Wyszukiwanie zaawansowane ?

Obiekt

Optimizing Cognitive Radio Networks with Deep Learning-Based Semantic Spectrum Sensing, Journal of Telecommunications and Information Technology, 2024, nr 4
Pobierz

Tytuł: Optimizing Cognitive Radio Networks with Deep Learning-Based Semantic Spectrum Sensing, Journal of Telecommunications and Information Technology, 2024, nr 4

Autor:

Mahesh, Kumar N ; Arthi, R

Data wydania:

2024, nr 4

Typ zasobu:

artykuł

Tytuł publikacji grupowej:

2024, nr 4, JTIT-artykuły

Abstrakt:

Spectrum aggregation in 4G and 5G networks is a technique used to combine multiple frequency bands to boost communication performance. The cognitive radio feature improves the ability to combine spectrum in LTE and 5G environments by enabling dynamic spectrum sensing. Spectrum sensing is a major problem in spectrum aggregation due to the presence of various types of interference, such as noise. Phase noise is an issue due to its 1 MHz frequency offset experienced within 5G's 28 GHz operating band, with the distorted signal generating more spectrum sensing-related errors. To solve this problem, the proposed work suggests an optimized deep learning-based semantic spectrum sensing model using three sets of optimizers (ResNet-50, DeepLab V3 and sand cat) offering a high detection accuracy of 99.7% with the optimized training parameter of a high signal-to-noise ratio equaling 40 dB.

Numer:

4

Wydawca:

National Institute of Telecommunications

Identyfikator zasobu:

ISSN 1509-4553, on-line: ISSN 1899-8852 ; oai:bc.itl.waw.pl:2370

DOI:

10.26636/jtit.2024.4.1797

ISSN:

1509-4553

eISSN:

1899-8852

Źródło:

Journal of Telecommunications and Information Technology

Język:

ang

Licencja:

CC BY 4.0

Właściciel praw:

Instytut Łączności - Państwowy Instytut Badawczy

Temat i słowa kluczowe:

cognitive radio ResNet-50 sand cat optimizer semantic spectrum sensing wireless sensor network

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

25 lut 2026

Data dodania obiektu:

31 gru 2024

Liczba wyświetleń treści obiektu:

93

Wszystkie dostępne wersje tego obiektu:

https://ribes-54.man.poznan.pl/publication/2684

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Mahesh, Kumar N; Arthi, R, Optimizing Cognitive Radio Networks with Deep Learning-Based Semantic Spectrum Sensing, Journal of Telecommunications and Information Technology, 2024, nr 4 25 lut 2026

Obiekty Podobne

2024, nr 4, JTIT-artykuły
2024, nr 4, JTIT-artykuły
Development and Optimization of Deep Learning Systems for MRI Analysis in Alzheimer's Disease Monitoring, Journal of Telecommunications and Information Technology, 2024, nr 4

Podolszańska, Jolanta

2024, nr 4
artykuł
A Survey of Multi-ObjectiveDeployment in Wireless Sensor Networks, Journal of Telecommunications and Information Technology, 2010, nr 3

Marks, Michał

2010
artykuł
Mathematical Foundations of Cognitive Radios, Journal of Telecommunications and Information Technology, 2009, nr 4

Couillet, Romain Debbah, Merouane

2009, nr 4
artykuł
Implementation of Selected Spectrum Sensing Systems for Cognitive Radio Networks using FPGA Platform, Journal of Telecommunications and Information Technology, 2018, nr 4

Abdullah, Hikmat N. Abed, Hadeel S.

2018, nr 4
artykuł
Optimal Voting Rule and Minimization of Total Error Rate in Cooperative Spectrum Sensing for Cognitive Radio Networks, Journal of Telecommunications and Information Technology, 2021, nr 1

Bachan, P. Trankatwar, Sachin Ravikant Ghosh, Samit Kumar

2021, nr 1
artykuł
Intrusion Detection in Heterogeneous Networks of Resource-Limited Things, Journal of Telecommunications and Information Technology, 2015, nr 4

Marks, Michał Kozakiewicz, Adam Lasota, Krzysztof

2015, nr 4
artykuł
A Study of Wireless Sensor Networks to Comprehend their Relevance to Different Applications, Journal of Telecommunications and Information Technology, 2020, nr 2

Agarkhed, Jayashree Dattatraya, Patil Yogita Pati,l Siddarama

2020, nr 2
artykuł
Residual Energy-Aware Clustering Transformation for LEACH Protocol, Journal of Telecommunications and Information Technology, 2021, nr 2

Ullas, P. Shivaprakasha, K. S.

2021, nr 2
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Instytut Łączności – Państwowy Instytut Badawczy ul. Szachowa 1 04-894 Warszawa

Telefon

(+48) 5128 696

E-Mail

biblioteka@il-pib.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji