⚡ electrical engineering

Cell-Free Massive MIMO for Joint Communication and Proactive Monitoring

本文提出了一种基于无蜂窝大规模 MIMO 架构的联合通信与主动监控（JCAM）系统，通过优化接入点模式分配策略，在保障合法用户服务质量的同时显著提升了对不可信链路的监控成功率。

原作者： Mustafa S. Abbas, Zahra Mobini, Hamid Reza Hashempour, Hien Quoc Ngo, Michail Matthaiou

发布于 2026-04-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Mustafa S. Abbas, Zahra Mobini, Hamid Reza Hashempour, Hien Quoc Ngo, Michail Matthaiou

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

这篇文章介绍了一种名为“无蜂窝大规模 MIMO 联合通信与主动监控”（JCAM）的新型无线网络系统。为了让你更容易理解，我们可以把整个系统想象成一个超级智能的“社区安保与快递服务”网络。

1. 核心场景：既要送快递，又要抓小偷

想象一下，你住在一个巨大的社区里（这就是无线网络）。

合法用户（送快递的）：社区里有很多居民需要接收快递（合法数据），他们希望快递送得快、不丢件。
不信任的链接（可疑的小偷）：社区里还有一些心怀不轨的人，他们试图偷偷传递非法信息（比如窃听、搞破坏），而且他们的位置是随机分布的，可能藏在任何角落。

传统的做法是：要么专门派人送快递，要么专门派人抓小偷。但这篇论文提出了一种**“身兼数职”的超级方案**：利用遍布社区各个角落的智能信号塔（APs），让它们同时做两件事：

送快递：给合法居民发送数据。
抓小偷：一边监听可疑分子的对话，一边向可疑分子发射“干扰波”（就像对着小偷大喊大叫，让他听不清同伙在说什么），从而破坏他们的非法通信。

2. 技术核心：无蜂窝（Cell-Free）vs. 传统基站

传统基站（集中式）：就像只有一个巨大的“中央保安室”，所有信号塔都挤在一起。如果小偷在很远的地方，中央保安室可能听不清，或者干扰波传不过去。
无蜂窝系统（Cell-Free）：就像把成百上千个微型保安分散在社区里的每一棵树、每一盏路灯下。
- 优势：因为保安无处不在，无论小偷躲在哪里，总有一群保安能离他很近，既能听清他的动静，也能精准地对他进行干扰。

3. 关键策略：聪明的“排班表”（AP 模式分配）

这是这篇论文最精彩的部分。虽然每个信号塔（AP）都能做两件事，但同一个塔不能同时既全力送快递又全力抓小偷（就像一个人不能同时全速奔跑和全速举重）。

作者设计了一个**“智能排班算法”**：

任务：决定哪些信号塔去“送快递”（下行传输模式），哪些去“抓小偷”（监控模式）。
目标：
1. 保证所有合法居民都能收到快递（满足服务质量 QoS）。
2. 在满足上述条件的前提下，尽可能多地抓到小偷（最大化监控成功率）。
算法逻辑：这就好比一个聪明的调度员。他先让所有保安都去送快递，然后一步步把那些“送快递影响不大，但抓小偷效果极好”的保安调去抓小偷。他不断计算，直到找到一个完美的平衡点，既没耽误送快递，又让抓小偷的成功率飙升。

4. 结果：效果惊人

论文通过数学计算和模拟实验发现：

抓贼效率翻倍：相比传统的“集中式”基站方案，这种分散式的“无蜂窝”方案，抓小偷的成功率提高了6 倍！
算法很聪明：使用作者设计的“智能排班算法”，比随机乱排班（随便派谁去抓贼）的效果提升了32%。
成本可控：虽然系统很复杂，但这个算法计算起来并不慢，很容易在现实中部署。

总结

简单来说，这篇论文发明了一套**“分布式智能安保系统”**。它利用遍布各地的信号塔，像一支训练有素的游击队，既能保证给好人送快递（通信），又能精准地干扰和监听坏人的秘密通话（监控）。通过一套聪明的调度算法，它在不耽误正常服务的前提下，极大地提升了网络的安全性，让那些试图在无线网络上搞鬼的人无处遁形。

一句话概括：这就是给未来的无线网络装上了“千里眼”和“顺风耳”，还能一边送快递一边精准打击，让坏人连话都说不清楚。

这篇论文提出了一种基于无蜂窝大规模多输入多输出（Cell-Free Massive MIMO, CF-mMIMO）架构的**联合通信与主动监控（Joint Communication and Proactive Monitoring, JCAM）**系统。该系统旨在同时解决两个核心问题：为合法用户提供服务，并主动监控多个不可信（潜在恶意）的通信链路。

