5G物理层安全技术——以通信促安全

作为无线安全的颠覆性革命技术,物理层安全技术是实现安全与通信一体化的关键手段。物理层安全技术的本质是利用无线信道特性的内生安全机制,为"一次一密"提供一种可行思路。源于通信能力的提升,无线物理层安全在5G高速率数据传输加密、5G鉴权认证、增强型移动宽带(eMBB)场景信令、业务数据完整性保护和5G物联网场景轻量级加密等方面有着重要的应用前景。为了进一步实现物理层安全在5G中的应用,还提出了一种可行的物理层安全5G工程实现框架。     

5G工业物联网无线信道建模研究

5G移动通信时代下工业4.0正从万物互联向万物智能演进，工业物联网(Industrial Internet of Things, IIoT)是5G通信系统重要应用场景之一。为促进5G时代下工业4.0的发展，针对IIoT场景提出了一种新的基于几何的随机模型(Geometry-Based Stochastic Model, GBSM)。鉴于5G IIoT具有富散射、多移动性和毫米波等信道特性，所提模型基于正弦和(Sum of Sinusoids, SOS)理论探索毫米波IIoT信道的频率一致性。此外，该模型还基于簇的生灭过程描述了5G IIoT信道的时间-空间非平稳特性。仿真表明角度和时延等小尺度参数在频域上是平滑变化的，且均方根(Root Mean Square, RMS)延迟扩展(Delay Spread, DS)的模拟数据和射线追踪(Ray Tracing, RT)仿真数据的拟合结果较好。以上结果验证了所提模型的准确性和有效性，为5G IIoT信道特性分析、系统设计和优化提供了重要理论支撑。     

变电站内5G终端通信信道建模与分析

以巡检机器人为代表的终端设备在变电站中应用广泛,第五代移动通信(5G)技术发展迅速,未来5G可移动终端在变电站的应用将会越来越多。通信系统的性能与无线信道息息相关,因此研究变电站中可移动终端的5G通信信道特性至关重要。文章针对变电站三维(3D)散射环境下5G可移动终端的通信信道的特性问题,基于多输入多输出技术,提出采用几何分析法建立3D信道模型,并推导出了信道的时间自相关函数、空间互相关函数。基于5G频段,仿真并分析了无线信道的自相关和互相关特性;研究了不同大小的莱斯因子对无线信道特性的影响。上述仿真结果表明了5G终端在变电站的可用性,拓宽了变电站场景下可移动终端运用5G通信技术的研究。     

基于散射特性的太赫兹信道建模

太赫兹(Terahertz, THz)通信是6G的关键技术之一。由于太赫兹技术具有大带宽和超高速率的特点,越来越受到关注。为支持太赫兹无线通信设备的性能评估,建立能够表征信道特性的无线信道模型至关重要。提出了一种基于散射特性的太赫兹信道模型,在室内场景中使用该信道模型生成信道系数和功率时延谱。分析结果表明,提出的信道模型能较好地表征太赫兹散射特性,能够支持太赫兹通信系统的设计与评估。     

认知无线电传感器网络CSMA协议中主用户和次用户的性能分析

针对认知无线电传感器网络(C RSN)中物理层特性高度可变带来的性能不确定性,在CRSN中定义了两种基础性能指标(带宽和时延),并分析了基于载波侦听多路访问(CSMA)的介质访问控制协议的性能.首先,在给定的主用户(PU)业务模型下利用CSMA算法估计单个次级用户(SU)的潜在带宽;然后,推导在不同业务信道同时传输多个SU的聚合带宽;最后,利用优先级队列模型M/G/C估计介质访问中的时延.性能分析表明,通过使用分布式信道协作结合CSMA的并发传输,聚合带宽可增加5倍,利用不同业务信道同时传输明显降低了分组时延.     

5G宏蜂窝移动通信三维圆柱MIMO多天线系统性能

针对第五代(5G)宏蜂窝移动对移动(M2M)通信场景需要高效率的信号传输模型,提出一种三维(3D)圆柱多输入多输出(MIMO)信道,反映分布区域宏蜂窝传播环境,其中三维圆柱作为信号传输中的干扰对象。接收端(Rx)位于圆柱模型的中心点,发射端(Tx)位于散射区域之外任意位置。接收信号由视距(LoS)传播分量的总和以及由不同物体反射的非视距(NLoS)传播分量组成,该模型能够充分适应各种5G无线通信场景。此外,本文结合莱斯衰落信道、均匀分布、高斯分布、拉普拉斯分布、冯米赛斯分布研究统计信道传播特性,即发射端和接收端在不同的运动方向和运动时间的空间互相关函数(CCF)、时间自相关函数(ACF)和多普勒功率谱密度(PSD)。发射端和接收端在不同时刻的传播特性数值的Matlab分析结果与仿真结果很好地拟合,证明了所提出的三维模型对于真实的5G宏蜂窝移动通信信道是切实可行的。     

基于飞行轨迹的无人机通信信道仿真

通过分析无人机之间无线链路的传播损耗、多普勒频率和多径时延等特征参数,提出一种基于三射线的无人机通信信道模型,并给出了无人机飞行轨迹在不同坐标系中的转换公式及已知飞行轨迹求解信道模型参数的方法。最后针对两种不同的典型飞行场景,对无人机通信链路的多径时延、传输损耗及多普勒频率算法进行了仿真验证,并获得了基于飞行轨迹的无人机空空数据链信道模型。该模型对无人机数据链系统参数选取、物理层算法设计和性能分析等具有重要意义。     

工业互联网信道特性与建模研究综述

工业互联网(Industrial Internet of Things, IIoT)是5G及后5G(beyond 5G, B5G)赋能工业制造的应用实例,也是“工业4.0”时代工业生产从制造走向智造的关键基础. IIoT场景的多样性与复杂性为该场景中通信系统的部署带来了挑战,准确刻画IIoT场景中的无线信道特性是该场景中通信系统设计和优化的前提.本文首先对IIoT场景特点进行了分析,其次根据现有文献调研总结了IIoT场景的信道特性,接着介绍了第三代合作伙伴计划(3rd Generation Partnership Project, 3GPP)标准中IIoT场景的信道特性建模方法,最后对未来IIoT场景的信道研究进行了展望.     

一种适用于战术通信环境的车对车信道模型

在战术通信环境下,机动车载平台间的无线信道特性更加复杂。传统移动信道模型没有考虑战术场景下的特殊因素对车对车信道的影响,所以此类模型不能应用于战术车载通信系统的设计和优化。为解决传统移动信道模型的局限性,该文提出一种适用于战术通信环境的车对车(Tactical-Vehicle-to-Vehicle, T-V2V)信道模型。该模型充分考虑了实际战术场景中两个车载平台间相互运动、方向性天线的对准问题以及地形地貌等因素对车对车信道的影响,并基于电平通过率(Lever Crossing Rate, LCR)和平均衰落持续时间(Average Duration of Fading, ADF)指标对所提模型进行统计分析。仿真结果表明,所提模型更加贴合战术通信实际情况,能够更为准确地反映出战术通信环境下的车对车信道的变化特性。最后,该文对影响T-V2V信道模型的相关因素进行了仿真分析,所得结果对战术车载通信系统的物理层设计具有重要参考价值。     

基于射线追踪技术的多类工业环境28GHz信道特性研究

工业物联网是第六代移动通信技术（6th Generation Mobile Communication Technology,6G）的典型应用场景,工业环境无线信道特性是构建工业物联网应用的基础。本文基于射线追踪技术,研究三类典型工业环境（车间工厂、食品工厂、仓库工厂）在28GHz频段的信道特性。研究结果表明不同工业环境的路径损耗特性相差较大,本文对差异的产生原因进行了阐述,还对比了视距与非视距情况下的均方根时延扩展特性。本文研究结果可以为室内多场景下28GHz信道特性的建模与研究提供帮助。     

面向6G低轨卫星物联网的能效优先的多波束鲁棒预编码设计

如今,物联网已经应用在经济社会的各个领域,但是由于空间、环境等限制,地面物联网在一些应用场景中表现出了服务能力严重不足的问题。针对这个问题,第六代移动通信技术（6th generation mobile networks, 6G）,提出将卫星通信与地面通信融合,从而实现全球无缝覆盖。对于卫星通信,卫星通常由太阳能供电,导致能量有限,因此想要实现大规模设备高质量的通信,卫星的能量效率设计非常必要。本文为6G低轨（low earth orbit, LEO）卫星物联网（Internet of Things, IoT）设计了一个能量有效的非正交多址接入（non-orthogonal multiple access, NOMA）框架,以支持广域分布设备的大规模机器通信（massive machine-type communications, mMTC）。考虑到LEO卫星的能量有限性和信道状态信息（channel state information, CSI）不准确,本文建立了一个在功率和信干噪比（signal-to-interference-plus-noise ratio, SINR）约束下最大化能效的优化问题。通过将分数形式问题转换为等效的减法形式优化问题,提出了一种鲁棒的联合波束成形和功率分配算法,以在存在信道不确定性的情况下最大化能量效率。理论分析和仿真结果均验证了所提算法的有效性和鲁棒性。      

An energy-efficient power allocation algorithm under reliability constraint for industrial Internet of Thing systems

With the development of 5G technology, the Internet of Things (IoT) system is becoming more and more widely used in various fields. However, the reliability issue still hinders the wide applications. For instance, the transmission reliability of the IoT system will be significantly affected by the status of end devices, wireless channel quality, and the environment. Moreover, according to the Automatic Repeat-reQuest (ARQ) retransmission mechanism in the 802.15.4 protocol, if the IoT end devices pursue a conservative power model causing low signal transmission power, it is likely that the signal power will lose too much during the transmission process. This will result in the increase of the network packet loss rate and the power consumption during the data retransmission. To solve this problem, this paper proposes a reasonable transmission power allocation algorithm to ensure the transmission reliability, considering the ARQ retransmission mechanism. The algorithm intends to find the optimal transmission power of each IoT end device, so as to minimize the total energy consumption. The simulation results demonstrate that the power allocation algorithm improves the reliability of the IoT system, compared with other algorithms.     

无人机短包通信中基于NOMA传输的安全性能分析

针对物联网（IoT）通信的低延时需求,为了保证数据传输的灵活性,本文构建一种基于短包传输的无人机（UAV）通信网络。由于非正交多址接入（NOMA）技术能够增加可服务的地面用户数量,故将该技术应用到无人机短包通信（UAV-SPC）系统中可以解决多用户的安全传输问题。与正交多址（OMA）技术相比,NOMA可有效提高用户接入公平性和频谱利用率,因此被广泛用于下行链路的通信传输。为解决复杂的安全传输问题,首先证明在功率和译码错误率约束的条件下,分别存在最优的功率分配,数据传输包长和系统传输比特数使目标用户的平均安全吞吐量最大。在此基础上,通过本文所提算法得到安全传输问题的优化解。实验结果验证了该算法的稳定性和可行性。此外,与基准方案相比,本文所提方案可有效降低短包传输的通信时延,提高系统中目标用户的平均安全吞吐量。      

基于连续时隙预测的帧时隙Aloha防碰撞算法

在射频识别（Radio Frequency Identification,RFID）系统中,针对EPC C1G2协议的Q算法中Q值调整的不灵活性及对空闲时隙和碰撞时隙处理上的缺点,提出了一种基于连续时隙预测的帧时隙Aloha防碰撞算法.通过马尔可夫时隙状态模型,分析不同连续时隙状态下帧长与标签数的关系,提出连续时隙预测机制和自适应散列方案.有效地减少了无效时隙的出现,实现了读取阶段的时隙多数为成功时隙.仿真结果表明,本文提出的算法能够灵活地调整帧长,有效提高吞吐率,降低传输延时和开销,为物联网（Internet of Things,IoT）的海量数据信息完整性问题提供了合理的解决方案.     

Sustainable Spectrum Allocation Strategy for 5G Mobile Network

These days, 5G wireless communication are being created for different modern IoT (Internet of Things) applications around the world, arising with the IoT. All things considered, it is feasible to send energy efficient innovation in a manner that advances the drawn out sustainability of networks. Next-generation heterogeneous wireless communication is composed of different base stations. In this network, sustainable spectrum allocation is required to maximize the bandwidth utilization along with a reduction in power consumption. This paper proposes an algorithm for allocating an optimized spectrum to clusters in a multi-cluster environment for sustainable 5G environment using particle swarm optimization (PSO). The proposed strategy is applicable for 3G, 4G, and 5G mobile networks. Mobile devices enter and leave the cluster randomly and stay within the cluster for an uncertain amount of time. During that period the user demands may vary. Consequently, various bandwidth allocations are required. For such cases, static allocation might result in inefficient utilization of bandwidth, wastage of power, and degrade user satisfaction. The proposed algorithm will optimize the spectrum allocated to a cluster from time to time to solve this problem and produce an optimized solution within a given deadline. PSO based proposed scalable spectrum allocation method is applicable for the different frequency range for each cluster, hence scalable from 3G telecommunication to 5G-mobile edge technology. The convergence of the strategy is analyzed. From simulation analysis, it is observed that the proposed strategy reduces power consumption by approximately 8%, 11%, and 6% in 3G, 4G, and 5G communications respectively than the existing scheme.

     

面向5G无人机通信场景的传播路径概率预测模型

面向5G无人机空地场景中快速变化的飞行高度和散射环境导致传播路径呈现动态生灭,路径概率预测对于描述动态生灭进而构建准确的空地信道模型至关重要.本文假设城市场景的建筑物位置服从泊松分布,综合考虑物理环境的随机几何信息以及菲涅尔传播区域等因素,建立了无人机对地视距（line-of-sight, LoS）路径概率的预测模型,该模型适用于不同飞行高度和通信频率.在此基础上,利用反射路径镜像的原理,推导获得了地面反射（ground specular, GS）路径概率的预测模型.仿真和分析结果表明,本文提出的LoS和GS路径概率模型在不同高度和频点与基于海量射线追踪仿真方法的平均预测结果表现出良好的一致性.此外,LoS路径概率模型在低空场景下的预测结果与现有标准化模型结果也吻合.     

Sandpiper optimization algorithm with cosine similarity based cross-layer routing protocol for smart agriculture in wireless sensor network assisted internet of things systems

The Internet of Things (IoT) has recently attained a prominent role in enabling smooth and effective communication among various networks. Wireless sensor network (WSN) is utilized in IoT to collect peculiar data without interacting with humans in specific applications. Energy is a major problem in WSN-assisted IoT applications, even though better data communication is achieved through cross-layer models. This paper proposes a new cross-layer-based clustering and routing model to provide a scalable and energy-efficient long data communication in WSN-assisted IoT systems for smart agriculture. Initially, the fuzzy k-medoids clustering approach is used to split the network into various clusters since the formation of clusters plays an important role in energy consumption. Then, a new swarm optimization known as enhanced sparrow search algorithm (ESSA), which is the combination of SSA and chameleon swarm algorithm (CSA), has been introduced for optimal cluster head (CH) selection to solve the energy-hole problems in WSN. A cross-layer strategy has been preferred to provide efficient data transmission. Each sensor node parameter of the physical layer, network layer and medium access control (MAC) is considered for processing routing. Finally, a new bio-inspired algorithm is known as the sandpiper optimization algorithm (SOA), and cosine similarity (CS) has been employed to determine the optimal route for efficient data transmission and retransmission. The simulation of the proposed protocol is implemented by network simulator (NS2), and the simulation results are taken in terms of end-to-end delay, PDR, communication overhead, communication cost, average consumed energy, and network lifetime.     

面向物联网的深度Q网络无人机路径规划

随着无人机技术的广泛应用,基于无人机辅助数据收集的物联网架构扩展了物联网的应用范围,尤其适用于军事战场、灾害救援等极端场景。针对上述场景,该文提出一种基于深度Q网络(Deep Q-Network, DQN)框架的无人机飞行路径规划算法。该算法以无人机飞行周期内收集信息的平均信息年龄(Age of Information, AoI)为优化目标,来保证无人机收集数据的时效性。仿真结果表明,所提算法可以有效降低无人机单个飞行周期内收集数据的平均AoI。与随机算法、基于最大AoI的贪心算法、最短路径算法以及基于AoI的路径规划算法(AoI-based Trajectory Planning, ATP)相比,平均AoI分别降低了约81%, 67%, 56%和39%。该研究实现了无人机辅助物联网系统中,数据的高效、低时延采集。