CN113973305B - 搭载于无人机上的智能反射面位置和波束联合优化方法 - Google Patents
搭载于无人机上的智能反射面位置和波束联合优化方法 Download PDFInfo
- Publication number
- CN113973305B CN113973305B CN202111244198.4A CN202111244198A CN113973305B CN 113973305 B CN113973305 B CN 113973305B CN 202111244198 A CN202111244198 A CN 202111244198A CN 113973305 B CN113973305 B CN 113973305B
- Authority
- CN
- China
- Prior art keywords
- irs
- constraint
- intelligent
- legal user
- channel
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004891 communication Methods 0.000 claims abstract description 75
- 239000011159 matrix material Substances 0.000 claims abstract description 40
- 230000005540 biological transmission Effects 0.000 claims abstract description 29
- 230000010363 phase shift Effects 0.000 claims abstract description 29
- 230000000694 effects Effects 0.000 claims abstract description 11
- 239000002245 particle Substances 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims description 19
- 238000000137 annealing Methods 0.000 claims description 12
- 241000209094 Oryza Species 0.000 claims description 11
- 235000007164 Oryza sativa Nutrition 0.000 claims description 11
- 235000009566 rice Nutrition 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000002922 simulated annealing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 4
- 238000005562 fading Methods 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 101150040772 CALY gene Proteins 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/126—Anti-theft arrangements, e.g. protection against subscriber identity module [SIM] cloning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
- H04B1/3822—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving specially adapted for use in vehicles
-
- 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
- H04B7/0619—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 using feedback from receiving side
- H04B7/0621—Feedback content
