文献

J-GLOBAL ID：201902243678744615   整理番号：19A0991105

HMMに基づくスペクトルセンシングを用いた複数の一次ユーザ環境の時系列解析【JST・京大機械翻訳】

Time Series Analysis of Multiple Primary User Environment Using HMM-Based Spectrum Sensing

著者 (3件)： Aoki Yuya (Advanced Wireless and Communication research Center (AWCC), The University of Electro-Communications, 1-5-1, Choufugaoka, Chofu, Tokyo, 182-8585, Japan) ,  Fujii Takeo (Advanced Wireless and Communication research Center (AWCC), The University of Electro-Communications, 1-5-1, Choufugaoka, Chofu, Tokyo, 182-8585, Japan) ,  Ide Teruji (National Institute of Technology, Kagoshima College, 1460-1 Shinkou Hayato-cho, Kirishima, Kagoshima, 899-5193, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： VTC-Fall  ページ： 1-5  発行年： 2018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,環境における受信電力のような時系列データから隠れMarkovモデル(HMM)を用いることにより,通信パラメータと一次ユーザ(PUs)の数を推定する方法を提案した。多くの研究者は,効率的な周波数共有のためのenabラーとしてスペクトルセンシングによって得られた実際の受信信号パワーを利用する測定ベースの無線環境データベース(RED)に焦点を合わせている。さらに,スペクトルセンシングにより得られた電波観測情報から平均受信電力とチャネル占有率を推定することにより,高精度RED構築を実現することが可能である。無線LANのようなシステムに対する機械学習を用いたパラメータ推定に関する従来の研究は,センシング環境に存在するPUsの数が知られていると仮定している。この仮定は実際の環境では現実的ではない。本研究では,センシング環境に存在するPUsの数が未知の場合に,HMMとBayes情報基準(BIC)を用いて各PUのPUs数とパラメータを推定した。それにより,センシング環境における各PUに関連するパラメータを分離し,REDに保存することができる。さらに,HMMとBICを用いて推定するとき,HMMのパラメータである遷移確率行列の推定結果に対する閾値を用いて,PUsの数の推定結果を改善した。シミュレーション結果は,PUsの数が無線LANを目標とするとき,高精度で推定できることを確認した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 通信 ,  シミュレーション ,  遷移確率 ,  パラメータ推定 ,  チャネル ,  データベース ,  機械学習 ,  隠れMarkovモデル ,  *無線LAN ,  電波観測 ,  占有率 ,  高精度 ,  受信信号 ,  *スペクトル検出
準シソーラス用語： 受信電力 , 【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)： HMM ,  スペクトルセンシング ,  環境 ,  時系列解析