論文の概要: Mobile Jamming Mitigation in 5G Networks: A MUSIC-Based Adaptive Beamforming Approach

• arxiv url: http://arxiv.org/abs/2505.08046v1
• Date: Mon, 12 May 2025 20:31:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.325769
• Title: Mobile Jamming Mitigation in 5G Networks: A MUSIC-Based Adaptive Beamforming Approach
• Title（参考訳）: 5Gネットワークにおけるモバイルジャミング緩和:MUSICに基づく適応ビームフォーミングアプローチ
• Authors: Olivia Holguin, Rachel Donati, Seyed bagher Hashemi Natanzi, Bo Tang,
• Abstract要約: モバイル・ジャマーは5Gネットワーク、特に軍事通信において重大な脅威となる。 本稿では,MUSIC(Multiple Signal Classification)と統合したインテリジェント・アンチ・ジャミング・フレームワークを提案する。 我々のハイブリッドアプローチは、9.58dB、最大99.8%のDoA推定精度でSNR(Signal-to-Noise Ratio)の改善を実現している。
• 参考スコア（独自算出の注目度）: 3.8683028650079625
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mobile jammers pose a critical threat to 5G networks, particularly in military communications. We propose an intelligent anti-jamming framework that integrates Multiple Signal Classification (MUSIC) for high-resolution Direction-of-Arrival (DoA) estimation, Minimum Variance Distortionless Response (MVDR) beamforming for adaptive interference suppression, and machine learning (ML) to enhance DoA prediction for mobile jammers. Extensive simulations in a realistic highway scenario demonstrate that our hybrid approach achieves an average Signal-to-Noise Ratio (SNR) improvement of 9.58 dB (maximum 11.08 dB) and up to 99.8% DoA estimation accuracy. The framework's computational efficiency and adaptability to dynamic jammer mobility patterns outperform conventional anti-jamming techniques, making it a robust solution for securing 5G communications in contested environments.
• Abstract（参考訳）: モバイル・ジャマーは5Gネットワーク、特に軍事通信において重大な脅威となる。 本稿では,マルチプル信号分類(MUSIC)と高分解能指向性(DoA)推定,適応的干渉抑制のための最小分散歪レス応答(MVDR)ビームフォーミング,移動体ジャムのDoA予測を強化する機械学習(ML)を統合したインテリジェントなアンチジャミングフレームワークを提案する。 現実的なハイウェイシナリオにおける大規模なシミュレーションにより、我々のハイブリッドアプローチは、9.58dB(最大11.08dB)と99.8%のDoA推定精度で、SNR(Signal-to-Noise Ratio)の改善を達成している。 このフレームワークの計算効率と動的ジャマーモビリティパターンへの適応性は、従来のジャミング技術よりも優れており、競合する環境での5G通信を確保するための堅牢なソリューションとなっている。

関連論文リスト

• Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
  無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。 この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-09T09:15:47Z)
• Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
  低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。 LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。 本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Achieving Generalization in Orchestrating GNSS Interference Monitoring Stations Through Pseudo-Labeling [44.24482830284491]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)受信機の精度を損なう。 本稿では,ハイウェイに沿って配置された監視局を介し,干渉の分類を高度に一般化するML手法を提案する。 本手法は,屋内環境から現実シナリオへの適応において,高い性能を示す。
  論文  参考訳（メタデータ） (2024-10-03T11:07:17Z)
• 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)
• Mixture GAN For Modulation Classification Resiliency Against Adversarial Attacks [55.92475932732775]
  本稿では,GANをベースとした新たな生成逆ネットワーク(Generative Adversarial Network, GAN)を提案する。 GANベースの目的は、DNNベースの分類器に入力する前に、敵の攻撃例を排除することである。 シミュレーションの結果,DNNをベースとしたAMCの精度が約81%に向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-29T22:30:32Z)
• Reinforcement Learning Assisted Beamforming for Inter-cell Interference Mitigation in 5G Massive MIMO Networks [0.0]
  ビームフォーミングは、MMIMO(Multiple-input-multiple-output)通信において重要な技術である。 細胞間干渉(ICI)は、周波数再利用技術による5G通信が直面する主な障害の1つである。 5GダウンリンクにおけるICI緩和のための強化学習(RL)支援フルダイナミックビームフォーミングを提案する。
  論文  参考訳（メタデータ） (2021-01-27T07:18:07Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)
• Meta-Reinforcement Learning for Trajectory Design in Wireless UAV Networks [151.65541208130995]
  ドローン基地局(DBS)は、要求が動的で予測不可能な地上ユーザーへのアップリンク接続を提供するために派遣される。 この場合、DBSの軌道は動的ユーザアクセス要求を満たすように適応的に調整されなければならない。 新たな環境に遭遇したDBSの軌道に適応するために,メタラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-25T20:43:59Z)

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。