信性能绝大程度上取决于所处的无线传播环境,上述隐蔽通信技术虽然能够适应时变的无线信道但无法对其进行有效改善。不同于上述技术,智能反射表面因其功耗低、可以重构信道的特点在隐蔽通信中具有较高的应用价值。智能反射表面又称为可重构智能表面,是一个由大量无源反射元件组成的通过软件控制的超表面。每个反射元件可以独立地改变入射信号相位,协同生成精细的反射波束,使反射信号在目标用户方向上叠加增强,而在非法用户方向上抵消减弱,实现信道的智能重构,且整个过程功耗很低。这些优势使得智能反射表面在其他通信场景,如多小区、大规模D2D和无线信息功率传输等,中也具有广阔的应用前景。
目前关于智能反射表面辅助隐蔽通信的研究多集中在目标用户和虚拟监听方为单天线接收机的场景,且多采用交替优化算法来优化系统参数。实际上,将MIMO和智能反射表面同时引入隐蔽通信系统,利用MIMO的定向波束形成将发射能量集中在目标方向上,降低发射信号功率,而利用智能反射表面实现信道重构,改善信道性能,从而在不需要大量射频链路的情况下实现虚拟大规模MIMO,可以进一步提升隐蔽通信性能。
然而,目前对于智能反射表面辅助MIMO隐蔽通信的研究相当匮乏。考虑智能反射表面辅助MIMO隐蔽通信时,隐蔽速率最大化的系统参数优化问题的难度将会急剧增加,因为仅仅优化发射波束成形向量不再是最优的选择,而需要优化发射信号协方差矩阵,同时目标函数也变成了复杂的对数行列式函数,这使得现有的方法难以很好地解决该问题。由此可见,如何高效地求解智能反射表面辅助MIMO隐蔽通信系统参数优化问题是一项值得研究的重要课题。
发明内容
本发明的目的在于提供一种智能反射表面辅助型MIMO隐蔽通信系统及参数优化方法,解决了现有技术中存在的上述不足。
为了达到上述目的,本发明采用的技术方案是:
本发明提供的一种智能反射表面辅助型MIMO隐蔽通信系统,包括智能反射表面和虚拟监听方,所述智能反射表面用于实现发送方和接收方之间的通信,且发送方与接收方和虚拟监听方之间的直射信道均设置有障碍物;所述虚拟监听方用于非法截获智能反射表面向接收方卸载的任务。
优选地,所述智能反射表面IRS配备有M个反射元件。
优选地,发送方、接收方和虚拟监听方分别配置了NA、NB和NW根天线。
一种智能反射表面辅助型MIMO隐蔽通信系统的参数优化方法,基于所述的一种智能反射表面辅助型MIMO隐蔽通信系统,包括以下步骤:
步骤1,优化虚拟监听方用于判断是否通信的检测门限值;
步骤2,根据最优检测门限值得到虚拟监听方的最小检测错误概率表达式;
步骤3,根据最小检测错误概率表达式得出智能反射表面辅助型MIMO隐蔽通信系统的隐蔽性约束条件;
步骤4,根据隐蔽性约束条件对智能反射表面辅助型MIMO隐蔽通信系统中的参数进行优化。
优选地,步骤1中,优化虚拟监听方用于判断是否通信的检测门限值,具体方法是:
S1,设定虚拟监听方检测错误分为漏检和虚警,其中,获取虚拟监听方漏检概率的表达式和虚拟监听方虚警概率的表达式;
S2,根据虚拟监听方漏检概率的表达式和虚拟监听方虚警概率的表达式得到虚拟监听方检测错误概率表达式;
S3,对虚拟监听方检测错误概率表达式进行求导,得到最优的检测门限值。
优选地,步骤2中,根据最优的检测门限值计算得到虚拟监听方的最小检测错误概率;具体方法是:
将最优的检测门限值代入检测错误概率表达式中,得到虚拟监听方的最小检测错误概率。
优选地,步骤3中,根据最小检测错误概率得出系统隐蔽性约束条件,具体方法是:
令最小检测错误概率大于等于预设的隐蔽成功概率,得到系统隐蔽性约束条件。
优选地,步骤4中,根据隐蔽性约束条件对智能反射表面辅助型的MIMO隐蔽通信系统中的参数进行优化,具体方法是:
设定智能反射表面辅助的MIMO隐蔽通信系统优化目标为:使智能反射表面辅助型MIMO隐蔽通信系统的隐蔽速率最大;
则得到优化问题表达式:
s.t.R≥0 (10a)
tr(R)≤P (10b)
tr(HIWQHAIR(HIWQHAI)H)≤η (10d)
采用DDPG算法求解上述优化问题,得到智能反射表面辅助的MIMO隐蔽通信系统中的参数最优值。
与现有技术相比,本发明的有益效果是:
本发明提供的一种智能反射表面辅助型MIMO隐蔽通信系统的参数优化系统,将MIMO与智能反射表面同时引入隐蔽通信中,利用智能反射表面的信道重构和MIMO的定向波束形成,进一步提升系统隐蔽速率;即,利用MIMO的定向波束形成将发射能量集中在目标方向上,降低发射信号功率,而利用智能反射表面实现信道重构,改善信道性能,从而在不需要大量射频链路的情况下实现虚拟大规模MIMO以对抗多天线虚拟监听方,提升隐蔽通信性能;与传统的基于中继、干扰等实现隐蔽通信的技术相比,本发明利用智能反射表面辅助隐蔽通信,由于智能反射表面的每个反射元件都是无源地反射,且其没有配置调制器、解调器等信号处理设备,将减少系统额外的资源消耗。
本发明提供的一种智能反射表面辅助型MIMO隐蔽通信系统的参数优化方法,提供了一种可以有效对抗多天线虚拟监听方的隐蔽通信方案,具有更广泛的适用性。由于优化变量单位模值的约束及优化变量在目标函数和约束条件中的高度耦合,本发明所提出的优化问题是一个复杂的非凸问题,传统的凸优化方法难以直接用于问题的求解;同时,交替优化算法虽然可以求解该问题,但是其往往不能得到问题的最优解,这很大程度上限制了对系统隐蔽通信性能的提升;实际上,该优化问题可以看作连续动作和状态空间的决策性问题,而深度强化学习正是解决此类问题的强大工具。故本发明采用了深度强化学习中的深度确定性策略梯度(DDPG)算法,能够有效地找到问题更优的解,最大限度地提升系统隐蔽速率。
附图说明
图1为本发明所涉及的隐蔽通信系统模型;
图2为基于DDPG的深度强化学习网络模型;
图3为对比本优化算法与交替优化算法、给定随机相移下隐蔽速率随最大发射功率变化的仿真图;
具体实施方式
以下结合附图及实施例对本发明作进一步的详细描述。
如图1所示,本发明提供的一种智能反射表面辅助型MIMO隐蔽通信系统,包括发送方Alice、智能反射表面IRS和接收方Bob,其中,发送方Alice通过智能反射表面IRS与接收方Bob通信,且发送方Alice和接收方Bob之间的直射信道设置有障碍物。
假设发送方Alice已知全局信道状态信息CSI。
智能反射表面IRS配备有M个反射元件。
发送方Alice、接收方Bob和虚拟监听方Willie分别配置了NA、NB和NW根天线。
本发明提供的一种面向智能反射表面辅助型MIMO隐蔽通信系统的参数优化方法,包含下述步骤:
对于隐蔽通信,虚拟监听方Willie需要区别两种假设,分别为零假设H0和备选假设H1,其中,零假设H0为发送方Alice没有发送消息;备选假设H1为发送方Alice在发送消息,两种假设的先验概率均为1/2。
设定虚拟监听方Willie有无数次观测样本,则虚拟监听方Willie的平均接收功率TW可以表示为:
其中,PW=tr(HIWQHAIR(HIWQHAI)H)是虚拟监听方Willie接收的有用信号功率,tr()表示矩阵的迹;HIW和HAI分别是智能反射表面IRS到虚拟监听方Willie的信道系数矩阵和发送方Alice到智能反射表面IRS的信道系数矩阵;是智能反射表面IRS相移矩阵,diag()表示对角线矩阵;θi是第i个反射元件的相移系数;是MIMO发射信号协方差矩阵,x是发射信号,R≥0。
虚拟监听方Willie的检测错误分为漏检和虚警两类,其中漏检概率PMD为:
虚警概率PFA为:
因此,检测错误概率ξ表示为:
其中,Pr()表示概率;λ表示虚拟监听方Willie检测门限值,PW表示Willie接收的有用信号功率;表示Willie的真实噪声功率;max(a,b)表示a,b中的最大值;是Willie噪声功率的概率密度函数。
第二步,求解最优的检测门限值λ使得虚拟监听方Willie的检测错误概率ξ最小,从鲁棒的设计角度出发,为保证通信的隐蔽性,要求最小检测错误概率必须大于等于预先设定的隐蔽成功概率1-κ,κ∈[0,1]是一个很小的数,由此得出系统隐蔽性约束条件,具体步骤为:
在式(5)中,令ξ对λ求导,得到
把λ*代入ξ的表达式中,得到最小检测错误概率ξmin为:
为保证隐蔽通信,应该要求ξmin≥1-κ,进一步推导得到
第三步,设定发送方Alice最大发射功率为P,则需要满足tr(R)≤P。智能反射表面IRS每个反射元件对入射信号幅度增益为1,则在满足约束条件下,通过联合优化R和Q,使得系统隐蔽速率C最大,该优化问题可以表示为
s.t.R≤0 (10a)
tr(R)≤P (10b)
tr(HIWQHAIR(HIWQHAI)H)≤η (10d)
采用深度强化学习中的深度确定性策略梯度(DDPG)算法求解上述优化问题,具体地:
设定通信系统是环境,发送方是一个智能体,它来选择发射协方差矩阵R和智能反射表面的相移矩阵Q。
状态空间定义为:
式中,Ct-1表示t-1时的隐蔽速率;Qt-1表示t-1时的相移矩阵;vec()表示将矩阵按列堆叠成列向量;real()表示取复数的实部;imag()表示取复数的虚部;
动作空间定义为:
式中,表示智能反射表面相移矩阵的对角线元素的相位;表示发射信号协方差矩阵的实对角线元素;表示发射信号协方差矩阵的下三角矩阵元素(除对角线元素外)的实部;表示发射信号协方差矩阵的下三角矩阵元素(除对角线元素外)的虚部。
奖励函数定义为:
rt初值为0,然后判断约束条件是否成立。当且仅当约束条件均成立时,rt=Ct,Ct表示当前的隐蔽速率。否则如果约束(10a)不成立,则βk表示R的负特征值;如果约束(10b)不成立,则rt=rt+P-tr(R);如果约束(10d)不成立,则rt=rt+η-tr(HIWQHAIR(HIWQHAI)H)。
基于DDPG的深度强化学习网络模型如图2所示,其包括了在线actor(策略)-critic(Q值)网络和目标actor-critic网络在内的4个深度神经网络(DNN)。
网络训练过程为:初始化4个DNN,清空经验池在每一回合开始,随机生成R和Q,并得到当前状态st。将状态st输入到网络中得到动作at,并由at构成变量R和Q,计算当前奖励值rt和下一步状态st+1。将(st,at,rt,st+1)存储到容量为D的经验池中。当样本填满经验池后,才开始网络的训练,即在经验池中随机抓取N个样本(si,ai,ri,si+1)用来更新网络参数。每一回合都会产生新的样本来更新经验池。当网络收敛后,可以由输出动作恢复出原优化问题的解R和Q。
最后算法结束。
本发明首次将MIMO和智能反射表面同时引入隐蔽通信系统,利用MIMO的定向波束形成将发射能量集中在目标方向上,降低发射信号功率,联合利用智能反射表面实现信道重构,改善信道性能,从而在不需要大量射频链路的情况下实现虚拟大规模MIMO以对抗多天线虚拟监听方,提升隐蔽通信性能。
所提出的智能反射表面辅助型MIMO隐蔽通信系统的参数优化是一个有待解决的问题。不同于智能反射表面辅助目标用户和虚拟监听方为单天线接收机的隐蔽通信的参数优化,所提出的智能反射表面辅助型MIMO隐蔽通信系统的参数优化问题中的目标函数和隐蔽性约束条件均是复杂的矩阵函数,优化变量在其中高度耦合,这对求解优化问题提出了更高的要求。
本实施例中设定所有信道增益矩阵为大尺度衰落L0d-μ/2和小尺度衰落矩阵的乘积。L0=-15dB表示1m处的路径损耗,μ=3表示路径损耗指数。小尺度衰落矩阵中的元素是均值为0,方差为1的复高斯随机变量。IRS到Alice、Bob、Willie间的距离分别为dAI=40m、dIB=15m、dIW=40m。NA=NB=NW=2,M=4,κ=0.1,ρ=3dB,基于DDPG算法的深度强化学习中,经验池容量D=20000,N=128,所有的DNN网络均是4层结构,4层结构分别为输入层、两层隐藏层和输出层。
Actor和critic网络的输入层和两层隐藏层的激活函数均为ReLU函数,actor网络的输出层的激活函数为tanh函数。
图3比较了本优化算法与交替优化算法、给定随机相移下隐蔽速率随最大发射功率P的变化。从图中可以看出本优化算法下的隐蔽速率明显大于交替优化算法及给定随机相移仅优化发射信号协方差矩阵的方案,且随着发射功率增加,本算法下隐蔽速率提升越显著。由此可见,本发明更好地解决了智能反射表面辅助MIMO隐蔽通信系统参数优化问题,更大地提升了系统隐蔽通信性能。
Claims (8)
1.一种智能反射表面辅助型MIMO隐蔽通信系统,其特征在于,包括智能反射表面、发送方、接收方和虚拟监听方,所述智能反射表面用于实现发送方和接收方之间的通信,且发送方分别与接收方和虚拟监听方之间的直射信道均设置有障碍物;所述虚拟监听方用于非法截获智能反射表面向接收方卸载的任务,且虚拟监听方处存在噪声不确定性。
2.根据权利要求1所述的一种智能反射表面辅助型MIMO隐蔽通信系统,其特征在于,所述智能反射表面IRS配备有M个反射元件。
3.根据权利要求1所述的一种智能反射表面辅助型MIMO隐蔽通信系统,其特征在于,发送方、接收方和虚拟监听方分别配置了NA、NB和NW根天线。
4.一种智能反射表面辅助型MIMO隐蔽通信系统的参数优化方法,其特征在于,基于权利要求1-3中任一项所述的一种智能反射表面辅助型MIMO隐蔽通信系统,包括以下步骤:
步骤1,优化虚拟监听方用于判断是否通信的检测门限值;
步骤2,根据最优检测门限值得到虚拟监听方的最小检测错误概率表达式;
步骤3,根据最小检测错误概率表达式得出智能反射表面辅助型的MIMO隐蔽通信系统的隐蔽性约束条件;
步骤4,根据隐蔽性约束条件对智能反射表面辅助型的MIMO隐蔽通信系统中的参数进行优化。
5.根据权利要求4所述的一种智能反射表面辅助型MIMO隐蔽通信系统的参数优化方法,其特征在于,步骤1中,优化虚拟监听方用于判断是否通信的检测门限值,具体方法是:
S1,设定虚拟监听方检测错误分为漏检和虚警,其中,获取虚拟监听方漏检概率的表达式和虚拟监听方虚警概率的表达式;
S2,根据虚拟监听方漏检概率的表达式和虚拟监听方虚警概率的表达式得到虚拟监听方检测错误概率表达式;
S3,对虚拟监听方检测错误概率表达式进行求导,得到最优的检测门限值。
6.根据权利要求4所述的一种智能反射表面辅助型MIMO隐蔽通信系统的参数优化方法,其特征在于,步骤2中,根据最优的检测门限值计算得到虚拟监听方的最小检测错误概率;具体方法是:
将最优的检测门限值代入检测错误概率表达式中,得到虚拟监听方的最小检测错误概率。
7.根据权利要求4所述的一种智能反射表面辅助型MIMO隐蔽通信系统的参数优化方法,其特征在于,步骤3中,根据最小检测错误概率得出系统隐蔽性约束条件,具体方法是:
