[go: up one dir, main page]

CN108650008B - 基于认知网络的通信方法和设备 - Google Patents

基于认知网络的通信方法和设备 Download PDF

Info

Publication number
CN108650008B
CN108650008B CN201810473853.5A CN201810473853A CN108650008B CN 108650008 B CN108650008 B CN 108650008B CN 201810473853 A CN201810473853 A CN 201810473853A CN 108650008 B CN108650008 B CN 108650008B
Authority
CN
China
Prior art keywords
optimal
information
relay processing
transmitter
receiver
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201810473853.5A
Other languages
English (en)
Other versions
CN108650008A (zh
Inventor
王莹
苏润丛
马楠
孙文生
郭姗
王康康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201810473853.5A priority Critical patent/CN108650008B/zh
Publication of CN108650008A publication Critical patent/CN108650008A/zh
Application granted granted Critical
Publication of CN108650008B publication Critical patent/CN108650008B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/155—Ground-based stations
    • H04B7/15528—Control of operation parameters of a relay station to exploit the physical medium
    • H04B7/1555—Selecting relay station antenna mode, e.g. selecting omnidirectional -, directional beams, selecting polarizations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/155—Ground-based stations
    • H04B7/15564—Relay station antennae loop interference reduction
    • H04B7/15585—Relay station antennae loop interference reduction by interference cancellation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/60—Jamming involving special techniques
    • H04K3/62—Jamming involving special techniques by exposing communication, processing or storing systems to electromagnetic wave radiation, e.g. causing disturbance, disruption or damage of electronic circuits, or causing external injection of faults in the information

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供一种基于认知网络的通信方法和设备，通信方法包括：基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息；基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息；将所述最优信息发送至主接收机以及次接收机，完成基于认知网络的通信。本发明实施例提供的基于认知网络的通信方法和设备，通过设置上述通信传输过程，采用物理层安全技术和无线携能技术，通过基于求解保密速率目标函数获取的最优中继处理矩阵和最优波束赋形矢量，对所述发送信息进行处理，获取最优信息，能够使得本发明实施例中的基于认知网络的通信方法更具安全性。

