Resumen

La deteccin de espectro es una de las tareas ms importantes y desafiantes en la radio cognitiva. Para desarrollar mtodos de acceso dinmico al espectro, se requieren sensores de espectro robustos y eficientes. Para la mayora de estos sensores, las principales limitaciones son la falta de informacin sobre la seal de los usuarios primarios (PU), el alto costo computacional, los lmites de rendimiento en condiciones de relacin seal-ruido baja (SNR) y la dificultad para encontrar un umbral de deteccin. Este artculo propone un novedoso mtodo de deteccin basado en aprendizaje automtico para superar estas limitaciones. Para abordar la primera limitacin, la deteccin se logra utilizando caractersticas cclicas. Las limitaciones de baja SNR, encontrar el umbral de deteccin y el costo computacional se abordan proponiendo un clasificador de conjunto. Primero, se genera un conjunto de datos que contiene diferentes seales de multiplexacin por divisin de frecuencia ortogonal en diferentes SNR. Luego, se extraen caractersticas cclicas utilizando el mtodo de acum

• 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