| Περίληψη: | Η ραγδαία ανάπτυξη στις ασύρματες επικοινωνίες σε συνδυασμό με την ανεπαρκή
χρησιμοποίηση του φάσματος οδήγησε στην ανάγκη ανάπτυξης νέων ασύρματων
υπηρεσιών, και σε μια πολλά υποσχόμενη τεχνολογία τα Γνωσιακά Δίκτυα.
Η τεχνολογία αυτή διευκολύνει την περιοδική πρόσβαση σε ελεύθερες ζώνες του
φάσματος και ως εκ τούτου αυξάνει την φασματική αποδοτικότητα. Θεμελιώδες έργο
καθενός από τους γνωσιακούς χρήστες, είναι να ανιχνεύουν και να αναγνωρίζουν την
παρουσία ή μη εξουσιοδοτημένων χρηστών που είναι γνωστοί ως πρωτεύοντες
χρήστες. Αυτό συνήθως επιτυγχάνεται μέσω τεχνικών ανίχνευσης φάσματος, ώστε οι
χρήστες να περιορίζουν τις παρεμβολές, σε αποδεκτά επίπεδα, στους πρωτεύοντες
χρήστες μεταβαίνοντας σε μια διαθέσιμη ζώνη του φάσματος. Η απόδοση της
ανίχνευσης φάσματος είναι κρίσιμη και για την απόδοση του πρωτεύοντος και του
γνωσιακού δικτύου και η αξιολόγησή της πραγματοποιείται μέσω κατάλληλων
μετρικών (π.χ. πιθανότητα εσφαλμένου συναγερμού, πιθανότητα ανίχνευσης). Στην
πράξη, πολλοί άλλοι παράγοντες μπορούν να επηρεάσουν την απόδοση της
ανίχνευσης φάσματος, όπως η διάλειψη μονοπατιού, η σκίαση, η αβεβαιότητα δέκτη.
Μια μέθοδος η οποία μπορεί να βελτιώσει την απόδοση ανίχνευσης εκμεταλλευόμενη
την χωρική ποικιλομορφία των παρατηρήσεων των χρηστών, είναι η συνεργατική
ανίχνευση φάσματος. Μέσω της συνεργασίας οι χρήστες μπορούν να μοιράζονται
την ανιχνευόμενη πληροφορία για να πάρουν συνδυαστικές αποφάσεις πιο ακριβείς
από τις αντίστοιχες ατομικές.
Μέσω της συγκεκριμένης διπλωματικής εργασίας εστιάζουμε σε κατανεμημένης
συνεργασίας αλγόριθμους διάχυσης τους οποίους εφαρμόζουμε σε ένα μοντέλο τριών
στατικών PUs, όπου ανά ζευγάρι αλλά και όλοι μαζί έχουν επικαλυπτόμενες
συχνοτικές ζώνες ενδιαφέροντος. Στις τεχνικές διάχυσης κάθε κόμβος CR
συνεργάζεται τοπικά και άμεσα με μια ομάδα κόμβων που είναι στη γειτονιά του και
έχουν το ίδιο ενδιαφέρον.Οι στρατηγικές διάχυσης ταξινομούνται σε “Adapt – Then–Combine” και “Combine
– Then –Adapt”. Εμείς υιοθετούμε και υλοποιούμε την πρώτη. Στην ATC τεχνική
κάθε κόμβος πρώτα εφαρμόζει έναν τύπου LMS αλγόριθμο εκτίμησης των
παραμέτρων ενδιαφέροντος χρησιμοποιώντας κάποια δεδομένα εισόδου μαζί με τις
εκτιμήσεις των παραμέτρων ενδιαφέροντος από προηγούμενη χρονική στιγμή.
Ακολούθως, στην ίδια χρονική συνδυάζει μέσω κατάλληλων συναρτήσεων τις
εκτιμήσεις των γειτόνων του και τη δική του, για τις αντίστοιχες κοινές παραμέτρους
ενδιαφέροντος οι οποίες θα χρησιμοποιηθούν την επόμενη χρονική στιγμή σαν
είσοδο στο LMS βήμα του ATC.
Αρχικά, θα δούμε την απόδοση της ανίχνευσης φάσματος στην απλή περίπτωση όπου
οι δευτερεύοντες χρήστες είναι στατικοί και το φάσμα συχνοτήτων που
χρησιμοποιούν οι PUs είναι σταθερό. Επιπλέον, σημαντική συνεισφορά αυτής της
εργασίας αποτελεί η συγκρίση απόδοσης της προαναφερθείσας τεχνικής στην
περίπτωση που οι συχνοτικές ζώνες των PUs δεν μεταβάλλονται και ένας
τουλάχιστον δευτερεύων κόμβος (CR) στο δίκτυο κινείται και κατά συνέπεια αλλάζει
περιοχές και παραμέτρους ενδιαφέροντος. Τέλος, θα δούμε και μια πιο ενδιαφέρουσα
περίπτωση όπου οι PUs παύουν να χρησιμοποιούν κάποια ζώνη συχνοτήτων του
φάσματός τους με στατικούς τους χρήστες CR.
|
|---|
