.png){kind=icon}
返回
Deep Complex Network Architecture for Multi-User Physical Layer Authentication in Wireless Communication
.png){kind=icon}
PRE
AI
DOI：10.1109/LCOMM.2025.3645190.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物理层认证（PLA）是一种有前景的无线安全策略。大多数现有的PLA方案依赖于实值神经网络，其中复值信道冲激响应（CIR）通过将实部和虚部分离为双通道输入进行处理。这种转换破坏了幅度和相位之间的固有耦合，从而限制了认证精度。重要的是，每个用户的空间位置本身充当可靠的身份指纹。在这封信中，提出了一种基于复值网络的多任务学习（CVN-MTL）模型用于多用户认证。通过利用CIR和位置的空间-时间特征，CVN-MTL模型同时执行用户认证和精细粒度定位。实验结果表明，CVN-MTL模型在认证性能上表现出优越性，并且对不同的通信场景具有鲁棒性。
Keyword:
Multi-user physical layer authentication (PLA)
complex-valued network (CVN)
channel impulse response (CIR)
location
期刊
IF:
4.4
论文数:
1.3W
被引数:
2.2W
机构
引用论文
.png){kind=icon}
Deep Transfer Learning-Based Downlink Channel Prediction for FDD Massive MIMO Systems基于深度转移学习的FDD大规模MIMO系统下行信道预测
OAAI
OAAI分享收藏Deep Learning-Based Downlink Channel Prediction for FDD Massive MIMO System基于深度学习的FDD大规模MIMO系统下行信道预测OAAI
OAAI分享收藏
分享收藏A survey of Machine Learning-based Physical-Layer Authentication in wireless communications基于机器学习的无线通信物理层认证研究综述OAAI
OAAI分享收藏Channel-Robust RF Fingerprint Identification Using Multi-Task Learning and Receiver Collaboration
PREAI
分享收藏
查看更多内容