Dual-Domain Deep Learning-Assisted NOMA-CSK Systems for Secure and Efficient Vehicular Communications
Created by
Haebom
Category
Empty
저자
Tingting Huang, Jundong Chen, Huanqiang Zeng, Guofa Cai, Georges Kaddoum
개요
본 논문은 차량 통신 시스템을 위한 딥 러닝 기반 비직교 다중 접속 카오스 시프트 키잉(DL-NOMA-CSK) 시스템을 제안한다. 딥 뉴럴 네트워크(DNN)를 사용하여 카오스 신호 특성을 학습하고, 시간 및 주파수 도메인 정보를 결합하여 동적 채널 환경에서 성능을 향상시킨다. 제안된 시스템은 기존 다중 사용자 DCSK 방식 및 딥 러닝 기반 방식에 비해 스펙트럼 효율, 에너지 효율, 비트 오류율, 보안 및 견고성 측면에서 우수한 성능을 보이며, 낮은 계산 복잡도를 유지한다.
시사점, 한계점
•
시사점:
◦
차량 통신 시스템의 보안 및 효율성을 향상시키는 새로운 DL-NOMA-CSK 시스템 제안.
◦
DNN 기반 복조기를 통해 참조 신호 전송 없이 카오스 신호의 특성을 학습하여 스펙트럼 효율성을 높임.
◦
시간 및 주파수 도메인 정보를 결합한 듀얼 도메인 특징 추출 아키텍처를 사용하여 동적 채널에서 성능 향상.
◦
연속 간섭 제거(SIC) 프레임워크 통합으로 오류 전파 문제 완화.
◦
기존 방식 대비 향상된 성능(SE, EE, BER, 보안, 견고성) 및 낮은 계산 복잡도 입증.
