一种基于智能反射面辅助的非正交多址安全通信方法

技术领域

本发明属于无线通信技术领域，涉及一种基于智能反射面辅助的非正交多址技术安全通信的方法。

背景技术

第五代(5G)移动通信技术因其高数据速率、低延迟、节能和满足大规模设备连接的特点而被广泛商业化。在5G网络中，非正交多址(non-orthogonal multiple access，NOMA)技术已被证明在缓解频谱短缺问题方面具有巨大的应用潜力。非正交多址技术可以有效地利用无线信道中的多径衰落，提高协作通信系统的性能。此外，非正交多址可以利用密集网络中有限的频谱资源，有效缓解严重的数据拥塞，避免低访问效率。非正交多址也可以在多个应用领域提高频谱效率和能源效率。

智能反射面(intelligent reflecting surface，IRS)技术是一种很有前途的辅助非正交多址通信技术。智能反射面是由低成本的无源元件组成的，这些元件以不同的相移反射入射信号。通过自适应改变相移，智能反射面可以为无线通信创造一个具有高能量和频谱效率的可重构无线电环境。现有的智能反射面研究主要集中在提高信号覆盖和能效上，通过优化波束形成矢量和被动反射相移来降低功耗。

由于无线电磁波是在开放的无线媒体中传输的，无线隐私信息很容易被窃听，另一方面，随着无线网络环境越来越复杂，传统无线通信系统中的信息安全技术难以保证信息传递的安全性，特别是在有多个用户使用相同频谱的非正交多址网络中。考虑到智能反射面技术可以对信号进行优化，因此，可以通过智能反射面技术对发射信号进行控制和优化，保证合法用户信号强度的同时减小窃听端信号强度。

本发明提出通过智能反射面技术对非正交多址安全通信进行辅助，通过对发射信号功率和智能反射面相移的的优化，确保了非正交多址通信的物理层安全。

发明内容

本发明的目的是提供一种基于智能反射面辅助的非正交多址安全通信，解决现有技术中存在的非正交多址通信的物理层安全问题。首先构建一个基于智能反射面辅助的非正交多址通信系统模型；然后基于该模型，构建基于智能反射面辅助的非正交多址通信系统安全模型；接下来基于智能反射面辅助的非正交多址通信系统安全模型，构建最大化用户保密率的优化问题；最后基于智能反射面辅助的非正交多址安全通信目标与优化条件，利用半正定松弛(SDR)、奇异值分解(SVD)和拉格朗日乘子法技术求解，来获得最优的功率分配和相移。

本发明的目的是这样实现的：一种智能反射面辅助的的非正交多址安全通信方法，它包括以下步骤

S1：建立基于智能反射面辅助的非正交多址通信模型，它包括一个基站，一个智能反射面、一个近用户、两个远用户，以及一个近端窃听者；

S2：根据基于智能反射面辅助的非正交多址通信模型，构建基站、智能反射面、用户、窃听者之间的物理层安全模型；

S3：基于智能反射面辅助的非正交多址通信系统安全模型，考虑用户通信保密率、发射功率分配和智能反射面反射相移约束，联合优化基站发射功率分配和智能反射面相移，构建最大化用户保密率的优化问题；

S4：提出迭代算法，利用半正定松弛(SDR)、奇异值分解(SVD)和拉格朗日乘子法技术来获得最优的功率分配和相移。

步骤S1建立基于智能反射面辅助的非正交多址通信模型的具体过程如下：

S1.1、建立一个基于智能反射面辅助的非正交多址安全通信系统，它包括一个基站，一个智能反射面、一个近用户U1、两个远用户U2和U3，以及一个窃听者Eve(E)，位于U1附近；智能反射面由M(M大于或等于1)的被动反射元素组成，并包括一个智能控制器；所有用户和基站只配备一个天线；

S1.2、U1和E靠近基站，与基站有直接联系。E被部署为具有正常用户工作能力的设备，也有可能从其他用户的射频信号中获取能量；此外，它必须获得足够的能量以确保其正常工作；

在提出的方案中，U1可以直接从基站接收信息，也可以由智能反射面协助。U2和U3仅接收智能反射面辅助的信号；

S1.3、基站的发射信号为：

其中a

U1、U2和U3处的接收信号为：

其中，

对于窃听器E，接收到的信号为：

其中g

E将从射频信号中获取能量，为自身供电。E的最小收获能量应优于QE；收获的能量为：

式中，η是能量转换效率系数，η∈(0,1)，可以忽略噪声功率，因为噪声功率远小于信号；

步骤S2构建通信物理层安全模型具体过程如下：

S2.1、对于非正交多址传输，采用SIC对所需信号进行解码；设置R

S2.2、根据SIC技术和安全优先级，U1的解码速率为：

其中R

U2的解码速率为：

其中R

U3的传输速率为：

根据已得到的解码速率，Eve的窃听率为：

因此，系统保密率为：

其中(r)

