Causal Inference for Jamming Detection in Adverse Scenarios

Arcangeloni, Luca (2021) Causal Inference for Jamming Detection in Adverse Scenarios. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria elettronica e telecomunicazioni per l'energia [LM-DM270] - Cesena, Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore. (Contatta l'autore)


The goal of this thesis is the development of an anti-jamming defense mechanism based on causal inference. The current state-of-the-art methods to compute causality, i.e., Granger Causality (GC), Transfer Entropy (TE) and Convergent Cross Mapping (CCM) are presented and they are used to detect the smart jammer into an appropriate simulation environment. The performances of the causality tools are evaluated, pointing out how the TE obtains the best results while the GC fails the detection of the intruder. The innovative CCM algorithm, instead, requires to function a deterministic structure of the communications. In the first part of the work, before that simulation environment is impemented, the three methods are compared to underline their theoretical advantages and disadvantages.

Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Arcangeloni, Luca
Relatore della tesi
Correlatore della tesi
Corso di studio
Ordinamento Cds
Parole chiave
Causality,Transfer Entropy,Spectrum patrol,Jammer,Cognitive Radio
Data di discussione della Tesi
1 Ottobre 2021

Altri metadati

Gestione del documento: Visualizza il documento