[論文レビュー] Neural Network Cognitive Engine for Autonomous and Distributed Underlay Dynamic Spectrum Access

Fatemeh Shah-Mohammadi, Andres Kwasinski|arXiv (Cornell University)|Jun 28, 2018

Cognitive Radio Networks and Spectrum Sensing被引用数 5

ひとこと要約

本稿では、情報交換なしに近隣のプライマリネットワークリンクの完全な適応型変調・符号化（AMC）モード—変調方式と符号化レート—を予測するNARXニューラルネットワーク認知エンジンを用いた、完全に自律的かつ分散型のアンダーレイ動的スペクトラムアクセス方式を提案する。プライマリリンクのスループットへの影響を推定することで、この方式はCRがプライマリネットワークのスループット低下を所定のしきい値未満に保ちながらセカンダリスループットを最大化でき、プローブメッセージの1/3しか使用しなくても、最大50 kbpsのセカンダリスループットを達成し、プライマリスループットの低下を3.5%未満に抑えることができる。

ABSTRACT

Two key challenges in underlay dynamic spectrum access (DSA) are how to establish an interference limit from the primary network (PN) and how cognitive radios (CRs) in the secondary network (SN) become aware of the interference they create on the PN, especially when there is no exchange of information between the two networks. These challenges are addressed in this paper by presenting a fully autonomous and distributed underlay DSA scheme where each CR operates based on predicting its transmission effect on the PN. The scheme is based on a cognitive engine with an artificial neural network that predicts, without exchanging information between the networks, the adaptive modulation and coding configuration for the primary link nearest to a transmitting CR. By managing the effect of the SN on the PN, the presented technique maintains the relative average throughput change in the PN within a prescribed maximum value, while also finding transmit settings for the CRs that result in throughput as large as allowed by the PN interference limit. Simulation results show that the ability of the cognitive engine in estimating the effect of a CR transmission on the full adaptive modulation and coding (AMC) mode leads to a much more fine underlay transmit power control. This ability also provides higher transmission opportunities for the CRs, compared to a scheme that can only estimate the modulation scheme used at the PN link.

研究の動機と目的

• プライマリネットワークとセカンダリネットワーク間の情報交換なしに、アンダーレイDSAにおける干渉しきい値を確立する課題に対処すること。
• セカンダリユーザーが分散的に、干渉の影響を自律的に評価できるようにすること。
• セカンダリネットワークのスループットを最大化すると同時に、プライマリネットワークの平均スループットの低下を最小限に抑えるメカニズムを開発すること。
• フィードバックチャネルやプローブによるプライマリ信号変化の検出に依存しないようにするため、適応型変調・符号化（AMC）状態推定を活用すること。
• 変調階層のみを推定するのではなく、完全なAMCモード（変調方式と符号化レート）を予測することで、スペクトラムアクセス効率を向上させること。

提案手法

• 各セカンダリユーザーでトレーニングされたNARX（NARX）ニューラルネットワークが、センシングされた変調情報に基づいてプライマリリンクのAMCモードを予測する。
• 認知エンジンは、プライマリリンクの変調のリアルタイム観測を用いて、変調階層と符号化レートの両方を反映するチャネル品質インジケータ（CQI）を推定する。
• システムは、AMCモード予測を通じてセカンダリ伝送がプライマリのスループットに与える影響を予測することで、プライマリリンクへの干渉影響を推定する。
• アンダーレイDSAメカニズムの2つのバリエーションを提案する：1つはプライマリの変調階層を維持することを目的とし、もう1つはプライマリスループットの相対的変化をユーザー定義しきい値に制限することを目的とする。
• プローブメッセージを用いてニューラルネットワークをトレーニングおよび更新し、性能は完全なプローブ送信および低減されたプローブ送信（例：メッセージの1/3）の両方で評価される。

実験結果

リサーチクエスチョン

• RQ1 フィードバックなしに、プライマリネットワークの完全なAMCモード（変調方式と符号化レート）を正確に予測できるか？
• RQ2 変調階層の推定のみを行う手法と比較して、完全なAMCモードを予測することでセカンダリネットワークのスループットはどの程度向上するか？
• RQ3 プローブメッセージの送信を低減した場合、AMCモード予測の正確性および干渉管理への影響は何か？
• RQ4 提案された方式は、プライマリネットワークのスループットを所定の低下しきい値内に保ちながら、セカンダリスループットを最大限にできるか、その程度はどの程度か？
• RQ5 プライマリネットワークの負荷が変化する状況や、複数の共存するリンクが両ネットワークに存在する状況下でも、提案手法はどの程度の性能を示すか？

主な発見

• NARXニューラルネットワークは、プライマリネットワーク負荷が0.48の状態で、CQI（完全なAMCモードに相当）の予測精度が80%を超えた。
• すべてのプローブメッセージを送信した場合、プライマリネットワークの相対的平均スループット変化が3%未満に保たれ、プローブメッセージを1/3に減らした場合でも3.5%未満に抑えられた。
• 180 kHzのチャネル帯域幅において、ネットワーク負荷とプローブ送信レートに応じて、セカンダリネットワークの平均スループットは180 kbpsから50 kbpsの範囲で達成された。
• 変調方式と符号化レートの両方を予測可能になったことで、変調分類のみを用いる手法と比較して、セカンダリ伝送の機会が同じ割合で増加した（遮断時間の短縮と同等の効果）。
• 低密度のプローブメッセージでも、高い干渉推定精度を維持しながら、送信オーバーヘッドを顕著に削減できた。
• フィードバックチャネルへの依存を排除し、ネットワーク間の情報交換なしに完全に自律的かつ分散型の運用を可能にする点で、既存手法を上回る性能を示した。