文献

J-GLOBAL ID：201802248143706988   整理番号：18A0077061

コグニティブ無線システムにおける動的センシングパラメータ制御のための強化学習【Powered by NICT】

Reinforcement learning for dynamic sensing parameter control in cognitive radio systems

著者 (2件)： Jang Sung-Jeen (Department of Information Communication Engineering Inha University, 100 Inharo, Nam-gu Incheon, Korea) ,  Yoo Sang-Jo (Department of Information Communication Engineering Inha University, 100 Inharo, Nam-gu Incheon, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICTC  ページ： 471-474  発行年： 2017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： 干渉アラインメント(IA)を同時に通信,コグニティブ無線システムと結合する複数ユーザを可能にすることにより,コグニティブ無線(CR)システムの性能を増加させることができる。しかし,従来のIA CR研究はIAに関与する一次ユーザの形でCRの基本的要求を満たしていない。本論文では,干渉ベースCRにおけるセンシングのためのセンサとしての一SUを割り当て,残りのSUがセンサの受信信号空間における干渉によって制限される後に除去された。そこで,センサは残りの受信した信号スペースにおけるPUの信号を検出することができる提案したシステム。提案システムでは,センサはセンシング結果を報告の期間を決定しなければならない。本では,報酬はセンシング結果回答時間に従って干渉比,損失比,とシステム負荷として定義される。Q学習,強化学習,センシング長さと報告期間を用いた常に変化する環境における動的に決定することができた。シミュレーション結果は,センシング長さと報告期間は 12dBに固定されているが提案したアルゴリズムは,干渉比,損失比,および考慮した報酬システム負荷に関して良好な性能,症例に比べて持つことを示した。Copyright 2018 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： アルゴリズム ,  シミュレーション ,  干渉 ,  センサ ,  *強化学習
準シソーラス用語： Q学習 ,  受信信号 ,  干渉アラインメント ,  *コグニティブ無線 , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (4件)： コグニティブ無線 ,  センシング ,  パラメータ ,  強化学習