Czasopismo | PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE | Rocznik 2019 - zeszyt 6

METODY UCZENIA MASZYNOWEGO DLA POPRAWY JAKOŚCI DETEKCJI SYGNAŁU LTE

MACHINE LEARNING FOR LTE-SIGNAL DETECTION QUALITY IMPROVEMENT

10.15199/59.2019.6.31

nr katalogowy: 120901
10.15199/59.2019.6.31

Streszczenie

W niniejszej pracy rozważono przyszły system radiokomunikacyjny (5G), w którym wykrywana jest obecność sygnału LTE (4G) w celu umożliwienia dynamicznego dostępu do czasowo nieużywanych przez system LTE zasobów częstotliwości. Detekcja sygnału bazuje na znanych metodach sensingu lecz wykorzystuje też metody uczenia maszynowego w celu poprawy ich jakości. Wyniki symulacji komputerowej pokazują, że rozważone metody: k najbliższych sąsiadów oraz lasu losowego poprawiają prawdopodobieństwo detekcji sygnału (sensingu) dla niskich wartości stosunku sygnału do szumu.

Abstract

In this paper, the future radio communication (5G) system has been considered, in which LTE (4G) signal presence is detected in order to allow for dynamic spectrum access. This detection is based on known sensing methods, however it uses machine learning for sensing quality improvement. Simulation results for considered methods: k-nearest neighbors and random forest show that this method significantly improves the detection probability.

Słowa kluczowe

Keywords

Bibliografia

[1] Kim K., Xin Y., Rangarajan S., "Energy Detection Based Spectrum Sensing for Cognitive Radio: An Experimental Study," 2010 IEEE Global Telecommunications Conference GLOBECOM 2010, Miami, FL, 2010, pp. 1-5.
[2] Song L., Shen J., "Evolved Cellular Network Planning and Optimization for UMTS and LTE", CRC Press, 2010.
[3] Cover T. and Hart P., "Nearest neighbor pattern classification," in IEEE Transactions on Information Theory, vol. 13, no. 1, pp. 21-27, January 1967.
[4] Bogucka H., "Technologie radia kognitywnego", Wydawnictwo Naukowe PWN, Warszawa, 2013.
[5] Kam Ho T., "The random subspace method for constructing decision forests," in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 20, no. 8, pp. 832-844, Aug. 1998.
[6] Shalev-Shwartz S., Ben-David S., "Understanding Machine Learning: From Theory to Algorithms", Cambridge University Press, 2014

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 120901 "METODY UCZENIA MASZYNOWEG..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


PRZEGLĄD TELEKOMUNIKACYJNY - e-zeszyt (pdf) 2019-6 licencja: Osobista Produkt cyfrowy	30.50 zł

Prenumerata

PRZEGLĄD TELEKOMUNIKACYJNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

300.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna	348.00 zł brutto 322.22 zł netto 25.78 zł VAT (stawka VAT 8%)
PRZEGLĄD TELEKOMUNIKACYJNY - pakowanie i wysyłka	21.00 zł brutto 17.07 zł netto 3.93 zł VAT (stawka VAT 23%)

369.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	450.00 zł brutto 416.67 zł netto 33.33 zł VAT (stawka VAT 8%)

450.00 zł

Zeszyt

2019-6

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma