تخمین کور تعداد کاربران در شبکه های TDMA با استفاده از اضافات کدگذاری تطبیقی کانال
Publish place: Electronic and cyber defense، Vol: 6، Issue: 2
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 520
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_PADSA-6-2_002
Index date: 18 April 2020
تخمین کور تعداد کاربران در شبکه های TDMA با استفاده از اضافات کدگذاری تطبیقی کانال abstract
انجام یک مهندسی معکوس (یا شناسایی کور) کامل دریک محیط جنگ الکترونیک، منجر به آشکار سازی اطلاعات انتقالی توسط یک سیگنال دریافتی می گردد. تمرکز تحقیقات انجام شده در حوزه شناسایی کور، بر روی ارتباطات مخابراتی یک سویه و غیر شبکه ای بوده است که در آنها هدف آشکارسازی اطلاعات ارسالی توسط یک فرستنده مشخص می باشد. اولین قدم در شناسایی شبکه های مخابراتی، تخمین تعداد کاربران فعال در این شبکه ها می باشد. در این مقاله، مسئله تخمین تعداد کاربران در شبکه های مبتنی بر دسترسی چندگانه تسهیم زمانی (TDMA) مورد بررسی قرار می گیرد. این تخمین می تواند با استفاده مستقیم از سیگنال های الکترومغناطیسی دریافتی و تحلیل لایه فیزیکی انجام شود. اما به دلایل مختلفی مانند محدودیت های سخت افزاری و یا عدم حصول نتایج دقیق به دلیل نزدیکی کاربران فعال به یکدیگر، همیشه امکان استفاده از این روش وجود ندارد. در چنین شرایطی، روش دیگر برای تخمین تعداد کاربران، استفاده از تحلیل اطلاعات لایه های بالاتر در ساختار شبکه می باشد. در این مقاله، با استفاده از اطلاعات اضافی تحمیلی توسط کدگذاری تطبیقی کانال، روشی برای تخمین تعداد کاربران فعال شبکه ارائه شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی دارای مقاومت مناسبی در برابر خطای کانال می باشد به طوری که در نسبت سیگنال به نویز 3/7 دسی بل، دقت الگوریتم حدود 80% است.
تخمین کور تعداد کاربران در شبکه های TDMA با استفاده از اضافات کدگذاری تطبیقی کانال Keywords:
تخمین کور تعداد کاربران در شبکه های TDMA با استفاده از اضافات کدگذاری تطبیقی کانال authors
مرتضی احمدیان
دانشگاه تهران
مهدی تیموری
تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :