Uso de cadeias de Markov para otimizar o sensoriamento colaborativo do espectro em redes 5G

Abstract

<div lang="pt" class="abs"><p class="abs_header">Resumo</p><p>Os rádios cognitivos são considerados fundamentais para melhorar o uso do espectro em redes 5G. O sensoriamento de espectro é uma tecnologia que permite que o estado do canal seja determinado de forma descentralizada. O sensoriamento colaborativo do espectro melhora a detecção ao coletar mais dados de diferentes usuários, em diferentes lugares, aumentando a quantidade de informação disponível para a toma de decisões. Este artigo apresenta uma técnica baseada em cadeias de Markov que melhora a detecção do espectro e diminui o número de notificações de sensoriamento. Dessa forma, a técnica melhora o resultado dos algoritmos de fusão clássicos para sensoriamento colaborativo no caso de acesso bem comportado. Observou-se uma redução de até ~99.67% da taxa de alarmes falsos e até ~98% do tráfego de controle associado, preservando a taxa de falsos negativos abaixo do limite tolerável de 10%, minimizando interferência ao usuário do canal.</p></div>