Имитационная модель когнитивного радио

Аннотация

Растущий дефицит радиочастотного спектра, вызванный взрывным ростом числа беспроводных устройств и объемов передаваемых данных, делает технологии когнитивного радио (CR) критически важными для будущего телекоммуникаций. Данное исследование направлено на решение задачи динамического управления спектром путем разработки имитационной модели когнитивной радиосистемы связи, построенной на архитектуре сети LTE. В отличие от существующих решений, предлагаемая модель обладает модульной структурой, что позволяет гибко интегрировать и оценивать различные алгоритмы прогнозирования занятости частотных ресурсов. Модель реализована в среде MatLab и включает три ключевых модуля: модуль формирования и обработки сигналов LTE, генерирующий карты радиосреды (REM); модуль обучения прогнозирующей нейросетевой модели; и модуль прогнозирования занятости частотных ресурсов. Основное внимание уделено использованию передовой архитектуры нейронной сети Колмогорова-Арнольда (KAN) для прогнозирования незанятых блоков планирования (SB) в кадре LTE. В результате имитационного моделирования, охватившего 10 000 кадров, была продемонстрирована высокая эффективность предложенного подхода. Модель KAN обеспечила точность прогнозирования свободных частотных ресурсов на уровне 92,23% для кадра длительностью 10 мс. Проведенное сравнительное тестирование показало, что архитектура KAN превосходит традиционную сеть LSTM по точности примерно на 10% при одинаковом количестве обучаемых параметров, а также быстрее достигает сходимости в процессе обучения. Практическая значимость работы заключается в предоставлении инструмента для точной оценки занятости спектра и планирования доступа вторичных пользователей, что ведет к значительному повышению спектральной эффективности и надежности перспективных беспроводных сетей.