초록
본 논문은 무선 인지 센서 네트워크에서 2차 사용자를 위한 효율적 채널 선택 알고리즘을 제안한다. 제안된 알고리즘은 러닝 오토메타와 퍼지 로직을 기반하고 있으며, 러닝 오토메타는 무선 전송 채널을 2차 사용자가 학습하여 그 결과를 채널 선택 확률값로 나타내며, 퍼지 로직은 최종 채널 선택을 위하여 다양한 입력 변수를 고려할 수 있도록 한다. 즉, 퍼지 로직은 러닝 오토메타의 결과인 채널 선택 학률값, 기사용자와 2차사용자 사이의 채널 SNR, 송수신 2차 사용자들 사이의 SNR값을 고려하여 다중의 가용 채널로부터 최적으로 전송 채널을 선택할 수 있도록 한다. 시뮬레이션 결과를 통해, 제안된 알고리즘이 기존 알고리즘들 보다 높은 처리율(throughput)을 제공할 수 있음을 보였다.
In this paper, we propose a channel selection scheme for secondary users in cognitive radio sensor networks, which includes learning automata and fuzzy logic system (FLS). In the proposed scheme, FLS is used as the channel selection mechanism while the learning automata algorithm is being used to learn the radio environment such as channel link quality. Signal to noise ratio of the link between primary user (PU) and secondary user (SU), the probability of choosing channel, and signal to noise ratio of the link between secondary users are chosen as input parameters for the FLS to decide one data channel among multiple channels. Simulation results show that the proposed scheme does indeed provide advantages in improving the throughput of CR networks, in comparison with some other previous schemes.