In physical-layer security, one of the most fundamental issues is the secrecy capacity. The objective of this paper is to determine the secrecy capacity for an indoor visible light communication system consisting of a transmitter, a legitimate receiver and an eavesdropping receiver. In such a system, both signal-independent and signal-dependent Gaussian noises are considered. Under non-negativity and average optical intensity constraints, lower and upper secrecy capacity bounds are first derived by the variational method, the dual expression of the secrecy capacity, and the concept of "the optimal input distribution that escapes to infinity". Numerical results show that the secrecy capacity upper and lower bounds are tight. By an asymptotic analysis at large optical intensity, there is a small performance gap between the asymptotic upper and lower bounds. Then, by adding a peak optical intensity constraint, we further analyze the exact and asymptotic secrecy capacity bounds. Finally, the tightness of the derived bounds is verified by numerical results.


翻译:在实体安全方面,最基本的问题之一是保密能力。本文件的目的是确定由发射机、合法接收器和窃听接收器组成的室内可见光通信系统的保密能力。 在这样一个系统中,既考虑信号独立的声音,也考虑信号独立的声音。在非惯性和平均光强度限制下,低和上保密能力界限首先来自变异方法、保密能力的双重表达方式和“从无限中逃出的最佳输入分布”的概念。数字结果显示,上下界限的保密能力很紧。通过在大光强度下层进行的无干扰分析,在无信号独立和信号独立高斯噪音之间有很小的性能差距。然后,通过添加峰值光强度限制,我们进一步分析精确和单调的保密能力界限。最后,通过数字结果核实出处的严格性。

0
下载
关闭预览

相关内容

专知会员服务
49+阅读 · 2021年6月30日
专知会员服务
154+阅读 · 2021年3月6日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
107+阅读 · 2020年5月15日
强化学习最新教程,17页pdf
专知会员服务
171+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
已删除
架构文摘
3+阅读 · 2019年4月17日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
CNN之卷积层
机器学习算法与Python学习
8+阅读 · 2017年7月2日
Arxiv
0+阅读 · 2021年11月15日
Arxiv
0+阅读 · 2021年11月15日
Arxiv
0+阅读 · 2021年11月13日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
已删除
架构文摘
3+阅读 · 2019年4月17日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
CNN之卷积层
机器学习算法与Python学习
8+阅读 · 2017年7月2日
Top
微信扫码咨询专知VIP会员