基于不完整信息的智能反射表面的干扰测试方法与流程

1.本发明涉及移动通信安全技术，具体公开基于不完整信息的智能反射表面的干扰测试方法，属于计算、推算或计数的技术领域。


背景技术：

2.在未来，通信系统将会普遍采用绕射效果不佳的高频电磁波。在人口密集的城市中，由于高频波的特性，施工单位不得不使基站的位置非常接近。为了解决高频电磁波采集带来的问题，人们引入了智能反射面技术。智能反射表面系统可以改善高楼林立的城市中恶劣的电磁传播环境,为未来准备大规模毫米波通信的实际应用做好准备，该系统也可以减少信号传输过程中的能量损失,提高通信覆盖率和传输效率。由于智能反射表面系统通常由无线控制器控制，这样会增加信息传输的脆弱性。目前，还未有相关研究涉及如何克服智能反射表面系统脆弱性，本发明旨在通过基于不完整信息的智能反射表面的干扰测试方法探测智能反射表面系统的脆弱性并给出相应的防御方案。


技术实现要素：

3.本发明的发明目的是针对上述背景技术的不足，提供基于不完整信息的智能反射表面的干扰测试方法，在智能反射表面辅助信号传输的场景下，通过基于双层规划的数学模型测试智能反射表面的脆弱性，并提出相应的防护思路，实现在不完全了解系统的情况下经过有限次试验后正确检测出系统在干扰测试下真实表现的发明目的，解决还未有相关研究涉及如何克服智能反射表面系统脆弱性的技术问题。
4.本发明为实现上述发明目的采用如下技术方案：
5.首先，针对智能反射表面通信系统的脆弱性，试验过程中测试方采用了一种贪婪且鲁棒的策略ω，并运用两种监测方式来学习所需的信息，采用一种双层规划的数学模型来描述测试方的动态更新干扰信号的过程。
6.双层规划模型如式i所示，包括上层优化模型及下层优化模型。上层优化模型表示测试方基于知晓智能反射面位置信息以及影响智能反射面所需的最小功率，控制测试方天线向智能反射面发射模拟信号生成测试方案，并预测通信系统(被测试方)在智能反射面被干扰后的通信系统实际收益下限；下层优化模型则表示通信系统在每一轮测试中结合测试方生成的测试方案预估满足约束且使得通信系统实际收益最大化的通信系统发射天线强度。
7.8.其中，
[0009][0010]
c＝[p；b]
ꢀꢀꢀ
(
ⅲ
)，
[0011]
式(
ⅰ
)至式(
ⅲ
)中，为第t轮测试中测试方对所知晓的各用户群通信效率的估计值组成的向量，为第t轮测试中测试方对所知晓的各用户群通信效率的上下限；y
t
为第t轮测试中测试方对通信系统操作其信号发射天线的强度的预测值组成的向量，表示第t轮测试中通信系统第j个信号发射天线的发射功率为其所能承受的最大功率的且占用带宽为其最大工作带宽的r
t
为表示第t轮测试中测试方对智能反射表面知晓情况的位置向量，若测试方知晓第i个智能反射表面，r
t
中第i个元素为零；x
t
为记录第t轮测试中所采用测试方案的向量，若测试方对第i个智能反射表面发射模拟信号，则向量中第i个元素r为测试方信号发射天线的数量；p
t
为第t轮测试中影响测试方所知晓的各智能反射表面的最小测试信号的功率所组成的向量，p为测试方所能调动的最大功率；c
t
为第t轮测试中通信系统信号发射天线的最大工作带宽和所能承受的最大功率所组成的矩阵；c为通信系统内基站的工作带宽b和最大工作功率p所组成的向量，p1、p2、pe为通信系统第1个、第2个、第e个信号发射天线所能承受的最大功率，b1、b2、be为通信系统第1个、第2个、第e个信号发射天线的最大工作带宽，e为通信系统中信号发射天线的数目。
[0012]
由于直接计算双层规划模型效率低且复杂度高，本发明采用等价变换和对偶变换将原本的双层优化模型转变为等价的单层优化问题，以降低计算复杂度，从而实现测试方根据当前测试过程中所掌握的信息，生成基于当前信息的测试方案。
