CN114337765A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114337765A CN114337765A CN202210038357.3A CN202210038357A CN114337765A CN 114337765 A CN114337765 A CN 114337765A CN 202210038357 A CN202210038357 A CN 202210038357A CN 114337765 A CN114337765 A CN 114337765A
- Authority
- CN
- China
- Prior art keywords
- optimization
- intelligent
- transmitter
- vector
- beam forming
- 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.)
- Pending
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
本申请涉及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。所述方法包括:以传输速率最大化为目标函数,发射机的总功率门限、窃听者信息速率门限信息和智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射面反射波束形成矢量为优化变量,构建待求解的优化模型;将优化模型拆分成第一优化子模型和第二优化子模型交替求解,直到达到迭代停止条件,输出抗干扰和抗截获通信系统的最优波束形成矢量。在求解过程中,由于优化问题目标函数的非凸性,利用辅助变量替换、柯西‑施瓦兹不等式将原始优化问题转换为可处理的凸优化问题,提出了连续凸近似法和惩罚凸凹法来解决优化问题。
Description
技术领域
本申请涉及通信技术领域,特别是涉及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、装置、计算机设备和存储介质。
背景技术
无线信道环境的开放性、节点的移动性以及网络拓扑结构的动态变化使得无线通信系统面临严峻的安全挑战。通过无线信道进行干扰攻击、信息窃取、接入欺骗等安全威胁日益突出。
为了实现抗干扰、抗截获信息传输,传统的技术手段主要包括:直接序列扩频、跳频、自适应功率控制、协同中继传输、人工噪声、多天线技术等。上述传统技术手段只对干扰策略固定的常规干扰取得较好的抗干扰效果。近年来,随着智能化干扰手段的出现,干扰行为变得更加智能化,干扰行为更难以预测,对现有无线通信抗干扰技术提出了新的更高要求。同时,协同中继传输、人工噪声、多天线技术等抗截获手段会消耗额外的功率。
以信息超材料赋能的数字可编程智能反射面利用集成在平面上的大量无缘反射元件通过软件编程智能地配置无限传播环境,在提高无线通信安全传输的能力而言具有巨大的潜力和应用前景。智能反射面能够实现无线信道环境实时可重构、无线信道动态可编程,减少和消除电磁环境的不确定性和不可操控性,为无线通信抗干扰和抗截获能力提升提供重要的手段支撑。但是,智能反射面辅助的信道估计面临比传统通信场景更为严峻的挑战。由于智能反射面通常采用全被动单元,仅配备了简单的板载信号处理模块,只能够反射电磁波而不具备复杂的信号处理能力,使得准确信道状态信息的获取存在困难,因此,需要研究针对非理想信道状态信息下的无线抗干扰和抗截获通信方法。
发明内容
基于此,有必要针对上述技术问题,提供一种能够针对干扰方和窃听方信道难以准确估计情况的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、装置、计算机设备和存储介质。
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,所述方法包括:
获取抗干扰和抗截获通信系统的发射机的总功率门限信息、非法窃听者信息速率门限信息和收敛门限信息;所述抗干扰和抗截获通信系统包含一个配置多根天线的发射机、一个配置单天线的合法接收机和一个配置多个反射单元的智能反射面,所述合法接收机周围存在一个配置多根天线的干扰机和一个配置单天线的非法窃听者;
以所述抗干扰和抗截获通信系统传输速率最大化为目标函数,所述发射机的总功率门限信息、所述非法窃听者信息速率门限信息和所述智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射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第一优化子模型和第二优化子模型;所述第一优化子模型为发射机主动发射端优化模型;所述第二优化子模型为智能反射面反射端优化模型;
给定智能反射面反射波束形成矢量,通过符号-定义式变换和引入松弛变量将所述非法窃听者信息速率门限信息对应的约束条件方程转换为矩阵不等式,通过柯西-施瓦兹不等式将所述第一优化子模型转换为凸优化模型,通过凸优化工具箱和连续凸逼近算法求解所述第一优化子模型;
给定发射机主动发射波束形成权矢量,通过引入辅助变量,并由数值法确定所述辅助变量的上界,利用连续凸逼近和惩罚凹凸过程对固定的辅助变量进行智能反射面反射波束形成矢量的优化,得到所述固定的辅助变量下智能反射面反射波束形成矢量的最优解,并通过区域采样确定最优的辅助变量,从而确定所述第二优化子模型的最优解;
交替求解所述第一优化子模型和所述第二优化子模型,并计算每一次迭代的传输速率,当迭代误差小于所述收敛门限信息时,结束迭代,得到所述抗干扰和抗截获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和抗截获通信。
