[论文解读] 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 69

一句话总结

本论文综述了认知无线电与机器学习如何共同促成智能无线通信，聚焦感知、重配置与学习，以提升频谱与能效。

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.

研究动机与目标

• 将智能无线通信定义为感知、可重配置性和学习。
• 评审认知无线电在频谱感知与接入方面的技术。
• 探讨用于环境感知自适应与优化的机器学习技术。
• 突出实际应用并识别无线系统中认知无线电与机器学习的未来研究挑战。

提出的方法

• 综述认知无线电领域的最前沿频谱感知与接入方法。
• 讨论通过动态频谱接入与资源优化实现的重配置。
• 总结应用于无线感知和自适应的机器学习算法（有监督、无监督、强化学习、深度学习）。
• 描述诸如异构网络和D2D通信等实际应用。
• 概述在无线系统中认知无线电与机器学习的研究挑战与未来方向。

实验结果

研究问题

• RQ1 如何将感知、可重配置性与学习整合，以最大化无线系统的频谱与能量利用率？
• RQ2 认知无线电当前在频谱感知、接入与环境建模方面有哪些技术？
• RQ3 在动态无线环境中，哪些机器学习方法最适合在线自适应与决策？
• RQ4 哪些实际应用能体现智能无线通信的收益，尚存哪些挑战？
• RQ5 哪些未来研究方向对下一代网络中的CR和ML最具影响力？

主要发现

• 对频谱感知的全面概述，包括本地与协作感知、窄带与宽带，以及顺序感知。
• 讨论动态频谱接入范式（interweave、underlay、overlay、hybrid）及重配置参数。
• 在信息不完备下的资源优化方法回顾（波形设计、功率控制、基于图和市场的方法）。
• 明确机器学习在感知与适应中的作用（在线学习、强化学习、深度学习）。
• 强调能源效率与频谱效率作为智能无线系统的双重目标。