Secure Energy-Efficient Uplink Transmission in Movable-Element RIS-aided Systems with Movable Antennas and Artificial Noise
研究全双工基站系统中安全上行链路传输,通过联合优化多参数最大化安全能效。提出基于混合梯度的元学习框架,闭式解更新部分参数,神经元优化器更新其余耦合变量,该设计性能优于基准和多种基线。
2026-07-29 eess.SP
Artificial-Noise-Aided Secure MIMO Wireless Communications via Intelligent Reflecting Surface
该文研究了一种基于人工噪声(AN)的物理层安全技术辅助的MIMO安全无线通信系统。为了进一步提高系统的安全性能,在AN辅助通信系统中,基站(BS)、合法信息接收机(IR)和窃听器(Eve)都配备了多个天线,引入了高级智能反射面(IRS)。以最大化保密率(SR)为目标,在发射功率限制和IRS相移单位模的约束下,联合优化BS的发射预编码(TPC)矩阵、AN的协方差矩阵和IRS的相移.然后,保密率最大化(SRM)问题,这是一个非凸的多耦合变量的问题。为了解决这个问题,我们建议利用块坐标下降(BCD)算法交替更新TPC矩阵,AN协方差矩阵和相移,同时保持SR不减。具体地说,最佳TPC矩阵和AN协方差矩阵的拉格朗日乘子法推导,并通过优化最小化(MM)算法获得的最佳相移。由于所有的变量都可以在封闭的形式计算,所提出的算法是非常有效的。最后,我们将SRM问题扩展到更一般的多IR场景,并提出了一个BCD算法来解决它。最后,仿真结果验证了通过IRS增强系统安全性的有效性。
2020-09-12 cs.IT eess.SP math.IT
Artificial-Noise Aided Design for Movable-Antenna Enabled Physical-Layer Service Integration
School of Engineering, Australian National University(澳大利亚国立大学工程学院)
本文提出一种新型人工噪声辅助可移动天线赋能的物理层服务集成方案,通过联合利用可移动天线的空间重构能力和人工噪声的干扰整形能力,提升保密性能并保障组播可靠性。
2026-05-01 cs.IT eess.SP math.IT
Model-Aided Wireless Artificial Intelligence: Embedding Expert Knowledge in Deep Neural Networks Towards Wireless Systems Optimization
基于人工神经网络的深度学习是一种强大的机器学习方法,在过去几年中,该方法已成功用于实现任务,例如,图像分类、语音识别、语言翻译等,这些通常很容易由人类执行,但很难由机器执行。这就是为什么深度学习被认为是实现人工智能概念的主要推动力之一的原因之一。为了识别允许拟合输入-输出数据对的人工神经网络的最佳架构,深度学习方法中的当前方法包括采用数据驱动的方法。一旦人工神经网络被训练,它就能够通过基于过去获得的知识提供最佳输出来响应从未观察到的输入。在这种背景下,深度学习社区的最新趋势是用基于专家知识的先验信息来补充纯数据驱动的方法。在这项工作中,我们描述了两种方法,实现这一战略,旨在优化无线通信网络。此外,我们说明数值结果,以评估所提出的方法相比,纯数据驱动的实现的性能。
2019-06-15 cs.IT eess.SP math.IT
Secrecy Performance of an Artificial Noise Aided Dual-Hop SWIPT MIMO-NOMA Network in Presence of Practical Impairments
Gebze Technical University(盖布泽理工大学);Polytechnique Montréal(蒙特利尔高等工程学院)
本文研究实际损伤下人工噪声辅助双跳SWIPT MIMO-NOMA网络的保密性能,推导SOP闭式解,发现分集与AN功率分配提升保密性,而实际损伤导致高SNR下SOP底限。
2026-10-05 eess.SP
RIS-aided Wireless Communication with $1$-bit Discrete Optimization for Signal Enhancement
近年来,一种全新的无线传播环境重构技术--可重构智能表面(RIS)得到了广泛的研究。RIS是一种电磁材料的人工表面,它能够定制冲击在其上的波的传播。利用RIS进行通信服务,如信号增强,通常会导致非凸优化问题。现有的优化方法或者由于RIS元素的$N$数量大而遭受可扩展性问题,或者在某些场景中可能导致次优解决方案。本文提出了一种离散优化方法,该方法保证了对$1$位RIS找到全局最优相移,并且具有时间复杂度$\mathcal{O}(N \log(N))$。数值实验表明,所提出的方法实现了更好的"性能-复杂性权衡“比其他方法的$1$位RIS。
2022-09-12 eess.SP
Privacy Preservation in Delay-Based Localization Systems: Artificial Noise or Artificial Multipath?
针对基于时延的定位系统,提出向导频信号注入人工成分以干扰未授权定位,评估人工多径与人工噪声的效果,发现其能显著降低未授权定位精度且对合法定位影响极小。
2024-08-21 cs.IT eess.SP math.IT
CNN-aided Channel and Carrier Frequency Offset Estimation for HAPS-LEO Links
低地球轨道(LEO)卫星巨型星座网络的目标是在不到十年的时间内通过预计的50,000颗卫星来满足高连通性需求。为了充分利用这样一个大规模的动态网络,由平流层节点组成的空中网络,特别是高空平台站(HAPS),可以在包括移动性管理在内的许多方面提供显着帮助。HAPS-LEO网络会受到时变条件的影响,本文针对HAPS-LEO网络中特有的信道估计和同步问题,引入了一种基于人工智能的方法。首先,通过使用所提出的基于卷积神经网络的估计器来最小化具有残余多普勒效应的信道均衡和载波频率偏移。然后,通过使用非正交多址接入方法增加频谱效率来复合数据速率。我们观察到,由于敏捷的信号重建过程,所提出的AI授权的HAPS-LEO网络不仅提供了每秒的高数据吞吐量,而且还提供了更高的服务质量。
2022-06-26 eess.SP
Towards Deep Learning-aided Wireless Channel Estimation and Channel State Information Feedback for 6G
深度学习(DL)是人工智能(AI)技术的一个分支,在图像分类和分割、语音识别、语言翻译等多个学科中显示出巨大的前景。近年来,DL的这一显著成功激发了将该范例应用于无线信道估计的日益增长的兴趣。由于下行链路原理本质上是归纳的,与传统的基于规则的算法不同,当人们试图将下行链路技术用于信道估计时,人们可能很容易被如此多的要控制的旋钮和要知道的小细节卡住和混淆。本文的主要目的是讨论基于DL的无线信道估计和信道状态信息(CSI)反馈中的关键问题和可能的解决方案,包括DL模型选择、训练数据获取和6G神经网络设计。具体来说,我们提出了几个案例研究与数值实验,以证明基于DL的无线信道估计框架的有效性。
2022-09-05 eess.SP
Physical Layer Security with Artificial Noise in MIMO Pinching-Antenna Systems
Aristotle University of Thessaloniki(塞萨洛尼基亚里士多德大学);University of Western Macedonia(西马其顿大学)
本文提出了一种基于人工噪声的波束成形框架,用于提升MIMO捏合天线系统在单用户和多用户场景下的保密率性能。
2025-11-28 eess.SP
Dual-Functional Artificial Noise (DFAN) Aided Robust Covert Communications in Integrated Sensing and Communications
本文研究集成感知与通信系统中的隐蔽通信,提出双功能人工噪声(DFAN)辅助方案,通过联合优化隐蔽通信与DFAN信号最小化感知误差,并推导了最小检测错误概率,利用凸差松弛算法求解,仿真验证了其隐蔽性能优势。
2024-08-28 cs.IT eess.SP math.IT
AN-Aided Secure Beamforming for ELAA-SWIPT in Mixed Near- and Far-Field
针对混合近远场 ELAA-SWIPT 系统,提出 AN 辅助安全混合波束成形方法,在能量收集和功率约束下最大化两类信息接收器的加权和保密速率。
2025-08-30 eess.SP
Intelligent Reflecting Surface Assisted Secrecy Communication: Is Artificial Noise Helpful or Not?
在这封信中,我们调查是否使用人工噪声(AN)是有助于提高保密率的智能反射面(IRS)辅助无线通信系统。具体地说,在存在多个单天线窃听者的情况下,在单天线接收器附近部署IRS,以帮助从多天线发射器进行传输。以最大化可实现的保密率为目标,提出了一种联合优化发射波束形成和干扰波束形成以及IRS反射波束形成的设计问题,但由于其非凸性和耦合变量,该问题很难求解。因此,我们提出了一个有效的算法交替优化的基础上解决问题的次优。仿真结果表明,在IRS反射波束成形的新设置下,将AN并入发射波束成形是有益的。特别是,它揭示了IRS辅助设计没有AN甚至比AN辅助设计没有IRS附近的窃听器的数量的增加表现得更差。
2019-12-14 cs.IT eess.SP math.IT
Robust Transmission Design for Intelligent Reflecting Surface Aided Secure Communication Systems with Imperfect Cascaded CSI
本文研究了智能反射面辅助无线通信系统中鲁棒安全传输的设计。特别地,多天线接入点(AP)在存在多个单天线窃听者的情况下与单天线合法接收器通信,其中人工噪声(AN)被发送以增强安全性能。此外,我们假设级联的AP-IRS-用户信道由于信道估计误差而不完美。为了最小化发射功率,在发射机处的波束成形向量、AN协方差矩阵和IRS相移在通常对信道估计误差建模的统计级联信道状态信息(CSI)误差模型下受到中断率概率约束而被联合优化。为了处理由此产生的非凸优化问题,我们首先近似的中断率概率约束,使用伯恩斯坦型不等式。然后,我们开发了一个次优算法的基础上交替优化,基于惩罚和半定松弛方法。仿真结果表明,该方案显着降低了发射功率相比,其他基准计划。
2020-12-03 cs.IT eess.SP math.IT
Large Intelligent Surface Aided Physical Layer Security Transmission
在本文中,我们研究了一个大型的智能表面增强(LIS增强)系统,LIS部署,以协助安全传输。我们的设计旨在最大化不同信道模型中可实现的保密率,即,莱斯衰落和(或)独立同分布高斯衰落的合法和窃听信道。此外,我们考虑到人工噪声辅助传输结构,以进一步提高系统的性能。解决上述问题的难点在于期望保密率表达式的结构和非凸相移约束。为了便于设计,我们提出了两个框架,即基于样本平均近似(SAA为基础的)算法和混合随机投影梯度收敛策略(混合SPG-CP)算法,计算保密率表达式中的期望项。同时,采用优化最小化(MM)来解决相移约束的非凸性。此外,我们还充分利用期望项对两种特殊情形进行了分析。仿真结果表明,所提算法有效地优化了所考虑设置的保密通信速率,与传统的无LIS系统相比,LIS增强系统的保密性能有了很大的提高。
2020-09-01 cs.IT eess.SP math.IT