Optimal value of past samples for decision making in cognitive radio networks

Abstract

Contexto: El modelado y predicción del uso del espectro por parte de los PU es un aspecto importante para reducir la interferencia entre los SU y PU, y mejorar el desempeño de la decisión espectral. Lo anterior requiere de información espectral pasada, que permita al algoritmo modelar el comportamiento del PU.
 Objetivo: Determinar el valor óptimo de muestras pasadas y tiempo de recalculo de criterios de decisión, para los algoritmos de toma de decisiones en redes de radio cognitiva.
 Metodología: Se realizan varios experimentos de simulación a partir del algoritmo FFAHP, en dos diferentes enfoques, tiempo-real y mejor-esfuerzo, con tráfico alto y bajo, en la banda de frecuencia GSM. Se realiza un análisis estadístico de los datos obtenidos, variando los parámetros de time range, mientras criteria time permanece constante, y viceversa.
 Resultados: Para tráfico alto es suficiente con tomar 1800 muestras anteriores para calcular el valor inicial de los parámetros y actualizarlos cada 10 minutos (1800). Si el tráfico es bajo es suficiente con tomar 5400 muestras anteriores para calcular el valor inicial de los parámetros y actualizarlos cada 10 minutos (1800).
 Conclusiones: No es necesario un número elevado de muestras anteriores para determinar el valor inicial de los parámetros de decisión para obtener un buen desempeño de la tasa de handoff, así como tampoco lo es para la actualización de los mismos, para un tráfico correspondiente a la banda de frecuencia GSM.
 Financiamiento: El presente trabajo es un resultado de un proyecto de investigación financiado por el Centro de Investigaciones y Desarrollo Científico de la Universidad Distrital Francisco José de Caldas.

Evaluation of the performance of a collaborative proposal of multiple access in cognitive radio networks

“…The cumulative number of spectral handovers obtained during the transmission time or ST of the SU is used as a performance metric to analyze the proposed strategy through the five developed modules. This metric is associated with spectral mobility and allows quantifying the channel shift of the SU (Hernandez et al, 2020a(Hernandez et al, , 2020b. A spectral handover in CRN occurs when an SU must change its channel to continue its communication in another spectral opportunity.…”