CN115942494B 基于智能反射面的多目标安全Massive MIMO资源分配方法 （哈尔滨工程大学）

通大街145号哈尔滨工程大学科技处基于智能反射面的多目标安全Massive本发明提供一种基于智能反射面的多目标安全MassiveMIMO资源分配方法，将野马群智能已有野马优化算法只能解决单目标优化问题的应用局限。针对基于智能反射面的安全MassiveMIMO通信系统，以最大化合法用户处的速率为目标利用多目标野马群智能优化每个反同时优化智能反射面中每个反射元的相移控制角和基站功率传输矩阵，提升系统的资源利用2存在非合法用户的MassiveMIMO系统中，存在天线数为Q根的非矩阵，oauec"s为智能反射面到合法用户处的信道状态信息矩阵，则合法用户处的信W为W维单位矩阵即矩阵中对角线元素为1其余元素全为0，(.)H表示对矩阵取共分别为基站到非合法用户处和智能反射面到非合法用户处的信道状态信息Q为Q维单位矩阵，f3为非合法用户处的索空间所能取到的最大值和最小值分别为将第x代时第l匹野马的位置表示为初始位置在第z维搜索空间范围内随机产生；将第x代第l匹野马的位置带入两个目标函数G(e:)2G(e;)J(e:)2J(e:),且至少有一个严格不等式成立，则称在第x代时第m匹野马解；步骤三：计算存储库中所有非支配解的拥挤距离，利3其中表示服从均值为0方差为1的正态分布步骤五，计算每匹野马对应的所有目标函数值，根据选多目标野马群更新位置后，计算每一匹野马的位置则e"保c"能够至少支配一个存储库中原有的非支配解，将放入存储库并将其能够支配2.根据权利要求1所述的基于智能反射面的多目标安全MassiveMIMO资源分配方法，4距离相加得到每个非支配解的拥挤距离；对于第l匹野马根据存储库中每个非支配解的拥挤距离利用轮盘赌选择方式选择出一个非支配解协助第l匹野马执行放牧行为或交配行5变化的信道状态信息执行最佳波束成形、难以确定大规模天线阵列的最优放置方式等问射元相移控制在一定范围内为约束，将原问题分解成了若干个子问题交替优化寻求最优[0004]通过查阅资料发现目前针对存在非合法用户的MassiveMIMO通信系统的资源分6决基于智能反射面的安全MassiveMIMO系统资源多[0005]为了解决存在非合法用户的MassiveMIMO系统中最大化合法用户处的信息传输智能反射面，并且基站、合法用户和非合法用户处的天线阵列都为均匀线性阵列；设为基站传输功率所构成的矩阵，其中diag{.}表示对角矩阵即矩[0016]非合法用户接收到的信号同样包含直射信号和反射信号，并设OBs-Evae∈CQ×E、OIrs-Evae∈CQ×R分别为基站到非合法用户处和智能反射面到非合法用户处的信道状态信息7数为Z，每匹野马在第z维搜索空间所能取到的最大值和最小值分别为将第x代的拥挤距离相加得到每个非支配解的拥挤距离；对于第l匹野马根据存储库中每个非支配解的拥挤距离利用轮盘赌选择方式选择出一个非支配解协助第l匹野马执行放牧行为或交其中表示服从均值为0方差为1的正态分布8更新前的位置e;-[i,",若"2n,则保持不变，其中η3为0到1之间的常数；否则，令若支配e;则保持不变，若e;支配e"则令如果则将e"与存储库中每个非支配计算所有非支配解的拥挤距离并根据拥挤距离进行降序排列，选择前Lmax个非支配解放入[0024](2)本发明针对基于智能反射面的安全MassiveMIMO通信系统，以最大化合法用[0025](3)针对存在非合法用户的MassiveMIMO通信系统，本发明利用多目标野马群智[0026]图1为应用多目标野马群智能优化存在非合法用户的MassiveMIMO通信系统资源[0027]图2为应用多目标野马群智能与多目标粒子群算法优化存在非合法用户的MassiveMIMO通信系统资源分配方法得到的Pareto最优前沿对[0028]图3为应用多目标野马群智能优化资源分配方案得到的Pareto最优前沿与应用蝴[0030]如图1所示，本发明设计的多目标野马优化算法优化存在非合法用户的Massive9[0032]设定一个存在非合法用户的MassiveMIMO系统中，存在天线数为Q根的非合法用为基站传输功率所构成的矩阵，其中diag{.}表示对角矩阵即矩用户接收到的信号包含基站到合法用户处的直射信号以及经智能反射面反射后传输到合[0035]非合法用户接收到的信号同样包含直射信号和反射信号，并设OBs-Evae∈CQ×E、OIrs-Evae∈CQ×R分别为基站到非合法用户处和智能反射面到非合法用户处的信道状态信息维搜索空间所能取到的最大值和最小值分别为将第x代时第l匹野马的位置表函数c(e)、(e;)计算出对应的两个目标函数值。如果对于第m、n匹野马，同时满足：G(e:)2G(e:)J(e:)2J(e:),且至少有一个严格不等式成立，则称在第x代时第m匹野马[0042]计算拥挤距离时首先将存储库中所有非支配解根据每个目标函数值的大小按照每个非支配解的拥挤距离。对于第l匹野马根据存储库中每个非支配解的拥挤距离利用轮盘赌选择方式选择出一个非支配解协助第l匹野马执行放牧行为或交其中%:表示服从均值为0方差为1的正态分布成放牧行为或交配行为后的第l匹野马的位置与更新前的位置为500，多目标粒子群算法和蝴蝶算法的其他参数设置分别参考CoelloC等在《IEEEMultipleObjectiveswithParticleSwarmOptimization”和S.Arora等在《Soft[0050]图2为应用多目标野马群智能与多目标粒子群算法优化基于智能反射面的安全智能得到的Pa