Predykcja stanu kanału z wykorzystaniem ukrytych Modeli Markowa w sieciach radia kognitywnego

• Autorzy: Bednarczyk W. , Gajewski P.

Identyfikatory

DOI

10.15199/59.2016.6.90

Warianty tytułu

EN

Hidden Markov Model based channel state prediction in cognitive radio networks

• Konferencja: Krajowa Konferencja Radiokomunikacji, Radiofonii i Telewizji KKRRiT 2016 (XVI ; 27-29.06.2016 ; Kraków, Polska)
• Języki publikacji: PL

Abstrakty

PL

Predykcja stanu kanału, czyli oszacowanie prawdopodobieństwa, czy kanał będzie wolny, czy zajęty, pozwala na skuteczniejsze zarządzanie widmem w sieciach radia kognitywnego. W artykule przedstawiono ocenę zastosowania ukrytych modeli Markowa do predykcji stanu kanału radiowego, na podstawie oszacowania prawdopodobieństwa poprawnej i fałszywej detekcji. Uzyskane prawdopodobieństwo predykcji stanu kanału potwierdza potencjalne możliwości modelu dla sieci radia kognitywnego z oportunistycznym dostępem do widma.

EN

Cognitive radio (CR) networks can be designed to manage the radio spectrum more efficiently by utilizing of temporarily not used channels in licensed frequency bands. In this paper, we propose to use so called Hidden Markov Models (HMM) to predict the spectrum occupancy of sharing radio bands. The results obtained using HMM are very promising and they show that HMM offer a new paradigm for predicting channel behavior in cognitive radio.

Słowa kluczowe

PL

HMM; predykcja; Radio kognitywne; Ukryte Modele Markowa

EN

Cognitive radio; hidden Markov model; HMM; prediction

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2016
• Tom: nr 6
• Strony: 536--539, CD
• Opis fizyczny: Bibliogr. 7 poz., wykr., tab.

Twórcy

autor

Bednarczyk W.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut Telekomunikacji, Gen. S. Kaliskiego 2, 00-908 Warszawa

autor

Gajewski P.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut Telekomunikacji, Gen. S. Kaliskiego 2, 00-908 Warszawa

Bibliografia

• [1] H. Bogucka, „Technologie radia kognitywnego”, PWN, Warszawa 2013.
• [2] E. Figielska, „Ewolucyjne metody uczenia ukrytych modeli Markowa”, Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki, 2011
• [3] Z. Ghahramani, „An Introduction to Hidden Markov Models and Bayesian Networks”, International Journal of Pattern Recognition and Artificial Intelligence, 2001
• [4] V. Tumuluru, P. Wang, D. Niyato, „Channel status prediction for cognitive radio networks”, Wireless Communications and Mobile Computing, 2010
• [5] K. Woods, K.W. Bowyer, „Generating ROC curves for artificial neural networks”, IEEE Engineering in Medicine and Biology Society, 1997.
• [6] I. Akbar, W. Tranter, “Dynamic Spectrum Allocation in Cognitive Radio Using Hidden Markov Models: Poisson Distributed Case”, pp.196-201, Print ISBN: 1-4244-1028-2
• [7] M. Oudelha, R. Ainon, „HMM Parameters Estimation Using Hybrid Baum Welch Genetic Algorithm”, pp.542-545, Print ISBN: 978-1-4244-6715-0