Intelligent Reflecting Surface Assisted Secrecy Communication via Joint Beamforming and Jamming

Abstract

本篇文章就是研究在一個新場景下的人工噪聲防干擾的問題，（主要方法還是交替迭代)
加入人工噪聲之後，joint beamforming的問題

（我覺得這種本質方法都是一樣的，我可以兼顧一些不同方法的文章）（之前有一篇解釋形成機制的在哪來着

System Model

這個之前看的文章不一樣的地方在於，在發送方引入一個人工噪聲 $\boldsymbol f_2 a$, 其中$\boldsymbol f_2$是關於信息$a$的beamforming vector,
所以這個聯合優化問題，優化的是 $\boldsymbol f_1, \boldsymbol f_2, \Theta$
問題轉化爲：

算法思路 固定一個，優化另一個，AO交替迭代

對於給定的$\boldsymbol v$,優化$\boldsymbol f_1$,$\boldsymbol f_2$,
作者把問題轉化爲：

通過引入lemma1, 將 原式 簡化成
$-\ln x \geq \max_{t>0} -tx+\ln t+1$ 當且僅當 $x = 1/t$時取最優值

這個定理比較好證，見 （等會單獨寫tricks)

另外就是 一般的推導， 得到

（注，Simon minimax thereom, 簡單理解就是 當目標函數 對於各隨機變量 是緊的 （對於min 是concave, 對於 max 是 convex) ,則 min 和max可交換順序，見tricks
（後面這個我傻掉了推了好久，之前老師說每週略讀3篇，精讀3篇 （精讀就是包括 推公式和仿真，我每天還是太閒了，但是我看論文都沒有仿真過，以後可以只仿主要部分的代碼)

這個推完之後，就是一般的優化操作了

然後就是固定 $\boldsymbol f_1$,$\boldsymbol f_2$, 優化 $\boldsymbol v$了
具體步驟是類似的，也是運用lemma1

然後就是交替迭代
(這種迭代的算法複雜度一般都很高)
還是先看YC-L那篇文章

Simulation

setup

作者設置了兩種scenarioes， 一個近，一個遠， 信道模型採用的是萊斯信道，
還有原來大尺度和小尺度是這麼算的


關於圖的metric的設置：
Achievable secrecy Rate
橫座標有：
maximum transmit power
number of Eves （竊聽者數量)
number of reflecting elements

benchamark 有：
noIRS
noAN 的組合
我覺得他最後一個解釋的不太好，setup(b)好的原因 應該去探究 direct link 和 indirect link 對 Bob /Eve 所佔的比例貢獻
按常理來說，Eve 跟 Bob近，竊聽效果越好，但是IRS主打的 就是 降低SINR，（有可能不是mmWave，所以方向性不好？)
好吧，解釋也能接受

Conclusion

作者說他們是第一個將IRS引入AN的場景中，並且進行joint beamforming的設計的，所以沒有其他的benchmark，只有跟no AN或者no-IRS的比較，結論還是 IRS可以增大 achievable secrecy rate