基于SWIPT的去蜂窝大规模MIMO系统安全传输方法

高媛媛， 王小雨， 李 娜， 王光裕

(陆军工程大学 通信工程学院，江苏 南京 210007)

通过射频(radio frequency, RF)电磁波信号来驱动传感器等能量受限节点进行能量采集(energy harvesting, EH)的无线携能通信系统(simultaneous wireless information and power transfer, SWIPT)成为近几年研究的热点，SWIPT同时具备无线信息传输(wireless information transmission, WIT)和无线能量传输(wireless power transmission, WPT)的功能。这一研究热点的兴起与5G、物联网(internet of things, IoT)的发展密切相关。

随着IoT被列为新兴战略产业，成千上万的设备终端在传感器网络中相互连接[1]。IoT是具有参数感知、信号处理和通信等功能的设备通过各种网络形式互联而形成的大规模生态系统。众所周知，5G蜂窝移动通信三大应用场景之一就是IoT，而且IoT具有远远大于基于电脑互联而形成的传统互联网规模。诚然，在5G出现之前，人们熟悉的远程抄水表、电表，或汽车、煤矿、炼钢等工业制造企业的工业自动化等，都可以看成为某种形式的IoT，只是5G的出现使得原本的企业内部网可以无缝连接成更为可靠、更易管理的广域网，同时使得更多的诸如远程医疗、自动驾驶、交通管理、灾害救援、智慧城市和智慧家庭等人工智能应用成为可能。因此有“4G改变生活，5G改变社会”的说法，但信息技术的发展也带来了巨大的能耗，尽管5G的能量效率是4G的26倍之多，但它所连接的设备数量却可能是4G的1 000倍甚至更多。因此让通信系统单位能量能发挥更高的通信效率，从而进行“绿色通信”也成为未来通信发展的重要目标之一。研究一方面是通过网络系统的整体设计来进行[2-4]，另一方面，是通过降低数量巨多分布巨广的IoT设备的功耗从而提高它们的生命周期。一种可行的办法是让这些设备可以从周围环境中采集到能量，作为传统电池供电的替代或补充手段，如太阳能、风能、潮汐能、机械能、热能等[5]，但在很多场合，这些能量并不是随时随地存在，如水下探测、地下隧道、军事监测等，而RF电磁波一方面具有无处不在的特点，另一方面采集RF电磁波能量的硬件模块实现起来要比其他贮能方式便宜得多，这一点对于IoT设备来说尤其重要[6]。蜂窝移动通信网络正是通过电磁波在空中的传播来传输信息的，只是人们以前并没有从中获取能量的需求，具有高密度无线连接特性的现代IoT的迅猛发展为这一强劲需求提供了大量的看得见摸得着的应用场景，一方面现代IoT网络的规模实在太大，另一方面节点分布范围过广，长期以来，作为IoT的“皮肤”，无线传感器网络(wireless sensor network, WSN)面临的最显著瓶颈是如何维持网络能够持续正常工作。由于传感器通常由电池供电，这些电池需要定期充电或更换。而很多场景下，更换传感器电池非常困难甚至完全不可能实现[1]。如果传感器可以利用SWIPT技术在交互信息的同时获取能量，那么就不需要考虑充电或更换电池的问题，极大降低能耗和维护成本，因此SWIPT为WSN或IoT供电问题提供了终极解决方案。

过去的几年里，关于如何实现SWIPT的研究层出不穷[7-8]，包括理论研究和系统硬件设计及实现两个方面。

首先系统硬件设计及实现方面有了较大的进展。在已有的实验或实际SWIPT系统中，RF能量传输所采用的频段通常是微波(300 MHz～30 GHz)[9]或毫米波(30～300 GHz)[10]频段，最为常见的方法是用超宽带(ultra wide band, UWB)RF信号进行通信和定位，而用特高频频段(300 MHz～3 GHz)内的RF信号完成能量传输功能[11-12]。文献[12]给出了利用射频识别(radio frequency identification, RFID)标签进行室内高精度定位的UWB室内定位系统框图，如图1所示。该系统实现了在868 MHz频率点上的EH、室内空间物体的位置跟踪等功能，其中RFID标签无电池供电，通过接收被称为“能量淋浴”供能单元发出的电磁波进行EH，具体来说就是采用一个RF单音信号为附近所有的RFID标签充电，然后标签利用该电能在3～5 GHz UWB频段上完成定位功能，实验测量表明该系统定位精度可以达到1 cm，充电距离可以超过10 m。

图1 UWB室内定位系统框图

文献[13]采用的是微波频段5.8 GHz充电，场景如图2所示，是一个航天器健康监测系统。系统中共有6个无线温度传感器节点，每隔1 s向基站发送温度信息，基站同时作为微波功率传输(microwave power transfer,MPT)信标，采用时分复用方式来接收传感器发出的温度信号，如图3所示。无线传感器节点主要由有源集成天线和混合半导体集成电路组成，其中整流器自动切换电路使得射频转换直流的转换效率能够达到最大。

图2 5.8 GHz频段航天器健康监测系统

图3 5.8 GHz频段航天器健康监测系统的时隙划分

文献[14，15]中给出了一种利用商用蓝牙低能耗(bluetooth low energy,BLE)设备实现SWIPT的电路设计方法。设备采用的信源为商用蓝牙模块，从信源发出的信号为连续波或多音信号，如频移键控(frequency-shift keying，FSK)、高斯频移键控(gaussian frequency-shift keying，GFSK)信号，无线传感器节点电路由匹配网络和倍压整流器构成，如图4所示。其中电感L1起到双工器的作用，直流电流通过负载电阻RL1完成EH功能，同时，通过调频信号到调幅信号的解调即含有负载电阻RL2的电路完成对输入信号的解调，恢复出发送的比特流信息。电路仿真结果如图5所示，其中BLE信源工作于2.426 GHz，数据速率分别为1 Mb/s(图5(a))以及125 kb/s(图5(b))。当输入功率为1 mW时，从RF转换成直流的EH效率达到了47%。

图4 SWIPT(能量收集以及FSK调制信号的解调过程)在同一电路内实现可调输入

图5 BLE解调器数据速率分别为1 Mb/s 和125 kb/s时的输出电压

SWIPT中需要特别关注的一个重要方面是如何在不损失信息传输效率的前提下提升能量转换效率(power conversion efficiency, PCE)，现代数字通信系统的设计都是按照使其通信性能达到最佳为目标来考虑的，如为了使数字通信系统的抗噪声性能达到最好，接收端对其调制方式的解调通常都采用相干解调，相干解调一个基本需求是需要本地晶振产生一个本地载波，还需要相应的载波同步、帧同步和位同步系统配合，都是相当消耗能量的电路。而SWIPT需要考虑信息传输速率和PCE的折中优化问题[16]，其主要目标是通过优化调制信号的设计使得一方面在EH方面提高直流输出功率，另一方面提高信息传输速率，使两者联合最佳。

目前大部分关于联合优化SWIPT系统的研究，如资源配置[17]、功率或时间分割[18]、调制技术优化均是以接收端采用相干解调即需要本地晶振为前提的[19]。不采用相干解调的SWIPT调制技术利用二极管的非线性特性进行信号的解调，这类系统的性能高度依赖二极管的非线性特性，经典的香农公式也不再适用。可以预见，如何从理论和实践角度对这类无本地晶振SWIPT系统进行优化的研究将会成为一个新的热点，例如依据不同的环境、工作电平对多种调制方式进行组合，或设计出新的波形体制[20]。

文献[21]中提出了两种FSK调制方法，一种采用均匀间隔多载波FSK调制并通过优化峰-均功率比来提升WPT转换效率(图6)，另一种采用非均匀间隔多载波FSK调制(图7)，在表示同一符号的不同载波间采用不同的频率间隔，使得每个符号中能容纳更多的信息，从而提高频谱利用率和信息传输速率。这两种FSK调制均不同于一般意义上的数字通信系统中使用的FSK调制方式，接收端无需消耗能量的本地晶振电路，利用了二极管的非线性特性，用同一个整流电路既完成EH功能，又完成FSK信号的非相干解调，如图8所示。本地采用非相干解调，无需本地载波，原因在于一是假设传感器工作于信噪比较高的环境，二是一般来说传感器的传输速率要求不高。

图6 M=4的三音均匀FSK方式的信号模型

图7 M=4的三音非均匀FSK方式的信号模型

理论研究方面，关于具有SWIPT功能的无线网络大致可以划分成5种类型：WSN、中继网络、协同多点传输网络(cooperative multipoint, CoMP)、协同移动云(collaborative mobile cloud, CMC)和认知无线电网络。应用最为广泛的当属WSN[3-4]。无线携能通信的策略一般被分为两种：基于功率切割(power splitting, PS)或时间切分(time switching, TS)[22-23]。PS策略将接收到的功率进行切割，一部分功率用来传输信息，另一部分功率用来EH。而TS策略将传输时隙进行切分，一部分时间用来传输信息，另一部分时间用于信号处理。

SWIPT的使能技术主要包含多天线传输技术、高效EH技术、资源配置技术以及信号处理技术等。多天线传输技术是解决SWIPT系统传输范围过小的解决方案之一，在获得多天线增益的同时，模拟域和数字域的双重波束成形，使得能量的传输更为集中。与5G采用毫米波、6G采用太赫兹一样的考虑，SWIPT系统也必须采用更高的通信频率来减小天线的体积。而由多个用户组成带来的多用户干扰问题，可以由各种现有的干扰消除技术(例如，块对角化预编码[24]，将信息发送到无干扰接收器并向其他接收器发送能量)来解决。

高效EH技术对于SWIPT系统尤其重要，因为SWIPT系统必须在尽可能少的固定来源能源情况下，实现绿色通信和自我维持的目标。与太阳能、风能和潮汐等传统能量回收源不同，收发设备的位置对SWIPT中的能量回收性能影响很大。在策略研究方面，有研究采用机会主义和合作的方式，如支持SWIPT的发射器以周期性方式或时变方式工作，当系统中的大多数节点具有很强的功率水平时，系统关闭 SWIPT以减少开销，当系统中的大部分节点都缺电时，可以开启SWIPT为节点供电。又如文献[25]中提出在平坦衰落信道的点对点无线链路中，存在时变多用户干扰时的最佳时间切换规则，其中假设接收器没有固定电源，因此需要从干扰或发射机发送的预期信号中补充能量。文献[26]研究了在信息传输效率和EH效率之间实现折中的中继选择问题，提出了最佳权衡的中继选择策略。

SWIPT系统中的资源分配技术主要是指优化系统中各种有限资源的利用，如能量、带宽、时间、空间等。当然，必须满足关于相关参数的任何要求或预定义的约束。由于RF信号的双重身份，同时传输信息和能量需要同时考虑资源分配、功率控制和用户调度问题。首先，机会功率控制可以通过利用信道衰落特性来提高能量和信息传输效率。其次，可以调度信道增益高的空闲用户进行功率传输，以延长网络寿命。已经发现，在优化功率控制的考虑下，系统容量和收集的能量均显著增加，并且平均收集的能量也可以得到改善。此外，资源分配是减轻无线系统中干扰的有效方式。通过SWIPT，对系统的有害干扰可以转化为系统的有用能量。基于干扰的资源分配机制可以收集干扰并将其定向到特定的耗能设备，从而提高系统性能。

