UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE...
84
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS Facultad de Ingeniería Maestría en Ciencias de la Información y las Comunicaciones TESÍS DE MAESTRÍA MODELO DE DECISIÓN DEL ESPECTRO PARA RADIO COGNITIVA QUE INTEGRA LAS PÉRDIDAS DE PROPAGACIÓN EN LA BANDA GSM DEL ESPECTRO RADIOELÉCTRICO Autor: Katherine Johanna Galeano Romero Director: MSc. Luis Fernando Pedraza Grupo de Investigación GIDENUTAS Bogotá D.C, Colombia 2015
Transcript of UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE...
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
Facultad de Ingeniería
Maestría en Ciencias de la Información y las Comunicaciones
TESÍS DE MAESTRÍA
MODELO DE DECISIÓN DEL ESPECTRO PARA RADIO COGNITIVA QUE INTEGRA
LAS PÉRDIDAS DE PROPAGACIÓN EN LA BANDA GSM DEL ESPECTRO
RADIOELÉCTRICO
Autor: Katherine Johanna Galeano Romero
Director: MSc. Luis Fernando Pedraza
Grupo de Investigación GIDENUTAS
Bogotá D.C, Colombia 2015
Resumen
El espectro radioeléctrico es un recurso limitado, que prácticamente está asignado a
los proveedores de servicios inalámbricos, es decir, se encuentra sólo disponible para
usuarios con licencia para su utilización, dado que cada día se incrementa la demanda
de servicios móviles es fundamental aprovechar el espectro radioeléctrico de una forma
más eficiente por lo tanto, se han propuesto tecnologías emergentes, como lo es la radio
cognitiva.
El presente documento expone el desarrollo y los resultados alcanzados en una
investigación enmarcada dentro de la tecnología de la radio cognitiva, específicamente
en la etapa de decisión del espectro, donde se selecciona(n) la(s) banda(s) más
apropiada(s) para la transmisión con base en la información recopilada durante la etapa
de detección del espectro y los requerimientos de los usuarios no licenciados, para esto
se aplicó un modelo de decisión a través de las técnicas de selección por análisis
multicriterio.
Dentro de este desarrollo se efectuó una campaña de medición en tres (3) puntos de
la ciudad de Bogotá en las zonas occidente, sur y norte, de duración tres (3), tres (3) y
siete (7) días respectivamente. Con los resultados obtenidos se diseñó un modelo de
decisión del espectro que integra, dentro de sus parámetros de decisión, las pérdidas de
propagación en la banda GSM dentro de Bogotá.
Al culminar este análisis se encontró que el modelo generado puede ser integrado a
un esquema de radio cognitiva y encuentra el mejor canal disponible teniendo en cuenta
el tiempo estimado de transmisión, la SINR, las pérdidas de propagación y el porcentaje
de ocupación del canal, adicionalmente también se identifica el caso en el que no exista
un canal disponible para la transmisión.
Palabras Clave
Radio cognitiva, espectro radioeléctrico, decisión del espectro, perdidas por
propagación, análisis multicriterio.
Agradecimientos
A mi familia
A Luis Fernando Pedraza por su guía y apoyo al ser el director de esta
investigación
Tabla de Contenido
Capítulo 1 Introducción ....................................................................................................... 12
1.1. Planteamiento y justificación del trabajo ............................................................ 13
1.1. Pregunta de investigación, hipótesis y objetivos ............................................... 13
1.1.1. Hipótesis ........................................................................................................ 13
1.1.2. Objetivo general ............................................................................................ 14
1.1.3. Objetivos específicos ..................................................................................... 14
1.2. Metodología seguida en la investigación ............................................................ 14
1.3. Alcance y Limitaciones ......................................................................................... 15
1.4. Organización de la tesis de maestría ................................................................... 15
Capítulo 2 Marco teórico y estado del arte de Radio Cognitiva ....................................... 16
2.1 Características de la Radio Cognitiva.................................................................. 17
2.1.1 Capacidad Cognitiva .................................................................................... 17
2.1.2 Reconfigurabilidad........................................................................................ 17
2.2 Radios cognitivas, tecnologías facilitadoras y aplicaciones de acceso dinámico
al espectro ......................................................................................................................... 18
2.2.1 Las radios cognitivas en general .................................................................. 18
2.2.2 Las radios cognitivas para el acceso dinámico al espectro ........................ 20
2.3 Arquitectura de red de Radio Cognitiva............................................................. 22
2.3.1 Arquitecturas de radio cognitiva existentes ................................................ 23
2.4 Gestión del espectro ............................................................................................. 28
2.5 Detección del espectro .......................................................................................... 29
2.5.1 Detección de energía ......................................................................................... 30
2.6 Equipo utilizado en la detección de espectro ..................................................... 31
2.6.1 Analizador de espectro ................................................................................. 31
2.6.1.1 Analizador de espectro superheterodino .................................................... 32
2.7 Decisión del espectro ............................................................................................ 32
2.7.1 Retos en la decisión de espectro ................................................................... 33
2.8 Métodos multicriterio para la toma de decisiones ............................................. 34
2.8.1 Suma Ponderada ............................................................................................... 37
Capítulo 3 Metodología para el desarrollo del modelo de decisión ................................ 39
3.1 Medición del espectro........................................................................................... 39
3.1.1 Frecuencia ...................................................................................................... 41
3.1.2 Localización ................................................................................................... 41
3.1.3 Amplitud ....................................................................................................... 43
3.2 Modelamiento de la banda GSM ......................................................................... 44
3.3 Modelamiento de los requerimientos de los Usuarios Secundarios ................. 45
3.4 Algoritmo de selección ......................................................................................... 46
3.4.1 Selección de las opciones de decisión .......................................................... 46
3.4.2 Selección de los criterios de evaluación ....................................................... 46
3.4.3 Obtención de las medidas de desempeño ................................................... 47
3.4.4 Estandarización de las medidas de desempeño ......................................... 48
3.4.5 Ponderación de los criterios ......................................................................... 48
3.4.6 Determinación del orden de las opciones ................................................... 49
3.4.7 Análisis de sensibilidad ................................................................................ 49
3.4.8 Toma de decisión .......................................................................................... 52
Capítulo 4 Resultados obtenidos ........................................................................................ 54
4.1. Evaluación de los objetivos, análisis de resultados y validación ...................... 54
4.2. Síntesis del modelo propuesto ............................................................................. 76
Capítulo 5 Conclusiones y aportaciones ............................................................................ 77
5.1. Aportaciones originales ........................................................................................ 78
5.2. Líneas de investigación futuras ........................................................................... 78
Bibliografía ........................................................................................................................... 79
Tabla de Figuras
Figura 2.1. Concepto de hueco espectral. ........................................................................... 17
Figura 2.2. Ciclo cognitivo ................................................................................................... 18
Figura 2.3. Ciclo cognitivo básico ....................................................................................... 21
Figura 2.4. Marco de gestión del espectro para redes de radio cognitiva ........................ 22
Figura 2.5. Clasificación de las técnicas de monitorización de espectro. ......................... 29
Figura 2.6. Analizador de espectro MS2721B..................................................................... 32
Figura 3.1. Configuración de las mediciones en la zona Norte ........................................ 40
Figura 3.2. Configuración de las mediciones en las zonas Sur y Occidente .................... 40
Figura 3.3. Puntos de medición. .......................................................................................... 42
Figura 3.4. Diagrama de flujo del proceso de toma de decisiones ................................... 52
Figura 4.1. Mediciones en Zona Norte – Punto único. ...................................................... 56
Figura 4.2. Mediciones en Zona Sur – Punto único. .......................................................... 58
Figura 4.3. Mediciones en Zona Occidente – Punto único. ............................................... 60
Figura 4.4. Mediciones en Zona Occidente – Cinco Puntos. ............................................ 62
Figura 4.5. Mediciones en Zona Sur – Cinco Puntos. ....................................................... 64
Figura 4.6. a) Pérdidas de propagación y b) SINR, Zona Norte – Único punto ............. 65
Figura 4.7. a) Pérdidas de propagación y b) SINR, Zona Sur – Único punto ................. 66
Figura 4.8. a) Pérdidas de propagación y b) SINR, Zona Occidente – Único punto ...... 67
Figura 4.9. a) Pérdidas de propagación y b) SINR, Zona Occidente – Cinco puntos ..... 68
Figura 4.10. a) Pérdidas de propagación y b) SINR, Zona Occidente – Cinco puntos ... 69
Figura 4.11. Probabilidad de éxito en la asignación de canales disponibles a US ........... 70
Figura 4.12. a) Asignación de canales disponibles a US según el tipo de tráfico, b)
Probabilidad de éxito según el tipo de tráfico del US ....................................................... 71
Figura 4.13. a) Asignación de canales disponibles a US según el tiempo de transmisión,
b) Probabilidad de éxito según el tiempo de Tx requerido ............................................... 72
Figura 4.14. a) Asignación de canales disponibles a US según la zona de medición, b)
Probabilidad de éxito según la zona ................................................................................... 73
Figura 4.15. a) Número de veces que se asignó un canal durante los trece días, b)
Probabilidad de éxito para cada canal................................................................................ 75
Figura 4.16.Diagrama de actividades del modelo propuesto ........................................... 76
Índice de Tablas
Tabla 1.1. Resumen de datos utilizados para hallar las perdidas por propagación........ 14
Tabla 2.1 Características de las técnicas fundamentales de detección de espectro ......... 30
Tabla 2.2. Metodología de selección por decisión multicriterio ...................................... 35
Tabla 2.3. Ventajas y las desventajas de las técnicas de MCDA ...................................... 38
Tabla 3.1. Especificaciones para mediciones en la zona Norte ........................................ 39
Tabla 3.2. Especificaciones para mediciones en las zonas Sur y Occidente. ................... 40
Tabla 3.3. Resumen de datos utilizados para hallar las perdidas por propagación....... 43
Tabla 3.4. Umbral de detección por banda para el analizador de espectro .................... 44
Tabla 3.5. Opciones disponibles para el proceso de selección ......................................... 46
Tabla 3.6. Codificación de la ocupación del canal ............................................................ 46
Tabla 3.7. Requerimientos de Usuario Secundario ........................................................... 47
Tabla 3.8. Requerimientos de Usuario Secundario para función objetivo ...................... 48
Tabla 3.9. Pesos de los criterios de evaluación .................................................................. 49
Tabla 3.10. Ejemplo supuestos de entrada para el algoritmo .......................................... 51
Tabla 3.11. Respuesta del algoritmo a los supuestos de entrada ejemplo ...................... 51
Listado De Abreviaturas
A/D - Analógico / digital
ADC - Convertidor analógico digital
AB - Ancho de banda
AG - Algoritmo genético
AHP - Analytic Hierarchy Process
AI - Inteligencia artificial
ANE - Agencia nacional del espectro
ANP - Analytic Network Process
AP - Punto de acceso
ASAP - Protocolo de adaptación del espectro automático
BER - Tasa de error de bit
BS - Estación base
BTS - Estación base transreceptora
CAB - Banda de acceso coordinado
CBR - Razonamiento basado en casos
CDMA - Acceso múltiple por división de código
CMA - Acceso al medio cognitivo
CRN - Red de radio cognitiva
CTS - Listo para enviar
DARPA - Agencia de proyectos de investigación avanzados de defensa
DEA - Análisis envolvente de datos
DIMSUMnet - Gestión dinámica e inteligente del espectro para redes móviles ubicuas
DRiVE - Servicios de internet en ambientes vehiculares
DSA - Acceso dinámico al espectro
ELECTRE - ELimination Et Choix Traduisant la Realité
EM - Esperanza - Maximización
FCC - Comisión federal de comunicaciones
FFT - Transformada rápida de Fourier
GCC - Canal de control grupal
GHz - Giga Hertz
GPS - Sistema de posicionamiento global
GSM - Sistema global para las comunicaciones móviles
HE - Homo egualis
HMM - Modelo oculto de Markov
IEEE - Instituto de ingenieros eléctricos y electrónicos
IF - Frecuencia intermedia
ITU - Unión internacional de telecomunicaciones
KHz - Kilo Hertz
KUAR - Kansas university agile radio
MAC - Control de acceso al medio
MACBETH - Measuring Attractiveness by a Categorical Based Evaluation TecHnique
MCA - Análisis multicriterio
MCDA - Métodos multicriterio para la toma de decisiones
OFDM - Multiplexación por división de frecuencia ortogonal
POMDP - Proceso de decisión de Markov parcialmente observable
PROMETHEE - Preference Ranking Organization MeTHod for Enrichment Evaluations
RKRL - Lenguaje de representación de conocimiento de radio
MAUT - Utilidad multiatributo
MHz - Mega Hertz
MUSIC - Clasificación de señal múltiple
NTIA - Administración Nacional de la Información y las Comunicaciones
PD - Probabilidad de detección
PDA - Personal Digital Assistant
PE - Motor de políticas
PF - Probabilidad de falsa alarma
PHY - Capa física
QoS - Calidad de servicio
RANMAN - Administrador designado de la red de acceso
RBW - Ancho de banda de resolución
RC - Radio Cognitiva
RF - Radiofrecuencia
RMS - root mean square
RTS - Solicitud de envío
SAW - Simple Additive Weighting
SDR - Radio definida por software
SFDR - Margen Dinámico Libre de Espurios
SINR - Relación señal a interferencia más ruido
SMA - Acceso multiplexado estadístico
SNR - Relación señal a ruido
SPIM - Agente de manejo de información del espectro
SSR - Motor de estrategias
SUG - Grupo de usuarios secundarios
TOPSIS - Técnica para ordenar preferencias por similitud con la solución ideal
TPC - Control de potencia en la transmisión
TV - Televisión
UMTS - Sistema de telecomunicaciones móviles universal
UCC - Canal de control universal
UP - Usuario Primario
US - Usuario Secundario
USB - Bus de serie universal
WISP - Proveedor de servicio de internet inalámbrico
WLAN - Red inalámbrica de área local
WRAN - Red inalámbrica de área regional
xG - Siguiente generación
X-MAC - Protocolos de acceso al medio para xG
12
Capítulo 1 Introducción
En este capítulo se podrá encontrar las características del planteamiento de la
investigación lo que incluye la hipótesis, el planteamiento del problema y los objetivos.
