战术无线网络中的协作频谱感知
使用最近的矩阵完备技术来解决协作无线电节点之间的协作感知问题,结果表明,即使在无噪声的情况下,当主用户数量增加时,只需使用不到 17%的完全感知信息即可达到 95.55%的检测率。
Jan, 2010
我们提出了一个基于数据驱动的框架,用于网络化的无人机协同宽带频谱感知和调度,其作为次级用户为探测到的频谱空隙提供机会利用。为此,我们提出了一个多类分类问题,用于基于采集到的 I/Q 样本检测空闲频谱位置的宽带频谱感知。为了提高频谱感知模块的准确性,我们在无人机系统交通管理 (UTM) 生态系统中的服务器上对各个单独无人机进行的多类分类结果进行融合。在频谱调度阶段,我们利用强化学习 (RL) 解决方案将探测到的频谱空隙动态分配给次级用户 (即无人机)。为了评估所提出的方法,我们建立了一个综合的仿真框架,利用 MATLAB LTE 工具箱生成一个接近真实的合成数据集,其中包括所选兴趣区域内基站 (BS) 位置、射线跟踪和模拟主用户的信道使用情况的 I/Q 样本。这种评估方法提供了一个灵活的框架,可以生成用于开发基于机器学习 / 人工智能的空中设备频谱管理解决方案的大型频谱数据集。
Aug, 2023
利用多颗卫星的多样数据进行协作感知以及利用图神经网络进行有效的频谱感知,同时采用联合子 - Nyquist 采样和自动编码器数据压缩框架以及对丢失数据进行对比学习,以实现高效的频谱感知性能并在频谱感知准确性上超越传统深度学习算法。
May, 2024
本研究介绍了一种深度学习方法,利用多模态图像和频谱数据相结合,实现动态频谱访问,并识别潜在的发射器。通过使用边缘设备上的摄像头拍摄潜在对象(例如可能携带发射器的车辆),我们提出了一种协作系统,其中边缘设备与可信接收器之间进行有选择的信息通信并作出决策,以确定潜在的发射器是否存在。通过任务导向的通信,在发射器上使用编码器进行联合源编码、信道编码和调制,从而高效传输用于对象分类的精简维度的重要信息。同时,发送的信号可能会反射到物体并返回到发射器,从而实现目标感知数据的收集。然后,在发射器上对收集到的感知数据进行第二轮编码,通过任务导向的通信将降维后的信息传回融合中心。在接收端,解码器通过联合感知和任务导向的通信,执行识别发射器的任务。发射器的两个编码器以及接收器的解码器进行联合训练,实现了图像分类和无线信号检测的无缝集成。通过 AWGN 和 Rayleigh 信道模型,我们展示了所提出方法的有效性,在各种信道条件下取得了发射器识别的高准确性,并保持低延迟的决策过程。
Dec, 2023
本文研究了在基于稀疏码多址接入的多用户通信系统中,利用环境物体和智能反射面迭代地进行多用户通信和环境感知的算法,并分析了关键系统参数之间的权衡关系和算法在模拟环境下的收敛性和有效性。
Sep, 2021
我们在本论文中提出了一种数据驱动的框架,用于协同宽带频谱感知和调度网络化的无人机,其充当二级用户来机会性地利用检测到的 "频谱空洞"。我们的框架包括三个主要阶段:模型训练阶段,协同频谱推断阶段以及频谱调度阶段。我们还提出了一个多联邦学习架构,将无线数据集生成直接集成到联邦学习训练过程中。我们利用强化学习解决方案动态分配检测到的频谱空洞给二级用户。通过建立综合的仿真框架来评估所提出的方法,我们能够生成近乎真实的合成数据集,用于发展基于机器学习 / 人工智能的航空设备频谱管理解决方案。
Jun, 2024
研究了二次用户在交互式无线通信过程中的最大吞吐量和最小化每个主接收器产生的干扰之间的权衡,并通过利用二次发射机处的多天线,从信息理论的角度对该基本权衡进行了表征,以实现对时空和频率域中的机会光谱共享。
Nov, 2007
本文提出了基于多臂赌博机的算法来优化超密集网络中利用授权、共享和非授权频段通信时的信令开销,实现有限时间内的稳定正交分配,降低复杂度,适应动态网络环境。
Dec, 2018