一种基于线性神经网络的物理层安全波束赋形方法技术

本发明专利技术提供一种基于线性神经网络的物理层安全波束赋形方法。现有的波束赋形的设计方案一般都依赖于信道的信道状态信息。本发明专利技术研究存在被动窃听者的多输入单输出信道模型中的物理层安全传输问题，将信道估计、信道状态信息反馈、波束赋形设计3个过程合并为一个利用线性神经网络的反向训练过程。首先建立一个无线通信系统模型，然后选择线性神经网络，利用线性神经网路的逼近特性，通过在学习过程中不断调整权值，使得实际输出信号不断逼近期望信号，最终得到所需的波束赋形矢量。本发明专利技术相对比于传统物理层安全方案复杂度显著降低。对比于传统物理层安全方案复杂度显著降低。对比于传统物理层安全方案复杂度显著降低。

【技术实现步骤摘要】
一种基于线性神经网络的物理层安全波束赋形方法


[0001]本说明书一个或多个实施例涉及通信
，尤其涉及一种基于线性神经网络的物理层安全波束赋形方法。

技术介绍

[0002]无线信道的开放性、终端的移动性、信号传输的广播性以及网络拓扑结构的多样性，使得无线通信系统面临着严重的安全威胁。物理层安全技术是利用无线信道的时变性、随机性和互易性等特性，从物理层上实现信息的保密传输。在物理层安全中，利用波束赋形技术，可以提高合法用户处的信号强度，降低窃听者的接收信号质量，从而形成合法信道和窃听信道之间的容量差，获得传输保密信息的能力。采用多天线波束赋形技术时，可达到的保密性能与发送者可用的信道状态信息(channel state information，CSI)有关。现有的波束赋形的设计方案一般都依赖于信道的CSI。CSI反馈环节存在反馈开销，反馈信道的容量也会限制反馈CSI的精度，同时信道估计中也存在偏差，影响波束赋形的性能。

技术实现思路

[0003]有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于线性神经网络的物理层安全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线性神经网络的物理层安全波束赋形方法，其特征在于，包括：在预先构建的多输入单输出无线通信系统中，将信道估计、信道状态信息反馈和波束赋形设计三个过程合并为一个利用线性神经网络的反向训练过程；利用信道的互易性，由单天线的合法接收者发送训练序列，通过神经网络训练得到多天线的发送者的保密信号和人工噪声波束赋形的权值。2.根据权利要求1所述的方法，其特征在于，所述预先构建的多输入单输出无线通信系统包括：发送者、合法接收者和窃听者；所述窃听者包括被动窃听者；所述发送者包括多根天线、所述合法接收者和窃听者均包括单根天线；所述发送者同时发送保密信号和人工噪声；所述保密信号和人工噪声的波束赋形矢量通过线性神经网络获得。3.根据权利要求2所述的方法，其特征在于，所述发送者发送的信号为：其中，s为保密信号；z为人工噪声；P
s
为发送保密信号的功率，P
z
为发送人工噪声的功率；ω
s
为保密信号的波束赋形矢量；ω
z
为人工噪声的波束赋形矢量；ω
s
＝[ω
s1
,ω
s2,
…
ω
sN
]
T
；ω
z
＝[ω
z1
,ω
z2,
…
ω
zN
]
T
。4.根据权利要求2所述的方法，其特征在于，所述合法接收者接收的信号为：所述窃听者接收的信号为：其中，s为保密信号；z为人工噪声；P
s
为发送保密信号的功率，P
z
为发送人工噪声的功率；ω
s
为保密信号的波束赋形矢量；ω
z
为人工噪声的波束赋形矢量。5.根据权利要求1所述的方法，其特征在于，所述利用信道的互易性，由单天线的合法接收者发送训练序列，通过神经网络训练得到多天线的发送者的保密信号和人工噪声波束赋形的权值，包括：假设训练信号为单位功率信号x
Bj
，其中，j＝1,2,
…
，L为训练符号序号，L是训练序列长度，即神...

【专利技术属性】
技术研发人员：姜淑文，
申请(专利权)人：北京简易科技有限公司，
类型：发明
国别省市：