Resumen

La detección de espectro es una de las tareas más importantes y desafiantes en la radio cognitiva. Para desarrollar métodos de acceso dinámico al espectro, se requieren sensores de espectro robustos y eficientes. Para la mayoría de estos sensores, las principales limitaciones son la falta de información sobre la señal de los usuarios primarios (PU), el alto costo computacional, los límites de rendimiento en condiciones de baja relación señal-ruido (SNR) y la dificultad para encontrar un umbral de detección. Este artículo propone un novedoso método de detección basado en aprendizaje automático para superar estas limitaciones. Para abordar la primera limitación, la detección se logra utilizando características cicloestacionarias. Las limitaciones de bajo SNR, encontrar el umbral de detección y el costo computacional se abordan proponiendo un clasificador de conjunto. En primer lugar, se genera un conjunto de datos que contiene diferentes señales de multiplexación por división de frecuencia ortogonal en diferentes SNRs. Luego, se extraen características cicloestacionarias utilizando el

• Materias:Dispositivos móviles Programación centralizada Redes heterogéneas Cooperación de retransmisión Antenas inteligentes
• Subjects:Mobile devices Centralized scheduling Heterogeneous networks Relay cooperation Smart antennas
• Palabras claves:Detección de espectro; Radio cognitiva; Acceso dinámico al espectro; Sensores de espectro; Usuarios primarios; Aprendizaje automático
• Keywords:Spectrum sensing; Cognitive radio; Dynamic spectrum access; Spectrum sensors; Primary users; Machine learning