CN116669035A - 机载智能反射面辅助的通感一体化安全传输设计方法 - Google Patents

Abstract

一种机载智能反射面辅助的通感一体化安全传输设计方法，属于通感一体化中的物理层安全领域。首先，假设空中目标作为潜在窃听者，引入人工噪声，并建立机载智能反射面辅助通感一体化安全传输的系统模型；其次，在满足目标感知的信噪比要求下，联合优化无人机部署位置，基站有源波束成形，智能反射面无源波束成形和人工噪声功率，构建系统安全和速率最大化的优化问题；最后，将非凸原问题分解为三个子问题，利用连续凸近似和半定松弛将原非凸问题转为凸问题，并开发了一种交替迭代的算法迭代求解。本发明提出了一种联合优化无人机部署位置，基站发射波束成形，智能反射面相移矩阵和人工噪声功率的设计方法，旨在满足目标感知的信噪比要求下最大化系统的安全通信速率之和。

Description

机载智能反射面辅助的通感一体化安全传输设计方法

技术领域

本发明属于通感一体化中的物理层安全领域，涉及一种将智能反射面部署在无人机处以实现通感一体化安全传输设计方案，具体是指基站发射集成信号同时实现通信与感知，联合优化无人机部署位置，基站有源波束成形，智能反射面无源波束成形和人工噪声功率，从而最大化用户的安全通信速率之和。

背景技术

近年来，第五代移动通信网络的大规模商用使得大量移动设备涌入网络，无线频谱资源逐渐稀缺，这引起人们对通感一体化及其相关技术的研究。通感一体化是一种将感知和通信功能集成在一个共享平台上的技术，可以提高频谱利用率与硬件效率。然而，由于无线信道的开放性，携带机密信息的通感一体化信号有可能被窃听者截获，这对用户的安全通信是一个很大的威胁。为克服这一挑战，人们利用由无源电磁元件组成的智能反射面辅助通感一体化。具体来说，智能反射面由大量无源电磁元件组成，其对入射信号的处理无需消耗额外的能量。此外，智能反射面的每个无源电磁元件可以通过编程调控，从而重建无线信号传播环境，在增强合法传输的同时抑制窃听，保障通信安全。

另一方面，由于无人机具有高机动性和低成本等特点，已被采用作为临时基站或中继的可行替代方案。与地面通信相比，无人机通信可以利用它的高度在基站与用户之间建立视距信道，并且可以通过优化其部署位置或飞行轨迹进一步保证用户的安全通信。

然而，无人机作为空中中继进行信号处理会消耗大量的能量。若将智能反射面装配在无人机上，可结合二者的独特优势，进一步提高网络性能。具体来说，无人机可利用智能反射面的无源特性降低信号处理功耗，同时智能反射面可借助无人机的高机动性优化其部署位置，从而增强通感一体化技术的安全性。本发明以最大化安全通信速率之和为目标，对系统中的参数进行了合适的设计。

发明内容

本发明的目的是为了解决机载智能反射面辅助通感一体化安全传输问题。在系统模型中，智能反射面部署在无人机上，构建反射链路辅助基站与地面用户的通信，同时抑制空中目标的窃听。具体模型如示意图1所示。基于此模型本发明提出一种联合优化无人机部署位置，基站发射波束成形，智能反射面相移矩阵和人工噪声功率的设计方法，以实现最大化安全通信速率之和。

为达到上述技术目的，本发明采用的技术方案如下：

一种机载智能反射面辅助的通感一体化安全传输设计方法，包括以下步骤：

第一步，构建系统模型：

(1)实现基站发射通感一体化信号同时进行空中目标的感知和K个地面用户的通信。基站为N根天线，用户与目标均为单天线。无人机携带具有M个反射单元的智能反射面辅助安全通信，定义智能反射面的每个反射单元的反射系数θ＝[θ₁,…,θ_M]，则其相移矩阵定义为Φ＝diag{θ}。在三维坐标系内，基站与用户的坐标分别为C_b＝[x_b,y_b,0]与其中，k＝1,2,…,K，表示地面用户数量；x_b,y_b表示基站的横坐标与纵坐标，/>表示第k个用户的横坐标与纵坐标；b表示基站；u_k表示第k个用户。此外，无人机与探测目标的坐标分别为C_i＝[x_i,y_i,H_i]和C_t＝[x_t,y_t,H_t]其中，x_i,y_i表示无人机横坐标与纵坐标，x_t,y_t表示探测目标横坐标与纵坐标；H_i表示无人机飞行高度；H_t表示探测目标所处高度。