令最小检测错误概率大于等于预设的隐蔽成功概率,得到系统隐蔽性约束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821203.7A CN113726471B (zh) | 2021-07-20 | 2021-07-20 | 一种智能反射表面辅助型mimo隐蔽通信系统的参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821203.7A CN113726471B (zh) | 2021-07-20 | 2021-07-20 | 一种智能反射表面辅助型mimo隐蔽通信系统的参数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113726471A true CN113726471A (zh) | 2021-11-30 |
CN113726471B CN113726471B (zh) | 2024-01-12 |
Family
ID=78673591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110821203.7A Active CN113726471B (zh) | 2021-07-20 | 2021-07-20 | 一种智能反射表面辅助型mimo隐蔽通信系统的参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113726471B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114928893A (zh) * | 2022-06-20 | 2022-08-19 | 东北大学秦皇岛分校 | 一种基于智能反射面的架构及任务卸载方法 |
CN115021915A (zh) * | 2022-06-20 | 2022-09-06 | 中国电信股份有限公司 | 基于智能反射表面的密钥生成方法、装置、介质及设备 |
CN117221855A (zh) * | 2023-11-07 | 2023-12-12 | 昆明学院 | 一种智能反射面辅助的d2d隐蔽通信系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140184496A1 (en) * | 2013-01-03 | 2014-07-03 | Meta Company | Extramissive spatial imaging digital eye glass apparatuses, methods and systems for virtual or augmediated vision, manipulation, creation, or interaction with objects, materials, or other entities |
CN112911586A (zh) * | 2021-01-18 | 2021-06-04 | 福建农林大学 | 基于智能反射面实现隐蔽通信的方法及系统 |
CN113055065A (zh) * | 2021-03-10 | 2021-06-29 | 中国矿业大学 | 一种基于智能反射面的物联网隐蔽波束成形设计方法 |
-
2021
- 2021-07-20 CN CN202110821203.7A patent/CN113726471B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140184496A1 (en) * | 2013-01-03 | 2014-07-03 | Meta Company | Extramissive spatial imaging digital eye glass apparatuses, methods and systems for virtual or augmediated vision, manipulation, creation, or interaction with objects, materials, or other entities |
CN112911586A (zh) * | 2021-01-18 | 2021-06-04 | 福建农林大学 | 基于智能反射面实现隐蔽通信的方法及系统 |
CN113055065A (zh) * | 2021-03-10 | 2021-06-29 | 中国矿业大学 | 一种基于智能反射面的物联网隐蔽波束成形设计方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114928893A (zh) * | 2022-06-20 | 2022-08-19 | 东北大学秦皇岛分校 | 一种基于智能反射面的架构及任务卸载方法 |
CN115021915A (zh) * | 2022-06-20 | 2022-09-06 | 中国电信股份有限公司 | 基于智能反射表面的密钥生成方法、装置、介质及设备 |
