[發(fā)明專利]大規(guī)模天線Cell-free IRS物理層安全方法

在審

• 申請?zhí)枺?/td>: 202111442337.4
• 申請日: 2021-11-30
• 公開（公告）號: CN114143790A
• 公開（公告）日: 2022-03-04
• 發(fā)明（設計）人: 冉靜學;劉依依
• 申請（專利權）人: 中央民族大學
• 主分類號: H04W12/80
• 分類號: H04W12/80;H04W16/22;H04W28/22;H04B7/0413;H04B7/06;H04B7/08;H04B17/309;H04B17/391
• 代理公司: 北京卓嵐智財知識產(chǎn)權代理事務所(特殊普通合伙) 11624
• 代理人: 郭智

本發(fā)明公開了一種大規(guī)模天線Cell?free IRS物理層安全方法。通過深度學習估計信道參數(shù)，該方法首次考慮了大規(guī)模無小區(qū)通信中利用IRS的安全和速率最大化問題，在用戶服務質(zhì)量和功率約束以及相位約束條件下，設計了一種混合波束形成方案，包括在基站上的數(shù)字波束形成和基于IRS的模擬波束形成。在此基礎上，設計了IRS數(shù)量和IRS大小優(yōu)化方法。

技術領域

本發(fā)明屬于無線通信領域，尤其涉及大規(guī)模天線Cell-free IRS物理層安全方法。

背景技術

無小區(qū)的大規(guī)模多輸入多輸出網(wǎng)絡通過部署大量分散的基站來進行分布式部署，與經(jīng)典的以小區(qū)為中心的設計原則不同，無小區(qū)網(wǎng)絡利用了以用戶為中心的傳輸設計，即網(wǎng)絡中的所接入點AP共同服務于所有用戶，所有的接入點都連接到一個中央處理器(Central Processing Unit,CPU)，沒有小區(qū)邊界。無小區(qū)大規(guī)模多輸入多輸出網(wǎng)絡(Cell-Free Massive Multiple Input Multiple Output,CF-mMIMO)中的用戶很接近AP。比常規(guī)的MIMO有更簡單的功率控制、更高的光譜效率和更高的能源效率。CF-mMIMO每個用戶接收到來自不同的接入點的信號，因此這種分布式系統(tǒng)可以為覆蓋范圍內(nèi)的所有用戶提供良好的服務質(zhì)量。為了進一步提高網(wǎng)絡容量，部署更多的分布式接入點會給部署無小區(qū)網(wǎng)絡帶來高成本和功耗。將CF-mMIMO與可重構智能反射表面(Intelligent ReconfigurableSurface,IRS)結合能夠提供一種節(jié)能的替代方案來提高網(wǎng)絡容量。

安全性是無線網(wǎng)絡中的一個重要方面。IRS能夠通過加強合法信道、抑制竊聽信道，從而有利于提高安全性。因此，針對無線通信需要設計其物理層安全，以適應安全傳輸速率的要求。

發(fā)明內(nèi)容

為了提高無線通信的安全和速率和覆蓋范圍，本發(fā)明公開了一種深度學習信道估計以及混合波束形成方案。

本發(fā)明實施例提供了如下技術方案：

一種大規(guī)模天線Cell-free IRS物理層安全方法，所述方法包括：

大規(guī)模天線無小區(qū)(Cell-free,CF)可重構智能反射表面(IntelligentReconfigurable Surface,IRS)物理層安全通信傳輸基于基站的數(shù)字波束形成算法和IRS的模擬波束形成算法，其特征在于，包括下步驟：

步驟A，提出一種深度學習的信道估計算法，利用卷積網(wǎng)絡,通過接收信號估計原始信道增益；

步驟B，建立接入點到用戶和竊聽者的直接/間接鏈路的信道模型。在其噪聲方面服從標準復高斯噪聲；

步驟C，提出了一種基于交替迭代的算法，求解最優(yōu)基站主動波束形成向量；

步驟D，根據(jù)已經(jīng)給定的基站波束形成向量，得到最優(yōu)IRS波束形成向量；

步驟E，得到最優(yōu)的IRS數(shù)量和每個IRS的大小；

其中，步驟A具體包括：

A1，建立基于下行鏈路(Down Link,DL)的信道估計器，采用具有L層的完全連接的前饋深度神經(jīng)網(wǎng)絡，包括一個輸入層，L-2隱藏層和一個輸出層。輸出估計值x(.)為輸入，v為索引，θ_l為第l層網(wǎng)絡參數(shù)，g_l(.)為第l層輸出。

A2，預訓練階段，通過離線訓練使損失函數(shù)最小化，獲得最佳θ。其中L_y是向量y(v)的長度，V為樣本大小。采用一種隨機優(yōu)化方法(A Methodfor Stochastic Optimization,ADAM)自適應矩估計作為提出的深度神經(jīng)網(wǎng)絡(DeepNeural Network,DNN)的優(yōu)化算法。