MétaCan
Menu
Retour à la cohorte
Enregistrement W3048635505 · doi:10.1109/tccn.2020.3016096

Robust Secure Beamforming for Wireless Powered Cognitive Satellite-Terrestrial Networks

2020· article· en· W3048635505 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Cognitive Communications and Networking · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaConcordia University
Organismes subventionnairesShanghai Aerospace Science and Technology Innovation Foundation
Mots-clésComputer scienceBeamformingBase stationWirelessOptimization problemBenchmark (surveying)Iterative methodMathematical optimizationComputer networkTelecommunicationsAlgorithmMathematics

Résumé

récupéré en direct d'OpenAlex

This article addresses the security problem for wireless powered cognitive satellite-terrestrial network, where a multibeam satellite sub-network shares the portion of millimeter wave bands with multiple cellular networks, each consisting of a base station, several mobile users (MUs) and energy receivers (ERs). Considering that the ERs are potential eavesdroppers of the MUs, and only imperfect knowledge of the angles of departure for the wiretap channels is available, we aim at maximizing aggregated rate of the considered network while guaranteeing the signal-to-interference-plus-noise ratio requirements of the MUs, the energy harvesting thresholds and the secrecy constraints at ERs. Since the formulated optimization problem is mathematically intractable, we exploit a discretization method and the Taylor expansion method to transform the non-convex objective and constraints into convex ones, and then propose an iterative beamforming (BF) algorithm to solve the problem. Furthermore, we present a combined multibeam scheme to obtain suboptimal BF weight vectors with low computational burden. Finally, simulation results reveal that the proposed BF schemes can efficiently improve the aggregated rate with fast convergence compared to the benchmark 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,099
Tête enseignante GPT0,271
Écart entre enseignants0,173 · 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