![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于分布式智能反射面的物理层安全通信研究.pdf
《基于分布式智能反射面的物理层安全通信研究.pdf》由会员分享,可在线阅读,更多相关《基于分布式智能反射面的物理层安全通信研究.pdf(8页珍藏版)》请在咨信网上搜索。
1、基于分布式智能反射面的物理层安全通信研究冯友宏张彦峨*董国青(安徽师范大学物理与电子信息学院芜湖241000)(安徽智能机器人信息融合与控制工程实验室芜湖241000)摘要:智能反射面(IRS)能够实时调整无线传输环境提高通信效率,在后5G和6G研究中得到广泛关注。该文研究分布式IRSs安全速率最大化问题:考虑功率和恒模约束以及IRS链路之间的相关性,以最大化安全传输速率为目标,构建基站波束成形和IRSs相移参数联合优化问题。采用分式规划和流形优化算法求解构建的非凸优化方程。仿真结果表明,相较于传统算法,该文算法具有较高处理效率有效提高系统安全性,也进一步表明分布式部署IRS比集中部署安全性能
2、更优。关键词:物理层安全通信;智能反射面;分布式;相关性;非凸优化中图分类号:TN92文献标识码:A文章编号:1009-5896(2023)06-2081-08DOI:10.11999/JEIT220659Research on Physical Layer Security Communication Based onDistributed Intelligent Reflective SurfaceFENGYouhongZHANGYaneDONGGuoqing(School of Physics and Electronic Information,Anhui Normal Univers
3、ity,Wuhu 241000,China)(Anhui Provincial Engineering Laboratory on Information Fusion and Control of Intelligent Robot,Wuhu 241000,China)Abstract:IntelligentReflectingSurface(IRS)hasbeenwidelyusedintheafter5Gand6Gtoincreasethecommunicationefficiencybyadjustingthewirelesstransmissionchannelsinreal-tim
4、e.Inthispaper,theuseofdistributedIRSstomaximizethesecrecyrateisinvestigated.Consideringtheconstraintsforthepower,constant-modeandthecorrelationbetweentheIRSlinks,theoptimizationproblemofthesecrecyratemaximizationbasedontheactivebeamformingofthebasestationandIRSsphaseshiftsisformulated.Anefficientalg
5、orithmisproposedtosolvethenon-convexoptimizationproblembyusingthefractionalprogrammingandmanifoldoptimizationmethods.Finally,simulationresultsconfirm,comparedwiththeconservativemethods,theproposedalgorithmcansignificantlyimprovethesecrecycommunicationrate.Furthermore,theresultsunveilthatthedistribut
6、edIRSschemeachievesasignificantsecureperformanceimprovementoverthecentralizedIRS.Key words:Physicallayersecuritycommunication;IntelligentReflectingSurface(IRS);Distributed;Correlation;Non-convexoptimization1 引言随着人们对通信质量要求和用户体验的不断提高,基于第6代移动通信的研究也正在如火如荼的展开。作为最具有代表性的新技术之一,智能反射面(IntelligentReflectingSur