在其中一个实施例中,还包括:以所述抗干扰和抗截获通信系统传输速率最大化为目标函数,所述发射机的总功率门限信息、所述非法窃听者信息速率门限信息和所述智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射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:
C2:||wT||2≤Pmax,
其中,wT表示发射机主动发射波束形成权矢量,v表示智能反射面反射波束形成矢量,Pmax表示所述发射机的总功率门限,τ表示所述非法窃听者信息速率门限,v=[v1,v2,…,vN]T,vn表示智能反射面每个反射单元相位系数,表示抗干扰和抗截获通信系统的传输速率,表示非法窃听方接收信息速率,ΔhJU,ΔHJU和ΔhBE,ΔHBE分别为干扰者-用户链路、干扰者-智能反射面-用户级联链路和基站-窃听者链路、基站-智能反射面-窃听者级联链路的信道状态信息误差。
在其中一个实施例中,还包括:将优化变量所述发射机主动发射波束形成权矢量wT和所述智能反射面反射波束形成矢量v耦合,将所述优化模型拆分成第一优化子模型和第二优化子模型;
所述第一优化子模型为:
所述第二优化子模型为:
其中,wJ表示干扰机发射波束形成矢量,表示合法接收机处接收噪声方差,HBU=diag(hIU)GBI,HJU=diag(hIU)GJI,HBE=diag(hIE)GBI,表示智能反射面到合法接收机的信道矢量,表示智能反射面到窃听者的信道矢量,表示发射机到智能反射面的信道矩阵,表示干扰机到智能反射面的信道矩阵。
在其中一个实施例中,还包括:对未知信道状态信息误差进行有界信道状态信息模型建模为:
其中,hi和Hi表示在BS端已知的信道状态信息,Δhi和ΔHi表示未知信道状态信息误差,ξh,i,ξH,i表示信道状态信息不确定水平。
在其中一个实施例中,还包括:给定智能反射面反射波束形成矢量,通过符号-定义式变换引入中间参数B、X1、X2、C1、C2、D1和D2:
C1=C2=-[0M×1wT]
D1=[v0N×1]I
D2=I
其中,I为单位矩阵;
通过柯西-施瓦兹不等式|x|2≥2Re{x(n),*x}-x(n),*x(n),将所述第一优化子模型转换为凸优化模型为:
通过凸优化工具箱和连续凸逼近算法求解所述第一优化子模型。
在其中一个实施例中,还包括:给定发射机主动发射波束形成权矢量,通过引入辅助变量η≥0,将所述第二优化子模型转换为:
通过定义RU(wT,v)≥1来获得η的上界,则:
对固定的辅助变量η,引入向量b=[b1,b2,…,bN]T和c=[c1,c2,…,cN]T,通过引入惩罚凹凸过程,将所述第二优化子模型转换为:
通过连续凸逼近和凸优化工具箱求解问题Qv,得到所述固定的辅助变量下智能反射面反射波束形成矢量的近似一阶最优解,并通过区域采样确定最优的辅助变量,从而确定所述第二优化子模型的最优解。
在其中一个实施例中,还包括:交替求解所述第一优化子模型和所述第二优化子模型,并计算每一次迭代的传输速率R,当(R-R(-1))/R≤ε时,结束迭代。
在其中一个实施例中,还包括:所述最优波束形成矢量包括最优发射机主动发射波束形成权矢量和最优智能反射面反射波束形成矢量。
在其中一个实施例中,还包括:根据最后一次迭代输出的发射机主动发射波束形成权矢量配置所述发射机;
根据最后一次迭代输出的智能反射面反射波束形成矢量配置所述智能反射面;
通过所述发射机和所述智能反射面调控电磁波传播环境,实现抗干扰和抗截获通信。
在其中一个实施例中,还包括:所述智能反射面配置在所述发射机和所述合法接收机之间。
一种非理想信道状态信息下基于智能反射表面的无线抗干扰和抗截获通信装置,所述装置包括:
初始化信息获取模块,用于获取抗干扰和抗截获通信系统的发射机的总功率门限信息、非法窃听者信息速率门限信息和收敛门限信息;所述抗干扰和抗截获通信系统包含一个配置多根天线的发射机、一个配置单天线的合法接收机和一个配置多个反射单元的智能反射面,所述合法接收机周围存在一个配置多根天线的干扰机和一个配置单天线的非法窃听者;
优化模型构建模块,用于以所述抗干扰和抗截获通信系统传输速率最大化为目标函数,所述发射机的总功率门限信息、所述非法窃听者信息速率门限信息和所述智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射面反射波束形成矢量为优化变量,构建待求解的优化模型;
模型拆分模块,用于将所述优化模型拆分成第一优化子模型和第二优化子模型;所述第一优化子模型为发射机主动发射端优化模型;所述第二优化子模型为智能反射面反射端优化模型;
第一优化子模型求解模块,用于给定智能反射面反射波束形成矢量,通过符号-定义式变换和引入松弛变量将所述非法窃听者信息速率门限信息对应的约束条件方程转换为矩阵不等式,通过柯西-施瓦兹不等式将所述第一优化子模型转换为凸优化模型,通过凸优化工具箱和连续凸逼近算法求解所述第一优化子模型;
第二优化子模型求解模块,用于给定发射机主动发射波束形成权矢量,通过引入辅助变量,并由数值法确定所述辅助变量的上界,利用连续凸逼近和惩罚凹凸过程对固定的辅助变量进行智能反射面反射波束形成矢量的优化,得到所述固定的辅助变量下智能反射面反射波束形成矢量的最优解,并通过区域采样确定最优的辅助变量,从而确定所述第二优化子模型的最优解;
迭代模块,用于交替求解所述第一优化子模型和所述第二优化子模型,并计算每一次迭代的传输速率,当迭代误差小于所述收敛门限信息时,结束迭代,得到所述抗干扰和抗截获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和抗截获通信。
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:
获取抗干扰和抗截获通信系统的发射机的总功率门限信息、非法窃听者信息速率门限信息和收敛门限信息;所述抗干扰和抗截获通信系统包含一个配置多根天线的发射机、一个配置单天线的合法接收机和一个配置多个反射单元的智能反射面,所述合法接收机周围存在一个配置多根天线的干扰机和一个配置单天线的非法窃听者;
以所述抗干扰和抗截获通信系统传输速率最大化为目标函数,所述发射机的总功率门限信息、所述非法窃听者信息速率门限信息和所述智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射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第一优化子模型和第二优化子模型;所述第一优化子模型为发射机主动发射端优化模型;所述第二优化子模型为智能反射面反射端优化模型;
给定智能反射面反射波束形成矢量,通过符号-定义式变换和引入松弛变量将所述非法窃听者信息速率门限信息对应的约束条件方程转换为矩阵不等式,通过柯西-施瓦兹不等式将所述第一优化子模型转换为凸优化模型,通过凸优化工具箱和连续凸逼近算法求解所述第一优化子模型;
给定发射机主动发射波束形成权矢量,通过引入辅助变量,并由数值法确定所述辅助变量的上界,利用连续凸逼近和惩罚凹凸过程对固定的辅助变量进行智能反射面反射波束形成矢量的优化,得到所述固定的辅助变量下智能反射面反射波束形成矢量的最优解,并通过区域采样确定最优的辅助变量,从而确定所述第二优化子模型的最优解;
交替求解所述第一优化子模型和所述第二优化子模型,并计算每一次迭代的传输速率,当迭代误差小于所述收敛门限信息时,结束迭代,得到所述抗干扰和抗截获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和抗截获通信。
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:
获取抗干扰和抗截获通信系统的发射机的总功率门限信息、非法窃听者信息速率门限信息和收敛门限信息;所述抗干扰和抗截获通信系统包含一个配置多根天线的发射机、一个配置单天线的合法接收机和一个配置多个反射单元的智能反射面,所述合法接收机周围存在一个配置多根天线的干扰机和一个配置单天线的非法窃听者;
以所述抗干扰和抗截获通信系统传输速率最大化为目标函数,所述发射机的总功率门限信息、所述非法窃听者信息速率门限信息和所述智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射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第一优化子模型和第二优化子模型;所述第一优化子模型为发射机主动发射端优化模型;所述第二优化子模型为智能反射面反射端优化模型;
给定智能反射面反射波束形成矢量,通过符号-定义式变换和引入松弛变量将所述非法窃听者信息速率门限信息对应的约束条件方程转换为矩阵不等式,通过柯西-施瓦兹不等式将所述第一优化子模型转换为凸优化模型,通过凸优化工具箱和连续凸逼近算法求解所述第一优化子模型;
给定发射机主动发射波束形成权矢量,通过引入辅助变量,并由数值法确定所述辅助变量的上界,利用连续凸逼近和惩罚凹凸过程对固定的辅助变量进行智能反射面反射波束形成矢量的优化,得到所述固定的辅助变量下智能反射面反射波束形成矢量的最优解,并通过区域采样确定最优的辅助变量,从而确定所述第二优化子模型的最优解;
交替求解所述第一优化子模型和所述第二优化子模型,并计算每一次迭代的传输速率,当迭代误差小于所述收敛门限信息时,结束迭代,得到所述抗干扰和抗截获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和抗截获通信。
上述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、装置、计算机设备和存储介质,通过以抗干扰和抗截获通信系统传输速率最大化为目标函数,发射机的总功率门限信息、非法窃听者信息速率门限信息和智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射面反射波束形成矢量为优化变量,构建待求解的优化模型;将优化模型拆分成第一优化子模型和第二优化子模型交替求解,直到达到迭代停止条件,输出抗干扰和抗截获通信系统的最优波束形成矢量。在求解过程中,由于优化问题目标函数的非凸性,本发明利用辅助变量替换、柯西-施瓦兹不等式将原始优化问题转换为可处理的凸优化问题,提出了连续凸近似法和惩罚凸凹法来解决优化问题。本发明提出了在未知CSI下同时进行抗干扰和反窃听的系统模型,从主动改变无线电传输环境的概念出发,跳出了收发机被动适应信道的传统角度,在提升传输速率和通信质量、降低发射功率的同时,实现抗干扰和抗截获的能力提升,推动信息超材料技术在无线通信安全领域应用。
附图说明
图1为一个实施例中无线抗干扰和抗截获通信系统示意图;
图2为一个实施例中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的流程示意图;
图3为另一个实施例中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的流程示意图;
