## 留言板 引用本文: 冯友宏, 张彦峨, 董国青. 基于分布式智能反射面的物理层安全通信研究[J]. 电子与信息学报. FENG Youhong, ZHANG Yan’e, DONG Guoqing. Research on Physical Layer Security Communication Based on Distributed Intelligent Reflective Surface[J]. Journal of Electronics & Information Technology. doi: 10.11999/JEIT220659
 Citation: FENG Youhong, ZHANG Yan’e, DONG Guoqing. Research on Physical Layer Security Communication Based on Distributed Intelligent Reflective Surface[J]. Journal of Electronics & Information Technology. • 中图分类号: TN92

## Research on Physical Layer Security Communication Based on Distributed Intelligent Reflective Surface

Funds: The National Natural Science Foundation of China (62071005), The Natural Science Foundation of Anhui Province (2008085MF181), The Natural Science Research Program of Anhui Educational Committee (KJ2019A0936)
• 图  1  非视距场景下的分布式IRS辅助MISO通信系统

图  2  分布式IRS辅助MISO系统仿真场景

图  3  系统安全性能与总功率的关系

图  4  系统安全性能与发射功率的关系

图  6  系统安全性能与总功率的关系

 算法1 IRSs相移优化算法 (1) 设置迭代次数$r = 0{\boldsymbol{}}$； (2) 重复执行如下操作：　　根据式(11)计算$y_1^{*r} = \dfrac{ {{\boldsymbol{v}}_{}^{\text{H} }{\boldsymbol{a}}} }{ {1 + { {\left| {{\boldsymbol{v}}_{}^{\text{H} }{\boldsymbol{b}}} \right|}^2} } },y_2^{*r} =$$\dfrac{1}{{1 + {{\left| {v_{}^{\text{H}}b} \right|}^2}}} ； 采用MO算法获取{{\boldsymbol{v}}^{r + 1} }； 更新r = r + 1,{\boldsymbol{v}} = {v^{r + 1} }； 直至优化问题P3收敛； (3) 获取当前相移矩阵{{\boldsymbol{\varTheta}} }_{l}=\text{diag}({({{\boldsymbol{v}}}_{l}^{r})}^{*}),\forall L。  算法2 交替迭代优化算法 (1) 设置迭代次数 i = 0 , { {\boldsymbol{w} }^{\left( 0 \right)} } = \dfrac{ { {{\boldsymbol{h}}_{r,l} } } }{ {\left\| { {{\boldsymbol{h}}_{r,l} } } \right\|} }, {\boldsymbol{\varTheta}} _l^{(0)} = {\text{diag} }({1_1}, \cdots ,{1_{ {M_l} } }), R_s^{(0)}({\boldsymbol{w}},{{\boldsymbol{\varTheta}} _l}), \varepsilon ； (2) 重复执行如下操作： i = i + 1 ； 给定{\boldsymbol{\varTheta } }_l^{(i - 1)}，根据式(7)更新{{\boldsymbol{w}}^{(i)} }{\text{ = } }$$\sqrt { {P_{\max } } } {\lambda _{\max } }(\overline {\boldsymbol{X}} _e^{ - 1}{\overline {\boldsymbol{X}} _u})$； 给定${{\boldsymbol{w}}^{\left( i \right)} }$，根据表1更新${\boldsymbol{\varTheta}} _l^{(i)}$； 计算${\boldsymbol{R}}_s^{(i)}({{\boldsymbol{w}}^i},{\boldsymbol{\varTheta}} _l^i)$；　　直至$\left| {\dfrac{ {R_s^{(i)} - R_s^{(i - 1)} } }{ {R_s^{(i)} } } } \right| \le \varepsilon$； (3) 获取${ {\boldsymbol{\varTheta} } }_{l}^{*}={ {\boldsymbol{\varTheta} } }_{l}^{(i)},\forall L,{{\boldsymbol{w}}}^{*}={{\boldsymbol{w}}}^{\left(i\right)}$。
•  点击查看大图
##### 计量
• 文章访问数:  186
• HTML全文浏览量:  168
• PDF下载量:  54
##### 出版历程
• 收稿日期:  2022-05-23
• 修回日期:  2022-08-31
• 录用日期:  2022-09-08
• 网络出版日期:  2022-09-13

### 目录 / 下载:  全尺寸图片 幻灯片
• 分享
• 用微信扫码二维码

分享至好友和朋友圈