一种超大规模可移动天线辅助的混合波束成形近场安全通信方法及系统

本发明涉及无线通信，更具体地，涉及一种面向视距球面波近场环境的、采用基站侧可移动天线阵列和射频链受限混合波束成形的安全通信方法及系统。

背景技术：

1、随着毫米波、太赫兹以及超大规模阵列的发展，基站有效孔径持续增大，越来越多终端处于阵列近场区域。传统远场平面波模型仅保留角度维度，难以准确描述不同阵元到终端的传播距离；近场球面波模型同时具有角度域和距离域分辨能力，能够在相同角度、不同距离的位置形成不同的能量聚焦点。

2、物理层安全通常通过扩大合法链路与窃听链路的可达速率差异实现。当合法用户和窃听者的角度接近、距离相邻，或者窃听者比合法用户更靠近基站时，固定阵列的空间自由度不足，近场聚焦也不能天然保证安全传输。可移动天线能够在有限区域内调整阵元位置，通过重构阵列几何改变路径损耗、传播相位和信道相关性，为形成“合法用户聚焦、窃听者抑制”的空间结构提供额外自由度。

3、现有联合优化通常采用交替优化、加权最小均方误差、主化最小化、流形优化或投影梯度等迭代算法，并在每次信道变化后重复求解。由于天线机械移动、模拟相移器更新和数字基带处理具有不同的物理更新速度，若对全部变量以同一频率迭代，会造成机械重配置频繁、信道状态信息开销大以及在线时延不可预测。因此，有必要构建一种与硬件更新速率相匹配、同时保留物理可解释结构且具有固定在线复杂度的双时间尺度方法。

技术实现思路

1、本发明的目的在于克服上述现有技术的至少一个缺陷，提供一种超大规模可移动天线辅助的混合波束成形近场安全通信方法及系统，以在用户与窃听者角度接近或距离相邻的困难近场场景中提升保密速率，并降低传统联合迭代优化的在线复杂度和时延。

2、为了达到上述技术效果，本发明的技术方案如下：

3、一种超大规模可移动天线辅助的混合波束成形近场安全通信方法，包括以下步骤：

4、s10：构建近场安全通信模型，所述模型包括配备超大规模二维可移动天线阵列和射频链受限混合波束成形器的基站、合法用户及窃听者，并采用精确视距球面波信道；

5、s20：建立以长期平均保密速率最大化为目标的双时间尺度联合优化模型，将可移动天线位置和模拟预编码设置为慢时间尺度变量，将数字预编码设置为快时间尺度变量，并设置发射功率约束、模拟预编码恒模约束、天线移动区域约束以及天线最小间距约束。其中，一个慢时间尺度块包括个快时间尺度时隙，为大于1的预设整数。设快时间尺度时隙的持续时间为，慢时间尺度块的持续时间为，则二者满足。快时间尺度对应瞬时信道状态信息的更新周期，数字预编码矩阵在每个快时间尺度时隙内根据当前瞬时信道状态信息进行更新；慢时间尺度对应长期统计信道状态或多个瞬时信道样本形成的统计信息的更新周期，可移动天线位置和模拟预编码矩阵在慢时间尺度块之间更新，并在每个慢时间尺度块内部保持不变；

6、s30：在每个快时间尺度时隙内，基于当前瞬时视距信道状态信息构建面向保密速率的加权最小均方误差—主化最小化深度展开网络，构造合法链路加权最小均方误差项和窃听链路主化最小化代理项，并通过候选数字预编码求解、层间阻尼和功率可行化获得数字预编码矩阵；

7、s40：在每个慢时间尺度块开始阶段，基于长期统计信道状态信息或由多个瞬时信道样本形成的统计信息构建投影梯度上升深度展开网络，对模拟预编码和可移动天线位置进行更新，并分别执行恒模投影、位置边界投影以及防碰撞修正；

8、s50：采用快时间尺度网络和慢时间尺度网络的分阶段训练获得可学习参数，并在分阶段训练完成后采用较小学习率进行联合微调，输出可移动天线位置、模拟预编码矩阵和数字预编码矩阵。

9、优选地，根据基站阵列有效孔径和载波波长计算瑞利距离，以判定合法用户和窃听者是否位于阵列近场区域。所述基站配置可移动天线、射频链并发送数据流，各可移动天线在固定的平面内移动，第根可移动天线的二维位置向量表示为，

10、其三维物理坐标由固定平面坐标和二维优化位置共同确定，任意两根可移动天线之间满足预设最小间距约束。

11、优选地，所述近场信道仅采用视距球面波分量，不叠加额外非视距多径项；若考虑散射、阻挡、位置误差或相位误差，将其作为独立扩展状态输入所述深度展开网络。

12、优选地，所述近场通信模型采用视距球面波传播模型。第根可移动天线与接收端第根天线之间的传播距离表示为：

13、，

14、其中，，，，表示合法用户，表示窃听者，表示接收端的接收天线数量，表示接收端的第根接收天线的三维坐标，表示将二维位置嵌入三维平面的坐标映射矩阵。

15、对应的纯视距信道系数表示为：

16、

17、其中，为参考距离处功率增益，为路径损耗指数，为载波波长。由于可移动天线位置直接影响传播距离和相位响应，因此通过优化阵列几何能够进一步提升合法用户与窃听者之间的信道差异。

