面向下一代频谱共享的 generative adversarial network 感知-吞吐权衡
网络与互联网体系结构
2022-12-29 v1 机器学习
摘要
频谱共存对于下一代（NextG）系统与授权（主）用户共享频谱并满足日益增长的带宽需求至关重要。一个例子是3.5 GHz公民宽带无线电服务（CBRS）频带，其中5G及更先进的通信系统需要感知频谱，并在授权用户（如雷达）未发射时以机会方式接入信道。为此，需要基于深度神经网络的高保真分类器以实现低漏检（保护授权用户）和低虚警（为NextG实现高吞吐）。在动态无线环境中，分类器只能在有限时间段内使用，即相干时间。该时段的一部分用于学习以收集感知结果并训练分类器，其余用于传输。在频谱共享系统中，感知时间与传输时间之间存在众所周知的权衡。虽然增加感知时间可提高频谱感知精度，但留给数据传输的时间更少。本文中，我们提出一种生成对抗网络（GAN）方法来生成合成感知结果以扩充深度学习分类器的训练数据，从而可在保持分类器高精度的同时减少感知时间（进而增加传输时间）。我们考虑了加性白高斯噪声（AWGN）和Rayleigh信道，并表明这种基于GAN的方法可显著改善高优先级用户的保护以及NextG用户的吞吐（Rayleigh信道中比AWGN信道中更多）。
引用
@article{arxiv.2212.13598,
title = {Sensing-Throughput Tradeoffs with Generative Adversarial Networks for NextG Spectrum Sharing},
author = {Yi Shi and Yalin E. Sagduyu},
journal= {arXiv preprint arXiv:2212.13598},
year = {2022}
}