CN115276879A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN115276879A
CN115276879A CN202210752606.5A CN202210752606A CN115276879A CN 115276879 A CN115276879 A CN 115276879A CN 202210752606 A CN202210752606 A CN 202210752606A CN 115276879 A CN115276879 A CN 115276879A
Authority
CN
China
Prior art keywords
reflecting surface
intelligent
phase shift
matrix
semi
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
Application number
CN202210752606.5A
Other languages
English (en)
Inventor
束锋
王阳
石伟萍
邹骏
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202210752606.5A priority Critical patent/CN115276879A/zh
Publication of CN115276879A publication Critical patent/CN115276879A/zh
Pending legal-status Critical Current

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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种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，该方法为：建立智能反射面辅助的安全通信系统模型，定义系统的安全速率和，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；利用詹森不等式转换窃听者的可达速率表达式，将原始优化问题转换为两个子优化问题并求解；利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面相移矩阵；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、表达式转换、优化问题转换、更新、循环计算及判定五个模块。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

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
技术领域
本发明涉及无线通信技术领域，特别是一种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。
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。
物理层安全技术是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。
实现本发明目的的技术解决方案为：一种智能反射面中基于半定松弛的安全速率最大化方法，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、利用詹森不等式对窃听者的可达速率表达式进行转换；
步骤3、采用交替迭代结构，将原始优化问题转换为两个子优化问题进行求解；
步骤4、利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面相移矩阵；
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4；如果小于，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。
本发明还提供一种智能反射面中基于半定松弛的安全速率最大化装置，包括：
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；
表达式转换模块，用于利用詹森不等式对窃听者的可达速率表达式进行转换；
优化问题转换模块，用于采用交替迭代结构，将原始优化问题转换为两个子优化问题进行求解；
更新模块，用于利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面相移矩阵；
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，则返回更新模块；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智能反射面中基于半定松弛的安全速率最大化方法。
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任一项所述智能反射面中基于半定松弛的安全速率最大化方法中的步骤。
本发明与现有技术相比，其显著优点为：(1)削弱了联合窃听者协作截获隐私信息的能力，提高了无线传输的安全性；(2)通过半定松弛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，提升了系统安全传输的速率。
附图说明
图1为本发明智能反射面中基于半定松弛的安全速率最大化方法的流程示意图。
具体实施方式
本发明一种智能反射面中基于半定松弛的安全速率最大化方法，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、利用詹森不等式对窃听者的可达速率表达式进行转换；
步骤3、采用交替迭代结构，将原始优化问题转换为两个子优化问题进行求解；
步骤4、利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面相移矩阵；
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4；如果小于，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。
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：
Figure BDA0003721490910000031
其中，sk是用户k的隐私信息，满足平均功率约束即E[|sk|2]＝1；
Figure BDA0003721490910000032
是人工噪声向量且服从均值为0、协方差矩阵为Z的复高斯分布；
Figure BDA0003721490910000033
是隐私信息波束成形向量；
Figure BDA0003721490910000034
代表M×1的复值向量；
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yb,k、ye,l：
Figure BDA0003721490910000035
Figure BDA0003721490910000041
其中
Figure BDA0003721490910000042
分别为反射面与Bob和Eve间的信道，
Figure BDA0003721490910000043
Figure BDA0003721490910000044
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，
Figure BDA0003721490910000045
为基站与反射面间的信道，
Figure BDA0003721490910000046
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
Figure BDA0003721490910000047
Figure BDA0003721490910000048
Figure BDA0003721490910000049
和
Figure BDA00037214909100000410
是噪声的方差；
Figure BDA00037214909100000411
代表N×M、1×N、1×M的复值向量；
由此分别获得Bob处的可达速率Rk＝log2(1+γk)和Eve处的可达速率
Figure BDA00037214909100000412
其中
Figure BDA00037214909100000413
Figure BDA00037214909100000414
其中u＝[v；1]，
Figure BDA00037214909100000415
为反射面各个相位组合成的列向量，
Figure BDA00037214909100000416
分别为基站通过反射面路径到第k个Bob和第l个Eve间的等效信道；diag代表将向量转化为对角化矩阵的操作；进一步地将信道组合为
Figure BDA00037214909100000417
步骤1.2、定义系统的安全速率和Rs为：
Figure BDA00037214909100000418
步骤1.3、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为：
Figure BDA0003721490910000051
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所述的利用詹森不等式对窃听者的可达速率表达式进行转换，具体如下：
步骤2.1、定义
Figure BDA0003721490910000052
和U＝uuH，Wk、U分别为待优化的波束成形矩阵和智能反射面的相移矩阵，将原问题中的Bob处的可达速率Rk和Eve处的可达速率
Figure BDA0003721490910000053
改写为
Figure BDA0003721490910000054
和
Figure BDA0003721490910000055
步骤2.2、利用詹森不等式将Eve处的可达速率
Figure BDA0003721490910000056
转换为
Figure BDA0003721490910000057
其中Tr(·)表示求矩阵迹的运算。
作为一种具体实施例，步骤3所述采用交替迭代结构，将原始优化问题转换为两个子优化问题进行求解，具体如下：
步骤3.1、将原始目标函数转换为凸函数之差的形式，即
Figure BDA0003721490910000061
其中
Figure BDA0003721490910000062
步骤3.2、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：
Figure BDA0003721490910000063
当优化问题P2中智能反射面相移矩阵固定时，优化问题为：
Figure BDA0003721490910000064
当优化问题P2中波束成形向量和人工噪声固定时，优化问题为：
Figure BDA0003721490910000065
其中，≥0表示矩阵为厄米特对称矩阵。
作为一种具体实施例，步骤4所述利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面相移矩阵，具体如下：
步骤4.1、利用半定松弛技术将问题中的秩一约束省去；
步骤4.2、利用一阶泰勒近似对g1和g2进行转换，将每个子问题转换为一个标准的凸问题，并用CVX求解器直接求解；
步骤4.3、用高斯随机化的方法恢复出秩一解。
本发明一种智能反射面中基于半定松弛的安全速率最大化装置，包括：
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；
表达式转换模块，用于利用詹森不等式对窃听者的可达速率表达式进行转换；
优化问题转换模块，用于采用交替迭代结构，将原始优化问题转换为两个子优化问题进行求解；
更新模块，用于利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面相移矩阵；
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，则返回更新模块；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，所述优化问题转换模块，包括：
函数转换单元，用于将原始目标函数转换为凸函数之差的形式；
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、波束成形向量和人工噪声固定时的子优化问题。
本发明还提供一种移动终端，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智能反射面中基于半定松弛的安全速率最大化方法。
本发明一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现所述智能反射面中基于半定松弛的安全速率最大化方法中的步骤。
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，本发明一种智能反射面中基于半定松弛的安全速率最大化方法，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：
Figure BDA0003721490910000081
其中，sk是用户k的隐私信息，满足平均功率约束(E[|sk|2]＝1)；
Figure BDA0003721490910000082
是人工噪声向量且服从均值为0、协方差矩阵为Z的复高斯分布；
Figure BDA0003721490910000083
是隐私信息波束成形向量；
Figure BDA0003721490910000084
代表N×M的复值向量；
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：
Figure BDA0003721490910000085
Figure BDA0003721490910000086
其中
Figure BDA0003721490910000087
分别为反射面与Bob和Eve间的信道，
Figure BDA0003721490910000088
Figure BDA0003721490910000089
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，
Figure BDA00037214909100000810
为基站与反射面间的信道，
Figure BDA00037214909100000811
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
Figure BDA00037214909100000812
Figure BDA0003721490910000091
Figure BDA0003721490910000092
和
Figure BDA0003721490910000093
是噪声的方差；
Figure BDA0003721490910000094
代表N×M、1×N、1×M的复值向量；
由此可分别获得Bob处和Eve处的可实现速率，即Rk＝log2(1+γk)和
Figure BDA0003721490910000095
其中
Figure BDA0003721490910000096
Figure BDA0003721490910000097
其中u＝[v；1]，
Figure BDA0003721490910000098
为反射面各个相位组合成的列向量，
Figure BDA0003721490910000099
分别为基站通过反射面路径到第k个Bob和第l个Eve间的等效信道；diag代表将向量转化为对角化矩阵的操作；进一步地将信道组合为
Figure BDA00037214909100000910
步骤1.2、定义系统的安全速率和为：
Figure BDA00037214909100000911
步骤1.3、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为：
Figure BDA00037214909100000912
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。
上式优化问题是一个NP-hard问题，难以找到直接的或相近形式的解析解，可以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、利用詹森不等式对窃听者的可达速率表达式进行转换，具体如下：
步骤2.1、定义
Figure BDA0003721490910000101
和U＝uuH，Wk和U则为待优化的波束成形矩阵和智能反射面的相移矩阵，将原问题中的Bob处和Eve处的可达速率Rk和
Figure BDA0003721490910000102
改写为
Figure BDA0003721490910000103
和
Figure BDA0003721490910000104
步骤2.2、利用詹森不等式将Eve处的可达速率
Figure BDA0003721490910000105
转换为
Figure BDA0003721490910000106
其中Tr(·)表示求矩阵迹的运算。
步骤3、针对多约束二次优化问题求解复杂度高，将原始优化问题转换为两个子优化问题进行求解，具体如下：
步骤3.1、将原始目标函数转换为凸函数之差的形式，即
Figure BDA0003721490910000107
其中
Figure BDA0003721490910000111
步骤3.2、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：
Figure BDA0003721490910000112
当优化问题P2中智能反射面相移矩阵固定时，优化问题为：
Figure BDA0003721490910000113
当优化问题P2中波束成形向量和人工噪声固定时，优化问题为：
Figure BDA0003721490910000114
≥0表示矩阵为厄米特对称矩阵。
步骤4、利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面的相移矩阵，具体如下：
步骤4.1、利用半定松弛技术将问题中的秩一约束省去；
步骤4.2、利用一阶泰勒近似对g1和g2进行转换，这样每个子问题都被转换为一个标准的凸问题，可用CVX求解器直接求解；
步骤4.3、用高斯随机化的方法恢复出秩一解。
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，提高了无线传输的安全性；通过半定松弛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，提升了系统安全传输的速率。

Claims (10)

1.一种智能反射面中基于半定松弛的安全速率最大化方法，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、利用詹森不等式对窃听者的可达速率表达式进行转换；
步骤3、采用交替迭代结构，将原始优化问题转换为两个子优化问题进行求解；
步骤4、利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面相移矩阵；
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4；如果小于，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。
2.根据权利要求1所述的智能反射面中基于半定松弛的安全速率最大化方法，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：
Figure FDA0003721490900000011
其中，sk是用户k的隐私信息，满足平均功率约束即E[|sk|2]＝1；
Figure FDA0003721490900000012
是人工噪声向量且服从均值为0、协方差矩阵为Z的复高斯分布；
Figure FDA0003721490900000013
是隐私信息波束成形向量；
Figure FDA0003721490900000014
代表M×1的复值向量；
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yb,k、ye,l：
Figure FDA0003721490900000015
Figure FDA0003721490900000021
其中
Figure FDA0003721490900000022
分别为反射面与Bob和Eve间的信道，
Figure FDA0003721490900000023
Figure FDA0003721490900000024
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，
Figure FDA0003721490900000025
为基站与反射面间的信道，
Figure FDA0003721490900000026
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
Figure FDA0003721490900000027
Figure FDA0003721490900000028
Figure FDA0003721490900000029
和
Figure FDA00037214909000000210
是噪声的方差；
Figure FDA00037214909000000211
代表N×M、1×N、1×M的复值向量；
由此分别获得Bob处的可达速率Rk＝log2(1+γk)和Eve处的可达速率
Figure FDA00037214909000000212
其中
Figure FDA00037214909000000213
Figure FDA00037214909000000214
其中u＝[v；1]，
Figure FDA00037214909000000215
为反射面各个相位组合成的列向量，
Figure FDA00037214909000000216
分别为基站通过反射面路径到第k个Bob和第l个Eve间的等效信道；diag代表将向量转化为对角化矩阵的操作；进一步地将信道组合为
Figure FDA00037214909000000217
步骤1.2、定义系统的安全速率和Rs为：
Figure FDA00037214909000000218
步骤1.3、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为：
Figure FDA0003721490900000031
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所述的智能反射面中基于半定松弛的安全速率最大化方法，其特征在于，步骤2所述的利用詹森不等式对窃听者的可达速率表达式进行转换，具体如下：
步骤2.1、定义
Figure FDA0003721490900000032
和U＝uuH，Wk、U分别为待优化的波束成形矩阵和智能反射面的相移矩阵，将原问题中的Bob处的可达速率Rk和Eve处的可达速率
Figure FDA0003721490900000033
改写为
Figure FDA0003721490900000034
和
Figure FDA0003721490900000035
步骤2.2、利用詹森不等式将Eve处的可达速率
Figure FDA0003721490900000036
转换为
Figure FDA0003721490900000037
其中Tr(·)表示求矩阵迹的运算。
4.根据权利要求3所述的智能反射面中基于半定松弛的安全速率最大化方法，其特征在于，步骤3所述采用交替迭代结构，将原始优化问题转换为两个子优化问题进行求解，具体如下：
步骤3.1、将原始目标函数转换为凸函数之差的形式，即
Figure FDA0003721490900000041
其中
Figure FDA0003721490900000042
步骤3.2、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：
Figure FDA0003721490900000043
当优化问题P2中智能反射面相移矩阵固定时，优化问题为：
Figure FDA0003721490900000044
当优化问题P2中波束成形向量和人工噪声固定时，优化问题为：
Figure FDA0003721490900000045
其中，≥0表示矩阵为厄米特对称矩阵。
5.根据权利要求4所述的智能反射面中基于半定松弛的安全速率最大化方法，其特征在于，步骤4所述利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面相移矩阵，具体如下：
步骤4.1、利用半定松弛技术将问题中的秩一约束省去；
步骤4.2、利用一阶泰勒近似对g1和g2进行转换，将每个子问题转换为一个标准的凸问题，并用CVX求解器直接求解；
步骤4.3、用高斯随机化的方法恢复出秩一解。
6.一种智能反射面中基于半定松弛的安全速率最大化装置，其特征在于，包括：
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；
表达式转换模块，用于利用詹森不等式对窃听者的可达速率表达式进行转换；
优化问题转换模块，用于采用交替迭代结构，将原始优化问题转换为两个子优化问题进行求解；
更新模块，用于利用半定松弛技术，去除矩阵秩一约束，并更新波束成形向量、人工噪声和智能反射面相移矩阵；
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，则返回更新模块；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所述的智能反射面中基于半定松弛的安全速率最大化装置，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所述的智能反射面中基于半定松弛的安全速率最大化装置，其特征在于，所述优化问题转换模块，包括：
函数转换单元，用于将原始目标函数转换为凸函数之差的形式；
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、波束成形向量和人工噪声固定时的子优化问题。
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中任一项所述的智能反射面中基于半定松弛的安全速率最大化方法。
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中任一项所述智能反射面中基于半定松弛的安全速率最大化方法中的步骤。
CN202210752606.5A 2022-06-29 2022-06-29 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 Pending CN115276879A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210752606.5A CN115276879A (zh) 2022-06-29 2022-06-29 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210752606.5A CN115276879A (zh) 2022-06-29 2022-06-29 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

Publications (1)

Publication Number Publication Date
CN115276879A true CN115276879A (zh) 2022-11-01

Family

ID=83763434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210752606.5A Pending CN115276879A (zh) 2022-06-29 2022-06-29 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

Country Status (1)

Country Link
CN (1) CN115276879A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117528535A (zh) * 2024-01-05 2024-02-06 南京邮电大学 利用irs和人工噪声对抗恶意干扰的双向安全传输方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111447618A (zh) * 2020-03-13 2020-07-24 重庆邮电大学 一种基于安全通信的智能反射面能效最大资源分配方法
CN114157392A (zh) * 2021-11-30 2022-03-08 安徽师范大学 一种分布式irs辅助通信系统安全传输的优化方法
CN114630328A (zh) * 2022-03-04 2022-06-14 大连理工大学 基于智能反射面的非正交多址安全传输中主被动波束赋形协同设计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111447618A (zh) * 2020-03-13 2020-07-24 重庆邮电大学 一种基于安全通信的智能反射面能效最大资源分配方法
CN114157392A (zh) * 2021-11-30 2022-03-08 安徽师范大学 一种分布式irs辅助通信系统安全传输的优化方法
CN114630328A (zh) * 2022-03-04 2022-06-14 大连理工大学 基于智能反射面的非正交多址安全传输中主被动波束赋形协同设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YANG WANG等: "Intelligent Reflecting Surface Aided Secure Transmission With Colluding Eavesdroppers", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY 》, 1 June 2022 (2022-06-01), pages 1 - 4 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117528535A (zh) * 2024-01-05 2024-02-06 南京邮电大学 利用irs和人工噪声对抗恶意干扰的双向安全传输方法
CN117528535B (zh) * 2024-01-05 2024-03-26 南京邮电大学 利用irs和人工噪声对抗恶意干扰的双向安全传输方法

Similar Documents

Publication Publication Date Title
Lv et al. Deep learning for security problems in 5G heterogeneous networks
Feng et al. Joint hybrid and passive RIS-assisted beamforming for mmWave MIMO systems relying on dynamically configured subarrays
Ihsan et al. Energy-efficient IRS-aided NOMA beamforming for 6G wireless communications
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
CN114124258B (zh) 一种最大化安全传输速率的方法
Hao et al. Ultra wideband THz IRS communications: Applications, challenges, key techniques, and research opportunities
Xu et al. Sum secrecy rate maximization for IRS-aided multi-cluster MIMO-NOMA terahertz systems
CN116017465A (zh) 一种基于ris辅助无线通信保密速率最大化模型及方法
CN114585005A (zh) 一种智能反射面辅助的无线赋能安全通信方法
Li et al. Intelligent reflecting surface assisted secure computation of wireless powered MEC system
CN115412159A (zh) 基于空中智能反射面辅助的安全通信方法
CN115484607A (zh) 一种ris辅助的swipt无线系统安全通信方法
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
CN114157392A (zh) 一种分布式irs辅助通信系统安全传输的优化方法
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
Peng et al. RISnet: A scalable approach for reconfigurable intelligent surface optimization with partial CSI
Momen-Tayefeh et al. Channel estimation for Massive MIMO systems aided by intelligent reflecting surface using semi-super resolution GAN
Hashida et al. IRS-aided communications without channel state information relying on deep reinforcement learning
Yang et al. 3D beamforming based on deep learning for secure communication in 5G and beyond wireless networks
Zou et al. Secure transmission for intelligent reflecting surface assisted communication with deep learning
Huang et al. Statistical CSI-based transmission design for RIS and DMA assisted MIMO communication system
Xia et al. Joint Antenna Selection and Intelligent Reflecting Surface Aided MISO Downlink Networks
Shu et al. Precoding and Beamforming Design for Intelligent Reconfigurable Surface-Aided Hybrid Secure Spatial Modulation
CN118282442B (zh) 智能反射面辅助的大规模mimo的资源分配方法及系统
Yu et al. Energy Efficiency Maximization in an IRS-Assisted Dual-Functional Radar and Communication System

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