MétaCan
Menu
Retour à la cohorte
Enregistrement W2745125159 · doi:10.1109/tvt.2017.2735414

Joint Design of Optimal Precoding and Cooperative Jamming for Multiuser Secure Broadcast Systems

2017· article· en· W2745125159 sur OpenAlexaff
Jae‐Mo Kang, Jun Yang, Jeongseok Ha, Il‐Min Kim

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Communication Security Techniques
Établissements canadiensUniversity of TorontoQueen's University
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésPrecodingJammingArtificial noiseCovariance matrixBase stationComputer scienceZero-forcing precodingCovarianceSignal-to-noise ratio (imaging)Interference (communication)Asymptotically optimal algorithmIterative methodAlgorithmMathematical optimizationMathematicsBeamformingTelecommunicationsMIMOWirelessStatisticsPhysical layerPhysics

Résumé

récupéré en direct d'OpenAlex

A multiuser secure broadcast system is considered, where there are one multiantenna base station (BS), multiple single-antenna legitimate users, one multiantenna friendly jammer (FJ), and one multiantenna eavesdropper (Eve). We jointly design the optimal precoding matrix at the BS and the jamming covariance matrix at the FJ by minimizing the total transmit power of the BS and FJ under the signal-to-interference-plus-noise ratio constraints at the users and Eve. To solve this challenging problem, when the FJ has more antennas than the users and Eve, we first find the optimal structure of the jamming covariance matrix and, then, convert the problem into its equivalentconvexform. Also, we propose an iterative algorithm to jointly design the precoding and jamming covariance matrices in all scenarios. The solution obtained by this algorithm is shown to be asymptotically optimal when the FJ has more antennas than the users and Eve. Numerical results show that the proposed schemes considerably outperform the existing 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,262
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetWireless Communication Security TechniquesTravaux en français237 207