- H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- 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)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种搭载于无人机上的智能反射面位置和波束进行联合优化的方法,主要解决现有技术中没有考虑建筑物引起的遮蔽效应及在窃听信道状态信息不完全已知情况下不能进行安全传输的问题。其方案是:针对搭载于无人机上的智能反射面辅助的毫米波MIMO系统的上行链路,通过优化无人机的位置保证合法用户到智能反射面IRS及IRS到基站构成间接的视距链路,以避免由建筑物引起的遮蔽效应;同时在考虑窃听信道状态信息不完全已知情况下,通过联合优化合法用户发射端波束成形和智能反射面IRS的相移矩阵,以最大化IRS辅助的毫米波MIMO安全通信系统的安全速率。本发明提高了通信系统的安全传输性能,可用于毫米波MIMO系统。
Description
技术领域
本发明属于无线通信技术领域,特别涉及一种对智能反射面的位置和波束联合优化方法,可用于毫米波MIMO系统。
背景技术
毫米波可以通过提升频谱带宽来实现超高速无线数据传播,从而成为B5G通信技术中的一项关键技术。然而,一方面,毫米波通信由于其易受遮挡的原因性能会有严重的损失。为了提高可靠性,传统方法是设计有效的中继方案来建立间接的视距毫米波链路,以减轻阻塞的影响。然而,由于中继器是有源的,能耗较大,且多采用半双工模式运行,降低了频谱效率。若采用全双工中继技术会受到严重的自干扰和噪声污染的影响。为此,近年来,智能反射面IRS通过集成技术将大量低成本的无源元器件印刷在金属基片上实现无线通信传播环境的智能配置,从而改善无线通信网络的性能,增强无线环境的可重构性,受到了广泛关注。但是,现有的IRS大多部署在建筑物的外墙等位置,有着部署不灵活和阻塞效应明显的缺点。另一方面,由于无线传输的广播特性,会给无线通信网络带来一些不安全的因素,例如用户传输的信息可能存在被窃听的风险,这会造成信息交互的安全性无法得到保障。
为了避开障碍物,并能与地面节点建立强有力的视距链路,近年来,又提出了无人机携带IRS的概念,利用无人机可以在高空作业的优势,将无人机和IRS辅助的通信结合起来,提高无线通信系统的性能。H.Lu等人在文献“Aerial intelligent reflectingsurface:Joint placement and passive beamforming design with 3D beamflattening,”IEEE Transactions on Wireless Communications,vol.20,no.7,pp.4128-4143,July 2021中提出了无人机携带IRS辅助无线通信系统架构,通过联合优化部署位置和波束成形,最大化最坏情形下的信噪比,但在无人机的部署位置优化中并没有考虑建筑物引起的遮蔽效应。
为了提高毫米波无线通信系统的安全性能,近年来,又提出了物理层安全技术。J.Qiao等人在文献“Secure transmission for intelligent reflecting surface-assisted mmWave and terahertz systems,”IEEE Wireless Communications Letters,vol.9,no.10,pp.1743-1747,Oct.2020中提出存在窃听者的情况下,通过联合优化发射功率和波束成形的方法,最大化系统的保密速率,以保证信息的安全传输。但是,该方法是在假设窃听信道状态信息CSI是完全已知的情况下实现的,然而实际情况中,由于窃听者不是频繁的发送导频信号来更新CSI,窃听信道的CSI是不完全已知的。因此,该方法无法适用于实际的IRS辅助的毫米波通信的安全传输中。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种搭载于无人机上的智能反射面位置和波束进行联合优化的方法,避免由建筑物引起的遮蔽效应,提高智能反射面IRS辅助的毫米波通信系统的安全传输性能。
本发明的技术思路是:针对搭载于无人机上的智能反射面辅助的毫米波MIMO系统的上行链路,通过优化无人机的位置保证合法用户到智能反射面IRS及IRS到基站构成间接的视距链路,以避免由建筑物引起的遮蔽效应,同时在考虑窃听信道CSI不完全已知情况下,通过联合优化合法用户发射端波束成形和智能反射面IRS的相移矩阵,最大化IRS辅助的毫米波MIMO安全通信系统的安全速率,提高通信系统的安全传输性能。
根据上述思路,实现本发明目的的技术方案包括如下:
(1)构建无人机搭载的智能反射面IRS辅助的毫米波MIMO通信系统模型,该模型包括:一个设有Ne根天线的窃听者,一个设有Nr根天线的地面通信基站,一个无人机搭载的具有M=Mx×My个反射元素的智能反射面IRS和N个合法用户U1,U2,…,Uk,每个用户设有Nk根天线;
(2)根据(1)构建的通信系统模型,选择信道模型:
选择莱斯信道模型H分别作为合法用户Uk到智能反射面IRS的信道Hk和智能反射面IRS到地面通信基站的信道HB;
(3)根据(2)选择的信道模型,计算通信系统模型中第k个合法用户的可达速率RI,k、窃听者窃听第k个合法用户的速率CE,k,并根据这两个速率得出该通信系统的安全速率:其中,[·]+=max{0,·},N是合法用户的总数目,ΔGE是窃听信道有界信道状态信息CSI误差模型中的估计误差;
