RIS-Assisted Wireless Link Signatures for Specific Emitter Identification
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
As one of the sensing tasks for integrated sensing and communications (ISAC), location distinction based specific emitter identification (SEI) plays an important role in location based services. In this paper, we propose a reconfigurable intelligent surface (RIS)-assisted SEI system, in which the legitimate emitter installs an RIS to customize the wireless link signature by controlling the ON-OFF state of RIS. Specifically, we consider the worst-case that the legitimate and a suspicious emitter are in the same spatial location. The received signal strength (RSS) of the specific emitter is adopted to analyze the feasibility of the proposed system. Then, we derive the statistical properties of this wireless link signature, and find the interesting insights about the phase-shift matrix configuration and the signal-to-noise-rate (SNR) gain, which showcase the huge potential of the proposed system on the integrated communications and security (ICAS) design in the near future. Afterwards, we derive the optimal detection threshold in the context of the presented metrics. Next, considering the acquisition difficulty of the RSS samples of the suspicious emitter, we use a one-class support vector machine (OC-SVM) to identify the specific emitter. Finally, the actual feasibility of the proposed system is verified via proof-of-concept experiments. The experiment results show that there are 76% and 99% performance improvements for the test statistic based and the OC-SVM based RIS-assisted SEI, respectively.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle