详解信道容量,信道速率,安全速率的区别

目录

一. 信道容量与信道速率

二. 小结

三. 安全速率与物理层安全

3.1 香农物理层安全模型

3.2 安全信道速率

四. 补充安全中断概率(Secrecy Outage Probability, SOP)

五. 补充安全分集度(Secrecy Diversity Order, SDO)

六. 附信道安全传输经常会出现的缩略词


一. 信道容量与信道速率

先看信道容量C的公式:

C=Blog_2(1+SNR)

其中,B为带宽,SNR为信噪比。信道容量单位是bps,也就是比特每秒。这个与Shannon公式有关,在实际通信系统中,传输速率只能逼近该数值,相当于传输速率的上限。

(以下将是更深层次的解释和拓展)

根据给定最大信道容量的Shannon公式可知,信道容量取决于带宽和信道的SNR这两项物理参数。因此如何利用较小的信道带宽、或在发射功率不变的情况下,尽量取得较大的信道SNR,以获取最大的信道容量是移动通信新技术所追求的重要目标,可以归结为如何提高频谱利用率和功率利用率的两个基本问题。

二. 小结

信道容量可看成信道最大的传输速率。信道速率也就是信息传输速率,代表实际的传输速率。

三. 安全速率与物理层安全

3.1 香农物理层安全模型

物理层安全通信研究的起源可以追溯到 Shannon 信息理论安全保密分析,它可以理解为无线网络的安全通信能力取决于窃听节点可获得的信息量。如上图所示,发射端 Alice 用密钥 K对原始信息 S 加密获得 M,合法接收端 Bob 接收到 M 后用 K 解密获得 S。而窃听者 Eve 没有密钥,因此无法从加密信号 M 中解密出信息 S。此外,Shannon 在论文中也定义了完美安全,即加密信息与传输信息之间的互信息量为零。进一步,Shannon 通过严格的数学推导证明了只有当密钥的熵不小于传输信息的熵,即密钥的长度不小于传输信息的长度时,才能实现无线网络中信息的安全传输。然而现实通信场景中存在多种噪声等干扰,导致完美安全传输很难实现。

3.2 安全信道速率

为了更加贴近实际的无线通信网络,Wyner 在 Shannon 模型(就是上面那张图)的基础上进行了改进,提出了基于噪声信道的窃听模型。为了解决密钥的传输问题,Wyner 采用信道编码来代替密钥的方式。具体过程可以表述为:发射端将要传输的信息 S 进行编码变成长度为 n 的码字 X ,经过有噪信道,合法接收端和窃听者分别接收到信号 Y 和 Z。Wyner 证明了当编码长度 n 足够大时,窃听节点接收到的信号 Z 与信息 S 之间的互信息量为 0。同时还证明了存在一种编码方案,可以使得合法接收端正确接收信息 S 而窃听者无法解码信息 S。进一步地,基于该有噪信道模型,Wyner 还证明了在不使用密钥的前提下,仅依靠发射端、接收端和窃听端信道的差异,可以实现信息在物理层上安全传输。此外,Wyner 还提出安全速率(Secrecy Rate, SR)的概念,即合法传输节点能够安全传输给合法接收端的最大数据速率。

更具体的,安全速率被定义为信道在某一通信时隙能够实现的最大安全传输速率,通常取合法节点的信道容量与窃听节点信道容量的差值,对于加性高斯白噪声(Additive White Gaussian Noise, AWGN)信道,都可以用“一”中的 Shannon 公式计算信道容量。

对于衰落信道,可以用瞬时的接收信噪比来计算瞬时信道速率。利用P代表发射功率,h_b代表发射端与合法接收端之间的信道增益,h_e代表发射端与窃听节点之间的信道增益,N_0代表噪声功率。由此,合法节点的信噪比可以表示为:

\gamma_b=\frac{P|h_b|^2}{N_0}

窃听节点的信噪比可以表示为:

