An Accurate Probabilistic Model for TVWS Identification
Notice bibliographique
Résumé
Television White Spaces (TVWS)-based cognitive radio systems can improve spectrum efficiency by facilitating opportunistic usage of television broadcasting spectrum by secondary users without interfering with primary users. Previously applied models introduce missed detection errors, giving a limited estimation of the spectrum occupancy, which does not correspond to the reality of its usage, hence resulting in a partial waste of this resource. Considering jointly parameters like false alarm probability and detection probability, this article proposes a probabilistic model that can identify TVWS with improved accuracy. The proposed model considers energy detection criteria, combined with simultaneous sensing of the noise and of the signal from primary users. In order to demonstrate the model effectiveness, a low-cost Mobile Spectrum Sensing Station prototype was designed, implemented, and subsequently mounted on a vehicle. More than eight million spatio-temporally variant data samples were collected by scanning the UHF-TV spectrum of 500–698 MHz in the city of Windsor, ON, Canada. Analysis of the collected data showed that the proposed model achieves an accuracy improvement of about 9.6% compared to existing models, demonstrating that TVWS vary with spatial displacement and increasing significantly in the rural areas. Even in the most crowded spectrum zone, about 28% of the channels are identified as TVWS, and this number increases to a maximum of 60% in less crowded regions in urban areas. We conclude that the proposed model improves the TVWS detection compared with other used models, and also that the elements considered in this research contribute to reduce the complexity of the mathematical calculations while maintaining the accuracy. A low-cost open-source sensing station has been designed and tested, which represents an operative and useful data source in this setting.
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.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».