当前位置: 首页 > news >正文

无线物理层安全大作业

这个标题很帅

  • Beamforming Optimization for Physical Layer Security in MISO Wireless Networks
  • Problem Stateme![在这里插入图片描述](https://img-blog.csdnimg.cn/58ebb0df787c4e23b0c7be4189ebc322.png)

在这里插入图片描述

Beamforming Optimization for Physical Layer Security in MISO Wireless Networks

2018 TSP
考虑由窃听者窃听的多个发射机-用户对组成的无线网络,其中发射机配备有多个天线,而用户和窃听者配备有单个天线。在不同级别的无线信道知识中,感兴趣的问题是波束成形,以根据用户的保密吞吐量优化用户的服务质量(QoS),或在用户的 QoS 下最大化网络的能源效率。所有这些问题都被视为非常困难的优化问题,在波束成形向量中具有许多非凸约束和非线性等式约束。本文开发了低复杂度和快速收敛的路径跟踪计算程序,以获得最佳波束形成解决方案。通过数值例子证明了它们的实用性。

保护信息已成为无线通信中最关键的问题之一[1]、[2]。无线传输的广播性质意味着它们很容易受到对手的攻击,对手试图拦截其信息传递或无意中听到为其用户提供的机密信息[3]、[4]。已经提出利用无线信道[5]、[6]的物理特性的物理层安全性(PLS)来确保向低复杂性的最终用户传输数据的保密性,对此不能使用加密。 PLS 基于保密的信息论特征,窃听者 (EV) 监听到的无线传输的用户保密吞吐量被确定为用户吞吐量与 EV 吞吐量之间的差值 [2]、[7]。传输波束成形可提高用户吞吐量,同时控制 EV 处窃听信号的吞吐量,从而提供了一种增强保密吞吐量的有效方法。 [8]-[12] 中已经考虑通过半定松弛和随机化以及已知的低效率 [13] 来最大化瞬时保密吞吐量的波束成形设计。这种波束成形设计已在[14]、[15]中成功解决。关于中断概率,[16]-[19]等一些著作使用了未发表的著作[20]中获得的伯恩斯坦型不等式。我们将证明,基于这种伯恩斯坦型不等式的结果可能非常保守。参考文献[21]考虑了在不完美信道状态信息(CSI)下给定波束形成器的中断区域特征。

另一方面,随着能源效率(EE)成为无线通信中非常严重的问题[22]、[23],安全能源效率(SEE),即保密吞吐量与总网络功耗的比率,以每焦耳每赫兹的保密位数来衡量在 PLS 中也越来越重要 [24]、[25]。利用完美的CSI,[26]-[28]中的SEE最大化基于昂贵的波束形成器,它完全消除了EV上的多用户干扰和窃听信号。 [29]和[30]中单用户多输入多输出(MIMO)/单输入单输出(SISO)通信的SEE优化算法的计算复杂度也很高,因为每次迭代仍然涉及困难非凸优化问题。我们之前的工作 [31] 考虑了更一般的 MIMO 网络情况的 SEE 优化。 [15] 中还考虑了 SEE 优化,以应对用户和电动汽车渠道不确定性的最坏情况。目前还没有关于在中断概率方面具有保密吞吐量的 SEE 优化的现有工作。

在本文中,我们考虑由窃听者 (EV) 窃听的多个发射器用户对组成的网络。由于假设发射机配备多个天线,而用户和 EV 配备单个天线,因此目标是设计发射波束形成器,以在保密吞吐量方面优化用户的服务质量 (QoS)或用户QoS下网络的SEE。应该意识到,波束成形设计的这些问题仍然有广泛的研究空间,因此我们在不同的信道知识层面上考虑它们。本文的结构如下。第二节专门讨论问题陈述。第三部分考虑了所有相关通道的完美 CSI 下的这些问题,其中开发了低复杂度的路径跟踪算法来解决这些问题。在第四节中,假设发射机和用户之间的信道的完美CSI,但仅假设发射机和EV之间的信道分布是已知的。因此,EV 的吞吐量不是确定性定义的,而是通过其中断概率来定义的,这导致波束成形向量和 EV 吞吐量中的非线性方程,使得波束成形设计在计算上更具挑战性。在与第四节中发射机和EV之间的信道相同的知识下,第五节还假设发射机和用户之间的信道是不确定的,具有高斯分布误差,在这种情况下,用户的中断概率没有已知的结果。吞吐量。尽管如此,基于附录一中获得的新的中断概率结果,用户的QoS优化和网络的SEE优化问题都得到了成功的解决。第五节的仿真显示了第三节至第五节中开发的路径跟踪算法的效率。第六节给出了结论。附录一提供了有关中断感知用户吞吐量上限和下限的新结果。附录二显示了其他一些结果的保守性,这些结果基于伯恩斯坦型不等式。附录 III 中给出了第 III-V 节中使用的一些基本确定性不等式。

Problem Stateme在这里插入图片描述

考虑由 EV 监听的 M 个发射机-用户对的通信网络。每个发射机配备Nt个发射天线,而用户和EV配备单个天线。因此,在没有 EV 的情况下,网络看起来非常类似于[32]-[36]中考虑的网络,其中信道知识是从信道估计中获得的,信道估计在网络的中央处理单元中实现,而波束成形在网络的信号处理块。用户 i i i 的信息 s i s_i si 被归一化为 E ( s i 2 ) = 1 E(s^2_i )=1 E(si2)=1,通过 w i ∈ C N t \mathbf{w}_i \in \mathbb{C}^{N_t} wiCNt 进行波束形成。用户 i i i处接收到的信号为

y i = h i i H w i s i + ∑ j ≠ i M h j i H w j s j + n i (1) y_{i}=h_{i i}^{H} \mathbf{w}_{i} s_{i}+\sum_{j \neq i}^{M} h_{j i}^{H} \mathbf{w}_{j} s_{j}+n_{i} \tag{1} yi=hiiHwisi+j=iMhjiHwjsj+ni(1)

相关文章:

无线物理层安全大作业

这个标题很帅 Beamforming Optimization for Physical Layer Security in MISO Wireless NetworksProblem Stateme![在这里插入图片描述](https://img-blog.csdnimg.cn/58ebb0df787c4e23b0c7be4189ebc322.png) Beamforming Optimization for Physical Layer Security in MISO W…...

目标检测标注工具AutoDistill

引言 在快速发展的机器学习领域,有一个方面一直保持不变:繁琐和耗时的数据标注任务。无论是用于图像分类、目标检测还是语义分割,长期以来人工标记的数据集一直是监督学习的基础。 然而,由于一个创新性的工具 AutoDistill&#x…...

关于SPJ表的数据库作业

打字不易,且复制且珍惜 建表 use 库名;create table S( --供应商 SNO char(6) not null, SNAME char(10) not null, STATUS INT, CITY char(10), primary key(SNO));create table P( --零件 PNO char(6) not null, PNAME char(12)not null, COLOR char(4), WEIGHT…...

【Nacos】配置管理、微服务配置拉取、实现配置热更新、多环境配置

🐌个人主页: 🐌 叶落闲庭 💨我的专栏:💨 c语言 数据结构 javaEE 操作系统 Redis 石可破也,而不可夺坚;丹可磨也,而不可夺赤。 Nacos 一、nacos实现配置管理1.1 统一配置管…...

HTML5学习系列之网页图像

HTML5学习系列之网页图像 前言定义图像定义流定义图标 总结 前言 学习记录 定义图像 标签可以直接把图像插入网页中。 <img src"xx" alt"xx"/>src&#xff1a;显示图像的URLalt&#xff1a;设置图像的替代文本height、width&#xff1a;图像的高度…...

go语言学习之旅之Go语言数据类型

学无止境&#xff0c;今天学习Go 语言数据类型 Go&#xff08;或Golang&#xff09;是一种静态类型语言&#xff0c;这意味着变量的数据类型必须显式声明&#xff0c;并且在运行时不能更改。以下是Go中的一些基本数据类型&#xff1a; 这里仅介绍最常用的类型 数值类型: int: …...

Day49 力扣单调栈 : 739. 每日温度 |496.下一个更大元素 I

Day49 力扣单调栈 : 739. 每日温度 &#xff5c;496.下一个更大元素 I 739. 每日温度第一印象看完题解的思路什么是单调栈?我的总结 实现中的苦难感悟代码 496.下一个更大元素 I第一印象看完题解的思路实现中的困难感悟代码 739. 每日温度 今天正式开始单调栈&#xff0c;这是…...

实用篇-ES-RestClient查询文档

一、快速入门 上面的查询文档都是依赖kibana&#xff0c;在浏览器页面使用DSL语句去查询es&#xff0c;如何用java去查询es里面的文档(数据)呢 我们通过match_all查询来演示基本的API&#xff0c;注意下面演示的是 match_all查询&#xff0c;也叫基础查询 首先保证你已经做好了…...