CN115021915B (zh) * | 2022-06-20 | 2024-01-05 | 中国电信股份有限公司 | 基于智能反射表面的密钥生成方法、装置、介质及设备 |
CN114928893B (zh) * | 2022-06-20 | 2024-04-16 | 东北大学秦皇岛分校 | 一种基于智能反射面的架构及任务卸载方法 |
CN117221855A (zh) * | 2023-11-07 | 2023-12-12 | 昆明学院 | 一种智能反射面辅助的d2d隐蔽通信系统及方法 |
CN117221855B (zh) * | 2023-11-07 | 2024-02-02 | 昆明学院 | 一种智能反射面辅助的d2d隐蔽通信系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113726471B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113726471B (zh) | 一种智能反射表面辅助型mimo隐蔽通信系统的参数优化方法 | |
Zhou et al. | Intelligent reflecting surface (IRS)-aided covert wireless communications with delay constraint | |
Lv et al. | Deep learning for security problems in 5G heterogeneous networks | |
CN113938891B (zh) | 一种反射面辅助的用户节点不可信noma网络安全通信方法 | |
CN112969225A (zh) | 利用合法用户统计csi的ris辅助无线安全通信传输方法 | |
Mostofi | Communication-aware motion planning in fading environments | |
CN114006645A (zh) | 一种认知无人机中继辅助的安全传输方法及系统 | |
Liu et al. | Modeling and dual threshold algorithm for diffusion-based molecular MIMO communications | |
CN115190448A (zh) | 智能反射面辅助的认知无人机通信网络设计方法 | |
Chen et al. | Performance analysis and optimization of IRS-aided covert communication with hardware impairments | |
Hu et al. | Optimal transmit antenna selection strategy for MIMO wiretap channel based on deep reinforcement learning | |
CN114615672A (zh) | 一种基于统计信息的协作物理层安全增强方法 | |
CN111065070B (zh) | 一种认知车联网中的合作毫米波频谱感知方法 | |
CN114205048A (zh) | 基于ris的无线单输入单输出矢量合成安全传输方法 | |
Zhou et al. | Joint transmit power and reflection beamforming design for IRS-aided covert communications | |
CN105634579A (zh) | 基于解码转发网络编码的多天线双向中继证据理论接收方法 | |
CN116367192A (zh) | 一种基于irs辅助的多天线通信系统鲁棒能效优化方法 | |
CN105656530A (zh) | 提高mimo安全通信系统的安全速率的方法和系统 | |
Huang et al. | Deep learning based parallel detector for MIMO systems | |
CN116015536A (zh) | 一种非相干反射调制的方法 | |
CN115412906A (zh) | 基于混合中继-智能反射面和联邦学习的无线通信方法 | |
CN115276879A (zh) | 智能反射面中基于半定松弛的安全速率最大化方法及装置 | |
CN115334524A (zh) | 一种基于全向智能超表面的通信和雷达目标检测方法 | |
Bi et al. | Deep reinforcement learning for IRS-assisted UAV covert communications | |
CN115037394B (zh) | 基于GSIC的多RISs辅助的NOMA系统设计方法 |
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 |