文献

J-GLOBAL ID：201602285648711926   整理番号：16A1318619

コグニティブ無線における主成分解析に基づく協調スペクトルセンシング【Powered by NICT】

Principle component analysis based cooperative spectrum sensing in cognitive radio

著者 (4件)： Chen Xin (Key Laboratory of Trustworthy Distributed Computing and Service (BUPT), Ministry of Education, Beijing University of Posts and Telecommunications) ,  Hou Fukang (Key Laboratory of Trustworthy Distributed Computing and Service (BUPT), Ministry of Education, Beijing University of Posts and Telecommunications) ,  Huang Hai (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, China) ,  Jing Xiaojun (Key Laboratory of Trustworthy Distributed Computing and Service (BUPT), Ministry of Education, Beijing University of Posts and Telecommunications)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ISCIT  ページ： 602-605  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,機械学習技術に基づくコグニティブ無線(CR)ネットワークのための改良された協調スペクトルセンシング(CSS)アルゴリズムを紹介した。本方式では,スペクトルセンシングは二段階から構成されている。オフライン訓練は,K-meansクラスタリング法により行い,しきい値は,教師なしデータに対する分類結果により定義される。オンライン分類段階では,受信信号間の類似性と訓練データにおけるクラスタはチャンネルアベイラビリティ決定に利用した。受信信号と訓練サンプルの両方の特徴を主成分分析(PCA)により抽出した。フュージョンセンターを連続的に異なるセンサからの局所センシング結果に従って最終決定をするであろう。各センサである受信信号の一定期間に対する解析の原因であった。このようにして,初期センシング結果(最新の入力信号による更新される)は短時間で利用可能である。一次信号が存在する場合,初期検出結果は,スペクトルセンシングの効率を改善するさらなる検出を停止し,一次ユーザに干渉を避けることができる。スペクトルセンシングの既存の方法と比較して,提案した方式のしきい値は固定値よりもむしろ多次元の特徴類似性により測定した。シミュレーションでは,異なる方法間の比較を行うことにより性能を評価し,結果は筆者らの方式が良好な性能を達成し,効率良く動作することを明らかにした。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 高次元 ,  クラスタ ,  センサ ,  類似性 ,  *主成分分析
準シソーラス用語： 入力信号 ,  訓練データ ,  受信信号 ,  オンライン ,  クラスタリング法 ,  オフライン ,  *スペクトル検出 ,  機械学習技術 ,  *協調スペクトルセンシング ,  *コグニティブ無線 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  マイクロ波・ミリ波通信  (ND08020W)

タイトルに関連する用語 (3件)： コグニティブ無線 ,  主成分解析 ,  協調スペクトルセンシング