(4)最大化通信系统的安全速率Rs,得到搭载于无人机上的智能反射面位置和波束的联合优化结果:
(4a)考虑建筑物的遮蔽效应,基于统计信道状态信息,构建无人机位置的优化问题P1,通过基于模拟退火的粒子群算法,最大化系统的可达速率得到无人机的位置优化结果q,以保证合法用户到智能反射面IRS以及智能反射面IRS到地面通信基站构成间接视距链路;
(4b)基于(4a)得到的无人机的位置优化结果q,在窃听信道状态信息CSI不完全已知的情况下,构建鲁棒安全波束优化问题P2,通过交替迭代算法,联合优化合法用户发射端波束成形和智能反射面IRS的相移矩阵,以使智能反射面IRS辅助的毫米波MIMO安全通信系统的安全速率Rs最大化,得到优化后的合法用户发射端波束成形fk以及智能反射面IRS的相移矩阵Θ。
与现有的方法相比,本发明具有以下有益效果:
第一,本发明由于考虑了建筑物的遮蔽效应,通过优化无人机的位置,确保合法用户到智能反射面IRS以及智能反射面IRS到地面通信基站构成间接视距链路,克服了毫米波易受遮挡无法传播的物理特性,且使得无人机搭载智能反射面IRS的部署更加灵活,提高了毫米波辅助无线通信系统的性能。
第二,本发明由于考虑了窃听信道状态信息不完全已知的影响,针对搭载于无人机上的智能反射面IRS辅助的毫米波MIMO系统的上行链路,设计了合法用户发射端模拟波束成形和智能反射面IRS的相移矩阵的联合优化方案,最大化通信系统的安全速率,提高通信系统的安全传输性能。
第三,本发明所提出的联合优化算法与现有的零空间波束方法相比,通信系统的安全速率更高,能更好的适应不完美的窃听信道环境,避免信息泄露。
附图说明
图1是本发明的实现流程图;
图2是本发明中构建的搭载于无人机上的智能反射面IRS的毫米波MIMO通信系统模型图;
图3是本发明中对无人机位置优化后的结果示意图;
图4是本发明和现有零空间波束方法的安全速率随发射功率变化对比曲线图。
具体实施方式
为了更好的理解上述技术方案,以下结合附图以及具体的实施方式,给出具体描述。
参照图1,本实例的实现步骤如下:
步骤1:构建无人机搭载的智能反射面IRS辅助的毫米波MIMO通信系统模型。
参照图2:本步骤构建的毫米波MIMO通信系统模型,包括一个设有Ne根天线的窃听者,一个设有Nr根天线的地面通信基站,一个无人机搭载的具有M=Mx×My个反射元素的智能反射面IRS和N个合法用户U1,U2,…,Uk,每个用户设有Nk根天线。其中,合法用户、窃听者、地面通信基站的天线均采用均匀线性阵列ULA,智能反射面IRS采用均匀平面阵列UPA。
假设合法用户到地面通信基站的直射链路被建筑物阻挡,合法用户将信息通过搭载于无人机上的智能反射面IRS反射到地面通信基站,则地面通信基站接收到第k个合法用户Uk的信号和窃听者窃听第k个合法用户Uk的信号分别表示为:
其中,sk和qk分别代表第k个合法用户Uk发送的信号和传输功率,si和qi是第i个合法用户Ui发送的信号和传输功率,是第k个合法用户Uk的模拟预编码向量,是第i个合法用户Ui的模拟预编码向量,表示第k个合法用户Uk到智能反射面IRS的信道,表示智能反射面IRS到地面通信基站的信道,为智能反射面IRS的相移矩阵,θm代表第m个反射单元的相移,nI,k是噪声,表示智能反射面IRS到窃听者的信道,nE,k是噪声。
步骤2:根据步骤1构建的通信系统模型,选择信道模型。
2.1)选用莱斯信道模型分别作为智能反射面IRS到地面通信基站的信道HB和第k个合法用户Uk到智能反射面IRS的信道Hk:
用莱斯信道模型分别作为智能反射面IRS到地面通信基站的信道HB和第k个合法用户Uk到智能反射面IRS的信道Hk,表示如下:
其中,θ和φ分别是智能反射面IRS到地面通信基站的出发俯仰角和水平角,是智能反射面IRS到地面通信基站的到达角,θk和φk分别是第k个合法用户Uk到智能反射面IRS的到达俯仰角和水平角,是第k个合法用户Uk到智能反射面IRS的出发角,和分别表示智能反射面IRS的发射天线阵列响应和地面通信基站的接收天线阵列响应,表示为:
2.2)选用多径簇信道模型和有界信道状态信息CSI误差模型作为智能反射面IRS到窃听者的信道GE:
其中,M是发射天线数目,N是接收天线数目,L是多径数目,ωl是第l条路径的衰落系数,是第l条路径的到达角,θl和φl是第l条路径的出发俯仰角和水平角,是第l条路径接收端的方向矢量,是第l条路径发射端的方向矢量,ΔG是估计误差,||·||F是F-范数,ε是阈值。
其中,βe是路径损耗,L是多径数目,ωl是第l条路径的衰落系数,是智能反射面IRS到窃听者的信道中第l条路径的到达角,和是智能反射面IRS到窃听者的信道中第l条路径的出发俯仰角和水平角,是智能反射面IRS到窃听者的信道中第l条路径接收端的方向矢量,是智能反射面IRS到窃听者的信道中第l条路径发射端的方向矢量,ΔGE是估计误差,εE是阈值。
步骤3:计算通信系统模型中第k个合法用户的可达速率RI,k、窃听者窃听第k个合法用户的速率CE,k,并根据这两个速率得出该通信系统的安全速率。
3.1)计算第k个合法用户的可达速率RI,k:
3.2)计算窃听者窃听第k个合法用户的速率CE,k:
3.3)计算通信系统的安全速率Rs:
其中,[·]+=max{0,·}。
步骤4:考虑建筑物的遮蔽效应,基于统计信道状态信息,构建无人机位置的优化问题P1。
其中,qk是合法用户Uk的传输功率,σ2是噪声功率;
4.2)基于4.1)中的公式,采用詹森不等式得到可达速率的上界,即
其中,q是无人机的位置;
4.3)基于4.2),构建无人机位置的优化问题P1:
s.t.C0:q∈Ω
其中,Ω表示无人机可部署的区域。约束C0是无人机位置部署约束条件,用于保证合法用户到智能反射面IRS以及智能反射面IRS到地面通信基站构成间接的视距链路。具体判断标准如下:每个建筑物有5个面,当合法用户到智能反射面IRS的信道Hk以及智能反射面IRS到地面通信基站的信道HB和建筑物的5个面都没有交点时,就构成了间接的视距链路。
步骤5:基于模拟退火的粒子群算法,求解步骤4中构建的无人机位置的优化问题P1。
5.1)随机初始化粒子群,设种群数目为G,并计算出第t个粒子的最佳位置Pt和整个种群的最佳位置Pg;
5.4)采用可行性规则更新Pt和Pg:
当第l+1代种群中最优的粒子Xl+1满足无人机位置部署约束C0,但Pg不满足无人机位置部署约束C0,或者Pg和Xl+1两者都满足无人机位置部署约束C0,且f(Xl+1)>f(Pg)时,则用Xl+1替代Pg;
5.5)通过模拟退火算法更新整个种群的最佳位置Pg:
5.5.1)令j=1,P'g=Pg;
5.5.2)计算一个新的解X'=P'g+η×N(0,1),其中,η是步长,N(0,1)是服从高斯分布的随机数,P'g是当前整个种群更新后的最佳位置;
5.5.3)计算X'的接收概率p:
当X'满足无人机位置部署约束C0,但P'g不满足无人机位置部署约束C0时,则p=1;
当X'和P'g都不满足无人机位置部署约束C0时,则p=0;
当X'不满足无人机位置部署约束C0,但P'g满足无人机位置部署约束C0时,则p=0;
当X'和P'g都满足无人机位置部署约束C0时,则p=min{1,exp[(f(X')-f(P'g))/tl]},其中,tl是第l代的退火温度;
5.5.4)将p与α进行比较,如果p≥α,则P'g=X',其中,α是服从[0,1]均匀分布的随机数;
5.5.5)令当前的退火迭代次数j=j+1,设L是每一代最大的退火迭代次数,如果当前的退火迭代次数j≤L,则重复执行5.5.2)到5.5.4),否则,结束迭代,得到Pg=P'g;
5.6)更新退火温度:tl+1=λtl,其中,λ是退火率;
5.7)重复执行5.3)到5.6),直到达到最大的种群迭代次数Lmax,得到无人机的位置优化结果,即q=Pg。
步骤6:基于步骤5得到的无人机的位置优化结果q,在窃听信道状态信息CSI不完全已知的情况下,构建鲁棒安全波束优化问题P2。
6.1)设智能反射面IRS的相移矩阵满足单位模量约束C1为:
其中,Θ是智能反射面IRS的相移矩阵;
6.2)设合法用户发射端波束成形满足模拟预编码约束C2为:
其中,fk是第k个用户的模拟预编码向量;
6.3)设窃听信道的有界信道状态信息CSI误差模型中的估计误差约束C3为:
||ΔGE||F≤εE
其中,ΔGE是窃听信道有界信道状态信息CSI误差模型中的估计误差,εE是阈值;
6.4)基于C1,C2,C3这三个约束,得到最大化IRS辅助的毫米波MIMO安全通信系统安全速率Rs的鲁棒安全波束优化问题P2表示式:
C3:||ΔGE||F≤εE。
步骤7:通过交替迭代算法,求解步骤6中的鲁棒安全波束优化问题P2。
7.1):固定智能反射面IRS的相移矩阵Θ,优化合法用户发射端波束成形fk;
7.1.1)引入第一松弛变量tk,将优化问题P2转化为P3形式:
7.1.4)引入第二、第三、第四松弛变量αk,βk,ψk,将优化问题P3转化为P4形式:
C7:log2(tk)≤ψk
其中,C5是第五约束,C6是第六约束,C7是第七约束;
7.1.6)通过广义S过程分别对第四约束C4和第五约束C5进行处理,将其转化为有限数目的线性矩阵不等式组:
7.1.7)通过连续凸逼近方法,将第六约束C6和第七约束C7分别转化为:
7.1.10)将优化问题P4转化为P5形式:
s.t.C4,C5,C6,C7
7.1.11)通过CVX工具箱对7.1.10)的优化问题P5进行求解,得到中间变量Fk;
7.1.12)对Fk进行Cholesky分解,得到合法用户发射端波束成形fk。
7.2)固定合法用户发射端波束成形fk,优化智能反射面IRS的相移矩阵Θ。
7.2.1)引入第一松弛变量tk',将优化问题P2转化为P6形式:
7.2.4)引入第二、第三、第四松弛变量αk',βk',ψk',将优化问题P6转化为P7形式:
C7:log2(tk')≤ψk'
其中,C5是第五约束,C6是第六约束,C7是第七约束;
7.2.6)通过广义S过程分别对第四约束C4和第五约束C5进行处理,将其转化为有限数目的线性矩阵不等式组:
7.2.8)通过连续凸逼近方法,将第六约束C6和第七约束C7分别转化为:
μmax(·)是最大特征值对应的特征向量;
7.2.11)将优化问题P7转化为P8形式:
s.t.C4,C5,C6,C7
7.2.12)通过CVX工具箱对7.2.11)的优化问题P8进行求解,得到中间变量V;
7.2.13)对V进行Cholesky分解,得到智能反射面IRS的反射系数ω,通过公式Θ=Diag(ω),得到智能反射面IRS的相移矩阵Θ,其中,Diag(ω)是由ω中元素作为主对角线元素构成的对角矩阵。
7.3)重复执行7.1)到7.2),直到通信系统安全速率Rs收敛,得到最终优化后的合法用户发射端波束成形fk和智能反射面IRS的相移矩阵Θ。
本发明的效果可通过以下仿真实验进一步说明:
一、仿真参数设置。
在搭载于无人机上的智能反射面IRS辅助的毫米波MIMO通信系统模型中,建筑物有三个,设毫米波载波频率为28GHz,路径损失为β(D)=61.4+20log10(D)dB,其中,D是距离,单位为米,莱斯衰落因子κk=κG=30dB,噪声功率合法用户的数目N=3,合法用户的天线数目Nk=3,窃听者的天线数目Ne=2,智能反射面IRS的反射元素Mx=My=2,地面通信基站的三维位置坐标为(0,0,0),窃听者的三维位置坐标为(-5,-5,0),每个建筑物中八个顶点的坐标如表1所示。
设置优化无人机位置时的两加速常数c1=c2=2,粒子群种群数目G=300,粒子群的最大迭代次数Lmax=300,每一代最大的退火迭代次数L=20,退火率λ=0.94,搜索步长η=0.001,惯性权重系数ω从0.9到0.4线性递减。
设置联合优化合法用户发射端波束成形和智能反射面IRS的相移矩阵以最大化系统安全速率时的惩罚因子ρ=0.0005。
表1建筑物的坐标
二、仿真实验内容与结果
仿真1,利用上述仿真参数,考虑建筑物的遮蔽效应,用本发明对无人机的位置进行优化,得到无人机位置的优化结果,如图3所示。该优化后的无人机位置可保证合法用户到智能反射面IRS以及智能反射面IRS到地面通信基站构成间接视距链路。
仿真2,基于仿真1得到的无人机位置的优化结果,在窃听信道的最大归一化估计误差Λ2=0.1,以及每个合法用户的传输功率相同的情况下,比较本发明和现有零空间波束方法的安全速率与合法用户传输功率之间的关系,结果如图4所示,其中
由图4可以看出以下三点:
1.随着传输功率的增大,通信系统的安全速率随之提高。这是因为传输功率越高,合法用户提供的信干噪比SINR也会增大,进而通信系统的安全性能增强。
2.随着地面通信基站天线数目的增加,通信系统的安全性能也有所增加。这是由于地面通信基站天线可以提供的自由度更高。
3.本发明与现有的零空间波束方法相比,通信系统的安全速率更高,能更好的适应不完美的窃听信道环境,避免了信息泄露。
Claims (10)
1.一种搭载于无人机上的智能反射面位置和波束联合优化方法,其特征在于,包括:
(1)构建无人机搭载的智能反射面IRS辅助的毫米波MIMO通信系统模型,该模型包括:一个设有Ne根天线的窃听者,一个设有Nr根天线的地面通信基站,一个无人机搭载的具有M=Mx×My个反射元素的智能反射面IRS和N个合法用户U1,U2,…,Uk,每个用户设有Nk根天线;
(2)根据(1)构建的通信系统模型,选择信道模型:
选择莱斯信道模型H分别作为合法用户Uk到智能反射面IRS的信道Hk和智能反射面IRS到地面通信基站的信道HB;
(3)根据(2)选择的信道模型,计算通信系统模型中第k个合法用户的可达速率RI,k和窃听者窃听第k个合法用户的速率CE,k,并根据这两个速率得出该通信系统的安全速率:其中,[·]+=max{0,·},N是合法用户的总数目,ΔGE是窃听信道有界信道状态信息CSI误差模型中的估计误差;
(4)最大化通信系统的安全速率Rs,得到搭载于无人机上的智能反射面IRS位置和波束的联合优化结果:
(4a)考虑建筑物的遮蔽效应,基于统计信道状态信息,构建无人机位置的优化问题P1,通过基于模拟退火的粒子群算法,最大化系统的可达速率得到无人机的位置优化结果q,以保证合法用户到智能反射面IRS以及智能反射面IRS到地面通信基站构成间接视距链路;
(4b)基于(4a)得到的无人机的位置优化结果q,在窃听信道状态信息CSI不完全已知的情况下,构建鲁棒安全波束优化问题P2,通过交替迭代算法,联合优化合法用户发射端波束成形和智能反射面IRS的相移矩阵,以使智能反射面IRS辅助的毫米波MIMO安全通信系统的安全速率Rs最大化,得到优化后的合法用户发射端波束成形fk以及智能反射面IRS的相移矩阵Θ。
2.根据权利要求1所述的方法,其特征在于:(1)中合法用户、窃听者和地面通信基站的天线均采用均匀线性阵列ULA,智能反射面IRS采用均匀平面阵列UPA。
(4a4)随机初始化粒子群,种群数目为G,并计算出第t个粒子的最佳位置Pt和整个种群的最佳位置Pg;
