Asignación de espectro basado en inteligencia de enjambre empleando un algoritmo metaheurístico híbrido bioinspirado
Publicado
:Número
:Sección
:Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Cómo citar
Dimensions Metrics
asignación de espectro, inteligencia de enjambre, algoritmo metaheurístico, red heterogéne
El crecimiento exponencial de los nuevos servicios móviles e inalámbricos, inherentes a las necesidades de una sociedad hiperconectada, demandan cada vez más el acceso casi inmediato y permanente de diferentes recursos radio, lo que implica atender de manera cuidadosa, aspectos de estudio como la prevista escasez del espectro electromagnético y su considerable subutilización en las radiocomunicaciones actuales, motivando así la investigación de modelos emergentes para la asignación dinámica de espectro. De esta manera, el Acceso Dinámico de Espectro se presenta como una solución eficiente para la reutilización resiliente de canales inalámbricos de comunicación en un esquema compartido de bandas de frecuencia. El reto principal de la asignación dinámica de espectro es poder garantizar a todos los usuarios de una red protección contra la interferencia que se pudiera generar durante la ocupación simultánea de un canal de comunicación. Por lo tanto, se considera pertinente restringir el acceso a una cantidad sobrecargada de usuarios, con el fin de conseguir una coexistencia pacífica en un área de cobertura dada, considerando que el uso simultáneo de un canal por uno o más usuarios será posible siempre y cuando, no excedan el umbral de interferencia impuesto por el sistema. En consecuencia, en este trabajo se emplea Inteligencia Artificial basada en un algoritmo metaheurístico híbrido bioinspirado, denominado Optimización por Cúmulo de Partículas Socio-Cognitivo, con el fin de dar solución al problema de Acceso Dinámico de Espectro en una Red Heterogénea, teniendo como función de utilidad multi-objetivo las métricas asociadas a la asignación de usuarios y a la maximización de la tasa de datos, logrando mitigar así el impacto nocivo de la interferencia y asignando espectro de manera exitosa en promedio al 80% de los usuarios considerados el escenario de análisis.
A. Martínez. “Control de admisión y asignación de canal para acceso dinámico de espectro usando cómputo multi-objetivo”. Computación y Sistemas, Vol. 19, No. 2, pp. 337-355, 2015
C. Salgado. “Técnicas inteligentes en la asignación de espectro dinámica para redes inalámbricas cognitivas”. TECNURA, Vol. 20, No. 49, 2016 DOI: https://doi.org/10.14483/udistrital.jour.tecnura.2016.3.a09
A. Martinez y Á. Andrade. “Comparing particle swarm optimization variants for a cognitive radio network”. Applied Soft Computing, Vol. 13 No. 2, pp. 1222–1234, 2013
A. Galvis y R. Márquez. “Simulación y Análisis de Alternativas para la Asignación Dinámica de Espectro en ambientes TDMA”. Proceedings IEEEE de Sistemas de Telecomunicaciones, Escuela Politécnica Nacional/IEEE ComSoc, Quito-Ecuador, 2008
D.A. Roberson, C.S. Hood, y J.L. LoCicero. “Spectral Occupancy and Interference Studies in support of Cognitive Radio Technology Deployment”. 1st IEEE Workshop on Networking Technologies for Software Defined Radio Networks (SDR), Reston, USA, pp. 26–35, 2006 DOI: https://doi.org/10.1109/SDR.2006.4286323
N. Abbas, Y. Nasser, y K. El Ahmad. “Recent advances on artificial intelligence and learning techniques in cognitive radio networks”. EURASIP Journal on Wireless Communications and Networking, 1, 1-20, 201
