W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz plik Pobierz BibTeX

Tytuł

Computationally Efficient Wideband Spectrum Sensing through Cumulative Distribution Function and Machine Learning

Autorzy

[ 1 ] Instytut Telekomunikacji Multimedialnej, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2024

Opublikowano w

Journal of Communications Software and Systems

Rocznik: 2024 | Tom: vol. 20 | Numer: iss. 1

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • blind detection
  • cumulative distribution function
  • machine learning
  • spectrum sensing
  • unknown signals
Streszczenie

EN Blind spectrum sensing (BSS) is crucial for identifying unknown signals in scenarios with limited prior knowledge. Traditional methods face challenges with unknown and time-varying signals, especially in the presence of noise interference. This paper addresses these issues by introducing a statistical signal processing framework that extends the use of machine learning (ML) features. Our approach improves BSS by incorporating cumulative distribution functions (CDFs) into unsupervised ML, enabling effective clustering of diverse transmission states without assumptions about specific noise distributions. Additionally, we introduce a temporal decomposition technique using shorter Fast Fourier Transforms (FFTs), enhancing the learning process, reducing system inertia, and minimizing data requirements for retraining under dynamic conditions. We evaluate our method, focusing on various features/approaches for incorporating CDFs into ML, including centroid, linear approximation, and low-order statistics. Simulation results demonstrate robust detection in a standard transmission scenario with a Gaussian pulse amidst additive white Gaussian noise, maintaining a consistently low false alarm rate. These findings highlight our BSS approach’s effectiveness and practical potential in handling unknown signals in challenging environments. This research provides valuable insights, laying the groundwork for practical implementation in real-world scenarios.

Strony (od-do)

38 - 46

DOI

10.24138/jcomss-2023-0175

URL

https://stream.fesb.hr/10.24138/jcomss-2023-0175/

Typ licencji

CC BY-NC (uznanie autorstwa - użycie niekomercyjne)

Pełny tekst artykułu

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Punktacja Ministerstwa / czasopismo

20

Impact Factor

0,6 [Lista 2023]

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.