MétaCan
Menu
Retour à la cohorte
Enregistrement W2100909350 · doi:10.1109/jsac.2014.141109

Dynamic Spectrum Access in Multi-Channel Cognitive Radio Networks

2014· article· en· W2100909350 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Journal on Selected Areas in Communications · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCognitive radioComputer scienceOptimization problemMathematical optimizationChannel (broadcasting)Convex optimizationBipartite graphChannel allocation schemesGraphAlgorithmTheoretical computer scienceComputer networkRegular polygonTelecommunicationsWirelessMathematics

Résumé

récupéré en direct d'OpenAlex

In this paper, dynamic spectrum access (DSA) in multi-channel cognitive radio networks (CRNs) is studied. The two fundamental issues in DSA, spectrum sensing and spectrum sharing, for a general scenario are revisited, where the channels present different usage characteristics and the detection performance of individual secondary users (SUs) varies. First, spectrum sensing is investigated, where multiple SUs are coordinated to cooperatively sense the channels owned by the primary users (PUs) for different interests. When the PUs' interests are concerned, cooperative spectrum sensing is performed to better protect the PUs while satisfying the SUs' requirement on the expected access time. For the SUs' interests, the objective is to maximize the expected available time while keeping the interference to PUs under a predefined level. With the dynamics in the channel usage characteristics and the detection capacities, the coordination problems for the above two cases are formulated as nonlinear integer programming problems accordingly, which are proved to be NP-complete. To find the solution efficiently, for the former case, the original problem is transformed into a variant of convex bipartite matching problem by constructing a complete bipartite graph and defining proper weight vectors. Based on the problem transformation, a channel selection algorithm is proposed to compute the solution. For the latter case, the deterministic optimization problem is first transformed to an associated stochastic optimization problem, which is then solved by cross-entropy (CE) method of stochastic optimization. Then, the sharing of the available channels by SUs after sensing is modeled by a channel access game, based on the framework of weighted congestion game. An algorithm for SUs to select access channels to achieve Nash equilibrium (NE) is proposed. Simulation results are presented to validate the performance of the proposed algorithms.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,312
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle