<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Метод підвищення спектральної ефективності когнітивних телекомунікаційних систем

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

У роботі розглянуто підвищення спектральної ефективності когнітивних телекомунікаційних систем на основі інтелектуального налаштування робочих частот вторинних користувачів. Для цього здійснено оцінювання зайнятості спектра, що використовує адаптивний енергетичний детектор, а також алгоритм динамічного доступу до спектра, який враховує великі масиви даних (Big Data) та особливості розріджених матриць.
The paper considers the improvement of spectral efficiency of cognitive telecommunication systems based on intelligent tuning of secondary users' operating frequencies. For this purpose, the spectrum occupancy is estimated using an adaptive energy detector and a dynamic spectrum access algorithm that takes into account large data sets and features of sparse matrices.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

978-617-8132-48-8

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Олійник А. О, Грабчак Н. В., Нагорний Д. М. Метод підвищення спектральної ефективності когнітивних телекомунікаційних систем // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2025/paper/view/24396.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (12)

  1. Wyglinski, A.M. Memory Enabled Bumblebee-Based Dynamic Spectrum Access for Platooning Environments / A. M. Wyglinski, K. S. Gill, P. Kryszkiewicz, P. Sroka, A. Kliks // IEEE Transactions on Vehicular Technology. – 2023. – Vol. 72. – Iss. 5. – P. 5612–5627.
  2. Haykin, S. Coordinated Cognitive Risk Control for Bridging Vehicular Radar and Communication Systems / S. Haykin, S. Feng // IEEE Transactions on Intelligent Transportation Systems. – 2022. – Vol. 23. – Iss. 5. – P. 4135–4150.
  3. Bokobza, Y. Deep Reinforcement Learning for Simultaneous Sensing and Channel Access in Cognitive Networks / Y. Bokobza, R. Dabora, K. Cohen // IEEE Transactions on Wireless Communications. – 2023. – Vol. 22. – Iss. 7. – P. 4930–4946.
  4. Kim, S. Multi-Agent Learning and Bargaining Scheme for Cooperative Spectrum Sharing Process / S. Kim // IEEE Access. – 2023. – Vol. 11. – P. 47863–47872.
  5. Liu, X. Reinforcement learning based dynamic spectrum access in cognitive Internet of Vehicles / X. Liu, C. Sun, M. Zhou, B. Lin and Y. Lim // China Communications. - 2021. - Vol. 18. - Iss. 7. - P. 58-68.
  6. Mosavat-Jahromi, H. Prediction and Modeling of Spectrum Occupancy for Dynamic Spectrum Access Systems / H. Mosavat-Jahromi, Y. Li, L. Cai, J. Pan // IEEE Transactions on Cognitive Communications and Networking. - 2021. - Vol. 7. - Iss. 3. - P. 715-728.
  7. Li, X. Deep Learning for Spectrum Prediction from Spatial–Temporal–Spectral Data / X. Li, Z. Liu, G. Chen, Y. Xu, T. Song // IEEE Communications Letters. – 2021. – Vol. 25. – Iss. 4. – P. 1216–1220.
  8. Alipour-Fanid, A. Multiuser Scheduling in Centralized Cognitive Radio Networks: A Multi-Armed Bandit Approach / A. Alipour-Fanid, M. Dabaghchian, R. Arora, K. Zeng // IEEE Transactions on Cognitive Communications and Networking. – 2022. – Vol. 8. – Iss. 2. – P. 1074–1091.
  9. Han, H. Primary-User-Friendly Dynamic Spectrum Anti-Jamming Access: A GAN-Enhanced Deep Reinforcement Learning Approach / H. Han // IEEE Wireless Communications Letters. – 2022. – Vol. 11. – Iss. 2. – P. 258–262.
  10. Baldesi, L. ChARM: NextG Spectrum Sharing Through Data-Driven Real-Time O-RAN Dynamic Control / L. Baldesi, F. Restuccia, T. Melodia // IEEE INFOCOM 2022 - IEEE Conference on Computer Communications. – 2022. – P. 240–249.