Resumen

La utilización eficiente y compartida de los limitados recursos de espectro de forma autónoma es uno de los objetivos principales de la radio cognitiva. Sin embargo, el compartir el espectro de forma descentralizada puede llevar a escenarios de interferencia que deben ser detectados y caracterizados para ayudar a lograr el otro objetivo de la radio cognitiva: un servicio confiable para el usuario final. Los eventos de interferencia pueden ser tratados como inusuales, por lo que se pueden aplicar algoritmos de detección de anomalías para su detección. Se proponen dos algoritmos complementarios basados en medidas de divergencia de distribución estadística y contenido de información de carácter teórico. El primer método es aplicable a señales con estructuras periódicas y se basa en el análisis de la divergencia de Kullback-Leibler. El segundo utiliza el análisis de contenido de información para detectar eventos inusuales. Los resultados de las implementaciones de software y hardware muestran que los algoritmos propuestos son efectivos, simples y capaces de procesar señales de alta velocidad en tiempo real. Además

• Materias:Convergencia de IP Redes cooperativas Métodos de segmentación Optimización de capas Infraestructura híbrida
• Subjects:IP Convergence Cooperative networks Segmentation methods Layer optimization Hybrid Infrastructure
• Palabras claves:Recursos de espectro; Radio cognitiva; Escenarios de interferencia; Algoritmos de detección de anomalías; Medidas teóricas de la información; Tiempo real
• Keywords:Spectrum resources; Cognitive radio; Interference scenarios; Anomaly detection algorithms; Information theoretic measures; Real time