Implementación de un modelo predictor para la toma de decisiones en redes inalámbricas de radio cognitiva

La etapa de toma de decisiones espectrales en redes de radio cognitiva (CRNs) con topologías centralizadas depende entre otras variables de la fiabilidad del modelo de caracterización de los usuarios primarios (PUs), del método de procesamiento de las solicitudes en la estación base (BS) y del algoritmo de selección de canales; de acuerdo con (Masonta, Mzyece, & Ntlatlapa, 2013), (López, Trujillo, & Gualdron, 2015) entre otros autores, se hace necesario proponer y/o aplicar metodologías que estimen con mayor acierto la presencia/ausencia de los PUs en los canales licenciados, perfeccionar la forma en que se procesan las solicitudes en la BS y mejorar la sub-etapa de selección y asignación de canales en la CRN. En este sentido la tesis doctoral propone: 1) el uso de LSTM, ANFIS-GRID-FCM y SVM para predecir el comportamiento de los PUs, 2) plantea la posibilidad de gestionar anticipadamente las solicitudes de los usuarios secundarios en la BS (utilizando MLPNN) buscando reducir el tiempo necesario para la asignación del espectro, 3) generar esquemas de selección de canales eficientes basados en la clasificación del espectro a partir de las técnicas de aprendizaje SVM y ANFIS. La metodología seguida para evaluar/validar los algoritmos que forman el sistema de toma de decisiones incluye como fuente de información la utilización de una base de datos que contiene el comportamiento espectral de PUs en diferentes canales en la banda licenciada GSM y de uso libre WiFi, y la generación mediante simulación de tráfico con criterios de QoS para los SUs; los lenguajes de programación utilizados para la construcción de los algoritmos se basa en el uso de C#, Java Script y Matlab. Los resultados evidencian: 1) un mayor porcentaje de acierto en la caracterización con LSTM y ANFIS-GRID-FCM, 2) una disminución en el tiempo de selección y asignación de canales mediante la utilización de una estrategía proactiva para la gestión de las solicitudes de los SUs en relación con el existente en el estado del arte, 3) que SVM y ANFIS son técnicas válidas para ser utilizadas en la selección de canales. Como conclusión, el sistema de toma de decisiones propuesto debe ser considerado como un aporte adicional para el mejoramiento de la etapa de decisión espectral en CRNs basadas en infraestructura, que debe ser mejorado/complementado incluyendo factores tan importantes como la caracterización de los usuarios secundarios, la generación de esquemas que permitan la autoconfiguración de los nodos cognitivos, e integración de otras etapas de la CR como la movilidad espectral con el fin de determinar la viabilidad de su implementación a escala real.

• Tipo de recurso: Doctoral thesis
• Fecha de publicación: 2017
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/6739
• Acceso en línea: http://hdl.handle.net/11349/6739
• Palabra clave: Radio cognitiva; Toma de decisiones espectrales; Estrategía reactiva y proactiva en toma de decisiones espectrales; Redes neuronales recurrentes; Inteligencia Artificial; Probabilidad de arribo; Doctorado en Ingeniería - Tesis y disertaciones académicas; Inteligencia artificial; Redes locales inalámbricas; Algoritmos; Redes neurales (Computadores); Cognitive radio; Spectral decision making; Reactive and proactive strategy in spectral decision making; Recurrent neural networks; Artificial intelligence; Probability of arrival
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional