核心概念
Dynamic spectrum access requires effective spectrum occupancy detection, improved by federated learning algorithms.
要約
無線通信システムにおけるスペクトル占有検出の効果的な実現は、フェデレーテッドラーニングアルゴリズムによって向上します。この手法は、分散スペクトル占有検出の文脈で効果的であり、実験結果は実際の信号サンプルに基づいています。フェデレーテッドラーニングを使用することで、センサーのセット内の不良センサーを考慮しても提案されたアルゴリズムは効果的であり、特に効果的です。さらに、従来のエネルギー検出アルゴリズムと比較して決定の効率が向上し、マシンラーニングを使用したアルゴリズムとも同等の効率が得られます。
統計
ロジスティック回帰を使用したスペクトル占有判定の平均効率:98.83%
ニューラルネットワークを使用したスペクトル占有判定の平均効率:99.04%
フェデレーテッドラーニングを使用したロジスティック回帰モデルの平均効率:94.51%
フェデレーテッドラーニングを使用したニューラルネットワークモデルの平均効率:96.46%
引用
"Many papers deal with spectrum occupancy detection algorithms in various scenarios."
"Machine learning algorithms are also successfully used to improve the detection quality."
"Federated learning assumes the operation of individual sensors in a specific area of the network."