基于深度学习的无线资源管理与安全研究
发布时间：2021-01-03 01:44
无线通信网络的密集、异构和分散特性,使得传统的资源管理方法效率低。如何有效提升资源利用效率、降低网络延迟和能耗、提高网络数据传输安全性已经成为未来无线网络面临的关键难题。本文面向未来无线通信网络的发展趋势和重大需求,结合深度强化学习的基本思想,分别以提高频谱资源利用率和提升网络安全性为目标,逐步深入研究单智能体功率控制机制;多智能体频谱接入和功率分配策略;分布式联合用户关联、信道接入和时间帧选择策略。主要工作和创新点如下:本文在非正交多址接入双向中继无线网络体系架构下,设计基于物理层安全技术的无线资源管理机制。该机制的核心思想是利用无线信道的特性将信息从信源传输到预期的接收机,同时试图保护此信息被窃听者获取。考虑协作干扰和非协作干扰两种情况,提出联合子信道分配和功率分配的资源管理机制。此外,将复杂优化算法的输出作为标签,通过监督学习得到数据驱动的深度神经网络功率分配策略。结果表明,该机制有效提高了无线通信的安全性和网络计算效率。本文在认知无线电网络体系架构下,设计了一种基于深度强化学习的频谱共享机制。该机制的核心思想是将网络动态感知的无线传感器接收信号强度作为网络输入,从而学习次级用户...
【文章来源】：北京科技大学北京市 211工程院校 教育部直属院校
【文章页数】：132 页
【学位级别】：博士
【部分图文】：
图１－１总体研究框架??主要研宄内容和创新点包括以下几个方面：??（１）安全通信是一种很有前途的无线网络技术，因为它可以确保信息的??
?基于深度学习的无线资源管理与安全研究???第一章绪论??第二章基于深度学习的无线资源管理与安全概述??．?１??Ｉ?Ｉ?Ｉ?Ｉ???初探监督学习功率｜单智能体ＤＲＬ功率?｜多智能体ＤＲＬ频谱?｜分布式ＤＲＬ用户关联、??分配??接入和功率控制?信道接入和帧选择??第三￥?立?ｎ拿??基于双向＋中继安全?某于频谱?某干ｄＳＳｈ＊梓基于ＤＲＬ的联合用户关??通信的无线?联、信道接入、时间??麵管理?共享?入与功率分配?顿选择??Ｉ?Ｉ?Ｉ?丨??Ｉ??第七章结论与展望??图１－２各章关系图??－１２－??
?基于深度学习的无线资源管理与安全研究???训练ＤＮＮ模型来近似ＩＰＭ算法的功率分配，大大提高了计算效率。??在本章节中，研究双向中继无线网络的安全能效，初探监督学习功率分??配机制。窃听者被视为不受信任的用户，窃听者可窃听用户信息。贡献可归??纳如下。??１）在中继基站端使用和不使用ＣＪ的情况下，研究ＮＯＭＡ双向中继无??线网络的安全通信。将子信道分配和功率分配问题公式化为混合非凸优化问??题。??２）提出了一种ＳＣＡＳ匹配算法用于信道分配以提高安全能效。在该方案??中，每次迭代更新用户对调度。基于ＳＣＡＳ方案，提出了基于内点法的功率??分配方案。ＳＳＰＡ方案在系统性能和计算复杂性之间取得平衡。??４）将内点法的功率分配视为标签，采用ＤＮＮ逼近内点法分配，仿真结??果证明了所提出的ＳＳＰＡ方案在有ＣＪ和没有ＣＪ的情况下的安全能效性能，??并且基于ＤＮＮ的功率分配算法计算性能远远超越内点法。??３．２系统模型??３．２．１非协同干扰场景下的ＮＯＭＡ双向中继无线网络??ＮＯＭＡ双向中继无线网络由Ｍ个用户对组成，用户对集合为??Ｍ?，Ｍ｝。网络包含７Ｖ个子信道，子信道集合为７Ｖ?，＃丨，并且每??一个子信道的带宽均为５。如图３－１所示，包含三个用户对、一个中继和一??个窃听者。在不使用ＣＪ的情况下，没有ＡＮ。用户疋和用户之间的双向??通信由中继辅助进行。窃听者可以窃听用户尤和用户５，？的信息。??用户??＾?ＭＡ?用户???？?窃听者??图３－１双向中继无线网络中安全传输的系统模型??－２０－??