(4a7)采用可行性规则更新Pt和Pg:
当第l+1代种群中最优的粒子Xl+1满足约束条件,但Pg不满足约束条件,或者Pg和Xl+1两者都满足约束条件,且f(Xl+1)>f(Pg)时,则用Xl+1替代Pg;
(4a8)通过模拟退火算法更新Pg:
(4a8.1)令j=1,P'g=Pg;
(4a8.2)计算一个新的解X'=P'g+η×N(0,1),其中,η是步长,N(0,1)是服从高斯分布的随机数;
(4a8.3)计算X'的接收概率p:
当X'满足约束条件,但P'g不满足约束条件时,则p=1;
当X'和P'g两者都不满足约束条件时,则p=0;
当X'不满足约束条件,但P'g满足约束条件时,则p=0;
当X'和P'g两者都满足约束条件时,则p=min{1,exp[(f(X')-f(P'g))/tl]},其中,tl是第l代的退火温度;
(4a8.4)如果p≥α,则P'g=X',其中,α是服从[0,1]均匀分布的随机数;
(4a8.5)令j=j+1,设L是每一代的退火迭代次数,如果j≤L,则重复执行(4a8.2)到(4a8.4),否则,结束迭代,得到Pg=P'g;
(4a9)更新退火温度:tl+1=λtl,其中,λ是退火率;
(4a10)重复执行(4a6)-(4a9),直到达到最大的种群迭代次数Lmax,得到无人机的位置优化结果,即q=Pg。
7.根据权利要求1所述的方法,其特征在于:(4b)中构建的鲁棒安全波束优化问题P2,实现如下:
(4b1)设智能反射面IRS的相移矩阵满足单位模量约束C1:
其中,Θ是智能反射面IRS的相移矩阵;
(4b2)设合法用户发射端波束成形满足模拟预编码约束C2:
其中,fk是第k个用户的模拟预编码向量;
(4b3)设窃听信道的有界信道状态信息CSI误差模型中的估计误差约束C3:
||ΔGE||F≤εE
其中,ΔGE是窃听信道有界信道状态信息CSI误差模型中的估计误差,εE是阈值;
(4b4)基于C1,C2,C3这三个约束,得到最大化IRS辅助的毫米波MIMO安全通信系统安全速率Rs的鲁棒安全波束优化问题P2表示式:
C3:||ΔGE||F≤εE。
8.根据权利要求1所述的方法,其特征在于:(4b)中通过交替迭代算法,联合优化合法用户发射端波束成形和智能反射面IRS的相移矩阵,具体实现如下:
(4b5)固定智能反射面IRS的相移矩阵Θ,优化合法用户发射端波束成形fk,得到一次优化后的合法用户发射端波束成形向量f'k;
(4b6)固定一次优化后的合法用户发射端波束成形向量f'k,优化智能反射面IRS的相移矩阵Θ,得到一次优化后的智能反射面IRS的相移矩阵Θ';
(4b7)重复执行(4b5)-(4b6),直到通信系统安全速率Rs收敛,得到最终优化后的合法用户发射端波束成形和智能反射面IRS的相移矩阵。
9.根据权利要求8所述的方法,其特征在于:(4b5)中固定智能反射面IRS的相移矩阵Θ,优化合法用户发射端波束成形fk,实现如下:
(4b5.1)引入第一松弛变量tk,将优化问题P2转化为P3形式:
(4b5.4)引入第二、第三、第四松弛变量αk,βk,ψk,将优化问题P3转化为P4形式:
C7:log2(tk)≤ψk
其中,C5是第五约束,C6是第六约束,C7是第七约束;
(4b5.6)通过广义S过程分别对第四约束C4和第五约束C5进行处理,将其转化为有限数目的线性矩阵不等式组:
(4b5.7)通过连续凸逼近方法,将第六约束C6和第七约束C7分别转化为:
(4b5.10)将优化问题P4转化为P5形式:
s.t.C4,C5,C6,C7
(4b5.11)通过CVX工具箱对(4b5.10)的优化问题P5进行求解,得到Fk;
(4b5.12)对Fk进行Cholesky分解,得到一次优化后的合法用户发射端波束成形f'k。
10.根据权利要求8所述的方法,其特征在于:(4b6)固定一次优化后的合法用户发射端波束成形向量f'k,优化智能反射面IRS的相移矩阵Θ,实现如下:
(4b6.1)引入第一松弛变量tk',将优化问题P2转化为P6形式:
(4b6.4)引入第二、第三、第四松弛变量αk',βk',ψk',将优化问题P6转化为P7形式:
C7:log2(tk')≤ψk'
其中,C5是第五约束,C6是第六约束,C7是第七约束;
(4b6.6)通过广义S过程分别对第四约束C4和第五约束C5进行处理,将其转化为有限数目的线性矩阵不等式组:
(4b6.8)通过连续凸逼近方法,将第六约束C6和第七约束C7分别转化为:
(4b6.11)将优化问题P7转化为P8形式:
s.t.C4,C5,C6,C7
(4b6.12)通过CVX工具箱对(4b6.11)的优化问题P8进行求解,得到中间变量V;
(4b6.13)对V进行Cholesky分解,得到智能反射面IRS的反射系数ω,通过公式Θ=Diag(ω),得到一次优化后的智能反射面IRS的相移矩阵Θ',其中,Diag(ω)是由ω中元素作为主对角线元素构成的对角矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111244198.4A CN113973305B (zh) | 2021-10-26 | 2021-10-26 | 搭载于无人机上的智能反射面位置和波束联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111244198.4A CN113973305B (zh) | 2021-10-26 | 2021-10-26 | 搭载于无人机上的智能反射面位置和波束联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113973305A CN113973305A (zh) | 2022-01-25 |
CN113973305B true CN113973305B (zh) | 2022-08-12 |
Family
ID=79588259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111244198.4A Active CN113973305B (zh) | 2021-10-26 | 2021-10-26 | 搭载于无人机上的智能反射面位置和波束联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113973305B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114567397B (zh) * | 2022-02-17 | 2023-12-01 | 南京邮电大学 | 一种无线通信系统安全符号级预编码方法 |
CN114584235B (zh) * | 2022-02-23 | 2023-02-03 | 北京理工大学 | 基于感知的针对移动空中窃听者的上行通信安全方法 |
CN114466390A (zh) * | 2022-02-28 | 2022-05-10 | 西安交通大学 | 一种基于智能反射面辅助的swipt系统性能优化方法及系统 |
CN115208443B (zh) * | 2022-06-13 | 2023-10-31 | 北京科技大学 | 基于智能反射面的大规模mimo系统的联合优化方法及装置 |
CN115334519B (zh) * | 2022-06-30 | 2024-01-26 | 北京科技大学 | 一种无人机irs网络中用户关联与相移优化方法及系统 |
CN115225143B (zh) * | 2022-07-20 | 2023-06-16 | 南京邮电大学 | Ris辅助的无人机通信系统中的飞行高度和相移设计方法 |
CN115412159B (zh) * | 2022-09-01 | 2023-10-13 | 大连理工大学 | 基于空中智能反射面辅助的安全通信方法 |
CN115549759B (zh) * | 2022-09-19 | 2023-06-20 | 南京信息工程大学 | 一种基于irs辅助的无人机通信网络构建方法 |
CN116156517A (zh) * | 2023-03-16 | 2023-05-23 | 华能伊敏煤电有限责任公司 | 一种在室内场景下的ris部署方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113507304B (zh) * | 2021-07-24 | 2022-05-13 | 大连理工大学 | 一种智能反射面辅助的无人机安全通信方法 |
-
2021
- 2021-10-26 CN CN202111244198.4A patent/CN113973305B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Non-Patent Citations (2)
Title |
---|
《Intelligent Reflecting Surface-Assisted Multi-Antenna Covert Communications》;Chao Wang等;《IEEE TRANSACTIONS ON COMMUNICATIONS》;20210630;全文 * |
《基于空中智能表面的毫米波通信性能分析》;程吟轩等;《计算机与现代化》;20210430;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113973305A (zh) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113973305B (zh) | 搭载于无人机上的智能反射面位置和波束联合优化方法 | |
WO2021120425A1 (zh) | 一种毫米波全双工无人机通信中继传输方法 | |
CN111818533B (zh) | 一种基于智能反射面的无线通信系统设计方法 | |
Zhu et al. | Millimeter-wave full-duplex UAV relay: Joint positioning, beamforming, and power control | |
Jung et al. | Performance analysis of satellite communication system under the shadowed-rician fading: A stochastic geometry approach | |
CN111313951B (zh) | 基于非理想csi的irs辅助安全通信无线传输方法 | |
CN111245485B (zh) | 机载毫米波通信波束赋形与位置部署方法 | |
Guo et al. | Multiple UAV-borne IRS-aided millimeter wave multicast communications: A joint optimization framework | |
CN112039564B (zh) | 一种卫星大规模mimo广覆盖预编码传输方法 | |
Wang et al. | Joint beamforming for intelligent reflecting surface-assisted millimeter wave communications | |
CN114070365B (zh) | 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法 | |
CN114286312A (zh) | 一种基于可重构智能表面增强无人机通信的方法 | |
Alluhaibi et al. | Capacity maximisation for hybrid digital-to-analog beamforming mm-wave systems | |
CN113873575A (zh) | 智能反射面辅助的非正交多址无人机空地通信网络节能优化方法 | |
CN113824478B (zh) | 离散透镜天线阵列辅助的宽带毫米波多用户大规模mimo上行频谱效率优化方法 | |
Zhu et al. | Multi-UAV aided millimeter-wave networks: Positioning, clustering, and beamforming | |
CN113422634B (zh) | 一种毫米波全双工无人机中继通信系统的高能效保密传输方法 | |
Shaddad et al. | Channel estimation for intelligent reflecting surface in 6G wireless network via deep learning technique | |
CN115276747B (zh) | 无人机辅助无线通信系统中位置和波束向量联合优化方法 | |
CN116667890A (zh) | 一种去蜂窝大规模mimo下行抗窃听传输方法 | |
CN115734238A (zh) | 智能反射面辅助的通信网络覆盖优化方法 | |
Singh et al. | A NOMA-enabled hybrid RIS-UAV-aided full-duplex communication system | |
Abbas et al. | Hybrid beamformers design for MIMO relay networks in millimeter wave | |
Cao et al. | RIS-Assisted Coverage Extension for LEO Satellite Communication in Blockage Scenarios | |
Tavana et al. | Amplitude-based sequential optimization of energy harvesting with reconfigurable intelligent surfaces |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231106 Address after: A5-4, North A5 Project, Phase I of Wuhan Future Science and Technology City, No. 999 Gaoxin Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430206 Patentee after: Wuhan Shupeng Technology Co.,Ltd. Address before: 710071 No. 2 Taibai South Road, Shaanxi, Xi'an Patentee before: XIDIAN University |
|
TR01 | Transfer of patent right |