RIS辅助双功能雷达与隐蔽通信系统性能优化
Performance optimization of RIS assisted dual-function radar and covert communication system
通讯作者:
收稿日期: 2023-03-13
基金资助: |
|
Received: 2023-03-13
Fund supported: | 国家重点研发计划资助项目(2021YFA1000500);国家自然科学基金资助项目(62101492);浙江省杰出青年基金资助项目(LR22F010002) |
作者简介 About authors
胡浪涛(1982—),男,副教授,博士,从事隐蔽通信研究.orcid.org/0000-0003-1704-2736.E-mail:
针对智能超表面(RIS)辅助双功能雷达与通信(DFRC)系统的隐蔽传输问题,提出多策略交替优化(MSAO)算法. 在隐蔽约束、雷达恒模约束和总功率约束的条件下,通过联合设计通信波束赋形向量、雷达信号协方差矩阵和RIS相位偏转矩阵,最大化合法用户Bob的隐蔽通信速率和目标探测功率,实现隐蔽通信和雷达感知功能的折中. 在完美Willie信道状态信息和不完美Willie信道状态信息场景下,仿真结果表明,相对于传统单连接RIS和没有部署RIS系统,采用广义全连接模式部署RIS可以更好地传输波束方向图,提高Bob隐蔽通信速率上限,扩大可实现速率的范围,实现通信和感知功能更大的自由度.
关键词:
A multi strategy alternating optimization (MSAO) algorithm was proposed for covert transmission of the reconfigurable intelligence surface (RIS) assisted dual-function radar and communication (DFRC) system. Under the conditions of covert constraints, radar constant modulus constraints and total power constraints, the communication beamforming vector, radar signal covariance matrix and RIS phase shift matrix were jointly designed to maximize the legitimate user Bob’ s covert communication rate and probing power at target, in order to achieve a tradeoff between covert communication and radar sensing. In both the perfect and imperfect Willie’ s channel state information scenarios, the simulation results show that deploying RIS in a generalized fully connected mode can better transmit beamforming maps, increase the upper limit of Bob’ s covert communication rate, expand the achievable range of rates, and achieve greater freedom in communication and sensing functions compared to traditional single connected RIS and systems without RIS deployment.
Keywords:
本文引用格式
胡浪涛, 杨瑞, 黄崇文, 刘全金, 吴磊, 谭镇坤.
HU Lang-tao, YANG Rui, HUANG Chong-wen, LIU Quan-jin, WU Lei, TAN Zhen-kun.
双功能雷达通信(dual-functional radar and communication, DFRC)系统与智能超表面(reconfigurable intelligence surface, RIS)都是下一代无线通信网络的关键技术. DFRC系统可以实现频谱资源共享与硬件平台共享,缓解频谱资源的限制,实现无线通信与雷达传感功能的双赢[1-2]. RIS可以通过大量低成本元件巧妙地调节信号传播,实现可重构的无线通信环境,提高未来无线通信系统的频谱与能量利用效率. 为了支持同步信息传输和目标检测,有学者开展了DFRC波形设计研究:Liu等[3]研究了多输入多输出(multiple-input multiple-output, MIMO)雷达探测,设计了多用户MIMO通信的波束赋形;Ma等[4]设计了DFRC系统的隐蔽波束赋形.
RIS的每个智能超表面单元的振幅和相位参数都可以调整,以便增强基站的输入信号,并实时反射给用户,从而经济有效地提高网络性能[5]. RIS处的无源波束赋形可由基站(base station, BS)通过RIS控制. 为了使RIS的增益最大化,基站和RIS的波束赋形通常是联合设计的[6]. RIS已在辅助雷达系统方面显示出优势[7]. 为了提高检测性能,Wu等[8]分别对MIMO雷达上用于目标检测的主动波束赋形和RIS上的被动波束赋形进行优化,提出RIS辅助检测算法,基于该算法的仿真结果表明RIS可以产生更好的Cramér−Rao界. 上述研究用于RIS建模的为单连接可重构阻抗网络,Buzzi等[9]提出广义RIS模型,其中RIS网络是全连接,区别于传统的单连接RIS网络模型[5-8]. 在DFRC系统中,雷达和通信之间存在不可避免的折中[10],这表明需要降低雷达性能以提高通信性能,反之亦然. 在DFRC传输方面,包含在探测波形中的关键信息很有可能会暴露给雷达目标,这些目标有可能成为对方的窃听者. 因此,DFRC系统的安全问题不容忽视. 已有从物理层安全的角度开展的DFRC系统的保密性研究[11-12]. Deligiannis等[11]考虑了带有恶意雷达接收机的统一通信和无源雷达系统,通过设计雷达波形和通信发射协方差矩阵,在不同的资源调度方案下,最大化雷达接收机的信噪比. Chalise等[12]针对窃听雷达目标采用人工噪声辅助的安全传输方案,考虑到对目标位置和信道状态信息(channel state information, CSI)不确定性的不同假设,根据通信用户的信干噪比(signal to interference plus noise ratio, SINR)约束,将目标的信噪比降至最低. 隐蔽通信与上述物理层安全技术[13]不同,隐蔽通信可以实现通信各方信息的隐蔽传输,防止通信信号被恶意窃听者发现[14-15]. Ma等[16]研究在隐蔽通信中部署RIS的性能增益,通过联合设计Alice处的发射功率和RIS处的反射波束赋形矢量,最大化Bob处接收信噪比. Zhou等[17]研究窃听者Willie的位置对隐蔽通信速率的影响. 该研究结果表明,当Willie比合法用户Bob离RIS更近时,RIS会提高隐蔽通信速率. 上述有关隐蔽通信的研究中部署的RIS均为单连接方式,未考虑全连接RIS给隐蔽通信带来的影响.
本研究设计在双功能基站天线分离部署背景下的RIS辅助多天线DFRC隐蔽通信系统,联合设计双功能基站的主动波束赋形和RIS相位偏转矩阵,最大化Bob的隐蔽通信速率和目标处的探测功率. 从Bob隐蔽通信速率与目标处雷达探测功率增强方面,分析广义RIS模型对DFRC系统的影响,并与传统单连接RIS模型进行比较. 1)研究RIS辅助的DFRC隐蔽通信系统,针对双功能BS天线的分离部署,提出多策略交替优化(multi strategy alternating optimization, MSAO) 算法,对通信波束赋形向量、雷达信号协方差矩阵和RIS相位偏转矩阵进行联合设计,最大化Bob的隐蔽通信速率和目标探测功率,使得通信和感知功能达到性能的折中. 2)研究更为现实的场景,即Willie的非完美CSI场景,通过利用所提MSAO算法优化通信波束赋形向量、雷达信号协方差矩阵和RIS相位偏转矩阵,来解决这一现实场景下的问题. 在该场景下,隐蔽约束问题可通过S引理与半定松弛(semidefinite relaxation, SDR)技术进行变换处理. 3)从隐蔽通信速率、探测功率、波束方向图等方面与基准方案进行对比分析. 仿真结果验证所提方案在实现通信质量和目标感知质量之间性能折中的有效性.
1. 系统模型
1.1. 信号模型
如图1所示为RIS辅助DFRC的隐蔽通信系统, 该系统包含BS、无人机目标用户、合法接收器(Bob)与窃听者(Willie). Bob接收来自BS的直接信号和RIS反射的信号. 由于RIS部署在远离目标的地方,目标在低空飞行,并且与BS有很强的视距链路,因此通过RIS反射的雷达回波信号相对较弱,可以忽略[18]. 在该模型中,假设BS的
图 1
图 1 RIS辅助的DFRC隐蔽通信系统模型
Fig.1 RIS-assisted DFRC covert communication system model
式中:
式中:
式中:
沿
式中:
其中
式(6)改写为
式中:
1.2. 隐蔽通信
在本研究考虑的系统中,Willie的目的是确定Bob是否在与BS进行通信. 因此, Willie的接收信号
式中:
式中:
式中:
在D1决策下,式(14)取大于等于1;在D0的决策下,式(14)取小于等于1.
