CN115276878A - 基于逆迭代和流形优化的智能反射面安全速率确定方法及装置 - Google Patents
基于逆迭代和流形优化的智能反射面安全速率确定方法及装置 Download PDFInfo
- Publication number
- CN115276878A CN115276878A CN202210749960.2A CN202210749960A CN115276878A CN 115276878 A CN115276878 A CN 115276878A CN 202210749960 A CN202210749960 A CN 202210749960A CN 115276878 A CN115276878 A CN 115276878A
- Authority
- CN
- China
- Prior art keywords
- reflecting surface
- optimization
- intelligent
- phase shift
- artificial noise
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
- H04K1/00—Secret communication
- H04K1/02—Secret communication by adding a second signal to make the desired signal unintelligible
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种基于逆迭代和流形优化的智能反射面安全速率确定方法及装置,该方法为:建立智能反射面辅助的安全通信系统模型,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题,初始化有用信号波束成形向量和人工噪声;固定智能反射面相移矩阵,利用广义逆迭代法优化有用信号波束成形向量和人工噪声;固定波束成形向量和人工噪声,利用流形法优化智能反射面的相移矩阵;计算波束成形向量、人工噪声和智能反射面相移矩阵更新前、后的安全速率之差的绝对值,直到满足条件。该装置包括模型构建模块、初始化模块、第一优化模块、第二优化模块、循环计算及判定模块。本发明降低了硬件成本,提高了无线传输的安全速率和安全性能。
Description
技术领域
本发明涉及无线通信技术领域,特别是一种基于逆迭代和流形优化的智能反射面安全速率确定方法及装置。
背景技术
近年来,随着无线通信技术飞跃性的创新发展,无线网络已广泛应用于民用和军事领域。但是,由于电磁信号传播的广播特性和无线信道的开放性,与物理传输介质相对封闭的有线通信相比,无线数据传输更容易被窃听,信息的安全问题愈发引人的关注。因此,如何保障通信安全是研究无线网络的一个关键性问题。
物理层安全技术利用通信系统的物理层特性如热噪声、干扰和衰落信道的时变特性来实现保密,并利用传输信道的内在随机性来保证物理层的安全。作为一种新兴的安全的物理层传输技术,智能反射面近些年来引起了学术界和工业界的广泛关注。它的基本思想是通过在平面上集成大量低成本的无源反射元件,并且每个无源反射元件都能对入射的信号独立地产生一个可控的振幅或相位变化,从而智能地重新配置无线传播环境。
智能反射面通过主动地控制无线传播环境,在三维空间中实现信号传播方向调控,给通信系统增加了设计的自由度。由于智能反射面不要求传输射频链的使用,并且只在短距离内工作,因此它可以密集部署,具有更低的硬件成本和能耗,而无需进行复杂的干扰管理。在安全通信中,智能反射面能够对反射信号进行调谐,提高合法用户的数据速率并且降低窃听者的数据速率,从而有效减少信息泄露,可以在不部署其他昂贵且耗能的通信基础架构的情况下,增强系统的安全性能。
然而,在窃听者联合起来进行协作窃听的情况下,窃听者的截获能力得到增强,传统的安全速率最大化设计方法将不再适用,加入人工噪声后安全速率最大化的设计变得更加困难。因此,如何使安全速率得到提升,同时实现信息的可靠传输,成为智能反射面设计的研究重点。
发明内容
本发明的目的在于提供一种硬件成本低、抗联合窃听、安全速率高、安全传输性能高的基于逆迭代和流形优化的智能反射面安全速率确定方法及装置。
实现本发明目的的技术解决方案为:一种基于逆迭代和流形优化的智能反射面安全速率确定方法,包括以下步骤:
步骤1、建立智能反射面辅助的安全通信系统模型,定义通信系统的安全速率和,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题;
步骤2、根据信道结构和系统最大传输功率,将人工噪声作为有用信号,初始化有用信号波束成形向量和人工噪声;
步骤3、固定智能反射面相移矩阵,利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声,并获取最大特征值所对应的特征向量;
步骤4、固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵;
步骤5、计算波束成形向量、人工噪声和智能反射面相移矩阵更新前、后所对应的安全速率之差的绝对值,判断该绝对值是否小于设定阈值:如果不小于,则返回步骤2;如果小于,则终止计算,输出智能反射面的最大安全速率。
一种基于逆迭代和流形优化的智能反射面安全速率确定装置,包括以下模块:
模型构建模块,用于建立智能反射面辅助的安全通信系统模型,定义通信系统的安全速率和,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题;
初始化模块,用于根据信道结构和系统最大传输功率,将人工噪声作为有用信号,初始化有用信号波束成形向量和人工噪声;
第一优化模块,用于固定智能反射面相移矩阵,利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声,并获取最大特征值所对应的特征向量;
第二优化模块,用于固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵;
循环计算及判定模块,用于计算波束成形向量、人工噪声和智能反射面相移矩阵更新前、后所对应的安全速率之差的绝对值,判断该绝对值是否小于设定阈值:如果不小于,则返回第一优化模块;如果小于,则终止计算,输出智能反射面的最大安全速率。
一种移动终端,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所述的基于逆迭代和流形优化的智能反射面安全速率确定方法。
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述基于逆迭代和流形优化的智能反射面安全速率确定方法中的步骤。
本发明与现有技术相比,其显著优点在于:(1)削弱了联合窃听者协作截获隐私信息的能力,提高了无线网络的安全性;(2)通过广义逆迭代算法和流形优化方法更新有用信号波束成形向量、人工噪声和智能反射面的相移矩阵,并计算对应的安全速率,可以得到较高的安全速率,提升系统安全传输性能;(3)计算过程简单,求解复杂度低,收敛速度快;(4)无需新增设备,降低了硬件成本。
附图说明
图1为本发明基于逆迭代和流形优化的智能反射面安全速率确定方法的流程图。
具体实施方式
本发明一种基于逆迭代和流形优化的智能反射面安全速率确定方法,包括以下步骤:
步骤1、建立智能反射面辅助的安全通信系统模型,定义通信系统的安全速率和,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题;
步骤2、根据信道结构和系统最大传输功率,将人工噪声作为有用信号,初始化有用信号波束成形向量和人工噪声;
步骤3、固定智能反射面相移矩阵,利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声,并获取最大特征值所对应的特征向量;
步骤4、固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵;
步骤5、计算波束成形向量、人工噪声和智能反射面相移矩阵更新前、后所对应的安全速率之差的绝对值,判断该绝对值是否小于设定阈值:如果不小于,则返回步骤2;如果小于,则终止计算,输出智能反射面的最大安全速率。
作为一种具体实施例,步骤1所述的建立智能反射面辅助的安全通信系统模型,定义通信系统的安全速率和,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题,具体如下:
步骤1.1、建立智能反射面辅助的安全通信系统模型,其中基站采用阵元均匀线性阵列,期望用户和窃听用户均为单天线接收机,且窃听用户们联合进行协作窃听,智能反射面具有N个反射单元,基站天线个数为M,期望用户个数为K,窃听用户个数为L;
基站的发射信号x为:
经过信道的传输,在期望用户Bob处和窃听用户Eve处的接收信号分别为:
其中分别为反射面与Bob和Eve间的信道, 分别为基站到Bob和Eve间直达路径的信道,(·)H代表向量或者矩阵的共轭转置,为基站与反射面间的信道,为反射面的相移矩阵,nbk和nel分别是Bob和Eve的加性高斯白噪声,服从分布 和是噪声的方差;分别代表N×M、1×N、1×M的复值向量,
步骤1.2、定义系统的安全速率和为:
步骤1.3、建立用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题为:
其中P是基站的最大传输功率,|Θnn|=1指反射面的对角相移矩阵中每一项元素需满足模为1的约束。
作为一种具体实施例,步骤2所述的根据信道结构和系统最大传输功率,将人工噪声作为有用信号,初始化有用信号波束成形向量和人工噪声,具体如下:
其中
Bk=Ak-blkdiag(0,…,Pk,…,0) (10)
其中
作为一种具体实施例,步骤3所述的固定智能反射面相移矩阵,利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声,并获取最大特征值所对应的特征向量,具体如下:
步骤3.1、当式(7)优化问题P1中智能反射面相移矩阵固定时,优化问题转换为:
作为一种具体实施例,步骤4所述的固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵,具体如下:
步骤4.1、当式(7)优化问题P1中波束成形向量和人工噪声固定时,优化问题转换为:
步骤4.2、将优化问题中的模一约束视为流形,用流形优化的方法,优化智能反射面的相移矩阵:
首先计算出目标函数的黎曼梯度,即
接着更新黎曼梯度的搜索方向
其中βj为Armijo搜索步长;
最后将新得到的点归一化到流形上
如此循环迭代得到最佳相移。
本发明一种基于逆迭代和流形优化的智能反射面安全速率确定装置,包括以下模块:
模型构建模块,用于建立智能反射面辅助的安全通信系统模型,定义通信系统的安全速率和,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题;
初始化模块,用于根据信道结构和系统最大传输功率,将人工噪声作为有用信号,初始化有用信号波束成形向量和人工噪声;
第一优化模块,用于固定智能反射面相移矩阵,利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声,并获取最大特征值所对应的特征向量;
第二优化模块,用于固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵;
循环计算及判定模块,用于计算波束成形向量、人工噪声和智能反射面相移矩阵更新前、后所对应的安全速率之差的绝对值,判断该绝对值是否小于设定阈值:如果不小于,则返回第一优化模块;如果小于,则终止计算,输出智能反射面的最大安全速率。
作为一种具体实施例,所述模型构建模块,包括:
安全通信系统模型构建单元,用于建立智能反射面辅助的安全通信系统模型,其中基站采用阵元均匀线性阵列,期望用户和窃听用户均为单天线接收机,且窃听用户们联合进行协作窃听,智能反射面具有N个反射单元,基站天线个数为M,期望用户个数为K,窃听用户个数为L;根据基站的发射信号、期望用户Bob处和窃听用户Eve处的接收信号,获得Bob处的可达速率和Eve处的可达速率;
安全速率和定义单元,用于根据Bob处的可达速率和Eve处的可达速率,计算系统的安全速率和;
优化问题构建单元,用于建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题。
作为一种具体实施例,所述第一优化模块,包括:
第一优化子问题转换单元,用于将原始有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题,转换为智能反射面相移矩阵固定时的子优化问题;
特征向量计算单元,用于利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声,并获取最大特征值所对应的特征向量;
所述第二优化模块,包括:
第二优化子问题转换单元,用于将原始有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题,转换为智能反射面波束成形向量和人工噪声固定时的子优化问题;
相移矩阵优化单元,用于将优化问题中的模一约束视为流形,用流形优化的方法,优化智能反射面的相移矩阵。
本发明一种移动终端,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,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5中任一项所述的基于逆迭代和流形优化的智能反射面安全速率确定方法。
本发明一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求1至5中任一项所述基于逆迭代和流形优化的智能反射面安全速率确定方法中的步骤。
下面结合附图和具体实施例对本发明作进一步的详细说明。
实施例
结合图1,本发明给出一种基于逆迭代和流形优化的智能反射面安全速率确定方法及装置,包括以下步骤:
步骤1、建立智能反射面辅助的安全通信系统模型,定义通信系统的安全速率和,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题,具体如下:
步骤1.1、建立智能反射面辅助的安全通信系统模型,其中基站采用阵元均匀线性阵列,期望用户和窃听用户均为单天线接收机,且窃听用户们联合进行协作窃听,智能反射面具有M个反射单元,基站天线个数为M,期望用户个数为K,窃听用户个数为L;
基站的发射信号为:
经过信道的传输,在期望用户Bob处和窃听用户Eve处的接收信号分别为:
其中分别为反射面与Bob和Eve间的信道, 分别为基站到Bob和Eve间直达路径的信道,(·)H代表向量或者矩阵的共轭转置,为基站与反射面间的信道,为反射面的相移矩阵,nbk和nel分别是Bob和Eve的加性高斯白噪声,服从分布 和是噪声的方差;分别代表N×M、1×N、1×M的复值向量;
