Beamforming and Jamming Optimization for IRS-Aided Secure NOMA Networks
Notice bibliographique
Résumé
The integration of intelligent reflecting surface (IRS) and multiple access provides a promising solution to improved coverage and massive connections at low cost. However, securing IRS-aided networks remains a challenge since the potential eavesdropper also has access to an additional IRS reflection link, especially when the eavesdropping channel state information is unknown. In this paper, we propose an IRS-assisted non-orthogonal multiple access (NOMA) scheme to achieve secure communication via artificial jamming, where the multi-antenna base station sends the NOMA and jamming signals together to the legitimate users with the assistance of IRS, in the presence of a passive eavesdropper. The sum rate of legitimate users is maximized by optimizing the transmit beamforming, the jamming vector and the IRS reflecting vector, satisfying the quality of service requirement, the IRS reflecting constraint and the successive interference cancellation (SIC) decoding condition. In addition, the received jamming power is adapted at the highest level at all legitimate users for successful cancellation via SIC. To tackle this non-convex optimization problem, we first decompose it into two subproblems, and then each subproblem is converted into a convex one using successive convex approximation. An alternate optimization algorithm is proposed to solve them iteratively. Numerical results show that the secure transmission in the proposed IRS-NOMA scheme can be effectively guaranteed with the assistance of artificial jamming.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».