面向高可靠低时延物联网中数据安全传输的资源分配方法与流程

1.本发明属于无线通信技术领域，具体的说是涉及一种6g的物联网((iot)上行网络中实现超可靠低时延通信(urllc)服务的一种数据安全传输的资源分配方法。


背景技术：

2.20世纪80年代以来，随着无线通信技术不断进步，经历了从固定到移动、模拟到数字、电路交换到云网融合、窄带到宽带、再到如今的万物互联的一个发展过程，为整个人类社会文明的进步，和经济的发展不断提供新的动力，带动了整个相关产业的发展。但是现在随着服务接入点的增多，相关的服务需求的不断提升，催促着通信行业不断继续迎接新的挑战，随着5g时代的到来，5g与人工智能、云计算、大数据、物联网/工业互联网、边缘计算等技术融合交织，在各行各业产生巨大反响。
3.超可靠低时延(urllc)这一概念来自于3gpp对于5g业务类型的分类：增强移动带宽(embb)，例如增强现实/虚拟现实(ar/vr)等；大规模机器类通信(mmtc)，该技术的使用场景主要是以机器为中心；超可靠低时延通行(urllc)，该技术主要运用在以人和机器为通信中心的场景下，又被称为关键机器类通信。由于urllc通信场景对于延迟和可靠性有着严格的要求，所以常被用在有安全要求的车辆间通信、工业设备的无线控制、远程手术、超低延迟的大型虚拟现实游戏等等。这些场景并没有涵盖所有的可能应用案例，只是提供了一个可以预见的大致得到情况，但是有的情况下，当前5g接入的能力并不能很好的解决问题，新的无线接口必须具有更高的灵活性从而支持未来可能出现的新应用环境，因此，无论是学术界还是工业界都已做了大量的研究。idc futurescape报告称，到2024年，40％的城市将通过物联网(iot)和人工智能将物理世界和数字世界融合在一起，并改进关键基础设施和数字服务的远程管理，从而实现智慧城市的发展。超可靠低延迟通信(urllc)是支持基于6g的物联网网络的重要标准，采用短数据包通信来满足其对可靠性和延迟的严格要求。


技术实现要素：

4.为了解决上述问题，本发明设计了一种上行物联网网络中，端到端通信资源的分配策略，从而满足超可靠低时延的通信服务质量要求，提高物联网中超可靠低时延通信服务质量。
5.为了达到上述目的，本发明是通过以下技术方案实现的：
6.本发明是一种面向高可靠低时延物联网中数据安全传输的资源分配方法，所述资源分配方法包括如下步骤：
7.步骤1：构建支持超可靠低时延通信的上行链路系统，所述上行链路系统包括多个通信基站、地面节点以及通信窃听者，每一个所述通信基站通信范围内包含多个地面节点以及一个服务窃听者；
8.步骤2：构建以最大化所有所述地面节点和基站之间通信的基于安全数据速率的qoe之和为目标的优化问题。
9.步骤2中优化函数为：
[0010][0011]
其中：
[0012][0013][0014]
其中c表示无限块长下的香农信息容量，v表示信道弥散，∈表示解码错误概率，q-1
表示高斯q函数的逆函数，表示地面节点mb与基站b之间的信干噪比(sinr)，表示部署在小区b窃听地面节点mb的窃听者的信干噪比，mb表示与基站b相关的地面节点占用的信道资源，mos函数中的r是数据速率，是最小能接受的速率，θk是最优的数据速率。
[0015]
步骤3：构建基于博弈论的优化模型，将步骤2中的优化问题建模为有qoe评价策略的博弈问题，具体为：将每一个基站bs看成一个博弈过程的参与者，然后优化问题被建模为策略博弈，是一个精确的势博弈，为博弈参与者的集合，表示参与者b的动作空间，ub是参与者b的效用函数，在中，每个参与者的动作空间中的每个元素，受制于只有一个地面节点占用信道s∈s，且地面节点与参与者相关联，因此，表示所有参与者可选择的联合动作空间，表示所有参与者除了b的策略分配，其中
×
表示笛卡尔乘积，效用函数的表达式如下
[0016][0017]
假设任意一个参与者单方面改变其动作策略，从ab到a
′b，根据以上的公式，有如下的等式成立
[0018][0019]
其中是一个已被定义的势函数。
[0020]
步骤4：采用一种分布式的学习算法，迭代得到地面节点与基站之间的资源分配策略，直到步骤2中的优化问题达到最优，信道资源分配方法被确定。
[0021]
本发明的进一步改进在于：步骤4中所提出的算法为分布式算法，在算法的内层，提出的动态信道资源分配策略是基于随机学习自动机的学习算法(sla)且以迭代的方式运行，其中每个参与者被视为一个学习自动机，每个参与者根据其目前的分配策略，在每次迭代中选择一个可用的信道进行数据传输，变化的通信环境反馈以更新策略，通过重复上述过程，每个参与者不断与环境交互以调整其信道策略以实现最佳qoe，在算法的外循环中，对优化变量的约束放宽到[0，1]，采用内逼近方法更新可行点，激励sla生成一系列可行解，使得优化目标值单调增加。
[0022]
本发明的进一步改进在于：所述信道资源分配策略是原问题的近似最优解，具体包括如下步骤：
[0023]
步骤4-1：初始化：设置迭代t＝1的初始值，且初始策略为
[0024]
步骤4-2：循环迭代t＝1，2，
…
，根据优化策略，更新
[0025]
步骤4-3：循环每一次迭代，t0＝1，2，
…
；
[0026]
步骤4-4：初始化：令为与小区b相关联的gn关于信道s的选择概率，设置迭代初始值t0＝1，初始选择概率向量为
[0027]
步骤4-5：在t0时隙的开始，每一个参与者b，根据最近的选择概率向量选择一个地面节点a使用信道s，即选择策略
[0028]
步骤4-6：每一个参与者从占用信道s的地面终端接收信号，并且获取信道信息，在t0时隙结束之后，每一个参与者接收效用函数
[0029]
步骤4-7：所有的参与者根据如下的规则更新信道选择概率向量：
[0030][0031]
其中η∈(0，1)为步长大小，如果存在一个近似于1，停止迭代并且输出最优的策略，否者返回步骤1；
[0032]
步骤4-8：结束循环；
[0033]
步骤4-9：如果目标函数的增加小于给定的阈值，则停止算法，结束循环。
[0034]
本发明的有益效果是：本发明研究了基于有限块长通信理论的6g支持的物联网上行通信网络的资源分配方法，该问题被表述为非凸问题，为了提供urllc服务，传统无限块长假设下的香农公式不再适用，本发明需采用短数据包传输来降低延迟；基于有限块长的安全率公式，本发明还设计了一种评价通信可靠性的优化目标；优化目标的非凸和复合表达式导致了问题难以求解，本发明通过设计了一个基于博弈论的模型来分析该问题，并提出了一种分布式的信道分配算法来收敛到模型的纳什均衡解；满足超可靠低时延的通信服务质量要求。
附图说明
[0035]
图1是本发明的系统模型图。
[0036]
图2是本发明mos函数图。
[0037]
图3是本发明信道分配策略优化算法流程图。
[0038]
图4是本发明一个小区内信道s被gn选择的变化曲线。
[0039]
图5是本发明设置参数不同大小下算法的收敛行为。
[0040]
图6是本发明每个小区内gn占用信道上的mos比较结果。
具体实施方式
[0041]
以下将以图式揭露本发明的实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实务上的细节是非必要的。
[0042]
本发明提出了一种基于有限块长通信理论的6g支持的物联网上行通信网络的资源分配方法，具体包括以下步骤：
[0043]
步骤1：首先构建支持超可靠低时延通信的上行链路系统，该系统包括多个基站，地面节点以及通信窃听者，每一个基站通信范围内包含多个地面节点以及一个窃听者。
[0044]
如图1所示，考虑6g支持的物联网上行网络，在该场景下部署b个基站(bss)，依次为b∈b＝{1，2，
…
，b}，n个地面终端(gns)，表示为在每个小区范围内有一个窃听者。假设每一个地面节点、基站、窃听者均分别只配备一根天线，每一个gn只接入一个基站，表示在基站b服务范围内所有地面节点的集合，然后，有和该网络使用正交频分多址接入策略，复用因子设为1，即所有小区使用整体的频谱资源，频谱被划分为s个信道，其中信道彼此正交并且属于集合s；而且，每个信道的带宽小于相干带宽，即每个信道是平坦衰落的。在每个小区中，每个信道分配给基站关联的一个gn，这个gn可以占用多个信道。因此，干扰在单个小区内不存在，在小区之间存在的。
[0045]
为了便于分析系统模型，本发明给出如下定义：向量m＝[m1，m2，
…
，mb]被定义为在所有小区里地面节点gns占用信道s∈s，其中是与基站b相关联并占用信道s的gn，记号s省略，令是m的约束，令表示从gn到bs c的信道系数，表示gn mb的信号功率，满足因此在bs b处的接收信号为
[0046][0047]
其中为加性高斯白噪声
[0048]
根据以上的分析，从gn mb到bs b的信干噪比(sinr)为
[0049][0050]
其中，表示从gn mc到bs b的信道增益。
[0051]
相同的，部署在小区b范围的窃听者窃听来自gn mb信息的信干噪比(sinr)为
[0052][0053]
其中，为噪声功率，表示从gn mb到窃听者的信道增益。
[0054]
为了保证超可靠低时延通信，采用短信道传输的方式，该方法导致即使sinr非常高，解码错误率不会变为0，因此香农公式不再适用了。我们需要用一种新的方法来刻画有限块长度传输条件下安全物联网通信的可实现速率、解码错误概率和传输延迟之间的这种关系。对于给定的信道块长l(l＜100)，信道编码率为：
[0055][0056]
其中c为基于无限块长下的香农容量，v表示的是信道弥散，∈表示期望的解码错误概率，q-1
表示的是高斯q函数的逆函数，
[0057]
因此，mb给定下的近似译码率表示为
[0058][0059]
其中并且显然，这种近似表明：与信道容量相比，增加了速率惩罚以将最大信道错误概率∈保持在有限的块长度l上，与成正比。
[0060]
由于不知道每个小区b中的窃听者窃听了哪个被关联的gn，为了避免任何gn的信息泄露，应该考虑小区中每个gn的安全通信速率。因此，gn mb占用信道s的最大保密通信速率的下限可以近似为：
[0061][0062]
其中和分别是最大解码错误概率。
[0063]
步骤2：构建以最大化所有地面节点和基站之间通信的基于安全数据速率的qoe之和为目标的优化问题。
[0064]
为了评估上行链路数据传输中gn的qoe，本发明提出了一个关于传输速率的平均意见得分mos标准
[0065][0066]
其中mos函数里的r是数据速率，是最小能接受的速率，θk是最优的数据速率，rk代表的是gn k的安全通信速率。mos的值是从1到5变化的，当mos＝1代表的是gns不可接受的qoe，而mos＝5是一个非常好的qoe结果。
[0067]
为了满足物联网中安全urllc的通信需求，本发明通过考虑信道资源分配来最大化mos的优化问题。由于不同信道上的资源优化问题是相互独立的，所提出的单信道的问题为：
[0068][0069]
上述的问题p是一个非凸的离散变量问题，想要找到其解是非常困难的。
[0070]
步骤3：构建基于博弈论的优化模型，将步骤2中的问题建模为有qoe评价策略的博弈问题。
[0071]
具体包括：
[0072]
3.1：问题转化
[0073]
由于p中的优化目标是一个极其复杂的复合函数，难以处理。所以首先考虑函数log2(1 x)的松弛，如下所示
[0074][0075]
等号在x＝x0时严格成立，且
[0076]
为了简化优化目标，安全通信速率r
sec
重写为以下的形式：
[0077][0078]
其中
[0079]
通过公式代换，在可行点x
t
处下界为：
[0080][0081]
其中并且通过验证表明ψ(x，y)是一个凹函数。
[0082]
由于mos是一个难以处理的分段函数，本发明定义一个连续函数来代替它
[0083][0084]
其中是一个明显的单调非增的凹函数，令其对于x和y的偏微分如下：
[0085][0086][0087]
通过在可达点处(x
t
，y
t
