Analyzing Physical-Layer Security of PLC Systems Using DCSK: A Copula-Based Approach
Notice bibliographique
Résumé
This study analyzes the physical layer security (PLS) performance of a differential chaos shift keying (DCSK) modulation-based Power Line Communication (PLC) system by exploiting the novel Farlie-Gumbel-Morgenstern (FGM) Copula approach. A power line Wyner’s wiretap channel model is investigated, where the main channel and the wiretap channel are assumed to be correlated and Log-normally distributed. The Gamma approximation to the Log-normal distribution is employed to simplify the computation. Concurrently, the PLC channel noise is modeled as a Bernoulli-Gaussian random process. Utilizing a Copula based approach to model the dependence among the correlated PLC channels, the PLS performance of the PLC system is evaluated in terms of the secure outage probability (SOP) and the strictly positive secrecy capacity (SPSC). It is revealed through the asymptotic SOP analysis that the secrecy diversity order depends on the shaping parameter$(m_{\gamma _{M}})$of the main channel. We also propose an algorithm to maximize the secrecy throughput under SOP constraints. Based on the insights from this analysis, it has been seen that the SOP performance degrades when the value of the dependence parameter$(\theta)$increases. Also, the secrecy throughput performance improves with a lower optimal threshold value of the signal-to-noise ratio (SNR),$\gamma _{\textrm {th}}$. Furthermore, some other insightful observations are presented by studying the impact of different parameters such as spreading factor$(\beta)$, impulsive noise occurrence probability$(p)$, transmitted power$(P_{T})$, and impulsive noise index$(K)$.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».