\gamma_e=\frac{P|h_e|^2}{N_0}

四. 补充安全中断概率(Secrecy Outage Probability, SOP)

安全中断概率衡量网络的安全速率小于目标安全速率的概率,即不能够进行安全传输的概率。我们肯定是希望这个概率越小越好。根据以上讨论,其实也可以用窃听信道容量来表示 SOP。
 

五. 补充安全分集度(Secrecy Diversity Order, SDO)

安全分集度定义为:安全中断概率随主信道与窃听信道增益比(Main to Eavesdropper Ratio, MER)变化的快慢程度。利用P_{out}代表安全中断概率,MER代表信道的比值,由此安全分集度的公式如下:

六. 附信道安全传输经常会出现的缩略词

5G The Fifth Generation Mobile Communications 第五代移动通信

6G The Sixth Generation Mobile Communications 第六代移动通信

AF Amplify and Forward 放大转发

AWGN Additive White Gaussian Noise 加性高斯白噪声

BF Beamforming 波束赋形

BPCU Bits Per Channel Use 比特/信道利用

CDF Cumulative Distribution Function 累计分布函数

CD-NOMA Code Domain Non-Orthogonal Multiple Access 码域-非正交多址接入

CLT Central Limit Theorem 中心极限定理

CSI Channel State Information 信道状态信息

DF Decode and Forward 解码转发

EE Energy Efficiency 能量效率

ES Energy Splitting 能量分割

FD Full Duplex 全双工

FDMA Frequency Division Multiple Access 频分多址

HD Half Duplex 半双工

MER Main to Eavesdropper Ratio 主信道与窃听信道增益比

MIMO Multiple Input Multiple Output 多输入多输出

MISO Multiple Input Single Output 多输入单输出

MRC Maximum Ratio Combining 最大比合并

MS Mode Switching 模式转换

NCCSD Non-Central Chi-Square Distribution 非中心的卡方分布

NOMA Non orthogonal Multiple Access 非正交多址接入

OAS Optimal Antenna Selection 最优天线选择

OFDMA Orthogonal Frequency Division Multiple Access 正交频分多址

OMA Orthogonal Multiple Access 正交多址接入

ORAS Optimal Relay Antenna Selection 最优中继-天线选择

ORS Optimal Relay Selection 最优中继选择

PA Power Allocation 功率分配

PDF Probability Density Function 概率密度函数

PD-NOMA Power Domain Non Orthogonal Multiple Access 功率域-非正交多址接入

PIC Parallel Interference Cancellation 并行干扰消除

PLS Physical Layer Security 物理层安全

QoS Quality of Service 服务质量

RAS Relay Antenna Selection 中继-天线选择

RF Radio Frequency 射频

RIS Reconfigurable Intelligent Surface 可重构智能表面

RRAS Random Relay Antenna Selection 随机中继-天线选择

RPR Random Phase Regulation 随机相位调节

SINR Siganl to Interference Plus Noise Ratio 信干噪比

SNR Siganl to Noise Ratio 信噪比

SC Selection Combining 选择合并

SDO Secrecy Diversity Order 安全分集度

SE Spectral Efficiency 频谱效率

SIC Successive Interference Cancellation 串行干扰消除

SOP Secrecy Outage Probability 安全中断概率

SR Secrecy Rate 安全速率

SRAS Suboptimal Relay Antenna Selection 次佳中继-天线选择

TDMA Time Division Multiple Access 时分多址

TS Time Switching 时间切换

ZF Zero Forcing 迫零

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/587251.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

AAAI 2024 | 用逆向思维图(ReX-GoT)进行多选对话常识推理

©PaperWeekly 原创 作者 | 郑理 单位 | 武汉大学硕士生 研究方向 | 自然语言处理 论文题目: Reverse Multi-Choice Dialogue Commonsense Inference with Graph-of-Thought 论文作者: 郑理,费豪,李霏,李波波&am…

