本文介绍了各种各样的 AI 和机器学习技术,用于发展认知路由协议,并调查了各种 AI 技术类别在 CRN 中的应用,特别是在路由问题上。同时,我们强调了认知路由协议必须解决的各种推理、推断、建模和学习子任务,并确定了开放性研究问题和未来工作的方向。
Aug, 2013
本文论述了一种基于 Wi-Fi RSSI、移动通信信号 RSSI、声音和光线水平的隐私保护多模式跨建筑协作定位平台,能实现室内房间级别定位,并对其在定位精度、隐私、最佳参数及其他方面的性能进行了分析。
Sep, 2017
研究了二次用户在交互式无线通信过程中的最大吞吐量和最小化每个主接收器产生的干扰之间的权衡,并通过利用二次发射机处的多天线,从信息理论的角度对该基本权衡进行了表征,以实现对时空和频率域中的机会光谱共享。
Nov, 2007
本文提出了一种顺序探测方法,用于允许中央认知无线电网络(CRN)在设计的主用户(PU)保护规范下访问主用户(PU)的频带,并用二进制 ACK / NACK 数据包来学习 PU 干扰约束,我们在 Active Learning (AL) 框架内研究了这个受限设计问题,并提出采用 Expectation Propagation(EP)方法的最优解,并通过数值模拟来演示该解决方案的性能。
Oct, 2017
介绍了各种宽带频谱感知算法及其优缺点和挑战问题,并特别关注了子奈奎斯特技术的应用,包括压缩感知和多通道子奈奎斯特采样技术。
Feb, 2013
本文介绍了利用人工神经网络进行自主分布式的次级网络的控制策略,并通过预测次级网络对主网络的干扰来解决干扰限制和认知无线电之间的信息交流等问题,以实现更精细的下层传输功率控制和更高的传输机会。
Jun, 2018
通过机器学习技术,提供室内定位服务,不需要额外的硬件设备投资,在可持续创新的环境中实现循环经济,并解决室内 GPS 定位的限制。
Oct, 2023
本文研究了基于联邦学习的可靠安全的认知无线电环境中的频谱感知方法,探讨了联邦学习在频谱感知中的动机、架构和算法,概述了这些算法的安全和隐私威胁以及可能的对抗方法,提供了一些举例,并给出了未来 CR 中基于联邦学习的频谱感知设计建议。
Mar, 2023
LTE 移动通信网络具有显着的功能优势,但研究发现其协议规范存在漏洞,攻击者可以利用这些漏洞实施多种攻击,作者提出了多种应对方案并建议未来规范引入安全保障机制
Oct, 2015
为了更好地理解和量化基于移动数据的机器学习模型的隐私泄露情况,我们设计了一个隐私攻击套件,其中包含数据提取和成员推断攻击,针对最广泛使用的基于兴趣点推荐模型之一进行定制。我们的实证评估使用了两个真实世界的移动数据集,证明了当前的兴趣点推荐模型容易受到我们的攻击。我们还提供了独特的发现,以了解哪种类型的移动数据更容易受到隐私攻击。最后,我们评估了对抗这些攻击的防御方法,并强调了未来的方向和挑战。