⚡ electrical engineering

Fluid Antennas Meet Intelligent Surfaces: Security Analysis of NOMA Systems Under Hardware Impairments

本文针对硬件损伤下的流体天线与智能反射面融合的非正交多址接入系统，构建了包含短包通信特性的安全分析框架，推导了平均安全块错误率的解析表达式，揭示了硬件缺陷对系统安全性能上限的制约及复杂性与安全性之间的关键设计权衡。

原作者： Tuo Wu, Jianchao Zheng, Xiazhi Lai, Maged Elkashlan, Hyundong Shin, Naofal Al-Dhahir

发布于 2026-03-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Tuo Wu, Jianchao Zheng, Xiazhi Lai, Maged Elkashlan, Hyundong Shin, Naofal Al-Dhahir

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章探讨了一个非常前沿的通信领域话题，我们可以把它想象成**“在充满噪音的房间里，如何用最聪明的方法把秘密话传给朋友，同时不让隔壁的窃听者偷听到”**。

为了让你更容易理解，我们把文中的技术术语转换成生活中的场景：

1. 故事背景：三个主角的登场

想象一下，你（合法用户）想在一个嘈杂的房间里给好朋友发一条秘密短信，但房间里还有一个窃听者（非法用户）想偷听。

流体天线 (FAS) —— “会跳舞的耳朵”
- 传统天线像是一个固定的大耳朵，只能在一个位置听。
- 流体天线就像是一个拥有很多个“耳朵孔”的超级耳朵，这些孔分布在一条线上。它非常灵活，可以瞬间决定用哪个“孔”去听，哪个孔听得最清楚，它就立刻切换到那个孔。这就像你在嘈杂的房间里，不停地转动脑袋，直到找到一个声音最清晰的角度。
智能反射面 (RIS) —— “会魔法的镜子”
- 在现实世界里，墙壁、树木会挡住信号。
- 智能反射面就像是一面由成千上万个微小镜子组成的墙。它可以指挥这些镜子，把原本照不到你的光（信号），精准地反射到你身上，甚至还能把照向窃听者的光“扭曲”掉，让窃听者什么都听不清。
硬件损伤 (HIs) —— “生锈的零件”
- 这是本文的核心痛点。现实中的设备不是完美的。
- 想象一下，你的“超级耳朵”和“魔法镜子”虽然很先进，但它们内部零件生锈了（比如放大器有杂音、相位有偏差）。这些“生锈”会导致信号失真，就像你戴着有杂音的耳机听歌，或者镜子表面有灰尘，反射的光就不够纯净。

2. 核心问题：完美的理论 vs. 粗糙的现实

以前的研究都在说：“看！如果我们把‘会跳舞的耳朵’和‘魔法镜子’结合起来，就能把窃听者彻底屏蔽，安全系数无限高！”

但这篇论文提出了一个泼冷水但非常现实的问题：

“如果我们的‘耳朵’和‘镜子’本身都有点‘生锈’（硬件损伤），这种完美的组合还能奏效吗？会不会出现‘天花板’，不管怎么优化，效果都上不去？”

3. 文章做了什么？（侦探工作）

作者们像侦探一样，建立了一个复杂的数学模型，专门研究当“生锈”发生时，会发生什么：

建立模型：他们把“生锈”的程度量化了（比如用 $\rho^2$ 表示生锈程度）。
数学推导：他们发明了一种聪明的“分段线性近似”方法（就像把一条弯曲的复杂曲线，切成几段直的线来算），算出了在硬件有缺陷的情况下，**“安全误码率”（BLER）**是多少。
- 通俗解释：误码率就是“发错话”的概率。安全误码率就是“既发错话，又被窃听者偷听到”的概率。这个数值越低越好。
发现真相：
- 好消息：即使零件生锈，把“会跳舞的耳朵”和“魔法镜子”结合起来，依然比传统方法强很多。
- 坏消息（重要发现）：硬件的“生锈”会设置一个**“性能天花板”**。
  - 这就好比你给手机充再多的电（增加发射功率），如果耳机线接触不良（硬件损伤），声音依然会有底噪，声音质量永远无法达到完美。
  - 无论你怎么增加“耳朵”的数量（增加天线端口），一旦硬件质量太差，提升的效果就会越来越小，最后完全没用。

4. 关键结论与建议（给工程师的“避坑指南”）

通过大量的模拟实验，作者得出了几个非常实用的结论：

硬件质量是命门：如果你想要真正的安全，买高质量的零件（减少硬件损伤）比单纯增加天线数量更重要。如果零件太烂，加再多天线也是白搭。
适可而止：对于“会跳舞的耳朵”，不需要无限增加“耳朵孔”的数量。实验发现，大概 6 到 8 个孔 就足够了，再多就是浪费钱，效果提升微乎其微。
功率不是万能的：在硬件有缺陷的情况下，拼命增加发射功率（大声喊）并不能解决所有问题，因为“生锈”带来的噪音也会随之变大。
最佳平衡点：找到硬件质量、天线数量和发射功率之间的最佳平衡点，才是性价比最高的方案。

5. 总结：这篇论文告诉我们什么？

这篇论文就像是一个**“清醒剂”**。

它告诉未来的通信工程师们：不要只沉迷于“流体天线 + 智能反射面”这种酷炫技术的理论完美性。在现实世界中，硬件的瑕疵（生锈）是绕不开的。

如果你只追求理论上的完美，而忽略了零件的质量，你的安全系统会撞上一堵看不见的墙（性能天花板）。
真正的成功在于：用中等数量的天线 + 高质量的硬件 + 合理的功率，就能在现实世界中构建出非常安全的通信网络。

一句话总结：
再聪明的“魔法”（算法和架构），也抵不过“生锈的零件”（硬件损伤）；想要安全，不仅要靠“巧劲”，更要靠“好料”。

这是一份关于论文《Fluid Antennas Meet Intelligent Surfaces: Security Analysis of NOMA Systems Under Hardware Impairments》（流体天线遇见智能表面：硬件损伤下 NOMA 系统的安全分析）的详细技术总结。

1. 研究背景与问题 (Problem)

随着无线通信向 6G 演进，流体天线系统 (FAS) 和 可重构智能表面 (RIS) 被视为提升物理层安全性的两大关键技术。

FAS 通过动态切换天线端口提供卓越的空间分集和自适应波束成形能力。
RIS 通过精确控制反射系数，将无线环境转化为可编程资源，增强信号并抑制干扰。
NOMA（非正交多址接入）结合上述技术，旨在通过功率域复用提升频谱效率并增强安全性。

核心问题：
尽管 FAS 与 RIS 的结合在理论上具有巨大潜力，但现有的研究大多基于理想硬件假设。在实际部署中，硬件损伤 (Hardware Impairments, HIs)（如射频前端相位噪声、I/Q 不平衡、放大器非线性、ADC 量化误差等）不可避免。这些损伤会引入与信号功率成正比的加性失真噪声，严重限制系统性能。
目前尚缺乏针对FAS-RIS 辅助的 NOMA 系统在硬件损伤和短包通信（Short-packet communications）场景下的物理层安全性能的综合分析。具体挑战包括：

FAS 端口的空间相关性在硬件损伤下变得极其复杂。
RIS 的智能信号操控能力受限于硬件相位噪声和量化误差。
NOMA 中的连续干扰消除 (SIC) 过程对硬件损伤高度敏感，可能导致安全保证失效。

2. 研究方法 (Methodology)

本文建立了一个下行链路 FAS-RIS 辅助的 NOMA 安全通信系统模型，包含一个基站 (BS)、一个合法用户 (CU) 和一个窃听者 (EU)。CU 和 EU 均配备具有 $L$ 个端口的流体天线，且通信链路受阻，需通过两个独立的 RIS（RIS-1 辅助 CU，RIS-2 辅助 EU）进行传输。

关键建模与推导步骤：

系统建模：
- 信道模型： 采用瑞利平坦衰落模型（BS-RIS 和 RIS-用户链路），并考虑 FAS 端口间的空间相关性（使用 3D Clarke 各向同性散射模型，相关系数为 sinc 函数）。
- 硬件损伤模型： 将收发两端的硬件损伤建模为与接收信号功率成正比的加性高斯失真噪声。
- NOMA 与 SIC： 基站采用功率分配系数 $a_C$ 和 $a_E$ 发送叠加信号。CU 执行 SIC 解码，先解调 EU 信号再解调自身信号；EU 作为窃听者，尝试解码 CU 的机密信息。
性能指标：
- 关注平均安全块错误率 (Average Secure Block Error Rate, BLER)，特别是在有限块长度（Finite Blocklength） regime 下的表现。
- 利用高斯 Q 函数近似 BLER 表达式。
解析框架推导：
- 分段线性近似 (Piecewise Linear Approximations)： 由于 BLER 表达式涉及复杂的 Q 函数和双重积分，直接求解困难。作者提出了分段线性近似方法，将 BLER 函数转化为分段线性形式，从而获得可处理的解析表达式。
- 块相关近似 (Block-Correlation Approximation, BCA)： 针对 FAS 端口间的相关性，利用 BCA 模型将复杂的 Toeplitz 相关矩阵简化为块对角结构，降低计算复杂度。
- 中心极限定理 (CLT) 近似： 当 RIS 反射元件数量 $M$ 较大时，级联信道增益服从高斯分布，利用 CLT 推导最优信道增益的累积分布函数 (CDF) 和概率密度函数 (PDF)。
- 高斯 - 切比雪夫求积 (Gauss-Chebyshev Quadrature)： 用于数值计算复杂的期望积分，平衡计算精度与复杂度。
关键定理：
- 证明了安全阈值参数随窃听者信道增益单调递增。
- 推导了硬件损伤下平均安全 BLER 的闭式表达式，并证明了硬件损伤会导致性能出现“天花板”效应（即无论发射功率如何增加，BLER 无法降至零）。

3. 主要贡献 (Key Contributions)

首创性分析框架： 首次全面分析了硬件损伤对 FAS-RIS 辅助 NOMA 系统安全性能的影响，量化了射频前端缺陷对可靠性和安全性的双重损害。
新颖的解析表达式： 推导了中心用户 (CU) 平均安全 BLER 的闭式表达式。通过结合分段线性近似和 BCA 模型，解决了 SIC 过程中双重积分和相关解码错误的计算难题，提供了既准确又易于计算的解析工具。
揭示性能极限与设计权衡：
- 发现硬件损伤会引入性能天花板 (Performance Ceilings)：即使增加空间分集（增加 FAS 端口数或 RIS 元件数），在硬件损伤存在的情况下，系统性能也无法无限提升。
- 揭示了硬件质量是决定 FAS-RIS 架构潜力的关键因素，而非单纯增加天线数量。
实用设计指南： 通过数值分析，提出了功率分配策略、FAS 端口选择标准以及硬件质量要求的优化建议。

4. 数值结果与发现 (Results)

通过广泛的蒙特卡洛仿真验证了理论分析的正确性，主要发现如下：

硬件损伤的“天花板”效应： 随着发射功率 $P$ 的增加，平均安全 BLER 会收敛到一个非零的常数（由硬件损伤水平 $\varrho^2$ 决定），而不是像理想系统那样趋近于零。
FAS 端口数的边际效益递减： 增加 FAS 端口数 $L$ 能显著提升安全性，但在 $L \approx 6-8$ 后，性能提升变得非常有限（边际效益递减）。
硬件质量至关重要： 硬件损伤水平 $\varrho^2$ 对性能影响极大。当 $\varrho^2 > 0.04$ 时，会出现明显的“悬崖效应”，安全性能急剧下降。相比之下，单纯增加 RIS 元件数或 FAS 端口数无法弥补低质量硬件带来的损失。
功率分配优化： 存在一个最优的功率分配系数 $a_C$ （通常在 0.4-0.5 之间），能在信号功率和干扰之间取得最佳平衡。在硬件损伤严重时，最优 $a_C$ 会向更高值偏移。
短包通信特性： 随着块长度 $m$ 的增加，BLER 呈指数级下降，符合有限块长度理论预测。
3D 表面分析： 展示了 FAS 端口数与硬件损伤水平之间的耦合关系。只有在硬件损伤得到良好控制（ $\varrho^2 < 0.03$ ）时，FAS 带来的空间分集优势才能被充分发挥。

5. 意义与影响 (Significance)

理论价值： 填补了 FAS、RIS、NOMA 与硬件损伤及短包通信交叉领域的理论空白，为物理层安全分析提供了更贴近实际的数学模型。
工程指导：
- 为系统设计者提供了明确的硬件采购指南：在部署 FAS-RIS-NOMA 系统时，优先保证射频前端的高质量（低 $\varrho^2$ ）比盲目增加天线数量或 RIS 元件数量更具性价比。
- 提出了**“适度硬件 + 适度分集”**的部署策略，即在硬件质量达到一定阈值（如 $\varrho^2 \le 0.05$ ）且 FAS 端口数适中（如 $L=6$ ）时，即可实现接近最优的安全性能。
未来方向： 该框架可扩展至信道估计误差、Rician 衰落、多用户/多小区场景以及太赫兹通信等更复杂的环境。

总结： 本文通过严谨的数学推导和仿真，证明了虽然 FAS 与 RIS 的结合为安全通信提供了巨大的自由度，但硬件损伤是限制其性能发挥的决定性瓶颈。只有平衡系统复杂度、硬件质量和分集增益，才能在实际部署中实现真正安全可靠的 NOMA 通信。