基于安全URLLC通信协议的资源优化方法与流程

本公开涉及urllc通信技术领域，具体地涉及一种基于安全urllc通信协议的资源优化方法。

背景技术：

现有的大多数无线网络通常专注于以人为中心的通信、延迟容忍内容和可靠性水平从而无法提供超高可靠性和低延迟。另外在诸如增强和虚拟现实、工业控制、自动驾驶或飞行、机器人和触觉互联网的领域中设想了无线通信的新用途，例如第五代(5g)无线接入。作为回应，预计新版本的移动蜂窝网络将支持具有严格延迟要求和可靠性的超可靠低延迟通信(ultrareliablelowlatencycommunications，urllc)场景。

其中，资源分配(ra)是urllc系统中的重要因素之一。将ra问题归结为一个优化问题，获得所提出的协议的最优参数已成为urllc系统急需解决的问题。然而由于优化问题是高度非凸的，并且在优化时更显著地包含许多约束条件，因此全局最优解是具有挑战性的。传统的启发式算法由于收敛效率低问题，无法直接解决这一问题。

技术实现要素：

本公开是为了解决上述现有问题而完成的，其目的在于提供一种能够快速有效地资源优化问题且提高urllc系统的安全性的基于安全urllc通信协议的资源优化方法。

为此，本公开提供了一种基于安全urllc通信协议的资源优化方法，是包括发射端和接收端的基于安全urllc通信协议的资源优化方法，其特征在于，包括：所述发射端向所述接收端发射帧，所述帧包括导频信号和标签信号，所述标签信号包括认证信号和信息信号，所述认证信号叠加在所述信息信号上，所述信息信号由初始信号进行信道编码和调制获得，基于所述信息信号、哈希函数和密钥获得所述认证信号；所述接收端基于所述帧计算帧差错概率，基于所述帧差错概率获得数据传输的解码概率，基于所述帧和假设检验条件获得虚警概率，进而获得平均虚警概率，基于neyman–pearson(内曼–皮尔逊)理论，设置所述平均虚警概率等于虚警概率的上限，获得最优阈值，以确定检测概率，进而获得平均检测概率，基于所述解码概率和所述平均检测概率获得吞吐量；并且当所述初始信号的信息位长度、所述接收端的信噪比、信道最大使用次数、所述虚警概率的上限、功率分配因子、可靠性和安全性满足要求时，基于混合蛙跳-极值优化算法所述接收端优化所述认证信号的功率分配系数、所述信息信号的功率分配系数、所述导频信号的信号长度和所述标签信号的信号长度，以使所述吞吐量最大化。

在本公开中，发射端向接收端发射帧，帧包括导频信号和标签信号，标签信号包括认证信号和信息信号，认证信号叠加在信息信号上，基于所述信息信号、哈希函数和密钥获得所述认证信号。接收端基于帧计算帧差错概率进而获得解码概率，接收端基于帧和假设检验条件获得平均虚警概率，基于neyman–pearson(内曼-皮尔逊)理论，获得最优阈值以确定平均检测概率，基于解码概率和平均检测概率获得吞吐量，当初始信号的信息位长度、接收端的信噪比、信道最大使用次数、虚警概率的上限、可靠性和安全性满足要求时，基于混合蛙跳-极值优化算法接收端优化认证信号的功率分配系数、信息信号的功率分配系数、导频信号的信号长度和标签信号的信号长度，以使吞吐量最大化。由此，能够快速有效地资源优化问题、提高urllc系统的安全性且具有优越的稳定性和全局搜索能力。

在本公开所涉及的资源优化方法中，可选地，所述信息信号的功率分配因子与所述认证信号的功率分配因子之和满足由此，能够满足后续优化的条件。

在本公开所涉及的资源优化方法中，可选地，所述帧是短帧结构，所述帧的帧长度n等于所述导频信号的信号长度np和所述标签信号的信号长度nd，即n＝np+nd，所述信息信号的信号长度等于所述认证信号的信号长度等于所述标签信号的信号长度nd。由此，能够基于导频信号的信号长度和标签信号的信号长度获得帧的帧长度。