信号处理技术方面，SWIPT的一个主要问题是能量传输效率的衰减，这是由传输距离增加时路径损耗的传播引起的。波束成形作为一种先进的信号处理技术，可应用于 SWIPT 以提高其功率传输效率，而无需额外带宽或增加发射功率。事实上，波束成形已被认为是实现SWIPT的主要技术。除了波束成形之外，如果传递给接收器的平均功率高于某个要求的阈值，那么无线电力传输系统中的传输功率会随时间变化。因此，信息可以通过随时间改变其功率电平而在能量信号中编码，从而在不降低功率传输效率的情况下实现连续的信息传输。为了强调这种能量信号在WPT和WIT中的双重用途，由此产生的调制方案称为能量调制。在文献[27]中提出了一种受空间调制影响的新的通用调制机制。这种新调制使用多个天线，适用于 SWIPT，尤其是通过能量模式传输信息。关于脉冲位置调制(pulse position modulation, PPM)和脉冲幅度调制(pulse amplitude modulation, PAM)，可以设想以下两种能量模式[28]： (1) 在空间域中使用的类似PPM基于位置的能量模式；(2) 完全依赖于正值的类似PAM 基于强度的能量模式。

未来的蜂窝网络需要一张网具备全场景、全类型的物联能力，支撑千亿规模的物联连接。具体而言，移动网络要能支撑不同速率档位的物联类型，匹配行业差异化需求，不仅能确定性满足工业场景中的大上行、低时延、高可靠连接需求，能精细匹配从kbps到Gbps之间的各种高、中、低速率连接类型，还将在蜂窝网引入超低功耗、无源连接的新形态，实现无源物联覆盖距离比现有技术提升10倍以上，满足海量的无源连接需求。

大规模多输入多输出(multiple-input multiple-output, MIMO)[29]是提高5G蜂窝网络的频谱和能源效率的关键技术之一，依据其天线部署的方式，可以划分为集中式和分布式，5G采用的基本是集中式，即大规划天线阵列集中部署在基站端(base station, BS)。集中部署信号的好处是信号处理简单、容易管理，但存在边缘效应、小区授权用户服务质量不均匀等问题。而分布式部署方式将天线或称接入点(access point, AP)在服务区域内分散部署，通过协同工作方式，联合处理信号进行编译码[30]。因此网络覆盖范围增大，小区间干扰减弱，抗阴影衰落能力得到增强[31]，同时还带来功耗大大降低[32]，其代价是分布式天线需要大量的回程信道，信号处理也更为复杂。随着5G毫米波频段向6G太赫兹频段的发展，电磁波波长越来越小，每一个基站的覆盖范围变得更小，因而需要分布更广、数量更大、部署更为密集的基站来进行大范围的覆盖，去蜂窝大规模 MIMO 应运而生。作为分布式大规模天线中的一种网络架构，去蜂窝大规模 MIMO用大量分布式部署的AP通过中央处理器(central processing unit, CPU)的连接，相互协同地为极少数用户提供统一的优质服务[33]。与集中式大规模MIMO相比，去蜂窝大规模 MIMO 具备更高的宏分集增益、频谱利用率和能源效率[34-35]等。此外，从RF信号进行EH的角度出发，大量分布式部署的天线减小了基站和用户之间的距离，降低了EH过程受路径损耗、通信范围限制的影响，更加利于SWIPT技术的具体实现。

然而，从安全性的角度出发，大量分布式部署的天线在减小了基站和用户之间距离的同时，也减小了基站与窃听者之间的距离，一定程度上更容易导致信息泄露和恶意窃听，尤其是当有主动窃听者存在时。文献[36]表明，与集中式大规模 MIMO 网络相比，由于Cell-free Massive MIMO网络架构的开放性和时频资源的共享性，去蜂窝大规模MIMO更容易受到导频污染攻击的主动窃听安全威胁。本文针对存在主动窃听的基于SWIPT去蜂窝大规模MIMO系统的安全传输问题进行了初步的研究并给出了一个解决方案。

