CN115208443A - 基于智能反射面的大规模mimo系统的联合优化方法及装置 - Google Patents

基于智能反射面的大规模mimo系统的联合优化方法及装置 Download PDF

Info

Publication number
CN115208443A
CN115208443A CN202210659596.0A CN202210659596A CN115208443A CN 115208443 A CN115208443 A CN 115208443A CN 202210659596 A CN202210659596 A CN 202210659596A CN 115208443 A CN115208443 A CN 115208443A
Authority
CN
China
Prior art keywords
channel
irs
optimal
optimization
representing
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
Application number
CN202210659596.0A
Other languages
English (en)
Other versions
CN115208443B (zh
Inventor
陈月云
乞香平
王锦涛
买智源
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.)
University of Science and Technology Beijing USTB
Shunde Graduate School of USTB
Original Assignee
University of Science and Technology Beijing USTB
Shunde Graduate School of USTB
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 University of Science and Technology Beijing USTB, Shunde Graduate School of USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202210659596.0A priority Critical patent/CN115208443B/zh
Publication of CN115208443A publication Critical patent/CN115208443A/zh
Application granted granted Critical
Publication of CN115208443B publication Critical patent/CN115208443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • 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
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/80—Jamming or countermeasure characterized by its function
    • H04K3/82—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection
    • 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)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明提供一种基于智能反射面的大规模MIMO系统的联合优化方法、装置、电子设备及存储介质，所述方法包括：构建基于智能反射面的MIMO通信系统模型；基于所述MIMO通信系统模型选择信道模型；基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法、装置、电子设备及存储介质，在提高信号传输速率和安全性的前提下，降低了对硬件的要求和系统的数据运算量。

Description

基于智能反射面的大规模MIMO系统的联合优化方法及装置
技术领域
本发明涉及通信技术领域，尤其涉及一种基于智能反射面的大规模MIMO系统的联合优化方法及装置。
背景技术
作为第五代(5G)和未来移动通信的一个关键技术，Massive MIMO(大规模多输入多输出)技术可以通过大规模天线阵列实现宽小区覆盖，同时利用空间自由度获得高频谱效率，大规模MIMO系统的这些优点，可以满足未来5G时代中飞速增长的数据传输需求。
然而，Massive MIMO系统的全数字预编码会带来巨大系统计算复杂度和系统开销，同时对于基于Massive MIMO系统的信号传输安全性问题也一直是行业内有待优化的关键问题。
发明内容
本发明的目的是提供一种基于智能反射面的大规模MIMO系统的联合优化方法及装置，用于解决现有技术中存在的技术问题。
本发明提供一种基于智能反射面的大规模MIMO系统的联合优化方法，包括：