步骤1.2、定义系统的安全速率和为:
步骤1.3、为了最大化安全速率,需要优化有用信号波束成形向量、人工噪声和智能反射面的相移矩阵,该优化问题可以表示为:
其中P是基站的最大传输功率,|Θnn|=1指反射面的对角相移矩阵中每一项元素需满足模为1的约束。
明显地,上式优化问题是一个NP-hard问题,故难以找到直接的或相近形式的解析解,因此将上述优化问题转换成两个相互关联的子问题,并且在这两个子问题之间建立一个迭代结构。
步骤2、根据信道结构和系统最大传输功率,将人工噪声作为有用信号,初始化有用信号波束成形向量和人工噪声,具体如下:
其中
Bk=Ak-blkdiag(0,…,Pk,…,0) (10)
其中
步骤3、利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声需固定对应的智能反射面相移矩阵,并取最大特征值所对应的特征向量,具体如下:
步骤3.1、当式(7)优化问题P1中智能反射面相移矩阵固定时,优化问题可以写成:
步骤4、固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵,具体如下:
步骤4.1、当式(7)优化问题P1中波束成形向量和人工噪声固定时,优化问题可以写成:
步骤4.2、将优化问题中的模一约束视为流形,用流形优化的方法,优化智能反射面的相移矩阵,具体步骤包括:
首先计算出目标函数的黎曼梯度,即:
接着更新黎曼梯度的搜索方向:
其中βj为Armijo搜索步长;
最后将新得到的点归一化到流形上
如此循环迭代得到最佳相移。
步骤5、计算波束成形向量、人工噪声和智能反射面相移矩阵更新前后所对应的安全速率之差的绝对值,直到满足终止条件,具体如下:
步骤5.1、计算波束成形向量、人工噪声和智能反射面相移矩阵更新前后所对应的安全速率之差的绝对值;
步骤5.2、将得到的安全速率差的绝对值与设定值进行比对,如果大于设定值,则返回步骤4;如果小于设定值,则终止计算,输出智能反射面中基于半定松弛的最大安全速率。
本发明削弱了联合窃听者协作截获隐私信息的能力,提高了无线网络的安全性;通过广义逆迭代算法和流形优化方法更新有用信号波束成形向量、人工噪声和智能反射面的相移矩阵,并计算对应的安全速率,可以得到较高的安全速率,提升系统安全传输性能;计算过程简单,求解复杂度低,收敛速度快;无需新增设备,降低了硬件成本。
Claims (10)
1.一种基于逆迭代和流形优化的智能反射面安全速率确定方法,其特征在于,包括以下步骤:
步骤1、建立智能反射面辅助的安全通信系统模型,定义通信系统的安全速率和,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题;
步骤2、根据信道结构和系统最大传输功率,将人工噪声作为有用信号,初始化有用信号波束成形向量和人工噪声;
步骤3、固定智能反射面相移矩阵,利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声,并获取最大特征值所对应的特征向量;
步骤4、固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵;
步骤5、计算波束成形向量、人工噪声和智能反射面相移矩阵更新前、后所对应的安全速率之差的绝对值,判断该绝对值是否小于设定阈值:如果不小于,则返回步骤2;如果小于,则终止计算,输出智能反射面的最大安全速率。
2.根据权利要求1所述的基于逆迭代和流形优化的智能反射面安全速率确定方法,其特征在于,步骤1所述的建立智能反射面辅助的安全通信系统模型,定义通信系统的安全速率和,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题,具体如下:
步骤1.1、建立智能反射面辅助的安全通信系统模型,其中基站采用阵元均匀线性阵列,期望用户和窃听用户均为单天线接收机,且窃听用户们联合进行协作窃听,智能反射面具有N个反射单元,基站天线个数为M,期望用户个数为K,窃听用户个数为L;
基站的发射信号x为:
经过信道的传输,在期望用户Bob处和窃听用户Eve处的接收信号分别为:
其中分别为反射面与Bob和Eve间的信道, 分别为基站到Bob和Eve间直达路径的信道,(·)H代表向量或者矩阵的共轭转置,为基站与反射面间的信道,为反射面的相移矩阵,nbk和nel分别是Bob和Eve的加性高斯白噪声,服从分布 和是噪声的方差;分别代表N×M、1×N、1×M的复值向量,
步骤1.2、定义系统的安全速率和为:
步骤1.3、建立用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题为:
其中P是基站的最大传输功率,|Θnn|=1指反射面的对角相移矩阵中每一项元素需满足模为1的约束。
3.根据权利要求2所述的基于逆迭代和流形优化的智能反射面安全速率确定方法,其特征在于,步骤2所述的根据信道结构和系统最大传输功率,将人工噪声作为有用信号,初始化有用信号波束成形向量和人工噪声,具体如下:
其中
