来源：期刊VIP网 时间：
作者：张泽鹏;李翠然;谢健骊;许琼;
单位：兰州交通大学电子与信息工程学院;
摘要：高速铁路场景中非法窃听者的存在使海量隐私数据的传输(如与列控相关的调度数据和乘客的个人隐私数据等)受到严重的安全威胁，导致隐蔽吞吐量性能恶化。针对这一问题，在车载移动中继(MR)处存在干扰噪声的情况下，构建智能超表面(RIS)辅助的高速铁路毫米波多输入多输出(MIMO)隐蔽通信模型，推导窃听者处总检测错误概率的下界。同时，考虑高铁场景快时变信道的多普勒频移并以隐蔽要求、最大基站发射功率以及RIS相移为约束，建立最大化隐蔽吞吐量的优化问题。然而，目标函数的优化变量与隐蔽约束所含变量相耦合以及RIS相移本身的单位模约束导致该优化问题难以直接获得最优解。为此，采用马尔可夫决策过程(MDP)建立优化问题与深度强化学习(DRL)框架之间的联系，并提出一种基于DRL的主被动波束赋形设计算法求解优化问题。仿真结果验证所提算法在高速铁路毫米波MIMO场景中具有较好的鲁棒性和隐蔽性。
关键词：智能超表面;;高速铁路;;毫米波MIMO;;隐蔽通信;;深度强化学习
基金资助：国家自然科学基金(62161016);; 北京市高速铁路宽带移动通信工程技术研究中心(北京交通大学)开放课题基金(BHRC-2022-1)