以下是对该论文的详细技术总结：

1. 研究背景与问题定义

背景：随着无线通信的发展，去中心化的网络（如设备对设备 D2D、移动自组网）虽然灵活，但也带来了安全隐患，容易被恶意用户利用进行非法活动。
挑战：传统的主动监控（Proactive Monitoring）通常集中在特定区域或单一节点，难以有效覆盖随机分布的广泛不可信链路。同时，现有的大规模 MIMO 监控方案往往忽略了在监控的同时必须为合法用户提供服务的需求。
核心问题：如何在满足合法用户服务质量（QoS）的前提下，利用 CF-mMIMO 架构同时实现下行链路数据传输、对不可信链路的干扰（Jamming）以及对不可信发射机的监听（Monitoring），从而最大化监控成功率。

2. 系统模型与方法论

系统架构：
- 系统包含 $M$ 个接入点（AP），每个 AP 配备 $N$ 根天线。
- AP 被分为两个子集：
  1. 下行模式（Downlink Mode）：部分 AP 向合法用户发送数据，并向不可信接收机发送干扰信号。
  2. 监控模式（Monitoring Mode）：剩余 AP 负责接收并监听不可信发射机的信号。
- 引入二元变量 $a_m$ 表示第 $m$ 个 AP 的工作模式（1 为下行，0 为监控）。
信道估计与信号处理：
- 采用**部分迫零（Partial Zero-Forcing, PZF）**预编码/合并方案。
- PZF 策略：AP 根据大尺度衰落系数将用户/干扰对象分为“强”和“弱”两组。对强用户/对象采用迫零（ZF）处理以消除干扰，对弱用户/对象采用最大比（MR）处理。这种混合策略在性能与复杂度之间取得了平衡。
- 利用“使用然后遗忘（Use-and-then-forget）”界限技术，在存在不完全信道状态信息（CSI）的情况下推导性能指标。
性能指标推导：
- 推导了合法用户的**频谱效率（SE）**的闭式表达式。
- 推导了**监控成功概率（Monitoring Success Probability, MSP）**的闭式表达式。MSP 定义为监控端接收到的信干噪比（SINR）大于不可信接收机接收到的 SINR 的概率。

3. 主要贡献

理论分析：
- 建立了基于 CF-mMIMO 的 JCAM 系统模型，涵盖了下行合法用户、不可信发射机和接收机。
- 推导了考虑部分迫零（PZF）预编码/合并及不完全 CSI 下的 SINR 闭式表达式。
- 量化了监控成功概率（MSP），为系统优化提供了理论依据。
算法设计：
- 提出了一种简单高效的AP 模式分配算法（Greedy AP Mode Assignment）。
- 该算法的目标是在满足所有合法用户最低 QoS 要求的前提下，最大化最小监控成功概率（Min-MSP）。
- 算法采用贪婪策略：初始将所有 AP 设为下行模式，然后迭代地将能带来最大监控增益且仍满足 QoS 约束的 AP 切换到监控模式。
性能验证：
- 通过数值仿真验证了所提框架和算法的有效性，并与基准方案进行了对比。

4. 关键结果

监控性能提升：
- 与传统的共址（Co-located）全双工（FD）大规模 MIMO 系统相比，提出的 CF-mMIMO JCAM 框架将最小监控成功概率（Min-MSP）提高了近6 倍。
- 与随机分配 AP 模式的基准方案相比，提出的贪婪分配算法在 AP 数量较少时，能将监控性能提升高达32%。
资源分配优势：
- 在总天线数固定的情况下，随着每个 AP 天线数的增加（意味着 AP 数量减少），随机分配策略的性能显著下降，而提出的算法表现出更强的鲁棒性，甚至在用户数减少时能进一步提升性能。
- 证明了部署大量分布式 AP 对于提升 CF-mMIMO 系统的监控能力至关重要。
计算复杂度：
- 提出的贪婪算法计算复杂度为 $O(UM^2)$ ，属于低复杂度方案，适合实际部署。

5. 意义与结论

安全性与效率的平衡：该研究证明了利用 CF-mMIMO 架构可以在不牺牲合法用户通信质量（QoS）的前提下，显著增强对不可信链路的物理层安全监控能力。
架构优势：相比集中式天线阵列，分布式 AP 架构（Cell-Free）通过空间分集和更灵活的波束赋形，能够更有效地覆盖随机分布的不可信节点，并抑制干扰。
未来应用：该 JCAM 框架为未来需要同时兼顾高可靠通信和主动安全监控的无线网络（如 6G 网络、关键基础设施网络）提供了一种极具潜力的解决方案。

总结：这篇论文通过理论推导和算法创新，成功将 CF-mMIMO 技术应用于“通信 + 监控”的双重任务中，解决了不可信链路随机分布带来的监控难题，并显著优于现有的集中式监控方案。