MétaCan
Menu
Retour à la cohorte
Enregistrement W4313315618 · doi:10.1109/nana56854.2022.00081

3D Deployment of UAVs for Communications under Multiple Eavesdroppers

2022· article· en· W4313315618 sur OpenAlexaff
Ke Zhao, Mian Muaz Razaq, Kaixin Li, Limei Peng, Pin‐Han Ho

Notice bibliographique

Revue2022 International Conference on Networking and Network Applications (NaNA) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésBeamformingBase stationJammingComputer scienceSignal strengthSoftware deploymentInterference (communication)SIGNAL (programming language)Signal-to-noise ratio (imaging)Real-time computingGenetic algorithmSignal-to-interference-plus-noise ratioNoise (video)Computer networkWireless sensor networkTelecommunicationsArtificial intelligenceMachine learning

Résumé

récupéré en direct d'OpenAlex

This paper proposes to use UAVs with adjustable beamforming as mobile base stations and studies to deploy them in a 3D manner to ensure secure communications in the presence of eavesdroppers. We aim to deploy the UAVs with appropriate beamforming in the optimal positions to maximize the signal strength of normal users while jamming the eavesdroppers by minimizing their received signal strength. Specifically, the objective is to maximize the total number of successfully served APs and jammed eavesdroppers. To achieve the goals, we propose a genetic algorithm (GA) by adjusting the <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$\mathbf{3D}$</tex> positions and beamwidths of UAV s. Simulation results show that the signal-to-interference-noise-ratio (SINR) threshold significantly affects the overall performance, and the proposed GA outperforms the existing differential evolution algorithm (DE).

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 candidatesaucune
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: aucune
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,764

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,035
Tête enseignante GPT0,266
Écart entre enseignants0,231 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 International Conference on Networking and Network Applications (NaNA)Même sujetUAV Applications and OptimizationTravaux en français237 207