构建基于智能反射面的MIMO通信系统模型；
基于所述MIMO通信系统模型选择信道模型；
基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。
根据本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法，所述基于智能反射面的MIMO通信系统模型，包括：一个具有Nt根天线的发送端，K个均具有Nb根天线的合法用户，一个具有Ne根天线的窃听者，一个智能反射面。
根据本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法，所述基于所述MIMO通信系统模型选择信道模型，具体包括：
选择多径簇信道模型作为发送端到智能反射面的信道G；
选择莱斯信道模型分别作为智能反射面到合法用户的信道HIB，发送端到合法用户的信道HBB，智能反射面到窃听者的信道HIE，发送端到窃听者的信道HBE。
根据本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法，所述信号传输优化模型为：
Figure BDA0003690086090000021
Figure BDA0003690086090000022
|θn|＝1 n＝1,…,N
Figure BDA0003690086090000023
其中，FRF表示模拟预编码，FBB表示数字预编码，Rs表示安全传输速率，θ表示IRS矩阵，θn表示第n个IRS矩阵的复数单元，P表示最大发射功率，Nt表示发送端天线数目。
根据本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法，所述最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵，具体包括：
令所述安全传输速率取得最大值；
对窃听者信道进行奇异值分解，同时基于所述模拟预编码的恒模约束，得到所述最优模拟预编码；
通过拉格朗日函数取得所述最优数字预编码；
同时基于半正定松弛方法和连续上界最小化算法求得所述最优IRS矩阵。
根据本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法，所述安全传输速率表示为：
Figure BDA0003690086090000031
其中，Rs表示安全传输速率，K表示K个合法用户信道，γb,k表示第k个合法用户的合法用户信噪比，γe,k表示窃听者窃听第k个合法用户的窃听者信噪比。
根据本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法，所述合法用户信噪比表示为：
Figure BDA0003690086090000032
所述窃听者信噪比表示为：
Figure BDA0003690086090000033
其中，HBB,k表示发送端到第k个合法用户的信道，HIB,k表示IRS矩阵到第k个合法用户的信道，θk表示IRS矩阵的第k个复数单元，Gk表示发送端到IRS矩阵的第k个合法用户的信道，FRF表示模拟预编码，FBB表示数字预编码，HBE,k表示发送端到窃听者的第k个信道，HIE,k表示IRS矩阵到窃听者的第k个合法用户的信道，σ2表示噪声功率。
本发明还提供一种基于智能反射面的大规模MIMO系统的联合优化装置，包括：
构建模块，用于构建基于智能反射面的MIMO通信系统模型；
选择模块，用于基于所述MIMO通信系统模型选择信道模型；
优化模块，用于基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于智能反射面的大规模MIMO系统的联合优化方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于智能反射面的大规模MIMO系统的联合优化方法的步骤。
本发明还提供一种计算机程序产品，所计算机程序产品包括有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于智能反射面的大规模MIMO系统的联合优化方法的步骤。
本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法、装置、电子设备及存储介质，通过联合应用Massive MIMO技术和IRS技术，有效提升频谱利用率，解决了复杂通信环境导致的通信双方间不存在直视路径的问题，提供新的通信链路，提升接收端的信号接收强度，控制信号波束更加精确，保证合法用户的信号接收并抑制窃听者的传输速率，提升通信安全性，从而保证了通信的可靠性和安全性；同时，联合混合预编码和物理层安全，在降低了全数字预编码带来的较大计算复杂度和系统开销的同时，降低了对系统硬件的要求，相较于密钥方式，物理层安全的考虑降低了计算复杂度和对通信端硬件的要求，同时提升了存在窃听者系统的安全传输速率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法的流程示意图；
图2是本发明提供的通信系统模型结构示意图；
图3是本发明提供的系统安全传输速率随系统信噪比的变化图；
图4是本发明提供的基于智能反射面的大规模MIMO系统的联合优化装置的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了明确说明书中各参数以及各变量的具体含义，对说明书中后续出现到的各参数和各变量的含义进行说明，具体为：
Nt为发送端天线数目，K为合法用户数目，Nb为每个合法用户的天线数目，Ne为窃听者的天线数目，N为IRS的硬件单元数目，G为发送端到IRS的信道，
Figure BDA0003690086090000051
为N行Nt列的第k个合法用户的复数信道矩阵，HIB为IRS到合法用户的信道，
Figure BDA0003690086090000052
为Nb行N列的第k个合法用户的复数信道矩阵，HBB为发送端到合法用户的信道，
Figure BDA0003690086090000053
为Nb行Nt列的发送端到第k个合法用户的复数信道矩阵，HIB为IRS到窃听者的信道，
Figure BDA0003690086090000054
为Ne行N列的复数信道矩阵，HBE为发送端到窃听者的信道矩阵，
Figure BDA0003690086090000055
为Ne行Nt列的复数信道矩阵，
Figure BDA0003690086090000056
为K×N行K×N列的复数IRS矩阵，
Figure BDA0003690086090000057
为N行N列的第k个IRS复数单元，
Figure BDA0003690086090000058
为1行1列的传输信号，
Figure BDA0003690086090000059
为Nt行NRF列的复数模拟预编码矩阵，
Figure BDA00036900860900000510
为NRF行1列的复数数字预编码矩阵，x为混合预编码处理后的传输信息，yb,k为第k个合法用户的接收信号，nb,k为第k个合法用户的随机噪声，ye为窃听者的接收信号，ne为合法用户端的随机噪声，γb,k为第k个合法用户的信噪比，γe,k为窃听者的信噪比，Rs为安全传输速率，
Figure BDA0003690086090000061
为基站到合法用户的直视路径和非直视路径的信道和，
Figure BDA0003690086090000062
为基站到窃听者的直视路径和非直视路径的信道和，
Figure BDA0003690086090000063
为
Figure BDA0003690086090000064
奇异值分解后非零奇异值组成的对角阵，
Figure BDA0003690086090000065
和
Figure BDA0003690086090000066
则是与之对应的左奇异向量和右奇异向量，Hs为安全信道，I为单位矩阵，
Figure BDA0003690086090000067
为Nt行1列的复数线性解码矩阵，
Figure BDA0003690086090000068
为1行1列的复数引入变量，
Figure BDA0003690086090000069
为Ne行Ne列的复数引入变量。
图1是本发明提供的基于智能反射面的大规模MIMO系统的联合优化方法的流程示意图之一，该方法应用于操作系统，如图1所示，所述方法包括：
S110，构建基于智能反射面的MIMO通信系统模型；
S120，基于所述MIMO通信系统模型选择信道模型；
S130，基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。
需要说明的是，步骤S110中所述基于智能反射面的MIMO通信系统模型，包括：一个具有Nt根天线的发送端，K个均具有Nb根天线的合法用户，一个具有Ne根天线的窃听者，一个智能反射面。
图2是本发明提供的通信系统模型结构示意图，如图2所示，该通信系统包括一个发送端Alice，Bob1、Bob1……Bobk，共K个合法用户，一个窃听者Eve，一个智能反射面IRS，且除了发送端Alice与智能反射面IRS之间采用G信道外，其他信号发送方与信号接收方之间均采用H信道。
在本通信系统模型中，通过智能发射面的加入，实现了对Massive MIMO技术和IRS技术的联合应用，有效提升频谱利用率，解决了复杂通信环境导致的通信双方间不存在直视路径的问题，提供新的通信链路，提升接收端的信号接收强度，控制信号波束更加精确，保证合法用户的信号接收并抑制窃听者的传输速率，提升通信安全性，从而保证了通信的可靠性和安全性。
需要说明的是，步骤S120中所述基于所述MIMO通信系统模型选择信道模型，具体包括：选择多径簇信道模型作为发送端到智能反射面的信道G；选择莱斯信道模型分别作为智能反射面到合法用户的信道HIB，发送端到合法用户的信道HBB，智能反射面到窃听者的信道HIE，发送端到窃听者的信道HBE，具体为：
G＝[G1,G2,…,GK]为发送端到IRS的信道，对于
Figure BDA0003690086090000071
Figure BDA0003690086090000072
HIB＝[HIB,1,HIB,2,…,HIB,K]为IRS到合法用户的信道，对于
Figure BDA0003690086090000073
Figure BDA0003690086090000074
为IRS到第K个合法用户的信道。HBB＝[HBB,1,HBB,2,…,HBB,K]为发送端到合法用户的信道，对于
Figure BDA0003690086090000075
Figure BDA0003690086090000076
为发送端到第K个合法用户的信道。HIE＝[HIE,1,HIE,2,…,HIE,K]为IRS到窃听者的信道，对于
Figure BDA0003690086090000077
Figure BDA0003690086090000078
HBE＝[HBE,1,HBE,2,…,HBE,K]为发送端到窃听者的信道矩阵，其中对于
Figure BDA0003690086090000079
Figure BDA00036900860900000710
在本通信系统模型中，通过基于实际需求对通信系统中各个信号发送方和信号接收方之间选择不同的信道类型，具体为多径簇信道模型G和莱斯信道模型H，基于此，有利于提高通信信号在该通信系统的中的传输效率，确保信号的高效传输。
需要说明的是，步骤S130中所述信号传输优化模型为：
Figure BDA0003690086090000081
Figure BDA0003690086090000082
|θn|＝1 n＝1,…,N
Figure BDA0003690086090000083
其中，FRF表示模拟预编码，FBB表示数字预编码，Rs表示安全传输速率，θ表示IRS矩阵，θn表示第n个IRS矩阵的复数单元，P表示最大发射功率，Nt表示发送端天线数目。在上述信号传输优化模型中，要求整个系统的总发射功率小于等于P，且令IRS矩阵中的每个复数单元的幅值均限定为1，如此可确保幅值不变而只调节相位，进而提高运算速率。
需要说明的是，步骤S130中所述安全传输速率表示为：
Figure BDA0003690086090000084
其中，Rs表示安全传输速率，K表示K个合法用户信道，γb,k表示第k个合法用户的合法用户信噪比，γe,k表示窃听者窃听第k个合法用户的窃听者信噪比。
基于合法用户信噪比公式和窃听者信噪比公式具体得到上述安全传输速率公式，而合法用户信噪比公式具体表示为：
Figure BDA0003690086090000085
窃听者信噪比公式具体表示为：
Figure BDA0003690086090000086
其中，HBB,k表示发送端到第k个合法用户的信道，HIB,k表示IRS矩阵到第k个合法用户的信道，θk表示IRS矩阵的第k个复数单元，Gk表示发送端到IRS矩阵的第k个合法用户的信道，FRF表示模拟预编码，FBB表示数字预编码，HBE,k表示发送端到窃听者的第k个信道，HIE,k表示IRS矩阵到窃听者的第k个合法用户的信道，σ2表示噪声功率。
对于通过合法用户信噪比公式和窃听者信噪比公式得到系统的安全传输速率公式的具体计算过程如下：
Figure BDA0003690086090000091
为传输信号且满足E{ssH}＝1，
Figure BDA0003690086090000092
为模拟预编码，
Figure BDA0003690086090000093
为数字预编码，
Figure BDA0003690086090000094
为
Figure BDA0003690086090000095
的第k部分且K个部分均相同只是为矩阵计算提供便利，
Figure BDA0003690086090000096
为
Figure BDA0003690086090000097
的第k部分且K个部分均相同只是为矩阵计算提供便利，故混合预编码处理后的信息为：x＝FRFFBBs；
第k个合法用户的接收信号为：yb,k＝(HBB,k+HIB,kθkGk)x+nb,k，其中，nb,k为合法用户端的随机噪声，其服从
Figure BDA0003690086090000098
窃听者的接收信号为：ye＝(HBE,k+HIE,kθkGk)x+ne，其中，ne为合法用户端的随机噪声，其服从
Figure BDA0003690086090000099
第k个合法用户的信噪比为：
Figure BDA00036900860900000910
窃听者的信噪比为：
Figure BDA00036900860900000911
优化安全传输速率为：
Figure BDA00036900860900000912
IRS辅助Massive MIMO系统下的安全混合预编码的优化问题较为复杂，本发明首先对系统模型进行系列的等效变换，在变换后模型的基础上分别求解模拟预编码、数字预编码和IRS矩阵。
首先定义矩阵
Figure BDA00036900860900000913
和
Figure BDA00036900860900000914
对最优安全传输速率进行等价变换：
Figure BDA0003690086090000101
需要说明的是，步骤S130中所述最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵，具体包括：
令所述安全传输速率取得最大值；对窃听者信道进行奇异值分解，同时基于所述模拟预编码的恒模约束，得到所述最优模拟预编码；通过拉格朗日函数取得所述最优数字预编码；同时基于半正定松弛方法和连续上界最小化算法求得所述最优IRS矩阵。
具体运算过程如下：
A.模拟预编码：
首先对窃听信道
Figure BDA0003690086090000102
进行奇异值分解，得到
Figure BDA0003690086090000103
为非零奇异值组成的对角阵，
Figure BDA0003690086090000104
和
Figure BDA0003690086090000105
则是与之对应的左奇异向量和右奇异向量。安全信道可表示为：
Figure BDA0003690086090000106
基于安全信道，模拟预编码问题可表示为如下形式：
FRF＝arg max{HsFRF}
Figure BDA0003690086090000107
通过对安全信道的奇异值分解Hs＝SV2DH，并考虑到模拟预编码的恒模约束，模拟预编码可表示为：
Figure BDA0003690086090000108
B.数字预编码：
1.引入变量，令
Figure BDA0003690086090000109
为线性解码矩阵，则解码后信号与传输信号间的均方误差为：
Figure BDA00036900860900001010
此时，引入变量WI≥0，
Figure BDA00036900860900001011
则可得到：
Figure BDA0003690086090000111
进而可知解码矩阵最优解为：
Figure BDA0003690086090000112
引入变量的最优解为：
Figure BDA0003690086090000113
类似地，引入变量WX≥0，
Figure BDA0003690086090000114
使到：
Figure BDA0003690086090000115
其中，
Figure BDA0003690086090000116
进而得到引入变量的最优解：
Figure BDA0003690086090000117
令T＝[UI,WI,WX,FBB,θ]，则安全传输速率可表示为：
Figure BDA0003690086090000118
将变换后的安全传输速率带入系统模型得：
Figure BDA0003690086090000119
对最优目标进行等效变换后，系统模型为：
Figure BDA00036900860900001110
其中，
Figure BDA00036900860900001111
将上述问题分为数字预编码和IRS矩阵两个部分求解，则数字预编码问题为：
Figure BDA0003690086090000121
该问题的拉格朗日函数为：
Figure BDA0003690086090000122
则数字预编码得最优目标为：
Figure BDA0003690086090000123
此时得数字预编码问题模型为：
Figure BDA0003690086090000124
则数字预编码的最优解为：
Figure BDA0003690086090000125
C.IRS矩阵：
此时，IRS矩阵求解模型为：
Figure BDA0003690086090000126
其中，g0(θ)＝Tr(θHDH)+Tr(θD)+Tr(θHBVθCV)+Ct，
Figure BDA00036900860900001210
Figure BDA0003690086090000127
由于
Figure BDA0003690086090000128
Tr(ψHDH)＝dH(φ*)，Tr(ψD)＝φTd，d＝[[D]1,1,…,[D]M,M]T，则IRS矩阵求解模型可变换为：
Figure BDA0003690086090000129
其中，
Figure BDA0003690086090000131
则求解模型等价为：
Figure BDA0003690086090000132
该问题则可以通过半正定松弛方法和连续上界最小化算法寻找最优IRS矩阵。
本发明考虑IRS辅助Massive MIMO系统下的多用户安全混合预编码，基于系统信息安全传输要求，结合IRS和安全混合预编码，构建以安全传输速率为优化目标的函数，并利用安全传输速率目标函数建立以模拟预编码、数字预编码以及IRS矩阵为优化变量的信号传输优化模型。其中，信号传输优化模型以安全传输速率为优化目标，以传输总功率、模拟预编码的恒模特点和IRS单元的恒模特点为约束条件。针对提出的优化模型，并采用基于凸优化和拉格朗日函数的算法来获得优化问题的近似解，基于以上过程实现了对通信信号的安全高效传输，且同时降低了整个系统的运算量，有利于降低能耗和对于硬件的性能要求。
图3是本发明提供的系统安全传输速率随系统信噪比的变化图，如图3所示，以信噪比为横坐标，系统的安全传输速率建立平面直角坐标系，并且从上至下列出了采用不同优化方法条件下安全传输速率关于信噪比的变化曲线，几种不同优化方法分别为：第一种：本发明中所采用的优化方法，即在考虑物理层安全的前提下，同时设置智能反射面；第二种：不考虑物理层安全而只设置智能反射面；第三种：考虑物理层安全但不设置智能反射面；第四种：不考虑物理层安全且不设置智能反射面。基于图3中的各变化曲线可以得知：不论采用哪种优化方法，在信噪比的一定区间内，安全传输速率随着信噪比的增加而增加，且曲线上各切点的斜率随着信噪比的增加也在增加；与此同时，本发明所采用的优化方法，即在考虑物理层安全的同时设置智能反射面，对于给定的信噪比值，其对应的安全传输速率值是最大的，这说明采用本发明中的优化方法可以最大程度上提升通信系统中信号的传输速率，确保信号在各信号发送方与信号接收方之间的高效传输。
图4是本发明提供的基于智能反射面的大规模MIMO系统的联合优化装置的结构示意图，如图4所示，所述联合优化装置400包括：
构建模块410，用于构建基于智能反射面的MIMO通信系统模型；
选择模块420，用于基于所述MIMO通信系统模型选择信道模型；
优化模块430，用于基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。
本发明提供的基于智能反射面的大规模MIMO系统的联合优化装置，通过联合应用Massive MIMO技术和IRS技术，有效提升频谱利用率，解决了复杂通信环境导致的通信双方间不存在直视路径的问题，提供新的通信链路，提升接收端的信号接收强度，控制信号波束更加精确，保证合法用户的信号接收并抑制窃听者的传输速率，提升通信安全性，从而保证了通信的可靠性和安全性；同时，联合混合预编码和物理层安全，在降低了全数字预编码带来的较大计算复杂度和系统开销的同时，降低了对系统硬件的要求，相较于密钥方式，物理层安全的考虑降低了计算复杂度和对通信端硬件的要求，同时提升了存在窃听者系统的安全传输速率。
图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行基于智能反射面的大规模MIMO系统的联合优化方法，该方法包括：构建基于智能反射面的MIMO通信系统模型；基于所述MIMO通信系统模型选择信道模型；
基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的基于智能反射面的大规模MIMO系统的联合优化方法，该方法包括：构建基于智能反射面的MIMO通信系统模型；基于所述MIMO通信系统模型选择信道模型；基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的基于智能反射面的大规模MIMO系统的联合优化方法，该方法包括：构建基于智能反射面的MIMO通信系统模型；基于所述MIMO通信系统模型选择信道模型；基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于智能反射面的大规模MIMO系统的联合优化方法，其特征在于，包括：
构建基于智能反射面的MIMO通信系统模型；
基于所述MIMO通信系统模型选择信道模型；
基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。
2.根据权利要求1所述的联合优化方法，其特征在于，所述基于智能反射面的MIMO通信系统模型，包括：一个具有Nt根天线的发送端，K个均具有Nb根天线的合法用户，一个具有Ne根天线的窃听者，一个智能反射面。
3.根据权利要求1所述的联合优化方法，其特征在于，所述基于所述MIMO通信系统模型选择信道模型，具体包括：
选择多径簇信道模型作为发送端到智能反射面的信道G；
选择莱斯信道模型分别作为智能反射面到合法用户的信道HIB，发送端到合法用户的信道HBB，智能反射面到窃听者的信道HIE，发送端到窃听者的信道HBE。
4.根据权利要求1所述的联合优化方法，其特征在于，所述信号传输优化模型为：
Figure FDA0003690086080000011
Figure FDA0003690086080000012
|θn|＝1 n＝1,…,N
Figure FDA0003690086080000013
其中，FRF表示模拟预编码，FBB表示数字预编码，Rs表示安全传输速率，θ表示IRS矩阵，θn表示第n个IRS矩阵的复数单元，P表示最大发射功率，Nt表示发送端天线数目。
5.根据权利要求1所述的联合优化方法，其特征在于，所述最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵，具体包括：
令所述安全传输速率取得最大值；
对窃听者信道进行奇异值分解，同时基于所述模拟预编码的恒模约束，得到所述最优模拟预编码；
通过拉格朗日函数取得所述最优数字预编码；
同时基于半正定松弛方法和连续上界最小化算法求得所述最优IRS矩阵。
6.根据权利要求1所述的联合优化方法，其特征在于，所述安全传输速率表示为：
Figure FDA0003690086080000021
其中，Rs表示安全传输速率，K表示K个合法用户信道，γb,k表示第k个合法用户的合法用户信噪比，γe,k表示窃听者窃听第k个合法用户的窃听者信噪比。
7.根据权利要求6所述的联合优化方法，其特征在于，所述合法用户信噪比表示为：
Figure FDA0003690086080000022
所述窃听者信噪比表示为：
Figure FDA0003690086080000023
其中，HBB,k表示发送端到第k个合法用户的信道，HIB,k表示IRS矩阵到第k个合法用户的信道，θk表示IRS矩阵的第k个复数单元，Gk表示发送端到IRS矩阵的第k个合法用户的信道，FRF表示模拟预编码，FBB表示数字预编码，HBE,k表示发送端到窃听者的第k个信道，HIE,k表示IRS矩阵到窃听者的第k个合法用户的信道，σ2表示噪声功率。
8.一种基于智能反射面的大规模MIMO系统的联合优化装置，其特征在于，包括：
构建模块，用于构建基于智能反射面的MIMO通信系统模型；
选择模块，用于基于所述MIMO通信系统模型选择信道模型；
