Secrecy Energy Efficiency Maximization in Cognitive Radio Networks
Notice bibliographique
Résumé
In this paper, we investigate a tradeoff between the secrecy rate (SR) and energy efficiency (EE) in an underlay cognitive radio network that consists of a cognitive base station (CBS), a cognitive user (CU), a primary user (PU), and multiple eavesdroppers (EDs). By using a so-called secrecy EE (SEE), which is defined as the ratio of SR to the total power consumption of CBS, as the design criterion, we formulate an SEE maximization (SEEM) problem for the CBS-CU transmission under the constraints of the transmit power of CBS, the SR of CU, and the quality-of-service (QoS) requirement of PU. Since the formulated optimization problem with a fractional objective function is non-convex and mathematically intractable, we first convert the original fractional objective function into an equivalent subtractive form, and then develop a method of combining the penalty function and the difference of two-convex functions (D.C.) approach to obtain an approximate convex problem. Based on this, an optimal beamforming (OBF) scheme is finally proposed to obtain the optimal solution. Furthermore, to reduce the computational complexity, we design a zero-forcing-based beamforming (ZFBF) scheme to achieve a sub-optimal solution to the SEEM problem. Simulation results are given to illustrate the effectiveness and advantage of the proposed SEE oriented OBF and ZFBF schemes over conventional SR maximization and EE maximization schemes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».