基于深度学习的应急通信系统无线供能D2D通信安全的方法

摘要

本发明公开了一种基于深度学习的应急通信系统无线供能D2D通信安全的方法，步骤1、构建带窃听的无线供能D2D异构应急网络的系统模型；步骤2、统计每个潜在D2D发射机远离D2D接收机的概率，即远离概率；步骤3、采用基于LSTM的算法，令输入数据为：所述远离概率、每个潜在D2D发射机与D2D接收机之间的距离和临时基站的剩余能量；然后得到每个潜在D2D发射与D2D接收机组成D2D通信的概率，即通信概率；步骤4、根据步骤3得到的通信概率，选择出最大的通信概率，并利用所述最大通信概率所对应的潜在D2D发射机与D2D接收机，来建立无线供能D2D安全通信链路。解决了临时基站能量有限的情况下，现有方法建立的无线供能D2D通信链路无法保证D2D通信安全的问题。

说明书

【技术领域】

本发明属于无线通信安全技术领域，具体涉及一种基于深度学习的应急通信系统无线供能D2D通信安全的方法。

【背景技术】

在许多灾难重新安置地点或大型活动等特殊场景下，由于网络基础设施和公共电力基础设施受损或基站过载，蜂窝基站往往无法满足受害者和蜂窝用户的服务质量。部署临时基站和使用设备到设备(D2D)通信都可以增加现有无线网络的容量和覆盖范围。但是，由于D2D通信是两个短距离通信设备之间的直接交互，这使得信息容易被窃听，为此，可以采用物理层安全技术来提高D2D的安全性。

关于D2D安全问题的现有研究都集中在蜂窝网络协作D2D网络。一方面，通过蜂窝基站引入协作干扰(CJ)以降低窃听者的信道质量。另一方面，D2D发射机由基站供能，以鼓励D2D发射机提供服务。但是，在应急通信系统中，如何提高D2D通信的安全性未被研究。应急通信系统中D2D安全的主要挑战是临时基站(通常是无人驾驶飞行器)能量有限，所以只能提供有限能量用于无线能量传输和CJ。

长短期记忆(LSTM)算法是一种特殊类型的递归神经网络，可以学习长期依赖性。通过增加输入阈值，忘记阈值并输出阈值，LSTM改变自循环的权重，从而避免梯度消失或梯度扩展的问题。LSTM已成功用于包括分类，回归，图像识别和语音翻译。

现有技术中使用不同的方法实现D2D连接建立，但所提方法都不适用于应急通信系统，没有考虑到由于基站临时建立而引起的问题。在应急通信中应用D2D方案是一种实现组内终端的内部通信的方法，在蜂窝网络不能正常工作的情况下，能够利用该发明提供的技术方案，方便快捷的实现组内通信。然而，该发明没有涉及D2D安全问题。还有的方案考虑了D2D用户的安全约束，该发明构建了带窃听的D2D异构蜂窝网络的系统模型，建立一个最大化D2D用户的和有效容量受限于蜂窝用户的QoS和D2D用户的安全约束。遗憾的是该专利没有考虑到应急通信系统中的D2D安全性，它是在优化子信道的分配和功率分配的基础上实现蜂窝网络中的D2D安全。基于现有的相关领域的发明专利，我们发现无论是D2D建立，还是D2D的安全，都是基于蜂窝网络来分析的，而且大都通过优化信道和功率资源来实现，而对于应急通信网络中的D2D建立及其安全问题，没有专利涉及。因此，本发明提出从D2D建立的角度实现应急通信系统中的D2D安全。

【发明内容】

本发明的目的是提供一种基于深度学习的应急通信系统无线供能D2D通信安全的方法，以解决临时基站能量有限的情况下，现有方法建立的无线供能D2D通信链路无法保证D2D通信安全的问题。

本发明采用以下技术方案：.基于深度学习的应急通信系统无线供能D2D通信安全的方法，包括以下步骤：

步骤1、构建带窃听的无线供能D2D异构应急网络的系统模型，系统包括应急网络和D2D通信网络；

步骤2、根据步骤1构建的系统模型，统计每个潜在D2D发射机远离D2D接收机的概率，即远离概率；

步骤3、采用基于LSTM的算法，令输入数据为：所述远离概率、每个潜在D2D发射机与D2D接收机之间的距离和临时基站的剩余能量；然后得到每个潜在D2D发射与D2D接收机组成D2D通信的概率，即通信概率；

