Secrecy Performance Analysis of Air-to-Ground Communication With UAV Jitter and Multiple Random Walking Eavesdroppers
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.
Notice bibliographique
Résumé
Flexible mobility and random jitter are two unique features of UAV communication platforms. Although advantages of mobility have been extensively explored, the random jitter of UAV platforms, caused by airflow and body vibrations, has been rarely studied. This work aims to answer the two fundamental questions: i) how to analyze the secrecy performance when considering UAV jitter and ii) can this inherent characteristic of UAV be exploited to enhance secrecy? Detailed, we study the modeling and analysis of UAV jitter on the secrecy performance in an air-to-ground (A2G) wiretap system with multiple non-colluding eavesdroppers, where a UAV-mounted transmitter equipped with directional antennas illuminates ground terminals in a finite area. Random waypoint model is applied to characterize the mobility of eavesdroppers. To be specific, by modeling UAV jitter in both horizontal azimuth and vertical elevation, distortion and shift of UAV illumination area are analyzed. Further, beam-illumination probability of a randomly located ground terminal is obtained. Following which, a tractable framework for analyzing the secrecy coverage probability (SCP) and ergodic secrecy capacity (ESC) is developed. Expressions for SCP and ESC are derived with characterizations for the signal-to-noise ratio received at legitimate receiver and eavesdroppers. Finally, extensive simulations are provided to validate the theoretical analysis. This is the first work to find that UAV jitter can be exploited to enhanced secrecy performance of A2G wiretap system with appropriate UAV height and beamwidth.
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 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 | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle