智能反射面辅助的OFDM通信系统研究

这是一篇关于OFDM,智能反射面,波束赋形,资源分配,信道估计的论文, 主要内容为智能反射面(Intelligent Reflecting Surface,IRS)是第六代移动通信(The 6th Generation,6G)系统中的一项关键技术,通过调整IRS的反射系数,可以改善无线信道,提高接收信号的能量。目前的通信系统广泛使用正交频分复用(Orthogonal Frequency Divison Multiplexing,OFDM)技术来提升吞吐量和频谱效率。如何使用IRS辅助OFDM通信,实现通信速率和系统功耗等方面的性能增益是一个亟待解决的关键问题。然而,由于OFDM系统的特性和IRS的特殊结构,使用IRS来增强OFDM通信系统也面临着新的挑战,主要是:1)OFDM系统中的资源分配与IRS无源波束互相耦合,如何设计低复杂度的联合优化方案;2)IRS的无源波束与所有子载波耦合在一起,不能针对各子载波分别设计,需要设计联合的波束赋形方案;3)OFDM系统中涉及频率选择性信道,如何准确地估计信道状态信息(Channel State Information,CSI)并进行传输优化。本文围绕上述挑战展开了深入研究,取得了若干创新性的研究成果,简述如下:首先,针对IRS辅助上行正交频分多址(Orthogonal Frequency Division Multiple Access,OFDMA)的云接入网系统,以最大化上行和速率为目标,建立了系统资源分配和IRS无源波束赋形的联合优化问题。然后采用交替优化算法(Alternative Optimization,AO)将非凸问题划分为子问题,提出了基于梯度的子带分配策略;之后提出了基于连续凸逼近(Successive Convex Approximation,SCA)技术的算法,获得了子问题的次优解。结果表明,所提出的算法能够显著提升上行接入速率,并且相较现有方法复杂度更低。其次,针对IRS辅助下行OFDM通信的共生系统,除了使用IRS增强OFDM主传输以外,还借助IRS对信号的反射实现了共生的物联网(Internet of Things,Io T)信息传输。具体而言,以最小化基站功率为目标,在用户和Io T信号接收机的接收信干噪比限制下,建立了基站有源波束赋形和IRS无源波束赋形的联合优化问题。然后,采用分别优化有源和无源波束赋形的思路,提出了基于分式规划(Fractional Programmimg,FP)和半正定松弛(Semidefinite Relaxation,SDR)技术的算法获得子问题的次优解。结果表明实现共生传输只需要较低的额外功率,并且所提波束赋形方案有效降低了基站的发射功率。最后,针对IRS的频率选择性反射模型,为IRS辅助的OFDM系统设计了上行信道估计方案,并优化了下行传输。具体而言,采用最小二乘(Least Square)方法估计了宽带的信道频率响应,并提出了一种基于一维搜索的优化算法来设计IRS对不同导频符号的反射模式,实现最小化信道估计误差。然后根据估计出的信道,建立了基站功率分配和IRS无源波束的联合优化问题,提出了一种交替优化算法来最小化基站发射功率。仿真结果验证了信道估计方法的准确性,所提算法成功地降低了系统功耗。此外,还揭示了频率选择性反射模型带来的性能增益,证明了引入这种模型的必要性。

无人机通信中的物理层安全传输技术研究

这是一篇关于无人机,物理层安全,保密速率,智能反射面的论文, 主要内容为无人机(Unmanned Aerial Vehicle,UAV)凭借着其操作简单、成本低、机动灵活等特点在未来通信网络中扮演着重要的角色,为进一步提高移动通信网络的通信速率、网络容量以及区域覆盖提供可能。然而,由于无线通信的广播特性,使得无人机通信系统极易遭受来自第三方窃听者的侦测和窃听,无线信号的安全传输成为了制约无人机通信应用和发展的一个瓶颈问题。现有的安全通信机制主要建立在计算密码学的基础上,面临着以下挑战:一方面,无人机平台自身的计算能力和能量受限,难以运行高计算复杂度的加解密算法;另一方面,无人机平台的高机动性,使得密钥的在线分发和管理变得越发困难。本文围绕无人机通信的安全传输需求,采用物理层安全技术来提高无人机通信的抗侦测和抗窃听能力,通过合理优化无人机的飞行轨迹,主动增强合法信道增益的同时降低窃听信道增益,提出了一套基于信道差异性增强的物理层安全传输方案,从而为无人机通信网络部署和应用提供理论和技术支撑。论文的主要内容如下:首先,对无人机通信的信道进行了实际测量、分析和建模,论证了进行无人机飞行轨迹和资源联合优化的必要性。为了分析无人机运动路径对物理层信号传输安全的影响,论文利用基于Xlinx的ZYNQ硬件平台搭建了无人机通信系统,在室内和室外场景分别进行了合法信道和窃听信道的实验测量。实测数据分析表明,相同的应用场景下合法接收节点和窃听节点的距离越大,合法信道和窃听信道之间的差异性越大,由此可见通过优化无人机的飞行轨迹来提高物理层安全传输性能是必要的、可行的。其次,针对城市环境下单架无人机服务地面节点的场景,假定窃听节点的位置信息存在误差的情况,设计了一种联合优化无人机飞行轨迹和信号发射功率的鲁棒安全传输方案。由于该优化问题为非凸的,论文采用了基于连续突近似算法(Successive Convex Approximation,SCA)以及块坐标下降算法(Block Coordinate Descent,BCD),将无人机飞行轨迹和信号发射功率控制策略分开求解,从而转化为标准凸优化问题。该方案同时适用于视距链路(Line of Sight,LOS)和非视距链路(Not Line of Sight,NLOS)场景。仿真结果表明,所提算法相比未经过轨迹优化以及功率分配的方案不仅能将最大保密速率提升2bps/Hz左右,且以较稳定的保密速率传输的时长提升两倍左右,有效提升无人机通信系统的鲁棒性。接着,针对城市环境中双无人机协作服务地面节点的场景,设计了一种双无人机飞行轨迹和发射功率联合优化的协作安全传输方案。该方案考虑了更为一般的空地模型,通过联合规划两架无人机飞行轨迹,增强合法信道增益的同时,进一步削弱了窃听信道增益,并通过联合无人机信号发射功率分配,实现了最大化保密速率。仿真结果表明,所提方案相比未经过优化部署的传输方案鲁棒性提升明显,特别是与单无人机通信系统相比,所提方案的总保密速率提升50%。最后,针对城市环境中无人机与地面节点可能不存在视距链路的场景,借助智能反射面(Intelligent Reflecting Surface,IRS),设计了一种联合优化无人机飞行轨迹、IRS相移和信号发射功率的无人机安全传输方案。该方案将智能反射表面部署在无人机通信系统附近的建筑物表面,利用IRS的无源波束成形特性,通过联合优化无人机的轨迹规划、IRS相移、以及信号发射功率,增强了合法信道与窃听信道之间的差异,从而提升保密速率。仿真结果表明,在部署IRS后,能有效避免视距链路受阻导致保密速率降低。通过利用其反射特性,有效增加了合法节点与窃听节点信道差异性,从而带来保密速率的增加。

智能反射面辅助的毫米波通信系统下行链路传输方案设计

这是一篇关于毫米波,智能反射面,相移设计,机器学习,复数神经网络的论文, 主要内容为随着无线通信技术的不断发展,通信系统对可达速率的要求越来越高。在第五代移动通信系统(The Fifth Generation of Mobile Communication Systems,5G)中,毫米波通信技术作为关键支撑技术之一,近年来受到广泛关注。毫米波频带资源丰富,可以显著提升通信系统性能。但是,毫米波频段高、传输损耗大、易被障碍物遮挡,不利于广域覆盖。智能反射面(Reconfigurable Intelligent Surface,RIS)的引入有望解决毫米波通信系统的覆盖问题。智能反射面由大量低成本的无源器件组成,通过改变这些器件的参数可以实现对反射信号的调控。同时,由于增加了一条额外的信号传播链路,智能反射面有助于解决障碍物遮挡问题。然而,智能反射面辅助的毫米波通信系统性能提升的关键在于恰当设计反射面的相移矩阵,即反射信号的被动波束赋形。现有方案往往采用主被动波束赋形的联合设计,受限于反射相移的恒模约束,算法复杂度较高,实际部署难度较大。针对上述问题,本文在智能反射面辅助的毫米波系统下行链路中,以可达速率最大化为优化目标,开展智能反射面相移设计研究。具体研究内容如下。第一,基于经典优化理论,研究智能反射面的相移设计问题。首先,建立引入智能反射面后系统的接收信号以及信道模型,并以可达速率为优化目标提出智能反射面相移设计的优化问题;然后,针对目标函数形式复杂而难以优化的问题,利用矩阵特征值的性质,推导其下界并表示为矩阵迹的函数,从而将原优化问题转换为对矩阵迹的下界进行优化;接着,针对智能反射面相移恒模的非凸约束,利用连续凸近似(Successive Convex Approximation,SCA)等两种方法对优化问题进行转化并求解;最后,仿真结果表明,与现有文献中方案相比,所提方法可以达到更高的系统可达速率且复杂度极低。第二,基于机器学习理论,研究智能反射面的相移设计问题。首先,由于通信系统中信号、信道以及智能反射面的相移通常都采用复数表现形式,本文针对性的设计了复数神经网络,能够根据输入的信道状态信息,输出优化后反射面相移系数;其次,针对反射相移的恒模约束问题,在复数神经网络的输出层引入特殊设计的激活函数,可以实现复数的相位提取功能;再次,针对训练数据中最优反射相移难以获取的问题,采用无监督学习方法,设计了基于可达速率最大化的损失函数;然后,推导了后向传播算法中各层参数的梯度表达式;最后,仿真结果表明,所提神经网络训练收敛速度快,与基于经典优化理论算法相比,可以实现更高的系统可达速率。

无人机通信中的物理层安全传输技术研究

这是一篇关于无人机,物理层安全,保密速率,智能反射面的论文, 主要内容为无人机(Unmanned Aerial Vehicle,UAV)凭借着其操作简单、成本低、机动灵活等特点在未来通信网络中扮演着重要的角色,为进一步提高移动通信网络的通信速率、网络容量以及区域覆盖提供可能。然而,由于无线通信的广播特性,使得无人机通信系统极易遭受来自第三方窃听者的侦测和窃听,无线信号的安全传输成为了制约无人机通信应用和发展的一个瓶颈问题。现有的安全通信机制主要建立在计算密码学的基础上,面临着以下挑战:一方面,无人机平台自身的计算能力和能量受限,难以运行高计算复杂度的加解密算法;另一方面,无人机平台的高机动性,使得密钥的在线分发和管理变得越发困难。本文围绕无人机通信的安全传输需求,采用物理层安全技术来提高无人机通信的抗侦测和抗窃听能力,通过合理优化无人机的飞行轨迹,主动增强合法信道增益的同时降低窃听信道增益,提出了一套基于信道差异性增强的物理层安全传输方案,从而为无人机通信网络部署和应用提供理论和技术支撑。论文的主要内容如下:首先,对无人机通信的信道进行了实际测量、分析和建模,论证了进行无人机飞行轨迹和资源联合优化的必要性。为了分析无人机运动路径对物理层信号传输安全的影响,论文利用基于Xlinx的ZYNQ硬件平台搭建了无人机通信系统,在室内和室外场景分别进行了合法信道和窃听信道的实验测量。实测数据分析表明,相同的应用场景下合法接收节点和窃听节点的距离越大,合法信道和窃听信道之间的差异性越大,由此可见通过优化无人机的飞行轨迹来提高物理层安全传输性能是必要的、可行的。其次,针对城市环境下单架无人机服务地面节点的场景,假定窃听节点的位置信息存在误差的情况,设计了一种联合优化无人机飞行轨迹和信号发射功率的鲁棒安全传输方案。由于该优化问题为非凸的,论文采用了基于连续突近似算法(Successive Convex Approximation,SCA)以及块坐标下降算法(Block Coordinate Descent,BCD),将无人机飞行轨迹和信号发射功率控制策略分开求解,从而转化为标准凸优化问题。该方案同时适用于视距链路(Line of Sight,LOS)和非视距链路(Not Line of Sight,NLOS)场景。仿真结果表明,所提算法相比未经过轨迹优化以及功率分配的方案不仅能将最大保密速率提升2bps/Hz左右,且以较稳定的保密速率传输的时长提升两倍左右,有效提升无人机通信系统的鲁棒性。接着,针对城市环境中双无人机协作服务地面节点的场景,设计了一种双无人机飞行轨迹和发射功率联合优化的协作安全传输方案。该方案考虑了更为一般的空地模型,通过联合规划两架无人机飞行轨迹,增强合法信道增益的同时,进一步削弱了窃听信道增益,并通过联合无人机信号发射功率分配,实现了最大化保密速率。仿真结果表明,所提方案相比未经过优化部署的传输方案鲁棒性提升明显,特别是与单无人机通信系统相比,所提方案的总保密速率提升50%。最后,针对城市环境中无人机与地面节点可能不存在视距链路的场景,借助智能反射面(Intelligent Reflecting Surface,IRS),设计了一种联合优化无人机飞行轨迹、IRS相移和信号发射功率的无人机安全传输方案。该方案将智能反射表面部署在无人机通信系统附近的建筑物表面,利用IRS的无源波束成形特性,通过联合优化无人机的轨迹规划、IRS相移、以及信号发射功率,增强了合法信道与窃听信道之间的差异,从而提升保密速率。仿真结果表明,在部署IRS后,能有效避免视距链路受阻导致保密速率降低。通过利用其反射特性,有效增加了合法节点与窃听节点信道差异性,从而带来保密速率的增加。

环境反向散射通信系统中信号检测与信道估计

这是一篇关于环境反向散射通信,共生无线电,信道估计,深度学习,智能反射面,信号检测的论文, 主要内容为随着物联网设备爆炸式的增长,能量受限和频谱资源短缺逐渐成为限制物联网发展的两大因素。环境反向散射通信(Ambient Backscatter Communication,AmBC)是一种新型的低能耗通信技术,它通过将待发送信号调制到周围环境中的射频信号上,实现无源信息传输,不需要昂贵的射频组件,并且不占用额外的频谱。随着AmBC的广泛应用,如何实现高速率、高可靠的反射通信成为国内外研究的热点。由于反射链路受双衰落效应和传统的单天线反射设备(Backscatter Device,BD)影响,导致反射链路信号通常非常弱,这限制了反向散射通信的传输速率和通信覆盖范围。智能反射面(Intelligent Reflecting Surface,IRS)是一种由大量可重构反射单元组成的辅助通信设备,通过控制反射单元的反射系数实现反射信号强度和方向可控的波束赋形。将IRS应用到AmBC中,可以作为BD进行无源信息传输,增强反射链路增益。由于环境射频信号的未知性和不可控性,AmBC中反射链路信号解调时会受到直接链路射频信号的强烈干扰。为此,人们提出了一种新型的共生无线电(Symbiotic Radio,SR)通信技术。在SR系统中,BD将其信号调制到来自主发射机的射频信号上实现无源信息传输,BD信号的传输为直接链路通信提供了额外的多路径增益。SR的接收机采用联合译码实现高可靠性的反向散射通信。近年来,深度学习凭借其处理数据的天然优势和强大的学习能力,成为了解决未来无线通信网络中复杂问题的有力手段。借助于深度学习方法,本文针对基于IRS的AmBC系统中无源波束设计和信号检测问题以及多BD的SR系统中的导频设计和信道估计问题展开深入研究。针对基于IRS的AmBC系统,本文提出了一种基于在线学习的IRS无源波束赋形和信号检测算法。针对IRS作为BD进行无源信息传输的AmBC通信模型,提出了IRS波束赋形设计的优化问题,目标是最小化反向散射符号的检测误码率(Bit Error Rate,BER)。该问题为非凸优化问题,不能用传统的优化问题直接求解。本文基于通信系统模型和期望最大化(Expectation Maximization,EM)检测算法设计了一个数据驱动和模型驱动深度学习方法相结合的IRS无源波束设计和信号检测网络结构,实现IRS反射系数矩阵与BER之间的非线性映射关系。基于在线学习的EM神经网络(Online Learning-based EM Neural Network,OEMNN)由两个子网络组成,第一个子网络是根据信号传输模型构建,通过将待优化的IRS相移量转化为可训练的神经网络参数,有效处理了优化问题中IRS反射单元的单位模约束。第二个子网络通过展开EM检测算法的迭代过程得到,用于获得反向散射符号的估计值。通过训练OEMNN得到优化后的神经网络参数,这些参数就是IRS反射系数矩阵的相移量。仿真实验结果表明,OEMNN的符号检测性能明显优化IRS随机无源反射波束设计方案和无IRS的AmBC方案。针对多BD的SR系统,本文提出了基于深度学习的联合导频设计和信道估计(Joint Pilot Design and Channel Estimation,JPDCE)方案。该系统考虑了BD的开关键控(On-Off Keying,OOK)和高阶反向散射这两种调制模式。JPDCE方案通过构建导频设计器和信道估计器来最小化信道估计的均方误差。在发射端,本文利用自编码器网络结构和信号流图构建了导频设计器,将导频信号模型映射到对应的导频设计网络中,训练完成后的神经网络参数就是所需的导频信号。在接收端,信道估计器首先利用深度残差网络(Deep Residual Network,DRN)对接收信号进行去噪处理,然后基于串行干扰消除(Successive Interference Cancellation,SIC)算法依次对每个信道进行估计,其中信道估计利用所构建的深度神经网络完成。此外,在网络训练的反向传播过程中,分别给出了BD两种调制约束下其对应的梯度更新方法。仿真结果显示,JPDCE方案的信道估计性能优于传统的线性最小均方误差(Linear Minimum Mean Square Error,LMMSE)和没有SIC的深度学习方案,并且在引入DRN的情况下具有更好的估计性能。

