基于可重构智能表面的单天线盲抗干扰方案.pdf

DO1:10.3969-0673.2023.04.004Aug.20232023年8 月Journal of Information Engineering UniversityVol.24 No.4信息第2 4卷第4期工程大学学报基于可重构智能表面的单天线盲抗干扰方案楼洋明，金梁（信息工程大学，河南郑州450 0 0 1）摘要：恶意干扰会严重影响无线通信性能，因此未知信道信息条件的盲抗干扰问题引起广泛研究。当阵列自由度不足时将会影响盲抗干扰性能，针对现有研究中的自由度需求，给出一种基于可重构智能表面的单天线盲抗干扰方案。利用可重构智能表面在信号接收时快速改变反射权值，令接收信号经历不同复合信道到达天线；该方式使单天线等效为多天线阵列，提高自由度；在此基础上利用独立成分分析算法分离期望信号与干扰。仿真结果表明，在高干信比条件下，该方案性能优于典型基于可重构智能表面被动波束赋形的抗干扰方案。关键词：盲抗干扰；可重构智能表面；自由度；独立成分分析中图分类号：TN973.3文献标识码：A文章编号：16 7 1-0 6 7 3(2 0 2 3)0 4-0 40 6-0 9Single-Antenna Blind Anti-Jamming Based on Reconfigurable Intelligent SurfaceLOU Yangming,JIN Liang(Information Engineering University,Zhengzhou 450001,China)Abstract:Malicious jamming could seriously reduce wireless communication performance,so blindanti-jamming with unknown channel information has been widely studied.The blind anti-interferenceperformance could be reduced when the array degrees of freedom are insufficient.This paper presentsa single-antenna blind anti-jamming scheme based on the reconfigurable intelligent surface(RIS)tosatisfy the demand for degrees of freedom in existing research.Using RIS to change the reflectionweights rapidly,the received signal goes through different composite channels.In this way,the sin-gle antenna is equivalent to a multi-antenna array with improved degrees of freedom.Then we sepa-rate the desired signal from jamming using the independent component analysis algorithm.Simulationresults show that the proposed scheme performs better than the conventional one based on the passivebeamforming by RIS under a high jamming-to-signal ratio.Key words:blind anti-jamming;reconfigurable intelligent surface;degree of freedom;independentcomponent analysis0引言利用电磁波的广播特性，人们能够摆脱线缆的束缚进行自由通信，这为生活带来了极大便利。而随着无线通信技术的快速发展，空间中充斥大量电磁信号带来的干扰。特别是恶意干扰的存在严重影响通信性能 1-4。1。为应对上述干扰攻击造成的通信性能下降问题，人们开始广泛研究抗干扰方案，经典的抗干扰方案主要在时频域完成，如信道跳变 5-6,通过检测当前的工作频带是否存在干扰来主动规避。直接序列扩频 7-8，在信号总功率不变的情况下展宽信号的频谱，能够有效应对窄带干收稿日期：2 0 2 3-0 4-0 6；修回日期：2 0 2 3-0 4-18基金项目：嵩山实验室项目（纳人河南省重大科技专项管理体系）（2 2 110 0 2 1130 0-0 3）作者简介：楼洋明（1991-），男，助理研究员，博士生，主要研究方向为无线通信安全。楼洋明，等：基于可重构智能表面的单天线盲抗干扰方案407第4期扰。而随着多天线技术的发展与广泛应用，空域抗干扰技术的应用也越来越广。空域资源与时频域资源相互独立，对处于不同空间位置的用户来说，通过分配独立的空域通信资源，即使采用相同的时频资源也能够做到互不干扰。换言之，接收机利用空间上的差异，就能够抵抗干扰。典型的空域抗干扰方法是根据期望信号与干扰的空间信道，在阵列中各个天线上配置不同的权值，形成波束抑制干扰并增强期望信号。不同的空域抗干扰方法具有不同的权值生成准则。当阵列自由度足够时，期望信号与干扰将位于不同的子空间中。因此可以将接收的信号投影至干扰子空间的正交空间上，在消除干扰的同时保留期望信号 9-10,投影矩阵即为阵列的接收权系数。阵列也可以根据信号到达方向调整天线的加权值形成波束,将零陷对准干扰的同时，令主瓣对准期望信号，提高接收的信干比。上述空域抗干扰方法需要关于期望信号与干扰信道的部分信息。然而，由于干扰为非配合信号，难以通过事先约定的参考信号进行信道估计。基于盲源分离（Blind Source Separation，BSS）的抗干扰方案能够有效解决上述盲抗干扰问题。BSS的核心技术是独立成分分析（IndependentComponent Analysis，ICA），能够从混合的信号中将独立的源信号恢复出来而无需事先知道混合矩阵 12-13。干扰信号与期望信号通常相互独立，因此ICA也成为抗干扰的有力手段，广泛应用于多种通信系统。在文献 14-15中,ICA被用于雷达系统中，有效抑制了干扰并提高了追踪性能。针对卫星通信系统，文献16 分析了基于ICA的抗干扰方案的性能。文献 17 采用ICA分离干扰，解决了波达方向估计时，阵列方向图主瓣中存在大功率干扰导致性能下降的问题。文献 18-19则将ICA运用在全双工系统中，用于自干扰消除。接收机利用ICA直接分离干扰信号，无需配备辅助接收链路。上述盲抗干扰方案能够在信道未知条件下实现抗干扰，但前提是具有足够的自由度。阵列的自由度是影响空域抗干扰性能的重要因素。对于传统抗干扰方法来说，提高自由度才能提高波束指向的精度与零陷的深度。特别是在干扰数量、干扰信道均未知的条件下，只有尽可能提高自由度，才能保证对所有干扰信号的抑制。对于盲抗干扰方法来说，绝大多数情况下，阵列自由度需要超过独立源的个数才能实现有效分离。传统阵列提高自由度的方法是增加天线数量。然而这样一来会导致设备体积与功耗的增大，与通信设备小型化、便携化的发展趋势相悖。近年来，可重构智能表面（ReconfigurableIntel-ligentSurface，RIS）的出现 2 0，为抗干扰系统设计带来了新思路。RIS是一种基于电磁超材料技术实现的新型电磁器件，由大量低成本无源反射元件组成的均匀平面阵列，每个复合材料元件可以调节入射电磁波的反射系数（相位、振幅等）并使其被动反射 2 1-2 4。通过使用预编程的控制器智能地调整反射系数,RIS可以更改入射电磁波的衰减和散射,以便它可以在到达预期的接收器之前以所需的方式传播，实现可编程和可控制的无线环境 2 5通过RIS在系统中引入新的自由度,就可能解决盲抗干扰时自由度不足的问题RIS反射信道VhRXh，非反射信道图1接收天线接收RIS反射信号示意图如图1所示，假设RIS具备个超材料单元，则接收信号可表示为y=u1,u,(1)+z式中：v=1，,表示第个超材料单元对到达信号的加权；hR=h RI,h RT 表示源信号从发射机出发，经过RIS反射到达接收天线的反射信道；h，表示不经过RIS的非反射信道之和；z表示噪声。现有对于RIS在抗干扰中的应用绝大多数集中于利用RIS实现波束赋形 2 6-2 8。在已知hR与h，的条件下，可以通过优化求解v令接收天线处的信干噪比最大实现抗干扰，但这类方法并不能有效应对未知信道的盲抗干扰场景。RIS具备快速切换v的能力。