Deep Artificial Noise: Deep Learning-Based Precoding Optimization for Artificial Noise Scheme

doi:10.1109/TVT.2020.2965959

Deep Artificial Noise: Deep Learning-Based Precoding Optimization for Artificial Noise Scheme

2020-03-01

20

PRE

AI

DOI：10.1109/TVT.2020.2965959

原文链接

原文求助

摘要

En 中文

在这项工作中，我们考虑了多输入单输出 (MISO) 窃听信道中的人工噪声 (AN) 方案的安全预编码优化问题。在先前的研究 (Lin等人，2013) 中，证明了允许信号的某些部分被注入到合法接收器的信道的广义AN方案是用于MISO窃听信道的最佳预编码方案。然而，最优性仅在诸如完美信道估计和空间不相关信道之类的一些理想假设下有效。为了突破这一限制，在本文中，我们提出了一种新颖的基于深度神经网络 (DNN) 的安全预编码方案，称为深度AN方案。据作者所知，深度AN方案是第一个利用DNN联合设计和优化信息信号和AN信号的预编码器的安全预编码方案。从数值实验中可以看出，在各种实际无线环境下，所提出的深度AN方案均优于广义AN方案。

Keyword:

Artificial noise

deep learning

deep neural network

physical layer security

precoding

Deep Artificial Noise: Deep Learning-Based Precoding Optimization for Artificial Noise Scheme

摘要

AI总结

期刊

机构