REM based approach for hidden node detection and avoidance in cognitive radio networks

Farnham, Tim

doi:10.1109/glocom.2012.6503308

Cited by 8 publications

(5 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…En [8], se propuso el concepto del Mapa del Entorno Radioeléctrico (REM) en un enfoque amplio y genérico. REM explota las mediciones realizadas por los dispositivos (nivel de señal, interferencia, carga, etc.)…”

Section: Trabajos Relacionadosunclassified

“…Sin embargo, en la red neuronal, el valor de ℎ . ( % ) = cΘ (8) % d, el vector % (correspondiente a los valores que tiene las neuronas en la capa oculta) es igual a cΘ (0) % d, donde Θ (8) y Θ (0) son las matrices de pesos hacia la capa oculta y la capa de salida respectivamente. Todo esto hace que vector de derivadas parciales (gradiente) sea más complejo de obtener que para una regresión.…”

Section: Regresión Logísticaunclassified

“…Para el entrenamiento de la red neuronal, se optimizó ( ), formulada en (6), con el conjunto de datos de entrenamiento { + , + } , con respecto a las matrices de pesos Θ (0) y Θ (8) . Los valores óptimos de los mismos son:…”

Section: Regresión Neuronalunclassified

“…De forma similar, la fila de Θ (8) corresponde a la salida ℎ . ( % ) y las columnas a los pesos de las salidas de las neuronas a G , a 0 , a 8 y a F .…”

Section: Regresión Neuronalunclassified

See 3 more Smart Citations

Detección de Nodos en Zonas Ocultas en redes LAA a través de Aprendizaje Automático Supervisado

Aguiar

Yucailla

Lascano

et al. 2020

RITI

View full text Add to dashboard Cite

Resumen: La operación LTE en bandas de espectro sin licencia, basada en el Acceso Asistido con Licencia (LAA), se considera como una opción para aumentar la capacidad de las redes inalámbricas 4G. Estas soluciones utilizan un protocolo Listen Before Talk (LBT) que permite que el eNodeB (eNB) acceda de manera oportunista al medio, evitando colisiones desde / hacia otros eNBs. Sin embargo, el problema del nodo oculto en el contexto de las redes LAA debe abordarse para reducir o evitar la degradación de la red. La identificación de nodos ocultos y la decisión posterior de si el equipo de usuario (UE), afectado por una condición oculta, debe permanecer o debe cambiar de una banda sin licencia a una con licencia es una cuestión que mejorará la eficiencia de la red. En este trabajo, utilizamos dos técnicas de aprendizaje automático supervisado para determinar si los UE ubicados en la celda de borde están afectados por nodos ocultos; para ellos empleamos parámetros estándar obtenidas del UE para entrenar una regresión logística y una red neuronal, para detectar cuándo el UE se ve afectado por colisiones debido a la presencia de nodos ocultos. Los resultados muestran que la red neuronal tiene una exactitud perfecta como detector de UE frente a nodos ocultos.

show abstract

Section: Trabajos Relacionadosunclassified

Section: Regresión Logísticaunclassified

Section: Regresión Neuronalunclassified

“…De forma similar, la fila de Θ (8) corresponde a la salida ℎ . ( % ) y las columnas a los pesos de las salidas de las neuronas a G , a 0 , a 8 y a F .…”

Section: Regresión Neuronalunclassified

See 2 more Smart Citations

Detección de Nodos en Zonas Ocultas en redes LAA a través de Aprendizaje Automático Supervisado

Aguiar

Yucailla

Lascano

et al. 2020

RITI

View full text Add to dashboard Cite

show abstract

“…This is likely to make these two approaches less reliable in certain regions. A solution to this problem could be to utilise hidden node avoidance strategies by coordinating use of access points [13], but this involves extra cost and also in many cases the interfering access points are not possible to coordinate in reality (due to the manufacturer and administrative domain differences). From the coverage results for the central access point (in Fig.…”

Section: Radio Coverage Predictionmentioning

confidence: 99%

Performance optimisation for visitor information systems using smart sensors and analysis of trial data

Farnham

2015

IET Networks

Self Cite

View full text Add to dashboard Cite

Exploitation of smart sensor data has the potential to significantly improve the way in which content is wirelessly delivered to end user devices within visitor attractions. Content delivery over wireless infrastructure can use knowledge and predictions of performance for intelligently prefetching and adaptively exploiting opportunities in order to enhance the overall user experience. The advantage of this approach over prior static multicast and on-demand approaches is that it is possible to exploit location awareness (such as using global positioning system, iBeacons) combined with accelerometer and compass and other sensors, to plan and adapt content delivery in a more efficient and flexible manner. This study assesses different options for prioritisation and prefetching of content over dedicated wireless fidelity off-load infrastructure to compare the ability to satisfy the user demands. The overall assessment, based on trials performed at two visitor attractions, shows that intelligent predictive prefetching of content can greatly reduce the need for expensive infrastructure compared with alternative static reliable multicast or on-demand delivery strategies.

show abstract

REM: Revisiting a cognitive tool for virtualized 5G networks

Kliks

Goratti

Chen

2016

2016 23rd International Conference on Telecommunications (ICT)

View full text Add to dashboard Cite

REM based approach for hidden node detection and avoidance in cognitive radio networks

Cited by 8 publications

References 6 publications

Detección de Nodos en Zonas Ocultas en redes LAA a través de Aprendizaje Automático Supervisado

Detección de Nodos en Zonas Ocultas en redes LAA a través de Aprendizaje Automático Supervisado

Performance optimisation for visitor information systems using smart sensors and analysis of trial data

REM: Revisiting a cognitive tool for virtualized 5G networks

Contact Info

Product

Resources

About