کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4954635 1443896 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Real-time spectrum occupancy monitoring using a probabilistic model
ترجمه فارسی عنوان
نظارت بر اشغال طیف زمان واقعی با استفاده از یک مدل احتمالی
کلمات کلیدی
ترجمه چکیده
کمبود طیف رادیویی انگیزه جستجو برای روش های بهینه و کارآمدتر مدیریت طیف است. یکی از این روشها به اشتراک گذاری طیف است که تعدادی از دستگاه هایی را که می توانند از این منبع استفاده کنند بدون ایجاد تداخل مضر به مجوز ها، افزایش می دهند. به اشتراک گذاری طیف نیاز به اسکن طیف برای به دست آوردن آگاهی از الگوهای اشغال طیف و تصمیم گیری در مورد چگونگی تخصیص دسترسی به این منبع. این فرآیند به طور سنتی با سنجش کانال برای تعیین وضعیت آن، اشغال یا خالی انجام شده است و سپس با استفاده از استنتاج مکرر برای تخمین هزینه های کانال انجام می شود. با این حال، استنتاج مکرراست، عدم اطمینان را مرتفع نمیکند و احتمال بروز زنگ خطر و تشخیص نادرست را در هنگام برآورد میزان جذب کانال در نظر نمیگیرد. از سوی دیگر، استنتاج بیزی می تواند با عدم توجه به تأثیر این پارامترها بر نتایج سنجش طیف، رسیدگی کند. علاوه بر این، ممکن است دانش پیشین را در ساخت مدل های بیزی برای یادگیری و تصمیم گیری نااطمینی در نظر بگیریم. در این مقاله، ما یک روش اسکن طیفی، استنباط بیزی برای تخمین میزان اشغال کانال پیشنهاد می کنیم. یکی از مزیت های این روش این است که احتمالات زنگ نادرست و تشخیص سنسور طیف را مورد توجه قرار می دهد. این ویژگی باعث می شود برآورد میزان جذب کانال دقیق تر باشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
نظارت بر اشغال طیف زمان واقعی با استفاده از یک مدل احتمالی
چکیده انگلیسی
The scarcity of the radio spectrum has motivated a search for more optimal and efficient spectrum management methods. One of these methods is spectrum sharing, which multiplies the number of devices that can use this resource without causing harmful interference to licensees. Spectrum sharing requires spectrum scanning to gain awareness of the spectrum occupancy patterns and decide how to allocate access to this resource. This process has been traditionally done by sensing the channel to determine its state, occupied or empty, and then using frequentist inference to estimate the channel occupancy. However, frequentist inference does not handle uncertainty and does not take into account the probabilities of false alarm and detection when estimating the channel occupancy rate. On the other hand, Bayesian inference can handle uncertainty by considering the impact of these parameters on spectrum sensing results. Additionally, it is possible to include previous knowledge into the construction of Bayesian models to learn and make decision under uncertainty. In this paper, we propose a spectrum scanning method, Bayesian inference, to estimate the channel occupancy rate. One advantage of this method is that it takes into consideration the probabilities of false alarm and detection of the spectrum sensor. This feature makes the estimation of the channel occupancy rate more accurate.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Networks - Volume 124, 4 September 2017, Pages 87-96
نویسندگان
, , , ,