Study on Frequency Selection Method Using Case-Based Reasoning for Cognitive Radio

사례기반 추론 기법을 이용한 인지 라디오 주파수 선택 방법 연구

Abstract

This paper proposes architecture of a cognitive radio engine platform and the allowable frequency channel reasoning method that enables acquisition of the allowable channels for the military tactical network environment. The current military tactical wireless communication system is increasing need to secure a supplementary radio frequency to ensure that multiple wireless networks for different military wireless devices coexist, so that tactical wireless communication between the same or different systems can be operated effectively. This paper presents the allowable frequency channel reasoning method based on cognitive radio engine for realizing DSA(Dynamic Spectrum Access) as an optimal available frequency channel. To this end, a case-based allowable frequency channel reasoning method for cognitive radio devices is proposed through modeling of primary user's traffic status and calculation of channel occupancy probability. Also through the simulation of the performance analysis, changing rate of collision probability between the primary users' occupancy channel and the available channel acquisition information that can be used by the cognitive radio device was analysed.

본 논문은 군 전술 무선 통신망에서의 가용 주파수 채널 확보를 위한 인지 라디오 엔진 플랫폼 구조 및 인지 라디오 무선기기를 위한 가용 주파수 채널 추론기법을 제안하였다. 현재의 군 전술 통신망은 동종 및 이종 군 무선기기 주파수의 효과적 운용을 위한 가용 주파수 확보 및 군 무선기기 간의 상호공존 방안에 대한 필요성이 빠르게 증가하고 있는 실정이다. 본 논문은 최적의 가용 주파수 채널확보 방안으로 동적 스펙트럼 접속(DSA, Dynamic Spectrum Access) 실현을 위한 인지 라디오 엔진 기술 기반의 가용채널 추론기법에 대해 소개하였다. 이를 위해 주사용자(PU, Primary User)의 채널 이용현황 모델링 및 채널 점유확률 계산을 통하여 인지 라디오 무선기기를 위한 사례 기반의 가용채널 추론기법을 제안하였으며, 성능분석 모의실험을 통하여 주사용자의 점유채널 정보 대비 인지 라디오 무전기의 가용채널 획득 정보 간의 충돌확률 변화율을 분석하였다.

그림 1. 주파수 수요 급증에 따른 이용현황 변화 Fig. 1. Change of usage pattern by the frequency demand

그림 3. 본 논문에서 제안하는 인지 라디오 엔진 구조 Fig. 3. Proposed Cognitive Radio Engine Structure

그림 4. 주사용자 채널 점유상태 변화 개념도 Fig. 4. Conceptual diagram of primary user channel occupancy status

그림 5. 주사용자의 미점유상태 확률 값 산출 결과 Fig. 5. off-state probability histogram of primary user

그림 6. 채널 ∙ 시간별 점유 및 미점유상태에 대한 0과 1로의 상태변화 모델링 Fig. 6. Modeled as 0 and 1 state transition for channel and time

그림 8. 모의실험 처리 순서도 Fig. 8. Simulation flow chart

그림 10. 지수 확률분포 기반의 주사용자 트래픽 모델 생성 결과 (N = 2,700 개) Fig. 10. Results of simulation radio traffic for users based on exponential probability distribution (N = 2,700 EA)

그림 12. 트래픽의 변화에 따른 표본화 방식별 충돌 확률 비교(추론 주기=20 슬롯, 표본수=20 슬롯, 표본간격=5 슬롯) Fig. 12. Comparison of the probability of collision by number of samples (Reasoning period interval=20 slot, Nu mber of sample=20 slot, Sample interval=5 slot)

그림 13. 추론주기에 따른 충돌 확률 비교 (표본수 = 20 슬롯, 표본간격=5 슬롯) Fig. 13. Comparison of the probability of collision by number of samples (Number of sample = 20 slot, Sample interval=5 slot)

그림 14. 표본수에 따른 충돌 확률 비교 (추론주기 = 20, 표본 간격=5) Fig. 14. Comparison of the probability of collision by number of samples (Reasoning period interval= 20, Sample interval=5)

그림 2. IEEE P1900.5 기반 인지 라디오 엔진 처리 구성도 Fig. 2. IEEE P1900.5 based Cognitive Radio Engine Processing Diagram

그림 7. 균일 표본화 기법 개념 및 CB, RB 방식의 처리 과정도 Fig. 7. Uniform Sampling Technique Concepts and Process for CB and RB Methods

그림 9. 충돌의 정의 및 CR 엔진의 주기적 동작 예시 Fig. 10. Definition of collision and example of periodic operation of CR engine

그림 11. 주사용자의 채널 점유상태 확률의 평균 값 변화에 따른 트래픽모델 생성결과 Fig. 11. Result of Traffic Model Generation according to Average Value of Channel Occupancy Probability of PU

표 1. IEEE P1900.5 인지 라디오 엔진 구성요소 Table 1. IEEE P1900.5 Cognitive Radio Engine Compo nents

표 3. 균일 표본화 및 가중치 적용 표본화 방식에 대한 주요특징 Table 3. Special features of uniform sampling and weighted sampling methods

표 6. 모의실험 파라미터 종류 및 설정 값 Table 6. Simulation parameter

표 2. 주사용자 트래픽 모델링 파라미터 Table 2. Primary User Traffic Modeling Parameters

표 4. 참조 주사용자 트래픽 모델 예시 Table. 4. Reference PU traffic model

표 5. 산출된 점유 확률 및 채널 순위(랭크) 예시 Table. 5. Calculated occupancy probability and channel ranking