一种基于深度学习的物理层安全通信方法、装置及系统制造方法及图纸

本发明专利技术公开了一种基于深度学习的物理层安全通信方法、装置及系统，包括波束成形矩阵生成模块、信道估计模块、深度学习模块；深度学习模块，用于采集信道状态信息为训练数据，并利用损失函数计算模型预测值与理想的信道状态信息之间的误差，以构建信道状态信息的深度学习模型；利用所述深度学习模型对所述非理想信道状态信息进行校准；所述波束成形矩阵生成模块，用于计算窃听用户的信道衰落矩阵的自相关矩阵；对所述自相关矩阵进行特征值分解，获得由对应特征值向量构成的特征值矩阵；对应于所述窃听用户的信道衰落矩阵的零空间向量，从所述特征值矩阵截取若干个向量以构成发射机的波束成形矩阵；本发明专利技术技术方案能够提升合法用户的信道质量，从而提升系统的安全容量。

A method, device and system of secure communication in physical layer based on deep learning

【技术实现步骤摘要】
一种基于深度学习的物理层安全通信方法、装置及系统
本专利技术涉及无线通信
，尤其是涉及一种基于深度学习的物理层安全通信方法、装置及系统。
技术介绍
目前，随着无线通信业务的蓬勃发展，无线通信系统面临的干扰日益严重。现有技术大多假设发送端能够准确获知信道状态信息CSI(channnelstateinformation)。但是，事实上无线信道具有快速时变性。在真实的通信系统中，信道状态信息通常需要经过接收端估计，再将估计得到的信道状态信息反馈到发送端。由于信道估计误差和反馈延迟等原因的影响，发送端能够获得的信道状态信息往往并不准确，因此发送端信道状态信息是非理想的，即非理想信道状态信息。现有技术公开了在非理想信道状态信息条件下，通过广播机制提升安全通信容量的方法，但是，该方法只能被动地回避非理想信道状态信息对物理层安全通信的影响作用，无法主动提升安全通信容量。
技术实现思路
针对上述技术问题，本专利技术提供了一种基于深度学习的物理层安全通信方法、装置及系统，能够提升合法用户的信道质量，从而提升系统的安全容量本文档来自技高网...

【技术保护点】
1.一种基于深度学习的物理层安全通信方法，其特征在于，步骤包括：/n接收导频信号，并通过信道估计得到非理想信道状态信息；/n采集信道状态信息为训练数据，并利用损失函数计算模型预测值与理想的信道状态信息之间的误差，以构建信道状态信息的深度学习模型；/n利用所述深度学习模型对所述非理想信道状态信息进行校准；/n基于经过校准的非理想信道状态信息，接收多天线接收信号及波束成形矩阵并解析得到原始信息。/n

【技术特征摘要】
1.一种基于深度学习的物理层安全通信方法，其特征在于，步骤包括：
接收导频信号，并通过信道估计得到非理想信道状态信息；
采集信道状态信息为训练数据，并利用损失函数计算模型预测值与理想的信道状态信息之间的误差，以构建信道状态信息的深度学习模型；
利用所述深度学习模型对所述非理想信道状态信息进行校准；
基于经过校准的非理想信道状态信息，接收多天线接收信号及波束成形矩阵并解析得到原始信息。


2.如权利要求1所述的基于深度学习的物理层安全通信方法，其特征在于，步骤包括：
将所有原始信息与经过校准的非理想信道状态信息进行匹配，以获得各个原始信息的似然比，并选择最大似然比的原始信息作为最终输出。


3.如权利要求2所述的基于深度学习的物理层安全通信方法，其特征在于，所述选择最大似然比的原始信息作为最终输出，具体为：
设原始信息的数据、数值表示为x，得到最终输出的原始信息为：



其中，经过校准的非理想信道状态信息以矩阵方式表示为y表示合法用户的多天线阵列的接收信号。


4.一种基于深度学习的物理层安全通信装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的基于深度学习的物理层安全通信方法。


5.一种基于深度学习的物理层安全通信方法，其特征在于，步骤包括：
计算窃听用户的信道衰落矩阵的自相关矩阵；
对所述自相关矩阵进行特征值分解，获得由对应特征值向量构成的特征值矩阵；
对应于所述窃听用户的信道衰落矩阵的零空间向量，从所述特征值矩阵截取若干个向量以构成发射机的波束成形矩阵；
将所述波束成形矩阵发送给接收机，以获得原始信息。


6.如权利要求5所述的基于深度学习的物理层安全通信方法，其特征在于，所述自相关矩阵等于所述窃听用户的信道衰落矩阵与窃听用户的信道衰落矩阵的共轭转...

【专利技术属性】
技术研发人员：邓单，
申请(专利权)人：广州番禺职业技术学院，
类型：发明
国别省市：广东;44