Resumen de Algoritmos de detección de espectro basados en redes neuronales artificiales para redes cognitivas de respues-ta a desastres basadas en radio CR-DRN

Khaled Furani, M.A. Burhanuddin, Norharyati Binti Harum

• español

  Los recientes avances de las técnicas de inteligencia artificial y su impacto en el contexto de las redes de radio cognitivas se han vuelto inconmensura-bles. La inteligencia artificial redefine y potencia la toma de decisiones y la capacidad lógica de las máquinas informáticas, una de las funcionalidades más significativas de la inteligencia artificial incluye la detección y gestión del espectro, que es una función clave de las redes de radio cognitiva (CR), estas redes permiten a los usuarios secundarios trabajar en espectro con licencia o espectro de usuario primario sin ninguna interferencia, la implementación de CR para redes de respuesta ante desastres (DRN) impone la necesidad de técnicas sofisticadas y avanzadas que exploren el espectro disponible y lo utilicen de tal manera que garantice la máxima utilización del espectro sin ningún tipo de interferencia con el espectro con licencia de PU y proporcionar soluciones de comunicación dentro de las 48 o 72 horas posteriores a la ocurrencia de un evento desastroso, esta es la principal preocupación de los algoritmos basados en Redes Neuronales Artificiales (ANN) que son capaces de comprender el entorno, aprender y ajustarse en tiempo real pa operativo de acuerdo con la necesidad específica del usuario sin licencia, en este estudio, destacamos los algoritmos más recientes y aplicables de (ANN) y mostramos cómo se pueden implementar en CR-DRN para detectar y utilizar eficientemente el espectro en el área del de-sastre donde se encuentran los recursos disponibles. El despliegue limitado y rápido de un sistema de comunicación confiable es imprescindible.Palabras clave: redes neuronales artificiales, redes de respuesta ante desas-tres, radio cognitiva, computación inteligente.

• English

  The recent advancements of artificial intelligence techniques and its impact in the context of cognitive radio networks has become immeasurable. Artificial intelligence redefines and empowers the decision making and logical capa-bility of computing machines, one of the most Significant functionalities of artificial intelligence include spectrum sensing and management which is a key function of Cognitive radio Cognitive Radio (CR) networks, these net-works empower secondary users to work on licensed spectrum or primary user’s spectrum without any interference , the implementation of CR for Dis-aster Response Networks (DRNs) imposes the necessity of sophisticated and advanced techniques that explore the available spectrum and utilizes it in such a way that guarantees maximum spectrum utilization without any interfer-ence with PUs licensed spectrum and provide communication solutions within the 48 or 72 hours following the occurrence of disastrous event, this is the primary concern of Artificial Neural Networks (ANNs) based algorithms that are capable of understanding the environment, learning and adjusting in real time operating parameter according to specific need of unlicensed user, in this study , we highlight the most recent and applicable algorithms of (ANNs) and show how they can be implemented in CR-DRNs to efficiently sense and utilize the spectrum in disaster area where available resources are limited and rapid deployment of a reliable communication system is must.