[发明专利]一种安全Massive MIMO网络资源配置方法

说明书

本发明公开了一种安全Massive MIMO网络资源配置方法，建立通信系统模型；初始化量子秃鹰群，经映射规则得到量子秃鹰的位置并计算适应度，选出全局最优量子位置；根据搜索演化规则更新量子秃鹰群量子位置；通过盘旋演化对量子秃鹰群量子位置进行更新；根据俯冲规则更新量子秃鹰群量子位置，经映射规则得到更新后量子秃鹰位置并计算适应度，更新量子秃鹰群全局最优量子位置；如果迭代次数小于最大迭代次数，返回步骤三；否则，迭代终止，输出量子秃鹰群全局最优量子位置，根据映射规则得到位置并得到网络资源配置方案。本发明提高系统的资源利用率，极大地提升Massive MIMO系统的保密容量。

技术领域

本发明涉及一种安全Massive MIMO网络资源配置方法，特别是一种基于智能反射面的安全Massive MIMO网络资源配置方法，属于Massive MIMO安全通信技术领域。

背景技术

Massive MIMO技术能够服务于大流量、高可靠、低延迟的数据传输场景，是实现未来万物互联6G通信的重要途径。但随着无线通信技术的不断发展，大量智能设备的接入给通信系统带来了运营成本高、能耗过大和网络覆盖不均等问题。智能反射面(IntelligentReflecting Surface,IRS)作为一种新兴的协作通信方式，可以自适应调整入射信号的相移来改变反射传输增益，显著减少传统放大转发和译码转发中继协作方式的能量消耗，有效改善通信网络边缘用户体验，提高Massive MIMO系统容量和传输效率，对提升MassiveMIMO系统的整体性能具有重要的意义。

智能反射面由大量低成本的无源反射元件构成，具有可扩展性强和低能耗等优势，近年来，智能反射面技术在不同场景的应用受到了越来越多的关注。针对基于智能反射面的Massive MIMO通信场景，Boyu Ning等在《IEEE Transactions on VehicularTechnology》(2021,vol.70,no.2,pp.1376-1393)上发表的“Terahertz Multi-UserMassive MIMO With Intelligent Reflecting Surface:Beam Training and HybridBeamforming”提出一种波束训练的信道估计方法，并针对系统容量进行了分析，但未涉及智能反射面Massive MIMO网络的资源配置管理，容易造成资源浪费。Shuowen Zhang等在《IEEE Journal on Selected Areas in Communications》(2020,vol.38,no.8,pp.1823-1838)上发表的“Capacity Characterization for Intelligent Reflecting SurfaceAided MIMO Communication”提出了一种交替优化机制来提升智能反射面MIMO系统的容量，但这种机制是在智能反射面的反射系数固定或传输协方差矩阵固定场景下对系统的资源配置，限制了智能反射面的性能，且未能最大化系统的保密容量，针对无线信道的开放性和共享性，存在易被其他恶意设备攻击和窃听的风险，其网络用户的信息安全传输具有较大的提升空间。

目前关于基于智能反射面安全Massive MIMO通信网络的研究尚处于起步阶段，相关文献较少，通过与现有文献检索对比尚未发现与本发明相同的安全Massive MIMO网络资源配置方法。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种安全Massive MIMO网络资源配置方法，通过量子秃鹰搜索(Quantum Bald Eagle Search,QBES)机制，实现对Massive MIMO通信系统多种资源的智能联合配置，提高系统的资源利用率，极大地提升Massive MIMO系统的保密容量。

为解决上述技术问题，本发明的一种安全Massive MIMO网络资源配置方法，包括以下步骤：

步骤一，建立基于智能反射面的安全Massive MIMO通信系统模型；