La radio cognitiva se presenta como un paradigma de comunicación que pretende
dar solución a la subutilización espectral [1] que se presenta actualmente ya que su
principal finalidad es hacer uso eficiente del espectro permitiendo un acceso oportunista
[2-4] al mismo donde usuarios secundarios o sin licencia pueden utilizar bandas
licenciadas que se encuentren inactivas y liberarlas en el momento que las requiera los
usuarios de la red primaria o licenciados, para esto se debe llevar a cabo un ciclo
llamado ciclo cognitivo, el cual se compone principalmente de las siguientes fases:
detección del espectro, decisión del espectro, compartición del espectro y movilidad [5-
6].
Este trabajo se centra en la etapa de decisión del espectro donde se identifican las
diferentes oportunidades espectrales junto con sus características y los requerimientos
del usuario de radio cognitiva para escoger la mejor opción, existen diseños para este
proceso que tienen en cuenta diferentes factores como capacidad del canal,
interferencia, enrutamiento, etc.
Lo que se persiguió en el desarrollo de este proyecto fue integrar el impacto de las
pérdidas de propagación en la banda GSM (Sistema global para las comunicaciones
móviles) en la ciudad de Bogotá dentro de un esquema de decisión del espectro ya que
no se ha generado en la literatura existente este tipo de enfoque basado en datos de
pérdidas de propagación a través de un modelo ajustado específicamente a unas
características geográficas. Para esto, el modelo de propagación que se implementó para
hallar las pérdidas de propagación en el canal de transmisión, es un desarrollo para
señales móviles en la ciudad de Bogotá que se ejecuto dentro del proyecto de maestría
“Ajuste estadístico a modelos de propagación para redes móviles”, el cual realiza un
ajuste estadístico a un modelo de propagación tradicional con el fin de que sea aplicable
al entorno geográfico de la ciudad.
13
1.1. Planteamiento y justificación del trabajo
La radio cognitiva es una propuesta en las comunicaciones inalámbricas que se
encuentra en fase investigativa, actualmente la FCC (Comisión federal de
comunicaciones) autorizó la utilización de las bandas de televisión para la
implementación de esta tecnología [7] y se estima que puede llegar a solucionar el
problema de la utilización poco óptima del espectro radioeléctrico el cual es un recurso
limitado para las comunicaciones, por lo tanto este proyecto busca aportar al diseño y
modelamiento de una de las etapas más importantes para esta tecnología, la cual es la
decisión del espectro en la que a partir de cierta información recopilada o aprendida en
la etapa anterior de detección se procede a escoger la o las bandas a utilizar teniendo en
cuenta el desempeño de la comunicación con base en esta selección.
Se han desarrollado varios modelos de decisión del espectro teniendo en cuenta
parámetros de detección de las radios cognitivas [8], información estadística sobre la
actividad de los usuarios primarios [9-10] y los requerimientos de los servicios a
transmitir como la rata de datos, la tasa de error aceptable, el retraso límite, el modo de
transmisión y el ancho de banda de la transmisión [11-12] pero ninguno ha tenido en
consideración, que debido a la naturaleza heterogénea del espectro [13] y a las
particularidades del entorno geográfico, las características de propagación varían por lo
tanto se crea la necesidad de incluir este parámetro dentro de los cálculos para la toma
de decisiones.
Así mismo se realiza este proyecto con el fin de apoyar la gestión de la ANE
(Agencia Nacional del Espectro) para la CMR-15 (Conferencia Mundial de Radio),
específicamente al Grupo de trabajo de monitoreo (GT7) en las recomendaciones para la
medición de la ocupación del espectro.
1.1. Pregunta de investigación, hipótesis y objetivos
1.1.1. Hipótesis
A partir de la detección del espectro realizada en la banda GSM se pueden
identificar las diferentes oportunidades espectrales en el dominio temporal para un
usuario de radio cognitiva y a continuación se implementa un modelo de decisión del
espectro donde se escoge el canal a utilizar para la transmisión requerida, teniendo en
cuenta las pérdidas de propagación en la ciudad de Bogotá, por lo que surge la siguiente
inquietud:
¿Es posible desarrollar un modelo de decisión del espectro para radio cognitiva en
la ciudad de Bogotá en el que se integre eficientemente un parámetro de pérdidas de
propagación en los canales espectrales que se encuentran disponibles para transmitir
dentro de la banda GSM?
14
1.1.2. Objetivo general
Desarrollar un modelo de decisión del espectro para radio cognitiva que integre las
pérdidas de propagación en la banda GSM del espectro radioeléctrico
1.1.3. Objetivos específicos
Realizar mediciones de la banda GSM que permitan identificar las
oportunidades espectrales, esto a través de la detección de energía en la ciudad
de Bogotá.
Modelar la banda GSM en función de las pérdidas de propagación y relación
señal a interferencia más ruido (SINR) de sus canales.
Seleccionar el canal de transmisión a partir de un modelo de decisión que tenga
en cuenta parámetros de QoS (Calidad de Servicio) de los usuarios de radio
cognitiva como: tipo de tráfico del US (Usuario Secundario), clase de servicio
del US y tiempo de transmisión total estimado del US, junto con las pérdidas de
propagación.
1.2. Metodología seguida en la investigación
El método de investigación a implementar es de tipo modelamiento, donde se
realiza la abstracción del sistema real al modelo cuantitativo y tiene como resultado un
modelo matemático. Para esto se utilizaran cuatro enfoques metodológicos el primero
de tipo exploratorio, el cual buscará documentar toda la información necesaria, el
segundo de tipo descriptivo, el cual permitirá detallar cada una de las características de
las variables de interés, el tercero de tipo analítico que permitirá definir la influencia de
cada una de las variables de interés en el sistema, el cuarto de tipo predictivo, el cual
buscará aplicar soluciones de otras situaciones al contexto de interés. A continuación se
encuentra la Tabla 1.1 con las actividades que se enmarcan para cada fase
metodológica.
Fase Metodológica Actividad
Exploratoria Realizar un marco de referencia sobre los modelos diseñados a la
fecha sobre la decisión del espectro.
Descriptiva Identificar la mejor estrategia para modelar la banda en las que se
desea transmitir
Analítica
Analizar la selección de un canal desde un modelo de decisión del
espectro que se considere apropiado para incorporar en las redes de
radio cognitiva.
Predictiva Documentar el modelo final de decisión del espectro, para su
implementación en futuros estudios y aplicaciones.
Tabla 1.1. Resumen de datos utilizados para hallar las perdidas por propagación
15
1.3. Alcance y Limitaciones
La investigación llevada a cabo se enmarca en un proceso teórico – práctico a
través del cual se logra desarrollar un modelo de decisión del espectro para radio
cognitiva en el cual se incluyen las pérdidas por propagación en la ciudad de Bogotá,
dentro de las limitaciones se encuentra que el modelo será validado únicamente a través
de simulación y su implementación no está contemplado dentro de este proyecto.
1.4. Organización de la tesis de maestría
El presente documento se organiza de la siguiente forma: En el capítulo 2 se
presenta y detalla el marco teórico y el estado del arte, teniendo como referencia el
concepto de Radio Cognitiva. En el capítulo 3 se describen las etapas de la
investigación y la metodología implementada para la culminación de la misma. En el
capítulo 4 se presentan los resultados obtenidos y se realiza su respectivo análisis. El
capítulo 5 analiza las conclusiones y los aportes más destacados de la investigación.
16
Capítulo 2 Marco teórico y estado del arte de
Radio Cognitiva
La RC (Radio Cognitiva) está emergiendo como una tecnología promisoria e
innovadora, que tiene como fin, solventar y solucionar uno de los grandes problemas de
los sistemas de comunicaciones inalámbricas de próxima generación: la escasez de
espectro radioeléctrico y la subutilización del mismo. Esta tecnología provee la
capacidad de compartir de una manera oportunista el canal inalámbrico con los usuarios
que poseen una parte licenciada del espectro [5,14].
El concepto de RC fue creado por Joseph Mitola III en 1999, como “el punto en el
cual las Personal Digital Assistant (PDA) inalámbricas y las redes relacionadas son, en
términos computacionales, lo suficientemente inteligentes con respecto a los recursos de
radio y las correspondientes comunicaciones de ordenador a ordenador como para
detectar las necesidades eventuales de comunicación del usuario como una función del
contexto de uso y proporcionarle los recursos de radio y servicios inalámbricos más
adecuados a ese mismo instante” [15]. Sin embargo, varias entidades importantes han
dado su punto de vista al respecto, según la Administración Nacional de la Información
y las Comunicaciones (NTIA), la RC es una radio o sistema que detecta su entorno
electromagnético de operación y puede ajustar de forma dinámica y autónoma sus
parámetros de operación de radio para modificar la operación del sistema, como:
maximizar el rendimiento, reducir la interferencia y/o facilitar la interoperabilidad [16].
Según la Unión Internacional de Telecomunicaciones (ITU), la RC es una radio o
sistema que detecta y está al tanto de su entorno y se puede ajustar de forma dinámica y
autónoma de acuerdo con sus parámetros de funcionamiento de radio. Según el IEEE
(Instituto de ingenieros eléctricos y electrónicos), la RC es un tipo de radio que puede
detectar de forma autónoma y razonar sobre su entorno y adaptarse acorde a este [17].
Según la FCC, RC es una radio que “puede cambiar los parámetros del transmisor
basado en la interacción con su entorno” [18].
17
La RC tiene la capacidad de proveer un gran ancho de banda a usuarios móviles, a
través de arquitecturas inalámbricas heterogéneas, aumentando significativamente la
eficiencia espectral, debido a que permite que el US, comparta el espectro de manera
oportunista con el UP (Usuario Primario) [19], a partir de las porciones del espectro que
no están siendo usadas en ese momento, también conocidas como huecos espectrales,
oportunidades espectrales o espacios en blanco, como se muestra en la Figura 2.1.
Figura 2.1. Concepto de hueco espectral.
Fuente: [5]
2.1 Características de la Radio Cognitiva
Las principales características de la RC, que le confieren todas las capacidades
descritas anteriormente son la capacidad cognitiva y la reconfigurabilidad.
2.1.1 Capacidad Cognitiva
La capacidad cognitiva es la tecnología capaz de capturar la información de su
entorno de radiofrecuencia para identificar los segmentos del espectro que no están
siendo utilizados, seleccionar el mejor espectro posible y definir los parámetros de
operación más adecuados con el objetivo de evitar la interferencia con otros usuarios [1,
20]. Esta capacidad no sólo puede ser realizada mediante el monitoreo de potencia en
una banda de frecuencias de interés, sino que las técnicas más sofisticadas, tales como el
aprendizaje autónomo y la decisión de acción son requeridas para captar las variaciones
temporales y espaciales en el entorno de radio y evitar la interferencia a otros usuarios.
2.1.2 Reconfigurabilidad
La reconfigurabilidad es la capacidad de cambiar de forma dinámica, los diferentes
parámetros de operación relacionados con la transmisión y/o recepción, como
frecuencia, potencia y modulación, con el objetivo de habilitar la radio para ser
programada dinámicamente con el fin de transmitir y recibir en una gran variedad de
frecuencias en función del ambiente de radio, y usar diferentes tecnologías de acceso a
18
la transmisión, soportado por su diseño de hardware [1, 21]. Esta capacidad permite a la
RC adaptarse fácilmente al entorno radio dinámico.
2.2 Radios cognitivas, tecnologías facilitadoras y aplicaciones de acceso dinámico al
espectro
2.2.1 Las radios cognitivas en general
Como se ha mencionado, la definición original de una RC dada por Mitola es la de
una radio inteligente, sensible al contexto, capaz de aprender y adaptarse a través de la
pila de protocolos en diversas condiciones del entorno [22]. Se asume típicamente que
la operación de una RC sigue el ciclo cognitivo completo representado en la Figura 2.2.
Cualquier RC sigue este ciclo cognitivo, primero reúne las observaciones del mundo
exterior a través de diferentes tipos de sensores, lo que es seguido por la orientación y
planificación de posibles acciones, la toma de decisiones entre las diferentes opciones y
finalmente la realización de las decisiones tomadas. Mientras este "ciclo externo" se
procesa, la RC también aprende de los resultados de sus decisiones y de las entradas
sensoriales del mundo exterior, manteniendo la actualización de su modelo del mundo,
representando así su percepción de cómo afectaría el medio y sus relaciones con otras
radios las diferentes acciones emprendidas [23].
Figura 2.2. Ciclo cognitivo
Fuente: [22].
En el trabajo original de Mitola las observaciones, por ejemplo, no se centraron
específicamente en el espectro radioeléctrico sino que también incluye otros estímulos
sensoriales como el sonido, imágenes de cámaras, reconocimiento de voz y ubicación
geográfica. Del mismo modo, la planificación y las acciones no se limitan al dominio
19
radio, sino que abarca toda la pila de protocolos. Por lo tanto, la RC en general debe ser
vista como una arquitectura adaptativa y auto-organizada para la gestión integral de los
recursos en las redes inalámbricas, una entidad capaz de ajustar su propio
comportamiento a través del aprendizaje. Este es también el punto de vista adoptado en
el proyecto FARAMIR. El ciclo cognitivo requiere diferentes tecnologías facilitadoras.
Iniciando desde el estado "observar", una RC puede observar una serie de diferentes
aspectos de su entorno. Normalmente, un sensor de espectro mide características tales
como la potencia total recibida en un intervalo de frecuencias, la presencia de señales
transmitidas por tecnologías particulares o ciertas familias de esquemas de modulación
digital [23].
Este sensor de espectro (o analizador) también puede aplicarse a una RC individual
a través de un componente de hardware o se puede basar en la cooperación entre varias
RCs en un vecindario. Las observaciones también se pueden realizar a través de la
comunicación explícita entre diferentes radios, por ejemplo, algunos transmisores
envían explícitamente la información de control en las frecuencias utilizadas. Como ya
se ha mencionado anteriormente, las RCs pueden, en general, hacer observaciones con
respecto no sólo del espectro, sino también de otra información de contexto. Un ejemplo
común es la información de geo-localización en términos de las coordenadas absolutas
o posiciones relativas, con aplicación directa en diversos problemas de gestión de
recursos de radio. Cualquier localización o marco de seguimiento se puede utilizar
como fuente de estos datos, como podrían ser los sistemas basados en satélites como el
GPS (Sistema de posicionamiento global) o métodos de localización de corto alcance
sobre la base de las comunicaciones inalámbricas. Otros tipos de sensores que pueden
proporcionar observaciones a las RCs incluyen los de audio o visuales, presentes en
numerosas plataformas, así como acelerómetros y giroscopios que se pueden utilizar
para evaluar, por ejemplo, cambios inminentes en ubicación y en consecuencia, en el
entorno de propagación [23].
La etapa de orientación se relaciona con el procesamiento de la información
obtenida de los diferentes sensores y la integración de cualquier conocimiento previo
con el fin de actualizar la estimación del estado del sistema y de su entorno.
Dependiendo de la diversidad de la información de detección y el conocimiento previo
disponible, se pueden utilizar numerosas y diferentes estimaciones de estado y
mecanismos de aprendizaje para el estado de orientación. Por ejemplo, el tratamiento
posterior de la información obtenida a través de sensores de espectro se puede fusionar
con la información de ubicación para llegar a conclusiones lógicas acerca de sí ciertos
transmisores están activos o no. Dependiendo del cambio en el estado, la RC cambia ya
sea al estado de planificación o, en caso de que se requiere reacción urgente, al estado
de decisión. La diferencia fundamental entre estos dos estados es típicamente el nivel de
rendimiento en tiempo real. Por ejemplo, la aparición de un nuevo cliente en una red
cognitiva de femtoceldas podría desencadenar un control de admisión de conexión
urgente y una rutina de asignación de recursos, mientras que en la planificación los
parámetros de estado de algoritmos de control de potencia, podrían ser ajustados en un
20
bucle de control externo a un ritmo más relajado. En cualquier caso, normalmente se
esperaría que todos los algoritmos de gestión de recursos radio en sistemas de RC y
redes inalámbricas cognitivas residan en estos dos estados [23].
Después del estado de toma de decisiones, la RC debe actuar potencialmente de
acuerdo con las decisiones tomadas. Las acciones aquí se suelen relacionar con el
cambio en cualquiera de los parámetros ajustables en toda la pila de protocolos,
incluyendo la selección de los protocolos que se utilizarán y los enlaces reales o
conexiones de extremo a extremo establecidas para otros nodos. En caso de que la RC
se implemente en una plataforma SDR (SDR - Radio definida por software), las acciones
también pueden incluir una amplia reconfiguración de la forma de onda utilizada.
Por último, en el centro del ciclo cognitivo está el estado de aprendizaje. Aquí, la
RC o una red inalámbrica cognitiva actualizan los diferentes modelos que ha construido
del entorno, de las propiedades de otras radios y de la dinámica de su propio estado. El
elemento clave en el proyecto FARAMIR sobre el estado de aprendizaje es el
almacenamiento y procesamiento la información del entorno y la información del
estado. Los mapas de entorno de radio formarán el marco común para almacenar,
procesar e intercambiar dicha información. Los algoritmos necesarios para el proceso de
aprendizaje incluyen el análisis estadístico y la modelamiento a largo plazo del medio
sobre la base de lecturas de los sensores, así como sobre las respuestas en esas lecturas a
acciones elegidas para ser llevadas a cabo en la etapa de decisión. Las técnicas y la
teoría, como el aprendizaje de máquina también juegan un papel clave [23].
La discusión anterior sobre RC y tecnologías facilitadoras hasta ahora se han
llevado a cabo a nivel general, aplicable a una amplia variedad de escenarios y tareas de
optimización de redes autónomas y sin interés explícito o especialización en los
problemas de gestión del espectro. Una de las áreas clave en las que los conceptos de
RC ha atraído considerable interés es, precisamente la gestión del espectro
radioeléctrico y más concretamente el uso oportunista de bandas licenciadas de
frecuencias del espectro no utilizadas. Por ejemplo, el programa NeXt Generation (xG)
de la agencia de proyectos de investigación avanzados de defensa (DARPA) que ha
buscado implementar radios inteligentes basados en políticas [1, 6, 23-25] precisamente
de esta manera.
