論文の概要: A Fluid Antenna Enabled Physical Layer Key Generation for Next-G Wireless Networks

• arxiv url: http://arxiv.org/abs/2509.00018v1
• Date: Sat, 16 Aug 2025 18:39:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-07 09:10:15.245922
• Title: A Fluid Antenna Enabled Physical Layer Key Generation for Next-G Wireless Networks
• Title（参考訳）: 次世代無線ネットワークのための物理層鍵生成が可能な流体アンテナ
• Authors: Jiacheng Guo, Ning Gao, Yiping Zuo, Hao Xu, Shi Jin, Kai Kit Wong,
• Abstract要約: 物理層鍵生成(PLKG)は、セキュリティインフラなしで無線チャネルから秘密鍵を入手することができる。 厳しい伝播環境では、キー生成率(KGR)が著しく低下する。 本稿では,この課題に対処するために,新しい流体アンテナ (FA) を用いたPLKGシステムを提案する。
• 参考スコア（独自算出の注目度）: 83.86388221738225
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a promising physical layer security technique, physical layer key generation (PLKG) enables legitimate users to obtain secret keys from wireless channel without security infrastructures. However, in harsh propagation environments, the channel characteristic becomes unsatisfactory, the key generation rate (KGR) is significantly deteriorated. In this paper, we propose a novel fluid antenna (FA) enabled PLKG system to address this challenge. Specifically, we first derive the closed-form expression of the KGR for FA array, and then jointly optimize the precoding matrix and the antenna positions via a particle swarm optimization (PSO) algorithm. Next, to further reduce the computational complexity of the optimization procedure, we develop an alternating optimization (AO) algorithm, which combines the projected gradient descent (PGD) and the PSO. Simulation results demonstrate that by exploiting the additional spatial degree of freedom (DoF), our FA enabled PLKG system is superior to the benchmarks, such as the conventional fixed-position antenna (FPA) array and the reconfigurable intelligent surface (RIS). It is worth highlighting that compared to the conventional uniform planar antenna (UPA), the FA enabled PLKG achieves a 35.42\% KGR performance improvement under PSO algorithm and a 67.73\% KGR performance improvement under AO algorithm, respectively.
• Abstract（参考訳）: 有望な物理層セキュリティ技術として、物理層鍵生成(PLKG)は、セキュリティインフラストラクチャを使わずに、正規のユーザが無線チャネルから秘密鍵を入手できるようにする。 しかし、厳しい伝播環境では、チャネル特性が不満足になり、キー生成速度(KGR)が著しく低下する。 本稿では,この課題に対処するために,新しい流体アンテナ (FA) を用いたPLKGシステムを提案する。 具体的には、まずFA配列に対するKGRの閉形式表現を導出し、次に、粒子群最適化(PSO)アルゴリズムを用いて、プリコーディング行列とアンテナ位置を協調的に最適化する。 次に、最適化手順の計算複雑性をさらに軽減するために、予測勾配降下(PGD)とPSOを組み合わせた交互最適化アルゴリズム(AO)を開発した。 シミュレーションの結果,従来の固定位置アンテナ(FPA)アレイや再構成可能なインテリジェントサーフェス(RIS)などのベンチマークよりも,付加空間自由度(DoF)を利用したPLKGシステムの方が優れていることがわかった。 従来の均一平面アンテナ(UPA)と比較して、FA対応PLKGはPSOアルゴリズムでは35.42\% KGR、AOアルゴリズムでは67.73\% KGRの性能改善を実現している。

関連論文リスト

• Straggler-Resilient Federated Learning over A Hybrid Conventional and Pinching Antenna Network [13.50794408418408]
  無線ネットワーク対応学習(FL)におけるピンチアンテナの活用は、FLの一般的な「ストラグラー」問題を効果的に緩和することができる。 通信効率を大幅に向上させるために, 従来型ピンチアンテナネットワーク(HCPAN)を提案する。
  論文  参考訳（メタデータ） (2025-08-17T17:09:42Z)
• Learning to Gridize: Segment Physical World by Wireless Communication Channel [32.95972150896482]
  Channel Space Gridization (CSG) は、チャネル推定とグリッド化を初めて統合する先駆的なフレームワークである。 トレーニング可能なRSRP-to-CAPSエンコーダ、学習可能なスパースコードブック量子化器、物理インフォームドデコーダを備えたCSGオートエンコーダ(CSG-AE)を開発した。 CSG-AEは合成データのCAPS推定精度とクラスタリング品質に優れる。
  論文  参考訳（メタデータ） (2025-07-21T08:43:34Z)
• A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
  マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。 提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
  論文  参考訳（メタデータ） (2025-06-14T17:35:27Z)
• Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless 3D UAV Connectivity Using DRL Algorithms [8.296140341710462]
  我々は、再構成可能なインテリジェントサーフェス(RIS)を用いた大規模マルチインプットマルチアウトプットシステムにおけるジョイントアクティブビームフォーミングとパッシブビームフォーミングの問題点について検討する。 この問題に対処する2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-14T06:43:36Z)
• DRL Enabled Coverage and Capacity Optimization in STAR-RIS Assisted Networks [55.0821435415241]
  無線通信における新たなパラダイムとして,STAR-RISのカバレッジとキャパシティ性能の分析が不可欠だが難しい。 STAR-RIS支援ネットワークにおけるカバレッジとキャパシティ最適化の問題を解決するために,多目的ポリシー最適化(MO-PPO)アルゴリズムを提案する。 MO-PPOアルゴリズムの性能向上のために、アクション値ベースの更新戦略(AVUS)と損失関数ベースの更新戦略(LFUS)の2つの更新戦略を検討した。
  論文  参考訳（メタデータ） (2022-09-01T14:54:36Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Safety-enhanced UAV Path Planning with Spherical Vector-based Particle Swarm Optimization [5.076419064097734]
  本稿では,無人航空機(UAV)の経路計画問題に対処するため,球面ベクトルベース粒子群最適化 (SPSO) という新しいアルゴリズムを提案する。 コスト関数が最初に定式化され、経路計画がUAVの実用的で安全な運用に必要な要件と制約を組み込んだ最適化問題に変換される。 SPSOは、UAVの構成空間を効率的に探索することでコスト関数を最小化する最適経路を見つけるために使用される。
  論文  参考訳（メタデータ） (2021-04-13T06:45:11Z)
• 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。