1.一种智能反射面增强的抗模仿攻击协作频谱感知系统的实现方法，其特征在于，所述方法包括如下步骤：步骤1：建立IRS增强抗模仿攻击协作频谱感知系统模型，体现系统内各模块作用，N个次用户执行协作频谱感知，检测主用户信号，主网络中存在主用户模仿攻击者，其中攻击者通过发出与主用户形式相似的信号来占用未使用的信道，以阻止其他次用户访问空闲的信道，配备M个无源元件的IRS被部署以增强主用户信号并抑制攻击者信号，所有次用户感知节点将接收信号合并至数据融合中心，数据融合中心中应用最大比合并准则进行信号合并，并采用能量检测算法得出检测性能指标；

T

所有通信节点建立三维笛卡尔坐标系，定义节点B的位置为[xB,yB] ，分别表示对应的x,y轴坐标，定义信道模型为块静态瑞利衰落信道，因此相应的信道增益为其中h是信道非视距分量，为具有零均值和单位方差的复高斯随机变量，PL(d)是对应的路径损耗；路径损耗可以被建模为： 其中C0为参考路径损耗，d0＝1m为参考距离，ν为路径损耗指数，d为链路之间的距离；

定义 为主用户到第i个次用户的信道， 为主用户到IRS的信道，为IRS到第i个次用户的信道， 表示模仿攻击者到第i个次用户的信道，表示模仿攻击者到IRS的信道；

步骤2：根据协作频谱感知合并准则以及能量检测算法，推导出检测概率与虚警概率，包括：步骤2.1，对信号进行建模，系统中，N个次用户执行协作感知检测主用户信号，t时刻第i个次用户接收到的信号表示为：其中xp(t)和xm(t)分别是主用户和攻击者发送的信号，发送功率分别为Pp和Pm，α和β为二进制指标，α＝1且β＝1时表示主用户与模仿攻击者存在，等于0时则表示不存在，Θ＝diag(q)表示IRS相移矩阵，am与θm分别表示第m个IRS元件的幅度与相位，ni(t)为第i个次用户处的高斯白噪声(AWGN)，其均值为零且方差为次用户感知节点将接收信号汇总至次网络中的数据融合中心，数据融合中心采用最大比合并(MRC)准则进行信号合并，在第t时刻的合并信号表达为：其中wi为融合中心分配给第i个次用户的权重系数，根据主用户状态的不同，得出以下二元假设检验

其中H0和H1分别表示主用户状态为空闲和运行，数据融合中心处采用能量检测算法计算接收信号的能量，并进行L次采样，得到决策统计量为：步骤2.2，对接收信号以及决策统计量进行分析，设主用户的信号xp(t)是独立同分布(i.i.d)的零均值和单位方差的复高斯随机变量，由于主用户模仿攻击者发送的恶意信号与主信号之间的相似性，攻击信号xm(t)也遵循复高斯分布，则合并信号遵循复高斯分布，表示为：其中方差 和 分别表示为：

则决策统计量Y遵循自由度为2L，卡方系数为 和 的中心卡方分布，表示为：因此，根据卡方分布的概率分布函数表达式，虚警概率和检测概率可以被分别表示为：其中T为检测阈值，Γ(·)和Γ(·,·)分别为伽马函数和上不完全伽马函数；

步骤3：建立公式化数学优化模型，以最大化检测概率为目标，约束虚警概率，优化智能反射面相位与融合中心权重系数，系统最大化目标表述为Pd，约束条件为虚警概率满足预先设定的目标，即 其中 为预先设定的阈值，第二个约束条件为IRS元件相位反射约束，即 其中 优化变量为IRS元件相位Θ以及融合中心权重系数w＝T

[w1,w2,…,wN]；

步骤4：利用交替优化算法，结合半正定松弛与Charnes‑Cooper变换方法求解优化问题，包括：步骤4.1，约束给定 下的检测阈值T可以表示为：则Pd可以被重新表示为：

由于伽马函数是单调函数，最大化Pd等同于最小化 则可表示为：步骤4.2，采用交替优化求解，首先固定Θ求解w，令

T H H

hm＝[(hm1+gmΘf1,R),…,(hmN+gpΘfN,R)]，Hp＝hphp，Hm＝hmhm，得到：

令A＝PpHp， 则原问题等价于：

上式为一个典型的瑞利商形式，推导出最优权重向量为：wopt＝umax，

‑1

其中umax为矩阵B A最大特征值对应的特征向量；

步骤4.3，固定w求解Θ，令

则原问题重新表述为：

T T 2 2 H

首先，令e＝[q 1]，平方项|(hp+gpΘfR)w|可以改写为|(hp+gpΘfR)w|＝e Gpe+zp，其中：

2 2 H

同样地，平方项|(hm+gmΘfR)w|可以改写为|(hm+gmΘfR)w|＝eGme+zm，其中：则改写问题为：

其中矩阵Vm的第(i,j)个元素满足i＝j＝m时值为1，矩阵内其余值均为0，该问题仍是一个关于变量e的非凸分式规划问题，因此，我们将上述问题转化为一个半正定规划问题，并H运用SDR方法处理非凸项，令E＝ee，将问题重新表述为：rank(E)＝1,

其中tr(·)表示矩阵的迹，rank(·)表示矩阵的秩，由于秩一约束rank(E)＝1非凸，运用SDR方法将其去除，则获得的解为原问题的松弛版本，由于上述问题仍是一个分式规划问题，运用Charnes‑Cooper变换，令 以及X＝μE，将问题重新表述为：

上述问题为凸的半定规划问题，通过凸优化求解工具进行求解；

步骤5：利用特征值分解处理得出的解，代入系统中，与传统方案对比性能；

智能反射面增强的抗模仿攻击协作频谱感知系统，所述系统包括感知模块、反射模块、决策模块和优化模块；

感知模块是系统内多个感知节点运用协作频谱感知技术联合检测主用户信号，搜寻可供机会接入的频谱空洞；

反射模块是系统内智能反射面调整其元件相位，增强主用户信号，抑制模仿攻击信号，同时增强感知精确度与安全性；

决策模块是系统内数据融合中心结合各感知节点检测结果，运用合并策略决策出最终统一的感知结果；

所述系统包括：N个次用户执行协作频谱感知，检测主用户信号，主用户模仿攻击者发出与主用户形式相似的信号来占用未使用的信道，以阻止其他次用户访问空闲的信道，配备M个无源元件的IRS被部署以增强主用户信号并抑制攻击者信号，所有次用户感知节点将接收信号合并至数据融合中心，数据融合中心中应用最大比合并准则进行信号合并，并采用能量检测算法得出检测性能指标：检测概率与虚警概率。