MétaCan
Menu
Retour à la cohorte
Enregistrement W4402126013 · doi:10.1109/tvt.2024.3453063

RIS-Segmented Symbiotic Covert Cooperative Backscatter Communication Systems

2024· article· en· W4402126013 sur OpenAlexaff
Musen Liu, Hongxing Peng, Peichang Zhang, Ming Zeng, Zhengyu Zhu, Alexandros–Apostolos A. Boulogeorgos, Kapal Dev, Xingwang Li

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversité Laval
Organismes subventionnairesNational Mobile Communications Research Laboratory, Southeast University
Mots-clésBackscatter (email)CovertComputer scienceElectronic engineeringRemote sensingEngineeringTelecommunicationsGeologyWireless

Résumé

récupéré en direct d'OpenAlex

In this work, we delve into the covertness performance of the reconfigurable intelligent surface (RIS) symbiotic ambient backscatter communication (AmBC) systems. The RIS is partitioned into backscatter device (BD) zone and enhance transmission (ET) zone to serve two distinct users. Through dynamically adjusting the number of ET zone elements, we aim to impede the detection of backscattered communication signals by the monitor. Considering the existence of imperfect successive interference cancellation (ipSIC) at receivers and mutual interference (MI) between zones, the closed-form expressions for the detection error probability and outage probabilities over the Nakagami-<italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">m</i> channels are derived. To maximize the effective covert throughput, we employ a block coordinated descent (BCD) method to optimize the power allocation factor and the number of zone reflective elements. Simulation results validate the accuracy of our analysis, underscoring that the RIS-segmented symbiotic AmBC systems can achieve better covertness and reliability by enhancing the interference cancellation capability and dividing the optimal RIS zones.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,891
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,207
Écart entre enseignants0,201 · 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.

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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207