Multichannel assignment using K-Means in cognitive radio networks

• Autores: Hans Raúl Márquez Ramos, Lizeth Camila Salgado, César Augusto Hernández Suárez
• Localización: Tecnura: Tecnología y Cultura Afirmando el Conocimiento, ISSN-e 2248-7638, ISSN 0123-921X, Vol. 21, Nº. 52 (Abril - Junio), 2017, págs. 68-78
• Idioma: inglés
• DOI: 10.14483/udistrital.jour.tecnura.2017.2.a05
• Títulos paralelos:
  • Asignación multicanal usando K-Means en redes de radio cognitiva
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Contexto: El esquema desarrollado permite realizar la asignación de varios canales de frecuencia tanto contiguos como no contiguos que se encuentren disponibles a usuarios secundarios que requieran un mayor ancho de banda, bajo un ambiente de equidad.Objetivo: El presente trabajo desarrolla un modelo de asignación múltiple de canales que permite aprovechar de forma más eficiente las oportunidades espectrales en redes de radio cognitiva.Método: El modelo de asignación desarrollado está compuesto por el algoritmo K-Means, encargado de realizar el agrupamiento de canales mediante clústeres para los mejores parámetros y otro encargado de establecer un criterio de equidad para todos los usuarios secundarios que deseen transmitir. Los resultados alcanzados se evaluaron con datos experimentales de ocupación espectral, capturados en la banda de frecuencia GSM. El modelo desarrollado fue comparado con el algoritmo MFA-CRN.Resultados: Las mediciones realizadas corresponden al ancho de banda promedio, el retardo promedio y el cálculo de fairness en la asignación de varios canales. El modelo desarrollado evidencia una mejora en la asignación de un mayor ancho de banda promedio de trasmisión para cada usuario secundario, manteniendo el criterio de equidad en la asignación de los canales.Conclusión: A pesar del aumento en el número de handoffs, se observa que métricas como ancho de banda promedio, throughput promedio y retardo promedio no se ven en ningún momento impactadas de manera negativa frente a este aumento de handoffs.

  • English

    Context: The developed scheme allows carrying out the assignment of several frequency channels (both contiguous and not contiguous) available to the secondary users that require a higher bandwidth, under an environment of equality.Objective: The following paper develops a multichannel assignment which allows taking in a more efficient way the spectral opportunities in cognitive radio networks.Method: The developed assignment model is composed by the K-Means algorithm, which is in charged of carrying out the grouping of channels through clusters for the best parameters, and another algorithm in charge of establishing an equal criteria for all the secondary users that wish to transmit. The reached results were evaluated with experimental spectral occupancy data taken from the GSM frequency band. The developed model was compared with the MFA-CRN algorithm.Results: The obtained measurements correspond to the average bandwidth, the average delay, and the fairness calculation in the assignment of several channels. The developed assignment model shows an improvement in the assignment of a higher transmission average bandwidth for each secondary user while maintaining the fairness criteria in the channel assignments.Conclusion: Despite the increasing in the number of handoffs, it is also observed that metrics such as average bandwidth, average throughput and average delay are never negatively impacted by this increase in handoffs.

• Referencias bibliográficas
  • Bajali, V., Nagendra, T., Hota, C., & Raghurama, G. (2016). Cooperative spectrum sensing in Cognitive Radio: An Archetypal Clustering...
  • Chen, C., Wei, X., Jin, Y., & Ge, S. (2013). A Delay Sensitive Time Slots Scheduling in Vehicular Sensor Networks. Intelligent Networking...
  • Chen, X., Hou, F., Huang, H., & Jing, X. (2016). Principle component analysis based cooperative spectrum sensing in cognitive radio. Communications...
  • Hernandez, C., Marquez, H., & Pedraza, L. (2016). Multichannel Allocation Spectrum Model with Fairness Criterion for Cognitive Radio Networks....
  • Hernández, C., Márquez, H. & Pedraza, L. (2017). Modelo de asignación multicanal con equidad para la movilidad espectral en redes de radio...
  • Hernández, C., Páez, I. & Giral, D. (2017). Modelo adaptativo multivariable de handoff espectral para incrementar el desempeño en redes...
  • Kang, S., Ryu, J., Lee, J., & Jeong, J. (2011). Analysis of space–time adaptive processing performance using K-means clustering algorithm...
  • Kumar, V., Kandpal, D. C., Jain, M., Gangopadhyay, R., & Debnath, S. (2016). K-mean clustering based cooperative spectrum sensing in generalized...
  • Lu, Y., Zhu, P., Wang, D., & Fattouche, M. (2016). Machine learning techniques with probability vector for cooperative spectrum sensing...
  • McLean, R. K., Silvius, M. D., & Hopkinson, K. M. (2013). Method for Evaluating k-Means Clustering for Increased Reliability in Cognitive...
  • Moumena, A. (2015). Abnormal behavior detection of jamming signal in the spectrum using a combination of compressive sampling and intelligent...
  • Nguyen, D. D., Madhukumar, A. S., Tio, S. D., & Ng, B. C. (2010). Cognitive Radios In Cooperative Environment:Detection, Sensing and Clustering...
  • Pandey, R. (2015). Elective Recommendation Support through K-Means Clustering Using R-Tool. Computational Intelligence and Communication Networks...
  • Ramler, I. P. (2008). Improved statistical methods for k-means clustering of noisy and directional data. Proquest.
  • Tragos, E. Z., Zeadally, S., Fragkiadakis, A. G., & Siris, V. A. (2013). Spectrum assignment in cognitive radio networks: A comprehensive...
  • Vassilvitskii, S. (2007). K-Means: algorithms, analyses, experiments. Stanford University.
  • Xu, J., Han, J., & Nie, F. (2016). Discriminatively embedded k-means for multi-view clustering. Conference on Computer Vision and Pattern...
  • Xue, H., & Feifei, G. (2015). A machine learning based spectrum-sensing algorithm using sample covariance matrix. Communications and Networking...
  • Zhang, S., Hu, J., Bao, Z., & Wu, J. (2013). Prediction of spectrum based on improved RBF neural network in cognitive radio. International...