[論文レビュー] Intelligent Wireless Communications Enabled by Cognitive Radio and Machine Learning

Xiangwei Zhou, Mingxuan Sun+2 more|arXiv (Cornell University)|Oct 30, 2017

Cognitive Radio Networks and Spectrum Sensing参考文献 233被引用数 69

ひとこと要約

本論文は認知無線と機械学習が協調して知的無線通信を実現する方法を概説し、知覚、再構成、および学習を通じてスペクトラムとエネルギー効率を改善する。

ABSTRACT

The ability to intelligently utilize resources to meet the need of growing diversity in services and user behavior marks the future of wireless communication systems. Intelligent wireless communications aims at enabling the system to perceive and assess the available resources, to autonomously learn to adapt to the perceived wireless environment, and to reconfigure its operating mode to maximize the utility of the available resources. The perception capability and reconfigurability are the essential features of cognitive radio while modern machine learning techniques project great potential in system adaptation. In this paper, we discuss the development of the cognitive radio technology and machine learning techniques and emphasize their roles in improving spectrum and energy utility of wireless communication systems. We describe the state-of-the-art of relevant techniques, covering spectrum sensing and access approaches and powerful machine learning algorithms that enable spectrum- and energy-efficient communications in dynamic wireless environments. We also present practical applications of these techniques and identify further research challenges in cognitive radio and machine learning as applied to the existing and future wireless communication systems.

研究の動機と目的

• 知的無線通信を知覚、再構成性、および学習として定義する。
• スペクトラム感知とアクセスのための認知無線技術をレビューする。
• 環境認識に基づく適応と最適化のための機械学習技術を探る。
• 認知無線と機械学習を用いた無線システムの実用的な適用例を強調し、今後の研究課題を特定する。

提案手法

• 認知無線における最先端のスペクトラム感知とアクセス手法を調査する。
• 動的スペクトラムアクセスと資源最適化による再構成について議論する。
• 無線の知覚と適応に適用される機械学習アルゴリズム（教師あり、教師なし、強化学習、深層学習）を要約する。
• 異種ネットワークやD2D通信などの実用的な適用例を説明する。
• 無線システムにおける認知無線と機械学習の研究課題と今後の方向性を概説する。

実験結果

リサーチクエスチョン

• RQ1 知覚、再構成性、および学習を統合して、無線システムにおけるスペクトラムとエネルギーの有用性を最大化するにはどうすればよいか？
• RQ2 認知無線におけるスペクトラム感知、アクセス、および環境モデリングの現行手法は何か？
• RQ3 動的な無線環境におけるオンライン適応と意思決定に最も適した機械学習手法はどれか？
• RQ4 知的無線通信の利点を示す実用的な適用例は何か、そして残る課題は何か？
• RQ5 次世代ネットワークにおけるCRとMLの将来の研究方向で最も影響力のあるものは何か？

主な発見

• 局所感知と協調感知、狭帯域と広帯域、および逐次感知を含むスペクトラム感知の総合的な概要。
• 動的スペクトラムアクセスのパラダイム（インターブリーブ、アンダーレイ、オーバーレイ、ハイブリッド）と再構成パラメータの議論。
• 不完全な情報下での資源最適化手法（波形設計、電力制御、グラフベースおよび市場ベースの手法）のレビュー。
• 知覚と適応における機械学習の役割（オンライン学習、強化学習、深層学習）の特定。
• 知的無線システムにおけるエネルギー効率とスペクトラム効率を二つの相互補完的な目標として強調。