[0013]
通过变换我们得到下面易于计算的单层的混合整数线性规划问题：
[0014][0015]
式(
ⅳ
)中，v由(s
t
)
t
v＝y推导得出，为了方便对偶变换和等价变换将用来表示，s
t
＝[-i；i]，d
t
＝[c
t
；i]，a
t
＝[0；i]，d
t
＝[c；1]，z
t
为y
t
的对偶变量，nv、ny、nz是为了将非线性约束条件转化为线性约束条件而引入的元素足够大的对角阵，ω1、ω2、ω3是为了将非线性约束条件转化为线性约束条件而引入的二进制变量所组成的向量。
[0016]
在测试方根据自己所掌握的信息得出测试方案并实施后，通信系统会根据接收测试信号的实际情况，重新调整己方的通信资源并作出如下部署：
[0017]
max(u
t
)
tyt
[0018]
s.t.y
t
≤1-x
t
,c
tyt
≤c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(
ⅴ
)
[0019]
式(
ⅴ
)中，u
t
为第t轮测试中各用户群通信效率组成的向量，第k个用户群的通信效率为第k个用户群内基站单位功率可以支持的用户数。
[0020]
随后在下一轮测试中测试方会根据自己所观察到的系统的实际表现来更新自己所掌握的信息。测试方采用两种方式来观测和学习通信系统。观测方式i是测试方观测试验中各个用户群，一旦基站与用户群建立通信，测试方会发现该用户群的通信效率，采用观测方式i时，测试方在每一轮测试中更新的信息包括：测试方所知晓的智能反射表面的位置向量，影响测试方所知晓的智能反射面所需的最小功率、通信系统中和基站建立联系的用户群的通信效率。观测方式ii是测试方监测系统内的基站，测试方会发现通信系统中每个开始工作的信号发射天线的工作强度以及通信系统的通信收益(u
t
)
tyt
，采用观测方式ii时，测试方在每一轮测试中更新的信息包括：测试方所知晓的智能反射表面的位置向量，影响测试方所知晓的智能反射面所需的最小功率、通信系统中发射天线实际工作强度、通信系统的实际通信收益。同样地，我们还设置了两种试验场景，场景一是用户群数量众多均匀地分布在基站的服务范围内，场景二是用户群数量不多且分布不均。
[0021]
本发明中测试方动态调整测试方案的策略包括如下步骤：
[0022]
s1:测试方根据己方当前已知的整个通信系统的信息(通信系统内基站的工作带宽b和最大工作功率p所组成的向量c、通信系统信号发射天线的最大工作带宽和所能承受的最大功率所组成的矩阵c
t
)以及服务区内用户群的情况(测试方对所知晓的各用户群通信效率的上下限)构建预测通信系统实际收益的下层优化模型的约束集合；
[0023]
s2:测试方根据当前测试参数(测试方信号发射天线数量r、测试方所能调动的最大功率p)以及所了解的通信系统内智能反射表面信息(所知晓的智能反射表面的位置信息r
t
、影响测试方所知晓的各智能反射表面的最小测试信号的功率p
t
)构建上层优化模型的约束集合；
[0024]
s3:测试方根据所得的上下层约束集合构建双层优化的测试方案决策模型，通过等价的单层优化计算，根据当前知晓的信息确定的约束集合得到本轮测试中实施的测试方案并且预测接收到测试信号的通信系统的表现
[0025]
s4:测试方根据步骤s3生成的测试方案开始测试观测通信系统的表现，通信系统根据智能反射表面现状调整通信部署后得到通信系统的实际通信收益，将测试方观测到的通信系统实际收益和步骤s3预测的通信系统表现做对比，如果两者相等，则可以认为达到测试目的，试验结束，跳转s7；如果不相等且测试方采用观测方式i则跳转s5，如果采用观测方式ii则跳转s6；
[0026]
s5：测试方发现本轮试验中和基站建立通信的用户群，将与基站建立通信的用户群纳入测试方的认知范围，并将与基站建立通信的用户群的通信效率的确切值纳入下层优化模型约束集合，修改的上下限，即，将通信效率上下限向量s
t
更新到s
t 1
，然后跳转s3；
[0027]
s6：测试方发现本轮试验中通信系统中工作的信号发射天线的工作强度y
t
以及通信系统的通信收益将本轮的y
t
加入到矩阵s
t
变为s
t 1
，加入到向量s
t
变为s
t 1
，然后跳转s3；
[0028]
s7：此时测试方已经获得最终测试方案，此时的试验回合数t就是测试周期。
[0029]
基于上述的试验，我们提出一种未来防护思路：首先被测试方先根据己方遭受影响的智能反射表的数量确认测试方可能影响智能反射表的最大数量r
t
；确认被测试方在受到影响后所启用的通信天线所对应的智能反射表面以及它们的位置，估算测试方已知晓的智能反射表面信息；对于测试方已知晓的智能反射表面，确认智能反射表面所服务的用户群的通信效率，并选出其中r
t
个数值最高的用户群作为测试方已知晓用户群信息的估算结果；加强所选出的r
t
个通信效率最高的用户群所对应的智能反射表面的无线控制器的抗干扰能力；看接下来受到影响的智能反射表面的数量是否增加，若没有增加，则延续该防御方法，否则重新确认对方可以影响智能反射表的最大数量。
[0030]
本发明采用上述技术方案，具有以下有益效果：本技术提出一种在不完全知晓通信系统信息的情形下测试智能反射表面的方法，通过释放测试信号预测系统表面并观测系统实际表现，持续学习所监测到的系统信息，在不完全了解系统的情况下经过有限次试验后即可正确检测出干扰测试下的系统真实表现，让测试过程快速准确。
附图说明
[0031]
图1为本发明中基于双层优化模型的针对智能反射表面系统展开试验的流程图。
[0032]
图2为实验中测试方、通信系统影响和利用智能反射表面系统的示意图。
[0033]
图3(a)为配备数量不等测试信号发射天线的测试方在试验场景一内采用观测方式i开展测试后通信系统的实际通信收益和它预测的通信系统收益的折线图，图3(b)为通信系统在试验中面对配备数量不等的发射天线的测试方所能支持的最大信息速率。
[0034]
图4为配备数量不等发射天线的测试方在试验场景一内采用观测方式ii展开试验后通信系统的实际通信收益和测试方预测的收益的折线图。
[0035]
图5(a)为可以调动不同最大功率的测试方在试验场景二内采用观测方式ii展开试验后通信系统的实际通信收益和测试方预测的收益的折线图，图5(b)为通信系统面对可以调动不同最大功率的测试者所能支持的最大的信息速率。
[0036]
图6(a)为配备数量不等发射天线的测试方在试验场景二内采用观测方式ii展开试验后通信系统的实际通信收益和测试方预测的收益的折线图，图6(b)为通信系统在试验中面对配备数量不等的发射天线的测试方所能支持的最大信息速率。
[0037]
图7(a)为可以调动不同最大功率的测试方在试验场景二内采用观测方式i展开试验后通信系统的实际通信收益和测试方预测的收益的折线图，图7(b)为通信系统面对可以调动不同最大功率的测试者所能支持的最大的信息速率。
具体实施方式
[0038]
下面结合附图对发明的技术方案进行详细说明。
[0039]
本实例提供了对于一种基于双层优化的决策的测试者影响智能反射表面的测试试验并进行评估。测试者对智能反射表面辅助传输系统进行模拟干扰测试，我们设置了一
种场景，测试方在一开始不完全了解整个通信系统，并且不断释放测试信号来模拟干扰智能反射表面辅助传输系统，然后在每一轮试探中持续学习所监测到系统的新信息，最终系统表现符合测试方的预期。我们用两个最优化数学模型来描述系统的反应和测试方的行为，并通过实验直观地展示了不同的监控方式所适用的场景，然后对于测试方模拟系统接收测试信号后的表现进行评估，并针对这种干扰提出一种防护思路。
[0040]
如图1所示，本实施提供的一种基于双层优化的决策包含如下部分：试验前测试方对于通信系统了解的初始信息集，模拟测试方决策的双层优化数学模型，模拟系统工作的数学优化模型，不同观测模式下的测试方所了解的通信系统的信息集的更新方式。本实施例复杂度低是相对于直接计算双层优化模型的而言的，所需要的计算量更少，能够在有限次的迭代后得到最终的试验方案，提高试验效率。
[0041]
模型采用常用的matlab软件和cplex优化计算器实施优化数学模型的计算本实例中针对最终试验方案的最大迭代数设置为16次。
[0042]
首先，在试验前(时刻t＝0)，测试者对于通信系统的初始了解是只知晓5个智能反射表面的位置由此生成智能反射表面的位置向量r
t
，但是不知道它们所服务的用户群的通信效率的准确数值只知晓其所在的区间，生成s
t
＝[-i
t
；i
t
]和根据已知的每个智能反射表面能够被影响所需要的最小的测试信号功率值生成向量p
t
，测试方根据自身的所能利用的最大发射天线数量和所能调动的最大测试功率生成r和p。根据通信系统内基站的每个发射天线组的可承受最大功率和工作带宽生成参数矩阵c，再根据基站自身的工作带宽和最大工作功率生成约束向量c，cy
t
≤c。由于智能反射表面被接收到测试者发射的测试信号后，在本轮试验中，基站将不会向其发射通信信号，由此测试方的行动x
t
(x
t
为二进制向量)和基站的行为y
t
受到约束x
t
y
t
≤1，结合c和c，生成矩阵a
t
x
t
d
tyt
≤d
t
，其中，a
t
＝[0；i],d
t
＝[c；i],d
t
＝[c；1]。
[0043]
如实施例场景如图2所示，接下来根据测试方所掌握的初始信息计算首轮试验的测试方案，对通信系统的表现进行预测，再计算出本轮试验中通信系统实际的表现。如果预测和实际结果相同，那么测试方已经做出最终测试方案。如果不同，且测试方采用观测方式i,那么本轮试验中和基站建立通信的用户群的通信效率的确切值将会被测试方知晓(s
t
更新到s
t 1
)，并发现与之对应的智能反射表面，r
t
和p
t
更新为r
t 1
和p
t 1
；如果采用观测方式二，则把本轮系统的实际表现加入到向量s
t
中，把基站在本轮试验中实际的行动向量y
t
加入到s
t
中，同时发现相应位置的智能反射表面，r
t
和p
t
更新为r
t 1
和p
t 1
。
[0044]
接下来测试方再次基于更新后所掌握的信息集计算出自己的下一轮的试验方案，和对通信系统的表现的预测，如此周而复始地，该算法重复这些步骤，直到测试者对于通信系统的表现的预测和实际表现相同为止或达到最大迭代次数。
[0045]
如图3、图7所示，若测试方采用观测方式一，在试验场景一二中经过有限次轮试验过后系统的真实表现和不同配置的测试方的预测相同；如图5、图6所示，若测试方采用观测方式二，在试验场景二中经过有限次轮试验过后系统的真实表现和不同配置的测试方的预测相同，但是图5中测试方可调动的功率只有13时则始终不能正确预测，图4显示若测试方采用观测方式二，在试验场景一中经过多轮试验系统的真实表现始终和不同配置的测试方的预测不相同。由此可见我们的测试方法在采用观测方式一时适用场景广泛且测试过程短
速度快，采用观测方式二虽然适用场景不够广泛但是测试速度也一样迅速。
[0046]
以上所述的具体实施例对本发明的目的、技术方案和有益效果进行了进一步的详细说明，所应理解的是，以上所述仅为本发明的具体实施例，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内所做的任何修改、同等替换或改造均应包含在本发明的保护范围内。