Description

基于认知网络的通信方法和设备
技术领域
本发明实施例涉及认知网络通信领域，更具体地，涉及一种基于认知网络的通信方法和设备。
背景技术
无线通信网络正在经历着快速变革和蓬勃发展，人类生活与社会生产越来越多地受到无线通信技术的深刻影响，各种各样的新型无线网络技术被持续不断地引入,以满足持续增长和多样化的通信业务需求。随着移动数据流量的快速增长和物联网技术的飞速发展，新一代具备低成本、低能耗、安全可靠等特点的移动通信技术5G概念也被提出。随着无线通信技术的不断发展，无线服务的重点已经转向高清视频、交互业务等宽带、低时延服务，未来通信将由增强的传统业务和一些新兴业务组成，例如4K/8K视频、浸入式显示方式(虚拟现实VR/增强现实AR业务)、智能驾驶、智能制造、移动医疗以及无人机远程操控等。而频谱缺乏已成为高性能数据服务的严重阻碍，不断增长的无线通信需求与有限的频谱资源之间的矛盾日益凸显。认知无线电已经被公认是提高无线网络频谱效率的最有效解决方案之一。并且，在认知网络中主用户与次用户的协作传输得到越来多的关注。在协作认知网络中，次用户协助中继接收的主用户消息，作为回报主用户允许次用户在其频谱上发送自己的消息，这是一种双赢策略。
并且，无线通信网络规模的不断扩大、组网设备选址的随机化，导致整个网络能源消耗的急剧上升与无线设备供能难度的加大。特别是大量随机分布的无线通信设备(如传感器、智能终端等)是由容量有限的电池供电，极大地增加了无线通信网络的维护成本，也限制了其生命周期。以无线电信号为能量来源的能量收集技术，可以通过天线接受无线电磁波信号将其转换为电能加以利用，被视为一种延长无线网络生存周期的有效办法。另一方面，无线电磁波信号可以同时承载信息和能量，这使得支持无线信息和能量同时传输的无线携能通信技术成为研究的热点。
另外一方面，由于无线通信的广播特性，安全性一直是无线网络中的主要问题。传统的加密都是基于密码学采用加密算法对其进行加密，只有知道解密密钥的通信实体才能解码恢复信息明文。但是上层加密手段在认知无线电网络等新型网络中的性能受到一定程度的影响，比如认知网络中，次级用户可以动态的加入或离开次级用户网络，使得密钥管理受到严重限制，并且在其动态的接入初级用户频谱过程中，无线信道质量难以保证，可能出现通信过程信噪比较差的情况，不利于信息收发方的密钥传输。
发明内容
针对现有技术存在的问题，本发明实施例提供一种基于认知网络的通信方法和设备。
本发明实施例提供一种基于认知网络的通信方法，包括：基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息；基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息；将所述最优信息发送至主接收机以及次接收机，完成基于认知网络的通信。
本发明实施例提供一种基于认知网络的通信设备，包括：处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行上述通信方法。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述通信方法。
本发明实施例提供一种基于认知网络的通信方法，包括：将干扰信息发送至次发射机和窃听者，以使得所述次发射机基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，并且，使得所述次发射机基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息，并且，使得所述次发射机将所述最优信息发送至次接收机；接收所述次发射机发送的所述最优信息，完成基于认知网络的通信。
本发明实施例提供一种基于认知网络的通信设备，包括：处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行上述通信方法。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述通信方法。
本发明实施例提供的基于认知网络的通信方法和设备，通过设置上述通信传输过程，采用物理层安全技术和无线携能技术，通过基于求解保密速率目标函数获取的最优中继处理矩阵和最优波束赋形矢量，对所述发送信息进行处理，获取最优信息，能够使得本发明实施例中的基于认知网络的通信方法更具安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于认知网络的通信方法次发射机端实施例的流程图；
图2为本发明实施例中的基于认知网络的通信传输模型图；
图3为本发明实施例中的主用户保密速率随主发射机发射功率的变化曲线图；
图4为本发明基于认知网络的通信系统次发射机端实施例的模块图；
图5为本发明实施例中的基于认知网络的通信设备次发射机端的结构示意图；
图6为本发明基于认知网络的通信方法主接收机端实施例的流程图；
图7为本发明实施例中的目的端辅助与无目的端辅助安全通信对比图；
图8为本发明基于认知网络的通信系统主接收机端实施例的模块图；
图9为本发明实施例中的基于认知网络的通信设备主接收机端的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例是基于包括主发射机、主接收机、次发射机、次接收机和窃听者的认知网络。
图1为本发明基于认知网络的通信方法次发射机端实施例的流程图，如图1所示，包括：S101、基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息；S102、基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息；S103、将所述最优信息发送至主接收机以及次接收机，完成基于认知网络的通信。
具体地，本实施例的执行主体是次发射机。
进一步地，主发射机可向其余主体发送主用户信息，同样的，次发射机可向其余主体发送次用户信息。
