Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Künstliche Intelligenz Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Zukunftswerkstatt Sales Excellence 2025 | 08. Mai 2025

KI als Booster im Vertrieb

Lernen Sie von Digital-Experten, wie der gezielte Einsatz von KI-Unterstützung Ihrem Unternehmen in vielen Bereichen hilft, im Vertrieb einen Schritt voraus zu sein. Jetzt wieder live vor Ort teilnehmen in Frankfurt am Main!
Erweiterte Suche
Anmelden
nach oben
Mobile Networks and Applications
Erschienen in:

23.05.2024 | Research

Deep Learning for Outage Probability Minimization in Secure NOMA Energy Harvesting UAV IoT Networks

verfasst von: Nguyen Quoc Long, Viet-Hung Dang, Nhu Gia Nguyen, Thanh Trong Nguyen, Tu Dac Ho, Hung Tran, Duc-Dung Tran, Cong Le Thanh, Van Nhan Vo

Erschienen in: Mobile Networks and Applications | Ausgabe 6/2023

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Artikel geht auf die Anwendung von Deep Learning zur Minimierung der Ausfallwahrscheinlichkeit in sicheren NOMA Energy Harvesting UAV IoT Netzwerken ein. Es führt ein Systemmodell für Uplink-NOMA-EH-UR-IoT-Netzwerke ein, bei denen Drohnen als Relaisstationen für Bodennutzer fungieren. Die Autoren leiten geschlossene Formulierungen ab, um die Systemleistung und Geheimhaltung hinsichtlich Ausfallwahrscheinlichkeit und Abfangwahrscheinlichkeit zu bewerten. Zur Lösung des Optimierungsproblems wird ein zufällig zugeschnittener kontinuierlicher genetischer Algorithmus (RCGA) vorgeschlagen, gefolgt von der Anwendung eines tief lernenden CNN, um automatisch tief versteckte Merkmale zu extrahieren. Der Artikel unterstreicht die Effektivität von CNN bei der raschen Anpassung an Umweltveränderungen und der Optimierung der Systemleistung unter Sicherheitsbedingungen. Numerische Ergebnisse bestätigen die Genauigkeit der vorgeschlagenen Methoden und zeigen signifikante Verbesserungen der Ausfallwahrscheinlichkeit und Geheimhaltungsleistung.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Vorheriger Artikel Comparative analysis of fractal antennae for sub-6 GHz and 5G bands for wireless and IoT applications
Nächster Artikel Hardware-Based Satellite Network Broadcast Storm Suppression Method

