secure IRS aided ISAC

摘要：本文使用IRS增强通感一体化系统的物理层安全，在系统中，IRS不仅辅助了多用户下行链路通信，还为目标感知生成了虚拟视距链路。我们考虑了一个具有挑战性的场景，在此场景中目标是一个窃听者，可以拦截来自基站的通信用户信息。为了在保证感知质量的同时防止窃听，基站发射专用的感知信号。在窃听目标泄露最大信息量和用户最小信噪比要求限制下，研究IRS处和基站处相移的联合设计，最大化朝向感知目标的波束图增益。基于所有涉及到的用户链路的理想CSI的可用性和基站上的准确目标位置，考虑了两种场景并提出了两种不同的优化方法。对于用户链路CSI和目标位置完全已知的理想情况，提出一种基于惩罚的算法来获取一个高质量的解。利用拉格朗日对偶性得到一个具有半封闭形式的波束赋形器，并使用优化-最小化方法求取IRS相移的闭式解。另一方面，对于CSI不理想、目标位置不确定的实际场景，提出了一种基于S-过程和符号确定性方法的鲁棒算法。仿真结果表明，所提方案在实现通信质量和感知质量权衡方面是有效的，并展示了IRS在感知和提高通感一体化系统安全性方面具有巨大潜力。

系统模型：

如图所示，安全IRS辅助的ISAC系统由一个双功能基站、一个IRS、一个目标和K个单天线用户组成。基站配备了一个具有N个发射天线的均匀线性阵列，IRS是一个具有M个反射单元的均匀平面阵列。假设同时发射信息信号和雷达信号来进行通信和感知。基站的发射信号可以表示为：

$$s=\sum _{k=1}^K{w}_{c,k}{x}_{c,k}+\sum _{n=1}^N{w}_{r,n}{x}_{r,n}$$

用户k的接收信号为：

$$y_k=(h_{r,k}^H\Theta G+h_{d,k}^H)s+n_k,k\in K$$

用户k的接收信噪比为：

$$y_k=\frac{|h_k^H{w}_{c,k}{|}^2}{{\sum }_{i\ne k}^K|h_k^H{w}_{c,k}{|}^2+{\sum }_{i=1}^N|h_k^H{w}_{r,n}{|}^2+{\sigma }_k^2},k\in K$$

假设目标和基站间视距链路被遮挡，为解决此问题，使用IRS生成目标和基站间的虚拟视距链路用于传感。令$\theta$和$\phi$分别为从IRS都目标的方位角和仰角。从IRS到目标在方向$(\theta ,\phi )$上的导向矢量可表示为：

$$\begin{gathered} g_r^H={\alpha }_r[1,e^{-j\frac{2\pi d}{\lambda }\sin \theta \cos \phi },...,e^{-j\frac{2\pi (M_x-1)d}{\lambda }\sin \theta \cos \phi }] \\ \otimes [1,e^{-j\frac{2\pi d}{\lambda }\sin \theta \cos \phi },...,e^{-j\frac{2\pi (M_z-1)d}{\lambda }\sin \theta \cos \phi }] \end{gathered}$$

目标接收信号可写为：

$$y_t=g_r^H\Theta G(\sum _{k=1}^K{w}_{c,k}{x}_{c,k}+\sum _{n=1}^N{w}_{r,n}{x}_{r,n})+n_t$$

朝向目标的波束图增益为：

p = E { ∣ g H ( ∑ k = 1 K w c , k x c , k + ∑ n = 1 N w r , n x r , n ) ∣ 2 } = g H ( ∑ k = 1 K w c , k w c , k H + ∑ n = 1 N w r , n w r , n H ) g p=E\{|g^H(\sum^K_{k=1}w_{c,k}x_{c,k}+\sum^N_{n=1}w_{r,n}x_{r,n})|^2\}\\=g^H(\sum^K_{k=1}w_{c,k}w^H_{c,k}+\sum^N_{n=1}w_{r,n}w^H_{r,n})g p=E{∣gH(k=1∑K​wc,k​xc,k​+n=1∑N​wr,n​xr,n​)∣2}=gH(k=1∑K​wc,k​wc,kH​+n=1∑N​wr,n​wr,nH​)g

因为目标是潜在的窃听者，它尝试解码来自接收信号的信息。目标处截取到用户k信息的接受信噪比为：

$${\gamma }_{e,k}=\frac{|g^H{w}_{c,k}{|}^2}{{\sum }_{i\ne k}^K|g^H{w}_{c,i}{|}^2+{\sum }_{n=1}^N|g^H{w}_{r,n}{|}^2+{\sigma }_t^2},k\in K$$

问题构造

本文的目标是在用户最小信噪比要求和最大接受信息泄露的约束下，通过联合优化发射波束赋形和IRS相移最大化目标处的波束图增益。根据通信信道CSI是否理想和目标位置是否已知，考虑一下两种场景。