优化模块，用于基于所述信道模型，构建信号传输优化模型，所述信号传输优化模型以安全传输速率为优化目标，以模拟预编码、数字预编码以及IRS矩阵为优化变量；最大化所述安全传输速率，得到最优模拟预编码、最优数字预编码以及最优IRS矩阵。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于智能反射面的大规模MIMO系统的联合优化方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于智能反射面的大规模MIMO系统的联合优化方法的步骤。
CN202210659596.0A 2022-06-13 2022-06-13 基于智能反射面的大规模mimo系统的联合优化方法及装置 Active CN115208443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210659596.0A CN115208443B (zh) 2022-06-13 2022-06-13 基于智能反射面的大规模mimo系统的联合优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210659596.0A CN115208443B (zh) 2022-06-13 2022-06-13 基于智能反射面的大规模mimo系统的联合优化方法及装置

Publications (2)

Publication Number Publication Date
CN115208443A true CN115208443A (zh) 2022-10-18
CN115208443B CN115208443B (zh) 2023-10-31

Family

ID=83576270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210659596.0A Active CN115208443B (zh) 2022-06-13 2022-06-13 基于智能反射面的大规模mimo系统的联合优化方法及装置

Country Status (1)

Country Link
CN (1) CN115208443B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111355520A (zh) * 2020-03-10 2020-06-30 电子科技大学 一种智能反射表面辅助的太赫兹安全通信系统设计方法
CN113037346A (zh) * 2021-03-12 2021-06-25 重庆邮电大学 Irs与人工噪声辅助的mimo系统物理层安全设计方法
KR102287794B1 (ko) * 2021-04-29 2021-08-09 세종대학교산학협력단 밀리미터파 기반의 다중 사용자 대규모 mimo 기반의 하이브리드 빔포밍 시스템 및 이에 적용되는 아날로그 프리코더 행렬 획득 방법
WO2021221603A1 (en) * 2020-04-27 2021-11-04 Nokia Technologies Oy Ue positioning aided by reconfigurable reflecting surfaces such as intelligent reflecting surfaces (irs)
CN113660017A (zh) * 2021-09-16 2021-11-16 重庆邮电大学 一种irs辅助的双功能雷达通信系统的sinr最大化方法
CN113852401A (zh) * 2021-08-27 2021-12-28 电子科技大学 一种面向多用户irs的光与无线智能融合安全接入方法
CN113973305A (zh) * 2021-10-26 2022-01-25 西安电子科技大学 搭载于无人机上的智能反射面位置和波束联合优化方法
CN114422056A (zh) * 2021-12-03 2022-04-29 北京航空航天大学 基于智能反射面的空地非正交多址接入上行传输方法
CN114598363A (zh) * 2022-02-09 2022-06-07 国网电力科学研究院有限公司 一种面向3d空间无线信道的大规模mimo安全预编码方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111355520A (zh) * 2020-03-10 2020-06-30 电子科技大学 一种智能反射表面辅助的太赫兹安全通信系统设计方法
US20210288698A1 (en) * 2020-03-10 2021-09-16 University Of Electronic Science And Technology Of China Method for Intelligent Reflecting Surface Aided Terahertz Secure Communication System
WO2021221603A1 (en) * 2020-04-27 2021-11-04 Nokia Technologies Oy Ue positioning aided by reconfigurable reflecting surfaces such as intelligent reflecting surfaces (irs)
