مروری بر کاربردهای هوش مصنوعی در رادیو شناختگرها

شبکه های بیسیم معمول از رویه تخصیص پهنای باند ثابتی استفاده میکنند که منجر به استفاده غیر بهینه از پهنای باند میشود. رادیو شناختگر بر پایه اصول دسترسی دینامیک به پهنای باند (DSA)۱ کار میکند و باعث افزایش بهره وری از طیف فرکانسی میشود. در این مقاله مروری بر کاربردهای هوش مصنوعی در رادیوشناختگرها۲ و نحوه استفاده بهتر از طیف فرکانسی صورت می-گیرد. به این منظور ابتدا به چالشهایی که در مسائل رادیوشناختگر وجود دارد اشاره شده و یک دسته بندی از مسائل یادگیری ماشین در این حوزه ارائه میشود. در ادامه روشهای مختلف هوش مصنوعی که در این خصوص میتوانند مورد استفاده قرار گیرند به همراه مثالی از کاربرد آنها معرفی شده و مزایا و معایب این روشها با یکدیگر مقایسه شده اند. همچنین به دلیل گستردگی این شبکه ها و زیاد شدن وضعیتهای مساله، ترکیبی از یادگیری تقویتی و یادگیری عمیق معرفی شده که زمان رسیدن به راهبرد بهینه را در این مسائل کاهش میدهد و در عین حال دقت مناسبی نیز دارد. از میان مسائلی که در شبکه های مخابراتی وجود دارد، دسترسی پویا به پهنای باند در شبکه های رادیو شناختی از اهمیت بیشتری برخوردار میباشد که به طور مبسوط به آن پرداخته شده است. همچینین به مسائل دیگری چون همکاری با کاربر متصل شده به شبکه و کنترل نرخ داده نیز اشاره مختصری میشود. در این مقاله علاوه بر ایجاد یک دید وسیع و کاربردی از مشکلات رادیوشناختگرها و نحوه بکارگیری روشهای هوش مصنوعی، یکی از نتیجه گیریهای مهم این است که به دلیل نیاز به تصمیمگیری و همچنین پویا بودن و عدم قطعیت موجود در دسترسی به طیف در شبکه های رادیو شناختی روشهای مبتنی بر یادگیری تقویتی برای حل این مسائل مناسبتر هستند.

کلیدواژه ها:

هوش مصنوعی ، رادیو شناختگر ، طیف فرکانسی