(2)由于探测目标与无人机的飞行高度足够高，因此各条空-地信道与空-空信道均为视距信道。基站到探测目标的视距信道为：

其中，β表示路径损失指数；L₀为参考路径为1m时的路径损失；d_bt为基站和探测目标之间的距离；为基站到探测目标阵列响应，其中φ_t表示基站到探测目标的发射角，N表示基站发射天线数目。

同理可得，基站到无人机的视距信道为：

其中，d_bi表示基站和无人机的距离；表示基站到智能反射面的入射阵列响应，a_N表示基站到智能反射面的出射阵列响应，可分别表示为：

其中，θ_bi与φ_bi分别表示基站到无人机的水平到达角和垂直到达角；λ是波长；d表示智能反射面反射单元的间距；φ_i表示基站到无人机的发射角；M_x表示反射单元沿x轴布置数量；M_z表示反射单元沿z轴布置数量。

通过将无人机到探测目标的水平发射角和垂直发射角分别表示为φ_it和θ_it，将无人机到第k个用户的水平发射角和垂直发射角分别表示为和/>则无人机到探测目标的信道h_it与无人机到用户的信道/>可以表示为：

其中，d_it表示无人机与探测目标之间的距离，表示无人机与第k个用户之间的距离；t表示探测目标，u_k表示第k个用户。

(3)根据以上的系统模型以及信道的假设，发射信号可以被写为其中，s_k为发送至第k个用户的信息；w_k表示第k个发射波束成形向量；n为添加的人工噪声，其满足均值为0，方差为R_N的复高斯分布。

通过定义和/>其中，Φ表示智能反射面的无源波束赋形，/>表示/>共轭转置，/>表示h_it共轭转置；则探测目标处接收到的信号y_t与第k个用户处接收到的信号/>可以表示为：

其中，为探测目标处接收到的噪声，/>是为第k个用户接收到的噪声，σ_t表示n_t的标准差；/>表示/>的标准差。

定义其中，/>表示w_k的共轭转置；则第k个用户以及窃听的信干噪比可分别表示为：

其中，W_j表示第j个发射波束成形向量与其共轭转置的乘积；R_N表示人工噪声功率。

因此，第k个用户通信速率为以及探测目标对于第k个用户的窃听速率为/>从而定义第k个用户的安全通信速率为：

此外，目标处接收到的感知信号信噪比可表示为：

第二步，确定目标函数和优化变量，列出优化问题：

通过联合优化无人机部署位置ω，人工噪声功率R_N，基站发射波束成形W_k以及智能反射面的无源波束赋形Φ，在满足目标探测信噪比约束条件下，实现安全通信速率之和最大化，构建以下优化问题：

在该优化问题中，C₁为目标探测信噪比约束，γ_r是信噪比阈值，Γ_r表示感知信号信噪比。C₂表示基站发射功率约束，P₀为基站最大发射功率。C₃表示智能反射面幅值约束，θ_m表示智能反射面第m个反射单元反射系数。C₄表示无人机部署区域约束。

第三步，设计算法求解优化问题：

由于优化变量相互耦合，原公式(13)所示的优化问题为非凸的，难以直接求解。通过将其分解为三个子问题，并设计有效的迭代算法，近似求解原问题的最优解。具体来说，首先引入辅助变量将非凸子问题转化为凸子问题。然后，分别通过逐次凸近似和半正定松弛来求解无人机部署以及基站和智能反射面的波束形成。具体步骤如下：

(1)无人机部署位置ω的优化

对于任何给定的{W_k,Φ,R_N}，原非凸问题(13)可以改写为：

经过分析，通过定义第k个用户通信速率可改写为：

其中，其表示改写后的第k个用户通信速率，/>与/>为通过定义/>得到的常量，可分别表示为/>和/>ρ_k表示第k个用户接收到的噪声功率的倒数。/>为/>的共轭转置。当/>时，/>可得最优值。

