协同 NOMA SWIPT 系统的保密性分析与基于学习的优化
高能物理 - 理论
2020-10-13 v3 数学物理
代数拓扑
math.MP
摘要
非正交多址接入（NOMA）因能使用同一资源块服务多用户，被视为未来网络的最佳候选之一。尽管早期研究聚焦于传输可靠性与能量效率，近期工作开始考虑节点间协作。协同 NOMA 技术允许具有较好信道（近端用户）的用户在源与信道较差（远端用户）的用户间充当中继。本文考虑能量采集协同 NOMA 用户的链路安全方面。具体而言，近端用户采用解码转发（DF）协议，在存在窃听者的情况下将源节点消息中继至远端用户。此外，我们考虑所有设备均采用功率分割架构进行能量采集与信息解码。我们推导了截获概率的解析表达式。接着，采用基于深度学习的优化来寻找最优功率分配因子。结果表明，深度学习优化相较传统迭代搜索算法具有鲁棒性与优越性。
引用
@article{arxiv.1907.05752,
title = {Infinity-enhancing of Leibniz algebras},
author = {Sylvain Lavau and Jakob Palmkvist},
journal= {arXiv preprint arXiv:1907.05752},
year = {2020}
}
备注
24 pages. v2: Minor changes. Comments and explanations added. v3: Clarifications on functorial aspects added. Version to appear in Letters in Mathematical Physics