文摘
环境后向散射采用现有的射频(RF)信号环境中支持可持续的和独立的通信,从而提供一套新的促进物联网的应用程序(物联网)。但是,没有方向的形式的沟通容易泄漏的信息。为了确保物联网通信系统的安全性,在本文中,我们提出一个基于机器学习天线设计方案,达到定向通信的中继标记的收到读者结合补丁与对数周期天线dual-dipole天线(对数)。一个多目标遗传算法优化天线旁瓣,增益,驻波比,和回波损耗,限制大型侧叶的数量的目标,降低旁瓣水平(SLL)。仿真结果表明,我们建议的天线设计非常适合实际应用在物理层安全通信中,窃听信道的信噪比降低,通信质量的主要通道是保证,防止泄漏信息。
1。介绍
物联网(物联网)是一个重要的组件的第五代移动通信(5克),连接大量的设备。然而,在传统的后向散射通信系统中,射频(RF)提供的权力是读者,和有限的电力供应限制了物联网的广泛使用。
2013年,提出了环境后向散射通信技术解决了上述的一些缺点(1]。与传统的后向散射通信(例如,被动传感器和射频识别(RFID)标签),环境后向散射不需要特定的设备提供能量,而是利用射频信号环境中作为能源资源和反射信号资源(2]。因此,环境后向散射提供可持续的和独立的通信,系统的维护和实现成本可以大大降低3,4]。因为环境配置不需要额外的频谱资源,我们选择了4 g, 5 g,无线保真(wi - fi)信号频率在2 GHz - 4 GHz的环境资源。
然而,一些挑战仍然存在。无线信号的广播特性方便一些非法窃听者获取信息内容,和相同的频率的信号是叠加在接收机造成干扰,这让许多困难信号检测(5]。
传统的安全技术,加密信息的高计算复杂的编解码器算法(6),已逐渐失败的快速增加计算能力。物理层安全背后的基本原理是利用固有的随机噪声和限制的信息沟通渠道,可以提炼出“钻头”层面的未经授权的接收者(7]。因此,信息理论安全被认为是无线通信的关键技术,确保安全。
很多研究已经完成物理层安全。一个合作继电器方案研究8];然而它只适用于multiantenna和multirelay系统。基于人工噪声-(一个)的方法也是不合适的,因为他们更高的能量消耗和增加cochannel干扰任何相邻的用户(9]。比较表明,该方法最适合物联网传感应用波束形成,它允许指定方向的信号传播(10]。通过波束形成技术,信噪比(信噪比)是在合法的读者而增加减少非法窃听者,从而提高系统的安全性能。
为了实现类似的波束形成功能在传感器网络中,我们集中研究继电器标签的天线设计。现有的中继天线有非常大的大小等问题,方向性差,和小传输增益(11]。我们设计了一个如果系统组成的一个补丁天线阵和印刷对数周期天线(对数)dual-dipole取向和高增益的优点。同时,它有一个相当宽工作频带,可以有效地利用各种类型的信号环境中。此外,小边叶减少信噪比受到窃听者从其他方向,确保通信的安全。在实际应用中,贴片天线阵接收射频信号从四面八方然后传送他们对数周期天线通过指定的方向。
传统天线的设计大多是基于经验和模拟,不断修改相关参数,即耗时又费力。机器学习算法,遗传算法已广泛应用于天线设计为大规模搜索,反直观的解决方案空间并找到最优参数值。在[12),用遗传算法来优化线天线的结构和长度。在[13),一种改进的分层贝叶斯优化算法应用于天线阵馈电网络的优化。然而,单目标遗传算法用于上述研究可能不适合实际情况,因为它过分强调一个指标的重要性。为了解决这个问题,我们使用多目标遗传算法来优化天线利用增益,旁瓣,回波损耗和电压驻波比(电压驻波比)作为目标函数。
本文的其余部分组织如下。部分2介绍了环境后向散射通信模型和使用定向天线来实现物理层安全。部分3说明了该天线的结构和多目标遗传算法的优化过程。部分4介绍了天线的仿真和优化结果结构,其次是部分5总结了纸。
2。系统模型
环境后向散射自身可持续发展已经成为一种很有前途的选择通信系统由于其节能特性,并具有良好的潜力在物联网中广泛使用。典型的环境后向散射系统包括一个环境,一个被动的标记,和一个读者,如图1。
标签内的传播过程如下。当一个环境来源其遗产用户广播信号,如手机和笔记本电脑,标签可以收获的射频能量信号和使用整个系统收集到的能量。那么微控制器系统中的曲调可变阻抗基于信号指示比特“1”或“0”反向散射或吸收周围的信号(14,15]。最后,读者的解码背散射信号和恢复两个比特的信息,完成tag-to-reader沟通。
评估系统的安全并选择一个合适的解决方案提高了系统的安全性。标签的定向天线设计是一种有效的手段实现波束形成的物联网的场景。
2.1。环境后向散射系统和信号检测
在环境后向散射系统中,接收到的信号的检测起着至关重要的作用。不失一般性,我们表示 , ,和作为渠道的收益从源到标签,从源到读者,分别和从标签到阅读器。我们假设代表了射频源信号与零均值方差和单元。环境的力量来源和是未知的接收器。标记表示为接收到的信号
在哪里是标签内的噪音可以忽略,因为这里和标签是一个被动组件,例如, (16]。
标签的背散射信号
在哪里 控制标签天线的工作条件。当标签反映了信号 ,和标签没有反映出时 。 标签内的衰减因子。在读者接收到的信号
在哪里 , ,和是加性高斯白噪声(AWGN)为零,意味着什么方差。
在环境后向散射系统中,背散射信号的振幅或相位总是携带所需的信息。
根据振幅或相位调制,后向散射读者的主要任务是确定振幅或相位变化。在大多数情况下,从背散射波解调二进制调幅接收机需要包络检波。另外,相位解调是基于相位检测。常见的相位解调的方法包括使用零差与射频接收机同步/正交解调和信道估计(17]。随后,一些调制解调器可以获得信息阶段利用信道估计的值。
反射信号的传统检测方案使用序言包作为检测阈值。近年来,许多其他检测方案开发。例如,基于微分编码检测器可以完成检测没有信道状态信息(CSI)的知识(18]。共同提出的能源检测方案只需要通道差异不需要特定的CSI最近,最大似然(ML)探测器已被普遍使用。
2.2。安全评估
因为标签的硬件限制了信号处理能力,对物联网通信的安全成为一个挑战。传统的加密技术,依靠高计算复杂度不符合物联网应用程序的场景。波束形成,合作干扰,微分信道估计和网络编码已成为常见的物理层安全解决方案。其中,波束形成技术是最适合物联网安全并允许无线信号传播只在特定的方向。
如图2,标签中的数据调制到环境载体和信息法律接收器收到的信号是鲍勃的“主渠道”,而收到的是偷听者前夕在一个额外的“窃听信道”。
保密能力用于测量系统的安全。窃听信道,保密率是一个可以可靠地传输在传输速率的主要通道但不能窃听信道上传输。对于一个偷听者,保密能力
在哪里交流源目的地链接和吗的通信速率source-eavesdropper链接。通常,它是计算互信息之间的差异在小学和窃听通道: 。
在多个窃听者的情况下,保密能力
保密中断概率是另一个重要的变量在物理层安全通信。这是保密瞬时利率的可能性低于预定义阈值为特定的衰落分布。
从信息理论的角度分析表明,互信息取决于接收信号的信噪比,这表明保密能力是由法律接收机的信噪比和偷听者的19]。
利用波束形成的标签,我们改变天线的方向增加的主要通道的增益和降低窃听信道的信号强度降低旁瓣。通过这种方式,系统的安全性增强,保密能力改善,。
2.3。天线的需求
在物联网应用场景中,为了实现波束形成和满足约束的有限的硬件,我们设计了一个定向天线增益高和小边叶中使用标签。
前面的讨论表明,窃听者和读者提供不同的信噪比改善通信安全是一个关键的任务。的定向天线提高了峰值增益天线,从而提高空间重用和扩大地理覆盖范围在一个给定的方向(20.]。此外,使用定向天线提高了无线网络容量,避免物理干扰,提高数据可用性,并抑制干扰邻居。此外,天线需要侧叶少。
我们可以观察到在图3标签1侧叶超过标签2和旁瓣水平较高。当侧叶小,主瓣有巨大的传输能量,最大化的方向信号功率抑制信号在干扰方向。因此,可以实现一个目标信噪比的比值最大化受到读者和偷听者。
