Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo

Abstract

O acesso dinâmico ao espectro de frequência utilizando sistemas do tipo rádio cognitivo surge como alternativa ao gerenciamento dos recursos espectrais, de forma a se obter maior eficiência na utilização espectral, fundamental em um ambiente de escassez de espectro. A implementação de técnicas de sensoriamento espectral torna possível a identificação de oportunidades de acesso ao espectro, favorecendo o compartilhamento do recurso espectral. Nesse contexto, técnicas de aprendizado de máquina podem ser utilizadas para predição da ocupação espectral. Neste trabalho, avaliou-se o desempenho das redes neurais do tipo perceptron de múltiplas camadas para o problema de predição de ocupação espectral. As análises de desempenho são realizadas sob condições de tráfego estacionário e não-estacionário e utilizam os critérios de probabilidade de falso alarme e falsa detecção para comparar a abordagem baseada em redes neurais com técnicas clássicas de sensoriamento. Resultados de simulação mostram que a predição do estado de ocupação do canal reduz a energia necessária ao sensoriamento espectral em, pelo menos, 54% e incrementa a utilização do espectro de frequência em até 150%.