首先，在执行本实施例的方法前，本发明还包括以下步骤，用以制定本发明实施例提供的基于认知网络的通信流程：
第一步，主发射机将主用户信息分别发送至次发射机和窃听者，并且，主接收机将干扰信息分别发送至窃听者和次发射机。需要说明的是，主发射机发送给窃听者的主用户信息是被动的。
在这里，窃听者得到的合法信息的信噪比如下式：
Figure BDA0001663935750000051
其中，PS，PD分别为主发射机和主接收机发送信号的功率，hSE，
Figure BDA0001663935750000058
分别为主发射机和主接收机到窃听者的信道系数。
第二步，次发射机采用放大转发协议中继主用户信号给主接收机，同时传输次用户信息给次接收机。
在这里，次发射机发送信号为：
Figure BDA0001663935750000052
其中，F和w分别为中继处理矩阵和波束赋形矢量；hSR和
Figure BDA0001663935750000057
分别为主发射机到次发射机、主接收机到次发射机的信道矢量。
由于主接收端已知在第一步发送的干扰信号，所以可以在接收到次发射机转发的信号后消除干扰，则主用户、次用户以及第二步窃听者接收信号的信噪比分别为：
Figure BDA0001663935750000053
Figure BDA0001663935750000054
Figure BDA0001663935750000055
其中，
Figure BDA0001663935750000056
hRD2、hRE分别为次发射机到主接收机、次接收机和窃听者之间的信道矢量。
需要说明的是，图2为本发明实施例中的基于认知网络的通信传输模型图，上面的传输步骤，即第一步和第二步，请参照图2的内容。
在图2中，S是主发射机，R是次发射机，E是窃听者，D1是主接收机，D2是次接收机，PS是功率分流机，ID是信息解码，EH是能量收集，x1是主用户信息，x2是次用户信息，xD是干扰信息，其他各h符号均是不同节点之间的信道信息。
进一步地，在步骤S103中，在最优信息发送至主接收机时，主接收机会在最优信息中提取主用户的相关信息；在最优信息发送至次接收机时，次接收机会在最优信息中提取次用户的相关信息。
本发明实施例提供的基于认知网络的通信方法，通过设置上述通信传输过程，采用物理层安全技术和无线携能技术，通过基于求解保密速率目标函数获取的最优中继处理矩阵和最优波束赋形矢量，对所述发送信息进行处理，获取最优信息，能够使得本发明实施例中的基于认知网络的通信方法更具安全性。
基于上述实施例，所述基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，具体包括：基于求解保密速率目标函数获取的最优功率分流比，将所述主发射机发送的主用户信息和主接收机发送的干扰信息分流成信息解码功率和能量收集功率；基于最优中继处理矩阵，根据所述信息解码功率和所述能量收集功率，获取所述中继处理信息。
具体地，本实施例的执行主体是次发射机。本实施例是做了功率分流的操作，能够实现无线携能传输。
次发射机接收的信号进入能量收集和信息解码子模块，则次发射机收集的能量，用公式表示为：
Figure BDA0001663935750000061
其中，0＜η＜1是能量转换效率，ρ是功率分流比。
本发明实施例提供的基于认知网络的通信方法，为了保护合法用户信息，优化整个网络的通信性能，分别对主用户和次用户信息乘以中继处理矩阵和波束赋形矢量进行处理。
基于上述实施例，所述基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，之前还包括：求解保密速率目标函数获取最优因素数据，所述最优因素数据包括最优功率分流比、所述最优中继处理矩阵以及所述最优波束赋形矢量。
基于上述实施例，所述保密速率目标函数为：
Figure BDA0001663935750000071
其中，
Figure BDA0001663935750000072
为主接收机的信噪比，
Figure BDA0001663935750000073
为次接收机的信噪比，
Figure BDA0001663935750000074
为叠加成最优信息时窃听者接收的信噪比，
Figure BDA0001663935750000075
为发送最优信息时窃听者接收的信噪比，PR(F,w,ρ)为次发射机的传输功率，
Figure BDA0001663935750000076
为次发射机收集的能量，即是次发射机发送功率的上限，ρ为最优功率分流比，F为最优中继处理矩阵，w为最优波束赋形矢量。
基于上述实施例，所述求解保密速率目标函数获取最优因素数据，所述最优因素数据包括最优功率分流比、所述最优中继处理矩阵以及所述最优波束赋形矢量，具体包括：基于功率分流比和信噪比约束，获取中间中继处理矩阵和中间波束赋形矢量，并且，基于所述信噪比约束，获取中间功率分流比，并且，获取中间信噪比约束；循环执行上一步骤，直至所述保密速率目标函数收敛，获取收敛的保密速率目标函数中的中间功率分流比、中间中继处理矩阵和中间波束赋形矢量，作为所述最优功率分流比、所述最优中继处理矩阵和所述最优波束赋形矢量。
具体地，本实施例是求解保密速率目标函数的实施例。
具体地，下面以一个具体地实施例来解释说明本实施例的求解保密速率目标函数的过程。
图3为本发明实施例中的主用户保密速率随主发射机发射功率的变化曲线图，本实施例还请参考图3。
由于主用户需要次用户的协助才能完成通信，并且需要次用户来保障其信息的安全性，所以为了激励次用户来参与协作，主用户答应次用户接入其频谱并且保障其合理的最小速率需求，作为回报次用户要帮主用户中继信息给接收机，同时保障主用户的信息安全，最大化主用户的保密速率。
主用户的保密速率，用公式表示为：
Figure BDA0001663935750000077
次用户的通信速率，用公式表示为：
Figure BDA0001663935750000081
同时，功率分流比和次发射机发射功率需要满足以下约束：
1)0≤ρ≤1
2)
Figure BDA0001663935750000082
整体保密速率目标函数如下：
Figure BDA0001663935750000083
Figure BDA0001663935750000084
Figure BDA0001663935750000085
其中，
Figure BDA0001663935750000086
为主接收机的信噪比，
Figure BDA0001663935750000087
为次接收机的信噪比，
Figure BDA0001663935750000088
为叠加成最优信息时窃听者接收的信噪比，
Figure BDA0001663935750000089
为发送最优信息时窃听者接收的信噪比，PR(F,w,ρ)为次发射机的传输功率，
Figure BDA00016639357500000810
为次发射机收集的能量，ρ为最优功率分流比，F为最优中继处理矩阵，w为最优波束赋形矢量。
由于上述目标函数是复杂的非凸问题，因此需要对问题P1进行转换。
首先，本实施例提出一个通用的两阶段过程来解决问题(P1)。从
Figure BDA00016639357500000811
的表达式可以看出，
Figure BDA00016639357500000812
可以认为是一个常量，所以主要考虑
Figure BDA00016639357500000813
在窃听端总是存在一个信噪比约束γe下面的问题P2与P1有相同的：
Figure BDA00016639357500000814
Figure BDA00016639357500000815
Figure BDA00016639357500000816
Figure BDA00016639357500000817
其中，
Figure BDA00016639357500000818
是次用户的最小信噪比需求。
对于任意给定的一个γe＞0，让g(γe)表示P2的最优值。那么P1与下述问题P3有相同的最优解：
Figure BDA00016639357500000819
让
Figure BDA00016639357500000820
表示问题P2的最优解，从以上结果可以知道当
Figure BDA00016639357500000821
时，P1和P2有相同的最优值。也就是说P1可以由以下两个步骤解决：通过P3求解最优解
Figure BDA0001663935750000091
同时通过给定任意γe可以通过解决P2得到g(γe)。
接下来，首先通过固定功率分流比ρ求解最优的F和w。为了高效的求解问题，利用等式
Figure BDA0001663935750000092
和
Figure BDA0001663935750000093
来重写P2为P4：
Figure BDA0001663935750000094
Figure BDA0001663935750000095
Figure BDA0001663935750000096
Figure BDA0001663935750000097
Figure BDA0001663935750000098
Figure BDA0001663935750000099
Figure BDA00016639357500000910
Figure BDA00016639357500000911
Figure BDA00016639357500000912
Figure BDA00016639357500000913
Figure BDA00016639357500000914
Figure BDA00016639357500000915
Figure BDA00016639357500000916
其中：f＝vec(F)，
Figure BDA00016639357500000917
P4仍然是非凸的，所以本实施例采用SDR技术来解决问题P4.定义
Figure BDA00016639357500000918
W＝wwH，则问题P4能松弛为P4-SDR：
P4-SDR:
Figure BDA0001663935750000101
Figure BDA0001663935750000102
Figure BDA0001663935750000103
Figure BDA0001663935750000104
问题P4是线性拟凸问题，通过采用Charnes-Cooper转化，定义
Figure BDA0001663935750000105
和
Figure BDA0001663935750000106
P4-SDR能被重写为P5：
Figure BDA0001663935750000107
Figure BDA0001663935750000108
Figure BDA0001663935750000109
Figure BDA00016639357500001010
Figure BDA00016639357500001011
Figure BDA00016639357500001012
P5是一个凸SDP问题，可以被有效解决。
值得注意的是问题P5属于“分离的SDP”问题。问题P5的最优解总是满足
Figure BDA00016639357500001013
其中4是约束的个数。考虑非特殊情况
Figure BDA00016639357500001014
有
Figure BDA00016639357500001015
和
Figure BDA00016639357500001016
所以SDR问题是紧致的，可以获得P4的最优f*和w*。
到目前为止，对于固定功率分流比的问题P2已经被求解完成。接下来，本实施例将寻找最优的功率分流比ρ。
让λ1、λ2、λ3、λ4分别对应问题P5约束的拉格朗日因子，那么P5的拉格朗日函数可以表示为：
Figure BDA00016639357500001017
其中，
Figure BDA0001663935750000111
Figure BDA0001663935750000112
Figure BDA0001663935750000113
拉格朗日对偶函数表示为：
Figure BDA0001663935750000114
因为问题P5是凸的，所以满足松弛条件有强对偶性。因此，
Figure BDA0001663935750000115
当γe固定时，通过g1(ρ,γe)的导数，求解最优的ρ：
Figure BDA0001663935750000116
其中，
Figure BDA0001663935750000117
Figure BDA0001663935750000118
Figure BDA0001663935750000119
Figure BDA00016639357500001110
Figure BDA00016639357500001111
Figure BDA00016639357500001112
得到上述在给定γe得到的最优ρ*，可以通过
Figure BDA00016639357500001113
求导得到最优的γe。
Figure BDA00016639357500001114
Figure BDA00016639357500001115
从以上可以看出问题P1可以通过三个步骤进行求解：1)给定ρ和γe，求解问题P5得到g1(ρ,γe)；2)给定γe，通过g1(ρ,γe)导数求解最优的ρ*；3)通过g1(ρ*,γe)和G(γe)求解最优的γe。重复上述三个步骤，直到问题收敛。
最后对得到的最优的解对应的通信方法进行性能分析。
需要说明的是，本实施例可概括成三个单元，分别是目标构建单元、问题求解单元、性能分析单元，其中问题求解单元又包含波束赋形设计子单元，功率分流比求解子单元，转化因子求解子单元。
目标构建单元，通过上述过程得到主用户、次用户的通信速率，并且构建保密速率目标函数。
其中具体地，首先通过信息通信以及能量采集获得每个用户的信噪比：
Figure BDA0001663935750000121
Figure BDA0001663935750000122
Figure BDA0001663935750000123
获得主用户与次用户的速率：
Figure BDA0001663935750000124
Figure BDA0001663935750000125
从而获得整个目标函数如下：
Figure BDA0001663935750000126
Figure BDA0001663935750000127
Figure BDA0001663935750000128
问题求解单元，对上述构建的复杂目标函数，转化为可解的目标函数，并且包含波束赋形设计子单元，功率分流比求解子单元，转化因子求解子单元三个子单元对问题进行求解。
具体的，首先通过引入转化因子将问题分解为两部分P2和P3，再进行转化，将问题P3转化为求解最优波束赋形和功率分流比两个部分，得到：
波束赋形设计子单元：
Figure BDA0001663935750000131
Figure BDA0001663935750000132
Figure BDA0001663935750000133
Figure BDA0001663935750000134
Figure BDA0001663935750000135
Figure BDA0001663935750000136
功率分流比求解子单元：
Figure BDA0001663935750000137
转化因子求解子单元：
Figure BDA0001663935750000138
Figure BDA0001663935750000139
性能分析单元，分析上述系统的安全通信性能。
作为一个优选实施例，图4为本发明基于认知网络的通信系统次发射机端实施例的模块图，如图4所示，包括：中继处理获取模块401，用于基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息；最优获取模块402，用于基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息；通信完成模块403，用于将所述最优信息发送至主接收机以及次接收机，完成基于认知网络的通信。
需要说明的是，中继处理获取模块401、最优获取模块402和通信完成模块403配合以执行上述实施例中的一种基于认知网络的通信方法，该系统的具体功能参见上述的通信方法的实施例，此处不再赘述。
作为一个优选实施例，图5为本发明实施例中的基于认知网络的通信设备次发射机端的结构示意图，如图5所示，该设备包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和总线504，其中，处理器501，通信接口502，存储器503通过总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行如下方法：基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息；基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息；将所述最优信息发送至主接收机以及次接收机，完成基于认知网络的通信。
作为一个优选实施例，本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息；基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息；将所述最优信息发送至主接收机以及次接收机，完成基于认知网络的通信。
作为一个优选实施例，本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息；基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息；将所述最优信息发送至主接收机以及次接收机，完成基于认知网络的通信。
基于上述实施例，图6为本发明基于认知网络的通信方法主接收机端实施例的流程图，如图6所示，包括：S601、将干扰信息发送至次发射机和窃听者，以使得所述次发射机基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，并且，使得所述次发射机基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息，并且，使得所述次发射机将所述最优信息发送至次接收机；S602、接收所述次发射机发送的所述最优信息，完成基于认知网络的通信。
需要说明的是，本实施例的执行主体是主接收机。
即本实施例可通过下述步骤描述：
首先，主接收机将干扰信息发送至次发射机和窃听者，以使得所述次发射机基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息。
其次，所述次发射机基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息。
再次，所述次发射机将所述最优信息发送至主接收机以及次接收机。
最后，主接收机接收所述次发射机发送的所述最优信息，次接收机也接收所述次发射机发送的所述最优信息，完成基于认知网络的通信。
图7为本发明实施例中的目的端辅助与无目的端辅助安全通信对比图，本实施例也请参考图7。
本发明实施例提供的基于认知网络的通信方法，通过设置主接收机发射干扰降低窃听信道的质量，能够引入目的端辅助干扰的方式，保障用户的安全通信。
作为一个优选实施例，图8为本发明基于认知网络的通信系统主接收机端实施例的模块图，如图8所示，包括：干扰发送模块801，用于将干扰信息发送至次发射机和窃听者，以使得所述次发射机基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，并且，使得所述次发射机基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息，并且，使得所述次发射机将所述最优信息发送至次接收机；接收完成模块802，用于接收所述次发射机发送的所述最优信息，完成基于认知网络的通信。
需要说明的是，需要说明的是，干扰发送模块801和接收完成模块802配合以执行上述实施例中的一种基于认知网络的通信方法，该系统的具体功能参见上述的通信方法的实施例，此处不再赘述。
作为一个优选实施例，图9为本发明实施例中的基于认知网络的通信设备主接收机端的结构示意图，如图9所示，该设备包括：处理器(processor)901、通信接口(Communications Interface)902、存储器(memory)903和总线904，其中，处理器901，通信接口902，存储器903通过总线904完成相互间的通信。处理器901可以调用存储器903中的逻辑指令，以执行如下方法：将干扰信息发送至次发射机和窃听者，以使得所述次发射机基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，并且，使得所述次发射机基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息，并且，使得所述次发射机将所述最优信息发送至次接收机；接收所述次发射机发送的所述最优信息，完成基于认知网络的通信。
作为一个优选实施例，本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：将干扰信息发送至次发射机和窃听者，以使得所述次发射机基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，并且，使得所述次发射机基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息，并且，使得所述次发射机将所述最优信息发送至次接收机；接收所述次发射机发送的所述最优信息，完成基于认知网络的通信。
作为一个优选实施例，本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：将干扰信息发送至次发射机和窃听者，以使得所述次发射机基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，并且，使得所述次发射机基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息，并且，使得所述次发射机将所述最优信息发送至次接收机；接收所述次发射机发送的所述最优信息，完成基于认知网络的通信。
本发明实施例针对认知网络，综合采用携能传输与物理层安全技术，构建基于目的端辅助的认知网络中无线携能的安全通信传输方法。
本发明实施例为了更好促进主用户网络与次用户网络的协作，设计了基于物理层安全和无线携能的安全传输架构，包含用户传输模块、携能传输模块、目的端辅助模块、安全通信保障模块，其中：
用户传输模块建立主发射机与次发射机之间、主发射机与窃听者之间、次发射机与窃听者之间、次发射机与主接收机之间、次发射机与次接收机之间链路传输集合。
携能传输模块包含能量收集子模块和信息解码子模块。为了实现信息与能量的同时传输，采用功率分流接收机结构，即接收机接收到的信号分别根据功率分流比ρ和1-ρ分别传入信息解码子模块和能量收集子模块。并且能量收集子模块收集的能量将用于下一阶段的信息传输。
目的端辅助模块主要是在通信的第一阶段发射友好干扰信号来干扰窃听者，降低窃听信道的质量，辅助网络中用户的安全通信，保障合法用户的信息不被泄露。
安全通信保障模块包含目标构建单元、问题求解单元、性能分析单元。
本发明实施例针对次用户能量受限的认知网络，通过射频信号采集能量为次用户充电的同时利用收集的能量进行信息传输，从而实现整个网络的正常通信。进一步，引入目的端辅助干扰的方式，保障用户的安全通信。
