MétaCan
Menu
Retour à la cohorte
Enregistrement W4400033111 · doi:10.1109/jiot.2024.3419264

Joint UAV Trajectory and Power Allocation With Hybrid FSO/RF for Secure Space–Air–Ground Communications

2024· article· en· W4400033111 sur OpenAlexaff
Yalin Zhang, Xiaozheng Gao, Hang Yuan, Kai Yang, Jiawen Kang, Ping Wang, Dusit Niyato

Notice bibliographique

RevueIEEE Internet of Things Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensYork University
Organismes subventionnairesBeijing Nova ProgramNational Natural Science Foundation of ChinaNational Research Foundation Singapore
Mots-clésComputer scienceJoint (building)TrajectoryPower (physics)Ground stationFree-space optical communicationTelecommunicationsElectronic engineeringOptical communicationAerospace engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In the coming sixth-generation era, space-air–ground integrated network (SAGIN) is a technology with the potential for seamless coverage and high-data rate transmission. However, the inherent broadcast nature of wireless communication forces us to consider physical-layer security. This article explores secure communications with the aid of hybrid free space optical/radio frequency (FSO/RF) links in a two-phase uplink transmission. Specifically, in the first-phase transmission, a ground device transmits secrecy data to an unmanned aerial vehicle (UAV) via an radio frequency (RF) link, while the UAV emits artificial noise to confuse an eavesdropper. In the second-phase transmission, the UAV sends the secrecy data to a satellite via an FSO link to defend against RF eavesdropping. More specifically, we design two transmission schemes, i.e., slot-based scheme and period-based scheme, which are suitable for transmitting delay-sensitive data and delay-insensitive data, respectively. In order to maximize the average secrecy rate of the system, the trajectory and power allocation of the UAV are jointly optimized. The objective functions of these two schemes are both nonconvex, which are mathematically intractable to tackle by the interior-point method. Therefore, we use block coordinate descent and successive convex approximation techniques to obtain approximate solutions. Numerical results reveal the impact of the UAV trajectory and power allocation optimization on the average secrecy rate during different flight periods in different schemes. In addition, other benchmark schemes are considered for comparison, and the results indicate that our proposed schemes can achieve higher average secrecy rates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), 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

Citations35
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Internet of Things JournalMême sujetUAV Applications and OptimizationTravaux en français237 207