深度模型驱动的波束赋形技术研究

这是一篇关于智能反射面,毫米波通信,两阶段波束赋形,模型驱动的论文, 主要内容为数字化时代高速发展的列车,推动着现代无线通信领域的蓬勃发展,复杂化的场景需求与挑战,精细化的技术手段,共同构成了通信技术发展的增长极。高速率数据传输驱动着对毫米波频段的开发与利用,基于大规模天线阵列的波束赋形技术充分激发着毫米波通信系统的传输效率。为了应对信道环境的快速变化,智能反射面(Intelligent Reflecting Surface,IRS)通过智能化改善信道条件,辅助波束赋形,实现增强的数据传输。随着未来通信系统发展呈现复杂化趋势,智能反射面技术蕴藏巨大潜能的同时,也将加剧系统设计与调控难度,带来高昂开销。围绕智能反射面辅助的毫米波通信系统,本文从降低系统开销角度出发,重点研究了两阶段波束赋形方案,并结合深度学习探索了智能通信技术的可行性。传统方案大多依赖于瞬时的信道状态信息(Channel State Information,CSI),但系统阵元增多导致瞬时CSI获取难度激增,且IRS控制链路带来额外延迟,产生高额系统开销。本文采用两阶段波束赋形方案来降低开销,在大时间尺度根据统计CSI设计并固定智能反射面系数,在小时间尺度根据瞬时等效信道完成预编码设计。以最大化各态历经传输速率为目标,构建随机优化问题,并提供统一求解范式。针对两阶段波束赋形方案中高度耦合的非凸问题求解,本文从高效率与高速率两个角度出发设计了相应的准则。为实现极简设计,根据目标函数的近似闭式上界,提出最大化等效信道增益准则,实现极低复杂度的智能反射面辅助波束赋形。为实现逼近容量上限的信息传输,提出深度模型驱动的两阶段神经网络训练方法,建立利用深度学习求解随机优化问题的框架:在大时间尺度基于优化变量搭建深度网络,实现对复杂目标函数的样本平均逼近;在小时间尺度利用分数规划理论驱动深度展开网络的搭建,实现对最优预编码设计过程的拟合。在多用户MISO下行传输场景中,对两阶段网络联合训练,实现逼近性能上界的波束赋形。为研究所提算法在复杂系统中效力,考虑多用户OFDM-MISO宽带传输系统,设置多个智能反射面,采用混合预编码架构。同样采用两阶段波束赋形方案,在大时间尺度设计多个智能发射面的系数与基站模拟预编码,在小时间尺度瞬时调整数字预编码。基于最大化等效信道增益准则,推导了宽带场景中的近似上界并求解。基于深度模型驱动方案,针对OFDM多载波信号搭建了高效率的并行处理网络。仿真结果表明,所提算法为降低复杂通信系统的开销提供了有效解决方案。