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Weitere Produktempfehlungen anzeigen
Literatur
1.
Zhu B, Bedeer E, Nguyen HH, Barton R, Gao Z (2023) UAV trajectory planning for AoI-minimal data collection in UAV-aided IoT networks by transformer. IEEE Trans Wireless Commun 22(2):1343–1358CrossRef
2.
Bao T, Yang HC, Hasna MO (2020) Secrecy performance analysis of UAV-assisted relaying communication systems. IEEE Trans Vehicular Tech 69(1):1122–1126CrossRef
3.
Raut P, Singh K, Li CP, Alouini MS, Huang WJ (2021) Nonlinear eh-based uav-assisted fd iot networks: infinite and finite blocklength analysis. IEEE Internet Things J 8(24):17 655–17 668
4.
Gong S, Wang M, Gu WZB, Hoang DT, Niyato D (2023) Bayesian optimization enhanced deep reinforcement learning for trajectory planning and network formation in multi-UAV networks. IEEE Trans Veh Techn 72(8):10 933–10 948
5.
Wigren T, Yasini S (2022) Passive UAV tracking in wireless networks. IEEE Trans Aerospace Electron Syst 58(5):4101–4118CrossRef
6.
Zhang Y, Lan X, Ren J, Cai L (2020) Efficient computing resource sharing for mobile edge-cloud computing networks. IEEE/ACM Trans Netw 28(3):1227–1240CrossRef
7.
Zhao N, Lu W, Sheng M, Chen Y, Tang J, Yu FR, Wong K-K (2019) Uav-assisted emergency networks in disasters. IEEE Wireless Commun 26(1):45–51CrossRef
8.
Xiao H, Wu C, Jiang H, Deng LP, Luo Y, Zhang QY (2023) Energy-efficient resource allocation in multiple uavs-assisted energy harvesting-powered two-hop cognitive radio network. IEEE Sens J 23(7):7644–7655CrossRef
9.
Jiang R, Xiong K, Yang HC, Fan P, Zhong Z, Letaief KB (2022) On the coverage of UAV-assisted SWIPT networks with nonlinear EH model. IEEE Trans Wireless Commun 21(6):4464–4481CrossRef
10.
Agrawal N, Bansal A, Singh K, Li CP, Mumtaz S (2022) Finite block length analysis of RIS-assisted UAV-based multiuser IoT communication system with non-linear EH. IEEE Trans Commun 70(5):3542–3557CrossRef
11.
Hoang TM, Dung LT, Nguyen BC, Vinh NV, Kim T (2023) BLER and throughput analysis of power beacon-based energy harvesting UAV-assisted NOMA relay systems for short-packet communications. IEEE Access 11:105 115–105 129
12.
Arafat N, Maher EA, El-Mahdy A, Dressler F (2023) Performance of large intelligent surfaces in multiuser millimeter wave MIMO-NOMA systems. IEEE Access 11:142 235–142 247
13.
Hoang TM, Dung LT, Nguyen BC, Kim T (2023) Outage and throughput analysis of UAV-assisted NOMA relay systems with indoor and outdoor users. IEEE Trans Aerospace Electron Syst 59(3):2633–2647CrossRef
14.
Nasir AA, Tuan HD, Duong TQ, Poor HV (2018) UAV-enabled communication using NOMA. pp 1–26, Jun. 2018. [Online]. Available: arXiv:​1806.​03604v1
15.
Lei H, Yang F, Ansari IS, Liu H, Kim KJ, Tsiftsis TA (2023) Secrecy outage performance analysis for uplink CR-NOMA systems with hybrid SIC. IEEE Internet Things J 10(15):13 181–13 195
16.
SP et al (2023) Physical layer security for NOMA systems: requirements, issues, and recommendations. IEEE Internet Things J 10(24):21 721–21 737
17.
Tang J, Chen G, Coon J (2019) Secrecy performance analysis of wireless communications in the presence of UAV jammer and randomly located UAV eavesdroppers. IEEE Trans Inf Forensics Secur 14(11):3026–3041CrossRef
18.
Sun X, Ng DWK, Ding Z, Xu Y, Zhong Z (2019) Physical layer security in UAV systems: challenges and opportunities. IEEE Wireless Commun 26(5):40–47
19.
Wu Q, Mei W, Zhang R (2019) Safeguarding wireless network with UAVs: a physical layer security perspective. IEEE Wireless Commun 26(5):12–18
20.
Van NV, Tran H, Dang VH, Niyato D, Cuong DN, Luong NC, So-In C (2023) Outage probability minimization in secure noma cognitive radio systems with uav relay: a machine learning approach. IEEE Trans Cognit Commun Netw 9(2):435–451
21.
Liu B, Zhao W, Sun Q (2017) Study of object detection based on faster R-CNN. In: 2017 Chinese Automation Congress (CAC) 2017, pp 6233–6236
22.
Menikdiwela M, Nguyen C, Li H, Shaw M (2017) CNN-based small object detection and visualization with feature activation mapping. In: International conference on image and vision computing New Zealand (IVCNZ) 2017, pp 1–5
23.
Zhang L, Wang Z, He J, Li Y (2023) New image processing: VGG image style transfer with gram matrix style features. In: 2023 5th International conference on artificial intelligence and computer applications (ICAICA) 2023, pp 468–472