18、优选地，所述快时间尺度网络将合法用户速率的加权最小均方误差等价关系与基于当前展开层参考点构造的窃听链路主化最小化代理项相结合，将迭代更新过程展开为预设固定层数的网络；各展开层的可学习参数包括阻尼系数、窃听惩罚系数和正则化参数。

19、优选地，所述慢时间尺度网络基于小批量长期信道样本计算统计保密速率梯度；模拟预编码采用恒模投影，可移动天线位置采用边界投影和固定次数防碰撞修正。

20、优选地，所述双时间尺度联合优化模型以长期平均保密速率最大化为优化目标。设可移动天线位置向量为，模拟预编码矩阵为，数字预编码矩阵为，等效预编码矩阵为，则瞬时保密速率优化问题可表示为：，

21、其中，表示瞬时保密速率，，为合法用户可达速率，为窃听者可达速率。通过优化可移动天线位置、模拟预编码和数字预编码，使合法用户信道增益增强，同时降低窃听者有效接收能力。

22、优选地，所述快时间尺度数字预编码优化采用加权最小均方误差—主化最小化深度展开网络。对于合法用户链路，引入接收矩阵和权重矩阵，将速率最大化问题转换为等价的加权最小均方误差优化问题：

23、

24、其中，表示合法用户误差矩阵。

25、对于窃听者链路，在当前展开层参考点处计算主化最小化代理矩阵，并将由所述代理矩阵形成的窃听链路惩罚项嵌入数字预编码更新子问题。各展开层设置独立可学习的阻尼系数、窃听惩罚系数和正则化参数。窃听链路辅助逆协方差矩阵：，第个展开层在当前参考点处计算的窃听链路主化最小化代理矩阵为：

26、其中，为窃听者等效基带信道，为上一层基带发送协方差。

27、优选地，在给定更新后的合法用户线性接收矩阵、误差权重矩阵和窃听链路主化—最小化代理矩阵的条件下，结合正则项构造数字预编码更新子问题，通过求解低维线性方程组获得数字预编码候选解，并采用层间阻尼将所述数字预编码候选解与上一展开层输出进行组合；随后，对组合后的数字预编码矩阵执行发射功率可行化，获得当前展开层的数字预编码输出。

28、优选地，所述发射功率可行化采用精确功率投影方式和低复杂度径向缩放方式中的至少一种。采用精确功率投影方式时，通过一维搜索确定非负拉格朗日乘子，使投影后的数字预编码矩阵满足实际天线域总发射功率约束；采用低复杂度径向缩放方式时，根据数字预编码候选矩阵对应的实际发射功率，对所述候选矩阵进行比例缩放。

29、优选地，所述慢时间尺度投影梯度上升深度展开网络包括模拟预编码更新支路和可移动天线位置更新支路。所述模拟预编码更新支路根据长期平均保密速率关于模拟预编码矩阵的梯度，对模拟预编码矩阵进行更新，并对更新结果执行全连接相移器恒模投影；所述可移动天线位置更新支路根据长期平均保密速率关于可移动天线位置的有效梯度，对可移动天线位置向量进行更新，并依次执行盒状边界投影和固定次数的成对防碰撞修正。

30、进一步地，在第个慢时间尺度展开层中，模拟预编码矩阵和可移动天线位置向量分别按照统计保密速率梯度方向进行更新：

31、

32、

33、其中，表示慢时间尺度网络的展开层索引，，表示第个展开层的模拟预编码矩阵，第层的可移动天线位置向量，表示模拟预编码恒模投影，表示由盒状边界投影和固定次数成对防碰撞修正组成的位置可行化算子，和分别表示保密速率关于模拟预编码矩阵和天线位置的梯度，和分别为可学习更新步长。

34、通过上述快慢时间尺度联合优化结构，慢时间尺度网络负责长期阵列几何和模拟波束调整，快时间尺度网络负责瞬时数字波束自适应更新，使系统同时满足机械移动速度、相移器更新速度以及基带处理速度的差异要求。相较于传统交替优化方法，本发明通过固定层数深度展开降低在线求解复杂度，并保持优化过程的物理可解释性。

35、优选地，一个慢时间尺度块包括多个快速时隙，可移动天线位置和模拟预编码矩阵在所述慢时间尺度块开始阶段更新，并在块内保持不变；数字预编码矩阵根据每个快速时隙的瞬时信道状态信息进行更新。慢时间尺度网络以快时间尺度网络输出的数字预编码响应为内层响应，对长期平均保密速率进行优化。