在本公开所涉及的资源优化方法中，可选地，所述吞吐量r满足其中，表示所述平均检测概率，pdata表示所述解码概率，kd表示所述初始信号的信息位长度，n表示所述帧的帧长度。由此，能够获得吞吐量。

在本公开所涉及的资源优化方法中，可选地，所述帧差错概率满足其中，kd表示所述初始信号的信息位长度，n表示所述帧的帧长度，γ表示所述信噪比，c(γ)表示香农容量，v(γ)表示信道分散系数，nd表示所述标签信号的信号长度。由此，能够获得帧差错概率。

在本公开所涉及的资源优化方法中，可选地，所述解码概率pdata满足pdata＝1-ε(kd,n,γ)，其中，当pdata≥1-εr时，可靠性满足要求，εr表示可靠解码的阈值。由此，能够获得解码概率。

在本公开所涉及的资源优化方法中，可选地，所述平均检测概率满足其中，θ^*表示所述最优阈值，nd表示所述标签信号的信号长度，表示所述认证信号的功率分配因子，γh表示信道信噪比。当时，安全性满足要求，εs表示安全认证的阈值。由此，能够获得平均检测概率。

在本公开所涉及的资源优化方法中，可选地，所述混合蛙跳-极值优化算法输入参数包括所述初始信号的信息位长度kd、所述信道信噪比γh、所述信道最大使用次数εn、所述虚警概率的上限εpfa、所述可靠解码的阈值εr和安全认证的阈值εs，输出参数包括所述吞吐量所述认证信号的功率分配系数ρt、所述信息信号的功率分配系数ρs、所述导频信号的信号长度np和所述标签信号的信号长度nd。由此，混合蛙跳-极值优化算法能够基于上述的输入参数进行优化，并获得优化的输出参数。

在本公开所涉及的资源优化方法中，可选地，所述混合蛙跳-极值优化算法包括：设置初始化参数；随机生成包括f只青蛙在内的种群p；记录每只青蛙的位置xi；通过评估算法计算每只青蛙的适应度f(xi)；判断是否满足收敛准则；当满足收敛准则时，获得最优的输出参数并结束进程；当不满足收敛准则时，将f只青蛙相应的适应度按照降序排序；构造p组青蛙和子模因复合体；对每组青蛙进行for循环，每一次循环中在子模因复合体中局部搜索，利用所述评估算法计算每只青蛙的适应度，并再对每只青蛙进行极值优化，每只青蛙的适应度由评估算法获得；对所有青蛙进行洗牌。由此，能够确保快速和稳定的收敛。

在本公开所涉及的资源优化方法中，可选地，所述评估算法的输入参数为第i只青蛙的位置xi，输出参数为第i只青蛙的位置的适应度f(xi)，计算每只青蛙的位置的适应度f(xi)；其中t表示惩罚系数，且满足t＝10⁴；当pdata＜1-εr或者时，f(xi)＝f(xi)-t；否则返回f(xi)。由此，能够基于评估算法获得每只青蛙的适应度。

本公开涉及的基于安全urllc通信协议的资源优化方法考虑到资源优化问题中的高度非凸特征，解决了传统的启发式算法由于优化问题中的过度约束条件导致低收敛效率现象而不能直接解决urllc的资源优化问题。本公开涉及的基于混合蛙跳-极值优化算法的资源优化方法具有优越的稳定性和全局搜索能力，并且根据各种性能参数对提出的资源优化算法进行了仿真，实验结果证明了所提出的资源优化算法对于提升urllc的安全性具有显著的效果。

附图说明

图1是示出了本公开的示例所涉及的基于安全urllc通信协议的资源优化方法的流程示意图。

图2是示出了本公开的示例所涉及的基于安全urllc通信协议的资源优化方法的发射端发射的帧的结构示意图。

图3是示出了本公开的示例所涉及的资源优化方法在不同的安全认证的阈值条件下的吞吐量随信道信噪比的变化的波形图。

图4是示出了本公开的示例所涉及的资源优化方法在不同的可靠解码的阈值条件下的吞吐量随信道信噪比的变化的波形图。

图5是示出了本公开的示例所涉及的资源优化方法在不同的信道信噪比条件下的吞吐量随初始信号的信息位长度的变化的波形图。

图6是示出了本公开的示例所涉及的资源优化方法在不同的信道最大使用次数条件下的吞吐量随初始信号的信息位长度的变化的波形图。

具体实施方式

以下，参考附图，详细地说明本公开的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。

需要说明的是，本公开中的术语“包括”和“具有”以及它们的任何变形，例如所包括或所具有的一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可以包括或具有没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本公开涉及的基于安全urllc通信协议的资源优化方法是包括发射端和接收端的基于安全urllc通信协议的资源优化方法。

在一些示例中，发射端可以包括但不限于用户设备。接收端可以包括但不限于基站以及用户设备。其中，基站(例如接入点)可以是指接入网中在空中接口上通过一个或多个扇区与无线终端通信的设备。基站可用于将收到的空中帧与ip帧进行相互转换，作为无线终端与接入网的其余部分之间的路由器，其中，接入网的其余部分可包括网际协议(ip)网络。基站还可以协调对空中接口的属性管理。例如，基站可以是gsm或cdma中的基站(bts，basetransceiverstation)，也可以是wcdma中的基站(nodeb)，还可以是lte中的演进型基站(nodeb或enb或e-nodeb，evolutionalnodeb)。用户设备可以包括但不限于智能手机、笔记本电脑、个人计算机(personalcomputer，pc)、个人数字助理(personaldigitalassistant,pda)、移动互联网设备(mobileinternetdevice，mid)、穿戴设备(如智能手表、智能手环、智能眼镜)等各类电子设备，其中，该用户设备的操作系统可包括但不限于android操作系统、ios操作系统、symbian(塞班)操作系统、blackberry(黑莓)操作系统、windowsphone8操作系统等等。

图1是示出了本公开的示例所涉及的基于安全urllc通信协议的资源优化方法的流程示意图。图2是示出了本公开的示例所涉及的基于安全urllc通信协议的资源优化方法的发射端发射的帧的结构示意图。

在一些示例中，发射端可以向接收端发射帧，接收端基于接收的帧进行资源优化。可以参见图1所示的资源优化方法。另外，接收帧的还可以包括攻击端或监听端。由于攻击端或监听端不知道发射端与接收端共享的密钥，因此攻击端或监听端通常不能准确获得帧中的信息。

在一些示例中，如图1所示，基于安全urllc通信协议的资源优化方法包括发射端向接收端发射帧，帧包括导频信号和标签信号，标签信号包括认证信号和信息信号，认证信号叠加在信息信号上，信息信号由初始信号进行信道编码和调制获得，基于信息信号、哈希函数和密钥获得认证信号(步骤s100)。

在步骤s100中，为了满足urllc系统的超灵敏的网络连接的要求，发射端发射的帧可以是短帧。

在一些示例中，步骤s100中的发射端发射的短帧的帧结构参见图2。如图2所示，帧可以包括导频信号、认证信号和信息信号。其中，导频信号可以用于实现帧检测和信道状态信息(channelstateinformation，csi)的估计。

在一些示例中，认证信号叠加在信息信号上形成标签信号(未图示)。信息信号的信号长度等于认证信号的信号长度等于标签信号的信号长度nd。由此，能够保证信息信号的信号长度或认证信号的信号长度等于标签信号的信号长度。

在一些示例中，信息信号可以由初始信号进行信道编码和调制获得。换而言之，初始信号可以通过信道编码器获得信息信号。信道编码器具有信道编码和调制的功能。由此，能够提高帧传输的可靠性和效率。其中，初始信号由kd个有效载荷比特(也即信息比特)组成。信息信号的信号长度nd可以表示nd个信息信号块。

另外，在一些示例中，基于信息信号、哈希函数和密钥获得认证信号。换而言之，如图2所示，将密钥和信息信号通过标签生成器(哈希函数)生成认证信号。其中，哈希函数和密钥是发射端和接收端共享的。由于攻击端或监听端不知道发射端与接收端共享的密钥，因此攻击端或监听端通常不能生成相同的认证信号。

在一些示例中，认证信号xt与信息信号xs在统计上是不相关的，并且认证信号xt与信息信号xs都具有单位功率。认证信号的功率分配系数ρt与信息信号的功率分配系数ρs满足其中，可以表示认证信号的功率分配因子。可以表示信息信号的功率分配因子。也即，信息信号的功率分配因子与认证信号的功率分配因子之和满足功率分配因子可以表示相应的功率分配。由此，能够满足后续优化的条件。

在一些示例中，基站可以通过自动功率控制实现对功率的控制。例如，可以将基站的收发台接收的射频信号依次输入具有滤波功能的滤波器和变频器，进而获得中频信号，再将此中频信号输入到基站的自动功率控制模块中对功率进行控制。其中，自动功率控制模块包括a/d转换器、去直流单元、功率估计单元和功率反馈调整单元。

在一些示例中，自动功率控制模块的自动功率控制过程包括：将中频信号经过a/d转换器获得数字信号，该数字信号经过可变点数的去直流单元得到零均值的数字中频信号，该数字中频信号再经过点数可变的功率估计单元得到信号的功率估计，该功率估计值经过功率反馈调整单元得到新的增益系数值，新增益系数应用于下一时间段内的限幅调整过程，最终使数字中频信号的输出维持在稳定功率附近。

在一些示例中，基站可以通过上述的自动功率控制把接收到的信号加以稳定再发送出去，由此，能够有效地减少或避免通信信号在无线传输中的损失，保证用户的通信质量。

在一些示例中，帧的帧长度n等于导频信号的信号长度np和标签信号的信号长度nd，即n＝np+nd。由此，能够基于导频信号的信号长度和标签信号的信号长度获得帧的帧长度。

在一些示例中，传输速率kd/n可以表示每个信道使用的信息比特数，也可以表示单位带宽的每秒发送的有效载荷比特数。另外，传输速率可以衡量通信系统频谱效率。信道使用可以用带宽和传输持续时间的乘积(hz·s)来表示。

在一些示例中，发射端发送的帧中的标签信号x满足x＝ρsxs+ρtxt。标签信号x通过发送功率pt发送到无线信道。在一些示例中，考虑到帧是短帧。无线信道可以是无记忆块衰落信道。

在一些示例中，如图1所示，基于安全urllc通信协议的资源优化方法可以包括接收端基于帧计算帧差错概率，基于帧差错概率获得数据传输的解码概率，基于帧和假设检验条件获得虚警概率，进而获得平均虚警概率，基于neyman–pearson(内曼–皮尔逊)理论，设置平均虚警概率等于虚警概率的上限，获得最优阈值，以确定检测概率，进而获得平均检测概率，基于解码概率和平均检测概率获得吞吐量(步骤s200)。

在步骤s200中，接收端接收帧。经过无线信道传输后的帧可以表示为y。帧y中h可以表示无线信道的衰落和其他传播现象中的信道系数。帧y中ω可以表示加性复高斯噪声，建模为

在一些示例中，考虑到帧是短帧。无线信道可以是无记忆块衰落信道。衰落系数h对于帧的n个信道使用保持不变。对于不同帧来说衰落系数h独立改变。衰落系数h满足其中，表示信道响应。接收端接收的信道信噪比(snr)γh满足

在一些示例中，接收端知道导频信号，在这种情况下，接收端可以通过最小均方误差(mmse)准则获得的信道估计且满足由此，估计衰落系数建模为

在步骤s200中，在帧错误概率为ε的情况下，短帧长度为n的可实现吞吐量可以近似满足其中，γ表示接收端的信噪比，且满足经过换算，信噪比可以表示为c(γ)是香农容量，v(γ)是信道分散系数，q^-1(·)是高斯函数q的反演函数。

