This paper investigates the problem of increasing the security at the physical layer of a Millimeter Wave (mmWave) network equipped with several Intelligent Reflecting Surfaces (IRSs). In this network, multiple IRSs help the Base Station (BS) to reach the signal to the desired user and at the same time maintain the security of the network i.e. securing the signal from receiving by the unallowable eavesdropper. The target of the proposed scheme is to maximize the secrecy rate by jointly optimizing the active beamforming at the BS and passive beamforming at the IRSs. This leads to a non-convex optimization problem which we solve by decomposing into two sub-problems. The sub-problems alternatively solve the active and passive beamforming design problems using the Semi-Definite Relaxation (SDR) technique. Finally, simulations are done to assess the performance of the proposed algorithm. These results show the superiority of using multiple IRSs in the enhancement of the secrecy rate in the wireless networks that operate in the mmWave frequency bands.


翻译:本文调查了加强配备若干智能反射表面(IRS)的毫米波(mmWave)网络物理层安全的问题。在这个网络中,多个IRS帮助基地站达到预期用户的信号,同时维护网络的安全,即确保信号从无法调值的窃听器接收到信号。拟议方案的目标是通过联合优化BS的主动波束和IRS的被动波束,最大限度地提高保密率。这导致一个非电离层优化问题,我们通过分解成两个子问题加以解决。次问题或用半自定义放松技术解决主动和被动成型的设计问题。最后,进行模拟以评估拟议算法的性能。这些结果显示在加强在毫米Wave频率波段运行的无线网络的保密率方面使用多IRS的优势。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
专知会员服务
78+阅读 · 2020年8月4日
【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks
专知会员服务
25+阅读 · 2020年7月19日
专知会员服务
60+阅读 · 2020年3月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年7月10日
Federated Learning in Multi-RIS Aided Systems
Arxiv
0+阅读 · 2021年7月8日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员