[論文レビュー] Spectrum Hole Prediction Based On Historical Data: A Neural Network Approach

Bara’u Gafai Najashi, Wenjiang Feng+1 more|arXiv (Cornell University)|Jan 5, 2014

Cognitive Radio Networks and Spectrum Sensing被引用数 10

ひとこと要約

本稿では、認知無線におけるスプライススペクトラム共有を改善するために、履歴スペクトル占有データを用いたニューラルネットワークベースのスペクトラムホール予測モデルを提案する。Levenberg-Marquardtバックプロパゲーションネットワークと遺伝的アルゴリズムを組み合わせることで、複数の周波数帯域で高い予測精度を達成し、動的スペクトラムアクセスの強固なソリューションを示している。

ABSTRACT

The concept of cognitive radio pioneered by Mitola promises to change the future of wireless communication especially in the area of spectrum management. Currently, the command and control strategy employed in spectrum assignment is too rigid and needs to be reviewed. Recent studies have shown that assigned spectrum is underutilized spectrally and temporally. Cognitive radio provides a viable solution whereby licensed users can share the spectrum with unlicensed users opportunistically without causing interference. Unlicensed users must be able to sense weather the channel is busy or idle, failure to do so will lead to interference to the licensed user. In this paper, a neural network based prediction model for predicting the channel status using historical data obtained during a spectrum occupancy measurement is presented. Genetic algorithm is combined with LM BP for increasing the probability of obtaining the best weights thus optimizing the network. The results obtained indicate high prediction accuracy over all bands considered

研究の動機と目的

• 柔軟でないスペクトラム割り当ての非効率性を是正し、動的で機会的なスペクトラム共有を可能にする。
• 履歴占有データを用いて、リアルタイムでスペクトラムホールの可用性を予測する。
• 無線局の干渉を避けるために、非許可ユーザーのための予測精度を向上させる。
• ハイブリッド遺伝的アルゴリズムとLevenberg-Marquardtバックプロパゲーションを用いて、ニューラルネットワークの重みを最適化する。
• 現実的な条件下で、複数の周波数帯域におけるモデルの性能を評価する。

提案手法

• チャネル状態予測に、Levenberg-Marquardtバックプロパゲーション（LM-BP）を用いた順方向ニューラルネットワークが使用される。
• 測定期間中に収集された履歴スペクトル占有データが、学習の入力として使用される。
• 局所的最小値を回避するために、遺伝的アルゴリズム（GA）がニューラルネットワークの初期重みの最適化に用いられる。
• ハイブリッドGA-LM-BPアプローチにより、収束速度と予測精度が向上する。
• 一般化性能の評価のために、マルチバンドスペクトラムデータを用いてモデルを学習およびテストする。
• 性能は、異なる周波数帯域における予測精度を用いて評価される。

実験結果

リサーチクエスチョン

• RQ1 履歴スペクトル占有データは、将来的なスペクトラムホールの可用性を効果的に予測するために利用可能か？
• RQ2 遺伝的アルゴリズムとLM-BPを組み合わせることで、スペクトラム予測におけるニューラルネットワークの性能はどのように向上するか？
• RQ3 提案されたモデルの予測精度は、さまざまな周波数帯域でどの程度か？
• RQ4 動的環境下でも、モデルはビジー状態とアイドル状態のスペクトラムを信頼性高く区別できるか？
• RQ5 収束性と精度の観点から、ハイブリッド最適化アプローチは、標準的な学習手法と比べてどのように異なるか？

主な発見

• 提案されたGA-LM-BPニューラルネットワークモデルは、全テスト周波数帯域で高い予測精度を達成している。
• 遺伝的アルゴリズムの統合により、ネットワークの最適重みへの収束能力が顕著に向上している。
• モデルは、単一の履歴占有データのみを用いても、チャネル状態の予測において強固な性能を示している。
• 予測精度は一貫して高く、異なるスペクトラム帯域における優れた一般化能力を示している。
• スペクトラム可用性を正確に予測することで、許可ユーザーへの干渉リスクが効果的に低減されている。
• 結果から、ハイブリッド最適化を施したニューラルネットワークが、認知無線システムにおけるリアルタイムスペクトラムホール予測に実用的であることが確認された。