当改变时，反射信道在接收天线处的叠加方式也发生了改变，相20233年程大学学报信息408当于x经历了不同的信道，这样就能够将单个天线等效为多天线阵列，从而提高了接收端的自由度，解决盲抗干扰自由度不足的问题。本文基于上述思想，利用RIS快速改变反射权值的能力，在不改变原有通信系统结构的条件下增加系统的自由度，并利用ICA算法实现单天线条件下的盲抗干扰。本文所用符号含义如下：普通小写字母表示标量，粗体的小写字母表示列向量，粗体的大写字母A表示矩阵。粗体的数字1表示所有元素为1的列向量。（）*、（）T、（）H 分别表示共轭运算、转置运算、共轭转置运算。11表示绝对值。E表示期望。diag（A）表示由A的对角线元素形成的列向量,Diag（a)则表示由a中元素为对角线的对角阵。Tr（）表示矩阵的迹，即对角线上的元素之和,rank（）表示矩阵的秩。1基于RIS的单天线自由度提升1.1RIS辅助下的单天线信号接收模型本文研究场景如图2 所示，接收机Alice与发射机Bob均配备单天线，RIS靠近Alice，并由Alice控制。Alice与Bob在RIS反射的作用下进行正常通信,Bob发送期望信号xs。同时，（M-1）个干扰机Jammer发送同频干扰信号x=x，x(M-1)T 阻碍Alice的正常接收。发送信号与干扰信号均经历直射与反射信道到达接收天线。RISBobhGRhDAliceJammer图2单用户多干扰场景对于RIS来说，假设Alice、Bo b、Ja mme r 均满足远场假设条件，期望信号及干扰经历多径到达RIS。以期望信号为例，到达每个RIS单元的信道可用下式表示，即h.n=Ain(2)in式中,A为RIS流形矩阵,仅与多径的入射方向有关,表示多径的复增益。由于RIS靠近Alice放置,不妨假设两者之间只有一条强主径,所以RIS每个单元到达Alice的信道可表示为hout=aou(3)outout式中,aout为导向矢量，仅与径的出射方向有关,为出射径的复增益。所以信号经历RIS加权并反射到达接收天线的复合信道可表示为houtTDiag(v)hin=vDiag(hout)h,(4)in所以，完整的反射信道为hr=Diag(hout)h,(5)in干扰的反射信道同理当RIS的单元加权系数为V时，根据式（1），接收信号可以表示为yh=(vThR+h,)xs+(vGR+g,)x,+zk(6)式中,hR、h p、G Rv 8,分别表示期望信号的反射信道、非反射信道以及干扰的反射信道、非反射信道。GR的每一列及g,中的每个元素对应于一流干扰。为简化描述，引人辅助变量W，满足VTW=1(7)则式可重写为yx=VT(hR+wh,)xs+v,T(GR+wg,)xj+zk=vThR+whDGGR+wg,T+zk(8)X从式（8）中可以看出，期望信号经历了RIS加权与自然信道级联而成的复合信道。接收信号y为期望信号与干扰的投影。当RIS权值及自然信道不变时，投影矢量也不变，此时对于单个天线来说，接收信号发生降维，导致信息丢失。在后续的讨论中,为便于计算且不失一般性，本文将实际期望信号与干扰信号的功率均等效为信道的增益,这样一来，x。与x，中各随机变量之间相互独立，且方差为1。.2基于RIS变权值采样的虚拟多天线接收模型RIS具备快速调控单元加权系数的能力，令RIS快速改变就能够形成多个新的复合信道。如图3所示，接收端在采样时刻间快速切换V接收同一信号，并依据接收时采用的V将结果进行分路。此时，每路信号相当于原信号经历了不同信道，并采用方波脉冲进行采样。只要分路后的每路信号满足奈奎斯特采样定理，就能够恢复原信号楼洋明，等：基于可重构智能表面的单天线盲抗干扰方案第4期409期望信号与干扰RIS的混合信号时刻1：V时刻2：V时刻1采样信号分路时刻2 采样信号图3RIS在时刻1与时刻2 分别采用vi与v2反射信号此时，接收信号可表示为其中y=yi,ykTZ=21,kTV=Vi,.,Vkh=hr+whpG=GR+wgDTTVW=IT(10)理论上来讲当V列满秩时，系统达到能够最大自由度,即等于RIS单元数I。但是在实际工程中，通常情况下RIS单元数远大于信号源数，因此在V中元素随机生成的情况下，只要提升RIS单元加权系数的切换次数K，就能够有效提高接收自由度。此时，接收信号空间由1维变为K维,单天线等效为多天线接收模型。若出现降维，再次更新V即可。值得说明的是，RIS依据实现方式的不同，电磁波调整能力也有所不同 2 9。采用变容二极管实现时,RIS具备较强的调控能力，几乎能够实现任意幅度、相位、极化方式的调整，然而其调控的速度相对较慢,大约需要数百纳秒。采用PIN二极管实现时,RIS的状态仅能够在离散的几个调整参数之间进行切换，但付出这种代价的同时换来的是极快的变化速度，能够在数十纳秒间隔内实现状态切换，且工程复杂度更低 30。上述两种类型的RIS均可以满足本文所提方案要求。2基于ICA的信号盲分离方案在通过随机配置的V接收信号后，采用ICA进行进一步信号处理。针对式（9）所提信号模型，y=Vh(G+z(9)ICA面对的混合矩阵H为H=VhG(11)本文目的是找到一个解混合矩阵B，满足BH=I,从y中恢复xs与xJ。即=BH+BH+z(12)LX2.1输入信号的预处理ICA的基本模型中，混合信号向量是白的,即均值为0,元素相互间不相关，且方差为1。而实际信号往往不满足条件，需要首先进行白化。另外在实际系统中,ICA的性能也会受到一些不理想因素的影响。例如：噪声的存在会对ICA的性能产生影响，需要尽可能去除。数据量过大会增加计算复杂度,增加处理延迟，需要对输人信号降维。基于上述原因，在使用ICA之前，必须对输入信号进行适当的预处理。利用主成分分析（Principle Component Analy-sis，PCA）能够去除输人信号的相关性,且找到一个信号的低维表示，同时在降维过程中也能够消除一部分噪声,是一种有效的ICA白化预处理步骤。一种简单的PCA可以通过对输入信号的协方差矩阵进行特征值分解实现。首先，令输人信号的均值为0,即j=y-Ey(13)则输人信号的协方差矩阵为R,=EyjH(14)对R，进行特征值分解，得到R,=EDEH(15)式中：E是以R,的特征向量为列的矩阵;D=diag(di，,d k）是以R,特征值为元素的对角阵,d,.dM+=dk。通过RIS快速切换反射系数,j的维数应大于期望信号源与干扰源的总数，那么为了实现降维并去除一部分噪声的影响，本文需要将j投影至由期望信号与干扰信号构成的信号子空间内。与信号子空间相对的是噪声子空间,在本文研究的场景中，噪声的能量相对于期望信号与干扰信号较小，因此噪声子空间特征向量对应的特征值也相对较小。本文研究场景中包含1个期望信号与M个干扰,所以前M个大特征值对应的特征向量即为信号子空间的基。记E的前M列为Es,D=diag(di,dm）,则白化变换为系数进行接收。抗干扰失败，返回步骤1重新生成RIS单元权扰信号做互相关，则出现最大相关峰的即为期望其余的为干4.利用期望信号的参考信号序列与分离后的信号依次分3.按照算法1所述的ICA算法分离接收信号的独立成2.将接收信按照接收时的RIS状态分为K路循环切换1.随机生成K组RIS单元权系数，石在接收信号时快速20233年信息工程大学学报410F=Ds/2E!(16)同时逆白化变换为Ft=E,Dl?(17)在采用F处理后，混合信号向量x=Fy的协方差矩阵为ExxH=E(Fy)(Fy)=FEyjFH=D;EJR.,E,D,V2=1(18)式中，I为单位阵。可以看出，预处理使混合信号向量满足了白化条件，同时降低了维度并削弱了噪声影响。2.2基于非高斯性最大化的复数ICAICA的目标是找到一个分离矩阵W=w i，.WM使得H：Wx(19)依据大数定律，大量的独立信号叠加，混合后的概率分布将趋近于高斯分布,反过来越偏离高斯分布则分离得越好。基于上述思想，一种ICA的信号分离准则是分离后信号的非高斯性最大，即令独立源的估计值wx的概率分布远离高斯分布。这种与高斯分布之间的差异可以用负表示，即L(x)=H(x.Xgauss)-H(x)(20)式中：H（）表示随机变量的微分；x表示与xgaus具有相同协方差矩阵的高斯随机变量。由于在协方差矩阵相同的条件下高斯随机变量具有最大熵，因此C(x）0。本文针对每个源信号，寻找令C（w x）最大的wm即可得到分离矩阵。当x的协方差矩阵确定时，H(xxgauss）为常数，只需要最大化-H(x)。参考文献 31中基于负熵最大化的ICA方法（CNM-ICA），-H（w x）可近似表示为Lc(w)=E(IG(wHx)I2)(21)式中,G（）为与wx概率分布有关的非线性函数。最优w的求解问题可描述为Vopt=arg maxE(1IG(wx)12)(22)Woptw2=1式（2 2）可采用迭代方式进行求解，即w(i+1)=-EiG*(w(i)Hx)g(w(i)Hx)x)+Eig(w(i)x)g*(w(i)x)/w(i)+EixxTIE(G*(w(i)x)g(w(i)x)w(i)*(23)式中,g（）g （）分别表示G（）的一阶和二阶导数。