Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Kumar, L." wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Developing a Secure Image Steganographic System Using TPVD Adaptive LSB Matching Revisited Algorithm for Maximizing the Embedding Rate
Autorzy:
Mohan Kumar, P.
Shanmuganathan, K. L.
Powiązania:
https://bibliotekanauki.pl/articles/309092.pdf
Data publikacji:
2011
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
executable file
LSBMR
spatial domain
steganalysis
TPVD
Opis:
Steganography is the approach for hiding any secret message in a variety of multimedia carriers like images, audio or video files. Whenever we are hiding a data, it is very important to make it invisible, so that it could be protected. A number of steganographic algorithms have been proposed based on this property of a steganographic system. This paper concentrates on integrating Tri way pixel value differencing approach and LSB matching revisited. The secret data embedded in images were images, text and audio signals so far. The proposed scheme has also come with the executable file as secret data. Also, the experimentation results show that, the important properties of a steganographic system such as imperceptibility, capacity of the carrier image and also resistance against the various steganalytic tools have also been achieved with this stego-system.
Źródło:
Journal of Telecommunications and Information Technology; 2011, 2; 61-66
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of an LSTM-based NOMA Detector Over Time Selective Nakagami-m Fading Channel Conditions
Autorzy:
Shankar, Ravi
Bangare, Jyoti L.
Kumar, Ajay
Gupta, Sandeep
Mehraj, Haider
Kulkarni, Shriram S.
Powiązania:
https://bibliotekanauki.pl/articles/2142313.pdf
Data publikacji:
2022
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
deep learning
DL
multiple-input multiple-output
MIMO
non-orthogonal multiple access
NOMA
orthogonal multiple access
OMA
Opis:
This work examines the efficacy of deep learning (DL) based non-orthogonal multiple access (NOMA) receivers in vehicular communications (VC). Analytical formulations for the outage probability (OP), symbol error rate (SER), and ergodic sum rate for the researched vehicle networks are established Rusing i.i.d. Nakagami-m fading links. Standard receivers, such as least square (LS) and minimum mean square error (MMSE), are outperformed by the stacked long-short term memory (S-LSTM) based DL-NOMA receiver. Under real time propagation circumstances, including the cyclic prefix (CP) and clipping distortion, the simulation curves compare the performance of MMSE and LS receivers with that of the DL-NOMA receiver. According to numerical statistics, NOMA outperforms conventional orthogonal multiple access (OMA) by roughly 20% and has a high sum rate when considering i.i.d. fading links.
Źródło:
Journal of Telecommunications and Information Technology; 2022, 3; 17--24
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies