МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ АБОНЕНТОВ С ИСПОЛЬЗОВАНИЕМ ЦЕПИ МАРКОВА ПРИ ФОРМИРОВАНИИ КАРТЫ РАДИОСРЕДЫ ДЛЯ КОГНИТИВНОЙ СИСТЕМЫ СВЯЗИ
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Аннотация
Представлена методика формирования расписаний перемещения и сеансов передачи данных абонентских устройств имитационной модели построения карты радиосреды для когнитивной системы сотовой связи. Методика определяет поведение абонентов как псевдослучайное на малых масштабах времени, но периодически повторяющееся в течение больших интервалов. Учитывается влияние на поведение абонентов некоторых временных параметров: типы дня, такие как рабочий, выходной, праздничный; номер дня недели; номер недели месяца. Формирование сценариев осуществляется с использованием бинарных последовательностей, получаемых с помощью цепи Маркова, и генератора импульсного шума для изменения состояния абонентов. Программная реализация модели выполнена в программной среде MatLab, представлены результаты исследований, которые подтверждают корректность работы модели и возможность использования предложенного подхода для формирования карты радиосреды.
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Iqbal, M., Zahid, M., Habib, D., & John, L. K. (2019). Efficient Prediction of Network Traffic for Real-Time Applications. Journal of Computer Networks and Communications, 1–11. DOI: 10.1155/2019/4067135.
Zhao, Y., Hong, Z., Luo, Y., Wang, G., & Pu, L. (2018) Prediction-Based Spectrum Management in Cognitive Radio Networks. IEEE Systems Journal, 12(4), 3303–3314. DOI: 10.1109/JSYST.2017.2741448.
Adamovskiy, Y., Chertkov, V., & Bohush, R. (2021). Sostav i predstavlenie dannykh dlya modeli kognitivnoi sistemy svyazi na baze LTE. [Data composition and representation for cognitive communication system model based on LTE]. Vestnik Polotskogo gosudarstvennogo universiteta. Seriya C, Fundamental'nye nauki [Herald of Polotsk State University. Series С. Fundamental sciences], (12), 13–20. (In Russ., abstr. in Engl.).
Adamovskiy, Y., Chertkov, V., & Bohush, R. (2022). Model' formirovaniya karty radiosredy dlya kognitivnoy sistemy svyazi na baze sotovoy seti LTE [Model for building of the radio environment map for cognitive communication system based on LTE]. Komp'yuternyye issledovaniya i modelirovaniye [Computer Research and Modeling], 1(14), 127–146. DOI: 10.20537/2076-7633-2022-14-1-127-146. (In Russ., abstr. in Engl.).
Fette, B. (2006). Cognitive radio technology. Amsterdam: Elsevier Inc. DOI: 10.1016/B978-0-7506-7952-7.X5000-4.
Jihong, Z., & Xiaoyuan, H. (2022). NTAM-LSTM models of network traffic prediction. In International Conference on Physics, Computing and Mathematical (ICPCM2021): Vol. 355 (1–10). DOI: 10.1051/matecconf/202235502007.
Trinh, H. D., Giupponi, L. & Dini, P. (2018). Mobile Traffic Prediction from Raw Data Using LSTM Networks. In 2018 IEEE 29th Annual International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC) (1827–1832). DOI: 10.1109/PIMRC.2018.8581000.
Sunday, I., Goodyer, E., Gow, J., Gongora, M., & Shell, J. (2015). Spectrum hole prediction and white space ranking using artificial neural network for cognitive radio application. International Journal of Scientific & Technology Research. 4(8). 319–325.
Tumuluru, V., Wang, P., Niyato, D. (2010). A neural network based spectrum prediction scheme for cognitive radio. In IEEE International Conference on Communications. DOI: 10.1109/ICC.2010.5502348.
Agarwal, A., Dubey, S., Asif, K., Gangopadhyay, R., & Debnath, S. (2016). Learning based primary user activity prediction in cognitive radio networks for efficient dynamic spectrum access. In International Conference on Signal Processing and Communications (SPCOM). DOI: 10.1109/SPCOM.2016.7746632.
Lin, Z., Jiang, X., Huang, L., & Yao, Y. (2009). A Energy Prediction Based Spectrum Sensing Approach for Cognitive Radio Networks. In 5th International Conference on Wireless Communications, Networking and Mobile Computing. DOI: 10.1109/WICOM.2009.5302514.
Nguyen, H., Zheng, G., Zheng, R., & Han, Z. (2013). Binary Inference for Primary User Separation in Cognitive Radio Networks. IEEE Transactions on Wireless Communications, 12(4), 1532–1542. DOI: 10.1109/TWC.2013.022213.112260.