Y. Zhang, Z. Zhang, Luo y H. Wang. “Initial spectrum access control with QoS protection for active users in cognitive wireless networks”. International Journal of Communication Systems, Vol. 25, No. 5, pp. 636–651, 2012 DOI: https://doi.org/10.1002/dac.1287
J. Tadrous, A. Sultan y M. Nafie. “Admission and Power Control for Spectrum Sharing Cognitive Radio Networks”. IEEE Transactions on Wireless, Vol. 10, No. 6, pp. 1945–1955, 2011. DOI: 10.1109/TWC.2011.040411.101571 DOI: https://doi.org/10.1109/TWC.2011.040411.101571
S.D. Roy y S. Kundu. “Gradual removal of secondary user in cognitive-CDMA spectrum underlay network”. International Conference on Devices and Communications (ICDeCom), Mesra, Algeria, pp. 1–4, 2011 DOI: https://doi.org/10.1109/ICDECOM.2011.5738471
B. Wang y D. Zhao. “Performance analysis in CDMA-based cognitive wireless networks with spectrum underlay”. IEEE Global Telecommunications Conference (IEEE GLOBECOM), New Orleans, USA, pp. 1–6, 2008 DOI: https://doi.org/10.1109/GLOCOM.2008.ECP.959
P. Liu, J. Li y H. Li. “An Iteration Resource Allocation Method to Maximize Number of Users with QoS Demand in Femtocell Networks”. 2nd IEEE/CIC Conference on Communications in China, pp. 554-558, 2013 DOI: https://doi.org/10.1109/ICCChina.2013.6671176
O. Ulgen, B. John, y J. Betty. “Simulation Methodology – A Practitioner’s Perspective”, University of Michigan – Dearborn and Production Modeling Corporation. 2006
J. Kennedy y R. Eberhart. “Particle swarm optimization”. In Proceedings of IEEE International Conference on Neural Networks, Vol. 4, pp. 1942–1948, 1995 DOI: https://doi.org/10.1109/ICNN.1995.488968
A. Cervantes. “Clasificación mediante enjambre de prototipos”. Tesis Doctoral. Departamento de Informática. Universidad Carlos III de Madrid. 2016
K. Deep y J.C. Bansal. “A Socio-Cognitive Particle Swarm Optimization for Multi-Dimensional Knapsack Problem”. Emerging Trends in Engineering and Technology Conference (ICETET), pp. 355–360, 2008 DOI: https://doi.org/10.1109/ICETET.2008.163
K. Deb. Multi-objective optimization using evolutionary algorithms. New York: John Wiley & Sons. 2001
R.T. Marler y J.S. Arora. “The weighted sum method for multi-objective optimization: new insights”. Structural and Multidisciplinary Optimization, Vol. 41 No. 6, pp. 853–862, 2010 DOI: https://doi.org/10.1007/s00158-009-0460-7
A. Martínez y A. Andrade. “Deployment analysis and optimization of heterogeneous networks under the spectrum underlay strategy”. EURASIP Journal on Wireless Communications and Networking, vol. 1, pp. 1-15, 2015 DOI: https://doi.org/10.1186/s13638-015-0276-7
A. Martínez y A. Andrade. “Comparing particle swarm optimization variants for a cognitive radio network”. ELSEVIER, pp. 1222-1234, 2012 DOI: https://doi.org/10.1016/j.asoc.2012.10.016
Z. Haibo, Y. Quan, S. Xuemin, W, Shaohua y Z, Qinyu. “Dynamic Sharing of Wireless Spectrum”. Springer, 2017
A. Karandikar, N. Akhtar y M. Mehta. Mobility Management in LTE Heterogeneous Networks. Singapore: Springer. 2017 DOI: https://doi.org/10.1007/978-981-10-4355-0
T. Erpek, M.A. Mchenry y A. Stirling. “Dynamic spectrum access operational parameters with wireless microphones”. IEEE Communications Magazine, Vol. 49, No. 3, pp. 38–45, 2011. DOI: 10.1109/MCOM.2011.5723798 DOI: https://doi.org/10.1109/MCOM.2011.5723798
M. Esteban. “Optimización Binaria por Cúmulo de Partículas con Memoria (MBPSO) para Resolver un Problema de Espectro Compartido”. Computación y Sistemas, vol. 20, No. 1, pp. 153-168, 2016