EI级 | Matlab实现TCN-BiGRU-Multihead-Attention多头注意力机制多变量时间序列预测

EI级 | Matlab实现TCN-BiGRU-Multihead-Attention多头注意力机制多变量时间序列预测 目录 EI级 | Matlab实现TCN-BiGRU-Multihead-Attention多头注意力机制多变量时间序列预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 1.【EI级】 Matlab实现TCN-BiGRU-Mult…

2023年03月09日_谷歌视觉语言模型PaLM-E的介绍

自从最近微软凭借OpenAI 和ChatGPT火了一把之后呢 老对手Google就总想着扳回一局 之前发布了硬刚ChatGPT的Bard 但是没想到翻车了 弄巧成拙 所以呢Google这一周又发了个大招 发布了史上最大的视觉语言模型PaLM-E 这个模型有多夸张呢 参数量高达5,620亿 是ChatGTP-3的三…

nextTick的原理

开发中有这么一个需求&#xff0c;回显的适合&#xff0c;el-tree的检查严格标志属性更新为true。当更新完成后&#xff0c;又要改为false。还原。 <template><div><el-tree:data"data"show-checkbox:check-strictly"checkStrictly"default…

linux安装java8

1、下载java 根据自己系统的位数下载 查看系统位数命令&#xff1a;getconf LONG_BIT 下载地址 https://www.oracle.com/java/technologies/javase/javase8u211-later-archive-downloads.html 2、解压、移动 将下载的文件上传到linux系统中并解压 tar -zxvf jdk-8u333-linux…

条件编译处理多端差异

条件编译https://uniapp.dcloud.net.cn/tutorial/platform.html#%E4%B8%BA%E4%BB%80%E4%B9%88%E9%80%89%E6%8B%A9%E6%9D%A1%E4%BB%B6%E7%BC%96%E8%AF%91%E5%A4%84%E7%90%86%E8%B7%A8%E7%AB%AF%E5%85%BC%E5%AE%B9 <template><view class"container"><…

OSPF ROUTER-ID-新版(15)

目录 整体拓扑 操作步骤 1.INT 验证Router-ID选举规则 1.1 查看路由器Router-ID 1.2 配置R1地址 1.3 查看R1接口信息 1.4 查看R1Router-ID 1.5 删除接口IP并查看Router-ID 1.6 手工配置Router-ID 2.基本配置 2.1 配置R1的IP 2.2 配置R2的IP 2.3 配置R3的IP 2.4 配…

c++ 简单实用万能异常捕获

多层捕获异常&#xff0c;逐渐严格。并打印出错信息和位置&#xff1a;哪个文件&#xff0c;哪个函数&#xff0c;具体哪一行代码。 #include <stdexcept> // 包含标准异常类的头文件try {int a 2 / 0; }catch (const std::runtime_error& e) {// 捕获 std::runt…

游戏任务系统实现思路

文章目录 一、需求介绍二、数据库设计3、代码部分实现 一、需求介绍 1、首先任务的类型不同&#xff0c;可以分为&#xff1a;日常任务、成长任务、活动任务等等。 2、当达到任务目标时&#xff0c;自动发放任务奖励。 3、任务需要后台可配置&#xff0c;例如&#xff1a;任务…

访问公网视频监控平台,看不到实时视频的问题查处

一、实时监控视频看不到了的问题出现 今天在给客户演示实时视频监控&#xff0c;通过公网平台能够正常查看各个品牌IPC的实时视频&#xff08;在浏览器页面输入“http://公网平台IP地址”&#xff0c;关于IP地址详细介绍&#xff0c;可以看以前文章&#xff09;&#xff0c;如下…

Python集成开发工具

第二章、IDE&#xff08;PyCharm&#xff09; 一、设置py文件模板 设置模版 二、格式化代码设置 三、PyCharm运行python源文件的模式 第一次按照何种模式执行测试用例&#xff0c;后续都会按照这种方式去执行 普通模式&#xff0c;unittest模式&#xff0c;pytest模式介绍 四…

记录DevEco Studio 模拟器启动失败问题

启动模拟器报错 解决步骤 1、“启用或关闭windows功能"勾选"hyper-v”、“windows虚拟机监控程序平台”、“虚拟机平台” 2、打开cpu虚拟化 打开bios&#xff0c;打开Intel Virtualization Technology 这样就可以了 在任务管理器可以看到已开启&#xff0c;编辑器…

牛客网SQL训练4—SQL进阶挑战

文章目录 一、增删改操作1. 插入记录2. 更新记录3. 删除记录 二、表与索引操作1. 表的创建、修改与删除2. 索引的创建、删除 三、聚合分组查询1. 聚合函数2. 分组查询 四、多表查询1. 嵌套子查询2. 合并查询3. 连接查询 五、窗口函数1. 专用窗口函数2. 聚合窗口函数 六、其他常…

Redis:原理速成+项目实战——Redis的Java客户端

&#x1f468;‍&#x1f393;作者简介&#xff1a;一位大四、研0学生&#xff0c;正在努力准备大四暑假的实习 &#x1f30c;上期文章&#xff1a;Redis&#xff1a;原理速成项目实战——Redis常见命令&#xff08;数据结构、常见命令总结&#xff09; &#x1f4da;订阅专栏&…

数据治理:释放数据价值的关键

随着数字化时代的到来&#xff0c;数据已成为组织和企业最重要的资产之一。然而&#xff0c;数据的快速增长和复杂性也给数据管理带来了巨大的挑战。为了确保数据的质量、安全性和合规性&#xff0c;数据治理已成为组织和企业必须面对的重要问题。数据治理是数据要素市场建设的…

机器学习(一) -- 概述

系列文章目录 机器学习&#xff08;一&#xff09; -- 概述 机器学习&#xff08;二&#xff09; -- 数据预处理 未完待续…… 目录 系列文章目录 前言 一、机器学习定义&#xff08;是什么&#xff09; 二、机器学习的应用&#xff08;能做什么&#xff09; 三、***机器…

Paste在开发过程中的效率提升

1. 引言 在开发过程中&#xff0c;剪贴板管理工具是程序员日常工作中的得力助手。Paste作为一款专为Mac用户设计的剪贴板管理工具&#xff0c;不仅可以提高复制粘贴的效率&#xff0c;还通过一系列强大的功能为开发者带来更多便利。 Paste是一款专为Mac用户设计的剪贴板管理工…

leetcode链表小练(1.反转链表2.链表的中间节点3.合并两个有序链表4.环形链表①5.环形链表②)详解 (୨୧• ᴗ •͈)◞︎ᶫᵒᵛᵉ ♡

目录 一.反转链表 思路一反转指针反向&#xff1a; 思路二头插法&#xff1a; 二.链表的中间节点&#xff1a; 三.合并两个有序数组: 思路一&#xff1a;从头开始&#xff0c;取两个链表中小的那个尾插到新链表。定义指针head,tail指向空&#xff0c;代表新链表的头结点。…

Linux:不同计算机使用NFS共享资源

一&#xff0c;安装NFS文件系统 NFS即网络文件系统(network file system)&#xff0c;它允许网络中的计算机之间通过网络共享资源。目前&#xff0c;NFS只用于在Linux和UNIX主机间共享文件系统。 #使用mount命令可以将远程主机的文件系统 安装到 本地&#xff1a; #将远程主机…

1、aigc图像相关

aigc图像相关 一、Diffusion webui 在autodl上部署一些问题二、lora和kohyass&#xff08;1&#xff09;角色模型&#xff08;2&#xff09;风格模型&#xff08;3&#xff09;dreambooth&#xff08;4&#xff09;模型合并&#xff08;5&#xff09;Lora加Adetail其他 三、sd …