基于混沌递归神经网络的认知无线电网络拥塞时段频谱接入优化
信号处理
2018-07-19 v1
摘要
基于美国联邦通信委员会的理论，认知无线电网络中的可用频谱有限，且频谱的非最优使用使得有必要建立一种电信模型，以便该模型能够利用现有的频谱位置。在此频谱订阅场景下，当主用户不在时，也可将该电信资源分配给未授权或次级的租户。使用此场景的挑战在于为其分配时频资源，以及如何在主用户与次级用户之间无任何交互的情况下在一个信道中接入节点并提高吞吐量。本研究的主要思想是采用混沌递归神经网络来改善拥塞时段的频谱接入，主要目的是降低干扰并提高认知无线电网络的吞吐量。在该方法中，除吞吐量外，还考虑了数据包的不必要阻塞量、次级用户操作成本的降低、次级用户的硬件需求以及公平系数；这实际上是一种针对环境响应的新信道分配过程，其更新了后续时段信道为空的概率，并通过混沌递归神经网络减少干扰来提高通透性。
引用
@article{arxiv.1807.07000,
title = {Spectrum accessing optimization in congestion times in radio cognitive networks based on chaotic neural networks},
author = {Mahdi Mir},
journal= {arXiv preprint arXiv:1807.07000},
year = {2018}
}
备注
cognitive radio network, spectrum access, primary user, secondary user, chaotic recurrent neural network