Broadcast Secrecy Rate Maximization in UAV-Empowered IRS Backscatter Communications
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 backscatter communications (BackCom) and physical layer security are respected to realize extremely low-power secure communications in the imminent sixth generation (6G). In a BackCom system, the backscatter device without radio frequency components sends messages to users by reflecting the external signals. However, the double-fading effect limits BackCom’s performance and the commonly used broadcast mode is vulnerable to eavesdropping. Two promising technologies, intelligent reflecting surface (IRS) and unmanned aerial vehicle (UAV), show excellent potential in handling these problems. In this paper, we propose a UAV-empowered IRS-BackCom network, where an IRS acts as the backscatter device and uses the received signals from a UAV for BackCom. We aim to guarantee secure transmission and maximize the broadcast secrecy rate by jointly optimizing the UAV’s beamformer and trajectory and the IRS’s reflection coefficient. To tackle the non-convex problem, we leverage the block coordinate descent method to decompose it into three subproblems. Specifically, the UAV’s beamformer and trajectory and the IRS’s reflection matrix are optimized alternatively. Further, we adopt reinforcement learning to facilitate the intractable UAV’s trajectory optimization. Simulation results verify the feasibility and effectiveness of the proposed system model and the optimization 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 | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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