此外,更高的频率信号经历好几个数量级的自由空间路径损耗,因此,通信覆盖范围很小。通过使用一个小的旁瓣天线,我们可以增加传输距离在指定的方向。
为了实现这些目标,我们设计了一个如果系统组成的一个补丁天线阵和印刷对数。贴片天线接收到射频信号从四面八方和对数周期是针对读者。此外,我们使用多目标遗传算法来优化天线旁瓣,减少最大的旁瓣峰值,并提高天线的方向性。
设计天线不需要额外的权力,防止传统物理层安全技术的缺点。特定结构的天线是详细描述部分3。
3所示。天线设计和优化
3.1。天线模型
标签上的天线系统结构如图4和位于XOY平面。系统由三部分组成:研制出补丁天线阵,给网络和印刷对数。考虑到接收范围和天线增益,接收平面上使用一个简单的同轴probe-fed贴片天线。它位于顶层。提要网络组成的组合器和相应的底物位于底层和股票的地平面补丁天线阵。贴片天线同轴探针连接到4个输入端口的组合器通过两层衬底和地平面。印刷对数作为传输天线和组合器的连接到输出端口。如果系统的总大小 。很明显的互惠天线,当入射波辐照+ z方向的四元素贴片天线阵,对数周期天线接收到的电磁波传播给印刷通过提要网络的再辐射极化过渡特征,从而改变了入射波的传播方向,实现全向接收和定向传输的功能。
3.2。计算天线初始大小
3.2.1之上。接收天线
因为高收益是一个优先级,一个矩形贴片天线的同轴探针作为如果提供的接收天线系统。罗杰斯TMM4和介电常数 选为衬底的厚度5毫米。根据提供的经验公式(21),初始长度和宽度补丁的计算
在哪里是光速,共振频率,衬底的厚度,底物的介电常数,有效介电常数。和使用以下公式计算:
馈点的位置可以通过计算
考虑到补丁之间的相互耦合效应,相邻单元之间的时间间隔 。
四元素矩形贴片天线阵列由1 - 4并行美联储权力合路器。从输入端口到每一个单位的距离等于饲料达到相同的阶段。
3.2.2。发射天线
对数周期天线的宽带天线。为了使标签结构更紧凑、平面印刷结构用于收发天线集成到一个平面上。对数周期天线印制的结构如图5。天线的长度用元素和扩展每个天线元素的相交点,称为虚拟顶点的张角 。每个天线的垂直距离虚拟顶点元素表示为 ,振动器宽度表示为 ,和相邻两个振动器隔开 。
天线的几何形状是由几何因素和间距的因素 。
天线元素的数量得到下面的公式:
在哪里和截止系数。
此外,有必要元素的宽度估计如下:
在哪里 是half-height-to-radius比率的偶极子。在平面印刷结构,我们使用微带贴片代替圆柱形偶极子。考虑等效周长的圆柱形薄矩形导体,我们使用的近似关系 ,在哪里代表平均特性阻抗,这是在这里。代表了偶极子宽度。
对数是end-fire天线最大辐射方向的振荡器最长最短的振荡器(22]。当工作频率变化时,天线的辐射区域绕着天线和保持相似的特征;因此,天线的模式和频率变化小。一般来说,更大的价值 ,的振子数越高辐射地区,天线的方向性越强,和半功率角越小的模式。最短长度最长的振荡器,振荡器的对数周期确定的操作频率。
对数线性极化天线。对数周期振子的飞机水平放置时,它辐射或接收水平极化波;当振荡器的飞机垂直放置,它辐射或接收垂直偏振波。圆偏振与平面结构更容易实现。
3.2.3。优化方案
自定向天线物理层安全有着更大的影响和对数周期天线的结构更加复杂,发射天线优化。我们选择的长度、宽度和间距的元素作为优化变量。在天线的设计过程中,增益,带宽,边叶,驻波比(电压驻波比)的天线是天线的性能的重要指标。因此,上述四项指标对应的函数被定义为目标函数。
在实际天线的设计过程中,通常有多个目标,需要优化。可能有矛盾的各个目标之间的关系,是不可能同时达到最优。因此,引入了多目标遗传算法(分公司)。
分公司,存在一系列的帕累托最优或nondominated解决方案生成一组帕累托最优的结果/目标向量,即帕累托。明确,帕累托前面生成的特定的解决方案,为所有的多个目标可以提高在不牺牲其他目标,如图6。