综上所述，SWIPT技术不仅为传感器网络和IoT设备的用电问题带来了非常好的解决方案，对于短距离通信能量有限的移动用户来说，也具备一定的前瞻性[37]。通常意义上，总吞吐量、数据传输速率等性能指标最大化，和利用SWIPT技术尽可能地收集能量，二者在系统设计时需要进行折中优化[38]。鉴于此，本文提出了网络采集能量和安全性能限制(MMF-ESC)的PC方案，保证了每个用户采集的能量足够大，以及窃听者的可达速率足够小的要求，该方案为并发数据和能源供应的合法用户提供了显著的再生可能性和便利性。

1 系统模型

考虑在单天线节点的去蜂窝大规模MIMO网络中，存在M个AP(相当于集中式MIMO的天线)，共同为K个合法授权用户(M≫K)提供能量传输及信息传输服务。主动窃听者 Eve 窃听某特定合法用户的信息，假设被窃用户为第k0个用户。 该系统所有节点均随机分布，在TDD协议下完美同步。 如图9所示，所有AP同时为每个用户服务，并与CPU相连。

图9 存在主动窃听者情况的去蜂窝大规模MIMO系统框图

1.1 上行信道估计阶段

第m个AP接收到的导频信号为

(1)

式中：Put和Pue分别表示合法用户和 Eve 的平均上行功率；wp,m～CN(0,σ2Iτu)为加性高斯白噪声 (AWGN) 向量。

AP对上述接收信号yp,m进行处理，写为

(2)

根据最小均方误差 (MMSE) 方法，AP 得到的信道估计值为

(3)

(4)

除此之外，还可以获得估计信道的数值特征，这是至关重要的。写为

(5)

(6)

1.2 下行SWIPT阶段

假设合法用户有权进行 EH，但 Eve 无权进行 EH， Eve 的能源供应来自电网电源或内置电池。用sdk表示用户的归一化信号，E(|sdk|2)=1。则AP发送的信号符号为

(7)

在信息下行传输过程中，第k个用户接收到的信号可以表示为

(8)

式中wd,k～CN(0,σ2)为第k个用户处的AWGN。

结合SWIPT 系统，将相干间隔的结构划分如图10所示。xk可分为3个部分，以便合法用户使用TS和PS的混合EH策略。α和θ分别表示TS和PS比率因子，满足0≤α≤1，0≤θ≤1。第一个传输阶段：在ατd内根据TS协议，利用开关装置切换到合法用户的EH电路上，进行EH；第二个传输阶段：在(1-α)τd内根据PS协议，每个信息承载符号的功率用以能量形式存储的占比为θ，其余的功率进行信息传输。这两个传输阶段采集到的总能量被储存起来以备在下一个时隙中使用。

图10 单位相干间隔内的传输结构

第一阶段，在ατd期间，xk通过TS协议执行完成EH工作。 采集到的能量可以表示为

(9)

式中：κ表示PCE，0<κ<1。

第二阶段，在(1-α)τd期间，xk转化为能量的部分为

(10)

第k个用户对剩余部分信号进行解码，得到

因此，第k个用户期望采集到的总能量为

(12)

同时，持续供电的 Eve 解译信号，得到

2 采集的能量和可达速率分析

结合MRT预编码技术和线性EH模型，展开式(14)可以清楚地表达第k个用户采集到的总能量

为便于实现并得到更一般的结果，假设用户仅已知统计CSI，这可能会获得较少的sdk和zk之间的互信息量。 基于信息论理论，主信道容量的下界可以代表第k个用户的可达速率。 因此，可以推断如下

(15)

式中γk为用户的信干噪比(SINR)。 一般表达式可以由式(16) 给出。

其具体的展开形式为

(17)

式 (17) 的推导也与文献[7，19]的研究相同，此处不再赘述。假设网络中存在最糟糕的安全情况，即Eve能够知道瞬时信道增益。 从本质上讲，Eve很难准确获取CSI信息，这是一个极其悲观的假设。窃听容量的上限可表示为

(18)

(19)

具体可以扩展为

(20)

