多跳收集-传输无线传感器网络（WSNs）中的性能增强：在窃听者和硬件噪声存在的情况下采用路径选择方法（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。

💥1 概述

摘要：
基于能量收集的物理层安全已成为一种有前景的技术，因为它不仅可以在没有上层数据加密的情况下保护信息免受窃听，还可以提高无线网络的能量效率。然而，它也带来了新的挑战，因为对手可以通过中继窃听源和目的地之间的机密信息传输。因此，信号的发射功率必须足够大以供能量收集，但也必须足够小以避免窃听。在多跳多路径无线网络中，这更具挑战性。鉴于这些观察，本文提出了三种创新协议，即最短路径选择协议、随机路径选择协议和最佳路径选择协议。这些协议将增强多跳多路径随机转发合作无线传感器网络在窃听者和硬件损伤存在的情况下的安全性，在此情况下，源节点和中继节点能够从信标中收集能量进行数据传输。此外，我们推导了每个协议在多次窃听攻击下的精确闭合形式表达式和渐近失效概率。仿真结果验证了理论结果。

在过去的二十年中，无线传感器网络（WSNs）是最有前景的新兴技术之一，在军事、农业和工业应用等许多领域得到广泛应用。关于WSNs的不同属性和应用的调查见[1]。更具体地说，作者对WSNs在城市环境中的众多应用进行了全面描述，例如电力系统监测、温度监测、交通监测、气体监测、地下监测、海啸检测、医疗应用、交通运输应用等等。此外，他们列出了与每个应用相关的所有论文，并包括许多充分适合情景的示例。

由于通常很难替换或充电电池，甚至可能是禁止的，例如在战场环境中。因此，针对WSNs的能源效率和能量收集的许多研究正在发展中。Akhtar和Rehmani [2]调查了所有潜在的可再生能源（例如太阳能、振动能、热能、风能等）以及它们在WSNs中的特性和应用。除此之外，该研究还讨论了用于清除、存储方法和部署架构的技术。在[3]中提出了一种稳定性感知的地理路由，用于在能量收集无线传感器网络（EH-WSNs）中实现可靠的数据传输，以提供可靠的路由选择方法，可能实现无限的网络寿命。具体来说，为了调查网络性能，作者不仅考虑了剩余能量和收集能量，还考虑了无线链路的预估数据包接收率和位置信息，以从源节点到汇节点选择路由路径。基于希尔伯特空间填充曲线，Ghafoor等人[4]提出了一种新颖的WSNs移动汇点轨迹方法，其中曲线顺序根据节点密度变化。

除了太阳能、压电鞋垫、小型振动微波炉、热电和声音等能量收集（EH）方法外，射频（RF）EH最近作为一种有前途的技术出现，因为它能够同时传输信息和能量[5]–[9]。此外，RF EH技术可以通过为能量受限设备（如无线传感器）提供永续能源来提高网络性能。然而，实际电路难以从同一信号中收集和解码信息。为了取得理论进展，张和何[10]、周等人[11]和纳西尔等人[12]提出了一些用于同时无线信息和能量传输（SWIPT）的实际接收机设计。对于EH无线传感器网络（WSN），可以有效地使用合作通信协议[13]来降低错误率、扩展覆盖范围并延长网络寿命。特别是在[14]中，提出了一种合作式分簇WSNs，其中中继节点从环境射频信号中获取能量，将源数据转发到预定目的地。Jain和Bohara[15]设计了一种合作式认知协议，以解决WSNs中的功率和频谱问题。同时，Liu等人[16]提出了一种新颖的合作式SWIPT方案，以最大化无线供电传感器网络的能量效率。

为了进一步提高能量受限网络的系统性能，还提出并在[17]–[20]中进行了多跳中继方法的分析。毛等人[17]评估了基于EH的多跳网络使用放大转发（AF）和解码转发（DF）技术的性能。在[18]中，考虑了多跳、多路径网络的虚拟多输入多输出（MIMO）模型，其中所有节点都依赖EH进行数据传输。不同于[17]和[18]，[19]中的EH节点从数据传输和邻近路由器的能量链路中收集能量，以补偿能量短缺。在[20]中，提出了一种合作式多跳方案，其中中间中继能够从同频干扰中收集能量以转发数据。徐等人[21]、[22]分析了底层多跳认知无线电（CR）网络的系统性能，其中次要用户从信标[21]或主发射机[22]中收集能量。

由于无线信道的广播特性，未经授权的各方可以窃听授权节点传输的机密信息，因此安全性已成为无线通信系统的关键问题。然而，由于网络中有大量的传感器节点，使用加密方法部署可能过于复杂和昂贵。最近，物理层安全（PLS）[23]、[24]作为一种有前途的技术出现，可以实现数据传输的安全性。再次，合作中继协议可以有效地用于增强安全通信的保密性能。Krikidis等人[25]和Liu等人[26]提出了中继选择策略，以提高合作阶段（第二阶段）的保密性能。在[27]中，研究了DF和AF协议。与DF技术不同，RF技术中的源节点和中继节点会生成随机码本，以防止窃听者使用最大比合并（MRC）来组合窃听到的数据。在[28]和[29]中，提出了多个窃听者模型，窃听者可以共享其接收到的数据来解码窃听到的信息。王等人[30]提出了一种联合中继和目标选择方案，以增强存在主动窃听者的情况下的保密性能。

一、研究背景与意义

无线传感器网络（WSNs）作为一种自组织网络系统，由大量微型传感器节点组成，能够协同感知、处理和传输环境或特定目标的信息。随着技术的发展，WSNs在网络覆盖、数据传输、能量消耗等方面的需求日益增长。特别是在存在窃听者和硬件噪声的复杂环境中，如何实现性能的增强成为了研究者们关注的热点问题。

基于能量收集的物理层安全技术，因其无需上层数据加密即可保护信息免受窃听，并能提高无线网络能量效率，而成为一种有前景的技术。然而，该技术也带来了新的挑战：信号发射功率需足够大以供能量收集，但同时也需足够小以避免窃听。在多跳多路径无线网络中，这一挑战尤为突出。

二、传统路径选择方法的局限性

仅关注能效的方法：如BIP算法，通过优化节点发送半径降低能耗，但未考虑硬件噪声对链路可靠性的影响。在低信噪比（SNR）环境下，需频繁重传，反而增加总能耗。
单一抗窃听方法：依赖加密技术，但加密开销会加剧资源受限节点的能量消耗，且无法抵御物理层信号截获。
忽略耦合效应：硬件噪声会削弱信号强度，使窃听者更难解析数据；而过度追求抗噪可能延长传输路径，增加被窃听概率。二者存在天然耦合矛盾。

三、创新路径选择协议

为应对上述挑战，研究提出了三种创新协议：最短路径选择协议（SPS）、随机路径选择协议（RPS）和最佳路径选择协议（BPS）。这些协议旨在增强多跳多路径随机转发合作无线传感器网络在窃听者和硬件损伤存在情况下的安全性。

最短路径选择协议（SPS）：
- 原理：优先选择路径跳数最少的路径进行数据传输。
- 优势：减少数据传输距离和延迟。
- 挑战：在存在窃听者的情况下，最短路径可能更容易被截获。
随机路径选择协议（RPS）：
- 原理：随机选择一条路径进行数据传输，增加窃听者截获数据的难度。
- 优势：提高数据传输的安全性。
- 挑战：可能导致数据传输效率降低，增加能耗。
最佳路径选择协议（BPS）：
- 原理：综合考虑路径跳数、链路质量、窃听者位置等因素，选择最优路径进行数据传输。
- 优势：在保证数据传输效率的同时，提高数据传输的安全性。
- 挑战：需要复杂的计算和决策过程，可能增加节点的处理负担。

四、链路增强辅助机制

为进一步提高路径选择协议的性能，研究还提出了链路增强的辅助机制，包括硬件噪声主动抑制策略和窃听规避的路径动态调整。

硬件噪声主动抑制策略：
- 共模噪声抑制：采用共模扼流圈与RC低通滤波器组合，衰减高频共模干扰。
- 差模噪声抑制：通过星型连接减少电流环路，使用屏蔽电缆降低电磁耦合。
- 动态功率调节：根据链路SNR实时调整发送功率，在保证安全性的前提下减少能量浪费。
窃听规避的路径动态调整：
- 窃听感知与定位：通过相邻节点信号强度异常检测，定位窃听者大致区域。
- 路径绕射优化：优先选择障碍物遮挡的链路（如利用地形、建筑物），降低信号暴露概率。
- 多路径交替传输：建立2-3条备用最优路径，定期切换传输链路，避免窃听者持续截获。

五、性能分析与仿真验证

研究通过理论分析和仿真验证了所提协议和机制的性能。仿真结果展示了各协议在多次窃听攻击下的精确闭合形式表达式和渐近失效概率，验证了理论结果的正确性。仿真表明，所提协议和机制能够显著降低窃听攻击下的失效概率，提高数据传输的安全性和可靠性。

📚2 运行结果

部分代码：

% Path loss
PL = 3;
% Predetermined data rate
RR = 0.5;
% hardware impairment parameter
kappa = 0.1;
%
xB = 0.5;
yB = 0.1;
%
%KK: number of eavesdroppers
KK = 2;
xE = 0.5;
yE = 1;
%
eta = 0.1;
alpha = 0.1;
%
Num_Trial = 10^5;%

% RPS Protocol
%RP_NONCOOP_SIM(PdB,IdB,LL,KK,PL,RR,xB,yB,xE,yE,eta,alpha,Num_Trial,kappa);
%RP_THEORY(PdB,IdB,LL,KK,PL,RR,xB,yB,xE,yE,eta,alpha,kappa);
%RP_ASYM(PdB,IdB,LL,KK,PL,RR,xB,yB,xE,yE,eta,alpha,kappa);
% SPS Protocol
SP_NONCOOP_SIM(PdB,IdB,LL,KK,PL,RR,xB,yB,xE,yE,eta,alpha,Num_Trial,kappa);
SP_THEORY(PdB,IdB,LL,KK,PL,RR,xB,yB,xE,yE,eta,alpha,kappa);
SP_ASYM(PdB,IdB,LL,KK,PL,RR,xB,yB,xE,yE,eta,alpha,kappa);
% BPS Protocol
%BP_NONCOOP_SIM(PdB,IdB,LL,KK,PL,RR,xB,yB,xE,yE,eta,alpha,Num_Trial,kappa);
%BP_THEORY(PdB,IdB,LL,KK,PL,RR,xB,yB,xE,yE,eta,alpha,kappa);
%BP_ASYM(PdB,IdB,LL,KK,PL,RR,xB,yB,xE,yE,eta,alpha,kappa);
%set(gca,'yscale','log');
%legend('RPS - Sim','RPS - Exact', 'RPS - Asym','SPS - Sim','SPS - Exact', 'SPS - Asym','BPS - Sim','BPS - Exact', 'BPS - Asym');
xlabel('SNR (dB)');
ylabel('Outage probability (OP)');
toc