• 理想CSI和目标位置已知场景：

  max ⁡ { w c , k , w r , n , v m } g H ( ∑ k = 1 K w c , k w c , k H + ∑ n = 1 N w r , n w r , n H ) g \underset{\{w_{c,k},w_{r,n},v_m\}}{\max}g^H(\sum^K_{k=1}w_{c,k}w^H_{c,k}+\sum^N_{n=1}w_{r,n}w^H_{r,n})g {wc,k​,wr,n​,vm​}max​gH(k=1∑K​wc,k​wc,kH​+n=1∑N​wr,n​wr,nH​)g

  $$\begin{array}{rl}s.t.& {\gamma }_k\ge r_{k,th},k\in \mathcal{K}\\ & {\gamma }_{e,k}\le r_{e,k,th},k\in \mathcal{K}\\ & \sum _{k=1}^K||w_{c,k}|{|}^2+\sum _{n=1}^N||w_{r,n}|{|}^2\le P_{\max }\\ & |v_m|=1,m\in \mathcal{M}\end{array}$$

• 非理想CSI和目标位置不确定场景：

  此场景中，通信信道的CSI是非理想的，并且不知道目标的精确位置。已知感兴趣感知区域：${\Phi }_h=[\theta -\Delta \theta ,\theta +\Delta \theta ],{\Phi }_v=[\phi -\Delta \phi ,\phi +\Delta \phi ]$是已知的。

  定义：$F_k=diag(h_{r,k}^H)G，F_r=diag(g_r^H)G$

  则：$$\begin{gathered} h_k^H=h_{r,k}^H\Theta G+h_{d,k}^H=v^H{F}_k+h_{d,k} \\ {g}^H=g_r^H\Theta G=v^H{F}_r \end{gathered}$$，

  其中：$v^H=[v_1,...,v_M]$。

  信道$F_k,F_r,h_{d,k}$的CSI边界误差模型可表示为：

  F k = F ^ k + Δ F k , w i t h F k = { Δ F k : ∣ ∣ Δ F k ∣ ∣ F ≤ ϵ k } , ∀ k F r = F ^ r + Δ F r , w i t h F r = { Δ F r : ∣ ∣ Δ F r ∣ ∣ F ≤ ϵ r } , h d , k = h ^ d , k + Δ h d , k , w i t h H d , k = { Δ h d , k : ∣ ∣ Δ h d , k ∣ ∣ F ≤ ϵ d , k } , ∀ k F_k=\hat{F}_k+{\Delta}F_k,{\quad}with{\quad}\mathcal{F}_k=\{{\Delta}F_k:||{\Delta}F_k||_F\le\epsilon_k\},{\forall}k\\ F_r=\hat{F}_r+{\Delta}F_r,{\quad}with{\quad}\mathcal{F}_r=\{{\Delta}F_r:||{\Delta}F_r||_F\le\epsilon_r\},\\ h_{d,k}=\hat{h}_{d,k}+{\Delta}h_{d,k},{\quad}with{\quad}\mathcal{H}_{d,k}=\{{\Delta}h_{d,k}:||{\Delta}h_{d,k}||_F\le\epsilon_{d,k}\},{\forall}k Fk​=F^k​+ΔFk​,withFk​={ΔFk​:∣∣ΔFk​∣∣F​≤ϵk​},∀kFr​=F^r​+ΔFr​,withFr​={ΔFr​:∣∣ΔFr​∣∣F​≤ϵr​},hd,k​=h^d,k​+Δhd,k​,withHd,k​={Δhd,k​:∣∣Δhd,k​∣∣F​≤ϵd,k​},∀k

  其中，$\hat{G}$表示BS-IRS链路的估计信道，${\hat{F}}_k$表示对于用户k的估计级联信道，${\hat{F}}_r=diag(g_r^H)\hat{G}$表示对于目标的估计级联信道，此问题可构造为：

  max ⁡ { w c , k , w r , n , v m } g H ( ∑ k = 1 K w c , k w c , k H + ∑ n = 1 N w r , n w r , n H ) g \underset{\{w_{c,k},w_{r,n},v_m\}}{\max}g^H(\sum^K_{k=1}w_{c,k}w^H_{c,k}+\sum^N_{n=1}w_{r,n}w^H_{r,n})g {wc,k​,wr,n​,vm​}max​gH(k=1∑K​wc,k​wc,kH​+n=1∑N​wr,n​wr,nH​)g

  $$\begin{array}{rl}s.t.& {\gamma }_k\ge r_{k,th},\Delta h_{d,k}\in {\mathcal{H}}_{d,k},\Delta F_k\in {\mathcal{F}}_k,k\in \mathcal{K}\\ & {\gamma }_{e,k}\le r_{e,k,th},{\theta }_h\in {\Phi }_h,{\phi }_v\in {\Phi }_v,\Delta F_r\in {\mathcal{F}}_r,k\in \mathcal{K}\\ & \sum _{k=1}^K||w_{c,k}|{|}^2+\sum _{n=1}^N||w_{r,n}|{|}^2\le P_{\max }\\ & |v_m|=1,m\in \mathcal{M}\end{array}$$