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 University,Wuhu 241000,China)(Anhui Provincial Engineering Laboratory on Information Fusion and Control of Intelligent Robot,Wuhu 241000,China)Abstract:IntelligentReflectingSurface(IRS)hasbeenwidelyusedintheafter5Gand6Gtoincreasethecommunicationefficiencybyadjustingthewirelesstransmissionchannelsinreal-time.Inthispaper,theuseofdistributedIRSstomaximizethesecrecyrateisinvestigated.Consideringtheconstraintsforthepower,constant-modeandthecorrelationbetweentheIRSlinks,theoptimizationproblemofthesecrecyratemaximizationbasedontheactivebeamformingofthebasestationandIRSsphaseshiftsisformulated.Anefficientalgorithmisproposedtosolvethenon-convexoptimizationproblembyusingthefractionalprogrammingandmanifoldoptimizationmethods.Finally,simulationresultsconfirm,comparedwiththeconservativemethods,theproposedalgorithmcansignificantlyimprovethesecrecycommunicationrate.Furthermore,theresultsunveilthatthedistributedIRSschemeachievesasignificantsecureperformanceimprovementoverthecentralizedIRS.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(IntelligentReflectingSurface,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(2008085MF181)，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&InformationTechnologyJun.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(SuccessiveConvexApproximation,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(Majorization-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-foldOptimization,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=diag(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 C