Q-Noise : um algoritmo de alocação dinâmica de canal para rádio cognitivo

Abstract

O significativo aumento de dispositivos que se comunicam através de tecnologia sem fio nos mostra o quão dependente a sociedade tornou-se deste meio de comunicação. Entretanto, o espectro de frequências é um recurso finito e, portanto, possui acesso regulamentado por órgãos governamentais, como por exemplo, a ANATEL. Essa regulamentação é realizada com base em políticas de alocação de frequências durante longos períodos de tempo e em grandes áreas geográficas, ocasionando um grande desperdício desse recurso. Paralelamente ao problema de subutilização do recurso, ocorre o problema de escassez do mesmo, pois não há frequências disponíveis para novos licenciamentos. Nesse contexto, a tecnologia de Rádio Cognitivo surgiu para tentar solucionar esses problemas. O princípio por trás dessa tecnologia é detectar frequências não utilizadas por usuários que detém sua licença de uso (chamados de usuários primários) e permitir que usuários não licenciados (denominados usuários secundários) possam utilizá-las desde que cumpram alguns requisitos, como por exemplo, interromper sua transmissão assim que um usuário licenciado desejar realizar uma transmissão na mesma frequência. Contudo, existem desafios e possíveis melhorias no funcionamento de Rádio Cognitivo. O objetivo deste trabalho é propor um algoritmo de alocação de usuários secundários utilizando Aprendizado por Reforço para auxiliar a Seleção Dinâmica de Canal considerando uma modelagem realística do comportamento do espectro de frequências.

The significant increase of wireless devices shows how dependent society has become of this technology. However, the spectrum is a finite resource and is regulated by government agencies, such as ANATEL. This allocation policy is based on long periods of time and over large geographical areas, causing a great waste of this resource. Besides the problem of underutilization of the resource, another problem is its scarcity, because there are no new frequencies available for licensing. In this context, Cognitive Radio technology emerged to try to solve these problems. The principle behind this technology is to detect unused frequencies by licensed users (known as primary users) and allow unlicensed users (known as secondary users) to transmit on these frequencies, as long as they meet certain requirements, such as interrupt its transmission as soon as a licensed starts to broadcast on the same frequency. However, there are challenges and possible improvements in the Cognitive Radio functioning. The objective of this study is to propose an algorithm for allocating secondary users using Reinforcement Learning to support Dynamic Channel Selection considering a realistic modeling of the spectrum’s behavior.