論文の概要: Learning-based Spectrum Sensing and Access in Cognitive Radios via Approximate POMDPs

• arxiv url: http://arxiv.org/abs/2107.07049v1
• Date: Wed, 14 Jul 2021 23:50:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-16 13:50:26.612144
• Title: Learning-based Spectrum Sensing and Access in Cognitive Radios via Approximate POMDPs
• Title（参考訳）: 近似pomdpによるコグニティブ無線の学習に基づくスペクトル検出とアクセス
• Authors: Bharath Keshavamurthy and Nicolo Michelusi
• Abstract要約: 認知無線(CR)は、無線生態系におけるライセンスユーザ(LU)のスペクトル占有率に基づく時間周波数相関モデルを学ぶ。 このフレームワークは、検知制約の下で、ほぼ最適なスペクトルセンシングとアクセスポリシーを考案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A novel LEarning-based Spectrum Sensing and Access (LESSA) framework is proposed, wherein a cognitive radio (CR) learns a time-frequency correlation model underlying spectrum occupancy of licensed users (LUs) in a radio ecosystem; concurrently, it devises an approximately optimal spectrum sensing and access policy under sensing constraints. A Baum-Welch algorithm is proposed to learn a parametric Markov transition model of LU spectrum occupancy based on noisy spectrum measurements. Spectrum sensing and access are cast as a Partially-Observable Markov Decision Process, approximately optimized via randomized point-based value iteration. Fragmentation, Hamming-distance state filters and Monte-Carlo methods are proposed to alleviate the inherent computational complexity, and a weighted reward metric to regulate the trade-off between CR throughput and LU interference. Numerical evaluations demonstrate that LESSA performs within 5 percent of a genie-aided upper bound with foreknowledge of LU spectrum occupancy, and outperforms state-of-the-art algorithms across the entire trade-off region: 71 percent over correlation-based clustering, 26 percent over Neyman-Pearson detection, 6 percent over the Viterbi algorithm, and 9 percent over an adaptive Deep Q-Network. LESSA is then extended to a distributed Multi-Agent setting (MA-LESSA), by proposing novel neighbor discovery and channel access rank allocation. MA-LESSA improves CR throughput by 43 percent over cooperative TD-SARSA, 84 percent over cooperative greedy distributed learning, and 3x over non-cooperative learning via g-statistics and ACKs. Finally, MA-LESSA is implemented on the DARPA SC2 platform, manifesting superior performance over competitors in a real-world TDWR-UNII WLAN emulation; its implementation feasibility is further validated on a testbed of ESP32 radios, exhibiting 96 percent success probability.
• Abstract（参考訳）: 認知無線(cr)は、無線エコシステムにおけるライセンスユーザ(lus)のスペクトル占有の基盤となる時間周波数相関モデルを学び、同時に、ほぼ最適なスペクトルセンシングおよびアクセスポリシーをセンシング制約下で考案する、新しい学習ベースのスペクトルセンシング・アクセス(lessa)フレームワークを提案する。 雑音スペクトル測定に基づくLUスペクトル占有率のパラメトリックマルコフ遷移モデルを学習するために,Baum-Welchアルゴリズムを提案する。 スペクトルセンシングとアクセスは、ランダム化されたポイントベースの値反復によってほぼ最適化された部分観測可能なマルコフ決定プロセスとしてキャストされる。 フラグメンテーション,ハミング距離状態フィルタ,モンテカルロ法によって計算の複雑さを緩和し,crスループットとlu干渉のトレードオフを規制する重み付け報酬指標が提案されている。 数値評価により、LESSAは、LUスペクトル占有の予知を伴うジェニーエイド上界の5%以内で動作し、トレードオフ領域全体にわたって最先端のアルゴリズムを上回り、相関ベースのクラスタリングの71パーセント、ネイマン・ピアソン検出の26パーセント、ビタビアルゴリズムの6%、適応的なディープQ-ネットワークの9%を上回ります。 LESSAは分散マルチエージェント設定(MA-LESSA)に拡張され、新しい隣人発見とチャネルアクセスランク割り当てを提案する。 MA-LESSAは、協調的なTD-SARSAで43%、協調的な欲求分散学習で84%、g統計学とACKで非協調的な学習で3倍のCRスループットを改善する。 最後に、ma-lessaはdarpa sc2プラットフォーム上で実装されており、実世界のtdwr-unii wlanエミュレーションにおいて競合他社よりも優れたパフォーマンスを示している。

関連論文リスト

• SPARQ: Efficient Entanglement Distribution and Routing in Space-Air-Ground Quantum Networks [50.91365514137301]
  宇宙空間量子(SPARQ)ネットワークは、シームレスなオンデマンドの絡み合い分布を提供する手段として開発された。 SPARQの複数のグラフ上でディープQネットワーク(DQN)を用いて深層強化学習フレームワークを提案し,訓練した。 通信相手間の絡み合いを確立するために,サードパーティの絡み合い分散政策を提案する。
  論文  参考訳（メタデータ） (2024-09-19T16:31:37Z)
• Multi-Agent Hybrid SAC for Joint SS-DSA in CRNs [17.162697767466085]
  機会論的スペクトルアクセスは、認知無線ネットワーク(CRN)におけるスペクトル利用の効率を高める可能性がある CRNでは、スペクトルセンシングとリソース割り当て(SSRA)の両方がシステムスループットの最大化に不可欠である。 我々は,ハイブリッドソフトアクター批評家MHSACのマルチエージェント実装を開発した。
  論文  参考訳（メタデータ） (2024-04-22T16:30:03Z)
• Preserving Data Privacy for ML-driven Applications in Open Radio Access Networks [1.3351610617039973]
  本稿では,5G Open Radio Access Network (O-RAN)ネットワークにおける共有データベースシナリオのケーススタディとして,プライバシ問題に対処することを目的とする。 我々は、モデルとネットワーク性能を損なうことなく、スペクトル共有および干渉緩和アプリケーションのために機械学習(ML)モデルで使用できるデータを保護することに重点を置いている。
  論文  参考訳（メタデータ） (2024-02-15T05:06:53Z)
• MLCA-AVSR: Multi-Layer Cross Attention Fusion based Audio-Visual Speech Recognition [62.89464258519723]
  異なるレベルのオーディオ/視覚エンコーダに融合することで、各モードの表現を促進する多層クロスアテンション融合に基づくAVSR手法を提案する。 提案手法は第1位システムを超え,新たなSOTA cpCERの29.13%をこのデータセット上に構築する。
  論文  参考訳（メタデータ） (2024-01-07T08:59:32Z)
• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• WSEBP: A Novel Width-depth Synchronous Extension-based Basis Pursuit Algorithm for Multi-Layer Convolutional Sparse Coding [4.521915878576165]
  多層畳み込みスパース符号化(ML-CSC)は畳み込みニューラルネットワーク(CNN)を解釈できる 現在の最先端(SOTA)探索アルゴリズムの多くはML-CSCの解を最適化するために複数の繰り返しを必要とする。 本稿では,ML-CSC問題を反復回数の制限なく解くWSEBPアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-28T15:53:52Z)
• Cooperative Multi-Agent Reinforcement Learning Based Distributed Dynamic Spectrum Access in Cognitive Radio Networks [46.723006378363785]
  ダイナミックスペクトルアクセス(DSA)は、非効率的なスペクトル利用の問題を改善するための、有望なパラダイムである。 本稿では,一般的な認知無線ネットワークにおけるマルチユーザに対する分散DSA問題について検討する。 我々は、各認知ユーザに対する状態の部分的観測可能性に対処するために、DRQN(Deep Recurrent Q-network)を用いている。
  論文  参考訳（メタデータ） (2021-06-17T06:52:21Z)
• Efficient Online Learning for Cognitive Radar-Cellular Coexistence via Contextual Thompson Sampling [9.805913930878]
  本稿では,適応型レーダ伝送における逐次的,あるいはオンライン学習方式について述べる。 レーダの振舞いを駆動するために、線形コンテキスト帯域学習(CB)フレームワークが適用される。 提案したThompson Smpling (TS)アルゴリズムはより複雑なディープQ-Network (DQN) と競合する性能を維持していることを示す。
  論文  参考訳（メタデータ） (2020-08-24T01:20:58Z)
• Reinforcement Learning Based Vehicle-cell Association Algorithm for Highly Mobile Millimeter Wave Communication [53.47785498477648]
  本稿では,ミリ波通信網における車とセルの関連性について検討する。 まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。 提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
  論文  参考訳（メタデータ） (2020-01-22T08:51:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。