步骤4、根据步骤3得到的通信概率，选择出最大的通信概率，并利用所述最大通信概率所对应的潜在D2D发射机与D2D接收机，来建立无线供能D2D安全通信链路。

进一步的，步骤1中，

所述应急通信网络：包括能量有限的临时基站UBS、D2D接收机、多个潜在的D2D发射机、多个窃听用户和多个普通用户；

临时基站实现以下四个功能：统计每个潜在D2D发射机远离D2D接收机的概率、基于LSTM算法得到每个潜在D2D发射机与D2D接收机组成D2D通信的概率、通过无线传能为D2D发射机提供能量和在D2D通信进行时发射协作干扰信号。

进一步的，步骤1中，

所述D2D通信网络，完成一次无线供能D2D安全通信需要两个时隙：

第一个时隙完成潜在D2D发射机在满足安全性的前提下与D2D接收机组成D2D通信的概率，即为D2D接收机选择一个最佳的D2D发射机(这里最佳的D2D发射机定义为与D2D接收机组成的D2D通信系统能实现最大安全容量)，

第二个时隙完成无线供能和协作干扰下的D2D数据传输，假定所有链路的信道状态信息保持一个时隙不变，窃听信道的信道状态信息在第一时隙可以获取。

进一步的，步骤2的具体方法为：

2.1)UBS获取每个潜在D2D发射机的前q(q>1)个时刻的速度和位置坐标；

2.2)以当前时刻D2D接收机为原点来建立平面直角坐标系，通过D2D接收机和每个潜在D2D发射机位置坐标关系，在平面直角坐标系中确定每个潜在D2D发射机的运动轨迹；

2.3)以原点为圆心，在上述的平面直角坐标系中绘制多个同心圆，且同心圆半径满足公差为一个较小值的等差数列；根据临时基站覆盖区域内所有用户的移动速度中的最小值即为较小值；

2.4)根据每个潜在D2D发射机的运动轨迹，得到潜在D2D发射机进入更大半径同心圆的概率，即远离概率；

2.5)根据当前时刻每个潜在D2D发射机的运动速度修正远离概率，如果运动轨迹朝向更大半径的同心圆，且速度越高，则远离概率越大。

进一步的，步骤3中，所述远离概率具体算法为：

通过步骤2得到每个D2D发射机的远离概率。仅根据潜在D2D发射机的运动趋势无法得到准确的最佳D2D发射机，需要考虑潜在D2D发射机与D2D接收机之间的距离。

进一步的，步骤3中，所述潜在D2D发射机和D2D接收机之间距离的具体算法为：

潜在D2D发射机和D2D接收机之间的距离与远离D2D接收机的概率决定了最佳D2D发射机的可能的选择范围。考虑到应急通信系统中临时基站能量有限，临时基站的剩余的能量决定了无线传能和协同干扰的功率大小，进而会影响D2D通信系统和窃听信道的信道容量大小。所以，临时基站的剩余能量也需要被考虑。

