[논문 리뷰] Intelligent Wireless Communications Enabled by Cognitive Radio and Machine Learning

Xiangwei Zhou, Mingxuan Sun외 2명|arXiv (Cornell University)|2017. 10. 30.

Cognitive Radio Networks and Spectrum Sensing참고 문헌 233인용 수 69

한 줄 요약

이 논문은 인지 무선통신과 머신러닝이 어떻게 공동으로 지능형 무선통신을 가능하게 하는지 조사하며, 지각(perception), 재구성(reconfiguration), 학습에 초점을 맞춰 스펙트럼 및 에너지 효율성을 향상시킨다.

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.

연구 동기 및 목표

• 지각, 재구성성, 학습으로 지능형 무선통신을 정의한다.
• 스펙트럼 감지 및 접속을 위한 인지 무선 기술을 검토한다.
• 환경 인식 적응 및 최적화를 위한 머신러닝 기법을 탐구한다.
• CR과 ML이 무선 시스템에 적용되는 실용적 응용과 향후 연구 과제를 강조한다.

제안 방법

• 인지 무선에서 최첨단 스펙트럼 감지 및 접속 접근법을 조사한다.
• 동적 스펙트럼 접근 및 자원 최적화를 통한 재구성에 대해 논의한다.
• 무선 지각 및 적응에 적용된 머신러닝 알고리즘(지도학습, 비지도학습, 강화학습, 딥러닝)을 요약한다.
• 이기종 네트워크 및 D2D 통신과 같은 실용적 응용을 설명한다.
• 무선 시스템의 CR과 ML에서의 연구 과제와 향후 방향을 개요한다.

실험 결과

연구 질문

• RQ1 지각, 재구성성, 학습을 어떻게 통합하여 무선 시스템에서 스펙트럼과 에너지 활용도를 최대화할 수 있는가?
• RQ2 인지 무선에서 스펙트럼 감지, 접속 및 환경 모델링의 현재 기술은 무엇인가?
• RQ3 동적 무선 환경에서 온라인 적응 및 의사결정에 가장 적합한 머신러닝 방법은 무엇인가?
• RQ4 지능형 무선통신의 이점을 보여주는 실용적 응용은 무엇이며 남은 과제는 무엇인가?
• RQ5 다음 세대 네트워크에서 CR과 ML에 가장 영향력 있는 향후 연구 방향은 무엇인가?

주요 결과

• 국소 및 협력적 스펙트럼 감지, 협대역 및 광대역, 순차 감지를 포함한 스펙트럼 감지에 대한 포괄적 개요를 제시한다.
• 동적 스펙트럼 접근 패러다임(인터위브, 언더레이, 오버레이, 하이브리드) 및 재구성 매개변수에 대한 논의를 다룬다.
• 불완전한 정보 하에서의 리소스 최적화 접근법(웨이폼 설계, 파워 제어, 그래프 및 시장 기반 방법) 검토한다.
• 지각 및 적응에서의 머신러닝 역할(온라인 학습, 강화 학습, 딥러닝) 식별한다.
• 지능형 무선 시스템에서 에너지 효율성과 스펙트럼 효율성을 이중 목표로 강조한다.