7、face,IRS)由于能够实时改变无线传输环境实现了扩展覆盖范围、消除干扰和增强能源效率13,相比5G网络其他技术,IRS具有体积小、低能耗、易于布置等显著优势而得到广泛关注4,5。随着通信技术的提升和通信环境复杂度的提高,通信安全面临着越来越严峻的考验。而高性能计算机的出现,使得传统基于密码技术的高层网络安全策略不能完全满足用户的安全需求6,7。另外,基于无线传输环境的物理层安全技术,较好地克服传收稿日期:2022-05-23;改回日期:2022-08-31;网络出版:2022-09-13*通信作者:张彦峨基金项目:国家自然科学基金(62071005),安徽省自然科学基金(2008085MF
8、181),安徽省高校自然科学研究项目(KJ2019A0936)FoundationItems:TheNationalNaturalScienceFoundationofChina(62071005),TheNaturalScienceFoundationofAnhuiProvince(2008085MF181),The Natural Science ResearchProgramofAnhuiEducationalCommittee(KJ2019A0936)第45卷第6期电子与信息学报Vol.45No.62023年6月JournalofElectronics&InformationTechn
9、ologyJun.2023统的密码技术依托于有限计算能力的缺陷,已受到越来越多的关注811。利用基于IRS的物理层传输技术,通过联合优化基站的主动波束成形以及IRS的无源反射波束成形,可以重新配置基站-用户的信道状态信息,从而降低信号的泄露的可能性,提高系统的安全性能。鉴于此,文献8研究了基于IRS辅助的单个合法接收用户通信场景安全传输问题。为了克服IRS的相移参数引起的高度非凸单位模量约束,文献9利用半定松弛(SemiDefiniteRelaxation,SDR)和高斯随机化方法获得了基站波束成形和IRS相移的次优解。为了降低SDR的计算复杂度,文献10利用逐次逼近(SuccessiveCo
10、nvexApproximation,SCA)优化技术来处理非凸单位模量约束进一步简化了算法的设计,提高了系统的安全性能。文献11研究了多用户多输入单输出(Multi-InputSingle-Output,MISO)系统的通信安全,采用流形优化和SDR解决所构建的非凸优化问题。除此之外,为了最大限度地提高下行吞吐量,文献12采用基于深度学习的方法解决优化问题的非凸性。其仿真结果也验证了基于深度学习方法的有效性,相对于传统的设计方案,文献12在吞吐量和安全性方面有显著的提高。然而,上述工作812都假设采用单个IRS情况,且基于深度学习的方法仍然缺乏泛化能力。当通信系统直连链路严重受阻和大规模集中部
11、署存在困难时,采用分布式的多个智能反射面(IntelligentRe-flectingSurfaces,IRSs)提高系统性能显得尤为必要13,14。基于此,文献13研究了多个IRS(IRSs)辅助多天线基站和多个单天线边缘用户之间的通信,通过联合优化基站的传输波束成形和IRSs的相移来最大化所有小区边缘用户的可实现速率,对于IRSs的相移优化,采用黎曼流形共轭梯度(Rieman-nianManifoldConjugateGradient,RMCG)方法。文献14研究了在IRSs辅助的多小区系统中的时频资源消耗最小化。考虑到优化问题非凸性,作者首先采用一种基于最大最小化优化(Majorizat
12、ion-Minimization,MM)方法解决单个小区问题,进而获得多小区问题的局部最优解。根据已有文献的调研,目前IRSs的研究工作主要集中在用户可实现速率以及资源方面的利用13,14,而基于IRSs如何有效提高通信安全性能的研究还不够深入。此外,考虑实际情况下,与多天线传输场景相似15,IRS反射单元呈现密集部署状态,在信号传播过程中,由于传播信道的复杂性(信号在空间经过若干次反射、折射、散射和衍射)会影响到IRS上传输基站的多天线波束的性能。其中对系统性能产生不利影响的因素就是各子信道之间的相关性。但到目前为止,对于IRS反射单元的相关性影响的分析文献很少,尤其针对分布式IRS系统性能
13、的分析还未发现相关报道。进一步,传统的基于SDR等优化方法处理IRS优化问题,面临复杂度高,难以实现实时通信等特点。基于此,本文研究分布式IRS辅助MISO系统的安全通信性能。主要工作如下:(1)考虑IRS反射单元之间相关性,引入了反射单元相关性参数进行系统性能分析,并通过仿真验证不同分布的IRS部署对系统安全性能的影响;(2)考虑功率和恒模约束,以最大化系统安全传输速率为目标,将基站波束成形向量和分布式IRSs相移参数联合建模为非凸优化问题;利用交替迭代优化解耦该联合优化问题,并采用分式规划(FractionalProgramming,FP)和流形优化(Mani-foldOptimizati
14、on,MO)计算相移参数实现优化求解。(3)最后,分析表明,相对于传统的优化算法,本文所提优化算法大大降低了计算的复杂度;同时仿真结果也表明,所提算法与传统半定松弛结合高斯随机化算法相比有效地提高了系统总安全率,且分布式部署IRS比集中部署安全性能更好。2 系统模型及优化问题构建2.1 IRS系统中接收信号分析LNtlMlM=Ll=1MlHr,l CMlNthHl,u C1MlhHl,eC1Mlll系统模型如图1所示,由一个多天线基站、单天线合法用户、单天线窃听用户和 个IRSs构成。其中基站配有根天线,第 个IRS的反射单元数为,I R S s 的 总 反 射 单 元 个 数。,分别为基站与
15、第 个IRS,第 个IRS与合法接收用户、窃听用户之间的信道。假设所有信道均服从莱斯衰落信道模型且其信道状态信息已知13。根据系统通信场景分析可知,合法用户与窃听用户的接收信号表达式可分别表示为图1非视距场景下的分布式IRS辅助MISO通信系统2082电子与信息学报第45卷yu=Ll=1hHl,ulHr,lws+nu(1)ye=Ll=1hHl,elHr,lws+ne(2)w CNt1snunenuCN(0,2u)neCN(0,2e)l=slT1/2sl=diag(ej1l,ej2l,.,ejMll)CMlMlMl,Llmll 0,2)lmlT CMlMllT1/2TTTTT=UOUHUO=di
16、ag(o1,o2,.,oMl)Tll=slOUHTIMlTOOioi=R(d,Ml)dMld其中,为基站的波束形成向量,为合法接收用户的期望信号,和分别表示合法接收用户和窃听者接收端的加性高斯白噪声,且,。考虑到实际部署场景,即IRS每个智能反射单元之间具有一定的相关性,定 义,为 第 个 I R S 的 相 移 矩 阵,表示第 个IRS的第个反射单元的相移。表 示 第 个 I R S 的 相 关 矩 阵,为矩阵 的平方根项。根据文献16,17,可以合理假设矩阵已知。为了不失一般性,设 为正对称矩阵,对进行奇异值分解:,其中为酉矩阵,为的奇异值对角矩阵。则可重新改写为,注意到大部分IRS已有文
17、献不考虑其反射单元之间相关性(即设矩阵为),本文考虑IRS反射单元间的相关性影响,且相关矩阵受奇异对角矩阵的影响。根据文献18,可知中第 项元素,反射相关系数与参数 和有关,其中 为IRS内部各反射单元间距。进一步,根据香农公式,合法接收用户和窃听用户的信息速率分别为Ru=log2(1+?hHuw?22u)(3)Re=log2(1+?hHew?22e)(4)hHu=Ll=1hHl,ulHr,l C1NthHe=Ll=1hHl,elHr,l C1Nt其 中,。2.2 IRS系统的优化问题构建为获得系统的最大安全传输速率,现构建优化问题P1:maxw,lRs(w,l)=Ru Res.t.C1:w2
18、 PmaxC2:?ejmll?=1,Ml,L(5)PmaxC1C2C1C2其中,是基站的最大发射功率。表示基站的最大发射功率约束,代表IRSs的恒模限制。在和的约束条件下,本文联合优化基站的波束形wl,L,成向量 和IRSs的相移矩阵使得系统的安全传输速率最大。3 联合FP和MO的交替优化算法P1Rs(w,l)C2lw由于的目标函数是一个非凸表达式,且为单位模量约束。很难直接使用现有的算法来获得该优化问题的全局最优解。因此采用交替迭代优化该问题,具体思路如下:先固定,推导出基站的最优主动波束成形向量;再固定,利用分式规划FP方法将IRSs相移优化问题转化为更易于处理的形式,并通过流形优化MO方
19、法迭代计算,直至目标函数收敛。lw3.1 在给定的情况下优化lP1首先固定IRSs相移参数,即在给定相移矩阵情况下,可描述为P2:maxwf1(w)=1+wHXuw1+wHXews.t.C1(6)Xu=12u(huhHu)CNtNtXe=12e(hehHe)CNtNt。其中,,根据文献19,可以求得基站的最优主动波束形成向量wopt=Pmaxmax(X1eXu)(7)maxX1eXuXe=Xe+1PmaxINt,Xu=Xu+1PmaxINtINtNt Nt为矩阵的最大特征值对应的归一化特征向量。表示单位矩阵。woptl3.2 在给定的情况下优化.wopt给定,利用分式规划FP方法将IRSs相移
