Resumen

Un transceptor cognitivo debe utilizar de forma oportunista los recursos espectrales vacantes con licencia para usuarios primarios. Por ello, se basa en un comportamiento adaptativo completo compuesto por: piezas de radiofrecuencia (RF) reconfigurables, algoritmos de detección del espectro mejorados y sofisticadas técnicas de aprendizaje automático. En este artículo, presentamos una revisión de los recientes avances en el diseño de hardware y algoritmos de los transceptores de RC. En cuanto a la parte de RF, se presentan tres tipos de antenas: Antenas UWB, antenas reconfigurables/ajustables en frecuencia y antenas UWB con muescas de banda reconfigurables. También se comentan los principales retos a los que se enfrenta el diseño de los demás bloques de RF. Se destacan los sofisticados algoritmos de detección del espectro que superan los principales retos de detección, como la incertidumbre del modelo, las deficiencias del hardware y la detección de banda ancha. Se discuten las características del motor cognitivo. Además, se estudian los algoritmos de clasificación no supervisada y un algoritmo de aprendizaje por refuerzo (RL) que se ha propuesto para realizar la toma de decisiones en las redes CR.

• Materias:Redes de telecomunicaciones Radiofrecuencia Radar Teoría de Antenas Dieléctricos
• Subjects:Telecommunications networks Radio frequency Radar Antenna theory Dielectrics
• Palabras claves:antena uwb, algoritmo, características del motor cognitivo, tipo de antena, muesca de banda reconfigurable, comportamiento adaptativo completo, diseño de hardware de transceptores, recursos espectrales vacantes, hardware de transceptores cr, técnicas de aprendizaje automático
• Keywords:uwb antenna, algorithm, cognitive engine features, type of antenna, reconfigurable band notch, complete adaptive behavior, transceivers hardware design, vacant spectrum resources, cr transceivers hardware, machine learning techniques