2023年第九届数维杯国际大学生数学建模挑战赛

2023年第九届数维杯国际大学生数学建模挑战赛正在火热进行&#xff0c;小云学长又在第一时间给大家带来最全最完整的思路代码解析&#xff01;&#xff01;&#xff01; 下面是数维杯B题思路解析&#xff1a; 前面三问主要是绘制趋势图、散点图等这些比较简单的统计学分析方法…...

TensorRT基础知识及应用【学习笔记(十)】

这篇博客为修改过后的转载&#xff0c;因为没有转载链接&#xff0c;所以选了原创 文章目录 一、准备知识1.1 环境配置A. CUDA DriverB. CUDAC. cuDNND. TensorRT 1.2 编程模型 二、构建阶段2.1 创建网络定义2.2 配置参数2.3 生成Engine2.4 保存为模型文件2.5 释放资源 三、运…...

[内存泄漏][PyTorch](create_graph=True)

PyTorch保存计算图导致内存泄漏 1. 内存泄漏定义2. 问题发现背景3. pytorch中关于这个问题的讨论 1. 内存泄漏定义 内存泄漏&#xff08;Memory Leak&#xff09;是指程序中已动态分配的堆内存由于某种原因程序未释放或无法释放&#xff0c;造成系统内存的浪费&#xff0c;导致…...

【Git学习二】时光回溯:git reset和git checkout命令详解

&#x1f601; 作者简介&#xff1a;一名大四的学生&#xff0c;致力学习前端开发技术 ⭐️个人主页&#xff1a;夜宵饽饽的主页 ❔ 系列专栏&#xff1a;Git等软件工具技术的使用 &#x1f450;学习格言&#xff1a;成功不是终点&#xff0c;失败也并非末日&#xff0c;最重要…...

多维时序 | MATLAB实现PSO-GRU-Attention粒子群优化门控循环单元融合注意力机制的多变量时间序列预测

多维时序 | MATLAB实现PSO-GRU-Attention粒子群优化门控循环单元融合注意力机制的多变量时间序列预测 目录 多维时序 | MATLAB实现PSO-GRU-Attention粒子群优化门控循环单元融合注意力机制的多变量时间序列预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 MAT…...

MySQL缓冲池的优化与性能提升

“不积跬步&#xff0c;无以至千里。” MySQL是许多Web应用的核心数据库&#xff0c;而数据库的性能对于应用的稳定运行至关重要。在MySQL中&#xff0c;缓冲池&#xff08;Buffer Pool&#xff09;是一个关键的组件&#xff0c;它直接影响着数据库的性能和响应速度。今天这篇文…...

一些RLHF的平替汇总

卷友们好&#xff0c;我是rumor。 众所周知&#xff0c;RLHF十分玄学且令人望而却步。我听过有的小道消息说提升很大&#xff0c;也有小道消息说效果不明显&#xff0c;究其根本还是系统链路太长自由度太高&#xff0c;不像SFT一样可以通过数据配比、prompt、有限的超参数来可控…...

7.docker部署前端vue项目,实现反向代理配置

介绍&#xff1a; 构建镜像&#xff1a;通过docker构建以nginx为基础的镜像&#xff0c;将vue项目生成的dist包拷贝至nginx目录下&#xff0c;.conf文件做反向代理配置&#xff1b;部署服务&#xff1a;docker stack启动部署服务&#xff1b; 通过执行两个脚本既可以实现构建…...

字符串函数详解

一.字母大小写转换函数. 1.1.tolower 结合cppreference.com 有以下结论&#xff1a; 1.头文件为#include <ctype.h> 2.使用规则为 #include <stdio.h> #include <ctype.h> int main() {char ch A;printf("%c\n",tolower(ch));//大写转换为小…...

Mybatis学习笔记-映射文件,标签,插件

目录 概述 mybatis做了什么 原生JDBC存在什么问题 MyBatis组成部分 Mybatis工作原理 mybatis和hibernate区别 使用mybatis&#xff08;springboot&#xff09; mybatis核心-sql映射文件 基础标签说明 1.namespace&#xff0c;命名空间 2.select&#xff0c;insert&a…...

【C++】模板初阶 【 深入浅出理解 模板 】

模板初阶 前言&#xff1a;泛型编程一、函数模板&#xff08;一&#xff09;函数模板概念&#xff08;二&#xff09;函数模板格式&#xff08;三&#xff09;函数模板的原理&#xff08;四&#xff09;函数模板的实例化&#xff08;五&#xff09;模板参数的匹配原则 三、类模…...

无需API开发,伯俊科技实现电商与客服系统的无缝集成

伯俊科技的无代码开发实现系统连接 自1999年成立以来&#xff0c;伯俊科技一直致力于为企业提供全渠道一盘货的服务。凭借其24年的深耕零售行业的经验&#xff0c;伯俊科技推出了一种无需API开发的方法&#xff0c;实现电商系统和客服系统的连接与集成。这种无代码开发的方式不…...

变量 varablie 声明- Rust 变量 let mut 声明与 C/C++ 变量声明对比分析

一、变量声明设计&#xff1a;let 与 mut 的哲学解析 Rust 采用 let 声明变量并通过 mut 显式标记可变性&#xff0c;这种设计体现了语言的核心哲学。以下是深度解析&#xff1a; 1.1 设计理念剖析 安全优先原则&#xff1a;默认不可变强制开发者明确声明意图 let x 5; …...

【杂谈】-递归进化:人工智能的自我改进与监管挑战

递归进化&#xff1a;人工智能的自我改进与监管挑战 文章目录 递归进化&#xff1a;人工智能的自我改进与监管挑战1、自我改进型人工智能的崛起2、人工智能如何挑战人类监管&#xff1f;3、确保人工智能受控的策略4、人类在人工智能发展中的角色5、平衡自主性与控制力6、总结与…...

利用ngx_stream_return_module构建简易 TCP/UDP 响应网关

一、模块概述 ngx_stream_return_module 提供了一个极简的指令&#xff1a; return <value>;在收到客户端连接后&#xff0c;立即将 <value> 写回并关闭连接。<value> 支持内嵌文本和内置变量&#xff08;如 $time_iso8601、$remote_addr 等&#xff09;&a…...

centos 7 部署awstats 网站访问检测

一、基础环境准备&#xff08;两种安装方式都要做&#xff09; bash # 安装必要依赖 yum install -y httpd perl mod_perl perl-Time-HiRes perl-DateTime systemctl enable httpd # 设置 Apache 开机自启 systemctl start httpd # 启动 Apache二、安装 AWStats&#xff0…...

python如何将word的doc另存为docx

将 DOCX 文件另存为 DOCX 格式&#xff08;Python 实现&#xff09; 在 Python 中&#xff0c;你可以使用 python-docx 库来操作 Word 文档。不过需要注意的是&#xff0c;.doc 是旧的 Word 格式&#xff0c;而 .docx 是新的基于 XML 的格式。python-docx 只能处理 .docx 格式…...

Spring Boot+Neo4j知识图谱实战:3步搭建智能关系网络!

一、引言 在数据驱动的背景下&#xff0c;知识图谱凭借其高效的信息组织能力&#xff0c;正逐步成为各行业应用的关键技术。本文聚焦 Spring Boot与Neo4j图数据库的技术结合&#xff0c;探讨知识图谱开发的实现细节&#xff0c;帮助读者掌握该技术栈在实际项目中的落地方法。 …...

涂鸦T5AI手搓语音、emoji、otto机器人从入门到实战

“&#x1f916;手搓TuyaAI语音指令 &#x1f60d;秒变表情包大师&#xff0c;让萌系Otto机器人&#x1f525;玩出智能新花样&#xff01;开整&#xff01;” &#x1f916; Otto机器人 → 直接点明主体 手搓TuyaAI语音 → 强调 自主编程/自定义 语音控制&#xff08;TuyaAI…...

【RockeMQ】第2节|RocketMQ快速实战以及核⼼概念详解(二)

升级Dledger高可用集群 一、主从架构的不足与Dledger的定位 主从架构缺陷 数据备份依赖Slave节点&#xff0c;但无自动故障转移能力&#xff0c;Master宕机后需人工切换&#xff0c;期间消息可能无法读取。Slave仅存储数据&#xff0c;无法主动升级为Master响应请求&#xff…...

自然语言处理——Transformer

自然语言处理——Transformer 自注意力机制多头注意力机制Transformer 虽然循环神经网络可以对具有序列特性的数据非常有效&#xff0c;它能挖掘数据中的时序信息以及语义信息&#xff0c;但是它有一个很大的缺陷——很难并行化。 我们可以考虑用CNN来替代RNN&#xff0c;但是…...

Caliper 配置文件解析:config.yaml

Caliper 是一个区块链性能基准测试工具,用于评估不同区块链平台的性能。下面我将详细解释你提供的 fisco-bcos.json 文件结构,并说明它与 config.yaml 文件的关系。 fisco-bcos.json 文件解析 这个文件是针对 FISCO-BCOS 区块链网络的 Caliper 配置文件,主要包含以下几个部…...