为了方便起见，在此将一些附加常数定义为：

其中，因此，对于第k个用户的窃听速率/>可以表示为：

其中，

此外，通过定义与/>目标处接收到的感知信号信噪比Γ_r可改写为：

基于以上分析，问题(14)可以改写为：

由于目标函数中存在非凸二次项，该问题仍然难以解决。因此引入松弛变量z与v_k，其分别表示为：

因此，与/>可改写为：

经过分析，对于任意给定的z和v_k，最优解可表示为如下形式：

式(21)和式(22)可通过一阶泰勒近似转换为：

其中，泰勒展开点位于ω₀处，同理，将在/>处展开为/>

基于以上分析，问题(20)可被等价的写为：

其中，与/>为松弛变量，通过使用凸优化工具CVX可以求得问题(29)最优解，随后通过迭代更新/>可获得问题(14)的最优解。

(2)基站波束成形W_k以及人工噪声功率R_N的优化

对于已得到的无人机部署位置ω和任意给定的智能反射面的无源波束赋形Φ，问题(13)中基站波束成形W_k以及人工噪声功率R_N的优化问题可以改写为：

通过将和/>分别改写为：

问题(30)可转变为：

对于给定的{W_k,R_N}，问题(33)中最优的可分别表示为：

因此，通过引入松弛变量与/>问题(33)可以等价的写为：

通过忽略秩一约束，问题(36)为一个标准的半正定问题，可借助凸优化工具CVX求解。

(3)智能反射面无源波束赋形Φ的优化

将最优的无人机部署位置ω，基站波束成形W_k以及人工噪声功率R_N代入到原问题，则问题(13)可改写为：

定义与/>因此，各条信道可重写为/>与/>则第k个用户通信速率以及目标对于第k个用户的窃听速率重写为：

与之前的分析相似，通过引入松弛变量与/>对智能反射面无源波束赋形的优化问题(37)可改写为：

其中，

经过分析，与/>都是凸函数，并且对于给定的Ψ，最优解/>可表示为：

由于问题(40)中含有秩一约束，反射相移矩阵Ψ仍然难以求解。为解决这个问题，在此忽略秩一约束，并利用凸优化工具CVX直接解决它。然而，通过半正定规划获得的解只是次优解，并且通过特征值分解Ψ获得的θ也不能保证秩为1。因此，可以利用高斯随机化来恢复其秩一约束，进而获得最优解。

(4)迭代算法设计

本发明提出一种迭代算法来求解优化问题，在每轮迭代中，利用逐次凸逼近算法求解出本轮迭代最优的无人机部署位置，然后利用半正定规划得到本轮最优的基站波束成形、人工噪声功率、智能反射面无源波束赋形，进而求解出此次迭代的安全通信速率之和。然后更新参变量的值进行下一次迭代，直至最后算法收敛。具体流程如下：

1)设置初始的无人机部署位置ω⁽⁰⁾，基站发射波束成形人工噪声功率/>智能反射面无源波束赋形Φ⁽⁰⁾，设置初始迭代次数q＝1，最大迭代次数Q。

2)对于给定的Φ^(q-1)和/>求解凸优化问题(29)，得到第k次迭代无人机部署位置ω^(q)。

3)对于给定的Φ^(q-1)以及在步骤2)中求得的ω^(q)，求解凸问题(36)，得到第k次迭代基站发射波束成形以及人工噪声功率/>

4)利用步骤2)求得的ω^(q)与步骤3)求得的和/>求解凸问题(40)，得到第k次迭代智能反射面无源波束赋形Φ^(q)。

5)令q＝q+1。

6)当q＝Q或者程序收敛时，输出相对应的优化变量的值以及安全通信速率之和。否则跳至步骤2)进行下一次的迭代优化。

本发明的有益效果是：本发明通过对无人机部署位置，基站发射波束成形，人工噪声功率以及智能反射面的无源波束赋形联合优化设计，给出实现安全通信速率之和最大化的设计方案。本发明为实现无人机携带智能反射面辅助安全通感一体化给出了参考取值方法。

附图说明

图1是无人机携带智能反射面辅助安全通感一体化系统模型图。

图2是所提迭代算法收敛图。

图3是基站发射波束图。

图4是雷达探测信噪比阈值对安全通信速率之和的影响。

图5是基站发射天线数目对安全通信速率之和的影响。

图6是智能反射面上无源电磁单元个数对安全通信速率之和的影响。

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，给出具体分析。

一种智能反射面辅助的高能效无人机通信系统的设计方法，包括以下步骤：

第一步，构建系统模型：

首先，进行以下具体设置：

基站和地面用户水平坐标分别为C_b＝[0,0,0]，和无人机初始位置为C_i＝[400,400,100]m，探测目标的坐标为C_t＝[300,200,50]m，其他放着参数设置为M＝60，N＝16，L₀＝-20dB，/>路径损失指数β＝2.1。