36、优选地，在s20中，根据系统中不同优化变量的更新周期，将长期平均保密速率最大化优化模型拆解为两个子模型进行求解，包括第一子模型和第二子模型，其中，第一子模型用于求解快时间尺度数字预编码优化问题，第二子模型用于求解慢时间尺度模拟预编码和可移动天线位置联合优化问题。第一子模型用于在给定可移动天线位置和模拟预编码矩阵的条件下，求解数字预编码矩阵优化问题。具体地，根据当前时隙的瞬时信道状态信息，利用加权最小均方误差—主化最小化深度展开网络对数字预编码进行优化，通过固定层数网络实现快速迭代求解，并满足基站发射功率约束。第二子模型用于在长期统计信道状态信息条件下，联合优化模拟预编码矩阵和可移动天线位置向量。具体地，通过投影梯度上升深度展开网络，根据长期平均保密速率梯度更新模拟预编码矩阵和可移动天线位置，并分别采用恒模投影、位置边界投影以及防碰撞修正保证优化结果满足射频硬件约束和天线机械移动约束。

37、优选地，采用内外嵌套优化结构对上述两个子模型进行求解。其中，将第一子模型作为内层优化过程，在每个快时间尺度时隙内，根据当前用户和窃听者信道状态更新数字预编码矩阵；将第二子模型作为外层优化过程，在慢时间尺度周期内，根据长期统计状态更新模拟预编码矩阵和可移动天线位置向量。通过上述双时间尺度子模型拆解方式，将原始高维非凸联合优化问题转化为具有明确物理含义的两个低复杂度优化过程，使数字预编码能够适应快速信道变化，同时使模拟波束和天线阵列结构适应长期空间环境变化。

38、优选地，所述快时间尺度网络和慢时间尺度网络采用分阶段无监督训练。快时间尺度网络以小批量瞬时信道样本对应的平均平滑保密速率的负值作为训练损失；在固定或部分固定快时间尺度网络参数的条件下，慢时间尺度网络以长期状态样本对应的采用可微平滑正部函数计算的平均保密速率的负值和天线碰撞惩罚项作为训练损失，并可根据训练稳定性和机械移动要求进一步加入位置变化惩罚项和网络参数正则项。完成分阶段训练后，采用较小学习率对快时间尺度网络和慢时间尺度网络进行联合微调。

39、本发明还提出了一种超大规模可移动天线辅助的混合波束成形近场安全通信系统，用于实现上述的近场安全通信方法，所述系统包括：

40、近场通信模型构建模块，用于构建超大规模可移动天线辅助的近场安全通信模型；所述模型包括配置超大规模二维可移动天线阵列和混合波束成形结构的基站、合法用户以及窃听者，并根据可移动天线位置构建视距球面波近场信道；

41、双时间尺度建模模块，用于将可移动天线位置和模拟预编码设置为慢时间尺度变量，将数字预编码设置为快时间尺度变量，建立长期平均保密速率最大化优化模型；

42、优化模型求解模块，用于将所述优化模型拆解为第一子模型和第二子模型；其中，第一子模型用于基于加权最小均方误差—主化最小化深度展开网络优化数字预编码矩阵，第二子模型用于基于投影梯度上升深度展开网络联合优化模拟预编码矩阵和可移动天线位置向量；

43、慢时间尺度优化模块，用于在给定长期统计信道信息或采样信道信息的条件下，执行模拟预编码的恒模投影梯度上升深度展开以及可移动天线位置的投影梯度上升深度展开，对模拟预编码矩阵和可移动天线位置向量进行联合优化更新；

44、约束投影模块，用于对优化过程中的变量进行约束处理，包括模拟预编码恒模投影、数字预编码发射功率可行化、天线位置边界投影以及防碰撞修正；

45、训练输出模块，用于采用无监督损失函数对快时间尺度网络和慢时间尺度网络进行分阶段训练，并在分阶段训练完成后采用较小学习率进行联合微调，获得各展开层的可学习参数，输出优化后的可移动天线位置、模拟预编码矩阵和数字预编码矩阵。

46、与现有技术相比，本发明具有以下有益效果：

47、通过可移动天线位置重构、模拟相位控制和数字基带干扰抑制的协同设计，在合法用户与窃听者同角度或近距离时扩大两者有效信道差异，提升困难近场场景的安全可分辨性；将加权最小均方误差—主化最小化和投影梯度更新展开为预设固定层数的网络，通过低维线性方程求解、层间阻尼以及功率可行化，避免对大维度发射变量进行高复杂度直接优化，使在线复杂度和推理时延固定、可预测；各展开层分别对应接收矩阵更新、误差权重矩阵更新、窃听链路主化最小化代理项构造、数字预编码候选解求解、层间阻尼或约束可行化处理，各可学习参数具有明确的优化含义，保持模型驱动方法的可解释性；慢变量仅在长期统计状态变化时更新，快变量依据当前视距信道更新，减少天线机械移动和模拟相移器重配置频率，匹配不同硬件的物理更新速度。