进一步的，步骤3中，临时基站的剩余能量比例的具体算法为：临时基站的剩余能量比例系数由表示，这里的E_r和E_a分别表示临时基站的剩余能量和总能量。

进一步的，无线传能系统和协作干扰系统的使用现有的系统，其功率大小相等且由P＝γP_U表示，这里的P_U表示临时基站满能量时的发射功率。

本发明的有益效果是：

(一)本发明提出了一种新的应急通信系统D2D通信模型，并研究了该系统中D2D通信的安全性。

(二)本发明提出了一种新的统计潜在D2D发射机远离D2D接收机的概率的方法。

(三)针对基站能量有限时无线供电和协作干扰D2D通信的安全问题，本发明提出了一种基于LSTM的D2D建立方案。

【附图说明】

图1是本发明基于深度学习的应急通信系统无线供能D2D通信安全的方法的系统场景图；

图2是本发明基于深度学习的应急通信系统无线供能D2D通信安全的方法的中无线传能和协作干扰下的D2D通信示意图；

图3是发明基于深度学习的应急通信系统无线供能D2D通信安全的方法中，当使用常规D2D方案和基于LSTM的D2D方案时，保密容量受θ和γ影响的仿真图；

图4是发明基于深度学习的应急通信系统无线供能D2D通信安全的方法中，对于不同的D2D方案(γ＝0.95)，安全发送的内容量受到θ影响的仿真图；

图5是发明基于深度学习的应急通信系统无线供能D2D通信安全的方法中，对于γ＝0.95和γ＝0.1(θ＝0.4)，安全传输的内容量N与所需时间之间的关系仿真图。

【具体实施方式】

下面结合附图和具体实施方式对本发明进行详细说明。

本发明提供了一种基于深度学习的应急通信系统无线供能D2D通信安全的方法，包括以下步骤：

步骤1、构建带窃听的无线供能D2D异构应急网络的系统模型，系统包括应急网络和D2D通信网络；

步骤2、根据步骤1构建的系统模型，统计每个潜在D2D发射机远离D2D接收机的概率，即远离概率；

步骤3、采用基于LSTM的算法，令输入数据为：所述远离概率、每个潜在D2D发射机与D2D接收机之间的距离和临时基站的剩余能量；然后得到每个潜在D2D发射与D2D接收机组成D2D通信的概率，即通信概率；

步骤4、根据步骤3得到的通信概率，选择出最大的通信概率，并利用所述最大通信概率所对应的潜在D2D发射机与D2D接收机，来建立无线供能D2D安全通信链路。

1、步骤1中所述应急通信网络和D2D通信网络为：

应急通信网络，包括一个能量有限的临时基站和多个用户，临时基站实现以下四个功能：统计潜在D2D发射机远离D2D接收机的概率、基于LSTM算法得到每个潜在D2D发射在满足安全性的前提下与D2D接收机组成D2D通信的概率、通过无线传能为D2D发射机提供能量和在D2D通信进行时发射协作干扰信号。

D2D通信网络，包括1个D2D接收机、L个潜在的D2D发射机和K个窃听用户(EU)。D2D通信网络中的窃听用户定义为除去D2D接收机和潜在的D2D发射机之外的普通用户。

完成一次无线供能D2D安全通信需要两个时隙，第一个时隙完成潜在D2D发射机在满足安全性的前提下与D2D接收机组成D2D通信的概率，即为D2D接收机选择一个最佳的D2D发射机(这里最佳的D2D发射机定义为与D2D接收机组成的D2D通信系统能实现最大安全容量)，第二个时隙完成无线供能和协作干扰下的D2D数据传输，假定所有链路的信道状态信息保持一个时隙不变，窃听信道的信道状态信息在第一时隙可以获取。考虑到潜在D2D发射机的移动性，根据第一时隙可获取的信息为D2D接收机选择一个最佳的D2D发射机，这是一个预测问题，本发明使用LSTM算法来实现预测。

2、步骤2中统计潜在D2D发射机远离D2D接收机的概率，具体实现如下：

UBS获取潜在的D2D发射机l的前q(q>1)个时刻的速度v_lii＝0表示当前时刻)和位置的坐标(e_li,n_li)，这里的e和n分别表示经度和纬度，UBS获取当前时刻D2D接收机的位置坐标(e₀,n₀)。以当前时刻D2D接收机为原点，以东方和北方分别为x和y轴的正向来建立平面直角坐标系，通过D2D接收机和潜在的D2D发射机的经纬度坐标关系，在平面直角坐标系中描绘每个潜在的D2D发射机的运动轨迹和当前的相对位置坐标。以原点为圆心，以r_j为半径产生同心圆，这里的半径存在关系r_j-r_j-1＝δ且maxr_j＝maxd_l+δ，δ是一个较小的值，d_l是潜在的D2D发射机l与原点的距离。假设潜在的D2D发射机l当前处在圆环内，圆环定义为同心圆O_j+1去除同心圆O_j的部分。根据潜在的D2D发射机l的运动轨迹，可以得到潜在的D2D发射机l进入同心圆O_i(i￡j)的概率q_l1，再考虑当前时刻潜在的D2D发射机l的运动速度修正概率q_l1，如果运动轨迹朝向同心圆O_i且速度越高，概率q_l1越大。所以D2D发射机l远离原点的概率p_l(t)＝1-q_l1。