Bk=Ak-blkdiag(0,…,Pk,…,0) (10)
其中
5.根据权利要求4所述的基于逆迭代和流形优化的智能反射面安全速率确定方法,其特征在于,步骤4所述的固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵,具体如下:
步骤4.1、当式(7)优化问题P1中波束成形向量和人工噪声固定时,优化问题转换为:
步骤4.2、将优化问题中的模一约束视为流形,用流形优化的方法,优化智能反射面的相移矩阵:
首先计算出目标函数的黎曼梯度,即
接着更新黎曼梯度的搜索方向
然后更新得到下一个点:
其中βj为Armijo搜索步长;
最后将新得到的点归一化到流形上
如此循环迭代得到最佳相移。
6.一种基于逆迭代和流形优化的智能反射面安全速率确定装置,其特征在于,包括以下模块:
模型构建模块,用于建立智能反射面辅助的安全通信系统模型,定义通信系统的安全速率和,建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题;
初始化模块,用于根据信道结构和系统最大传输功率,将人工噪声作为有用信号,初始化有用信号波束成形向量和人工噪声;
第一优化模块,用于固定智能反射面相移矩阵,利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声,并获取最大特征值所对应的特征向量;
第二优化模块,用于固定波束成形向量和人工噪声,利用流形优化的方法,优化智能反射面的相移矩阵;
循环计算及判定模块,用于计算波束成形向量、人工噪声和智能反射面相移矩阵更新前、后所对应的安全速率之差的绝对值,判断该绝对值是否小于设定阈值:如果不小于,则返回第一优化模块;如果小于,则终止计算,输出智能反射面的最大安全速率。
7.根据权利要求6所述的基于逆迭代和流形优化的智能反射面安全速率确定装置,其特征在于,所述模型构建模块,包括:
安全通信系统模型构建单元,用于建立智能反射面辅助的安全通信系统模型,其中基站采用阵元均匀线性阵列,期望用户和窃听用户均为单天线接收机,且窃听用户们联合进行协作窃听,智能反射面具有N个反射单元,基站天线个数为M,期望用户个数为K,窃听用户个数为L;根据基站的发射信号、期望用户Bob处和窃听用户Eve处的接收信号,获得Bob处的可达速率和Eve处的可达速率;
安全速率和定义单元,用于根据Bob处的可达速率和Eve处的可达速率,计算系统的安全速率和;
优化问题构建单元,用于建立有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题。
8.根据权利要求6所述的基于逆迭代和流形优化的智能反射面安全速率确定装置,其特征在于,所述第一优化模块,包括:
第一优化子问题转换单元,用于将原始有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题,转换为智能反射面相移矩阵固定时的子优化问题;
特征向量计算单元,用于利用广义逆迭代算法,优化有用信号波束成形向量和人工噪声,并获取最大特征值所对应的特征向量;
所述第二优化模块,包括:
第二优化子问题转换单元,用于将原始有用信号波束成形向量、人工噪声和智能反射面相移矩阵的优化问题,转换为智能反射面波束成形向量和人工噪声固定时的子优化问题;
相移矩阵优化单元,用于将优化问题中的模一约束视为流形,用流形优化的方法,优化智能反射面的相移矩阵。
9.一种移动终端,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,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5中任一项所述的基于逆迭代和流形优化的智能反射面安全速率确定方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至5中任一项所述基于逆迭代和流形优化的智能反射面安全速率确定方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210749960.2A CN115276878A (zh) | 2022-06-29 | 2022-06-29 | 基于逆迭代和流形优化的智能反射面安全速率确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210749960.2A CN115276878A (zh) | 2022-06-29 | 2022-06-29 | 基于逆迭代和流形优化的智能反射面安全速率确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115276878A true CN115276878A (zh) | 2022-11-01 |
Family
ID=83763334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210749960.2A Pending CN115276878A (zh) | 2022-06-29 | 2022-06-29 | 基于逆迭代和流形优化的智能反射面安全速率确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115276878A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115987346A (zh) * | 2022-12-15 | 2023-04-18 | 华工未来通信(江苏)有限公司 | 一种智能反射面被动波束赋型方法、系统及存储介质 |
-
2022
- 2022-06-29 CN CN202210749960.2A patent/CN115276878A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115987346A (zh) * | 2022-12-15 | 2023-04-18 | 华工未来通信(江苏)有限公司 | 一种智能反射面被动波束赋型方法、系统及存储介质 |
CN115987346B (zh) * | 2022-12-15 | 2024-02-02 | 华工未来通信(江苏)有限公司 | 一种智能反射面被动波束赋型方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111355520B (zh) | 一种智能反射表面辅助的太赫兹安全通信系统设计方法 | |
CN111865387A (zh) | 智能反射面辅助无线通信系统的波束成形设计方法 | |
CN113556164B (zh) | Irs辅助的swipt系统中基于能效优先的波束成型优化方法 | |
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 | |
JPWO2006104142A1 (ja) | Mimoデコーダ及びmimo復号法 | |
CN113612508A (zh) | 基于机器学习的irs辅助毫米波通信波束成形设计方法 | |
CN115278727A (zh) | 不准确信道状态信息条件下智能反射表面辅助的物理层安全优化方法 | |
CN115484607A (zh) | 一种ris辅助的swipt无线系统安全通信方法 | |
CN113726395A (zh) | 一种智能反射面增强云接入网多天线用户上行传输方法 | |
CN113824478A (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 | |
CN113727405A (zh) | 提升基于智能反射表面的无线通信系统安全速率的方法 | |
CN115276878A (zh) | 基于逆迭代和流形优化的智能反射面安全速率确定方法及装置 | |
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 | |
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 | |
Zou et al. | Secure transmission for intelligent reflecting surface assisted communication with deep learning | |
CN115882911A (zh) | 一种非理想硬件条件下的多用户通信系统物理层控制方法 | |
CN115412159A (zh) | 基于空中智能反射面辅助的安全通信方法 | |
CN115021779A (zh) | Ris辅助的mimo系统的离散相移设计方法和装置 | |
Hashida et al. | IRS-aided communications without channel state information relying on deep reinforcement learning | |
CN111245525B (zh) | 大规模mimo水声通信方法与系统 | |
CN114157392A (zh) | 一种分布式irs辅助通信系统安全传输的优化方法 | |
Tian et al. | Joint Placement Design and Beamforming in Intelligent Reflecting Surface Assisted Wireless Network | |
CN115765900B (zh) | 一种叠加导频模式下智能反射面辅助的大规模mimo系统上行传输方法 | |
CN115001551B (zh) | 一种智能超表面辅助mimo系统的鲁棒收发联合设计方法 | |
Alluhaibi et al. | Energy-efficient hybrid DA precoders design for mm-Wave 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 |