M. Ali, S. Qaisar y M. Naeem. "Resource allocation for licensed and unlicensed spectrum in 5G heterogeneus networks".Transactions on Emerging Telecommunications Technologies, e3299, 2018. DOI: https://doi.org/10.1002/ett.3299
El crecimiento exponencial de los nuevos servicios móviles e inalámbricos, inherentes a las necesidades de una sociedad hiperconectada, demandan cada vez más el acceso casi inmediato y permanente de diferentes recursos radio, lo que implica atender de manera cuidadosa, aspectos de estudio como la prevista escasez del espectro electromagnético y su considerable subutilización en las radiocomunicaciones actuales, motivando así la investigación de modelos emergentes para la asignación dinámica de espectro. De esta manera, el Acceso Dinámico de Espectro se presenta como una solución eficiente para la reutilización resiliente de canales inalámbricos de comunicación en un esquema compartido de bandas de frecuencia. El reto principal de la asignación dinámica de espectro es poder garantizar a todos los usuarios de una red protección contra la interferencia que se pudiera generar durante la ocupación simultánea de un canal de comunicación. Por lo tanto, se considera pertinente restringir el acceso a una cantidad sobrecargada de usuarios, con el fin de conseguir una coexistencia pacífica en un área de cobertura dada, considerando que el uso simultáneo de un canal por uno o más usuarios será posible siempre y cuando, no excedan el umbral de interferencia impuesto por el sistema. En consecuencia, en este trabajo se emplea Inteligencia Artificial basada en un algoritmo metaheurístico híbrido bioinspirado, denominado Optimización por Cúmulo de Partículas Socio-Cognitivo, con el fin de dar solución al problema de Acceso Dinámico de Espectro en una Red Heterogénea, teniendo como función de utilidad multi-objetivo las métricas asociadas a la asignación de usuarios y a la maximización de la tasa de datos, logrando mitigar así el impacto nocivo de la interferencia y asignando espectro de manera exitosa en promedio al 80% de los usuarios considerados el escenario de análisis.
A. Martínez. “Control de admisión y asignación de canal para acceso dinámico de espectro usando cómputo multi-objetivo”. Computación y Sistemas, Vol. 19, No. 2, pp. 337-355, 2015
C. Salgado. “Técnicas inteligentes en la asignación de espectro dinámica para redes inalámbricas cognitivas”. TECNURA, Vol. 20, No. 49, 2016 DOI: https://doi.org/10.14483/udistrital.jour.tecnura.2016.3.a09
A. Martinez y Á. Andrade. “Comparing particle swarm optimization variants for a cognitive radio network”. Applied Soft Computing, Vol. 13 No. 2, pp. 1222–1234, 2013
A. Galvis y R. Márquez. “Simulación y Análisis de Alternativas para la Asignación Dinámica de Espectro en ambientes TDMA”. Proceedings IEEEE de Sistemas de Telecomunicaciones, Escuela Politécnica Nacional/IEEE ComSoc, Quito-Ecuador, 2008
D.A. Roberson, C.S. Hood, y J.L. LoCicero. “Spectral Occupancy and Interference Studies in support of Cognitive Radio Technology Deployment”. 1st IEEE Workshop on Networking Technologies for Software Defined Radio Networks (SDR), Reston, USA, pp. 26–35, 2006 DOI: https://doi.org/10.1109/SDR.2006.4286323
N. Abbas, Y. Nasser, y K. El Ahmad. “Recent advances on artificial intelligence and learning techniques in cognitive radio networks”. EURASIP Journal on Wireless Communications and Networking, 1, 1-20, 201
Y. Zhang, Z. Zhang, Luo y H. Wang. “Initial spectrum access control with QoS protection for active users in cognitive wireless networks”. International Journal of Communication Systems, Vol. 25, No. 5, pp. 636–651, 2012 DOI: https://doi.org/10.1002/dac.1287
