[发明专利]一种基于深度学习的频分双工系统密钥生成方法

权利要求书

1.一种基于深度学习的频分双工系统密钥生成方法，其特征在于：

包括以下步骤：

(1)假设通信双方为Alice和Bob；Alice从数据库中获取已有的N组上下行信道系数并对其进行数据预处理，得到上、下行信道的初始信道特征

(2)利用全连接层神经网络搭建信道密钥生成模型KGNet：

(2a)信道密钥生成模型KGNet包含一个输入层、四个隐藏层以及一个输出层；

(2b)将上行链路的信道特征X₁作为模型的输入，模型的输出是对下行链路的信道特征X₂的估计

(3)利用上下行信道的信道特征数据训练信道密钥生成模型KGNet以获取模型参数；

(4)Alice与Bob同时向对方发送导频信号，分别估计上下行信道系数H₁和H₂并对其进行预处理以得到上下行的初始信道特征X₁和X₂；

(5)Alice将获取的上行信道特征X₁输入到KGNet，以获取下行信道特征的估计

(6)Alice和Bob分别将各自得到信道特征和X₂量化成密钥比特，然后对其进行信息调和以及隐私放大，最终在双方生成一致的密钥。

2.根据权利要求1所述的基于深度学习的频分双工系统密钥生成方法，其特征在于：步骤(1)中数据库中存储的上下行信道系数可以由Alice收集自身估计到的上行信道系数以及Bob向Alice反馈的信道系数组合而成；H₁,H₂∈C^L×1分别表示上下行信道的频率响应矢量，其中C表示复数的集合，L为子载波数量。

3.根据权利要求1所述的基于深度学习的频分双工系统密钥生成方法，其特征在于：步骤(1)中对信道系数H₁和H₂进行预处理主要包括两个步骤，分别为实数化和归一化；实数化是对复数信道系数进行实部虚部分离，实数化的计算公式为：H'₁＝[Re(H₁),Im(H₁)]，H'₂＝[Re(H₂),Im(H₂)]，其中Re(·)，Im(·)分别表示取矩阵各元素的实部和虚部；归一化是通过最大最小值归一化的方法将信道特征限制在0到1的范围之间；归一化的计算公式为：

其中H'_1,i和H'_2,i表示H'₁和H'₂的第i维的元素，分别是训练集中H'₁和H'₂的第i维元素的最大值和最小值；经过预处理后可以得到信道特征X₁,X₂∈R^2L×1，其中R表示实数的集合；经过预处理后可以得到上下行的信道特征

4.根据权利要求1所述的基于深度学习的频分双工系统密钥生成方法，其特征在于：步骤(2a)中所述的信道密钥生成模型KGNet结构如下：信道密钥生成模型KGNet是一个全连接层的神经网络，包含一个输入层，四个隐藏层以及一个输出层，输入层和输出层的神经元个数为2L个，隐藏层的神经元个数根据实际训练性能选择决定；网络各层的激活函数除了输出层的激活函数为Sigmoid外，其他隐藏层的激活函数均为ReLu。

5.根据权利要求1所述的基于深度学习的频分双工系统密钥生成方法，其特征在于：步骤(3)中用于训练的信道特征数据集是交叉数据集预处理后得到的；交叉数据集由无噪的原始数据集以及在原始数据集中加入高斯白噪声生成的0dB数据集按照一定比例组合得到，该种交叉数据集用于训练可以增强网络的鲁棒性。