As physical layer security evolves to multi-user systems, multi-user interference (MUI) becomes an unavoidable issue. Recently, rate-splitting multiple access (RSMA) emerges as a powerful non-orthogonal transmission framework and interference management strategy with high spectral efficiency. Unlike most works fully treating MUI as noise, we take all users' secrecy rate requirements into consideration and propose an RSMA-based secure beamforming approach to maximize the weighted sum-rate (WSR), where MUI is partially decoded and partially treated as noise. User messages are split and encoded into common and private streams. Each user not only decodes the common stream and the intended private stream, but also tries to eavesdrop other users' private streams. A successive convex approximation (SCA)-based approach is proposed to maximize the instantaneous WSR under perfect channel state information at the transmitter (CSIT). We then propose a joint weighted minimum mean square error and SCA-based alternating optimization algorithm to maximize the weighted ergodic sum-rate under imperfect CSIT. Numerical results demonstrate RSMA achieves better WSR and is more robust to channel errors than conventional multi-user linear precoding technique while ensuring all users' security requirements. Besides, RSMA can satisfy all users' secrecy rate requirements without introducing WSR loss thanks to its powerful interference management capability.


翻译:随着物理层安全向多用户系统发展,多用户干扰(MUI)成为不可避免的问题。最近,分率的多重接入(RSMA)作为一个强大的非垂直传输框架和高光谱效率的干扰管理战略出现。与大多数工作不同,我们考虑所有用户的保密率要求,并提议一个基于RSMA的安全波束法,以最大限度地实现加权总率(WSR),即将MUI部分解码并部分处理为噪音。用户信息被分割并编码为普通和私人流。每个用户不仅解码通用流和预期私流,而且还试图窃听其他用户的私流。一个连续的CUSA近距离法(SCA)建议,在发射机(CSIT)的完美频道状态信息下最大限度地增加瞬时的WSR。然后,我们提议一个联合加权最小的平方差和基于SCA的交替优化算法,在不完善的CSIT下最大限度地实现加权的ergodicSum-ressy。 Numical 结果表明,RSMA不仅实现了更好的通用流代码安全率,而且所有用户都能够更牢固地满足其稳定的RSMA前安全损失率。

0
下载
关闭预览

相关内容

专知会员服务
39+阅读 · 2020年9月6日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
专知会员服务
60+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18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
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13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
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
VIP会员
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13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
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Top
微信扫码咨询专知VIP会员