J. Tadrous, A. Sultan y M. Nafie. “Admission and Power Control for Spectrum Sharing Cognitive Radio Networks”. IEEE Transactions on Wireless, Vol. 10, No. 6, pp. 1945–1955, 2011. DOI: 10.1109/TWC.2011.040411.101571 DOI: https://doi.org/10.1109/TWC.2011.040411.101571
S.D. Roy y S. Kundu. “Gradual removal of secondary user in cognitive-CDMA spectrum underlay network”. International Conference on Devices and Communications (ICDeCom), Mesra, Algeria, pp. 1–4, 2011 DOI: https://doi.org/10.1109/ICDECOM.2011.5738471
B. Wang y D. Zhao. “Performance analysis in CDMA-based cognitive wireless networks with spectrum underlay”. IEEE Global Telecommunications Conference (IEEE GLOBECOM), New Orleans, USA, pp. 1–6, 2008 DOI: https://doi.org/10.1109/GLOCOM.2008.ECP.959
P. Liu, J. Li y H. Li. “An Iteration Resource Allocation Method to Maximize Number of Users with QoS Demand in Femtocell Networks”. 2nd IEEE/CIC Conference on Communications in China, pp. 554-558, 2013 DOI: https://doi.org/10.1109/ICCChina.2013.6671176
O. Ulgen, B. John, y J. Betty. “Simulation Methodology – A Practitioner’s Perspective”, University of Michigan – Dearborn and Production Modeling Corporation. 2006
J. Kennedy y R. Eberhart. “Particle swarm optimization”. In Proceedings of IEEE International Conference on Neural Networks, Vol. 4, pp. 1942–1948, 1995 DOI: https://doi.org/10.1109/ICNN.1995.488968
A. Cervantes. “Clasificación mediante enjambre de prototipos”. Tesis Doctoral. Departamento de Informática. Universidad Carlos III de Madrid. 2016
K. Deep y J.C. Bansal. “A Socio-Cognitive Particle Swarm Optimization for Multi-Dimensional Knapsack Problem”. Emerging Trends in Engineering and Technology Conference (ICETET), pp. 355–360, 2008 DOI: https://doi.org/10.1109/ICETET.2008.163
K. Deb. Multi-objective optimization using evolutionary algorithms. New York: John Wiley & Sons. 2001
R.T. Marler y J.S. Arora. “The weighted sum method for multi-objective optimization: new insights”. Structural and Multidisciplinary Optimization, Vol. 41 No. 6, pp. 853–862, 2010 DOI: https://doi.org/10.1007/s00158-009-0460-7
A. Martínez y A. Andrade. “Deployment analysis and optimization of heterogeneous networks under the spectrum underlay strategy”. EURASIP Journal on Wireless Communications and Networking, vol. 1, pp. 1-15, 2015 DOI: https://doi.org/10.1186/s13638-015-0276-7
A. Martínez y A. Andrade. “Comparing particle swarm optimization variants for a cognitive radio network”. ELSEVIER, pp. 1222-1234, 2012 DOI: https://doi.org/10.1016/j.asoc.2012.10.016
Z. Haibo, Y. Quan, S. Xuemin, W, Shaohua y Z, Qinyu. “Dynamic Sharing of Wireless Spectrum”. Springer, 2017
A. Karandikar, N. Akhtar y M. Mehta. Mobility Management in LTE Heterogeneous Networks. Singapore: Springer. 2017 DOI: https://doi.org/10.1007/978-981-10-4355-0
T. Erpek, M.A. Mchenry y A. Stirling. “Dynamic spectrum access operational parameters with wireless microphones”. IEEE Communications Magazine, Vol. 49, No. 3, pp. 38–45, 2011. DOI: 10.1109/MCOM.2011.5723798 DOI: https://doi.org/10.1109/MCOM.2011.5723798
M. Esteban. “Optimización Binaria por Cúmulo de Partículas con Memoria (MBPSO) para Resolver un Problema de Espectro Compartido”. Computación y Sistemas, vol. 20, No. 1, pp. 153-168, 2016
M. Ali, S. Qaisar y M. Naeem. "Resource allocation for licensed and unlicensed spectrum in 5G heterogeneus networks".Transactions on Emerging Telecommunications Technologies, e3299, 2018. DOI: https://doi.org/10.1002/ett.3299