本发明实施例为了激励次用户加入协作，保障次用户的合理最低通信要求。在整个认知协作通信网络中，还要保障主用户的安全通信，追求主用户网络保密性能的最大化。因此，优化主用户网络与次用户网络的通信性能，同时考虑整个工作过程中能量的收集和功率消耗等问题。
将用户传输模块提取的信道信息加入到基本的安全通信系统中，从而分别设计主用户与次用户信息的中继处理矩阵和波束赋形矢量，来保障整个认知网络的安全通信性能。
本发明实施例提供的基于认知网络的通信方法和设备，通过设置上述通信传输过程，采用物理层安全技术。通过基于求解保密速率目标函数获取的最优中继处理矩阵和最优波束赋形矢量，对所述发送信息进行处理，获取最优信息，能够使得本发明实施例中的基于认知网络的通信方法更具安全性。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于认知网络的通信方法，其特征在于，包括：
基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息；
基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息；
将所述最优信息发送至主接收机以及次接收机，完成基于认知网络的通信；
其中，所述基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，之前还包括：
求解保密速率目标函数获取最优因素数据，所述最优因素数据包括最优功率分流比、所述最优中继处理矩阵以及所述最优波束赋形矢量；
其中，所述求解保密速率目标函数获取最优因素数据，所述最优因素数据包括最优功率分流比、所述最优中继处理矩阵以及所述最优波束赋形矢量，具体包括：
基于功率分流比和信噪比约束，获取中间中继处理矩阵和中间波束赋形矢量，并且，基于所述信噪比约束，获取中间功率分流比，并且，获取中间信噪比约束；
循环执行上一步骤，直至所述保密速率目标函数收敛，获取收敛的保密速率目标函数中的中间功率分流比、中间中继处理矩阵和中间波束赋形矢量，作为所述最优功率分流比、所述最优中继处理矩阵和所述最优波束赋形矢量。
2.根据权利要求1所述的通信方法，其特征在于，所述基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，具体包括：
基于求解保密速率目标函数获取的最优功率分流比，将所述主发射机发送的主用户信息和主接收机发送的干扰信息分流成信息解码功率和能量收集功率；
基于最优中继处理矩阵，根据所述信息解码功率和所述能量收集功率，获取所述中继处理信息。
3.根据权利要求1所述的通信方法，其特征在于，所述保密速率目标函数为：
Figure FDA0002386806940000021
其中，
Figure FDA0002386806940000022
为主接收机的信噪比，
Figure FDA0002386806940000023
为次接收机的信噪比，
Figure FDA0002386806940000024
为叠加成最优信息时窃听者接收的信噪比，
Figure FDA0002386806940000025
为发送最优信息时窃听者接收的信噪比，PR(F,w,ρ)为次发射机的传输功率，
Figure FDA0002386806940000026
为次发射机收集的能量，ρ为最优功率分流比，F为最优中继处理矩阵，w为最优波束赋形矢量，Rmin为最小速率需求。
4.一种基于认知网络的通信设备，其特征在于，包括：
处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如权利要求1至3中任一所述的通信方法。
5.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至3任一所述的通信方法。
6.一种基于认知网络的通信方法，其特征在于，包括：
将干扰信息发送至次发射机和窃听者，以使得所述次发射机基于最优中继处理矩阵，将主发射机发送的主用户信息以及主接收机发送的干扰信息叠加成中继处理信息，并且，使得所述次发射机基于最优波束赋形矢量，将所述中继处理信息和次用户信息叠加成最优信息，并且，使得所述次发射机将所述最优信息发送至次接收机；
接收所述次发射机发送的所述最优信息，完成基于认知网络的通信；
其中，最优因素数据是由所述次发射机求解保密速率目标函数获取到的，所述最优因素数据包括最优功率分流比、所述最优中继处理矩阵以及所述最优波束赋形矢量；
其中，所述最优功率分流比、所述最优中继处理矩阵和所述最优波束赋形矢量分别为由所述发射机基于功率分流比和信噪比约束，获取中间中继处理矩阵和中间波束赋形矢量，并且，基于所述信噪比约束，获取中间功率分流比，并且，获取中间信噪比约束；循环执行上一步骤，直至所述保密速率目标函数收敛，获取收敛的保密速率目标函数中的中间功率分流比、中间中继处理矩阵和中间波束赋形矢量。
7.一种基于认知网络的通信设备，其特征在于，包括：
处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如权利要求6所述的通信方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求6所述的通信方法。
CN201810473853.5A 2018-05-17 2018-05-17 基于认知网络的通信方法和设备 Expired - Fee Related CN108650008B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810473853.5A CN108650008B (zh) 2018-05-17 2018-05-17 基于认知网络的通信方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810473853.5A CN108650008B (zh) 2018-05-17 2018-05-17 基于认知网络的通信方法和设备

Publications (2)

Publication Number Publication Date
CN108650008A CN108650008A (zh) 2018-10-12
CN108650008B true CN108650008B (zh) 2020-07-07

Family

ID=63756512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810473853.5A Expired - Fee Related CN108650008B (zh) 2018-05-17 2018-05-17 基于认知网络的通信方法和设备

Country Status (1)

Country Link
CN (1) CN108650008B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109787828B (zh) * 2019-01-18 2021-08-31 杭州电子科技大学 认知swipt最佳节点选择与波束成型联合设计方法
CN109768815B (zh) * 2019-01-18 2020-11-03 北京邮电大学 非信任双向中继多天线协作通信方法、装置及存储介质
CN111565431B (zh) * 2020-03-26 2022-02-15 北京邮电大学 基于神经网络的swipt认知无线电网络的中继选择方法及装置
CN113541757B (zh) * 2021-07-13 2023-05-16 北京航空航天大学 一种基于毫米波波束赋形的无人机机间安全通信方法
CN115987366B (zh) * 2022-08-31 2024-07-23 长沙理工大学 基于联合优化的双向无人机辅助通信系统安全传输方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104703191A (zh) * 2015-03-26 2015-06-10 山东大学 保证时延QoS要求的安全认知无线电网络功率分配方法
WO2016195813A2 (en) * 2015-04-10 2016-12-08 Viasat, Inc. End-to-end beamforming systems and satellites
CN107707290A (zh) * 2017-10-11 2018-02-16 中山大学新华学院 基于双信道的中继方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101367881B1 (ko) * 2007-01-11 2014-02-27 인하대학교 산학협력단 릴레이 기반 시스템을 이용한 ｃｒ 환경의 통신 방법 및 그장치
US20090147728A1 (en) * 2007-12-05 2009-06-11 Atia George K Wireless Cooperative Relay Network Transmitting Data using Imperfect CSI
CN101925067B (zh) * 2009-06-10 2013-03-20 华为技术有限公司 中继系统资源复用的方法和网络侧设备
CN102420679B (zh) * 2011-09-30 2014-11-19 北京邮电大学 基于中继协同预编码的多用户双向通信方法
WO2013097240A1 (en) * 2011-12-31 2013-07-04 Nec (China) Co., Ltd. Method and apparatus for beamforming in cognitive radio system
CN103312482B (zh) * 2012-03-14 2016-12-14 中兴通讯股份有限公司 下行基带信号生成方法及装置、基站
CN103313260B (zh) * 2013-06-18 2016-04-06 重庆邮电大学 一种基于博弈论的认知无线电网络带宽、功率联合分配方法
CN105992124B (zh) * 2015-02-12 2020-04-24 北京邮电大学 基于d2d的簇间通信方法
CN104918239B (zh) * 2015-06-04 2019-01-18 西安交通大学 基于非可信认知用户协作干扰的安全传输方法
CN105162548B (zh) * 2015-07-21 2018-09-28 北京邮电大学 认知无线网络中的编码、译码方法及装置
CN105072688B (zh) * 2015-08-10 2018-10-30 北京邮电大学 多中继认知无线网络的信息传输方法及装置
CN105072607B (zh) * 2015-08-24 2018-08-14 重庆邮电大学 一种多窃听用户认知网络中基于sdp的物理层安全优化方法
CN105516997A (zh) * 2015-12-06 2016-04-20 桂林电子科技大学 一种物理层安全的认知中继通信方法
CN105636188B (zh) * 2015-12-29 2019-01-01 南京邮电大学 认知解码转发中继系统的功率分配方法
CN106100708B (zh) * 2016-06-07 2019-12-31 重庆邮电大学 一种多中继认知无线电网络中物理层安全优化方法
CN106656297A (zh) * 2016-10-14 2017-05-10 西安电子科技大学 存在主用户干扰时的认知正交协同传输方法
CN106879029B (zh) * 2017-02-28 2020-03-31 西安交通大学 一种基于协作通信的高安全能量效率的信息传输方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104703191A (zh) * 2015-03-26 2015-06-10 山东大学 保证时延QoS要求的安全认知无线电网络功率分配方法
WO2016195813A2 (en) * 2015-04-10 2016-12-08 Viasat, Inc. End-to-end beamforming systems and satellites
CN107707290A (zh) * 2017-10-11 2018-02-16 中山大学新华学院 基于双信道的中继方法

Also Published As

Publication number Publication date
CN108650008A (zh) 2018-10-12

Similar Documents

Publication Publication Date Title
CN108650008B (zh) 基于认知网络的通信方法和设备
CN106878926B (zh) 一种基于低功耗蓝牙的数据传输方法、从主设备及系统
CN105491563B (zh) 利用人工噪声提高miso安全通信系统安全速率的方法和系统
CN107579820B (zh) 用于多路量子密钥分发系统的同步装置和同步方法
Xing et al. Harvest-and-jam: Improving security for wireless energy harvesting cooperative networks
CN106454838A (zh) 一种采用人工噪声预编码的能量采集中继安全传输方法
CN112566113A (zh) 密钥生成以及终端配网方法、装置、设备
CN102420642B (zh) 蓝牙设备及其通信方法
CN114629626A (zh) 一种智能反射阵面提升物理层密钥生成性能系统与方法
CN106471831B (zh) 配置的方法、配置的装置及设备
CN104883741A (zh) 一种认知无线电网络的资源分配算法
CN109195169A (zh) 一种基于能量采集技术的认知窃听网络物理层安全传输方法
CN108712199A (zh) 基于中断概率约束的miso窃听信道下二维鲁棒波束成形方法
CN106656405A (zh) 一种利用能量站最小化系统保密中断概率的方法
CN103856299B (zh) 一种mimo放大转发中继网络的信号安全传输方法
CN118055403A (zh) 下行rsma无人机通信系统中最大化最小安全速率的方法
CN115633376B (zh) 一种基于LoRa的电台通信方法及系统
Jiang et al. Secrecy performance of transmit antenna selection for underlay MIMO cognitive radio relay networks with energy harvesting
CN114448479B (zh) 一种基于天线选择的Massive MIMO安全传输优化方法
Li et al. Improving the security and reliability of energy-constrained two-way relay systems with nonlinear energy harvesting
US12388801B2 (en) Broadcast encryption with improved resource utilization
WO2024067721A1 (zh) 一种通信连接方法、终端及存储介质
WO2024031699A1 (zh) 连接建立方法及设备
Xu et al. Delay-aware secure transmission in MEC-enabled multicast network
Milosavljevic et al. Data exchange problem with helpers

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200707

CF01 Termination of patent right due to non-payment of annual fee