用于感知与建模物联网频段干扰的机器学习框架
机器学习
2021-06-14 v1
摘要
过去几年新技术的出现使频谱稀缺成为无线通信中一个突出问题。因此,亟需更好地理解支持物联网的新兴接入技术下的频谱占用情况。本文提出一种框架,用于捕获和建模共享频段中物联网应用的短时频谱占用流量行为,以确定存在的干扰。所提出的捕获方法利用软件定义无线电,通过捕获时间序列数据来监测物联网传输的短突发,并将其转换为功率谱密度以提取观测占用情况。此外,我们提出使用无监督机器学习技术来增强传统实现的能量检测方法。实验结果表明,频谱的时域和频域行为可通过半马尔可夫链与泊松分布到达率这两种模型的组合很好地捕获。我们在不同城市环境中开展了广泛的测量活动,并纳入了空间效应对物联网共享频谱的影响。
引用
@article{arxiv.2106.06010,
title = {Machine Learning Framework for Sensing and Modeling Interference in IoT Frequency Bands},
author = {Bassel Al Homssi and Akram Al-Hourani and Zarko Krusevac and Wayne S T Rowe},
journal= {arXiv preprint arXiv:2106.06010},
year = {2021}
}