文献

J-GLOBAL ID：202002268837705729   整理番号：20A0963370

SVM,KNNおよびツリーアルゴリズムに基づく最適化スペクトルセンシング実装【JST・京大機械翻訳】

An Optimized Spectrum Sensing Implementation Based on SVM, KNN and TREE Algorithms

著者 (5件)： Saber Mohammed (Hassania School of Public Works) ,  El Rharras Abdessamad (Hassania School of Public Works) ,  Saadane Rachid (Hassania School of Public Works) ,  Kharraz Aroussi Hatim (Ibn Toufail University) ,  Chehri Abdellah (University of Quebec in Chicoutimi)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SITIS  ページ： 383-389  発行年： 2019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： 認知無線(CR)ネットワークは知的技術であり,免許のないユーザが免許スペクトルにアクセスすることを可能にすることにより,無線スペクトルの不足を解決するために広く使用されている。スペクトルセンシング(SS)位相は,認知無線ネットワーク(CRN)の作業に非常に重要である。それは,特定の周波数帯における免許信号の検出において,非免許信号が送信できるか否かを決定するために構成されている。一次ユーザ(PU)の存在を検出するために,本論文では,実際の信号に基づく低コストで低消費電力のスペクトルセンシング実装を提案した。これらの信号は,Arduino UNOカードと433MHz無線送信機(ASK(振幅シフトキーイング)とFSK(周波数シフトキーイング)変調型)により生成される。受信インタフェイスはMATLABソフトウェアに接続されたRTL-SDR dongleを用いて構築される。信号検出(スペクトルセンシング)は,3つの方法によって行われる:サポートベクトルマシン(SVM),決定木(TREE),およびk最近傍(KNN)。主目的は,3つの方法の間のスペクトル検出のための最良の方法を同定することである。提案したモデルの性能評価は,検出確率(P_d)と誤警報確率(P_fa)である。この比較研究により,SVMとKNNによるSS操作は,TREEといくつかの他の古典的検出器より正確であることを示した。Copyright 2020 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： *アルゴリズム ,  *最適化 ,  信号検出 ,  ネットワーク ,  受信 ,  *スペクトル ,  位相 ,  ソフトウェア ,  ライセンス ,  周波数帯 ,  ASK【信号】 ,  サポートベクトルマシン
準シソーラス用語： コグニティブ無線 ,  検出確率 ,  無線送信機 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： SVM ,  KNN ,  アルゴリズム ,  最適化 ,  スペクトルセンシング ,  実装