[논문 리뷰] Channel-Correlation-Enabled Transmit Optimization for MISO Wiretap Channels

Shuai Han, Sai Xu외 2명|arXiv (Cornell University)|2019. 06. 28.

Advanced MIMO Systems Optimization참고 문헌 22인용 수 4

한 줄 요약

이 논문은 상관관계가 있는 메인 채널과 와이어트랩 채널을 가진 MISO 와이어트랩 채널에서 채널 상관관계를 활용한 인공잡음(AN)-보조 beamforming 기법을 제안한다. 수신기 측의 상관관계를 바탕으로 와이어트랩 채널을 결정론적 성분과 확률적 성분의 조합으로 모델링함으로써, 전송 전력 및 기밀성 외상 제약 조건 하에서 정보 beamformer와 비균일한 AN 전력 할당을 주된 채널의 영공간 내에서 최적화함으로써 기밀성 비율을 크게 향상시킨다.

ABSTRACT

An artificial-noise (AN)-aided beamformer specific to correlated main and wiretap channels is designed in this paper. We consider slow-fading multiple-input-single-output (MISO) wiretap channels with a passive single-antenna eavesdropper, in which independent transmitter-side and correlated receiver-side are assumed. Additionally, the source has accurate main channel information and statistical wiretap channel information. To reduce the secrecy loss due to receiver-side correlation, this paper proposes the scheme of channel-correlation-enabled transmit optimization. Particularly, the correlation is viewed as a resource to acquire more knowledge about wiretap channel. Based on this, the statistical distribution of wiretap channel is described more precisely. Then, the power of AN in the null space of main channel is placed more reasonably instead of simple uniform distribution and an elaborate beamformer for the information-bearing signal is designed. Finally, an efficient algorithm for power allocation between the information-bearing signal and the AN is developed. Simulation results show that the secrecy rate under transmit power and secrecy outage constraint is improved.

연구 동기 및 목표

• 수신기 측 상관관계로 인한 기밀성 비율 저하 문제를 해결한다.
• 기본 채널과 와이어트랩 채널이 상호 독립적이라고 가정하는 전통적인 AN 보조 beamforming의 한계를 극복한다.
• 채널 상관관계를 해로운 요소로 보는 대신 성능 향상 자원으로 활용한다.
• 기밀성 외상 및 전송 전력 제약 조건 하에서 정보 신호와 인공잡음 간의 효율적인 전력 할당 알고리즘을 개발한다.

제안 방법

• 수신기 측 상관관계를 바탕으로 와이어트랩 채널를 결정론적 성분(상관관계 기반)과 확률적 성분의 합으로 모델링하여 정밀한 통계적 기술을 가능하게 한다.
• 정보 신호의 방향을 최적화하고 주된 채널의 영공간에 비균일하게 AN 전력을 할당하는 beamforming 설계를 수립한다.
• 상관관계 구조를 활용하여 와이어트랩 채널의 더 정확한 통계 모델을 유도함으로써 AN 전력 할당의 정밀도를 향상시킨다.
• 기밀성 외상 및 전력 제약 조건을 충족시키는 동시에 정보 신호와 AN 간의 전력 할당을 위한 효율적인 반복 알고리즘을 개발한다.
• 실제 시스템 제약 조건 하에서 기밀성 비율 최적화 프레임워크에 상관관계 인식 모델을 통합한다.
• 근사 최적 성능를 확보하기 위해 브루트포스 검색과의 성능 비교를 통해 제안된 기법의 효용성과 복잡도 저감 효과를 검증한다.

실험 결과

연구 질문

• RQ1 메인 채널과 와이어트랩 채널 간 수신기 측 채널 상관관계를 어떻게 활용하여 물리계층 기밀성 성능을 향상시킬 수 있는가?
• RQ2 상관관계가 존재할 경우 주 채널의 영공간에 인공잡음 전력이 어떻게 비균일하게 분포되어야 하는가?
• RQ3 상관관계 인식 beamforming은 기존의 균일한 AN 분포 방식과 비교해 기밀성 비율 및 외상 성능 측면에서 어떻게 다를까?
• RQ4 저복잡도 알고리즘이 상관관계 및 전력 제약 조건 하에서 브루트포스 성능에 근접한 기밀성 비율 성능을 달성할 수 있는가?
• RQ5 전송 안테나 수와 전송 전력이 증가할수록 상관관계가 있는 MISO 와이어트랩 채널에서 기밀성 비율에 어떤 영향을 미치는가?

주요 결과

• 제안된 기법은 와이어트랩 채널의 모델링 정확도가 향상됨에 따라 기존 AN 보조 beamforming보다 더 높은 기밀성 비율을 달성하며, 특히 상관관계가 높아질수록 성능 향상이 두드러진다.
• 총 전송 전력 10 dBW, 기밀성 외상 확률 0.15 조건 하에서 제안된 기법은 기존 기법보다 우수한 성능을 보이며, 고상관관계 환경에서 특히 두각을 나타낸다.
• 전송 전력이 12 dBW에서 15 dBW로 증가할 경우 기밀성 비율은 약 25% 증가하지만, 고전력 수준에서는 수익 감소 현상이 나타남을 시사한다.
• 전송 안테나 수가 증가할수록 기밀성 비율이 증가하며, 더 많은 공간 자유도가 확보되기 때문이다. 제안된 기법은 이와 같은 조건에서도 항상 기존 방법보다 뛰어난 성능을 보인다.
• 제안된 알고리즘은 브루트포스 검색 성능에 매우 가까운 기밀성 비율 성능을 달성함으로써 그 효과성과 저연산 복잡도를 입증한다.
• 다양한 상관관계 수준에서 안정적인 성능을 보이며, 동일한 제약 조건 하에서 이론적 최적 성능에 가까운 성능을 달성함을 보였다.