چارچوب انتخاب کانال مبتنی بر مدل مخفی مارکوف برای شبکه های رادیویی شناختی
چکیده
با توجه به میزان استفاده موثر از طیف فرکانس رادیویی، شبکه رادیویی شناختی (CRN) محبوبیت بیشتری را در زمینه پژوهش حاضر به دست آورده است. تکنیک های حسگری طیف حضور کانال بلااستفاده (idle) را تشخیص داده و مجدداً آن را به به کاربران ثانویه (SU) اختصاص می دهد. با این حال، رویکردهای حسگری طیف و برآورد کانال موجود در حین جستجو برای کانال های جدید موجب تاخیر می گردند. برای کاهش تاخیر و دستیابی به انتخاب بهینه کانال در CRN، مقاله حاضر یک چارچوب انتخاب کانال مبتنی بر مدل مخفی مارکوف (HMM) را پیشنهاد می کند. مکانیسم مسیریابی بهینه مبتنی بر بازه زمانی برای به حداقل رساندن تاخیر رخ داده در خلال جستجوی کانال و بهینه سازی گستره باند طیف معرفی شده است. بنابراین، گستره پهنای باند گره برآورد شده، و کانال به SU اختصاص می یابد. چارچوب پیشنهادی توان عملیاتی انتها به انتها، محصول قدرت – پهنای باند بهتر و زمان اجرا و مصرف انرژی کمتر، و تاخیر انتها به انتهای متوسطی را در مقایسه با طرح های موجود به نمایش می گذارد.
1. مقدمه
شبکه های رادییو شناختی (CRN) [1] مشکلات کمبود طیف رادیویی و بیشینه سازی کارآیی استفاده از طیف را حل می کند. رادیوی شناختی (CR) به عنوان یک فناوری حیاتی برای نسل بعدی شمرده می شود که قابلیت استفاده کارآمد از طیف را ارائه می دهد. شبکه رادییو شناختی (CRN) مجموعه ای از شبکه های اولیه و ثانویه است. مزیت اصلی CR کاهش بهره برداری از منابع طیف استفاده نشده با استفاده از ویژگی قابلیت پیکربندی مجدد و حسگری هوشمند است. به جای منابع طیف، ضریب K کانال و پهنای باند به عنوان پارامترهای ارتباطی اضافی در نظر گرفته شدند [2،3]. رویکرد شناختی اجازه همزیستی شبکه های مختلف را بر روی منابع انتقال مشابه می دهد. در رویکرد پوششی تضمین می گردد که SU هیچ دخالت مضری را برای کاربران اولیه (PU) ایجاد نگردد. سیستم CR مبتنی بر حسگری و قابلیت پیکربندی مجدد ویژگی ها برای تحقق الزامات فوق می باشد. کاربران می توانند به شیوه چند هاپه و یا ارتباط با ایستگاه پایه (BS) به یکدیگر متصل گردند. کاربران CR هم می توانند به شیوه چند هاپه و یا تماس با BS به یکدیگر متصل گردند.
Abstract
Due to the effective utilization rate of the radio frequency spectrum, Cognitive Radio Network (CRN) has gained more popularity in the current research field. The spectrum sensing techniques detect the presence of the idle channel and reallocate to the Secondary Users (SUs). However, the existing spectrum sensing and channel estimation approaches incurs delay while searching for the new channels. To reduce the delay and achieve optimal selection of the channel in CRN, this paper proposes a Hidden Markov Model (HMM)-based channel selection framework. The Time-Slot based optimal routing mechanism is introduced to minimize the delay occurred during the channel search and optimize the range of the spectrum band. Therefore, the bandwidth range of the node is estimated, and the channel is allocated to the SU. The proposed framework exhibit better end-to-end throughput, bandwidth-power product and lower running time, energy consumption, and average end-to-end delay when compared to the existing schemes.
1. Introduction
CRN [1] solves the radio spectrum scarcity problems and maximizing the spectrum utilization efficiency. The Cognitive Radio (CR) is considered as a vital technology for the next generation that offers the capability for the efficient utilization of the spectrum. CRN is a collection of the primary and secondary networks. The main benefit of the CRs is to reduce the exploitation of the unused spectrum resources by using the characteristics of reconfigurability and intelligent sensing. Instead of the spectrum resources, the channel K-factor and bandwidth are considered as the additional communication parameters [2,3]. The cognitive approach is to permit the coexistence of various networks on the same transmission resources. In the overlay approach, it is ensured that the SUs do not produce any detrimental interference to the Primary Users (PUs). The CR system is based on the sensing and reconfigurability characteristics to fulfill the above requirements. The users can either interconnect with each other in a multi-hop manner or contact the Base Station (BS). The CR users can either interconnect with each other in a multi-hop manner or contact the BS.
چکیده
1. مقدمه
2. کارهای مرتبط
3. چارچوب انتخاب کانال مبتنی بر HMM
3.1. تشکیل شبکه
3.2. تخصیص کانال
3.3. برآورد کانال
3.4. مکانیزم مسیریابی
4. تجزیه و تحلیل عملکرد
4.1. مقایسه زمان اجرا
4.2. توان عملیاتی انتها به انتها در برابر اندازه شبکه
4.3. مصرف انرژی در هر بیت ترافیک در مقابل اندازه شبکه
4.4. محصول قدرت - پهنای باند
4.5. میانگین تاخیر انتها به انتها
5. نتیجه گیری و کارهای آتی
Abstract
Graphical abstract
Keywords
1. Introduction
2. Related work
3. HMM-based channel selection framework
3.1. Network formation
3.2. Channel allocation
3.3. Channel estimation
3.4. Routing mechanism
4. Performance analysis
4.1. Run time comparison
4.2. End-to-end throughput vs. network size
4.3. Energy consumption per bit of traffic vs. network size
4.4. Bandwidth-power product
4.5. Average end-to-end delay
5. Conclusion and future work
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه