Εφαρμογές αλγορίθμων μηχανικής μάθησης (machine learning ) στη διαχείριση ραδιοφάσματος με γνωσιακά ραδιοδίκτυα (cognitive radio networks)

Abstract

Με την συνεχώς αυξανόμενη ζήτηση για νέες ασύρματες υπηρεσίες και εφαρμογές τους, καθώς και η αύξηση που παρουσιάζει ο αριθμός χρηστών των ασύρματων επικοινωνιών, το διαθέσιμο ραδιοφάσμα γίνεται όλο και πιο δυσεύρετο. Μια από τις σημαντικότερες τεχνολογικές προκλήσεις που αντιμετωπίζουν οι σύγχρονοι μηχανικοί ασυρμάτων δικτύων αποτελεί την ορθή διαχείριση του ηλεκτρομαγνητικού ραδιοφάσματος, το οποίο είναι πολύτιμο αλλά εξαιρετικά περιορισμένο. Η υπάρχουσα μορφή της στατικής απόδοσης του ραδιοδικτύου σε συνδυασμό με τους νόμους των κυβερνήσεων, οδηγεί στην υποαξιοποίηση του διαθέσιμου φάσματος και δεν αξιοποιεί πλήρως τις δυνατότητες που προσφέρει. Επομένως αναγνωρίζεται η ανάγκη για τον σχεδιασμό και την ανάπτυξη τρόπων για την διαχείριση του φάσματος, ικανών να αξιοποιήσουν τις διαθέσιμες και υποαξιοποιούμενες μπάντες συχνοτήτων. Προς αυτή την κατεύθυνση τα γνωσιακά ραδιοδίκτυα μπορούν να αξιοποιήσουν μηχανισμούς και λειτουργίες που προσφέρονται από τη μηχανική μάθηση, έτσι ώστε να αναπτυχθούν κατάλληλα ολοκληρωμένα συστήματα που θα παρέχουν την κατάλληλη «εξυπνάδα» στο γνωσιακό ραδιοδίκτυο, έτσι ώστε αυτό να πραγματοποιεί τη βέλτιστη αναγνώριση των σεναρίων αξιοποίησης του διαθέσιμου δικτύου και την εξαγωγή συμπερασμάτων/λύσεων για την ορθή και αποδοτικότερη αξιοποίηση του.