为了使wm之间应正交，同时满足w=1的约束条件，需要对它们进行正交化，即W-(WWH)-1/2 W(24)通过以上所述步骤，本文最终得到了解混合矩阵B：B=WlF(25)利用ICA分离信号的算法总结如下。算法1CNM-ICA迭代算法1.根据式（17)得到白化矩阵F，并完成信号的白化预处理。2.初始化分离矩阵W=I,迭代数i=1,差异门限e。循环3.采用式（2 3）更新W的每一列。4.采用式（2 4）正交化W。5.更新迭代数=i+1。直到W(i+1)与W(i)差异小于e或迭代次数达到上限6.B=WF,结束。采用ICA分离出的独立成分具有排序及相位上的模糊性，这种模糊性可以利用期望信号的部分先验信息消除。例如，利用期望信号的参考信号序列与分离后的信号依次做互相关,则出现最大相关峰的即为期望信号，其余的为干扰信号。同时，消除模糊的过程也用于判断前端抗干扰是否有效,以前述基于相关峰的排序方法为例,若分离出的信号与任何已知参考序列均没有明显的峰值,则可以认为此次配置的V不足以满足后续信号处理需求。在这种情况下，需要重新生成V并重新进行ICA。完整的单天线盲抗干扰方案如下算法2基于RIS的单天线盲抗干扰方案如果没有出现明显的相关峰否则6.得到抗干扰后的期望信号，结束楼洋明，等：基于可重构智能表面的单天线盲抗干扰方案411第4期3仿真实验3.1仿真条件设置本节将通过仿真实验验证所提方案的抗干扰性能。仿真中RIS的形态及其与入射信号角度的关系如图4所示。多径入射角度范围入射信号1十14YO业X图4接收空时异构阵列若无特殊说明，则本节中仿真实验的参数均按如下说明设置。仿真实验中设置1个期望信号源、3个干扰源、1个单天线接收机，所有RIS与信号源及接收机之间的位置均满足远场假设。RIS由16（1=44）个超材料单元构成，单元尺寸为四分之一波长。信号多径的入射角度散布范围为以RIS法线方向为轴心、0,/4、=0,2 形成的圆锥。期望信号与干扰人射RIS的信道由多径构成，每流信号的多径数量L均在2 至6 区间内随机选取,多径的复增益服从复高斯分布CN(0,1/L)。RIS出射的信道及非反射信道为单径，复增益服从复高斯分布CN(0,1）。接收机为单天线，天线位于RIS中心法线上。依据式（5）所述的模型可以计算出信道。期望信号源的发送功率为Ps，3个干扰信号源的发送功率为PJ。所有信号均采用QPSK调制，用于模拟类信号干扰造成的影响，包含32 个导频符号与30 0 个业务数据符号。对于功率为P的任意信号x，多径（1，,L)合并前，在任意超材料单元处的功率为EIaxxa1=IEaExxa1=IT EaPa1=P(26)因此仿真中接收干信比可以表示为Rjs=3P,/Ps黑默认条件下设置干信比为30 dB，信噪比固定为15dB。I C A 算法的输入符号序列长度为30 0，且使用的非线性函数为G(y)=cosh(y)g(y)=sinh(y)(27)g(y)=cosh(y)仿真对比了以下2 种方案的抗干扰性能。1)本文所提的基于RIS的单天线盲抗干扰方法。在该抗干扰方案中,RIS的每个单元对来波的加权幅度为1,相位在 0,2 范围内随机选取,K=4.8、16。2)已知信道条件下的被动波束赋形方法。在已知期望信号与干扰的信道时，可以针对式（8）中的RIS反射权值进行优化设计，令接收信干噪比最大。具体算法如下。针对式(6)中的接收信号模型，忽略角标k,并将期望信号与干扰的功率等效到信道中，假设xs与x，中各随机变量之间相互独立，且方差为1。噪声功率为？,则接收信干噪比如下式所示：(vThR+hp)(hRv*+h,*)(28)+o,令ThRhRHHhrhDRs=Hhphp*G.GRHHGRgDR,=GRH8DggD*TW=V*1T(29)则（2 8）式可以被重写为wHRsWRsIN=(30)wR,W+o.2由于RIS仅对入射信号进行调相,因此w中所有元素幅度为1，令SINR最大可归纳为如下优化问题,即wHR,WmaxwR,W+o.Ws.t.diag(ww)=1(31)记W=wwH,则有W0,rank(W)=1,则上述问题可以转化为Tr(R,W)maxWTr(R,W)+o,s.t.diag(W)=1W0rank(W)=1(32)20233年信息工程大学学报412由于W存在秩1约束,因此上述问题不是凸问题,且为分式结构,求解难度大。