【参考文献】：
期刊论文
[1]Differential Game Based Link Resource Management for Next Generation Optical Network[J]. Haitao Xu,Yuqiong Cao,Shengsong Yang,Xianwei Zhou. 中国通信. 2017(09)
[2]Code Hop: physical layer error correction and encryption with LDPC-based code hopping[J]. Zhao CHEN,Liuguo YIN,Yukui PEI,Jianhua LU. Science China（Information Sciences）. 2016(10)
本文编号：2954063
【文章来源】：北京科技大学北京市 211工程院校 教育部直属院校
【文章页数】：132 页
【学位级别】：博士
【部分图文】：
图１－１总体研究框架??主要研宄内容和创新点包括以下几个方面：??（１）安全通信是一种很有前途的无线网络技术，因为它可以确保信息的??
?基于深度学习的无线资源管理与安全研究???第一章绪论??第二章基于深度学习的无线资源管理与安全概述??．?１??Ｉ?Ｉ?Ｉ?Ｉ???初探监督学习功率｜单智能体ＤＲＬ功率?｜多智能体ＤＲＬ频谱?｜分布式ＤＲＬ用户关联、??分配??接入和功率控制?信道接入和帧选择??第三￥?立?ｎ拿??基于双向＋中继安全?某于频谱?某干ｄＳＳｈ＊梓基于ＤＲＬ的联合用户关??通信的无线?联、信道接入、时间??麵管理?共享?入与功率分配?顿选择??Ｉ?Ｉ?Ｉ?丨??Ｉ??第七章结论与展望??图１－２各章关系图??－１２－??
?基于深度学习的无线资源管理与安全研究???训练ＤＮＮ模型来近似ＩＰＭ算法的功率分配，大大提高了计算效率。??在本章节中，研究双向中继无线网络的安全能效，初探监督学习功率分??配机制。窃听者被视为不受信任的用户，窃听者可窃听用户信息。贡献可归??纳如下。??１）在中继基站端使用和不使用ＣＪ的情况下，研究ＮＯＭＡ双向中继无??线网络的安全通信。将子信道分配和功率分配问题公式化为混合非凸优化问??题。??２）提出了一种ＳＣＡＳ匹配算法用于信道分配以提高安全能效。在该方案??中，每次迭代更新用户对调度。基于ＳＣＡＳ方案，提出了基于内点法的功率??分配方案。ＳＳＰＡ方案在系统性能和计算复杂性之间取得平衡。??４）将内点法的功率分配视为标签，采用ＤＮＮ逼近内点法分配，仿真结??果证明了所提出的ＳＳＰＡ方案在有ＣＪ和没有ＣＪ的情况下的安全能效性能，??并且基于ＤＮＮ的功率分配算法计算性能远远超越内点法。??３．２系统模型??３．２．１非协同干扰场景下的ＮＯＭＡ双向中继无线网络??ＮＯＭＡ双向中继无线网络由Ｍ个用户对组成，用户对集合为??Ｍ?，Ｍ｝。网络包含７Ｖ个子信道，子信道集合为７Ｖ?，＃丨，并且每??一个子信道的带宽均为５。如图３－１所示，包含三个用户对、一个中继和一??个窃听者。在不使用ＣＪ的情况下，没有ＡＮ。用户疋和用户之间的双向??通信由中继辅助进行。窃听者可以窃听用户尤和用户５，？的信息。??用户??＾?ＭＡ?用户???？?窃听者??图３－１双向中继无线网络中安全传输的系统模型??－２０－??
【参考文献】：
期刊论文
[1]Differential Game Based Link Resource Management for Next Generation Optical Network[J]. Haitao Xu,Yuqiong Cao,Shengsong Yang,Xianwei Zhou. 中国通信. 2017(09)
[2]Code Hop: physical layer error correction and encryption with LDPC-based code hopping[J]. Zhao CHEN,Liuguo YIN,Yukui PEI,Jianhua LU. Science China（Information Sciences）. 2016(10)
本文编号：2954063
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2954063.html
