1 / 22

Proactive Cognitive Radio Network

הטכניון - מכון טכנולוגי לישראל הפקולטה להנדסת חשמל networked software systems lab. Proactive Cognitive Radio Network. שלומי בוהדנה אשר בודה. מנחה: בוריס אוקלנדר. תוכן העניינים. מבוא לרדיו קוגניטיבי הרעיון: Proactive CRN מטרות הפרויקט : מימוש מודל Proactive CRN ב- MATLAB

kaitlin-cooper
Download Presentation

Proactive Cognitive Radio Network

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. הטכניון - מכון טכנולוגי לישראל הפקולטה להנדסת חשמלnetworked software systems lab Proactive Cognitive Radio Network שלומי בוהדנה אשר בודה מנחה: בוריס אוקלנדר

  2. תוכן העניינים • מבוא לרדיו קוגניטיבי • הרעיון: Proactive CRN • מטרות הפרויקט : • מימוש מודל Proactive CRN ב-MATLAB • חקר ביצועים • תיאור המודל • תכן הסימולציה • תוצאות ראשוניות • תכנון לו"ז הפרויקט

  3. מבוא לרדיו קוגניטיבי • רדיו קוגניטיבי (CR)– תחום מחקר חדש בתקשורת wireless. • טכנולוגיה מבוססת רדיו תוכנה SDR. • עקרון פעולה של CR: • בניית תמונה אלקטרומגנטית של הסביבה. • ניצול הזדמנויות ספקטרליות. • בהתחשב במידע זה קובעת פרמטרי תקשורת להשגת ניצול מרבי של הספקטרום.

  4. הרעיון: PROACTIVE CRN תקציר הרעיון: ברדיו קוגנטיבי, המערכת מזהה הזדמנויות ספקטרליות.נרצה לנצל הזדמנויות אלה לטובת שליחת מידע על בסיס חיזוי. מוטיבציה ויתרונות השיטה: המערכת היא תחנת בסיסBS) ) המשרתת צרכנים. לצרכנים קיים פרופיל משתמש המאפשר לבצע חיזוי של צריכת מידע. את המערכת נמדל ע"י מערכות תורים. BS

  5. מטרת הפרויקט בניית מודל המדמה Proactive CRN. מימוש המודל ב - MATLAB. חקר ביצועים וניתוח המודל.

  6. תאור המודל 1 המודל מורכב מתורים המתארים ערוצי תקשורת של CRN. כל תור מאופיין ע"י הפרמטרים: - קצב קבלת החבילות ביחידות של - קצב עזיבת החבילות ביחידות של מגדירים כמאפיין של תור, כאשר צריך להתקיים כדי שמערכת התקשורת תהיה יציבה.

  7. arrival departure nothing תאור המודל 1 האלגוריתם לכתיבת הקוד ב – MATLAB: queue Update queue packet time TOA buffer TOB event TOD

  8. תכן הסימולציה עדכון המערכת יתבצע בכל זמן בו קיימת פעולה מסויימת: ישות SU SU0 BS זמן"התעוררות" (עזיבה)

  9. תכן הסימולציה • במודל שלנו קיימים: • צרכן משני ספציפי (SU) אותו אנו בוחנים. • קבוצת צרכנים משניים (0SU) הממדלים את שאר צרכני המערכת. • תחנת בסיס (BS) – שרת המערכת, המטפל בצרכנים. BS עיבוד סימולציה SU

  10. תאור המודל - אילוסטרציה עבור כל ישות, מגדירים: TOA - Time Of Arrival TOB – Service Time TOD – Time Of Departure תרשים פעולת התור:

  11. תאור המודל 2 Pre-Fetch SU BS + - SU0

  12. תוצאות ראשוניות הרצת סימולציה על המודל: Waiting time VS. rho

  13. תוצאות עיקריות הרצת סימולציה על המודל עבור N=1000000(מספר החבילות): Waiting time VS. Lam_p for exponential distribution

  14. תוצאות עיקריות הרצת סימולציה על המודל עבור N=2000000(מספר החבילות): Waiting time VS. Lam_p for exponential distribution

  15. תוצאות עיקריות הרצת סימולציה על המודל עבור N=3000000(מספר החבילות): Waiting time VS. Lam_p for exponential distribution

  16. תוצאות עיקריות הרצת סימולציה על המודל עבור N=4000000(מספר החבילות): Waiting time VS. Lam_p for exponential distribution

  17. תוצאות עיקריות הרצת סימולציה על המודל עבור N=1000000(מספר החבילות): Waiting time VS. Lam_p for exponential distribution

  18. תוצאות עיקריות הרצת סימולציה על המודל עבור N=2000000(מספר החבילות): Waiting time VS. Lam_p for exponential distribution

  19. תוצאות עיקריות הרצת סימולציה על המודל עבור N=3000000(מספר החבילות): Waiting time VS. Lam_p for exponential distribution

  20. תוצאות עיקריות הרצת סימולציה על המודל עבור N=4000000(מספר החבילות): Waiting time VS. Lam_p for exponential distribution

  21. מסקנות • בפרויקט מימשנו מודל של רדיו קוגניטיבי המנצל הזדמנויות ספקטראליות כדי לקדם מידע לצרכנים משניים על בסיס חיזוי של צריכת המידע העתידית שלהם. • כיוון שנושא זה מורכב מאוד נבנה מודל בעל רמת הפשטה גבוהה כדי לקבל בצורה מקורבת את ביצועי המערכת. • מהרצות הסימולציות השונות ניתן לראות כי הפעלת מנגנון הפרואקטיב יכול לשפר את ביצועי המערכת גם כאשר יכולת החיזוי אינה מושלמת ואף נמוכה.המסקנה היא שיכולת פרואקטיב של CRN היא יכולת קוגניטיבית שבכוחה לשפר את ביצוע המערכת.

  22. תודה על ההקשבה !

More Related