步骤S3构建最大化用户保密率优化问题的具体过程如下：

S3.1、本发明通过优化基站的功率分配和相移，最大限度地提高系统保密率；为了最大化系统保密率，优化功率分配α＝[a

优化问题为：

S3.2、对于式10中的优化问题，由于存在两个耦合变量α和θ，为了解耦α和θ，将原问题分为两个子问题：相移分配问题和功率分配问题。对这两个问题进行迭代优化。由于在迭代过程中Θ的大小很难精确计算，使用高斯随机过程和奇异值分解(SVD)来寻找估计变量。然后引入拉格朗日函数对α进行优化。

步骤S4对优化问题进行求解的具体过程如下：

S4.1、对于相移分配问题

首先通过设置i＝1条件作为示例来简化R，以展示这个过程。

固定功率分配变量α＝[a

其中L需要满足L≥0且rank(L)＝1；重写

重写

即使放松了这个问题，L仍然很难优化；为了解决这个问题，利用Charnes–Cooper技术将其重新表述为半正定规划(SDP)问题。定义

然后，令X＝tL。由于高秩优化问题仍然是非凸的，使用SDR通过忽略秩一约束再次对其进行松弛。将原始问题转换为：

这个凸问题可以用CVX工具解决，高斯随机化方法可以用来获得一个近似解来处理这个条件。

由于相移L在求解过程中过于复杂，也可以利用SVD技术；因此，可以对L进行分解，然后用更少的计算资源来达到更好的结果。

具体来说，L可以写成L＝Vdiag(λ)V

其中{x}

S4.2、对于功率分配问题

然后，重点分析功率分配问题和α＝[a

其中R

引入拉格朗日乘子λ和μ，并推导出一个拉格朗格函数，如下所示：

F(x,y,z)＝f(x,y,z)+μψ(x,y,z)+λφ(x,y,z) (15)

通过让F(x,y,z)的一阶导数等于零，导出：

然后，得到x0、y0、z0、λ和μ。如果将其确定为极点，可以计算f(x,y,z)的极值。随后，Q和优化的α将清晰呈现。否则，将进行下一次迭代，并重复步骤S4.1、S4.2。

本发明总体迭代优化算法：完成对两个子问题的优化求解后，本发明提出了一种高效的交替迭代算法对智能反射面的反射相移矩阵和功率分配权重进行迭代优化，以达到最大化系统的保密率的目的。在每次迭代过程中，首先固定时间功率分配权重通过子问题一优化智能反射面的反射相移矩阵，再固定智能反射面的反射相移矩阵通过子问题优化功率分配权重，最后对两个优化变量进行交替迭代直至达到收敛，此时可以获得智能反射面的反射相移矩阵和功率分配权重的最优值以及系统的保密率。

本发明的有益效果是

本发明提供一种智能反射面辅助非正交多址安全通信的方法，给出通信系统中基站、智能反射面、近/远端用户和窃听者的位置，通过合理设计发送信号功率分配和智能反射面在通信过程中的反射相移矩阵，最大化系统的保密率。

附图说明

图1是本发明方法流程图；

图2是本发明提供的一种智能反射面辅助的非正交多址安全通信方法的结构示意图；

图3是显示了每个用户的总保密率性能与基站传输功率P的关系图；

图4是Eve的能量约束QE与保密率之间的关系图；

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明的目的是提供一种基于智能反射面辅助的非正交多址安全通信，解决现有技术中存在的非正交多址通信的物理层安全问题。首先构建一个基于智能反射面辅助的非正交多址通信系统模型；然后基于该模型，构建基于智能反射面辅助的非正交多址通信系统安全模型；接下来基于智能反射面辅助的非正交多址通信系统安全模型，构建最大化用户保密率的优化问题；最后基于智能反射面辅助的非正交多址安全通信目标与优化条件，利用半正定松弛(SDR)、奇异值分解(SVD)和拉格朗日乘子法技术求解，来获得最优的功率分配和相移。

本发明的目的是这样实现的：一种智能反射面辅助的的非正交多址安全通信方法。

如图1所示。本发明实例提供的智能反射面辅助的的非正交多址安全通信方法包括以下步骤：

S1：建立基于智能反射面辅助的非正交多址通信模型，它包括一个基站，一个智能反射面、一个近用户、两个远用户，以及一个近端窃听者；

S2：根据基于智能反射面辅助的非正交多址通信模型，构建基站、智能反射面、用户、窃听者之间的物理层安全模型；

S3：基于智能反射面辅助的非正交多址通信系统安全模型，考虑用户通信保密率、发射功率分配和智能反射面反射相移约束，联合优化基站发射功率分配和智能反射面相移，构建最大化用户保密率的优化问题；

S4：提出迭代算法，利用半正定松弛(SDR)、奇异值分解(SVD)和拉格朗日乘子法技术来获得最优的功率分配和相移。

步骤S1建立基于智能反射面辅助的非正交多址通信模型的具体过程如下：

S1.1、建立一个基于智能反射面辅助的非正交多址安全通信系统，它包括一个基站，一个智能反射面、一个近用户U1、两个远用户U2和U3，以及一个窃听者Eve(E)，位于U1附近；智能反射面由M(M大于或等于1)的被动反射元素组成，并包括一个智能控制器；所有用户和基站只配备一个天线；

S1.2、U1和E靠近基站，与基站有直接联系。E被部署为具有正常用户工作能力的设备，也有可能从其他用户的射频信号中获取能量；此外，它必须获得足够的能量以确保其正常工作；

在提出的方案中，U1可以直接从基站接收信息，也可以由智能反射面协助。U2和U3仅接收智能反射面辅助的信号；

S1.3、基站的发射信号为：

其中a

U1、U2和U3处的接收信号为：

其中，

对于窃听器E，接收到的信号为：

其中g

E将从射频信号中获取能量，为自身供电。E的最小收获能量应优于QE；收获的能量为：

式中，η是能量转换效率系数，η∈(0,1)，可以忽略噪声功率，因为噪声功率远小于信号；

步骤S2构建通信物理层安全模型具体过程如下：

S2.1、对于非正交多址传输，采用SIC对所需信号进行解码；设置R

S2.2、根据SIC技术和安全优先级，U1的解码速率为：

其中R

U2的解码速率为：

其中R

U3的传输速率为：

根据已得到的解码速率，Eve的窃听率为：

因此，系统保密率为：

其中(r)

步骤S3构建最大化用户保密率优化问题的具体过程如下：

S3.1、本发明通过优化基站的功率分配和相移，最大限度地提高系统保密率；为了最大化系统保密率，优化功率分配α＝[a

优化问题为：

S3.2、对于式10中的优化问题，由于存在两个耦合变量α和θ，为了解耦α和θ，将原问题分为两个子问题：相移分配问题和功率分配问题。对这两个问题进行迭代优化。由于在迭代过程中Θ的大小很难精确计算，使用高斯随机过程和奇异值分解(SVD)来寻找估计变量。然后引入拉格朗日函数对α进行优化。

步骤S4对优化问题进行求解的具体过程如下：

S4.1、对于相移分配问题

首先通过设置i＝1条件作为示例来简化R，以展示这个过程。

固定功率分配变量α＝[a

其中L需要满足L≥0且rank(L)＝1；重写

重写

即使放松了这个问题，L仍然很难优化；为了解决这个问题，利用Charnes–Cooper技术将其重新表述为半正定规划(SDP)问题。定义

然后，令X＝tL。由于高秩优化问题仍然是非凸的，使用SDR通过忽略秩一约束再次对其进行松弛。将原始问题转换为：

这个凸问题可以用CVX工具解决，高斯随机化方法可以用来获得一个近似解来处理这个条件。

由于相移L在求解过程中过于复杂，也可以利用SVD技术；因此，可以对L进行分解，然后用更少的计算资源来达到更好的结果。

具体来说，L可以写成L＝Vdiag(λ)V

其中{x}

S4.2、对于功率分配问题

然后，重点分析功率分配问题和α＝[a

其中R

引入拉格朗日乘子λ和μ，并推导出一个拉格朗格函数，如下所示：

F(x,y,z)＝f(x,y,z)+μψ(x,y,z)+λφ(x,y,z) (15)

通过让F(x,y,z)的一阶导数等于零，导出：

然后，得到x0、y0、z0、λ和μ。如果将其确定为极点，可以计算f(x,y,z)的极值。随后，Q和优化的α将清晰呈现。否则，将进行下一次迭代，并重复步骤S4.1、S4.2。

本发明总体迭代优化算法：完成对两个子问题的优化求解后，本发明提出了一种高效的交替迭代算法对智能反射面的反射相移矩阵和功率分配权重进行迭代优化，以达到最大化系统的保密率的目的。在每次迭代过程中，首先固定时间功率分配权重通过子问题一优化智能反射面的反射相移矩阵，再固定智能反射面的反射相移矩阵通过子问题优化功率分配权重，最后对两个优化变量进行交替迭代直至达到收敛，此时可以获得智能反射面的反射相移矩阵和功率分配权重的最优值以及系统的保密率。

具体实施例：

下面通过MATLAB进行数值仿真，评估智能反射面辅助非正交多址系统的性能。假设基站到用户信道为瑞利衰落，路径损耗由d

为了研究非正交多址技术和智能反射面技术的辅助作用，考虑了三个不同的基准，即传统的OMA和没有智能反射面的非正交多址。然后，研究了传输功率和其他限制因素对保密率的影响。主要关注当能量约束QE发生变化时的保密率值Q和系统性能，如图3、图4所示。

图3给出了每个用户的总保密率性能与基站传输功率P的关系。重点关注智能反射面的存在以及OMA和非正交多址技术之间的差异对整体安全性能的影响。在图4中，研究了Eve的能量约束QE与保密率之间的关系。

从实验结果可以看出，相比于传统的OMA和没有智能反射面的非正交多址，本发明获得了最佳的保密率收益，显著提高系统性能。