欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2020106743130
申请人: 重庆邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种MIMO全双工双向安全通信系统预编码矩阵的优化方法,其特征在于,包括以下步骤:(1)对通信系统建模,以工作在全双工模式的两个合法节点,在接收信号的同时不仅向对方发送信息信号,还协同发送人工噪声干扰窃听节点,形成的双向安全通信系统为系统模型;

(2)对优化问题进行建模,构造以最大化保密和速率为目标的优化问题;

(3)利用矩阵行列式分解对保密和速率进行分解,将优化目标转化为两个上凸函数之差的形式;

(4)利用矩阵的一阶泰勒展开得到保密和速率的近似值,将原优化问题转化为以最大化保密和速率近似值为目标的优化问题;

(5)利用DC规划算法获取使得保密和速率近似值最大的信息信号以及人工噪声的预编码矩阵。

2.根据权利要求1所述一种MIMO全双工双向安全通信系统预编码矩阵的优化方法,其特征在于:步骤(1)所述通信系统建模包括对系统合法节点间的信息传输速率、窃听节点的窃听速率、系统保密和速率进行建模:两个合法节点间的信息传输速率分别为

式中,A、B分别为两个工作在全双工模式的合法节点;Nr表示合法节点的接收天线数;

SA、SB分别为A、B节点处的信息信号预编码矩阵;ZA、ZB分别为A、B节点处的人工噪声的预编码矩阵;HAB、HBA分别为A到B、B到A的合法信道矩阵;ρA、ρB分别表示A、B节点的自干扰残余因子,满足0<ρA≤1,0<ρB≤1;HAA、HBB为A、B节点处收发天线间的环衰落信道矩阵;

分别为A、B节点的传输信道的噪声方差; 表示Nr维的单位矩阵;

窃听节点的窃听速率为

式中,E为窃听节点;NE为窃听节点的接收天线数;GAE、GBE分别为合法节点A到窃听节点E、合法节点B到窃听天线E的窃听信道矩阵; 为窃听节点处的信道传输噪声方差; 表示NE维单位矩阵;

系统保密和速率为

RS=[RBA+RAB-RE]+

式中,[x]+表示max{0,x}。

3.根据权利要求1或2所述一种MIMO全双工双向安全通信系统预编码矩阵的优化方法,其特征在于:所述通信系统中分配相近数量的发送天线和接收天线,同时发送天线数量不少于接收天线数量。

4.根据权利要求1或2所述一种MIMO全双工双向安全通信系统预编码矩阵的优化方法,其特征在于:步骤(2)所述对优化问题进行建模,在节点发送总功率限制下,以最大化保密和速率为目标,以人工噪声以及信息信号的功率之和不大于发送总功率为约束条件,具体为:发送总功率限制为

Tr(ΣA+ΦA)≤PA

Tr(ΣB+ΦB)≤PB

式中, PA、PB分别为合法节点A、B的发送功率;Tr表示矩阵的迹;

优化问题构造为

P1:

5.根据权利要求4所述一种MIMO全双工双向安全通信系统预编码矩阵的优化方法,其特征在于:步骤(3)所述利用矩阵行列式分解对保密和速率进行分解:首先将信息信号和人工噪声的预编码矩阵看成一个对角块矩阵,然后分别对合法节点的信息传输速率、窃听节点的窃听速率进行分解,进一步得到对保密和速率进行分解的表达式。

6.根据权利要求1或5所述一种MIMO全双工双向安全通信系统预编码矩阵的优化方法,其特征在于:所述矩阵行列式分解具体为:RBA可以转化为

RBA=f1(Ψ)-g1(Ψ)

式中,f1(Ψ)、g1(Ψ)为上凸函数,其表达式为其中,

Nt表示合法节点的发送天线数;Ψ表示对A、B节点的信息信号和人工噪声的预编码矩阵进行对角化的块矩阵,即Ψ=diag{ΣA,ΣB,ΦA,ΦB},diag{}表示对角化;

RAB可以转化为

RAB=f2(Ψ)-g2(Ψ)

式中,f2(Ψ)、g2(Ψ)为上凸函数,其表达式为其中,

RE可以转化为

RE=f3(Ψ)-g3(Ψ)

式中,f3(Ψ)、g3(Ψ)为上凸函数,其表达式为其中,GE1=[GAE,GBE,GAE,GBE]、综上所述,系统的保密和速率为

RS=[y1(Ψ)-y2(Ψ)]+

其中,y1(Ψ)=f1(Ψ)+f2(Ψ)+g3(Ψ)、y2(Ψ)=g1(Ψ)+g2(Ψ)+f3(Ψ);y1(Ψ)、y2(Ψ)为关于Ψ的上凸函数。

7.根据权利要求6所述一种MIMO全双工双向安全通信系统预编码矩阵的优化方法,其特征在于:步骤(4)所述将原优化问题转化为以最大化保密和速率近似值为目标的优化问题,具体为:将y2(Ψ)在初始迭代矩阵 处进行一阶泰勒展开,其线性近似函数为

保密和速率的近似值为

以最大化保密和速率近似值为目标的优化问题为P2:

8.根据权利要求1或7所述一种MIMO全双工双向安全通信系统预编码矩阵的优化方法,其特征在于:步骤(5)所述DC规划算法具体为:为关于Ψ的上凸函数,使用凸优化工具获取使 最大的对角分块矩阵Ψopt,将其作为下一次迭代的矩阵 进行泰勒展开得到新的 以及 的表达式,再进行凸优化获得使 最大的矩阵Ψopt,如此进行循环迭代优化,Ψopt将逐渐逼近最优解Ψ*。