传统的多目标优化方案使用分配权重的方法将多目标转化为单目标。然而,由于多目标的nonconcaveness,为了找到帕累托面前,一个三维搜索每个重量都需要 ,这是非常耗时。此外,当目标函数的数量增加时,加权法的复杂性大大增加。此外,它是具有挑战性的权重分配给每个决策变量。因此,一个新的优化解决方案是必要的。
介绍在这项研究中,多目标遗传算法(MOGA)介绍了作为一个优化方案,即nonsorting遗传算法(NSGA)——。NSGA-II被认为是一个典型的车用汽油。算法获得一个潜在的帕累托最优解集均匀分布的快速nondominated排序、拥挤程度的计算,和一个精英主义的策略。这是非常有利于提高NSGA的探索能力。
具体的过程如图7。
NSGA-II首先发现nondominated解决方案在人口和分层人口通过nondominated排序。随后,这些点被识别和nondominated解决剩余人口中移除。算法更新当前存档通过识别旧档案,所有当前总nondominated解决方案。这些层依次使用,直到达到最大存档。最接近目标点值是通过考虑拥挤距离操作符。
与传统的优化方法,车用汽油不将多目标转化为单目标优化使用加权但寻求同时优化多个目标。因此,可以找到一组最优解满足多个目标。
3.2.4。决策变量
一个多目标优化问题有三个决策变量和目标函数表示为四个
在哪里是目标函数的向量。 表示目标函数, 。
在这里,和分别代表了搜索空间和目标空间。因此,使用映射 每一个向量 对应于一个向量 。
我们确保高阶振荡器的高度大于低阶的振子的长度。所有的人都在合适的范围内。根据变量的物理意义,给出其优化范围 , , (单位:毫米)。
3.3。目标函数
3.3.1。带宽
目标函数的目的是增加了天线的带宽,以便传输天线可以操作在一个广泛的频率范围。乐队是由目标频率回波损耗和范围从来 。因此,适应度函数被定义为平均不到的回波损耗在频带。
在上面的方程中,采样频率。如果的平均值采样频率小于 ,结果表明,设计的目标已经实现。
在设计的例子中,我们设置参数如下:
采样频率是 ; , , , ,和 。当 ,目标函数是满足。
3.3.2。电压驻波比
电压驻波比是一个重要的指标来衡量天线匹配状态;电压驻波比是有限的
在哪里 采样点的数量吗 。当 ,目标函数是满足。
3.3.3。获得
天线增益是一个衡量天线发射和接收信号的能力在一个特定的方向。它是用于天线优化的一个重要指标。乐队的平均增益作为目标函数:
3.3.4。侧叶
由于天线有很多侧叶,最大旁瓣往往水平没多大区别的最大增益天线。在物理层安全、严格要求天线的方向,有必要减少峰值最高的旁瓣尽可能多。这是必需的,因为如果偷听者位于最大旁瓣的方向可能发生信息泄露。因此,优化目标是最小化的最大峰值旁瓣。
总辐射模式的因素 的细胞对数图所示4是
优化的目标是 ,受
3.3.5。模糊决策
模糊集理论是一个方法来找到最优折衷解决方案从帕累托。使用线性模糊隶属函数模型,目标函数值映射到满意度函数。这定义了一个线性隶属函数
在哪里和的最小值和最大值呢 目标函数分别。规范化的隶属函数 nondominated解决目标函数表示为
在哪里表示目标函数和的数量在帕累托nondominated解决方案的数量。我们选择最大的解向量值作为最优折衷的解决方案。
4所示。数值结果
设计实例和结果提供了在这一节和代表了对数周期天线的优化设计基于多目标遗传算法。
在国内环境的信号主要是由四种类型:无线信号,地面数字电视广播信号,4 g移动信号,和即将到来的5 g信号超高频谱利用率和超低功耗和在未来将广泛应用。考虑信号覆盖的需求在各种环境中,传输速度,信号稳定,安全,信号频谱和传动功率,工作频带 为了满足使用物联网通信的要求。天线设计目标表所示1。
根据优化设计方案,选择35变量作为优化变量,包括长度 ,宽度 ,和间距 的元素。优化范围 , ,和 (单位:毫米)。
基于大量的仿真计算,我们选择了NSGA-II算法来优化天线参数。我们将人口规模设置为100,250的最大迭代数,交叉概率 ,和变异概率 ,在哪里 是决策变量的数量。频率采样间隔在来乐队。迭代优化后,得到了天线参数,如表所示2。
测量质量的标准算法的时间复杂性和空间复杂性。时间效率是指算法的执行时间。关于遗传算法的计算复杂度,戈德堡等人提出的概念收购时间讨论算法的时间复杂度(23]。在本文的天线设计,时间复杂度的定义是计算时间,即。,需要找到一个最优解的迭代次数,哪个更实用。
遗传算法可以结束与收敛或结束的迭代次数(24]。若干次迭代后,开始稳定的结果。因此,本文选择250次迭代结束条件。在这一点上每个目标满足设计要求。
一个激励源是用来刺激同时接收和传输天线模拟整体收益和 。一个模式的对数周期天线的中心频率可以获得,如图7。可以看出了对数周期天线的平面具有良好的方向性,可以优化来实现收益 。天线的互惠表明,一定范围内的电磁波接收的补丁通过对数周期天线辐射和作为中继天线的标签。
在图8,比较之前和之后的优化模式。优化前,有1大侧叶,最大旁瓣水平 。优化后,最大侧叶减少 ,有效地提高了天线的方向性。
在图所示的曲线9和10显示回波损耗的变化和电压驻波比和频率之前和之后的优化,分别。可以看出,优化阻抗带宽和乐队的平均电压驻波比为1.3,达到了预期的目标。
为了证明设计的天线可以有效改善的安全通道,我们评估通道保密能力。
假设环境权力来源 ,传输增益 ,环境来源的距离标记 ,和读者的距离标记 。从雷达方程,信号功率收到的读者可以获得
在哪里雷达截面和吗 接收天线的有效面积。读者接收信号的增益和吗是信号的波长。
假设合法用户的接收功率 ,接收到的噪声功率的合法用户 ,非法窃听用户的接收功率 ,和接收到的噪声功率 。 和分别代表的主要通道和窃听信道容量。可以计算的保密能力
在哪里和可以获得(28)。在相同的通信系统中,每个节点接收相同的噪声,即, 。所有模拟数据是量化和评估的结果如图所示11。的横坐标表明偷听者和标签之间的距离,纵坐标表示通道保密能力。优化后,通道保密能力增加 整体。
结果表明,中继天线由多目标遗传算法优化;获得是dB和最大旁瓣水平降低 ,这提高了天线的方向性。这使得窃听者获得更难沟通信息。天线可以安全地应用于物联网的环境后向散射通信。
5。结论
在这项研究中,我们研究了物联网的一个重要的沟通形式,即。,ambient backscattering, and proposed a machine learning based antenna design scheme for physical layer security. The directional communication from the relay tag to the reader is achieved by combining a patch antenna and an LPDA. In order to reduce antenna side lobes and improve orientation performance, we used a multiobjective genetic algorithm to optimize the antenna size and obtain a set of optimal Pareto fronts. The simulation results justified that our proposed antenna design has a simple structure, saves energy, and can effectively protect the physical layer IoT communications.
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突有关的出版。