Millimeter wave systems leverage beamforming to generate narrow, high-powered beams for overcoming the increased path loss in the millimeter wave spectrum. These beams are spa- tially confined, making millimeter wave links more resilient to eavesdropping and jamming attacks. However, the millimeter wave radios locate each other and establish communica- tion by exhaustively probing all possible angular directions, increasing their susceptibility to attacks. In this thesis, we showcase a secure beam management solution where we apply an adaptive beam management procedure that avoids probing the directions of potential attackers. We employ a reinforcement learning agent to control the probing and dynami- cally restrict sweeps to a subset of beams in the millimeter wave transmitter codebook to avoid the locations of potential attackers based on a proposed metric that quantifies the beam sweeping secrecy over a pre-defined area. We evaluate our proposed system through numerical simulations and an experimental real-life implementation on the CCI xG Testbed. / Master of Science / Millimeter wave systems leverage beamforming, a technique that's used to direct both trans- mission and reception of a signal to create narrow, high-powered beams that can overcome the signal deterioration that comes with millimeter wave spectrum. The spatially confined nature of these beams makes millimeter wave links resilient to eavesdropping and jamming attacks. However, the millimeter wave radios find each other and establish communication by searching every possible angular direction, which increases the potential for the millimeter wave radios to be attacked. In this thesis, we showcase a secure method of establishing this communication link that avoids looking in the direction of a potential attacker. We then employ an artificial intelligence capable of controlling this search by sweeping a subset of all possible directions in the millimeter wave transmitter codebook based on a proposed metric that quantifies the secrecy of communication. We evaluate our proposed system through numerical simulations and an experimental real-life implementation on the CCI xG Testbed.

This research delves into wireless communication systems, with a particular focus on initial access processes, channel modeling, and beamforming strategies. The study involves meticulous channel data collection across diverse urban, suburban, and rural terrains, each presenting unique propagation challenges. The research also simulates a typical communication network with four base stations, adjusting their configurations to suit the varied terrains. A central focus is the implementation of the cell search methodology, including the exploration of random beamforming at both system and cell levels. The findings indicate that the cell-level system configurations do not yield significant performance improvements over the baseline configuration. Furthermore, potential increased costs associated with this strategy are noted. However, it is essential to highlight that this project serves as a critical exploration of the potential benefits of random beamforming at the cell level within non-public network scenarios. While the improvements observed are minimal, the insights gained from this research are poised to guide future research endeavors and contribute to the elimination of uncertainties in the field of wireless communication. / Denna forskning fördjupar sig i trådlösa kommunikationssystem, med särskilt fokus på initiala åtkomstprocesser, kanalmodellering och strålformningsstrategier. Studien involverade noggrann kanaldatainsamling över olika urbana, förorts- och landsbygdsterränger, var och en med unika spridningsutmaningar. Forskningen simulerade också ett typiskt kommunikationsnätverk med fyra basstationer som justerade deras konfigurationer för att passa de varierande terrängerna. Ett centralt fokus var implementeringen av cellsökningsmetoden, inklusive utforskning av slumpmässig strålformning på både system- och cellnivå. Resultaten indikerade att systemkonfigurationerna på cellnivå inte gav signifikanta prestandaförbättringar jämfört med baslinjekonfigurationen. Dessutom noterades potentiella ökade kostnader förknippade med denna strategi. Det är dock viktigt att betona att detta projekt fungerade som en kritisk utforskning av de potentiella fördelarna med slumpmässig strålformning på cellnivå inom icke-offentliga nätverksscenarier. Även om de observerade förbättringarna var minimala, är insikterna från denna forskning redo att vägleda framtida forskningsinsatser och bidra till att eliminera osäkerheter inom området trådlös kommunikation.

Nowadays in the fifth generation (5G) communication systems, millimeter wave (mmWave) has aroused interest to not only industrial use but also network operators due to the massive amount of bandwidth available at mmWave frequencies. Initial access in cellular systems is an essential procedure in which new mobile user equipment (UE) establishes a connection with a base station (BS). However, mmWave relies on highly directional beamforming (BF) to overcome its severe path loss, while the initial access requires a wide beam to obtain sufficient information for beamforming. So the challenge is to handle the balance between highly directional mmWave and fast and reliable initial access. The high path loss of millimetre wave transmission dictates that multiple BSs may be closer and interfere more with each other. We focus our study on two BS parameters under the random search method. In our study, the beamwidth can be different for each BS, but a uniform number of slot limits needs to be chosen for all BSs. Our objective is to obtain the best parameters for each BS in a reasonable period of time. We build a systemlevel simulation in MATLAB and explored a variety of methods to select the best parameters, including reinforcement learning, supervised learning, and genetic algorithms. It is identified that the main challenge of applying reinforcement learning and supervised learning is the exponentially growing variety of BS parameters. A genetic algorithm is able to derive approximate best values in complex relational species. Therefore the genetic algorithm is considered to be able to be applied in scenarios with a high number of BSs. The result shows that reinforcement learning has great performance in a few BS cases, and the genetic algorithm is able to provide a large improvement over most of the BS methods with the same parameters. / I den femte generationens kommunikationssystem har millimetervågor väckt intresse, inte bara inom industrin utan även hos nätverksoperatörer, på grund av den enorma bandbredd som finns tillgänglig vid mmWave-frekvenser. Initial access i cellulära system är ett viktigt förfarande där ny mobil användarutrustning upprättar en anslutning till en basstation. mmWave är dock beroende av starkt riktad strålformning för att övervinna den allvarliga vägförlusten, medan den inledande åtkomsten kräver en bred stråle för att få tillräcklig information för strålformning. Utmaningen består alltså i att hantera balansen mellan mycket riktgivande mmWave och snabb och tillförlitlig initial access. Den höga vägförlusten för millimetervågsöverföring innebär att flera stationära basstationer kan vara närmare varandra och störa varandra mer. Vi fokuserar vår studie på två parametrar för BS med hjälp av metoden för slumpmässig sökning. I vår studie kan strålbredden vara olika för varje BS, men ett enhetligt antal slotgränser måste väljas för alla BS. Vårt mål är att få fram debästa parametrarna för varje BS på en rimlig tidsperiod. Vi bygger upp en simulering på systemnivå i MATLAB och utforskade en rad olika metoder för att välja de bästa parametrarna, bland annat förstärkningsinlärning, övervakad inlärning och genetiska algoritmer. Det konstateras att de största utmaningarna vid tillämpning av förstärkningsinlärning och övervakad inlärning är det exponentiellt växande utbudet av parametrar för BS. Genetisk algoritm kan härleda ungefärliga bästa värden i komplexa relationella arter. Därför anses den genetiska algoritmen kunna tillämpas i scenarier med ett stort antal BSs. Resultatet visar att förstärkningsinlärning har stor prestanda i ett fåtal BS-fall och att genetisk algoritm kan ge en stor förbättring jämfört med de flesta BS-metoder med samma parametrar.