因此利用半定松弛（Semi-DefiniteRelaxation，SD R）方法转化为凸问题，同时利用Charnes-Cooper变换 32 消除分式结构。为实现上述目标，首先去掉秩1约束，并引入辅助变量n0,记W=mW,则式可变为maxTr(R,W)Ws.t.Tr(R,W)+ng,1(33)diag(W)=n 1W0式（33）中问题为凸问题，可采用如YALMIP等凸优化工具进行求解 33,得到W=W/m。下一步需要添加回秩1约束,从W中求解w。一种工程化的次优解法是采用特征值分解 34，即W=ed(34)optmax max式中：dmax为W的最大特征值;emax为其对应的特征向量。注意到w=v*1T,所以应对w的最后一个元素归一化，最终得到v。仿真中,采用误比特率评价所提方案的性能，在相同条件下，误比特越低抗干扰性能越好。我们按照上述条件，在每个点通过10 0 0 0 次蒙特卡罗仿真平均得出结果。3.2抗干扰性能随干信比的变化两种方案的抗干扰性能随干信比的变化曲线如图5所示。随着干信比的不断提升，被动波束赋形方案期望信号的误比特率不断上升，而与此同时本文所提的基于RIS的单天线盲抗干扰方案期望信号的误比特率几乎保持不变，且随着RIS采样的次数增加而降低。对于被动波束赋形方案来说，在干信比较低时，针对信道设计波束能够实现较好的干扰抑制效果。然而，在大于30 dB的高干信比条件下，尽管RIS在已知信道的条件下的空域滤波能够对干扰信号进行一定程度的削弱,但由于RIS自由度有限，不可能对干扰的每条径形成零陷消除，这就导致单天线接收信号中存在干扰残留。随着干信比的增加,残留的干扰功率增加，因此误比特率提升。本文所提方案利用了期望信号与干扰信号之间的独立性实现分离，而干信比的提升不影响二者之间的相关性,因此抗干扰性能仅与采样次数（自由度）有关，随其增加而提升。100-K=4K=8e-K=16今一被动波束赋形10-110-2101520253035404550干信比/dB图5期望信号误比特率随干信比变化3.3抗干扰性能随角度散布的变化图6 展示了期望信号误比特率随入射信号角度最大值的变化。可以明显看出，两种方案下期望信号的误比特率随着人射信号角度散布的增加而下降。空域抗干扰系统依靠期望信号与干扰信号间存在的信道差异实现对干扰信号的抑制。较小的角度散布使期望信号与干扰信号多径到达角接近,缩小了空域差异，导致性能下降。反之,在其他条件不变时，系统的抗干扰性能也能够随着多径角度散布的增加而提升。而且角度散布越大时，自然信道的差异也越大，此时越高的自由度越能够保留信道信息，从而有利于信号的分离，因此对于本文所提算法来说,在越大的角度散布下由提高自由度带来的抗干扰性能提升越大。100K=4K=8K=16被动波束赋形1010-21015202530354045505560角度散布/）图6期望信号误比特率随角度散布变化3.4抗干扰性能随多径数量的变化为了更加清晰地体现多径的影响，在该仿真中，多径的数量不再随机选择，而是所有信号均固定为相同的数量。前文表明,采用被动波束赋形时，单天线接收令多径信息降维，而本文所提方法413楼洋明，等：基于可重构智能表面的单天线盲抗干扰方案第4期通过形成V能够有效利用多径带来的自由度。图7展示了系统抗干扰性能随多径数量的变化。随着多径数量的提升，被动波束赋形方案下误比特率略微下降，但整体保持在0.1以上。而本文所提方案中，自由度越高，随多径数量提升误比特率下降越快，且整体数值越低10-K=4K=8K=16被动波束赋形10-222.533.544.555.56多径数量图7期望信号误比特率随多径数量变化4结束语本文研究了基于RIS的单天线盲抗干扰方案。针对盲干扰条件下阵列自由度不足的问题，利用RIS快速切换反射权值的能力，在短时间内快速切换配置参数改变信号响应，等效形成多个接收通道，从而提高单天线接收机的自由度。然后，在高自由度条件下利用了ICA分离期望信号与干扰，实现盲干扰抑制。仿真结果表明，相比于已知信道条件下的RIS被动波束赋形方案，在高干信比条件下令接收信号的误比特率降低一个数量级。参考文献：1 CAI Y F,PELECHRINIS K,WANG X,et al.Joint reactivejammer detection and localization in an enterprise WiFinetwork J.Computer Networks,2013,57(18):3799-3811.2 GROVER K,LIM A,YANG Q.Jamming and anti-jammingtechniques in wireless networks:a survey J.Internation-al Journal of Ad Hoc and Ubiquitous Computing,2014,17(4):197-215.3 CVOZDENOVIC S,BECKER J K,MIKULSKIS J,et al.Truncate after preamble:PHY-based starvation attacks onIoT networks C/Proceedings of the 13th ACM Confer-ence on Security and Privacy in Wireless and Mobile Net-works.Linz,Austria:Association for Computing Machiner-y,2020:89-98.4 PIRAYESH H,ZENG H C.Jamming attacks and anti-jam-ming strategies in wireless networks:a comprehensive sur-vey J.IEEE Communications Surveys&Tutorials,2022,24(2):767-809.5 JEUNG J,JEONG S,LIM J.Adaptive rapid channel-hopping scheme mitigating smart jammer attacks in secureWLAN C/2011-MILCOM 2011 Military Communica-tions Conference.Baltimore,MD,USA:IEEE,2011:1231-1236.6 NAVDA V,BOHRA A,GANGULY S,et al.Using channelhopping to increase 802.11 resilience to jamming attacksC/IEEE INFOCOM 2007-26th IEEE InternationalConference on Computer Communications.Anchorage,AK,USA:IEEE,2007:2526-2530.7HARJULA I,PINOLA J,PROKKOLA J.Performance ofIEEE 802.11 based WLAN devices under various jam-ming signals C/2011-MILCOM 2011 Military Commu-nications Conference.Baltimore,MD,USA:IEEE,201l:2129-2135.8 PINOLA J,PROKKOLA J,PIRI E.An experimental studyon jamming tolerance of 3G/WCDMA C/MILCOM2012-2012 IEEE Military Communications Conference.Orlando,FL,USA:IEEE,2012:1-7.9 YAN Q B,ZENG H C,JIANG T T,et al.MIMO-basedjamming resilient communication in wireless networks C/IEEE INFOCOM 2014-IEEE Conference on ComputerCommunications.Toronto,ON,Canada:IEEE,2014:2697-2706.10 YAN Q B,ZENG H C,JIANG T T,et al.Jamming resili-ent communication using MIMO interference cancellation J.IEEE Transactions on Information Forensics and Se-curity,2016,11(7):1486-1499.11 SUN Y F,CHEN F Q,LU Z K,et al.Anti-jamming meth-od and implementation for GNSS receiver based on