Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes

Abstract

A crescente demanda por tecnologias de comunicação sem fio tem esbarrado em um grande entrave: o modelo de alocação destas frequências é estático, dificultado a alocação para novos serviços. Além disso, a distribuição da ocupação das faixas do espectro não é uniforme, o que torna o modelo estático ineficiente, causando a escassez do espectro. O modelo de alocação dinâmica do espectro visa aumentar a eficiência do espectro a partir da exploração de faixas licenciadas por usuários que não possuem licença, desde que provejam meios de garantir uma interferência mínima com os usuários licenciados. Um dos grandes desafios para implementação de alocação dinâmica do espectro é a previsão correta de oportunidades de transmissão, para que usuários não licenciados possam explorar faixas licenciadas quando estiverem ociosas. Este trabalho propõe uma metodologia de previsão de oportunidades que consiste na aquisição dos sinais, análise por redes neurais recorrentes de Elman e modelagem estatística do ambiente para estimar a probabilidade de oportunidade de transmissão em um dado instante. Foram conduzidos experimentos para avaliar a eficiência e acurácia da metodologia proposta sob ambientes com diferentes configurações de tráfego, ruído e interferência. Os resultados, baseados em capturas de sinais utilizando um Rádio Definido por Software para monitoramento de um canal Wi-Fi, mostram que em todos os cenários avaliados uma rede neural de apenas 4 neurônios na camada intermediária é capaz de obter uma taxa de acerto média acima de 80%.