CN113037346A (zh) * 2021-03-12 2021-06-25 重庆邮电大学 Irs与人工噪声辅助的mimo系统物理层安全设计方法
KR102287794B1 (ko) * 2021-04-29 2021-08-09 세종대학교산학협력단 밀리미터파 기반의 다중 사용자 대규모 mimo 기반의 하이브리드 빔포밍 시스템 및 이에 적용되는 아날로그 프리코더 행렬 획득 방법
CN113852401A (zh) * 2021-08-27 2021-12-28 电子科技大学 一种面向多用户irs的光与无线智能融合安全接入方法
CN113660017A (zh) * 2021-09-16 2021-11-16 重庆邮电大学 一种irs辅助的双功能雷达通信系统的sinr最大化方法
CN113973305A (zh) * 2021-10-26 2022-01-25 西安电子科技大学 搭载于无人机上的智能反射面位置和波束联合优化方法
CN114422056A (zh) * 2021-12-03 2022-04-29 北京航空航天大学 基于智能反射面的空地非正交多址接入上行传输方法
CN114598363A (zh) * 2022-02-09 2022-06-07 国网电力科学研究院有限公司 一种面向3d空间无线信道的大规模mimo安全预编码方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YAQIONG ZHAO ET AL.: "Joint Transceiver and Passive Beamforming Optimization for RIS-Assisted MIMO Systems", 《2021 13TH INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATION AND SGINAL PROCESSING》 *
郭雅婧: "面向智能反射表面通信系统的联合波束赋形算法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *
陈文杰: "基于智能反射表面的太赫兹传输关键技术研究", 《硕士论文》 *

Also Published As

Publication number Publication date
CN115208443B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
CN112235026B (zh) 一种mimo-ofdma太赫兹通信系统的混合波束设计方法
CN106603130B (zh) 一种大规模mimo系统中数模混合预编码方法
CN111447618A (zh) 一种基于安全通信的智能反射面能效最大资源分配方法
CN111147113B (zh) 一种能效保障的多波束卫星通信鲁棒预编码方法
CN109861731B (zh) 一种混合预编码器及其设计方法
CN112260737B (zh) 总能效与最小能效权衡的多波束卫星通信鲁棒预编码方法
CN110138427B (zh) 基于部分连接的大规模多输入多输出混合波束赋形算法
CN113949427B (zh) 一种多用户无线网络安全能效优化设计方法和系统
CN113660051B (zh) 毫米波通信系统的能效最大化方法和系统
CN110086515B (zh) 一种mimo-noma系统上行预编码设计方法
CN110233649B (zh) 一种基于毫米波mimo系统的动态子阵列设计方法
CN115733530A (zh) 一种可重构智能表面辅助毫米波通信的联合预编码方法
CN112994762B (zh) 基于统计csi的mimo-noma下行自适应无线传输方法
CN107659348B (zh) 一种基于slnr和thp混合自适应预编码设计方法
Feng et al. mmWave RIS-Assisted SIMO Channel Estimation Based on Global Attention Residual Network
CN112398513A (zh) 一种massive MIMO系统的波束赋形方法
CN112054826A (zh) 一种基于中间信道的单用户低复杂度混合预编码方法
CN114337902B (zh) 一种irs辅助的毫米波多小区间干扰的抑制方法
CN115208443A (zh) 基于智能反射面的大规模mimo系统的联合优化方法及装置
Feng et al. Hybrid precoding for massive MIMO systems using partially-connected phase shifter network
CN116056118A (zh) 基于主被动混合智能超表面的无线通信传输方法及系统
CN112636800B (zh) 基于毫米波大规模mimo多用户场景的混合预编码方法
CN112165344B (zh) 一种基于梯度下降法的混合预编码方法
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
CN114157392A (zh) 一种分布式irs辅助通信系统安全传输的优化方法

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