在一些示例中，基于可实现吞吐量、帧长度n和信息比特数kd＝rn可以获得帧差错概率ε。帧差错概率满足其中，kd表示初始信号的信息位长度，n表示帧的帧长度，γ表示信噪比，c(γ)表示香农容量，v(γ)表示信道分散系数，nd表示标签信号的信号长度。由此，能够获得帧差错概率。

在一些示例中，基于帧差错概率ε(kd,n,γ)可以获得数据传输的解码概率pdata。解码概率pdata满足pdata＝1-ε(kd,n,γ)。

在一些示例中，当pdata≥1-εr时，可靠性满足要求(即满足urllc系统的可靠性满足要求)，εr表示可靠解码的阈值。由此，能够获得解码概率。

在步骤s200中，接收端可以基于帧和假设检验条件获得虚警概率。其中，假设检验条件满足：当为真时，接受假设被称为虚警，此时得到的概率为虚警概率pfa。

在一些示例中，假设接收端接收的帧中的衰落系数h为常数，基于接收的帧获得虚警概率pfa(也即虚警概率pfa的理论公式)。在零均值复高斯信道条件下，通过期望算子对虚警概率pfa进行运算获得平均虚警概率由于最佳决策规则由neyman–pearson(内曼-皮尔逊)理论定义，故基neyman–pearson(内曼-皮尔逊)理论，虚警概率pfa满足pfa≤εpfa。其中，εpfa表示虚警概率的上限。由此，能够保证虚警概率小于或等于虚警概率的上限，最大化检测概率。

在一些示例中，当pfa≤εpfa时，设置平均虚警概率等于虚警概率的上限，即可以获得最优阈值θ^*。基于最优阈值θ^*，假设接收端接收的帧中的衰落系数h为常数，基于接收的帧获得检测概率pd(也即检测概率pd的理论公式)。在零均值复高斯信道条件下，通过期望算子对检测概率pd进行运算获得平均检测概率平均检测概率满足其中，θ^*表示最优阈值，且满足nd表示标签信号的信号长度，表示认证信号的功率分配因子，γh表示信道信噪比。sign(x)表示符号判定函数，若x≥0，sign(x)＝1，否则sign(x)＝-1。

在一些示例中，当时，安全性满足要求(即满足urllc系统的安全性满足要求)，εs表示安全认证的阈值。由此，能够获得平均检测概率。

在步骤s200中，基于解码概率pdata和平均检测概率获得吞吐量吞吐量满足其中，表示平均检测概率，pdata表示解码概率，kd表示初始信号的信息位长度，n表示帧的帧长度。由此，能够获得吞吐量。

在一些示例中，如图1所示，基于安全urllc通信协议的资源优化方法可以包括当初始信号的信息位长度、接收端的信噪比、信道最大使用次数、虚警概率的上限、可靠性和安全性满足要求时，基于混合蛙跳-极值优化算法接收端优化认证信号的功率分配系数、信息信号的功率分配系数、导频信号的信号长度和标签信号的信号长度，以使吞吐量最大化(步骤s300)。

在步骤s300中，接收端进行优化需要满足的条件可以包括接收端的信噪比γ等于预设信噪比。信道最大使用次数εn等于预设信道使用次数。虚警概率的上限εpfa等于预设上限。功率分配因子满足要求，即信息信号的功率分配因子与认证信号的功率分配因子之和满足可靠性εr满足要求，即pdata≥1-εr。安全性εs满足要求，即

在步骤s300中，接收端在满足上述条件的情况下可以基于混合蛙跳-极值优化算法接收端优化认证信号的功率分配系数、信息信号的功率分配系数、导频信号的信号长度和标签信号的信号长度，以使吞吐量最大化。

在一些示例中，混合蛙跳-极值优化算(msfla-eo)法结合了全局搜索算法(蛙跳算法sfla)和局部搜索的极值优化算法(extremevalueoptimization，eo)，且对于对高维连续函数的优化来说具有强大的鲁棒性和快速收敛性。蛙跳算法(sfla)是一种由自然生物模拟启发的智能算法。蛙跳算法基于个体模因演变和全局搜索两个搜索模式。个体模因演变被认为是族群中的模因载体。全局搜索涉及到整个模因种群内的信息交换。蛙跳算法在寻找具有最大可用食物量的位置时模仿一组青蛙的模因进化。当将sfla应用于优化问题时，每个青蛙的适应性被正确定义并且通常称为适应性、适应度或适应值。适应值可以代表解决该优化问题的可行解。所有青蛙被分成多个群，每个群可以独立发展，以搜索不同方向的空间。每个模因复合体可以代表模因的一种类型。在特定策略(偶然极值优化(eo)过程)中允许每个青蛙之间转移模因。经过预设数量的模因演化步骤之后，信息在混洗过程中在群之间传递。混洗确保了针对任何特定兴趣的文化演变没有偏见。混合蛙跳-极值优化算法利用局部探索和混合过程交替，直到满足所定义的收敛准则。另外，msfla(混合蛙跳算法)可以通过适当延长跳跃步长和增加跳跃惯性组件来解决社交行为，改善了跳跃规则。

在一些示例中，msfla的随机解可以丰富群组信息，保持样本多样性。然而，收敛效率较低。为了提高msfla通过高维连续函数优化获得全局最优的能力，还使用了极值优化(eo)。极值优化算法(eo)是一种优化启发式算法，极值优化算法被设计为用于组合优化问题的局部搜索算法。与基于群组的sfla相比，eo通常发展出单一的可行解，并对可行解中的最差的组分进行局部修改。也即若将质量度量分配给其各个组分，则可以获得较好的候选解。在eo中，选择某些低质量的组分，并根据其质量评估选择其他随机选择的组分。eo本质上是一种爬山(局部搜索)方法，类似于sfla，该方法运行在次级群中最差的可行解上。msfla-eo算法结合了sfla和eo的期望特征，在每一个neo混洗过程中应用eo过程。msfla-eo算法表现出较强的稳定性和快速收敛性。

在一些示例中，混合蛙跳-极值优化算法可以包括设置初始化参数；随机生成包括f只青蛙在内的种群p；记录每只青蛙的位置xi；通过评估算法计算每只青蛙的适应度f(xi)。其中，初始化参数例如可以是的混合蛙跳-极值优化算法的输入参数。输入参数可以包括初始信号的信息位长度kd、信道信噪比γh、信道最大使用次数εn、虚警概率的上限εpfa、可靠解码的阈值εr和安全认证的阈值εs。由此，混合蛙跳-极值优化算法能够基于上述的输入参数进行优化，并在后续处理中获得优化的输出参数。f可以是青蛙的数量、q可以是每组青蛙的数量。p可以是群组的数量。初始种群f＝pq可以由随机生成的青蛙p＝{x1,x2,...xf}产生。在一些示例中，可以设置p＝20，q＝10和f＝200。适应度f(xi)可以是吞吐量适应度也称适应值。

在一些示例中，混合蛙跳-极值优化算法还可以包括判断是否满足收敛准则；当满足收敛准则时，获得最优的输出参数并结束进程；当不满足收敛准则时，将f只青蛙相应的适应度按照降序排序；构造p组青蛙和子模因复合体；对每组青蛙进行for循环，每一次循环中在子模因复合体中局部搜索，利用评估算法计算每只青蛙的适应度，并再对每只青蛙进行极值优化，每只青蛙的适应度由评估算法获得；对所有青蛙进行洗牌。由此，能够确保快速和稳定的收敛。其中，输出参数可以包括吞吐量认证信号的功率分配系数ρt、信息信号的功率分配系数ρs、导频信号的信号长度np和标签信号的信号长度nd。极值优化进程跳转条件neo值可以设置为1到100之间的任意数值，例如，可以设置neo＝10。

