面向安全无线通信的可动天线位置预测角色感知框架 RoleAware-MAPP
信息论
2025-10-24 v1 math.IT
摘要
可动天线（Movable Antenna, MA）技术为通过动态天线定位主动塑造无线信道、实现电磁辐射重构提供了可行路径，从而增强物理层安全性（PLS）。然而，其实际部署受到两个主要挑战的制约：实时优化的高计算复杂度，以及慢速机械运动与快速信道变化之间的严重时序失配。虽然引入数据驱动方法有助于缓解在线优化负担，但仍受制于常规求解器导出的次优训练标签或强化学习中的高采样复杂度。更重要的是，现有基于学习的方法往往忽视通信特定的领域知识，特别是合法用户与窃听者之间Asymmetric roles 和对抗性互动，这是 PLS 的根本特征。为此，本文将 MA 定位问题重新表述为预测任务，引入基于 Transformer 的 RoleAware-MAPP 框架，通过三个关键组件融入领域知识：角色感知嵌入建模用户特定意图，物理信息感知语义特征封装信道传播特性，复合损失函数战略优先考虑保密性能而非几何精度。大量仿真实验表明，在 3GPP 合规场景下，RoleAware-MAPP 实现 0.3569 bps/Hz 的平均保密速率和 81.52% 的严格正保密容量，分别比最强基线高出 48.4% 和 5.39 个百分点，同时在多样化用户速度和噪声条件下保持鲁棒性能。
引用
@article{arxiv.2510.20293,
title = {Moving or Predicting? RoleAware-MAPP: A Role-Aware Transformer Framework for Movable Antenna Position Prediction to Secure Wireless Communications},
author = {Wenxu Wang and Xiaowu Liu and Wei Gong and Yujia Zhao and Kaixuan Li and Qixun Zhang and Zhiyong Feng and Kan Yu},
journal= {arXiv preprint arXiv:2510.20293},
year = {2025}
}