24.
Bai L, Abe H, Lee C (2020) RNN-based approach to TCP throughput prediction. In: Eighth international symposium on computing and networking workshops (CANDARW) 2020, pp 391–395
25.
Elkourdi M, Mazin A, Gitlin RD (2019) Performance analysis for virtual-cell based comp 5G networks using deep recurrent neural nets. In: Wireless telecommunications symposium (WTS) 2019, pp 1–6
26.
Li Y, Zhang R, Zhang J, Gao S, Yang L (2019) Cooperative jamming for secure UAV communications with partial eavesdropper information. IEEE Access 7:94 593–94 603
27.
Chen Y, Zhao N, Alouini ZDM-S (2018) Multiple UAVs as relays: multi-hop single link versus multiple dual-hop links. IEEE Trans Wireless Commun 17(9):6348–6359
28.
Sohail MF, Leow CY, Won S (2018) Non-orthogonal multiple access for unmanned aerial vehicle assisted communication. IEEE Access 6:22 716–22 727
29.
Ji B, Li Y, Chen S, Han C, Li C, Wen H (2020) Secrecy outage analysis of UAV assisted relay and antenna selection for cognitive network under nakagami-\(m\) channel. IEEE Trans Cognit Commun Netw 7:1–11
30.
Tran D-D, Ha D-B, Vo VN, So-In C, Tran H, Nguyen TG, Baig Z, Sanguanpong S (2018) Performance analysis of DF/AF cooperative MISO wireless sensor networks with NOMA and SWIPT over Nakagami-\(m\) fading. IEEE Access 6:56 142–56 161
31.
Do D-T, Vaezi M, Nguyen T-L (2018) Wireless powered cooperative relaying using NOMA with imperfect CSI. In: Proc. IEEE Globecom, Abu Dhabi, U.A.E, Sep. 2018, pp 1–6
32.
Vo V.N, Nguyen TG, So-In C, Ha D-B (2017) Secrecy performance analysis of energy harvesting wireless sensor networks with a friendly jammer. IEEE Access 5:25 196–25 206
33.
Guo C, Zhao L, Feng C, Ding Z, Chen H-H (2019) Energy harvesting enabled NOMA systems with full-duplex relaying. IEEE Trans Veh Technol 68(7):7179–7183CrossRef
34.
Chen J, Yang L, Alouini M-S (2018) Physical layer security for cooperative NOMA systems. IEEE Trans Veh Technol 67(5):4645–4649CrossRef
35.
Gradshteyn I, Ryzhik I (2014) Table of Integrals, Series, and Products, 8th ed., Zwillinger D, Moll V (eds). Elsevier
36.
Yan M, Yuan H, Xu J (2021) Task allocation and route planning of multiple UAVs in a marine environment based on an improved particle swarm optimization algorithm. EURASIP J Adv Signal Process 2021(94):1–23
37.
Liu Z, Liu J, Zhou F, Liu RW, Xiong N (2019) A robust GA/PSO-hybrid algorithm in intelligent shipping route planning systems for maritime traffic networks. J Internet Technol 19(6):1635–1644
38.
Luo Y, Wu C, Leng Y, Huang N, Mao L, Tang J (2022) Throughput Optimization for NOMA cognitive relay network with RF energy harvesting based on improved Bat Algorithm. Math 10(22)
39.
Vo VN, Nguyen TG, So-In C, Tran H (2020) Outage performance analysis of energy harvesting wireless sensor networks for NOMA transmissions. Mobile Netw Appl 25:23–41CrossRef
40.
Hayaneh AM, Zaidi SAR, Mclernon DC, Renzo MD, Ghogho M (2018) Performance analysis of UAV enabled disaster recovery networks: a stochastic geometric framework based on cluster processes. IEEE Access 6:26 215–26 230
Metadaten
Titel
Deep Learning for Outage Probability Minimization in Secure NOMA Energy Harvesting UAV IoT Networks
verfasst von
Nguyen Quoc Long
Viet-Hung Dang
Nhu Gia Nguyen
Thanh Trong Nguyen
Tu Dac Ho
Hung Tran
Duc-Dung Tran
Cong Le Thanh
Van Nhan Vo
Publikationsdatum
23.05.2024
Verlag
Springer US
Erschienen in
Mobile Networks and Applications / Ausgabe 6/2023
Print ISSN: 1383-469X
Elektronische ISSN: 1572-8153
DOI
https://doi.org/10.1007/s11036-024-02348-2

Weitere Artikel der Ausgabe 6/2023

Fast Localization Model of Network Intrusion Detection System for Enterprises Using Cloud Computing Environment

Fault Tolerance in Electric Vehicles Using Deep Learning for Intelligent Transportation Systems

A Survey on Smart Optimisation Techniques for 6G-oriented Integrated Circuits Design

  • Review

Editorial: Towards 6G Technologies, Networks, Hardware, and Architectures

Hybrid IoT-Edge-Cloud Computing-based Athlete Healthcare Framework: Digital Twin Initiative

Comparative analysis of fractal antennae for sub-6 GHz and 5G bands for wireless and IoT applications

  • Research