Bilişsel Radyo Ağlarında Çevrimiçi Öğrenme Tabanlı İşbirlikçi Spektrum Algılama Algoritmasının Sönümlü Kanallardaki Başarımı

Spektrum algılamada amaç spektrum boşluklarının doğru ve hızlı bir şekilde algılanmasıdır. Bu nedenle bilişsel radyo ağlarının başarımı büyük ölçüde spektrum algılama işlevine bağlıdır. Bu çalışmada, bilişsel radyo ağlarında spektrum algılma başarımını artırmak için çevrimiçi öğrenme tabanlı işbirlikçi spektrum algılama algoritması önerilmiştir. Önerilen yöntemin işbirlikçi spektrum algılama başarım analizi sönümsüz AWGN kanala ilaveten Rayleigh, Nakagami-m ve Rician sönümlü kanallarında yapılmıştır. Simülasyon çalışmaları sonucunda, bilişsel radyo ağlarında geçmiş verilerden eşik değer ifadesinin optimize edilmesi ve işbirlikçi algılama yaklaşımı ile daha etkin bir algılama yapılabileceği gösterilmiştir.  

The goal of spectrum detection is the accurate and rapid detection of spectrum gaps. Therefore, the performance of cognitive radio networks largely depends on the spectrum detection function. In this study, an online learning-based cooperative spectrum detection algorithm is proposed to improve the spectrum detection performance in cognitive radio networks. The cooperative spectrum detection performance analysis of the proposed method was performed on unfading AWGN channels as well as Rayleigh, Nakagami-m, and Rician fading channels. As a result of the simulation studies, it was shown that more effective detection can be achieved in cognitive radio networks by optimizing the threshold value expression from historical data and using the cooperative detection approach.