用于自主分布式底层动态频谱接入的神经网络认知引擎
网络与互联网体系结构
2020-10-06 v5 机器学习
信号处理
机器学习
摘要
底层动态频谱接入(DSA)的两个关键挑战是如何建立来自主网络(PN)的干扰限制,以及次网络(SN)中的认知无线电(CR)如何意识到它们在 PN 上产生的干扰,尤其当两网络之间无信息交换时。本文通过提出一种完全自主且分布式的底层 DSA 方案来解决这些挑战,其中每个 CR 基于预测其传输对 PN 的影响来运行。该方案基于带有人工神经网络的认知引擎,在不交换网络间信息的情况下,预测距发射 CR 最近的主链路的自适应调制与编码配置。通过管理 SN 对 PN 的影响,所提技术在将 PN 中相对平均吞吐量变化维持在规定最大值以内的同时,还为 CR 找到由 PN 干扰限制所允许的最大吞吐量传输设置。仿真结果表明,该认知引擎估计 CR 传输对完整自适应调制与编码(AMC)模式影响的能力,带来了更精细的底层发射功率控制。与仅能估计 PN 链路所用调制方案的方案相比,该能力也为 CR 提供了更高的传输机会。
引用
@article{arxiv.1806.11038,
title = {Neural Network Cognitive Engine for Autonomous and Distributed Underlay Dynamic Spectrum Access},
author = {Fatemeh Shah-Mohammadi and Andres Kwasinski},
journal= {arXiv preprint arXiv:1806.11038},
year = {2020}
}
备注
Submitted to IEEE Access Journal