COGNITIVA
Redes de Ingeniera
RESUMEN
Uno de los grandes desafos de la radio cognitiva es establecer la forma adecuada para realizar predicciones en las diferentes fases que
componen un radio cognitivo. A partir de las estimaciones se pueden
determinar el estado y caractersticas de los canales, la actividad de
los usuarios primarios y secundarios, la movilidad espectral; todo ello
con el fin de que los nodos no licenciados puedan aprovechar adecuadamente y de manera oportunista las bandas subutilizadas. En este
artculo se presenta una revisin de algunas de las tcnicas ms relevantes que han sido aplicadas en la prediccin espectral en la radio
cognitiva.
Palabras clave: radio cognitiva, algoritmos, red neuronal, lgica
difusa, regresin lineal, etapas de la radio cognitiva.
ABSTRACT
One of the great challenges of cognitive radio is to establish the correct
way to make future predictions in the different phases in a cognitive
radio. From estimates can determine the status and characteristics
of the channels, the activity of the primary and secondary users, the
spectral mobility; all this in order that the nodes are not properly licensed and can take advantage of underutilized bands opportunistic
way. This article reviews some of the most relevant techniques that
have been used in spectral prediction in Cognitive Radio is presented.
55
Vol. 5 No. 2 Pg. 55-65 Diciembre 2014 E-ISSN: 2248 762X Universidad Distrital Francisco Jos de Caldas
1. INTRODUCCIN
Redes de Ingeniera
Danilo Alfonso Lpez Sarmiento / Edwin Rivas Trujillo / Oscar Gualdrn Guerrero
56
Redes de Ingeniera
Pn = 0, ..., Si (K + n - 1) = 0 =
(1)
fn + 1 (0)
fn + 1 (0) + fn + 1 (1)
Vol. 5 No. 2 Pg. 55-65 Diciembre 2014 E-ISSN: 2248 762X Universidad Distrital Francisco Jos de Caldas
Redes de Ingeniera
Figura 3. Diagrama de bloques de estimacin bajo condicin de estado crtico de disponibilidad de energa en las
bateras [5]
Danilo Alfonso Lpez Sarmiento / Edwin Rivas Trujillo / Oscar Gualdrn Guerrero
58
Redes de Ingeniera
59
Vol. 5 No. 2 Pg. 55-65 Diciembre 2014 E-ISSN: 2248 762X Universidad Distrital Francisco Jos de Caldas
Redes de Ingeniera
Figura 5. Diagrama de flujo con base en el mtodo de prediccin de correlacin (elaboracin de los autores a partir del
algoritmo [11])
Danilo Alfonso Lpez Sarmiento / Edwin Rivas Trujillo / Oscar Gualdrn Guerrero
60
Redes de Ingeniera
Figura 6. Diagrama de flujo usando regresin lineal (elaboracin de los autores a partir del algoritmo [11])
61
Donde el BERS, es la tasa de error de bit del canal secundario, BERP la tasa de error de bit del
canal primario, CS la capacidad mxima del canal para el canal secundario, y CP la capacidad
mxima del canal para el canal primario y la
Uestimada est dada por la ecuacin (3).
Uestimada = Ton
Toff
(3)
Vol. 5 No. 2 Pg. 55-65 Diciembre 2014 E-ISSN: 2248 762X Universidad Distrital Francisco Jos de Caldas
Redes de Ingeniera
Figura 7. Diagrama de flujo para la estrategia de prediccin y asignacin de canal basada en lgica difusa [13]
y lj =
1 - exp (- v lj)
1 + exp (- v lj)
(4)
l- 1
Danilo Alfonso Lpez Sarmiento / Edwin Rivas Trujillo / Oscar Gualdrn Guerrero
62
Redes de Ingeniera
Figura 8. Perceptrn multicapa en redes neuronales: a) ejemplo de un modelo de red neuronal, b) proceso de
l
computacin de una neurona n j [1]
El proceso de entrenamiento de la red se muestra en la figura 9, donde los parmetros del predictor se actualizan utilizando el algortimo de
aprendizaje supervisado (BP) [19], para ajustar el nivel de error a la salida del sistema al
valor ms pequeo. Los patrones de entrenamiento se obtienen ordenando la totalidad de
las series binarias x1T dentro del vector de en63
Vol. 5 No. 2 Pg. 55-65 Diciembre 2014 E-ISSN: 2248 762X Universidad Distrital Francisco Jos de Caldas
et = xt + 1 - xtt + 1
et = xt + 1 - y10
(5)
El entrenamiento del algoritmo tiene como objetivo minimizar el valor et, lo que redundar a
su vez en una prediccin acertada.
4. CONCLUSIONES
Referencias
[1]
[2]
[3]
[4]
[5]
Redes de Ingeniera
[6]
[7]
[8]
[9]
[10]
Danilo Alfonso Lpez Sarmiento / Edwin Rivas Trujillo / Oscar Gualdrn Guerrero
64
Redes de Ingeniera
[11]
[12]
[13]
[14]
[15]
65
[16]
[17]
[18]
[19]
Vol. 5 No. 2 Pg. 55-65 Diciembre 2014 E-ISSN: 2248 762X Universidad Distrital Francisco Jos de Caldas