Abstract
There are two a approaches for the Cognitive Radio(CR) development. One is 'Full CR', which Joseph Mitola III proposed, and another is 'Spectrum CR', which is currently being standardized. The target approach of this paper is the latter and we develop a Cognitive Engine(CE) and simulated a channel set management(CSM), which is a core function of CE. The Channel set management evaluates channel quality and Incumbent User(IU) vacancy possibility and classifies the channel set, which is performed by using channel state history. Especially, a very important function for the channel set management is a channel state prediction and this paper proposed a Hidden Markov Model(HMM) based channel state prediction and a method for increasing performance. Also, we applied the proposed method into our simulator and simulated channel state prediction. Through the simulation, we verified as we applied our proposed scheme, the performance of channel state prediction gets better and through comparing with RS and SS, we verified the HMM based Channel state prediction is better.
인지 무선(Cognitive Radio : CR) 시스템의 개발은 Mitola 가 제안한 개념의 완전 인지 무선(Full Cognitive Radio)시스템과 현재 표준화 논의가 진행 중인 스펙트럼 인지무선 시스템의 두 가지 방향으로 이루어지고 있다. 본 논문은 스펙트럼 인지무선 시스템을 위한 인지 엔진(Cognitive Engine : CE)을 개발 하고 인지 엔진의 핵심 기능인 채널 집합 관리 알고리즘에 대한 가상 실험을 통해 성능 분석을 하였다. 채널 집합 관리는 과거의 채널 점유 기록을 기반으로 CR시스템의 이동 가능 채널들 중 채널 품질 및 유휴 가능성이 높은 채널을 평가하고 결정하는 기능을 수행한다. 이를 위한 핵심 기능이 채널 상태 예측이고 본 논문에서는 채널 상태 예측을 위해 은닉 마르코프 모델(HMM)의 활용을 제안하였으며 HMM기반의 채널 상태 예측 성능을 향상 시킬 방법을 제안 및 적용하여 가상 실험을 하였다. 가상 실험 결과 채널 상태 예측 성능의 향상을 확인하였고 난수 선택 방법(Random Selection), 통계적 선택 방법(Statistical Selection) 과의 성능 비교를 통해 본 논문에서 제안한 방법의 우월성을 검증하였다.