第二步，确定目标函数和优化变量，列出优化问题

通过联合优化无人机部署位置ω，人工噪声功率R_N，基站发射波束成形W_k以及智能反射面的无源波束赋形Φ，在满足目标探测信噪比约束条件下，实现安全通信速率之和最大化，构建问题(13)：

第三步，设计算法求解优化问题：

由于问题(13)中各个优化变量的相互耦合，该问题为一个非凸优化问题，直接求解的复杂度极高，需要寻求其他的方法降低求解复杂度。因此将原始非凸问题拆分为三个非凸子问题，并且交替的求解。对无人机部署位置ω，人工噪声功率R_N，基站发射波束成形W_k以及智能反射面的无源波束赋形Φ分别进行优化，其中无人机部署优化采用逐次凸逼近算法，主动、被动波束成形以及人工噪声功率的优化采用半正定松弛算法。

第四步，迭代算法设计

1)设置初始的无人机部署位置ω⁽⁰⁾，基站发射波束成形人工噪声功率/>智能反射面无源波束赋形Φ⁽⁰⁾，设置初始迭代次数q＝1，最大迭代次数Q。

2)对于给定的Φ^(q-1)和/>求解凸优化问题(29)，得到第k次迭代无人机部署位置ω^(q)。

3)对于给定的Φ^(q-1)以及在步骤2)中求得的ω^(q)，求解凸问题(36)，得到第k次迭代基站发射波束成形以及人工噪声功率/>

4)利用步骤2)求得的ω^(q)与步骤3)求得的和/>求解凸问题(40)，得到第k次迭代智能反射面无源波束赋形Φ^(q)。

5)令q＝q+1。

6)当q＝Q或者程序收敛时，输出相对应的优化变量的值以及安全通信速率之和。否则跳至步骤2)进行下一次的迭代优化。

本实施例验证：

(1)对收敛性进行分析：

首先，在图2中展示所提出的交替优化算法的收敛性能。可以观察到该算法可以实现随着迭代次数的增加，安全通信速率之和也迅速增加，并在大约10次迭代达到收敛。同时，在图2中比较不同路径损耗指数的收敛曲线，发现路径损失指数每减少0.1，在收敛时达到的安全通信速率之和增加了大约1.1bit/s/Hz。

(2)对基站的探测功能进行分析

图3为基站发射波束图。可以看出，在-90°～90°角度范围内，发射功率主要集中在目标方向和无人机方向。通过优化无人机的部署位置和智能反射面无源电磁单元相移，可以在抑制窃听的同时提高合法用户的接收能力。此外，人工噪声的引入可以显著提高目标感知的信噪比和精度。同时可以进一步降低目标的窃听信噪比，防止敏感信息的泄露。

图4为安全通信速率之和与雷达探测信噪比阈值关系图。随着阈值不断上升，安全通信速率之和不断下降，且下降速度逐渐加快。一方面，由于需要达到更高的阈值，用户必须有更大的让步，从而降低其自身的通信速率。另一方面，更高的信噪比阈值会造成更严重的信息泄露。因此，有必要选择适当的阈值来平衡探测性能和通信质量。

(3)分析基站天线个数与智能反射面无源电磁单元个数对安全通信速率之和的影响：

在图5中绘制了基站在不同天线数量下可实现的安全通信速率之和。如图所示，天线数量的增加可大幅提高安全通信速率之和。天线数量影响发射波束的空间自由度，大量的天线可以将发射波束的功率集中在目标方位角和无人机的方位角上，从而在基站有限的发射功率下增加安全通信速率之和。

安全通信速率之和与智能反射面无源电磁单元数量的关系如图6所示。数值结果表明，智能反射面对提高系统性能起着重要作用。它可以带来额外的空间自由度和波束形成增益。通过调整智能反射面上电磁单元的相位，可以将入射信号向合法用户传播，从而在抑制窃听的同时提高目标接收机的信号强度。此外，增加无源电磁单元的数量可以给用户带来更大的波束形成增益，从而提高安全通信速率之和。

以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。

Claims (4)

1.一种机载智能反射面辅助的通感一体化安全传输设计方法，其特征在于，包括以下步骤：

第一步，构建系统模型；

第二步，确定目标函数和优化变量，列出优化问题：

通过联合优化无人机部署位置ω，人工噪声功率R_N，基站发射波束成形W_k以及智能反射面的无源波束赋形Φ，在满足目标探测信噪比约束条件下，实现安全通信速率之和最大化，构建以下优化问题：

在该优化问题中，C₁为目标探测信噪比约束，γ_r是信噪比阈值，Γ_r表示感知信号信噪比；C₂表示基站发射功率约束，P₀为基站最大发射功率；C₃表示智能反射面幅值约束，θ_m表示智能反射面第m个反射单元反射系数；C₄表示无人机部署区域约束；

第三步，设计算法求解优化问题：

通过将问题(13)分解为三个子问题，并设计有效的迭代算法，近似求解原问题的最优解；首先引入辅助变量将非凸子问题转化为凸子问题，分别通过逐次凸近似和半正定松弛求解无人机部署以及基站和智能反射面的波束形成。

2.根据权利要求1所述的一种机载智能反射面辅助的通感一体化安全传输设计方法，其特征在于，所述的第一步，构建系统模型具体如下：

(1)实现基站发射通感一体化信号同时进行空中目标的感知和K个地面用户的通信；基站为N根天线，用户与目标均为单天线；无人机携带具有M个反射单元的智能反射面辅助安全通信，定义智能反射面的每个反射单元的反射系数θ＝[θ₁,…,θ_M]，则其相移矩阵定义为Φ＝diag{θ}；在三维坐标系内，基站与用户的坐标分别为C_b＝[x_b,y_b,0]与其中，k＝1,2,…,K，表示地面用户数量；x_b,y_b表示基站的横坐标与纵坐标，/>表示第k个用户的横坐标与纵坐标；b表示基站；u_k表示第k个用户；此外，无人机与探测目标的坐标分别为C_i＝[x_i,y_i,H_i]和C_t＝[x_t,y_t,H_t]其中，x_i,y_i表示无人机横坐标与纵坐标，x_t,y_t表示探测目标横坐标与纵坐标；H_i表示无人机飞行高度；H_t表示探测目标所处高度；

(2)各条空-地信道与空-空信道均为视距信道；基站到探测目标的视距信道为：

其中，β表示路径损失指数；L₀为参考路径为1m时的路径损失；d_bt为基站和探测目标之间的距离；为基站到探测目标阵列响应，其中φ_t表示基站到探测目标的发射角，N表示基站发射天线数目；

同理可得，基站到无人机的视距信道为：

其中，d_bi表示基站和无人机的距离；表示基站到智能反射面的入射阵列响应，a_N表示基站到智能反射面的出射阵列响应；

通过将无人机到探测目标的水平发射角和垂直发射角分别表示为φ_it和θ_it，将无人机到第k个用户的水平发射角和垂直发射角分别表示为和/>则无人机到探测目标的信道h_it与无人机到用户的信道/>可以表示为：

其中，d_it表示无人机与探测目标之间的距离，表示无人机与第k个用户之间的距离；t表示探测目标，u_k表示第k个用户；

(3)根据以上的系统模型以及信道的假设，发射信号可以被写为其中，s_k为发送至第k个用户的信息；w_k表示第k个发射波束成形向量；n为添加的人工噪声，其满足均值为0，方差为R_N的复高斯分布；

通过定义和/>其中，Φ表示智能反射面的无源波束赋形，/>表示/>共轭转置，/>表示h_it共轭转置；则探测目标处接收到的信号y_t与第k个用户处接收到的信号/>可以表示为：

其中，为探测目标处接收到的噪声，/>是为第k个用户接收到的噪声，σ_t表示n_t的标准差；/>表示/>的标准差；

定义其中，/>表示w_k的共轭转置；则第k个用户以及窃听的信干噪比可分别表示为：

其中，W_j表示第j个发射波束成形向量与其共轭转置的乘积；R_N表示人工噪声功率；

因此，第k个用户通信速率为以及探测目标对于第k个用户的窃听速率为/>从而定义第k个用户的安全通信速率为：

此外，目标处接收到的感知信号信噪比可表示为：

3.根据权利要求1所述的一种机载智能反射面辅助的通感一体化安全传输设计方法，其特征在于，所述的第三步，设计算法求解优化问题，具体步骤如下：

(1)无人机部署位置ω的优化

对于任何给定的{W_k,Φ,R_N}，原非凸问题(13)改写为：

经过分析，通过定义第k个用户通信速率可改写为：

其中，其表示改写后的第k个用户通信速率，/>与/>为通过定义/>得到的常量，可分别表示为/>和/>ρ_k表示第k个用户接收到的噪声功率的倒数；/>为/>的共轭转置；当/>时，/>可得最优值；

在此将一些附加常数定义为：

其中，因此，对于第k个用户的窃听速率/>可以表示为：

其中，

此外，通过定义与/>目标处接收到的感知信号信噪比Γ_r可改写为：

基于以上分析，问题(14)可以改写为：

由于目标函数中存在非凸二次项，该问题仍然难以解决；因此引入松弛变量z与v_k，其分别表示为：

因此，与/>可改写为：

经过分析，对于任意给定的z和v_k，最优解可表示为如下形式：

式(21)和式(22)可通过一阶泰勒近似转换为：

其中，泰勒展开点位于ω₀处，同理，将在/>处展开为/>

基于以上分析，问题(20)可被等价的写为：

其中，与/>为松弛变量，通过使用凸优化工具CVX可以求得问题(29)最优解，随后通过迭代更新/>可获得问题(14)的最优解；

(2)基站波束成形W_k以及人工噪声功率R_N的优化

对于已得到的无人机部署位置ω和任意给定的智能反射面的无源波束赋形Φ，问题(13)中基站波束成形W_k以及人工噪声功率R_N的优化问题可以改写为：

并将问题(30)转变为：

对于给定的{W_k,R_N}，问题(33)中最优的分别表示为：

因此，通过引入松弛变量与/>问题(33)等价的写为：

通过忽略秩一约束，问题(36)为一个标准的半正定问题，可借助凸优化工具CVX求解；

(3)智能反射面无源波束赋形Φ的优化

将最优的无人机部署位置ω，基站波束成形W_k以及人工噪声功率R_N代入到原问题，则问题(13)改写为：

定义与/>因此，各条信道可重写为/>与/>则第k个用户通信速率以及目标对于第k个用户的窃听速率重写为：

与之前的分析相似，通过引入松弛变量与/>对智能反射面无源波束赋形的优化问题(37)可改写为：

其中，

经过分析，与/>都是凸函数，并且对于给定的Ψ，最优解/>可表示为：

由于问题(40)中含有秩一约束，反射相移矩阵Ψ仍然难以求解；忽略秩一约束，并利用凸优化工具CVX直接解决它；利用高斯随机化来恢复其秩一约束，进而获得最优解；

(4)迭代算法设计

在每轮迭代中，利用逐次凸逼近算法求解出本轮迭代最优的无人机部署位置，然后利用半正定规划得到本轮最优的基站波束成形、人工噪声功率、智能反射面无源波束赋形，进而求解出此次迭代的安全通信速率之和；更新参变量的值进行下一次迭代，直至最后算法收敛。

4.根据权利要求3所述的一种机载智能反射面辅助的通感一体化安全传输设计方法，其特征在于，所述的步骤(4)迭代算法设计的具体流程如下：

1)设置初始的无人机部署位置ω⁽⁰⁾，基站发射波束成形人工噪声功率/>智能反射面无源波束赋形Φ⁽⁰⁾，设置初始迭代次数q＝1，最大迭代次数Q；

2)对于给定的Φ^(q-1)和/>求解凸优化问题(29)，得到第k次迭代无人机部署位置ω^(q)；

3)对于给定的Φ^(q-1)以及在步骤2)中求得的ω^(q)，求解凸问题(36)，得到第k次迭代基站发射波束成形以及人工噪声功率/>

4)利用步骤2)求得的ω^(q)与步骤3)求得的和/>求解凸问题(40)，得到第k次迭代智能反射面无源波束赋形Φ^(q)；

5)令q＝q+1；

6)当q＝Q或者程序收敛时，输出相对应的优化变量的值以及安全通信速率之和；否则跳至步骤2)进行下一次的迭代优化。