Resumen

En las redes vehiculares cognitivas (CVNs), muchas aplicaciones previstas relacionadas con la seguridad requieren una conectividad altamente confiable. Este artículo investiga el problema de la detección de espectro cooperativa robusta y eficiente en CVNs. Proponemos la detección de espectro cooperativa robusta a través de la recuperación de matrices de bajo rango (LRMR-RCSS) en redes vehiculares cognitivas para abordar la incertidumbre de la calidad de los datos de detección potencialmente corruptos mediante la utilización de la matriz de ocupación de espectro real y la matriz de datos corruptos, que tienen una estructura simultáneamente de bajo rango y conjuntamente dispersa. Dado que los datos de detección de los vehículos cognitivos en multitud serían vastos, extendemos nuestro algoritmo de detección de espectro cooperativa robusta a redes vehiculares cognitivas densas a través de la recuperación de matrices de bajo rango ponderadas (WLRMR-RCSS) para reducir la complejidad de la detección de espectro cooperativa

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Detección cooperativa del espectro; Redes vehiculares cognitivas; Algoritmo robusto; Recuperación de matrices de bajo rango; Diversidad de usuarios secundarios; Entorno de tráfico denso.
• Keywords:Cooperative spectrum sensing; Cognitive vehicular networks; Robust algorithm; Low-rank matrix recovery; Secondary user diversity; Dense traffic environment