Broadcast channels are fundamental components of wireless communication systems, extensively utilized in various applications such as the Internet of Things (IoT). However, security poses a significant concern in such networks due to their broadcast nature, making them vulnerable to unauthorized access and eavesdropping. Physical layer security, among other security measures, is crucial for enhancing the security posture of broadcast channels and is often integrated into cross-layer design approaches. Analyzing the performance of secure broadcast channels is a complex endeavor, compounded by several critical factors. Issues such as fading, interference from nearby transmissions, and path loss significantly influence key performance metrics like average packet delay and throughput. The consideration of bursty traffic remains largely unexplored in these systems. The utilization of traffic characteristics such as random arrivals can further improve the performance of those systems without sacrificing security.

The main contribution of this thesis is addressing these factors in a holistic way for ensuring the efficient operation of broadcast channels. More specifically, proposing and studying congestion control policies as an effective strategy to manage packet transmission flow can mitigate the adverse effects of factors like interference and path loss on average packet delay. By maintaining a balanced transmission flow, congestion control policies help alleviate delays caused by channel impairments. Decoding schemes also play a pivotal role in optimizing network performance. Successive decoding, in particular, offers superior performance compared to treating interference as noise, leveraging higher-quality communication channels more effectively to improve overall network performance. Furthermore, adjusting packet transmission power based on channel conditions can help mitigate interference issues. Utilizing reinforcement learning techniques enables dynamic adjustment of transmission power, allowing the system to adapt to changing channel conditions and optimize performance accordingly. Addressing issues like interference, path loss, and packet delay is crucial for optimizing the performance of secure broadcast channels. By employing congestion control policies, optimizing decoding schemes, and leveraging reinforcement learning for power control, broadcasters can enhance network efficiency and security in various wireless communication applications.

This thesis proposes an integrated approach to enhancing the performance and security of broadcast channels by addressing key performance bottlenecks. Unlike existing studies that focus separately on congestion control, decoding strategies, or power adaptation, we present a holistic framework that combines these techniques to mitigate interference, reduce packet delay, and optimize throughput. Specifically, we propose the use of congestion control policies to regulate packet transmission flow, thereby minimizing the impact of interference and path loss on latency. Additionally, we explore the benefits of successive decoding over conventional interference-as-noise approaches, demonstrating its ability to leverage high-quality communication channels for improved network efficiency. Finally, we introduce a reinforcement learning-based power control mechanism that dynamically adjusts transmission power in response to channel conditions, enabling adaptive interference mitigation and enhanced system performance.

Broadcast-kanaler är grundläggande komponenter i trådlösa kommunikationssystem och används i stor utsträckning inom olika tillämpningar, såsom sakernas internet (IoT). Dock utgör säkerhet en betydande utmaning i sådana nätverk på grund av deras sändningskaraktär, vilket gör dem sårbara för obehörig åtkomst och avlyssning. Säkerhet på den fysiska nivån, tillsammans med andra säkerhetsåtgärder, är avgörande för att stärka säkerheten i sändningskanaler och integreras ofta i tvärskiktsdesign. Att analysera prestandan hos säkra sändningskanaler är en komplex uppgift som försvåras av flera kritiska faktorer. Problem såsom fading, interferens från närliggande överföringar och signalförlust påverkar avsevärt nyckelprestandamått, såsom genomsnittlig paketfördröjning och genomströmning. Hänsyn till burst-trafik är fortfarande till stor del outforskad i dessa system. Genom att utnyttja trafikegenskaper såsom slumpmässiga ankomster kan systemens prestanda förbättras ytterligare utan att kompromissa med säkerheten.

Huvudbidraget i denna avhandling är att hantera dessa faktorer på ett holistiskt sätt för att säkerställa en effektiv drift av sändningskanaler. Mer specifikt föreslås och studeras överbelastningskontrollpolicys som en effektiv strategi för att hantera paketöverföringsflödet, vilket kan mildra de negativa effekterna av faktorer såsom interferens och signalförlust på genomsnittlig paketfördröjning. Genom att upprätthålla ett balanserat överföringsflöde bidrar överbelastningskontrollpolicys till att minska förseningar orsakade av kanalnedsättningar. Även avkodningsscheman spelar en avgörande roll i att optimera nätverksprestanda. Successiv avkodning erbjuder särskilt överlägsen prestanda jämfört med att behandla interferens som brus, eftersom den effektivare utnyttjar kommunikationskanaler av högre kvalitet för att förbättra nätverkets övergripande prestanda. Vidare kan justering av paketöverföringseffekt baserat på kanalens tillstånd bidra till att mildra interferensproblem. Genom att använda förstärkningsinlärningstekniker kan systemet dynamiskt anpassa överföringseffekten, vilket möjliggör anpassning till förändrade kanalvillkor och optimering av prestanda. Att hantera problem såsom interferens, signalförlust och paketfördröjning är avgörande för att optimera prestandan hos säkra sändningskanaler. Genom att använda överbelastningskontrollpolicys, optimera avkodningsscheman och utnyttja förstärkningsinlärning för effektkontroll kan nätverksoperatörer förbättra både effektivitet och säkerhet i olika trådlösa kommunikationsapplikationer.

Denna avhandling föreslår en integrerad strategi för att förbättra prestanda och säkerhet i sändningskanaler genom att adressera centrala flaskhalsar. Till skillnad från befintliga studier, som behandlar överbelastningskontroll, avkodningsstrategier eller effektanpassning separat, presenterar vi en holistisk ram som kombinerar dessa tekniker för att minska interferens, minimera paketfördröjning och optimera genomströmning. Mer specifikt föreslår vi användningen av överbelastningskontrollpolicys för att reglera paketöverföringsflödet, vilket minimerar effekterna av interferens och signalförlust på latens. Dessutom undersöker vi fördelarna med successiv avkodning jämfört med konventionella metoder där interferens behandlas som brus och visar dess förmåga att utnyttja högkvalitativa kommunikationskanaler för förbättrad nätverkseffektivitet. Slutligen introducerar vi en förstärkningsinlärningsbaserad effektkontrollmekanism som dynamiskt justerar överföringseffekten beroende på kanalens tillstånd, vilket möjliggör adaptiv interferensdämpning och förbättrad systemprestanda.