面向窃听用户的RIS-MISO系统鲁棒资源分配算法

针对信道不确定性影响、用户信息泄露和能效提升等问题,该文提出一种基于不完美信道状态信息的可重构智能反射面(RIS)多输入单输出系统鲁棒资源分配算法。首先,考虑能量收集最小接收功率约束、合法用户最小保密速率约束、基站最大发射功率约束及RIS相移约束,基于有界信道不确定性,建立一个联合优化基站主动波束、能量波束、RIS相移矩阵的多变量耦合非线性资源分配问题。然后,利用Dinkelbach,S-procedure和交替优化方法,将原非凸问题转换成确定性凸优化问题,并提出一种基于连续凸近似的交替优化算法。仿真结果表明,与传统非鲁棒算法对比,所提算法具有较低的中断概率。     

全双工主动窃听非正交多址接入系统智能超表面辅助物理层安全传输技术

针对全双工被动窃听和主动干扰攻击下的多用户非正交多址接入(NOMA)系统,该文提出一种智能超表面(RIS)辅助的鲁棒波束赋形方案以实现物理层安全通信。考虑在仅已知窃听者统计信道状态信息的条件下,以系统传输中断概率和保密中断概率作为约束,通过联合优化基站发射波束赋形、RIS相移矩阵、传输速率和冗余速率,来最大化系统的保密速率。为解决上述多变量耦合非凸优化问题,提出一种有效的交替优化算法得到联合优化问题的次优解。仿真结果表明,所提方案可实现较高的保密速率,且通过增加RIS反射单元数,系统保密性能更佳。     

基于NOMA的无线携能D2D通信鲁棒能效优化算法

针对频谱短缺、基站负荷过高、通信系统功耗较大等问题,考虑不完美的信道状态信息,该文提出一种基于非正交多址接入的无线携能(SWIPT)D2D网络鲁棒能效(EE)最大化资源分配算法(SREA)。考虑用户的服务质量约束以及最大发射功率约束,基于随机信道不确定性建立鲁棒能效最大化资源分配模型。利用Dinkelbach和变量替换方法,将原NP-hard问题转换为确定性的凸优化问题,通过拉格朗日对偶理论求得解析解。仿真结果表明,所提算法在保证蜂窝用户通信质量的同时,能够有效提高D2D用户的能效性和鲁棒性能。     

基于NOMA的无线携能D2D通信鲁棒能效优化算法

针对频谱短缺、基站负荷过高、通信系统功耗较大等问题,考虑不完美的信道状态信息,该文提出一种基于非正交多址接入的无线携能(SWIPT)D2D网络鲁棒能效(EE)最大化资源分配算法(SREA).考虑用户的服务质量约束以及最大发射功率约束,基于随机信道不确定性建立鲁棒能效最大化资源分配模型.利用Dinkelbach和变量替换方法,将原NP-hard问题转换为确定性的凸优化问题,通过拉格朗日对偶理论求得解析解.仿真结果表明,所提算法在保证蜂窝用户通信质量的同时,能够有效提高D2D用户的能效性和鲁棒性能.     

基于智能反射面辅助的无线供电通信网络鲁棒能效最大化算法

为了解决能量收集效率易受到障碍物阻挡和信道不确定性影响的问题,该文提出一种基于智能反射面(IRS)辅助的无线供电通信网络鲁棒能效(EE)最大化算法。首先,考虑最小收集能量、IRS相移、最小吞吐量等约束,基于有界信道不确定性,建立一个联合优化能量波束、相移、传输时间的多变量耦合非线性资源分配模型。然后,利用最坏准则、变量替换和S-Procedure等方法,将原非凸问题转换为确定性凸优化问题,同时,提出一种基于迭代的鲁棒能效最大化算法进行求解。仿真结果表明,与现有算法比较,该文算法具有较好的能效和鲁棒性。     

智能反射面辅助的抗干扰安全通信系统鲁棒资源分配算法

为了解决恶意干扰攻击、窃听和不完美信道状态信息造成的通信质量降低和安全性差等问题,该文提出一种智能反射面(IRS)辅助的抗干扰安全通信系统鲁棒资源分配算法。首先,基于合法用户的最小安全速率约束、最大发射功率约束和IRS相移约束,在非法节点不完美信道状态信息、干扰器波束成形向量未知的情况下,构建了一个联合优化基站的波束成形向量、人工噪声的协方差矩阵和IRS的相移矩阵的鲁棒资源分配问题。其次,为了求解该非凸问题,利用交替优化、Cauchy-Schwarz不等式、连续凸逼近和泰勒级数展开等方法,将原问题转化为易于求解的凸优化问题。仿真结果表明,与传统算法相比所提算法能有效提高系统安全性、降低功率开销、提高抗干扰裕度,且在一定信道误差范围内能够减低约35%的保密中断概率,具有较强的鲁棒性。     

基于硬件损伤的异构网络鲁棒安全资源分配算法

针对多蜂窝多用户异构网络中收发机处信号畸变、用户信息泄露和传输中断等问题,该文提出一种基于硬件损伤的异构网络鲁棒安全资源分配算法。考虑小蜂窝用户最小安全速率约束、小蜂窝基站最大发射功率约束和宏用户干扰功率约束,建立了基于有界信道不确定性的能效最大化资源分配模型。基于Dinkelbach法、最坏准则法和连续凸近似理论,将原非凸资源分配问题等价转换为凸优化问题,并利用拉格朗日对偶算法得到解析解。仿真结果表明,与现有算法相比,所提算法具有较好的能效和鲁棒性。     

面向安全通信的智能反射面网络能效优化算法

为了提高智能反射面网络传输安全性和能效,提出了一种面向安全通信的智能反射面网络能效最大资源分配算法。针对多输入单输出的智能反射面辅助蜂窝通信系统,考虑用户的安全速率约束、基站的最大发射功率约束以及连续相移约束,建立了非线性、多变量耦合的能效最大化资源分配模型。利用Dinkelbach方法将目标函数转化为辅助变量相减的形式,采用交替迭代算法求解原变量耦合的非凸优化问题。仿真结果表明,所提算法与传统算法对比,能效提升了8.3%,中断概率下降了77%。     

基于不完美CSI的D2D通信网络鲁棒能效资源分配算法

针对设备到设备(D2D)直连通信网络传统最优资源分配算法在随机信道时延、信道估计误差影响下鲁棒性弱的问题,该文在考虑参数不确定性影响的条件下,提出D2D用户总能效最大的鲁棒资源分配算法。考虑干扰功率门限、用户最小速率需求、最大传输功率和子信道分配约束,建立了下垫式频谱共享模式下多用户D2D网络资源分配模型。基于有界信道不确定性模型,利用最坏准则方法将原非凸鲁棒资源分配问题转换为确定性的凸优化问题。然后利用拉格朗日对偶理论求得资源分配的解析解。仿真结果表明所提出的算法具有很好的鲁棒性。     

基于不完美CSI的D2D通信网络鲁棒能效资源分配算法

针对设备到设备(D2D)直连通信网络传统最优资源分配算法在随机信道时延、信道估计误差影响下鲁棒性弱的问题,该文在考虑参数不确定性影响的条件下,提出D2D用户总能效最大的鲁棒资源分配算法.考虑干扰功率门限、用户最小速率需求、最大传输功率和子信道分配约束,建立了下垫式频谱共享模式下多用户D2D网络资源分配模型.基于有界信道不确定性模型,利用最坏准则方法将原非凸鲁棒资源分配问题转换为确定性的凸优化问题.然后利用拉格朗日对偶理论求得资源分配的解析解.仿真结果表明所提出的算法具有很好的鲁棒性.     

多个可重构智能表面辅助的双向通信系统中断概率分析

可重构智能表面(RIS)可以智能地改变无线传播环境来显著提高通信性能,被视为6G的潜在关键技术之一。为了进一步提升RIS辅助通信系统的性能,该文提出一种双向RIS选择方案,通过引入全双工技术和自干扰消除技术,有效提高了系统传输效率。研究了所提方案在瑞利衰落信道下的中断性能,推导了所提系统的中断概率的闭合表达式,得到了系统中断概率与系统中RIS反射单元的数量、RIS个数等系统参数之间的函数关系。最后,蒙特卡罗仿真验证了推导的准确性和所提方案的性能优势。     

可重构智能反射面辅助认知无线电多天线安全传输方法

考虑一个可重构智能反射面(RIS)辅助的频谱共享认知无线电(CR)多输入多输出(MIMO)安全通信系统。在存在窃听者的情况下，配备有多根天线的次级发送机与次级用户进行通信。首先，利用统计信道状态信息，得到了系统遍历安全速率的确定性等价表达式。然后，在满足总发送功率约束和干扰功率约束的条件下，提出一种结合泰勒级数展开法和拉格朗日乘子法的交替优化算法，联合优化了发送协方差矩阵和RIS相移矩阵。最后，仿真结果验证了所提算法的有效性。     

智能超表面赋能移动边缘计算部分任务卸载策略

针对移动边缘计算(MEC)任务卸载性能易受障碍物阻挡影响的问题,该文提出一种双智能超表面(RIS)赋能的移动边缘计算任务部分卸载框架。首先,分析两个RIS之间的反射对链路增益的影响。其次,联合考虑终端用户的发射功率、终端用户的卸载速率、任务卸载量、卸载时间的分配以及RIS相移约束,旨在建立一个能耗最小化优化问题。最后,采用交替迭代算法,将原非凸问题分解为两个子问题,并利用Dinkelbach方法和最优性条件进行求解。仿真结果验证了所提算法的快速收敛特性以及在降低系统能耗方面的有效性。     

