چکیده
سیاستهای سنتی تخصیص طیف بصورت ایستا، کمبود شدید طیف و بهرهبرداری کم بعنوان یک مشکل شبکه های بیسیم است، که نیاز فوری به حل دارد برای حل این مشکل و استفاده مفیدتر از طیف، مفهومی بنام شبکههای رادیوییشناختی) CR ) 3 مطرح شد، تا بتوان از فضاهای خالی طیف مجوزدار استفاده کرد. یکی از مسایل مهم در شبکههای رادیو
شناختی پروتکلهای کنترل دسترسی به رسانه 4 ( MAC ( است. و همچنین به دنبال روشی برای پیشبینی وضعیت کانال در شبکههای رادیویشناختی هستیم . تکنیکهای زیادی بهعنوان اعمال هوش لازم برای یادگیری برای پیشبینی حالت کانال در شبکههای بیسیم مورد مطالعه و بررسی قرار گرفتهاند از جمله تئوری بازی، محاسبات تکاملی، منطق فازی، تئوری قیمت گذاری و یادگیری ماشین که از متداول ترین روشهای یادگیری میباشد. ما قصد داریم با استفاده از روشهای هوشمند یک تخصیص طیف سازگار با تغییرات شبکه را در هر گره از شبکه داشته باشیم، برای این منظور از آتوماتای یادگیر استفاده میشود. هدف پایان نامه ارایه الگوریتمی برای تخصیص طیف در شبکههای رادیوشناختی است
که فاقد یک کنترلگر مرکزی است . الگوریتم پیشنهادی قصد دارد احتمال دسترس پذیری هر یک از کانالها را برای هر یک از کاربران ثانویه محاسبه کند و با گذشت زمان انتظار میرود که کاربران ثانویه بتواند بصورت توزیع شده مطابق با ماهیت شبکههای رادیوشناختی از فضاهای خالی طیف استفاده بهینه را داشته باشد.
واژه های کلیدی: شبکه های رادیوشناختی، تخصیص طیف، پروتکل دسترسی به رسانه، آتوماتای یادگیری
مقاله: تخصیص طیف درشبکه های رادیوشناختی با استفاده از آتوماتای یادگیر
