Algorytm oceny przydatności kanałów radiowych wykorzystujący uczenie maszynowe Q-learning

• Autorzy: Malon Krzysztof

Identyfikatory

DOI

10.15199/59.2020.7-8.28

Warianty tytułu

EN

Radio channels utility evaluation algorithm using Q-learning

• Konferencja: Krajowa Konferencja Radiokomunikacji, Radiofonii i Telewizji (17-18.09.2020 ; Łódź, Polska)
• Języki publikacji: PL

Abstrakty

PL

W ramach artykułu zaproponowano algorytm oceny przydatności kanałów radiowych bazujący na metodzie uczenia maszynowego Q-learning oraz przedstawiono wyniki badań. Rozważany algorytm, wykorzystujący rezultaty monitorowania zasobów częstotliwościowych, może znaleźć zastosowanie w systemach dynamicznego dostępu do widma. W takich rozwiązaniach wtórni użytkownicy widma realizują transmisje radiowe w wolnych przestrzeniach czasowo–częstotliwościowych.

EN

In this paper, Q-learning based radio channels utility evaluation algorithm is proposed and tested. The considered algorithm, which takes into account the results of frequency resources monitoring, can be used in the dynamic spectrum access systems. In such solutions, secondary spectrum users transmit radio signals on the frequency channels that are temporarily not used by the licensed users.

Słowa kluczowe

PL

dostęp do widma dynamiczny; monitorowanie widma; ocena przydatności kanałów radiowych; radio kognitywne; Q-learning

EN

cognitive radio; dynamic spectrum access; spectrum monitoring; utility evaluation of the radio channels; Q-learning

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2020
• Tom: nr 7-8
• Strony: 259--262, CD
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Malon Krzysztof

• Instytut Systemów Łączności, Wydział Elektroniki, Wojskowa Akademia Techniczna, ul. gen. Sylwestra Kaliskiego 2, 00–908 Warszawa 46

Bibliografia

• [1] „Dynamic Spectrum Sharing Annual Report – 2014”. Wireless Innovation Forum, Document WINNF-14-P-0001, Version V0.2.16.
• [2] Biglieri Ezio, Goldsmith Andrea J., Greenstein Larry J., Mandayam Narayan B., Poor H. Vincent. 2013. „Principles of cognitive radio”. Cambridge University Press, Cambridge.
• [3] Bkassiny Mario, Li Yang, Sudharman K. Jayaweera. 2013. „A survey on machine-learning techniques in cognitive radios”. IEEE Communications Surveys & Tutorials, 15 (3) : 1136–1159.
• [4] Claus Caroline, Boutilier Craig. 1998. „The dynamics of reinforcement learning in cooperative multiagent systems”. Proceedings of the fifteenth national/tenth conference on Artificial intelligence/Innovativeapplications of artificial intelligence, 746– 752.
• [5] Doyle Linda. 2009. „Essentials of cognitive radio”. Cambridge University Press, Cambridge.
• [6] Malon Krzysztof, Skokowski Paweł, Lopatka Jerzy. 2018. „Optimization of wireless sensor network deployment for electromagnetic situation monitoring”. International Journal of Microwave and Wireless Technologies, 10 (7) : 746–753.
• [7] Malon Krzysztof, Skokowski Paweł, Lopatka Jerzy. 2018. „Optimization of the MANET topology in urban area using redundant relay points”. International Conference on Military Communications and Information Systems (ICMCIS), 1–4.
• [8] McHenry Mark, McCloskey Dan, Lane-Roberts George. 2004. „New York City Spectrum Occupancy Measurements”. Shared Spectrum Company.
• [9] Morozs Nils, Clarke Tim, Grace David. 2016. „Distributed heuristically accelerated Q-learning for robust cognitive spectrum management in LTE cellular systems”. IEEE Transactions on Mobile Computing, 15 (4) : 817–825.
• [10] Shared Spectrum Company. 2010. „General survey of radio frequency bands – 30 MHz to 3 GHz”.
• [11] Sithamparanathan Kandeepan, Giorgetti Andrea. 2012. „Cognitive radio techniques”. Artech House.
• [12] Sutton Richard S., Barto Andrew G. 2018. „Reinforcement learning: an introduction” second edition. The MIT Press, Cambridge.
• [13] Yau Kok-Lim Alvin, Komisarczuk Peter, Teal Paul D. 2010. „Applications of reinforcement learning to cognitive radio networks”. IEEE International Conference on Communications Workshops, 1–6.

Uwagi

PL

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).