20、优化问题转化为更易于处理的形式,并通过流形优化MO方法迭代计算20。P1可重新表示为P3:maxvf2(v)=1+?vHa?21+|vHb|2s.t.C2(8)ejmll=mll,Ml,vl=1l,2l,.,Mll CMl1v=v1,v2,.,vL CM1al=diag(hHl,u)Hr,lwCMl1bl=diag(hHl,e)Hr,lw CMl1,La=a1a2.al CM1b=12eb1b2.bl CM1P3中,定义,。,。f2(v)f2(v)=1(v)+2(v)1(v)=?vHa?21+|vHb|22(v)=11+|vHb|2y1,y2f2(v)对做 进 一 步 处 理:令,其中,。利用
21、FP方法引入变量,将转换为第6期冯友宏等:基于分布式智能反射面的物理层安全通信研究2083f2(v,y)=2y1(vHa)+y2(|y1|2+|y2|2)(?vHb?2+1)(9)y=y1y2TP3其中,则优化问题转化P4:maxv,yf2(v,y)s.t.C2(10)vf2(v,y)yvy由于给定,函数是关于 的二次凹函数,因此通过给定,可以得到辅助变量 的最优解,从而得到y1=vHa1+|vHb|2,y2=11+|vHb|2(11)yf2(v,y)同时在给定的 下,对目标函数可以进一步表示f2(v)=f2(v,y)=vHUv+2vH+C(12)U=(|y1|2+|y2|2)bbH=y1aC
22、=2y2(|y1|2+|y2|2)P4式(12)中,,。则进一步转化P5:maxvf2(v)=vHUv+2vH+Cs.t.C2(13)Uf2(v)v注意,是一个正半定矩阵,而目标函数是关于 的一个2次凹函数。因此,该问题是一个2次约束二次规划(QuadraticallyConstrainedQuadraticProgram,QCQP),可以用半定松弛SDR方法来求解9。然而,由于传统的SDR优化方法的计算复杂度较高,在实际的通信场景中很难做到实时传输。为了进一步降低计算复杂度,本文采用MO方法迭代计算,详细计算步骤如下:P5(1)定义优化问题约束的流形空间=v CM1:?1l?=.=?Mll?
23、=.=?MLL?=1(14)vC2则每次迭代优化将在上搜索最优 且自动满足约束;rf2(v)(2)获取第 次迭代时,目标函数在欧氏空间中的梯度公式r=vf2(vr)=2(Uvr)(15)vr(3)将式(15)投影到流形空间的切空间上,获得点对应的黎曼梯度Tvr=r r vr vr(16)其中,表示哈达玛积;vr(4)在流形切空间上更新vr+1=vr+Tvr(17)=1maxUmaxUU,为矩阵的最大特征值;vr+1C2(5)采用回溯操作将映射到流形空间上,以确保更新值满足约束vr+1=vr+11|vr+1|(18)循环执行上述步骤,直至结果收敛获得优化方程的最终解。y=y*f2(v)f2(v,
24、y)本文在算法1中总结了IRSs相移优化算法的详细步骤。为了确保算法的收敛性,需证明当时,。v(q)qy(q)假设给定时,由式(11)获得第 次迭代的辅助变量。根据文献21所提拉格朗日对偶变换收敛性,可得f2(v(q)=f2(v(q),y(q)(a)f2(v(q+1),y(q)(b)f2(v(q+1),y(q+1)=f2(v(q+1)(19)(a)(b)v(q+1)P4f2(v,y)(b)f2(v)v由于MO算法保证收敛,则成立。对于,在给定时,针对优化问题通过式(11)获得的最大值,故而成立。因此,目标函数在每次迭代后均单调递增,且 搜索空间满足式(14)为有界区域,保证IRSs相移优化算法
25、收敛。3.3 整体算法和复杂度分析P1结合3.1节、3.2节,本文在算法2中总结了交替迭代优化算法的具体步骤。在迭代过程中,与算法1相似,优化问题所求系统的安全传输速率是单调递增的,且基站的最大发射功率有限。因此,可以保证交替迭代优化算法收敛。O(INt3+I1M2)II1引理1本文所提算法的总时间复杂度为。其中 和 分别代表交替迭代优化算法和IRSs相移优化算法的迭代次数。wNt NtwO(Nt3)llO(M)2证明对计算涉及矩阵求逆且矩阵维度为,故 更新时间复杂度为;对采用FP结合MO优化算法来计算,其复杂度主要在MO优化算法的搜索方向更新上,故更新的时间复杂度为。证毕OI(M)1.5推论
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 分布式 智能 反射 物理层 安全 通信 研究
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。