下文将式(15a)表示为隐蔽约束
1.3. 优化问题建模
本研究旨在通过联合设计通信波束赋形向量、雷达信号协方差矩阵和RIS相位偏转矩阵,在满足隐蔽约束、雷达恒模约束与总功率约束的条件下,最大化通信速率和雷达探测功率. 将本系统的优化问题表示为
式中:
2. 基于完美CSI波束赋形设计
考虑以下典型的场景:Bob处的信道状态信息完全已知,Willie是非法用户. 在此场景下,BS可能会获得
根据上述隐蔽约束条件,优化问题式(16)可以重新表述为
注意,当隐蔽约束式(17a)与式(17b)同时满足时,可通过式(12a)与式(12b)推导出
2.1. 优化通信波束赋形向量与雷达协方差矩阵
基于 Christensen等[24]提出最小均方误差(minimum mean square error, MMSE)方法,将式(18)中的最大化Bob隐蔽通信速率的问题转化为最小化均方误差的问题,过程如下. Bob通过接收机
均方误差为
MMSE接收机
在
由于式(22)中最后一项非凸,根据Xu等[10]提出的变换方法,最后一项可以变换为
式中:
式(24)是QCQP问题,先进行该问题的均匀化. 将式(20)改写为
同理可以得到
利用SDR技术[25]松弛
式中:
2.2. 优化相位偏转矩阵
固定
对式(28)进行拉格朗日对偶变换[26]可以得到
式中:
式中:
针对问题式(30),再次通过固定
在固定
式中:
在
算法1 Willie完美CSI场景下的MSAO算法
输入:
3. 基于非完美CSI波束赋形设计
一般来说,BS很难获得Willie的CSI,为此考虑更实际的应用场景如下:Willie是窃听用户,不完美的信道状态信息
式中:
式中:
3.1. 隐蔽约束 ${\rm{d}}1$
在隐蔽约束为
问题式(35)是非凸问题,很难直接获得最优解,为此利用函数
式中:
将
式中:
式中:
式(40)为非凸优化问题,可以沿用完美WCSI场景下的MASO算法优化
固定
Willie非完美CSI场景下MSAO算法如算法2所示.
算法2 Willie非完美CSI场景下的MSAO算法
输入:
3.2. 隐蔽约束 ${\rm{d}}2$
在
其中
3.3. 算法复杂度分析与收敛性分析
针对算法1,求解问题式(27)的复杂度表示为
以算法1为例,令问题式(16)的目标函数为
且依据式(2a)与式(2b)对Θ的约束,可以得到f1(Θ)收敛.
令问题式(22)的目标函数为f3(p,Q),根据文献[25]对MMSE算法收敛性的分析,可以判断出
即算法1的收敛性分析成立. 算法2的收敛性分析与算法1相同.
4. 实验仿真分析
在本研究考虑的RIS辅助DRFC隐蔽通信系统中,资源平均分配给雷达和通信功能,即
表 1 RIS辅助DFRC隐蔽通信系统仿真参数设置
Tab.1
参数 | 数值 |
BS位置/m | (0, 0) |
RIS位置/m | (200 , 0 ) |
Bob位置/m | 在以(200 , 30)为中心,半径<10 |
Willie位置/m | (180 , 40 ) |
目标方向 | 从BS发射沿 |
BS天线数M | 16 |
RIS反射元件数N | 20 |
系统发射功率P/dBm | 20 |
噪声功率 | 0 |
间接路径损失/dB | |
直接路径损失/dB | |
隐蔽性阈值 | 0.005 |
CSI误差 | 0.005 |
图 2
图 2 多策略交替优化算法的收敛性
Fig.2 Convergence of multi strategy alternating optimization algorithm
图3为当Bob隐蔽通信速率为7.6 bit/s/Hz时,2种Willie场景下的波束方向图(beam pattern, BP). 图中,PZ为功率增益,φm为角度. 选择无RIS辅助的通信感知一体化隐蔽通信系统[4]作为对比的基准方案. 图3(b)中,全连接RIS辅助相较于基准方案,可对波束方向图功率增益提高1.3 dBm,与单连接DFRC隐蔽通信系统相比,波束方向图主瓣功率增益提高0.97 dBm. 由图可以看出,有RIS辅助的波束方向图优于无RIS辅助的波束方向图,有RIS辅助对旁瓣具有更大的抑制,且在全连接RIS辅助下实现了目标处的最大探测功率. 在Willie完美CSI场景下,全连接RIS辅助的系统探测功率比无RIS辅助下的探测功率提高5.81%. 对仅有雷达感知功能的波束方向图进行仿真,结果表明全连接RIS辅助的波束方向图的主瓣更加接近仅雷达感知时的性能.
图 3
图 3 2种Willie场景下的波束方向图比较
Fig.3 Comparison of beam pattern in two Willie’s scenarios
由于问题式(16)是多目标优化问题,可以通过改变正则化参数
图 4
图 4 2种Willie场景下目标处的探测功率与Bob隐蔽通信速率的折中
Fig.4 Tradeoff between probing power at target and Bob’s covert rate in two Willie’s scenarios
如图5所示为RIS反射元件数量对目标处探测功率的影响. 由于全连接和单连接RIS在视距信道中的性能相同,图中只考虑单连接RIS. 可以看到,随着RIS元件数量的增加,在目标处可以实现更好的波束方向图和更高的探测功率,提升系统性能,但这种改进不是无限增长的,而是渐近地达到上限的. 如图6所示为在不同水平位置部署RIS对波束方向图的影响. 仿真可以看到,RIS的最佳水平位置靠近Bob位置,RIS部署在(200, 0) m的位置,实现了最优波束方向图. 同时,在RIS从靠近BS的位置向Bob位置移动的过程中,波束方向图体现出逐渐提升的效果. 在超过最佳水平位置后,波束方向图是在逐渐衰减,系统性能降低.
图 5
图 5 RIS反射元件数量对波束方向图的影响
Fig.5 Effect of number of reflective elements of RIS on beam pattern
图 6
图 6 RIS水平部署位置对波束方向图的影响
Fig.6 Effect of RIS horizontal deployment location on beam patterns
如图7所示为在CSI误差
图 7
图 7 隐蔽性阈值与Bob隐蔽通信速率的关系
Fig.7 Relationship between covertness threshold and Bob’s covert rate
图 8
图 8 隐蔽性阈值与检测错误概率的关系
Fig.8 Relationship between covertness threshold and probability of detection error
5. 结 语
本研究通过部署RIS来提高DFRC隐蔽通信系统的性能. 针对RIS辅助DRFC隐蔽通信系统,提出MASO优化算法,联合设计通信波束赋形矩阵、雷达信号协方差矩阵和RIS相位偏转矩阵,在满足隐蔽约束、雷达恒模约束和总功率约束的条件下,最大化Bob的隐蔽通信速率和目标处的雷达探测功率. 所提MSAO算法旨在解决BS天线分离部署中的主动与被动波束赋形的非凸优化问题. 采用广义全连接RIS模型,并与广泛使用的传统单连接RIS模型进行比较. 实验仿真结果证实了所提方案的可行性与有效性. 本研究的RIS辅助DFRC隐蔽通信系统基于BS天线分离部署,并未考虑BS天线共享部署的场景,因此所提方法是否适用于共享部署的场景有待结合RIS辅助定位的性能进行进一步研究.
参考文献
Joint radar and communication design: applications, state-of-the-art, and the road ahead
[J].DOI:10.1109/TCOMM.2020.2973976 [本文引用: 1]
6G通信感知一体化网络的感知算法研究与优化
[J].
Research and optimization on the sensing algorithm for 6G integrated sensing and communication network
[J].
Towards dual-functional radar-communication systems: optimal waveform design
[J].DOI:10.1109/TSP.2018.2847648 [本文引用: 1]
Covert beamforming design for integrated radar sensing and communication systems
[J].
