Adaptive Sensing Strategies for Opportunistic Spectrum Access
Notice bibliographique
Résumé
To meet the ever increasing spectrum demand, developing a mechanism for dynamic spectrum access seems inevitable. Spectrum sensing enables cognitive radios (CRs) to identify and use frequency bands (channels) that are not being used by primary users (PUs) at a particular place and time. However, sensing errors and limited sensing resources, such as sensing hardware and sensing time, introduce significant technical challenges to the development of such an ideal capability. Adaptive sensing strategies allow the sensing resources to be spent on more promising primary channels. This is achieved by exploiting past sensing outcomes of one secondary user (SU), or, as proposed in this research, multiple spatially distributed SUs. We propose adaptive sensing strategies for\nthree different scenarios. First, we assume that a SU sequentially senses a number of\nprimary channels to find the first available channel. We propose a two-stage spectrum\ndetection strategy that allows the spectrum detector to quickly detect and skip though\nmost of busy channels and spend most of its time on channels that are more likely to be\nidle. Second, we consider the case where multiple SUs jointly try to locate idle channels within a given sensing time, which itself is divided into a number of sensing slots. We propose a cooperative spectrum search strategy that specifies the channel to be sensed by each SU in each slot in such a way to maximize the expected number of identified idle channels. Third, we consider a primary network that operates in a synchronous time-framed fashion. We assume that the occupancy state of each primary channel over different time frames follows a discrete-time Markov process. We propose a cooperative sensing strategy that decides which channel should be sensed by which SU in each frame. The goal is to maximize a utility function that accounts for both the number of detected idle channel-frames and the number of miss-detected busy channel-frames. We present analytical and numerical results to demonstrate the effectiveness of the proposed sensing strategies in increasing identified time-frequency spectrum opportunities and/or reducing interference with licensed systems.
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 | 0,000 | 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 | 0,000 | 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 ».