Joint Trajectory and Power Optimization for Jamming-Aided NOMA-UAV Secure Networks
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
The combination of nonorthogonal multiple access (NOMA) technique and unmanned aerial vehicle (UAV) provides an effective solution for achieving massive connections and improving spectrum efficiency. However, the related security risk becomes serious due to the line-of-sight (LoS) channels involved and high transmit power for weaker users in NOMA-UAV networks. In this article, a UAV-assisted NOMA transmission scheme is proposed to achieve secure downlink transmission via artificial jamming, where a UAV flies straightly to serve multiple ground users in the presence of a passive eavesdropper. During the flight, only the closest NOMA users are chosen to connect with the UAV in each time slot to achieve high LoS probability. To balance the security and transmission performance, the tradeoff between the jamming power and the sum rate is investigated by jointly optimizing the power allocation, the user scheduling and the UAV trajectory. The formulated problem is mixed-integer and nonconvex due to the coupled variables. To address this, we first decompose the problem into two subproblems of power allocation and trajectory optimization. Then, they are transformed into convex ones via the first-order Taylor expansion. After that, an iterative algorithm is proposed to solve the convex problem. Finally, numerical results show that the security of the network is well enhanced and verify the effectiveness of the proposed scheme.
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 | 0,000 |
| 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