Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: cooperative spectrum sensing

Sortuj według:

Ogranicz wyniki do:

Mobility-Aware, Correlation-Based Node Grouping and Selection for Cooperative Spectrum Sensing

100%

Cichoń K. , De Nardis L. , Bogucka H. , Di Benedetto M. G.

tom nr 2

90--102

Cooperative spectrum sensing has been proposed as a solution to increase the sensing function accuracy in cognitive radio networks, but the research has, so far, mainly focused on static scenarios, all but neglecting the impact of mobility on spectrum sensing. In this work a novel cooperative spectrum sensing scheme for mobile cognitive networks, based on a correlation-based, mobility-aware node selection algorithm is proposed. Correlation among sensing decisions is used to divide nodes into groups, and mobility is taken into account in the group leaders selection by means of a node selection metric that considers both sensing performance and mobility. Performance of the proposed algorithm is evaluated by computer simulations taking into account mobility and a detailed modeling of temporal and spatial correlation of fading and shadowing components in the channel path loss, going way beyond the performance evaluation carried out in previous works on correlation-based cooperative sensing schemes. Simulation results highlight that the proposed metric leads to a signicant increase of the update period required to maintain acceptable sensing performance, and correspondingly to a strong reduction in the overhead caused by the grouping and node selection procedure.

Cooperative Spectrum Sensing in Cognitive Radio Networks: A Survey on Machine Learning-based Methods

100%

Khamayseh S. , Halawani A.

2020

tom nr 3

36--46

The continuous growth of demand experienced by wireless networks creates a spectrum availability challenge. Cognitive radio (CR) is a promising solution capable of overcoming spectrum scarcity. It is an intelligent radio technology that may be programmed and dynamically conﬁgured to avoid interference and congestion in cognitive radio networks (CRN). Spectrum sensing (SS) is a cognitive radio life cycle task aiming to detect spectrum holes. A number of innovative approaches are devised to monitor the spectrum and to determine when these holes are present. The purpose of this survey is to investigate some of these schemes which are constructed based on machine learning concepts and principles. In addition, this review aims to present a general classiﬁcation of these machine learningbased schemes.

Wiarygodne i energooszczędne metody detekcji zajętości zasobów widmowych w systemach radia kognitywnego

58%

Cichoń K.

tom nr 6

224-229, CD

W referacie przedstawiono wyniki badań implementacyjnych i symulacyjnych nad technikami detekcji zajętości zasobów widmowych, charakteryzującymi się podwyższoną wiarygodnością i/lub oszczędnością energetyczną. W tym celu dokonano implementacji metod detekcji na urządzeniach i oceniono wpływ praktycznych urządzeń na wyniki detekcji. Ponadto, oszacowano zyski płynące z kooperacyjnej detekcji sygnałów także w środowisku wysokiej korelacji. Zidentyfikowano możliwe kierunki energooszczędnej kooperacyjnej detekcji sygnałów i wyznaczono zależności między kierunkami optymalizacji. Ostatecznie, zaproponowano energooszczędne techniki detekcji w szczególności oparte na wyborze i grupowaniu węzłów.

In the paper the results of implementation- and simulation-based spectrum sensing methods with enhanced reliability and/or energy efficiency have been presented. To this aim, selected spectrum sensing techniques have been implemented and the impact of hardware has been assessed. Moreover, the gains which support the cooperation scheme have been assessed including correlation-based scheme. Possible directions in energy-efficient cooperative spectrum sensing have been identified and the dependencies between directions of optimization have been drawn. Finally, the energy-efficient techniques have been developed with the use of node selection and clustering.