MétaCan
Menu
Retour à la cohorte
Enregistrement W2998799493 · doi:10.1109/tvt.2020.2966996

Security Enhancement Using a Novel Two-Slot Cooperative NOMA Scheme

2020· article· en· W2998799493 sur OpenAlexaff
Bingcai Chen, Yu Chen, Yang Cao, Yunfei Chen, Nan Zhao, Zhiguo Ding, Xianbin Wang

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensWestern University
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésEavesdroppingComputer scienceRelayNomaInterference (communication)Base stationTransmission (telecommunications)SIGNAL (programming language)SecrecySingle antenna interference cancellationComputer networkSecure transmissionUser equipmentTransmitter power outputMulti-userElectronic engineeringPower (physics)TelecommunicationsTelecommunications linkTransmitterEngineeringComputer securityChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

In this article, we propose a novel cooperative non-orthogonal multiple access (NOMA) scheme to guarantee the secure transmission of a specific user via two time slots. During the first time slot, the base station (BS) transmits the superimposed signal to the first user and the relay via NOMA. Meanwhile, the signal for the first user is also decoded at the second user from the superimposed signal due to its high transmit power. In the second time slot, the relay forwards the signal to the second user while the BS retransmits the signal for the first user as interference to disrupt the eavesdropping. Due to the fact that the second user has obtained the signal for the first user in the first slot, the interference can be eliminated at the second user. To measure the performance of the proposed cooperative NOMA scheme, the outage probability for the first user and the secrecy outage probability for the second user are analyzed. Simulation results are presented to show the effectiveness of the proposed scheme.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
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 Opus0,027
Tête enseignante GPT0,259
Écart entre enseignants0,232 · 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
GenreMéthodes

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

En bref

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207