基于深度学习的通信系统中安全能效的控制

摘要：

该文研究了基于可重构智能超表面(RIS)赋能的无线通信系统的安全传输问题.在研究的模型中,一个用户通过智能超表面连接到接入点,而窃听者窃听了从用户发送到基站的信号.因此,有必要设计一个合适的智能超表面反射向量来解决窃听问题.这个问题被表述为一个优化问题,其目标是通过共同优化智能超表面反射向量和智能超表面元件的数量来最大化安全能效,该安全能效定义为安全速率与系统总能耗的比值.这是一个非凸优化问题,传统方法是难以解决的.为了解决这个问题,提出了一种利用新兴的深度学习(DL)技术的新算法,以找到近似最优的智能超表面反射向量并确定近似最优的genie-aided反射元素数量.仿真结果表明,该方法达到了近似最优算法的最佳安全能效的96％.

关键词：可重构智能超表面、物理层安全性、深度学习、安全能量效率

所属期刊栏目：44

分类号：TN919.4

在线出版日期：2022-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2245-2252