بهبود مدیریت طیف در شبکه های رادیویی شناختی ادهاک (CRAHN) با استفاده از زمان بندی منصفانه و مدل سازی زنجیره مارکوف پیوسته کسری

شبکه های رادیویی شناختی ادهاک (CRAHN) با ارائه دسترسی هوشمند به طیف، یکی از راه حل های کلیدی برای استفاده بهینه از منابع طیفی محدود در محیط های بی سیم شلوغ محسوب می شوند. با توجه به اهمیت CRAHN در بهبود کارایی و کاهش تداخل میان کاربران اولیه و ثانویه، چالش هایی مانند شناسایی دقیق طیف خالی، دسترسی پویا به طیف و مدیریت تداخل از جمله مسائل مهم در این حوزه است. روش های مختلفی برای حل این مشکلات ارائه شده است، از جمله استفاده از حس گرهای طیفی پیشرفته، الگوریتم های یادگیری ماشین برای تصمیم گیری بهتر و طراحی پروتکل هایی که بتوانند عملکرد شبکه را در شرایط مختلف تضمین کنند. در این مقاله، رویکردی نوین برای مدیریت دسترسی به طیف در CRAHN پیشنهاد شده است که با تمرکز بر زمان بندی منصفانه و کاهش جیتر زمانی طراحی شده است. مدل پیشنهادی با استفاده از یک زنجیره مارکوف پیوسته (CTMC)، توانایی پیش بینی و تحلیل رفتار کاربران ثانویه را در شرایط مختلف شبکه ارائه می دهد. نتایج شبیه سازی ها نشان می دهد که این روش نه تنها به بهبود توان عملیاتی کاربران ثانویه کمک می کند، بلکه میزان تاخیر انتها به انتها را به طور قابل توجهی کاهش می دهد. علاوه بر این، الگوریتم پیشنهادی با حفظ تعادل میان کارایی و انصاف، دسترسی عادلانه کاربران به طیف را تضمین می کند. نتایج نشان می دهد که مدل پیشنهادی نسبت به پروتکل های موجود مانند TFRC و TFRC-CR عملکرد بهتری از نظر توان عملیاتی (تا ۴۰٪) و مصرف انرژی دارد و در عین حال، نیازهای کاربردهای حساس به تاخیر و جیتری زمانی را به خوبی پوشش می دهد.

کلیدواژه ها:

شبکه های رادیویی شناختی ادهاک (CRAHN) ، دسترسی پویا به طیف ، زمان بندی منصفانه ، بهینه سازی تاخیر انتها به انتها