MétaCan
Menu
Retour à la cohorte
Enregistrement W4410226777 · doi:10.1109/tvt.2025.3568013

Joint Optimization of Power Control and Receive Beamforming for Security Enhancement in SGF–NOMA Systems: A Distributed MADRL Approach

2025· article· en· W4410226777 sur OpenAlexaff
Mofan Luo, Yuchen Zhou, Long Yang, Lu Lv, Zheng Zhang, F. Richard Yu, Arumugam Nallanathan

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensCarleton University
Organismes subventionnairesKey Research and Development Projects of Shaanxi ProvinceNational Natural Science Foundation of China
Mots-clésJoint (building)NomaBeamformingComputer sciencePower (physics)Power controlEngineeringElectronic engineeringComputer networkPhysicsTelecommunications linkStructural engineering

Résumé

récupéré en direct d'OpenAlex

To enhance the physical layer security in semi-grant-free non-orthogonal multiple access systems, this work develops a strategy for simultaneous transmission by grant-free devices (GFDs). The proposed strategy utilizes the interference of active GFDs as coverts to safeguard the legitimate transmision of the grant-based device from the potential eavesdropping of inactive GFDs. By utilizing the centralized teacher with decentralized student framework, we develop a joint power control and receive beamforming scheme employing multi-agent deep reinforcement learning, which requires only the partial observation and implements in a distributed manner. Numerical results show that the proposed strategy surpasses both non-orthogonal multiple access and orthogonal multiple access benchmarks and achieves the secrecy performance close to its global observation counterpart.

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 enseignants0,940
Score d'incertitude au seuil0,730

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,217
Écart entre enseignants0,211 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207