认知无线电网络中干扰信道的约束贝叶斯主动学习
信息论
2018-03-14 v1 机器学习
math.IT
摘要
本文提出了一种用于干扰约束学习的顺序探测方法，以允许集中式认知无线电网络（CRN）在具有设计好的主用户（PU）保护规范的底层认知场景下访问 PU 的频带。其主要思想是，CRN 探测 PU 并随后窃听反向 PU 链路以获取二进制 ACK/NACK 数据包。该反馈指示探测引起的干扰是否有害，并可用于学习 PU 的干扰约束。该顺序探测过程的认知部分在于 Secondary Users (SUs) 功率电平的选择，其旨在以最小数量的探测尝试学习 PU 干扰约束，同时在时间窗口内限制有害的探测引起干扰事件的数量或等效的 NACK 数据包观测数量。该约束设计问题在主动学习（AL）框架下进行研究，并推导出了最优解，利用一种复杂、准确且快速的贝叶斯学习方法——期望传播（EP）——予以实现。该解的性能也通过数值模拟进行了演示，并与我们在早期工作中开发的 AL 技术的修改版本进行了比较。
引用
@article{arxiv.1710.08335,
title = {Constrained Bayesian Active Learning of Interference Channels in Cognitive Radio Networks},
author = {Anestis Tsakmalis and Symeon Chatzinotas and Björn Ottersten},
journal= {arXiv preprint arXiv:1710.08335},
year = {2018}
}
备注
14 pages, 6 figures, submitted to IEEE JSTSP Special Issue on Machine Learning for Cognition in Radio Communications and Radar