图4为一个实施例中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,可以应用于如图1所示的应用环境中。针对无线抗干扰和抗截获通信系统100,其包含一个配置M根天线的发射机101,一个配置单天线的合法接收机102,一个配置N个反射单元的智能反射面201、一个配置L根天线的干扰机301以及一个配置单天线的非法窃听者302。发射机101以wT为加权矢量进行主动发射波束形成后向合法接收机102和智能反射面201发射信号,而干扰机301向合法接收机201发射干扰信号;发射机101到合法接收机102、窃听者302的信道矢量为发射机101到智能反射面201的信道矩阵为干扰机301到合法接收机102的信道矢量为和智能反射面201的信道矩阵为智能反射面面201到合法接收机102和窃听者302的信道矢量分别为合法接收机102,窃听者302处噪声方差为
在一个实施例中,如图2所示,提供了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,包括以下步骤:
步骤202,获取抗干扰和抗截获通信系统的发射机的总功率门限信息、非法窃听者信息速率门限信息和收敛门限信息。
抗干扰和抗截获通信系统包含一个配置多根天线的发射机、一个配置单天线的合法接收机和一个配置多个反射单元的智能反射面,合法接收机周围存在一个配置多根天线的干扰机和一个配置单天线的非法窃听者。
智能反射面(Intelligent Reflecting Surfaces,IRS)可通过设计其单元特性以及空间排布,控制电磁波的幅度、相位、频率、极化等参数,实现电磁能量的偏折、聚焦、吸波等功能。通过引入可调技术,可以设计出能够实时控制无线信道环境参数的可调超表面。可编程超表面对于提升无线通信系统安全传输能力而言具有巨大的潜能和应用前景,其可以在减少硬件资源成本的同时,并提供对无线电波的更精确控制和高可伸缩性。
步骤204,以抗干扰和抗截获通信系统传输速率最大化为目标函数,发射机的总功率门限信息、非法窃听者信息速率门限信息和智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射面反射波束形成矢量为优化变量,构建待求解的优化模型。
通过发射机和智能反射面联合设计重构无线信道环境,在满足非法窃听方传输速率门限、发射总功率门限和智能反射面各反射单元相位归一化的约束条件下,最大化合法接收机传输速率。
步骤206,将优化模型拆分成第一优化子模型和第二优化子模型。
第一优化子模型为发射机主动发射端优化模型;第二优化子模型为智能反射面反射端优化模型。
步骤208,给定智能反射面反射波束形成矢量,通过符号-定义式变换和引入松弛变量将非法窃听者信息速率门限信息对应的约束条件方程转换为矩阵不等式,通过柯西-施瓦兹不等式将第一优化子模型转换为凸优化模型,通过凸优化工具箱和连续凸逼近算法求解第一优化子模型。
步骤210,给定发射机主动发射波束形成权矢量,通过引入辅助变量,并由数值法确定辅助变量的上界,利用连续凸逼近和惩罚凹凸过程对固定的辅助变量进行智能反射面反射波束形成矢量的优化,得到固定的辅助变量下智能反射面反射波束形成矢量的最优解,并通过区域采样确定最优的辅助变量,从而确定第二优化子模型的最优解。
步骤212,交替求解第一优化子模型和第二优化子模型,并计算每一次迭代的传输速率,当迭代误差小于收敛门限信息时,结束迭代,得到抗干扰和抗截获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和抗截获通信。
上述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中,通过以抗干扰和抗截获通信系统传输速率最大化为目标函数,发射机的总功率门限信息、非法窃听者信息速率门限信息和智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射面反射波束形成矢量为优化变量,构建待求解的优化模型;将优化模型拆分成第一优化子模型和第二优化子模型交替求解,直到达到迭代停止条件,输出抗干扰和抗截获通信系统的最优波束形成矢量。在求解过程中,由于优化问题目标函数的非凸性,本发明利用辅助变量替换、柯西-施瓦兹不等式将原始优化问题转换为可处理的凸优化问题,提出了连续凸近似法和惩罚凸凹法来解决优化问题。本发明提出了在未知CSI下同时进行抗干扰和反窃听的系统模型,从主动改变无线电传输环境的概念出发,跳出了收发机被动适应信道的传统角度,在提升传输速率和通信质量、降低发射功率的同时,实现抗干扰和抗截获的能力提升,推动信息超材料技术在无线通信安全领域应用。
在一个具体实施例中,如图3所示,提供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,包括以下步骤:
步骤一、设置发射机的总功率门限Pmax,非法窃听者信息速率门限τ,收敛门限ε;
步骤二、以传输速率RU最大化为目标函数,在发射机的总功率门限Pmax、非法窃听者信息速率门限τ、智能反射面各反射单元相位归一化为约束条件,优化变量为基站主动发射波束形成矢量wT和智能反射面反射波束形成矢量v,构建优化问题:
C2:||wT||2≤Pmax, (1c)
其中v=[v1,v2,…,vN]T,vn表示智能反射面每个反射单元相位系数,表示抗干扰和抗截获通信系统的传输速率,表示非法窃听方接收信息速率,ΔhJU,ΔHJU和ΔhBE,ΔHBE分别为干扰者-用户链路、干扰者-智能反射面-用户级联链路和基站-窃听者链路、基站-智能反射面-窃听者级联链路的信道状态信息误差。
以及
其中,wJ表示干扰机发射波束形成矢量,表示合法接收机处接收噪声方差,HBU=diag(hIU)GBI,HJU=diag(hIU)GJI,HBE=diag(hIE)GBI,表示智能反射面到合法接收机的信道矢量,表示智能反射面到窃听者的信道矢量,表示发射机到智能反射面的信道矩阵,表示干扰机到智能反射面的信道矩阵。
步骤四、结合一般的符号-定义式变换引入以下参数
C1=C2=-[0M×1wT] (4d)
D1=[v0N×1]I (4e)
D2=I (4f)
凸问题Qw可以通过使用凸优化工具箱来解决因此,利用连续凸逼近可以得到给定v的wT的一阶最优解直到收敛。
步骤五、在干扰机信道信息未知的情况,采用有界信道状态信息模型建模方法即
其中hi和Hi表示在BS端已知的信道状态信息,Δhi和ΔHi表示未知信道状态信息误差,ξh,i,ξH,i表示信道状态信息不确定水平。
通过定义RU(wT,v)≥1来获得η的上界,则
v(n)表示迭代n次后的最优解。
对于固定的γ,通过连续凸逼近和凸优化工具箱求解问题Qv,可以得到近似的一阶最优v,直到收敛。
步骤六:计算本次迭代传输速率R,当(R-R(-1))/R≤ε时,即为收敛;否则返回第三步继续迭代,直至得到最优波束形成矢量。
应该理解的是,虽然图2、3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、3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4所示,提供了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装置,包括:初始化信息获取模块402、优化模型构建模块404、模型拆分模块406、第一优化子模型求解模块408、第二优化子模型求解模块410和迭代模块412,其中:
初始化信息获取模块402,用于获取抗干扰和抗截获通信系统的发射机的总功率门限信息、非法窃听者信息速率门限信息和收敛门限信息;抗干扰和抗截获通信系统包含一个配置多根天线的发射机、一个配置单天线的合法接收机和一个配置多个反射单元的智能反射面,合法接收机周围存在一个配置多根天线的干扰机和一个配置单天线的非法窃听者;
优化模型构建模块404,用于以抗干扰和抗截获通信系统传输速率最大化为目标函数,发射机的总功率门限信息、非法窃听者信息速率门限信息和智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射面反射波束形成矢量为优化变量,构建待求解的优化模型;
模型拆分模块406,用于将优化模型拆分成第一优化子模型和第二优化子模型;第一优化子模型为发射机主动发射端优化模型;第二优化子模型为智能反射面反射端优化模型;
第一优化子模型求解模块408,用于给定智能反射面反射波束形成矢量,通过符号-定义式变换和引入松弛变量将非法窃听者信息速率门限信息对应的约束条件方程转换为矩阵不等式,通过柯西-施瓦兹不等式将第一优化子模型转换为凸优化模型,通过凸优化工具箱和连续凸逼近算法求解第一优化子模型;
第二优化子模型求解模块410,用于给定发射机主动发射波束形成权矢量,通过引入辅助变量,并由数值法确定辅助变量的上界,利用连续凸逼近和惩罚凹凸过程对固定的辅助变量进行智能反射面反射波束形成矢量的优化,得到固定的辅助变量下智能反射面反射波束形成矢量的最优解,并通过区域采样确定最优的辅助变量,从而确定第二优化子模型的最优解;
迭代模块412,用于交替求解第一优化子模型和第二优化子模型,并计算每一次迭代的传输速率,当迭代误差小于收敛门限信息时,结束迭代,得到抗干扰和抗截获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和抗截获通信。
优化模型构建模块404还用于以抗干扰和抗截获通信系统传输速率最大化为目标函数,发射机的总功率门限信息、非法窃听者信息速率门限信息和智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射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:
C2:||wT||2≤Pmax,
其中,wT表示发射机主动发射波束形成权矢量,v表示智能反射面反射波束形成矢量,Pmax表示发射机的总功率门限,τ表示非法窃听者信息速率门限,v=[v1,v2,…,vN]T,vn表示智能反射面每个反射单元相位系数,表示抗干扰和抗截获通信系统的传输速率,表示非法窃听方接收信息速率,ΔhJU,ΔHJU和ΔhBE,ΔHBE分别为干扰者-用户链路、干扰者-智能反射面-用户级联链路和基站-窃听者链路、基站-智能反射面-窃听者级联链路的信道状态信息误差。
优化模型构建模块404还用于对未知信道状态信息误差进行有界信道状态信息模型建模为:
其中,hi和Hi表示在BS端已知的信道状态信息,Δhi和ΔHi表示未知信道状态信息误差,ξh,i,ξH,i表示信道状态信息不确定水平。
模型拆分模块406还用于将优化变量发射机主动发射波束形成权矢量wT和智能反射面反射波束形成矢量v耦合,将优化模型拆分成第一优化子模型和第二优化子模型;
第一优化子模型为:
第二优化子模型为:
其中,wJ表示干扰机发射波束形成矢量,表示合法接收机处接收噪声方差,HBU=diag(hIU)GBI,HJU=diag(hIU)GJI,HBE=diag(hIE)GBI,表示智能反射面到合法接收机的信道矢量,表示智能反射面到窃听者的信道矢量,表示发射机到智能反射面的信道矩阵,表示干扰机到智能反射面的信道矩阵。
第一优化子模型求解模块408还用于给定智能反射面反射波束形成矢量,通过符号-定义式变换引入中间参数B、X1、X2、C1、C2、D1和D2:
C1=C2=-[0M×1wT]
D1=[v0N×1]I
D2=I
其中,I为单位矩阵;
通过柯西-施瓦兹不等式|x|2≥2Re{x(n),*x}-x(n),*x(n),将第一优化子模型转换为凸优化模型为:
通过凸优化工具箱和连续凸逼近算法求解第一优化子模型。
第二优化子模型求解模块410还用于给定发射机主动发射波束形成权矢量,通过引入辅助变量η≥0,将第二优化子模型转换为:
通过定义RU(wT,v)≥1来获得η的上界,则:
对固定的辅助变量η,引入向量b=[b1,b2,…,bN]T和c=[c1,c2,…,cN]T,通过引入惩罚凹凸过程,将第二优化子模型转换为:
通过连续凸逼近和凸优化工具箱求解问题Qv,得到固定的辅助变量下智能反射面反射波束形成矢量的近似一阶最优解,并通过区域采样确定最优的辅助变量,从而确定第二优化子模型的最优解。
迭代模块412还用于交替求解第一优化子模型和第二优化子模型,并计算每一次迭代的传输速率R,当(R-R(-1))/R≤ε时,结束迭代。
迭代模块412还用于根据最后一次迭代输出的发射机主动发射波束形成权矢量配置发射机;根据最后一次迭代输出的智能反射面反射波束形成矢量配置智能反射面;通过发射机和智能反射面调控电磁波传播环境,实现抗干扰和抗截获通信。
关于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装置的具体限定可以参见上文中对于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的限定,在此不再赘述。上述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。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 (10)
1.一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,其特征在于,所述方法包括:
获取抗干扰和抗截获通信系统的发射机的总功率门限信息、非法窃听者信息速率门限信息和收敛门限信息;所述抗干扰和抗截获通信系统包含一个配置多根天线的发射机、一个配置单天线的合法接收机和一个配置多个反射单元的智能反射面,所述合法接收机周围存在一个配置多根天线的干扰机和一个配置单天线的非法窃听者;
以所述抗干扰和抗截获通信系统传输速率最大化为目标函数,所述发射机的总功率门限信息、所述非法窃听者信息速率门限信息和所述智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射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第一优化子模型和第二优化子模型;所述第一优化子模型为发射机主动发射端优化模型;所述第二优化子模型为智能反射面反射端优化模型;
给定智能反射面反射波束形成矢量,通过符号-定义式变换和引入松弛变量将所述非法窃听者信息速率门限信息对应的约束条件方程转换为矩阵不等式,通过柯西-施瓦兹不等式将所述第一优化子模型转换为凸优化模型,通过凸优化工具箱和连续凸逼近算法求解所述第一优化子模型;
给定发射机主动发射波束形成权矢量,通过引入辅助变量,并由数值法确定所述辅助变量的上界,利用连续凸逼近和惩罚凹凸过程对固定的辅助变量进行智能反射面反射波束形成矢量的优化,得到固定的辅助变量下所述智能反射面反射波束形成矢量的最优解,并通过区域采样确定最优的辅助变量,从而确定所述第二优化子模型的最优解;
交替求解所述第一优化子模型和所述第二优化子模型,并计算每一次迭代的传输速率,当迭代误差小于所述收敛门限信息时,结束迭代,得到所述抗干扰和抗截获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和抗截获通信。
2.根据权利要求1所述的方法,其特征在于,以所述抗干扰和抗截获通信系统传输速率最大化为目标函数,所述发射机的总功率门限信息、所述非法窃听者信息速率门限信息和所述智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射面反射波束形成矢量为优化变量,构建待求解的优化模型,包括:
以所述抗干扰和抗截获通信系统传输速率最大化为目标函数,所述发射机的总功率门限信息、所述非法窃听者信息速率门限信息和所述智能反射面各反射单元幅度归一化为约束条件,发射机主动发射波束形成权矢量和智能反射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:
C2:||wT||2≤Pmax,
3.根据权利要求2所述的方法,其特征在于,将所述优化模型拆分成第一优化子模型和第二优化子模型,包括:
将优化变量所述发射机主动发射波束形成权矢量wT和所述智能反射面反射波束形成矢量v耦合,将所述优化模型拆分成第一优化子模型和第二优化子模型;
所述第一优化子模型为:
所述第二优化子模型为:
5.根据权利要求4所述的方法,其特征在于,给定智能反射面反射波束形成矢量,通过符号-定义式变换和引入松弛变量将所述非法窃听者信息速率门限信息对应的约束条件方程转换为矩阵不等式,通过柯西-施瓦兹不等式将所述第一优化子模型转换为凸优化模型,通过凸优化工具箱和连续凸逼近算法求解所述第一优化子模型,包括:
给定智能反射面反射波束形成矢量,通过符号-定义式变换引入中间参数B、X1、X2、C1、C2、D1和D2:
C1=C2=-[0M×1wT]
D1=[v0N×1]I
D2=I
通过柯西-施瓦兹不等式|x|2≥2Re{x(n),*x}-x(n),*x(n),将所述第一优化子模型转换为凸优化模型为:
通过凸优化工具箱和连续凸逼近算法求解所述第一优化子模型。
6.根据权利要求5所述的方法,其特征在于,给定发射机主动发射波束形成权矢量,通过引入辅助变量,并由数值法确定所述辅助变量的上界,利用连续凸逼近和惩罚凹凸过程对固定的辅助变量进行智能反射面反射波束形成矢量的优化,得到所述固定的辅助变量下智能反射面反射波束形成矢量的最优解,并通过区域采样确定最优的辅助变量,从而确定所述第二优化子模型的最优解,包括:
给定发射机主动发射波束形成权矢量,通过引入辅助变量η≥0,将所述第二优化子模型转换为:
通过定义RU(wT,v)≥1来获得η的上界,则:
对固定的辅助变量η,引入向量b=[b1,b2,…,bN]T和c=[c1,c2,…,cN]T,通过引入惩罚凹凸过程,将所述第二优化子模型转换为:
其中,p1,p2为松弛变量;
通过连续凸逼近和凸优化工具箱求解问题Qv,得到所述固定的辅助变量下智能反射面反射波束形成矢量的近似一阶最优解,并通过区域采样确定最优的辅助变量,从而确定所述第二优化子模型的最优解。
7.根据权利要求6所述的方法,其特征在于,交替求解所述第一优化子模型和所述第二优化子模型,并计算每一次迭代的传输速率,当迭代误差小于所述收敛门限信息时,结束迭代,包括:
交替求解所述第一优化子模型和所述第二优化子模型,并计算每一次迭代的传输速率R,当(R-R(-1))/R≤ε时,结束迭代。
8.根据权利要求7所述的方法,其特征在于,所述最优波束形成矢量包括最优发射机主动发射波束形成权矢量和最优智能反射面反射波束形成矢量。
9.根据权利要求8所述的方法,其特征在于,根据所述最优波束形成矢量实现抗干扰和抗截获通信,包括:
根据最后一次迭代输出的发射机主动发射波束形成权矢量配置所述发射机;
根据最后一次迭代输出的智能反射面反射波束形成矢量配置所述智能反射面;
通过所述发射机和所述智能反射面调控电磁波传播环境,实现抗干扰和抗截获通信。
10.根据权利要求1至9任意一项所述的方法,其特征在于,所述智能反射面配置在所述发射机和所述合法接收机之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210038357.3A CN114337765A (zh) | 2022-01-13 | 2022-01-13 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210038357.3A CN114337765A (zh) | 2022-01-13 | 2022-01-13 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114337765A true CN114337765A (zh) | 2022-04-12 |
Family
ID=81027218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210038357.3A Pending CN114337765A (zh) | 2022-01-13 | 2022-01-13 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114337765A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115314094A (zh) * | 2022-05-30 | 2022-11-08 | 安徽师范大学 | 一种基于级联IRSs与合法用户协同安全传输策略分析方法 |
CN116827405A (zh) * | 2023-08-23 | 2023-09-29 | 华南理工大学 | 一种极化分割型信能同传系统 |
WO2024000718A1 (zh) * | 2022-06-30 | 2024-01-04 | 中通服咨询设计研究院有限公司 | 一种基于全向智能超表面的通信和雷达目标检测方法 |
CN117675460A (zh) * | 2023-11-22 | 2024-03-08 | 中国人民解放军国防科技大学 | 一种无线通信系统的抗干扰方法、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102638296A (zh) * | 2012-03-03 | 2012-08-15 | 天津理工大学 | 一种基于智能天线和神经网络算法的抗干扰方法 |
US10069592B1 (en) * | 2015-10-27 | 2018-09-04 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Systems and methods for securing wireless communications |
CN113225119A (zh) * | 2021-05-11 | 2021-08-06 | 中国人民解放军国防科技大学 | 一种基于信息超表面的波束域抗干扰和抗截获通信方法 |
-
2022
- 2022-01-13 CN CN202210038357.3A patent/CN114337765A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102638296A (zh) * | 2012-03-03 | 2012-08-15 | 天津理工大学 | 一种基于智能天线和神经网络算法的抗干扰方法 |
US10069592B1 (en) * | 2015-10-27 | 2018-09-04 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Systems and methods for securing wireless communications |
CN113225119A (zh) * | 2021-05-11 | 2021-08-06 | 中国人民解放军国防科技大学 | 一种基于信息超表面的波束域抗干扰和抗截获通信方法 |
Non-Patent Citations (1)
Title |
---|
YIFU SUN等: ""Intelligent Reflecting Surface Enhanced Secure Transmission Against Both Jamming and Eavesdropping Attacks"", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, VOL. 70, NO. 10, OCTOBER 2021》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115314094A (zh) * | 2022-05-30 | 2022-11-08 | 安徽师范大学 | 一种基于级联IRSs与合法用户协同安全传输策略分析方法 |
CN115314094B (zh) * | 2022-05-30 | 2024-05-24 | 安徽师范大学 | 一种基于级联IRSs与合法用户协同安全传输策略分析方法 |
WO2024000718A1 (zh) * | 2022-06-30 | 2024-01-04 | 中通服咨询设计研究院有限公司 | 一种基于全向智能超表面的通信和雷达目标检测方法 |
CN116827405A (zh) * | 2023-08-23 | 2023-09-29 | 华南理工大学 | 一种极化分割型信能同传系统 |
CN116827405B (zh) * | 2023-08-23 | 2023-11-10 | 华南理工大学 | 一种极化分割型信能同传系统 |
CN117675460A (zh) * | 2023-11-22 | 2024-03-08 | 中国人民解放军国防科技大学 | 一种无线通信系统的抗干扰方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN111954190B (zh) | 基于智能反射面的d2d通信吞吐量最大化的方法及装置 | |
CN112073102B (zh) | 一种智能反射面辅助的安全通信方法和装置 | |
Qi et al. | Integrating sensing, computing, and communication in 6G wireless networks: Design and optimization | |
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 | |
CN113949427B (zh) | 一种多用户无线网络安全能效优化设计方法和系统 | |
CN113422628B (zh) | 基于可重构智能表面和主动干扰的安全传输方法及终端系统 | |
Zhang et al. | Joint beam training and data transmission design for covert millimeter-wave communication | |
CN112202486B (zh) | 多波束卫星通信鲁棒波束成形方法、装置及其存储介质 | |
CN113810908B (zh) | Mec系统安全卸载方法、设备及mec系统 | |
CN116566444A (zh) | 一种基于irs辅助的miso无线携能通信系统能效最大化方法 | |
CN114554527B (zh) | 联合irs技术和sr技术的物联网链路优化方法及系统 | |
CN113507302B (zh) | 一种波束赋形方法、装置和天线系统 | |
CN115334524B (zh) | 一种基于全向智能超表面的通信和雷达目标检测方法 | |
CN114157392B (zh) | 一种分布式irs辅助通信系统安全传输的优化方法 | |
CN113225118B (zh) | 一种基于鲁棒波束成形的信息超表面抗干扰方法 | |
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 | |
Song et al. | Robust beamforming for IRS-Aided multi-cell mmWave communication systems | |
Wen et al. | STAR-RIS Enhanced Cognitive Radio Networks | |
Yang et al. | Decentralized Over-the-Air Federated Learning by Second-Order Optimization Method | |
Yang et al. | Joint Beamforming for RIS-assisted Integrated Communication, Sensing and Power Transfer Systems | |
Zeng et al. | RIS Aided NR-U and Wi-Fi Coexistence in Single Cell and Multiple Cell Networks on Unlicensed Bands | |
Wang et al. | Intelligent Attack Analysis for IRS Communications with Incomplete Information | |
Masood et al. | Multivariable extremum seeking controllers for multi-beam steering using reconfigurable metasurfaces |
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 |