3、步骤3中所述的LSTM算法的输入包括：潜在D2D发射机远离D2D接收机的概率，潜在的D2D发射机和D2D接收机之间的距离和临时基站的剩余能量的比例。LSTM算法的输出是L个概率值，且每个概率对应一个潜在的D2D发射机，选择最大概率值对应的潜在D2D发射机作为实际的D2D发射机。

其中，LSTM的输入特征具体如下：

·潜在D2D发射机远离D2D接收机的概率：通过获取潜在D2D发射机在前一段时间的运动轨迹，可以得到潜在D2D发射机的运动趋势。第l个潜在D2D发射机的当前(第t时隙)时隙远离D2D接收机的概率由p_l(t)表示。仅根据潜在D2D发射机的运动趋势无法得到准确的最佳D2D发射机，考虑一种最佳情况，确定潜在D2D发射机下一时隙朝向D2D接收机移动，即p_l(t)＝0，然而，如果潜在D2D发射机与D2D接收机距离较远则无法保证在下一时隙该潜在D2D发射机对于D2D接收机是最佳的。因此，潜在D2D发射机与D2D接收机之间的距离是需要考虑的。

·潜在D2D发射机和D2D接收机之间的距离：第l个潜在D2D发射机在t时隙和D2D接收机之间的距离由d_l(t)表示。潜在D2D发射机和D2D接收机之间的距离与远离D2D接收机的概率决定了最佳D2D发射机的可能的选择范围。考虑到应急通信系统中临时基站能量有限，只能为D2D发射机提供有限的能量，在D2D通信时提供有限的协同干扰，这进一步缩小了最佳D2D发射机的可选择范围。所以，临时基站的剩余能量也需要被考虑。

·临时基站的剩余能量的比例：在本发明中，临时基站的剩余能量比例系数由表示，这里的E_r和E_a分别表示临时基站的剩余能量和总能量。剩余的能量系数的大小决定了无线传能和协同干扰的功率大小，进而会影响D2D通信系统和窃听信道的信道容量大小。

无线传能系统和协作干扰系统的使用现有的系统，其功率大小相等且由P＝γP_U表示，这里的P_U表示临时基站满能量时的发射功率。

实施例

如图1所示的具有无线供能D2D通信的应急通信系统，其包括临时基站(UBS)，多个窃听者，多个潜在的D2D发射机和一个D2D接收机。如图2所示，由于移动设备的功率和寿命有限，D2D发射机可以从UBS获得射频信号以获取能量。然而，由于UBS无法从国家电网获得连续电力，因此UBS只能为无线供能和协同干扰提供有限的能量。

本发明提出通过两个时隙实现D2D通信安全性，图1显示第一个时隙，即D2D对建立阶段，图2显示第二个时隙，即无线能量传输(WET)和提出协作干扰下的D2D通信阶段。在第一时隙中，D2D接收机向UBS发送内容获取请求，UBS基于潜在D2D发射机运动状态统计系统和基于LSTM的潜在D2D发射机分类系统，选择一个D2D发射机。在第二时隙使用“收获然后转移”协议：(1)WET(无限能量传输)：在θT(0＜θ＜1)的时间段内，UBS为D2D发射机提供能量；(2)D2D通信和协同干扰(CJ)：在(1-θ)T时段期间，D2D发送机使用收集的能量将信息信号发送到D2D接收机，并且UBS发送干扰信号以干扰窃听者提高保密速率。

在不失一般性的情况下，我们假设本文中T＝1，假设潜在的D2D发射机、D2D接收机和所有窃听者都配备有单个天线，而UBS配备有N_T个发射天线。当在第一时隙中选择的D2D发射机是索引为l潜在D2D发射机时，令h_s,l(l∈{1,2,…,L})和h_e,l,k(k∈{1,2,…,K})分别表示D2D发射机，D2D接收机和第k个窃听者之间的信道增益，和分别是UBS与D2D发射机、D2D接收机和第k个窃听者之间的信道系数。在WET阶段，UBS使用能量束形因此，D2D发射机处的收集能量由下式给出：

E_s,l＝ηθγP_U||g_l||²，

其中，η∈(0,1)表示D2D发射机能量收集效率，γP_U是UBS发射功率，γ∈(0,1)是UBS剩余能量比例系数。因此，在(1-θ)T时间段内D2D发射机可用的最大发射功率可写为：

在D2D通信阶段，为了进一步提高D2D通信的安全性，UBS引入干扰信号以干扰窃听者。为了混淆除D2D接收机之外的所有潜在窃听者，在UBS和D2D用户之间的信道系数g_s的零空间中生成干扰信号，其表示为：

g_sx＝0，且x＝Ba，

其中，x是干扰波束形成向量，是g_s零空间的正交基，a是N_T-1干扰信号向量，且满足独立相同分布，其均值和方差分别为0和1。本文假设干扰功率也等于γP_U，且均匀分布在N_T-1维度中。基于上述分析和假设，D2D接收机和第k个窃听者的瞬时信道容量分别表示为：

其中，p_s,l是D2D发射机的发射功率，是来自网络的干扰功率，和是D2D接收机和第k个窃听者加性高斯白噪声(AWGN)的噪声方差。因此，保密容量可以写成：

本发明的保密速率R定义为主信道的通信速率R_s,l与最大窃听速率之间的差值，最大窃听速率定义为：

其中ρ_e,l(ρ_e,l≥0)表示窃听者的相关信噪比阈值。因此，D2D通信的保密速率可表示为：

R＝R_s,l-log(1+ρ_e,l)。

为了最大化保密速率R，取最大的主信道的通信速率，即R_s,l＝C_s,l，因此有D2D通信的保密速率为：

R＝C_s,l-log(1+ρ_e,l)。

从上式可以看出，要提高的D2D通信安全性，可以从两方面出发：一方面，提高D2D通信的保密容量，另一方面，增加窃听者信道的干扰。

本发明实施例研究应急通信系统中的无线供能D2D安全性，其临时基站为能量有限的无人飞行器。为了降低临时基站的负担，并增加应急通信网络的容量，本发明将内容需求者看作D2D接收机，所有的内容携带者看作潜在的D2D发射机。为了验证本发明的效果，在不失一般性的情况下，我们设定窃听者和潜在D2D发射机的数量为10，其随机分布在以内容需求为中心的半径为5m的圆形区域中，D2D发射机的位置保持一次时隙不变，D2D发射机的能量收集效率η＝0.8，临时基站具有10根天线，其他都是单天线，本发明建立的系统如图1和图2所示。

图3当使用常规D2D方案和基于LSTM的D2D方案时，保密容量受θ和γ影响的仿真图。首先，本发明利用随机D2D方案和LSTM建立D2D方案，分析了受θ和γ影响的保密能力。从图中可以看出，随着θ增加，基于LSTM的方案和基于随机的方案的保密容量都增加，这证明我们提出的基于LSTM的方案是正确的。此外，对于基于LSTM的方案，当θ相同时，随着γ的增加，系统的安全容量随着而增加。这是因为当UBS的剩余能量更多时，D2D发射机可以获得更多能量，D2D链路具有高SNR，另一方面，由于UBS用于CJ的能量等于用于无线传输的能量，因此CJ功率也增加了，并且抑制窃听信道能力增加，提高了系统的安全性能。当θ相同时，图3表明基于LSTM的方案实现了更高的安全容量，这表明本文提出的基于LSTM的方案比传统方案具有更好的安全性。

图3给出了一个问题：设置θ＝1以增加保密能力是否合理？答案如图4所示。图4表明，随着θ的增加，两种方案安全传输的内容量先增加后减小，并在θ＝0.25时达到最大值，这是因为一个时隙需要完成能量收集(在θ期间)和数据传输(在1-θ期间)。另外，当θ相同时，基于LSTM的方案在1-θ中安全传输的数据量总是大于基于随机的方案，特别是在θ＝0.25，差距达到最大值。

考虑到基站是能量受限的，图5表征了当UBS具有更多剩余能量(γ＝0.95)和更少(γ＝0.1)时，安全传输的内容量N与所需时间之间的关系。随着N增加，传输所需的时间增加。此外，当传输相同数量的数据时，需要更多的时间来获得低剩余能量，因为当UBS的剩余能量较小时，UBS向D2D发射机和CJ提供较少的能量。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。