3 基于最大-最小公平算法的迭代功率控制(MMF-ESC PC)方案

为实现采集能量和网络安全的网络公平要求，提出了一种发射功率控制方案(MMF-ESC)。 具体而言，安全性就是使得Eve 的可达速率必须小于某一个阈值，EH上使得合法用户必须采集到足够的能量来提供可持续通信，以便在下一个时隙发送导频序列。优化目标设置为所有用户中的最小可达遍历速率最大化。模型优化目标的数学描述如下

(21)

通过复杂的推导，最终，功率优化问题可以改写为

k=1,…,K

0≤μm≤1m=1,…,M

k=1,…,K

(22)

表1 MMF-ESC PC方案

4 仿真结果及分析

仿真系统假设在一个1×1 km2正方形范围内均匀随机分布有M个AP、K个合法用户和一个主动窃听者。主要仿真参数如表2所示。给出了去蜂窝大规模MIMO下行链路性能的仿真结果。

表2 仿真参数

本文提出的安全传输方法为MMF-ESC PC方案，以网络中最小的合法授权用户可达速率最大化为优化目标，并保证了合法授权用户进行收集的能量可维持其不间断工作，同时限制网络主动攻击者的窃听速率在阈值之下。图11和图12分别表示经100次迭代某次固定网络节点的位置后，下行链路可达速率和采集到的能量示意图。首先，网络未进行PC优化时，往往可达速率较低的用户可以采集的能量较多，这说明同频用户对其干扰严重，在实际通信过程中极大可能影响甚至中断该用户正常通信传输，验证了该PC优化算法可以保障网络所有授权用户一致的高服务质量。其次，在EH方面，MMF-ESC PC算法为能量供给不足的用户提升至阈值，以支撑其下个时隙正常工作，相反，则削弱EH过剩的用户能量。这一现象与上述服务质量一致性相辅相成，MMF-ESC PC算法的引入势必带来用户可达速率的改善，因此当需要提升某用户EH能力时，PC变量趋向增加有用信息的比重，当需要减弱某用户EH能力时，PC变量做适当调整，尽可能降低用户间干扰分量。另一方面，在讨论网络安全性时，MMF-ESC PC算法控制窃听者Eve的SINR阈值参数为1.2，即网络安全性要求窃听速率必须小于等于0.26 b/s/Hz，由图12可知，未进行网络优化时，Eve的下行链路可达速率为0.35 b/s/Hz，利用MMF-ESC PC算法后，Eve的下行链路可达速率降至0.07 b/s/Hz，由此可见，MMF-ESC PC算法在保证所有用户的传输速率一致的同时，有效提高了网络安全性能。

图11 合法用户和 Eve的可达速率直方仿真图

图12 合法用户采集的能量直方仿真图

图13 合法用户的最低平均可达速率三维仿真图

5 结论

本文研究了存在主动窃听者的Cell-free大规模MIMO SWIPT安全传输问题。在TS/PS混合模式下，通过分析得到合法用户期望采集的能量、可达速率的下界，以及Eve可达速率上界的闭合表达式。在此基础上，提出了以合法用户最小可达速率最大化为优化目标的功率控制(MMF-ESC PC)方案。该算法基于Cell-Free大规模MIMO的特点，在满足用户EH和网络安全性能要求的同时，保证了QoS的一致性。随后，通过仿真验证了所提出的MMF-ESC PC方案的有效性。分析了不同参数，如TS/PS比率因子、固定网络拓扑下用户的位置对系统可达速率、可达安全速率和可采集能量的影响。得到了一些有指导意义的结论，如当网络对可达速率或安全性有较高要求时，应避免通过 TS 协议来补充合法用户的能量。而在有些情况下，可以牺牲单个用户可以采集的多余能量，以实现网络中每个用户可能达到的最高速率。该算法使得网络的最低可达速率提高2.5倍，并有效地将Eve的可达速率控制在预定阈值以下，实现了EH及安全传输的目的。