基于硬件损伤的智能反射面辅助安全通信系统能效优化算法

为了克服阴影衰落和障碍物阻挡的影响,智能反射面(IRS)已经成为一种提高无线通信系统能量效率(EE)和降低硬件成本的有效技术。然而,传统无线资源分配(RA)算法忽略了系统收发机硬件损伤(HIs)的影响,由于放大器非线性、相位噪声的影响使得接收信号失真,从而使得这类算法的系统性能下降。为解决该问题,通过考虑收发机的硬件损伤和网络窃听者的影响,该文研究基于硬件损伤的IRS辅助安全通信系统能效优化问题。首先,基于基站的最大发射功率约束和用户的最小安全速率约束,建立一个含硬件损伤的能效最大资源优化问题。其次,采用辅助变量替换、半正定松弛以及Dinkelbach等方法,将原非凸问题转化为凸问题进行求解。最后,数值仿真结果表明,该算法与传统资源分配算法相比,合法用户的平均中断概率降低了43.5%,该算法中系统的安全能效提高了8.3%,因此,该算法具有较好的抗硬件损伤性和安全性。     

Energy efficiency optimization algorithm for heterogeneous NOMA network based on imperfect CSI

In order to improve the suppression capability of parametric perturbation and energy efficiency (EE) of heterogeneous networks (HetNets),a robust resource allocation algorithm was proposed to maximize system EE for reducing cross-tier interference power in non-orthogonal multiple access (NOMA) based HetNets.Firstly,the resource optimization problem was formulated as a mixed integer and nonlinear programming one under the constraints of the interference power of macrocell users,maximum transmit power of small cell base station (BS),resource block assignment and the quality of service (QoS) requirement of each small cell user.Then,based on ellipsoid bounded channel uncertainty models,the original problem was converted into the equivalent convex optimization problem by using the convex relaxation method,Dinkelbach method and the successive convex approximation (SCA) method.The analytical solutions were obtained by using the Lagrangian dual approach.Simulation results verifiy that the proposed algorithm had better EE and robustness by comparing it with the existing algorithm under perfect channel state information.     

基于深度学习的通信系统中安全能效的控制

该文研究了基于可重构智能超表面(RIS)赋能的无线通信系统的安全传输问题。在研究的模型中,一个用户通过智能超表面连接到接入点,而窃听者窃听了从用户发送到基站的信号。因此,有必要设计一个合适的智能超表面反射向量来解决窃听问题。这个问题被表述为一个优化问题,其目标是通过共同优化智能超表面反射向量和智能超表面元件的数量来最大化安全能效,该安全能效定义为安全速率与系统总能耗的比值。这是一个非凸优化问题,传统方法是难以解决的。为了解决这个问题,提出了一种利用新兴的深度学习(DL)技术的新算法,以找到近似最优的智能超表面反射向量并确定近似最优的genie-aided反射元素数量。仿真结果表明,该方法达到了近似最优算法的最佳安全能效的96%。     

数字孪生使能的智能超表面边缘计算网络任务卸载

针对新兴的计算密集型应用对移动用户高计算性能需求问题,该文提出一种数字孪生(DT)结合智能反射面(RIS)辅助的移动边缘计算(MEC)任务卸载方案。首先,在满足用户传输功率、用户和资源设备能耗、计算资源限制条件下,通过联合优化用户卸载决策、用户传输功率、RIS相移、波束成形矢量、计算资源分配,建立一个系统能耗最小化问题;其次,将该非凸组合优化问题分解为3个子问题,使用深度双Q网络(DDQN)方法确定用户卸载策略;然后对每个训练时间步进行一次求解,基于交替迭代方法得到问题的优化解。仿真结果表明,基于DDQN的算法训练速度较快,有效降低了系统总能耗。     

基于强化学习的智能超表面辅助无人机通信系统物理层安全算法

该文从物理层安全的角度出发研究了智能超表面(RIS)辅助的无人机(UAV) 3D轨迹优化。具体地说,当RIS辅助的UAV向地面用户进行无线传输时,通过联合优化RIS相移和UAV的3D轨迹来最大化物理层安全速率。然而,由于目标函数是非凸的,传统的优化技术很难直接求解。深度强化学习能够处理无线通信中动态复杂的优化问题,该文基于强化学习双深度Q网络(DDQN)设计一种联合优化RIS相移和无人机3D轨迹算法,最大化可实现的平均安全速率。仿真结果表明,所设计的RIS辅助UAV通信优化算法可以获得比固定飞行高度的连续凸逼近算法(SCA)、随机相移下的RIS算法和没有RIS的算法有更高的安全速率。     

可重构智能表面辅助无线通信的用户分配

可重构智能表面(RIS)是一种成本效益高的解决方案,可通过大量低成本的无源反射元件,提高无线通信系统的能源效益。在远场情况时,许多工作都是假设以RIS的中心作为反射点为前提展开研究。对于多用户的远场情况而言,用户位置不同会增加基站(BS)的功耗。该文以BS发射功率为代价矩阵,利用Kuhn-Munkres(KM)算法将用户与RIS单元进行匹配。该用户匹配方法在接收信噪比约束下,可以减少BS的发射功率。仿真结果表明,该文所采用的用户与RIS单元匹配方法与随机RIS单元相比,最多可以减少1%的BS功耗。