論文の概要: Scalable Spectrum Availability Prediction using a Markov Chain Framework and ITU-R Propagation Models
- arxiv url: http://arxiv.org/abs/2508.00028v1
- Date: Wed, 30 Jul 2025 03:22:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-04 18:08:53.588175
- Title: Scalable Spectrum Availability Prediction using a Markov Chain Framework and ITU-R Propagation Models
- Title（参考訳）: Markov Chain FrameworkとITU-Rプロパゲーションモデルを用いたスケーラブルスペクトルの可用性予測
- Authors: Abir Ray,
- Abstract要約: 本稿では、スペクトル可用性予測のためのスケーラブルなフレームワークを提案する。
一次ユーザ活動の2状態マルコフ連鎖モデルとITU-Rからの高忠実な伝播モデルを組み合わせる。
フレームワークは柔軟で、様々な周波数帯域やシナリオに適応できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spectrum resources are often underutilized across time and space, motivating dynamic spectrum access strategies that allow secondary users to exploit unused frequencies. A key challenge is predicting when and where spectrum will be available (i.e., unused by primary licensed users) in order to enable proactive and interference-free access. This paper proposes a scalable framework for spectrum availability prediction that combines a two-state Markov chain model of primary user activity with high-fidelity propagation models from the ITU-R (specifically Recommendations P.528 and P.2108). The Markov chain captures temporal occupancy patterns, while the propagation models incorporate path loss and clutter effects to determine if primary signals exceed interference thresholds at secondary user locations. By integrating these components, the proposed method can predict spectrum opportunities both in time and space with improved accuracy. We develop the system model and algorithm for the approach, analyze its scalability and computational efficiency, and discuss assumptions, limitations, and potential applications. The framework is flexible and can be adapted to various frequency bands and scenarios. The results and analysis show that the proposed approach can effectively identify available spectrum with low computational cost, making it suitable for real-time spectrum management in cognitive radio networks and other dynamic spectrum sharing systems.
- Abstract（参考訳）: スペクトルリソースはしばしば時間と空間にわたって不使用であり、二次使用者が未使用の周波数を利用できるようにする動的なスペクトルアクセス戦略を動機付けている。
重要な課題は、アクティブで干渉のないアクセスを可能にするために、いつ、どこでスペクトルが利用可能になるかを予測することである。
本稿では、ITU-R(特にレコメンデーションP.528とP.2108)からの2状態マルコフ連鎖モデルと高忠実な伝搬モデルを組み合わせたスペクトル可用性予測のためのスケーラブルなフレームワークを提案する。
マルコフ連鎖は時間的占有パターンを捉え、伝播モデルは経路損失と乱雑な効果を取り入れ、一次信号が二次ユーザ位置における干渉閾値を超えるかどうかを判断する。
これらの成分を統合することで、時間と空間の両方のスペクトル機会を精度良く予測できる。
アプローチのためのシステムモデルとアルゴリズムを開発し、そのスケーラビリティと計算効率を分析し、仮定、制限、潜在的なアプリケーションについて議論する。
フレームワークは柔軟で、様々な周波数帯域やシナリオに適応できる。
その結果,提案手法は,低計算コストで利用可能なスペクトルを効果的に同定し,認識無線ネットワークや他の動的スペクトル共有システムにおけるリアルタイムスペクトル管理に適していることが示唆された。
関連論文リスト
- SpectrumFM: A New Paradigm for Spectrum Cognition [65.65474629224558]
本稿ではスペクトル認識のための新しいパラダイムを提供するスペクトルFMと呼ばれるスペクトル基盤モデルを提案する。
畳み込みニューラルネットワークを利用した革新的なスペクトルエンコーダを提案し、スペクトルデータにおける微細な局所信号構造と高レベルのグローバルな依存関係の両方を効果的に捕捉する。
2つの新しい自己教師型学習タスク、すなわちマスク付き再構成と次のスロット信号予測が、SpectrumFMの事前学習のために開発され、モデルがリッチで伝達可能な表現を学習できるようにする。
論文 参考訳（メタデータ） (2025-08-02T14:40:50Z) - SpectrumFM: A Foundation Model for Intelligent Spectrum Management [99.08036558911242]
既存のインテリジェントスペクトル管理手法は、通常は小規模モデルに基づいており、認識精度、収束速度、一般化の顕著な制限に悩まされている。
本稿では、スペクトルFMと呼ばれる新しいスペクトル基盤モデルを提案し、スペクトル管理のための新しいパラダイムを確立する。
実験により、SpectrumFMは精度、堅牢性、適応性、少数ショット学習効率、収束速度の点で優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2025-05-02T04:06:39Z) - MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
時系列予測は、周波数の異なる周期特性から導かれる。
マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。
主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-03-11T11:40:14Z) - Deep Learning for Spectrum Prediction in Cognitive Radio Networks: State-of-the-Art, New Opportunities, and Challenges [9.499371206380546]
本稿では,新しい帯域内時間スペクトル予測フレームワークViLSTransTMを提案する。
このフレームワークは、視覚的自己注意と長期記憶を統合し、スペクトル利用パターンの局所的およびグローバル的長期的依存関係をキャプチャする。
論文 参考訳（メタデータ） (2024-12-13T04:36:05Z) - Federated Learning for UAV-Based Spectrum Sensing: Enhancing Accuracy Through SNR-Weighted Model Aggregation [0.0]
無人航空機(UAV)ネットワークは、3D空間、その課題、そして機会に関して異なる視点を必要とする。
本稿では,その分散特性と計算能力の制限を考慮した,UAVネットワークにおけるスペクトルセンシングのためのFLに基づく手法を提案する。
我々はまた、UAVが観測した信号と雑音の比率を考慮し、グローバルモデルを得るフェデレーションアグリゲーション手法、すなわちFedSNRを開発した。
論文 参考訳（メタデータ） (2024-11-17T19:24:49Z) - RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
本稿では、深層学習手法を利用したデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。
本論文の主な貢献は、RF信号データセットであるRF Challengeの導入である。
論文 参考訳（メタデータ） (2024-09-13T13:53:41Z) - Realtime Spectrum Monitoring via Reinforcement Learning -- A Comparison
Between Q-Learning and Heuristic Methods [0.0]
利用可能なレシーバリソースを制御するための2つのアプローチを比較した。
使用するQ-ラーニングアルゴリズムは、より少ない探索率を犠牲にして、アプローチよりもはるかに高い検出率を有する。
論文 参考訳（メタデータ） (2023-07-11T19:40:02Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z) - Deep Autoregressive Models with Spectral Attention [74.08846528440024]
本稿では,深部自己回帰モデルとスペクトル注意(SA)モジュールを組み合わせた予測アーキテクチャを提案する。
時系列の埋め込みをランダムなプロセスの発生としてスペクトル領域に特徴付けることにより,グローバルな傾向と季節パターンを同定することができる。
時系列に対するグローバルとローカルの2つのスペクトルアテンションモデルは、この情報を予測の中に統合し、スペクトルフィルタリングを行い、時系列のノイズを除去する。
論文 参考訳（メタデータ） (2021-07-13T11:08:47Z) - Machine Learning Framework for Sensing and Modeling Interference in IoT
Frequency Bands [2.6839965970551276]
モノのインターネットをサポートする新しいアクセス技術によって、スペクトルの占有度をよりよく理解する必要性が高まっている。
共有帯域におけるIoTアプリケーションのための短時間スペクトル占有のトラフィック挙動をキャプチャし、モデル化し、既存の干渉を判定するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-10T19:10:40Z)
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。