Adaptive threshold architecture for spectrum sensing

Detalhes bibliográficos
Ano de defesa: 2014
Autor(a) principal: Kist, Maicon
Orientador(a): Rochol, Juergen
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Comunicação sem fio
Aprendizagem : Maquina
Sensoriamento remoto
Palavras-chave em Inglês:
Spectrum sensing
Wireless communication
Dynamic spectrum access
Machine learning
Link de acesso: http://hdl.handle.net/10183/189357
Resumo: A política atual de alocação do espectro compreende licenciar o uso de canais de radi- ofrequência e garantir que determinados usuários tenham acesso exclusivo a esses canais. Através dessa política, os melhores canais para comunicações sem fio de curtas e médias distâncias já foram licenciados. Sendo assim, é cada vez mais difícil disponibilizar canais adequados para novos serviços sem fio que necessitem destes canais ou para melhorar os serviços sem fio existentes. Contudo, medidas de utilização dos canais licenciados mos- traram que estes são subutilizados em determinados períodos do dia e em certas regiões geográficas. A atual subutilização dos canais de radiofrequência fez com que as agências governa- mentais considerassem um nova política de acesso ao espectro. Nessa nova política, um usuário não licenciado pode acessar canais subutilizados temporariamente, com a restri- ção de não causar interferência nas transmissões dos usuários licenciados. Dessa forma, antes de acessar um canal de rádio, o usuário não licenciado precisa analisa-lo com o objetivo de garantir que nenhum usuário licenciado esteja transmitindo. A análise dos canais é feita através do uso de soluções de sensoriamento espectral. A maior limitação das soluções atuais de sensoriamento espectral é o uso de parâme- tros estáticos para detectar a transmissão de um usuário licenciado. O uso de parâmetros estáticos é uma limitação porque o sensoriamento espectral pode encontrar diferentes ní- veis de ruído e interferência na análise dos canais. Nesse contexto, algoritmos de apren- dizagem de máquina podem ser empregados para adaptar dinamicamente os parâmetros de detecção utilizados no sensoriamento espectral. Neste trabalho é proposta a Arquitetura para Thresholds Adaptativos (ATA) para sen- soriamento espectral. Essa arquitetura emprega algoritmos de aprendizagem de máquina para adaptar, em tempo real, os parâmetros de detecção do sensoriamento espectral. Além disso, um protótipo da ATA foi desenvolvido e avaliado em um ambiente de rádio expe- rimental baseado na norma IEEE 802.22. Os resultados mostram que ATA alcança um desempenho melhor que as soluções atuais de sensoriamento espectral em termos de pre- cisão na detecção do usuário licenciado e no tempo necessário para analisar o canal de rádio.
id URGS_70104dcbf4e4040495a78a8514cf63f0
oai_identifier_str oai:www.lume.ufrgs.br:10183/189357
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Kist, MaiconRochol, Juergen2019-03-15T02:29:05Z2014http://hdl.handle.net/10183/189357001087428A política atual de alocação do espectro compreende licenciar o uso de canais de radi- ofrequência e garantir que determinados usuários tenham acesso exclusivo a esses canais. Através dessa política, os melhores canais para comunicações sem fio de curtas e médias distâncias já foram licenciados. Sendo assim, é cada vez mais difícil disponibilizar canais adequados para novos serviços sem fio que necessitem destes canais ou para melhorar os serviços sem fio existentes. Contudo, medidas de utilização dos canais licenciados mos- traram que estes são subutilizados em determinados períodos do dia e em certas regiões geográficas. A atual subutilização dos canais de radiofrequência fez com que as agências governa- mentais considerassem um nova política de acesso ao espectro. Nessa nova política, um usuário não licenciado pode acessar canais subutilizados temporariamente, com a restri- ção de não causar interferência nas transmissões dos usuários licenciados. Dessa forma, antes de acessar um canal de rádio, o usuário não licenciado precisa analisa-lo com o objetivo de garantir que nenhum usuário licenciado esteja transmitindo. A análise dos canais é feita através do uso de soluções de sensoriamento espectral. A maior limitação das soluções atuais de sensoriamento espectral é o uso de parâme- tros estáticos para detectar a transmissão de um usuário licenciado. O uso de parâmetros estáticos é uma limitação porque o sensoriamento espectral pode encontrar diferentes ní- veis de ruído e interferência na análise dos canais. Nesse contexto, algoritmos de apren- dizagem de máquina podem ser empregados para adaptar dinamicamente os parâmetros de detecção utilizados no sensoriamento espectral. Neste trabalho é proposta a Arquitetura para Thresholds Adaptativos (ATA) para sen- soriamento espectral. Essa arquitetura emprega algoritmos de aprendizagem de máquina para adaptar, em tempo real, os parâmetros de detecção do sensoriamento espectral. Além disso, um protótipo da ATA foi desenvolvido e avaliado em um ambiente de rádio expe- rimental baseado na norma IEEE 802.22. Os resultados mostram que ATA alcança um desempenho melhor que as soluções atuais de sensoriamento espectral em termos de pre- cisão na detecção do usuário licenciado e no tempo necessário para analisar o canal de rádio.The current spectrum allocation policy comprises licensing the use of channels of the radio spectrum and ensuring that licensed users have exclusive access to these channels. Through this policy, the best channels for short and long wireless communications were already allocated. Thus, it has become exceedingly hard to find vacant radio channels to either deploy new wireless services or to enhance existing ones. However, recent mea- surements of the radio spectrum showed that some allocated channels are rarely utilized in certain geographical areas. The relatively low utilization of some radio channels made the governmental agencies consider a new spectrum access policy. In this new access policy, an unlicensed user can temporarily access underutilized radio channels, with the constraint of not interfering with the transmission of any licensed user. Thus, the unlicensed user must analyze the radio channel before accessing it, with the objective of guaranteeing that no licensed user is transmitting. The analysis of radio channels is made through spectrum sensing solutions. The major drawback of current spectrum sensing solutions is the use of static param- eters to detect the transmission of a licensed user. The usage of static parameters is a drawback because the spectrum sensing may encounter different noise and interference levels during the channel analysis. In this context, machine learning algorithms can be employed to dynamically adapt the detection parameters used in the spectrum sensing. In this dissertation, we propose the Adaptive Threshold Architecture (ATA) for spec- trum sensing. This architecture employs machine learning algorithms to adapt the detec- tion parameters of the spectrum sensing in real time. Furthermore, a prototype of ATA was developed and evaluated in an experimental radio environment based in the IEEE 802.22 standard. The results show that ATA achieves a better performance than current spectrum sensing solutions in terms of the accuracy in detecting the licensed user and in the time required to analyze the radio channel.application/pdfengComunicação sem fioAprendizagem : MaquinaSensoriamento remotoSpectrum sensingWireless communicationDynamic spectrum accessMachine learningAdaptive threshold architecture for spectrum sensingArquitetura para thresholds adaptativos em sensoriamento espectral info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2014mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001087428.pdf.txt001087428.pdf.txtExtracted Texttext/plain182512http://www.lume.ufrgs.br/bitstream/10183/189357/2/001087428.pdf.txtbc29c097886eeb8f932720690b01b730MD52ORIGINAL001087428.pdfTexto completo (inglês)application/pdf2132655http://www.lume.ufrgs.br/bitstream/10183/189357/1/001087428.pdf29598cfce867a7443252af9048ecd1f9MD5110183/1893572021-05-26 04:33:52.050077oai:www.lume.ufrgs.br:10183/189357Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-05-26T07:33:52Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Adaptive threshold architecture for spectrum sensing
