本技术提出一种利用图神经网络(GNN)优化的双智能反射面(IRS)辅助多输入单输出(MISO)系统安全通信方法,旨在提升无线通信安全。该方法通过联合优化IRS的波束成形和基站的发射波束成形,以最大化系统总保密速率,同时满足发射功率和IRS反射系数的约束。利用GNN机器学习技术,将信道信息参数化为GNN的表示向量,并逐层更新以优化基站波束成形和IRS反射系数。相较于现有方案,本发明显著提升了系统的保密速率并减少了计算时间。
背景技术
随着5G的全球商用,学术界和工业界开始针对6G展开相关研究。除了速率比5G网络提高以外,6G网络还具有智能和开放的特性。智能反射平面IRS技术作为6G关键技术,成为近年来工业界研究的热点。IRS利用大量低成本无源元件通过自适应动态调整反射信号的相移,重新配置无线传播信道,使得通信性能得到进一步优化。
无线通信系统的信息传输容易受到窃听,信息通信安全已经成为亟待解决的关键问题之一。例如,窃听者为了窃听用户信息,往往会与用户处于同一接收方位,使用接收增益更大的天线从而窃听用户的隐私信息。近年来,除了在应用层上采用传统的加密方法,物理层安全(physical layer security,PLS)的概念被提出,如协作中继,人工噪声等。由于IRS在无线通信安全领域的出色表现,IRS辅助的无线通信PLS问题成为人们研究的热门课题。
许多工作虽然研究了IRS辅助无线通信系统的安全通信,但是双IRS辅助无线通信系统且考虑信道估计和IRS之间反射链路的安全通信还没有相关文献,由于双IRS辅助无线通信系统存在大量信道参数,且系统的结构更加复杂,给信道估计带来了更加困难的挑战。双IRS辅助无线通信系统的信道估计本身便是一个耗时且任务繁重的问题,再考虑到优化问题的非凸性和优化变量的耦合性,传统解决方案是引入松弛变量,将优化变量解耦,接着将非凸优化问题转化为近似的凸优化问题,采用交替优化求得问题的近似解。这样的方法存在大量变量和迭代,存在问题收敛速度慢,所得结果未必接近最优解的缺陷。
实现思路