Reconfigurable intelligent surfaces for energy efficiency in wireless communication
[J].DOI:10.1109/TWC.2019.2922609 [本文引用: 2]
基于主被动波束成形联合优化的双 RIS 辅助抗干扰通信方法
[J].
Double-RIS assisted anti-jamming communication method based on joint active and passive beamforming optimization
[J].
可重构智能表面辅助的通信感知一体化系统
[J].DOI:10.12142/ZTETJ.202205005 [本文引用: 1]
Reconfigurable intelligent surface-assisted lntegrated sensing and communication system
[J].DOI:10.12142/ZTETJ.202205005 [本文引用: 1]
Intelligent reflecting surface enhanced wireless network via joint active and passive beamforming
[J].DOI:10.1109/TWC.2019.2936025 [本文引用: 2]
Radar target detection aided by reconfigurable intelligent surfaces
[J].DOI:10.1109/LSP.2021.3089085 [本文引用: 1]
Multi-antenna joint radar and communications: precoder optimization and weighted sum-rate vs probing power tradeoff
[J].DOI:10.1109/ACCESS.2020.3025156 [本文引用: 2]
Secrecy rate optimizations for MIMO communication radar
[J].DOI:10.1109/TAES.2018.2820370 [本文引用: 2]
Performance tradeoff in a unified system of communications and passive radar: a secrecy capacity approach
[J].DOI:10.1016/j.dsp.2018.06.017 [本文引用: 2]
窃听者随机分布下智能反射面辅助的MISO系统物理层安全性能分析
[J].
Performance analysis of physical layer security for IRS-aided MISO system with randomly distributed eavesdropping nodes
[J].
Joint secure transmit beamforming designs for integrated sensing and communication systems
[J].DOI:10.1109/TVT.2022.3225952 [本文引用: 1]
Covert wireless communication with noise uncertainty in space-air-ground integrated vehicular networks
[J].DOI:10.1109/TITS.2021.3098790 [本文引用: 1]
Covert beamforming design for intelligent-reflecting-surface-assisted IoT networks
[J].DOI:10.1109/JIOT.2021.3109746 [本文引用: 3]
Intelligent reflecting surface (IRS)-aided covert wireless communications with delay constraint
[J].DOI:10.1109/TWC.2021.3098099 [本文引用: 1]
Covert transmission assisted by intelligent reflecting surface
[J].DOI:10.1109/TCOMM.2021.3082779 [本文引用: 1]
Joint waveform design and passive beamforming for RIS-assisted dual-functional radar-communication system
[J].DOI:10.1109/TVT.2021.3075497 [本文引用: 1]
Modeling and architecture design of reconfigurable intelligent surfaces using scattering parameter network analysis
[J].DOI:10.1109/TWC.2021.3103256 [本文引用: 2]
A tutorial on joint radar and communication transmission for vehicular networks—Part I: background and fundamentals
[J].DOI:10.1109/LCOMM.2020.3025310 [本文引用: 1]
Gaussian signalling for covert communications
[J].DOI:10.1109/TWC.2019.2915305 [本文引用: 1]
Weighted sum-rate maximization using weighted MMSE for MIMO-BC beamforming design
[J].DOI:10.1109/T-WC.2008.070851 [本文引用: 1]
Semidefinite relaxation of quadratic optimization problems
[J].DOI:10.1109/MSP.2010.936019 [本文引用: 2]
Fractional programming for communication systems—Part II: uplink scheduling via matching
[J].DOI:10.1109/TSP.2018.2812748 [本文引用: 1]
Fractional programming for communication systems—Part I: power control and beamforming
[J].DOI:10.1109/TSP.2018.2812733 [本文引用: 1]
Channel estimation for RIS-empowered multi-user MISO wireless communications
[J].DOI:10.1109/TCOMM.2021.3063236 [本文引用: 1]
Covert communication using null space and 3D beamforming: Uncertainty of Willie’s location information
[J].DOI:10.1109/TVT.2020.2997074 [本文引用: 1]
Robust beamforming for secure communication in systems with wireless information and power transfer
[J].DOI:10.1109/TWC.2014.2314654 [本文引用: 1]
/
〈 |
|
〉 |