dc.title.alternative.pt.fl_str_mv Arquitetura para thresholds adaptativos em sensoriamento espectral
title Adaptive threshold architecture for spectrum sensing
spellingShingle Adaptive threshold architecture for spectrum sensing
Kist, Maicon
Comunicação sem fio
Aprendizagem : Maquina
Sensoriamento remoto
Spectrum sensing
Wireless communication
Dynamic spectrum access
Machine learning
title_short Adaptive threshold architecture for spectrum sensing
title_full Adaptive threshold architecture for spectrum sensing
title_fullStr Adaptive threshold architecture for spectrum sensing
title_full_unstemmed Adaptive threshold architecture for spectrum sensing
title_sort Adaptive threshold architecture for spectrum sensing
author Kist, Maicon
author_facet Kist, Maicon
author_role author
dc.contributor.author.fl_str_mv Kist, Maicon
dc.contributor.advisor1.fl_str_mv Rochol, Juergen
contributor_str_mv Rochol, Juergen
dc.subject.por.fl_str_mv Comunicação sem fio
Aprendizagem : Maquina
Sensoriamento remoto
topic Comunicação sem fio
Aprendizagem : Maquina
Sensoriamento remoto
Spectrum sensing
Wireless communication
Dynamic spectrum access
Machine learning
dc.subject.eng.fl_str_mv Spectrum sensing
Wireless communication
Dynamic spectrum access
Machine learning
description A política atual de alocação do espectro compreende licenciar o uso de canais de radi- ofrequência e garantir que determinados usuários tenham acesso exclusivo a esses canais. Através dessa política, os melhores canais para comunicações sem fio de curtas e médias distâncias já foram licenciados. Sendo assim, é cada vez mais difícil disponibilizar canais adequados para novos serviços sem fio que necessitem destes canais ou para melhorar os serviços sem fio existentes. Contudo, medidas de utilização dos canais licenciados mos- traram que estes são subutilizados em determinados períodos do dia e em certas regiões geográficas. A atual subutilização dos canais de radiofrequência fez com que as agências governa- mentais considerassem um nova política de acesso ao espectro. Nessa nova política, um usuário não licenciado pode acessar canais subutilizados temporariamente, com a restri- ção de não causar interferência nas transmissões dos usuários licenciados. Dessa forma, antes de acessar um canal de rádio, o usuário não licenciado precisa analisa-lo com o objetivo de garantir que nenhum usuário licenciado esteja transmitindo. A análise dos canais é feita através do uso de soluções de sensoriamento espectral. A maior limitação das soluções atuais de sensoriamento espectral é o uso de parâme- tros estáticos para detectar a transmissão de um usuário licenciado. O uso de parâmetros estáticos é uma limitação porque o sensoriamento espectral pode encontrar diferentes ní- veis de ruído e interferência na análise dos canais. Nesse contexto, algoritmos de apren- dizagem de máquina podem ser empregados para adaptar dinamicamente os parâmetros de detecção utilizados no sensoriamento espectral. Neste trabalho é proposta a Arquitetura para Thresholds Adaptativos (ATA) para sen- soriamento espectral. Essa arquitetura emprega algoritmos de aprendizagem de máquina para adaptar, em tempo real, os parâmetros de detecção do sensoriamento espectral. Além disso, um protótipo da ATA foi desenvolvido e avaliado em um ambiente de rádio expe- rimental baseado na norma IEEE 802.22. Os resultados mostram que ATA alcança um desempenho melhor que as soluções atuais de sensoriamento espectral em termos de pre- cisão na detecção do usuário licenciado e no tempo necessário para analisar o canal de rádio.
publishDate 2014
dc.date.issued.fl_str_mv 2014
dc.date.accessioned.fl_str_mv 2019-03-15T02:29:05Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/189357
dc.identifier.nrb.pt_BR.fl_str_mv 001087428
url http://hdl.handle.net/10183/189357
identifier_str_mv 001087428
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/189357/2/001087428.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/189357/1/001087428.pdf
bitstream.checksum.fl_str_mv bc29c097886eeb8f932720690b01b730
29598cfce867a7443252af9048ecd1f9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831316062353752064

Registros relacionados