論文の概要: Active RIS-Assisted URLLC NOMA-Based 5G Network with FBL under Jamming Attacks
- arxiv url: http://arxiv.org/abs/2501.13231v1
- Date: Wed, 22 Jan 2025 21:31:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-24 15:54:50.164783
- Title: Active RIS-Assisted URLLC NOMA-Based 5G Network with FBL under Jamming Attacks
- Title（参考訳）: FBLを併用したアクティブRIS支援URLLCNOMA5Gネットワーク
- Authors: Ghazal Asemian, Mohammadreza Amini, Burak Kantarci,
- Abstract要約: 有限ブロック長(FBL)条件下でのURLLC(Ultra-Reliable Low Communication)ネットワークにおける攻撃を妨害する課題に対処する。
エネルギー効率を高めるために, RIS (Re Reliable Intelligent Surfaces) を有効成分とする革新的なアプローチを導入する。
以上の結果から,RIS成分の数が4から400に増加することにより,SJNR比が13.64%向上することが示唆された。
- 参考スコア（独自算出の注目度）: 5.715528540446773
- License:
- Abstract: In this paper, we tackle the challenge of jamming attacks in Ultra-Reliable Low Latency Communication (URLLC) within Non-Orthogonal Multiple Access (NOMA)-based 5G networks under Finite Blocklength (FBL) conditions. We introduce an innovative approach that employs Reconfigurable Intelligent Surfaces (RIS) with active elements to enhance energy efficiency while ensuring reliability and meeting latency requirements. Our approach incorporates the traffic model, making it practical for real-world scenarios with dynamic traffic loads. We thoroughly analyze the impact of blocklength and packet arrival rate on network performance metrics and investigate the optimal amplitude value and number of RIS elements. Our results indicate that increasing the number of RIS elements from 4 to 400 can improve signal-to-jamming-plus-noise ratio (SJNR) by 13.64\%. Additionally, optimizing blocklength and packet arrival rate can achieve a 31.68% improvement in energy efficiency and reduced latency. These findings underscore the importance of optimized settings for effective jamming mitigation.
- Abstract（参考訳）: 本稿では,FBL条件下での非直交多重アクセス(NOMA)ベースの5Gネットワークにおいて,超信頼性低レイテンシ通信(URLLC)の攻撃に対処する。
本稿では, 信頼性を確保し, レイテンシ要求を満たすとともに, エネルギー効率を向上させるために, RIS(Reconfigurable Intelligent Surfaces)を有効成分とする革新的なアプローチを提案する。
提案手法はトラフィックモデルを導入し,動的なトラフィック負荷を伴う実世界のシナリオを現実的に実現している。
本稿では,ブロック長とパケット到着率がネットワーク性能指標に与える影響を網羅的に分析し,RIS要素の最適振幅値と数について検討する。
以上の結果から,RIS成分の数が4から400に増加することにより,SJNR比が13.64\%向上することが示唆された。
さらに、ブロック長とパケット到着率の最適化により、エネルギー効率が31.68%向上し、遅延を低減できる。
これらの知見は、効果的なジャミング緩和のための最適化された設定の重要性を浮き彫りにした。
関連論文リスト
- DT-DDNN: A Physical Layer Security Attack Detector in 5G RF Domain for
CAVs [11.15939066175832]
妨害攻撃は5Gネットワークに重大なリスクをもたらす。
本研究は, CAVネットワークにおけるジャマー検出のための, 深層学習に基づく新しい手法を提案する。
提案手法は, 余剰低妨害電力の96.4%検出率を実現する。
論文 参考訳（メタデータ） (2024-03-05T04:29:31Z) - Bypassing a Reactive Jammer via NOMA-Based Transmissions in Critical Missions [13.784352398504343]
無線ネットワークは無線妨害攻撃に弱い可能性がある。
本稿では、反応性ジャマーが信頼性、平均伝送遅延、有効和率(ESR)に与える影響を解析する。
gNBは、割り当てられた送信電力をUEにgNBで調整することにより、パケット再送信を必要とせずに、0.99999の信頼性と5msのレイテンシを満たすために、ジャマー効果を回避できることが示されている。
論文 参考訳（メタデータ） (2024-01-18T21:51:57Z) - Unlocking Metasurface Practicality for B5G Networks: AI-assisted RIS
Planning [33.98674736140333]
DRISAと呼ばれる,DRLエージェントを訓練し,次に最適なRIS配置を得る,第一種深層強化学習(DRL)ソリューションを提案する。
我々のベンチマークでは、より少ない計算時間(最大-25%)で10-dBの最小信号対雑音比(SNR)の増加と、より高密度なネットワーク展開へのスケーラビリティの向上が示されている。
論文 参考訳（メタデータ） (2023-10-16T12:14:42Z) - Multiagent Reinforcement Learning with an Attention Mechanism for
Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。
マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。
シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文 参考訳（メタデータ） (2023-09-16T11:37:23Z) - Enhancing Reliability in Federated mmWave Networks: A Practical and
Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。
これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。
提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
論文 参考訳（メタデータ） (2023-06-22T10:10:25Z) - Lyapunov-Driven Deep Reinforcement Learning for Edge Inference Empowered
by Reconfigurable Intelligent Surfaces [30.1512069754603]
本稿では,ワイヤレスエッジにおけるエネルギー効率,低レイテンシ,高精度な推論のための新しいアルゴリズムを提案する。
本稿では,新しいデータを一連のデバイスで連続的に生成・収集し,動的キューシステムを通じて処理するシナリオについて考察する。
論文 参考訳（メタデータ） (2023-05-18T12:46:42Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z) - On Topology Optimization and Routing in Integrated Access and Backhaul
Networks: A Genetic Algorithm-based Approach [70.85399600288737]
IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。
我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。
メッシュベースのIABネットワークを実現する上での課題について論じる。
論文 参考訳（メタデータ） (2021-02-14T21:52:05Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。