Resumen

La detección de espectro es de crucial importancia en las redes de radio cognitiva (CR). En este artículo se propone un esquema confiable de detección de espectro, que utiliza el algoritmo de aprendizaje automático K-vecinos más cercanos. En la fase de entrenamiento, cada usuario CR produce un informe de detección bajo condiciones variables y, basándose en una decisión global, o bien transmite o permanece en silencio. En la fase de entrenamiento, las decisiones locales de los usuarios CR se combinan a través de una votación mayoritaria en el centro de fusión y se devuelve una decisión global a cada usuario CR. Un usuario CR transmite o permanece en silencio de acuerdo con la decisión global y en cada usuario CR se compara la decisión global con la actividad real del usuario primario, que se determina a través de una señal de acuse de recibo. En la fase de entrenamiento se recopila suficiente información sobre el entorno circundante, es decir, la actividad de PU y el comportamiento de cada CR con respecto a esa actividad, y se forman clases de

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Detección del espectro; Redes de radio cognitivas; Algoritmo de aprendizaje automático; Decisión global; Centro de fusión; Actividad del usuario primario
• Keywords:Spectrum sensing; Cognitive radio networks; Machine learning algorithm; Global decision; Fusion center; Primary user activity