在一些示例中，评估算法的输入参数为第i只青蛙的位置xi，输出参数为第i只青蛙的位置的适应度f(xi)。评估算法具体包括计算每只青蛙的位置的适应度f(xi)；其中t表示惩罚系数，且满足t＝10⁴；当pdata＜1-εr或者时，f(xi)＝f(xi)-t；否则返回f(xi)。由此，能够基于评估算法获得每只青蛙的适应度。

在一些示例中，可以设置p＝20，q＝10和f＝200。将eo的迭代次数设置为2，在这种情况下，获得图3至图6的波形图。

图3是示出了本公开的示例所涉及的资源优化方法在不同的安全认证的阈值条件下的吞吐量随信道信噪比的变化的波形图。图4是示出了本公开的示例所涉及的资源优化方法在不同的可靠解码的阈值条件下的吞吐量随信道信噪比的变化的波形图。

图3中的波形a、b、c、d、e、f分别表示安全认证的阈值εs满足εs＝10^-2、10^-3、10^-4、10^-5、10^-6、10^-7下的吞吐量与信道信噪比γh的波形。其中，可靠解码的阈值εr满足εr＝10^-5、虚警概率的上限εpfa满足εpfa＝0.01、信息位长度kd满足kd＝16(bytes)、信道最大使用次数εn满足εn＝2000。随着信道信噪比γh的增加，吞吐量r增加。随着安全认证的阈值εs增大，所有信道信噪比γh区域上吞吐量r增加。较小的安全认证的阈值εs在高信道信噪比γh区域下吞吐量r增加，在低信道信噪比γh区域下没有满足优化问题的所有约束条件的可行解。图4中的波形h、i、j、k、l、m分别表示可靠解码的阈值εr满足εr＝10^-2、10^-3、10^-4、10^-5、10^-6、10^-7下的吞吐量r与信道信噪比γh的波形。其中，安全认证的阈值εs满足εs＝10^-5、虚警概率的上限εpfa满足εpfa＝0.01、信息位长度kd满足kd＝16(bytes)、信道最大使用次数εn满足εn＝2000。随着信道信噪比γh的增加，吞吐量r增加。对于不同的可靠解码的阈值εr在低信道信噪比γh区域具有相似的性能，但是随着信道信噪比γh的增加，在高信道信噪比γh区域下吞吐量略有r增加。对比图3和图4可知，优化算法对安全认证的阈值εs比对可靠解码的阈值εr更敏感。

另外，计算满足可靠解码的阈值εr满足εr＝10^-5、安全认证的阈值εs满足εs＝10^-5、虚警概率的上限εpfa满足εpfa＝0.01、信息位长度kd满足kd＝16(bytes)和信道最大使用次数εn满足εn＝2000条件且在不同信道信噪比γh下的优化方法的相关参数，例如吞吐量认证信号的功率分配因子信息信号的功率分配因子导频信号的信号长度np和标签信号的信号长度nd。随着信道信噪比γh的增加，吞吐量增加。随着信道信噪比γh的增加，导频信号的信号长度np和标签信号的信号长度nd减少。由于高信道信噪比γh可以抑制信道估计误差，故对应于一个信道使用事件，导频信号的信号长度np迅速减小。由于高信道信噪比γh可以很容易地实现物理层认证的安全性要求，故随着信道信噪比γh的增加，认证信号的功率分配因子减少且信息信号的功率分配因子增加。

另外，计算满足可靠解码的阈值εr满足εr＝10^-5、安全认证的阈值εs满足εs＝10^-5、信息位长度kd满足kd＝16(bytes)、信道最大使用次数εn满足εn＝2000和信道信噪比γh满足γh＝25(db)条件且在不同虚警概率的上限εpfa下的优化方法的相关参数，例如吞吐量认证信号的功率分配因子信息信号的功率分配因子导频信号的信号长度np和标签信号的信号长度nd。根据平均检测概率的公式可知平均检测概率不仅取决于信道信噪比γh还取决于虚警概率的上限εpfa。由于需要更多的物理层资源来满足更严格的安全性要求，故随着虚警概率的上限εpfa的减少，认证信号的功率分配因子和标签信号的信号长度nd均增加。由于标签信号的信号长度nd的增加，吞吐量减少。另外，由于虚警概率的上限εpfa仅决定所提出的优化方法的安全性能，而导频信号的信号长度np仅影响可靠性性能，故虚警概率的上限εpfa变化时，导频信号的信号长度np保持不变。

图5是示出了本公开的示例所涉及的资源优化方法在不同的信道信噪比条件下的吞吐量随初始信号的信息位长度的变化的波形图。图6是示出了本公开的示例所涉及的资源优化方法在不同的信道最大使用次数条件下的吞吐量随初始信号的信息位长度的变化的波形图。

图5中的波形p、q、r、s分别表示信道信噪比γh满足γh＝15、25、35、45(db)下的吞吐量与初始信号的信息位长度kd的波形。其中，虚警概率的上限εpfa满足εpfa＝0.01、可靠解码的阈值εr满足εr＝10^-5、安全认证的阈值εs满足εs＝10^-5和信道最大使用次数εn满足εn＝2000。

图6中的波形u、v、w、x、y、z分别表示最大使用次数εn满足εn＝1000、900、800、700、600、500下的吞吐量与初始信号的信息位长度kd的波形。其中，虚警概率的上限εpfa满足εpfa＝0.01、可靠解码的阈值εr满足εr＝10^-5、安全认证的阈值εs满足εs＝10^-5和信道信噪比γh满足γh＝25(db)。如图5和图6所示，随着信息位长度kd的增加，吞吐量增加。当信息位长度kd太高时，由于需要更多的物理层资源，资源优化方法无法找到满足优化问题所有约束的可行解。例如，在图5中当γh＝15(db)和kd＞121(bytes)时或在图6中当εn＝500和kd＞61(bytes)时，资源优化方法无可行解。

另外，如图5所示，随着信息位长度kd的增加，吞吐量r增加。然而，由于信道使用数量的增加大于信息位的增加，故增加的速度随着信道信噪比γh增加而减小。如图6所示，如果资源优化方法存在可行解，则对于不同的信道最大使用次数εn，吞吐量r基本保持不变，这是因为信道最大使用次数εn只决定优化问题的约束条件是否满足，而不影响吞吐量r的特定值。

在本公开中，发射端向接收端发射帧，帧包括导频信号和标签信号，标签信号包括认证信号和信息信号，认证信号叠加在信息信号上，基于信息信号、哈希函数和密钥获得认证信号。接收端基于帧计算帧差错概率进而获得解码概率，接收端基于帧和假设检验条件获得平均虚警概率，基于neyman–pearson(内曼-皮尔逊)理论，获得最优阈值以确定平均检测概率，基于解码概率和平均检测概率获得吞吐量，当初始信号的信息位长度、接收端的信噪比、信道最大使用次数、虚警概率的上限、可靠性和安全性满足要求时，基于混合蛙跳-极值优化算法接收端优化认证信号的功率分配系数、信息信号的功率分配系数、导频信号的信号长度和标签信号的信号长度，以使吞吐量最大化。由此，能够快速有效地资源优化问题、提高urllc系统的安全性且具有优越的稳定性和全局搜索能力。

本公开涉及的基于安全urllc通信协议的资源优化方法考虑到资源优化问题中的高度非凸特征，解决了传统的启发式算法由于优化问题中的过度约束条件导致低收敛效率现象而不能直接解决urllc的资源优化问题。本公开涉及的基于混合蛙跳-极值优化算法的资源优化方法具有优越的稳定性和全局搜索能力，并且根据各种性能参数对提出的资源优化算法进行了仿真，实验结果证明了所提出的资源优化算法对于提升urllc的安全性具有显著的效果。

虽然以上结合附图和实施例对本公开进行了具体说明，但是可以理解，上述说明不以任何形式限制本公开。本领域技术人员在不偏离本公开的实质精神和范围的情况下可以根据需要对本公开进行变形和变化，这些变形和变化均落入本公开的范围内。