arrayantenna rotation J.Remote Sensing,2022,14(19):4774.12 HYVARINEN A,OJA E.Independent component analy-sis:algorithms and applications J.Neural Networks,2000,13(4/5):411-430.13 PUNTONET C G,PRIETO A.Independent component a-nalysis and blind signal separation:fth internationalconference,ICA 2004,Granada,Spain,September 22-24,2004,proceedings M.Berlin,Heidelberg:Springer,2004.14 HUANG G M,YANG L X,SU G Q.Blind source separa-(编辑：冯春）20233年414信息程大学学报tion used for radar anti-jamming C /InternationalConference on Neural Networks and Signal Processing,2003.Proceedings of the 2003.Nanjing,China:IEEE,2003:1382-1385.15 G H A H R A M A NI H,PA R H IZG A R N,A BBA SI A R A NDB,et al.Convolutive complex-valued independent compo-nent analysis for nonlinear radar signal processing andmaritime weak target detection J.Mathematical Prob-lems in Engineering,2021,2021:6191303.16 YANG H,ZHANG H,ZHANG J,et al.Blind source sep-aration for satellite communication anti-jamming C/Wireless and Satellite Systems.Cham:Springer,2019:717-726.17 GE M M,CUI G L,YU X I,et al.Mainlobe jamming sup-pression via blind source separation C/2018 IEEERadar Conference（R a d a r Co n f 18).O k l a h o m a Ci t y,O K,USA:IEEE,2018:914-918.18 LI J,ZHANG H,FAN M L.Digital self-interference can-cellation based on independent component analysis forco-time co-frequency full-duplex communication systemsJ.IEEE Access,2017,5:10222-10231.19 YANG H,ZHANG H,ZHANG J,et al.Digital self-inter-ference cancellation based on blind source separationand spectral efficiency analysis for the full-duplex com-munication systems J.IEEE Access,2018,6:43946-43955.2O HUANG CW,ZAPPONE A,ALEXANDROPOULOS GC,et al.Reconfigurable intelligent surfaces for energy ef-ficiency in wireless communication J.IEEE Transac-tions on Wireless Communications,2019,18(8):4157-4170.21 HU S,RUSEK F,EDFORS O.Beyond massive MIMO:the potent