)运用f(x，y)的一阶泰勒展开式，可以得到
[0088][0089]
很明显对于且当x＝x
t
，y＝y
t
时等号成立。
[0090]
3.2：博弈论分析
[0091]
每一个基站被视为一个参与者，并且将优化问题建模为策略博弈模型，其中为参与者的集合，表示参与者b的动作空间，并且ub表示参与者b的效用函数。在中，每个参与者(bs)的动作空间中的每个元素，受制于只有一个地面节点占用信道s∈s，且地面节点与参与者相关联。因此，表示所有参与者可选择的联合动作空间，表示所有参与者除了b的策略分配，其中
×
表示笛卡尔乘积，效用函数的表达式如下
[0092][0093]
步骤4：采用一种分布式的学习算法，迭代得到地面节点与基站之间的资源分配策略，直到步骤2中的优化问题达到最优，信道资源分配策略被确定，算法流程图见图3。
[0094]
(1)初始化：设置迭代t＝1的初始值，且初始策略为
[0095]
(2)循环迭代t＝1，2，
…
，根据优化策略，更新
[0096]
(3)循环每一次迭代，t0＝1，2，
…
[0097]
(4)初始化：令为与小区b相关联的gn关于信道s的选择概率，设置迭代初始值t0＝1，初始选择概率向量为
[0098]
(5)在t0时隙开始，每一个参与者b，根据最近的选择概率向量选择一个地面节点a使用信道s，即选择策略
[0099]
(6)然后，每一个参与者从占用信道s的地面终端接收信号，并且获取信道信息，在t0时隙结束之后，每一个参与者接收效用函数
[0100]
(7)所有的参与者根据如下的规则更新信道选择概率向量：
[0101][0102]
其中η∈(0，1)为步长大小，如果存在一个近似于1，停止迭代并且输出最优的策略，否者返回步骤1。
[0103]
(8)结束循环。
[0104]
(9)如果目标函数值的增加小于给定的阈值，则停止算法。结束循环。
[0105]
定理1：是一个精确的势博弈
[0106]
证明：令作为的势函数。然后该势函数就可以写成下述形式，
[0107][0108]
其中以及假设任意一个参与者单方面改变其动作策略，从ab到a
′b，根据以上的公式，有如下的等式成立
[0109][0110]
因此，是一个精确的势博弈。
[0111]
数值仿真由matlab软件执行，以评估所提出算法在基于6g的物联网中的通信性能。假设存在3个小区，每个小区中心部署1个bs，每个小区随机分布1个窃听者和3个gns。系统带宽设置为b＝5mhz，分为s＝4个信道。噪声功率谱密度为-174dbm/hz，大尺度路径损耗模型为35.3 37.6log
10 db/d
eav db，其中db/d
eav
表示gn/窃听者与基站之间的距离。在接下来的仿真中，仿真结果是通过300次独立试验得到的，其中涉及的参数通过实验优化。图4显示了随着算法的迭代，一个小区中gn选择信道s的概率变化曲线。需要注意的是在大约第100次迭代时，gn的选择概率向量从变为{1，0，0}。在图5中，算法的收敛速度和性能受步长的影响，从图5可以看出，当步长η增加时，算法的收敛速度加
快，但代价是得到性能较差的非ne解，算法的收敛速度和性能受步长η的影响。此外，窃听者的位置对所有gn的qoe都有影响。从图5还可以看出，如果窃听者和bs之间的距离d
eav
减小，则最佳信道分配策略得到的mos和的值减小。这个原因是当窃听者向bs移动时，通信性能变差以确保安全通信。图6展示的是算法中每一个gn的mos性能，在图6中，每个小区中，相同标记的直方图代表相同gn占用的通道。值得注意的是，算法通过优化信道分配策略可以在mos性能方面保持更好的gn公平性。
[0112]
本发明研究了基于有限块长通信理论的6g支持的物联网上行通信网络的资源分配策略，该问题被表述为非凸问题。为此，我们将目标复杂的原始问题近似地转化为易处理的问题，并提出了一种高效的分布式迭代算法来收敛到ne解。
[0113]
以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。