MétaCan
Menu
Retour à la cohorte
Enregistrement W3080085900 · doi:10.48550/arxiv.2008.10839

Physical Layer Security in Cooperative NOMA Hybrid VLC/RF Systems

2020· preprint· en· W3080085900 sur OpenAlexaff
Mohanad Obeed, Anas Chaaban, Anas M. Salhab, Salam A. Zummo, Mohamed‐Slim Alouini

Notice bibliographique

RevuearXiv (Cornell University) · 2020
Typepreprint
Langueen
DomaineEngineering
ThématiqueOptical Wireless Communication Technologies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPhysical layerVisible light communicationComputer scienceBeamformingJammingSecrecyRadio frequencyComputer networkArtificial noiseElectronic engineeringTelecommunicationsWirelessComputer securityEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Integrating visible light communication (VLC) and radio-frequency (RF) networks can improve the performance of communication systems in terms of coverage and data rates. However, adding RF links to VLC networks weakens the secrecy performance due to the broadcast and ubiquitous nature of RF links. This paper studies the physical layer security (PLS) in cooperative non-orthogonal multiple access (CoNOMA) hybrid VLC/RF systems. Consider a VLC system, where two entrusted users close to a VLC access point (AP) help an out-of-coverage legitimate user using RF signals in the presence of an eavesdropper. The AP transmits data to both entrusted users and the legitimate user using the principle of NOMA, where the entrusted users harvest energy from the received light intensity, decode the legitimate user's message, forward it using a RF link, and then decode their messages. It is required to maximize the secrecy rate at the legitimate user under quality-of-service (QoS) constraints using beamforming and DC-bias and power allocation. Different solutions are proposed for both active and passive eavesdropper cases, using semidefinite relaxation, zero-forcing, beamforming, and jamming. Numerical results compare between the different proposed approaches and show how the proposed approaches contribute in improving the secrecy performance of the proposed model.

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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
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)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
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 Opus0,059
Tête enseignante GPT0,191
Écart entre enseignants0,132 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetOptical Wireless Communication TechnologiesTravaux en français237 207