Secrecy Rate Maximization via Radio Resource Allocation in Cellular Underlaying V2V Communications
Notice bibliographique
Résumé
In device-to-device (D2D) underlaying vehicle-to-vehicle (V2V) communications, radio resource blocks (RBs) are allocated to primary cellular users, which yields sub-optimal rates and a long access latency for secondary D2D-enabled vehicles. This work investigates a joint radio resource and power management (RRPM) problem for secure cellular underlaying V2V communications, where cellular users and vehicles have the same priority, giving vehicles more opportunities to access the RBs. Specifically, we aim to maximize secrecy rates of V2V channels under the condition that eavesdropper has an adaptive receiving detection vector to maximize the received signal-to-interference-plus-noise ratio (SINR) from vehicles. For a single pair of a vehicle and a cellular user, the closed-form optimal power allocation expressions are derived for the interference-limited scenario and the noise-limited scenario, respectively. Moreover, for multiple pairs of vehicles and cellular users, a 3-partite hypergraph based 3-dimensional matching approach is proposed to solve a mixed-integer and non-convex problem, which achieves a near-optimal result with an O(n <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">4</sup> ) time complexity. Simulations in different scenarios show that the secrecy rate of the proposed scheme can be improved by 50% if compared to 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».