[论文解读] Towards a disaster response system based on cognitive radio ad hoc networks

Noman Islam, Ghazala Shafi Shaikh|arXiv (Cornell University)|Oct 3, 2017

Mobile Ad Hoc Networks参考文献 13被引用 3

一句话总结

本文提出了一种基于认知无线电自组织网络（CRAHN）的灾难响应系统，集成基于人工神经网络（ANN）的灾难检测、基于ANN的频谱感知以及用于应急协调的服务发现机制。在NS-2中进行评估，该系统实现了较低的漏报率、快速的频谱切换以及降低的服务发现延迟，证明了其在弹性灾难管理通信中的可行性。

ABSTRACT

This paper presents an approach towards disaster management based on cognitive radio ad hoc network. Despite the growing interests on cognitive radio ad hoc networks, not much work has been reported on using them for disaster management. This paper discusses opportunities for disaster management based on cognitive radio ad hoc networks. In this direction, the paper presents a novel technique for disaster detection based on Artificial Neural Network (ANN). The ANN is trained using backward propagation algorithm. An ANN-based spectrum sensing scheme is also presented. Finally, a service discovery scheme is presented for coordination during the time of disaster. The simulation of proposed approach has been performed in NS-2 simulator. The proposed approach shows very low false negative alarm rate using the proposed disaster detection system. The spectrum switching time of spectrum sensing scheme is also analyzed along with an analysis of latency of proposed service discovery scheme

研究动机与目标

• 为解决灾难场景中缺乏集成化、弹性通信系统的问题。
• 实现在基础设施受损的灾后环境中快速、自适应的通信。
• 开发一种基于认知无线电的自组织网络，以支持实时灾难检测与资源协调。
• 利用机器学习降低灾难检测中的误报率。
• 优化频谱接入与服务发现，以提高应急响应效率。

提出的方法

• 使用带有反向传播训练的人工神经网络（ANN）对环境传感器数据进行灾难检测。
• 采用独立的基于ANN的频谱感知方案，通过检测可用信道实现动态频谱接入。
• 设计了一种服务发现协议，用于在自组织网络中定位和协调应急服务与资源。
• 在NS-2中对系统进行仿真，以评估其在灾难条件下的性能。
• 将频谱切换时间和服务发现延迟作为关键性能指标进行测量。
• 利用历史灾难数据和频谱数据对ANN模型进行训练，以提高检测与感知的准确性。

实验结果

研究问题

• RQ1 如何有效利用认知无线电自组织网络实现灾难响应通信？
• RQ2 基于ANN的方法能否在灾难检测中实现较低的漏报率？
• RQ3 基于ANN的频谱感知在切换时间和准确性方面表现如何？
• RQ4 在去中心化、无基础设施的网络中，如何高效发现和协调应急服务？
• RQ5 所提出的的服务发现机制在延迟和可靠性方面具有怎样的特性？

主要发现

• 所提出的灾难检测系统实现了极低的漏报率，表明在识别灾难事件方面具有很高的可靠性。
• 频谱感知方案表现出快速的切换时间，能够迅速适应可用的频段。
• 服务发现方案表现出低延迟，支持应急资源的及时协调。
• NS-2中的仿真结果证实了集成的CRAHN-based灾难响应框架的可行性和鲁棒性。
• 基于ANN的频谱感知方法有效识别了频谱机会，提升了频谱效率。
• 整体系统性能支持其在需要弹性、自适应通信的真实灾难场景中部署。