基于时间反演的物理层安全传输机制研究

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:Hamihami
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
即将来临的5G无线移动通信系统将面对海量终端接入,信息安全传输将是许多科研机构研究的热点。无线信道具有独特的空域、时域和频域多样性为建立更加安全的物理层通信提供了研究空间。时间反演是近年发展起来的电磁学科学,它能利用无线信道特性结合自身的电磁特性提升无线传输的安全性。时间反演技术引入到物理层以提高信息安全传输性能将是未来无线通信的研究热点。目前,部分研究者已经提出了在经典窃听模型下采用时间反演技术的保密方案,并进行了安全性能评估。时间反演技术在物理层全安中的优势还未充分挖掘,需要进一步开展研究。基于此,本文的主要工作为:第一,针对如何提升采用传统时间反演技术下合法信道容量问题,提出一种提升室内频率选择性衰落信道保密性能的均衡时间反演技术。首先,在信号发送端将均衡器与时间反演镜级联配置,所有发射天线共用该均衡器。其次,通过时间反演等效信道信息进行均衡器设计对室内无线信道进行信道均衡处理,降低合法接收端码间干扰成份以增加保密信干噪比。最后,通过数学分析推导系统的保密性能。理论分析和仿真结果表明,与传统的时间反演技术相比,均衡时间反演的保密信干噪比、保密容量更高,合法接收用户的误码率更低。第二,针对窃听用户利用高信道相关性进行窃听问题,提出一种采用人工噪声辅助时间反演的保密传输方法。首先,将系统模型建模为MIMO窃听信道模型,通过采用时间反演技术,以确保提升信息传输过程中的安全性。其次,根据时间反演的MIMO等效信道对人工噪声进行设计,使该噪声对窃听者进行干扰,而对合法端不影响。最后,基于该方法进行数学推导,得出保密信干噪比、保密容量闭合表达式。实验仿真结果表明,采用时间反演技术的同时,分配一定功率的噪声能够提升系统的安全性能。
其他文献
本论文的研究分两部分。第一部分为多功能纳米材料用于活性氧及光热的肿瘤治疗,第二部分为人LOX家族蛋白的异源表达。本文第一部分主要为多功能纳米材料用于活性氧及光热肿瘤
本文工作围绕时间交织光模数转换(TIPADC)系统,重点研究TIPADC系统的通道失配特性。首先,基于TIPADC系统的基本模型理论,得到多通道TIPADC的等效通道响应,并且发现特定条件下
目的:研究LINC01510和miR-93-5P在胃癌组织中的表达及临床意义。方法:随机收集2017年01月至2018年12月在南华大学附属第一医院胃肠外科经手术治疗后40例胃癌患者标本及临床资料,所有胃癌患者术前均未接受过化疗及放疗且未合并其他恶性肿瘤,标本术后经病理切片证实均为胃癌;40例癌旁正常胃粘膜组织取自距肿块边缘5cm以上的组织。采用HE染色明确胃癌组织的病理类型、明确癌旁正常组织有无
弹性光网络凭借其大容量、高带宽、低时延等优势,极大地满足了数据中心间的互联需求。但是,网络的可靠性也面临前所未有的挑战,任何一根光纤发生故障都会导致海量的数据中心
随着纳米技术的快速发展,它在生物医学、环境工程、工业制造、军事和通信领域有着广泛的应用背景。在纳米尺度下,纳米机器(Nanomachine,简称纳米机)是最基本的功能单元。纳米
新兴业务应用的多样化快速发展,用户需求的逐渐增多导致传输带宽资源有限的骨干网面临着巨大挑战。弹性光网络精细粒度的频谱分配方式可在一定程度上改善网络的传输容量,但其严苛的频谱一致性、连续性等约束条件限制了频谱资源利用率的进一步提升。同时,数据流量的爆炸式增长、网络规模的不断扩大也使得网络中的能耗问题日益严峻,阻碍了未来互联网的绿色可持续发展。网络虚拟化技术允许同一底层网络上运行多个相互分离且异构的虚
目的:目前,白细胞介素17(interleukin17,IL-17)与多发性骨髓瘤(Multiple Myeloma,MM)的发生发展之间的关系仍存在一些争议,本研究拟探究IL-17与多发性骨髓瘤的发生发展及疗效之间的关系。方法:根据纳入标准选取2016年1月-2018年12月收治于邵阳市中心医院的多发性骨髓瘤患者68例作为观察组(MM组),随机选取同期在邵阳市中心医院体检中心体检的健康者29例作
无线电技术近年来发展迅猛,天线的极化信息对于后续的信号处理是一种十分有用的无线资源。极化敏感阵列因为其特殊的阵列结构,不仅可以接收到信号的基本信息,还可以获得信号
未来5G移动通信网络高速率、低时延的性能要求,以及各种移动智能终端设备爆发式增加,共同导致了移动通信网络数据流量的指数增长。与此同时,有限的授权频谱几乎已经被占用殆
近年来基于深度学习的静态图像目标检测方法取得了显著的进展,但对于视频目标检测而言,若简单地将静态图像目标检测网络应用到视频检测上,则可能因为单帧存在的运动模糊、失焦模糊导致目标在单帧上不能被检测到。此外,由于相邻视频帧之间图像变化缓慢,若每帧图像采用深度神经网络提取来提取特征,则存在计算冗余的情况。因此,基于深度特征流的视频目标检测的网络框架被提出,其只在稀疏的关键帧采用卷积网络提取特征,非关键帧