2.2.2 Las radios cognitivas para el acceso dinámico al espectro
La tecnología de RC en el contexto de DSA permitirá a los usuarios (1)
determinar qué porción del espectro está disponible y detectar la presencia de UP
cuando un usuario opera en una banda con licencia (detección del espectro), (2)
seleccionar el mejor canal disponible (decisión sobre el espectro), (3) coordinar el
acceso a este canal con otros usuarios (compartir el espectro) y (4) desocupar el canal
cuando se detecta un UP (movilidad de espectro). Centrándonos en estas funciones
resulta una versión simplificada del ciclo cognitivo como la descrita por la Figura 2.3
[23].
21
Figura 2.3. Ciclo cognitivo básico
Fuente: [21].
Sin embargo, en comparación con el ciclo cognitivo completo, al bucle le falta
unos pocos componentes importantes. Uno de ellos es un objetivo primordial, que debe
alimentarse desde fuera del bucle y guiar a los componentes de orientación y decisión a
través de la proporción de un contexto en el cual se toma una decisión. Otro
componente que falta es un módulo de aprendizaje, el cual evita que errores de
iteraciones anteriores se realicen en futuras iteraciones [23].
Es evidente por el número significativo de interacciones, que las funciones de
gestión del espectro requieren un enfoque de diseño cross-layer. El marco de la gestión
del espectro para la comunicación de una CRN (Red de radio cognitiva) se describe en
la Figura 2.4.
22
Figura 2.4. Marco de gestión del espectro para redes de radio cognitiva
Fuente:[1].
Una vez que una radio sea compatible con la capacidad de seleccionar el mejor
canal disponible, el siguiente reto es hacer que los protocolos de red se adapten al
espectro disponible. Por lo tanto, se requieren nuevas funcionalidades en una CRN para
apoyar esta adaptabilidad y activar los protocolos de comunicación conscientes del
espectro. Los componentes de la arquitectura de CRN típica cuando se aplica a DSA, se
pueden clasificar en dos grupos como la red primaria y la CRN. La red primaria se
conoce como la red existente que tiene derecho exclusivo a una banda determinada del
espectro. Los ejemplos incluyen las redes comunes de transmisión de TV y celular. Por
el contrario, la CRN no tiene licencia para operar en la banda deseada. Por lo tanto, se
permite el acceso al espectro sólo de manera oportuna [23].
2.3 Arquitectura de red de Radio Cognitiva
Las actuales arquitecturas de redes inalámbricas emplean heterogeneidad en
términos de las políticas del espectro y las tecnologías de comunicación [26]. Por otra
parte, cierta porción del espectro inalámbrico está licenciado para diferentes fines,
mientras que algunas bandas permanecen libres. Para el desarrollo de protocolos de
comunicación es esencial una descripción clara de la arquitectura de una CRN [1].
Los componentes de la arquitectura de una CRN, se pueden clasificar en dos
grupos: red primaria y CRN. Los elementos básicos de la CRN y de la red primaria se
definen a continuación [1]:
Red Primaria: La infraestructura de red existente se conoce generalmente como
red primaria, la cual tiene derecho exclusivo a una determinada banda del
espectro. Algunos ejemplos incluyen las redes de difusión de televisión y las
23
redes de telefonía celular convencionales. Los componentes de la red primaria
son los siguientes:
Usuario primario: un UP tiene una licencia para operar en una determinada
banda del espectro. Este acceso sólo puede ser controlado por la BS (Estación
base) primaria y no debe ser afectado por las operaciones de ningún US. Los UP
no necesitan ninguna modificación o funciones adicionales para la coexistencia
con las BS de la CRN y/o US.
Estación base primaria: la BS primaria es un componente de red de
infraestructura fija que tiene licencia para cierta porción del espectro, tal como
un sistema transreceptor de una BS en un sistema celular. En principio, la BS
primaria no tiene ninguna capacidad cognitiva para compartir espectro con los
US. Sin embargo, puede requerirse que la BS primaria tenga protocolos
cognitivos y protocolos existentes para el acceso de los US a la red primaria.
Red de radio cognitiva: La CRN no tiene licencia para operar en la frecuencia
que desee. Por lo tanto, se permite el acceso al espectro sólo de manera
oportunista. Las CRN pueden desplegarse tanto como una red de infraestructura
como una red ad hoc. Los componentes de una CRN son los siguientes:
Usuario secundario: un US no tiene licencia del espectro. Por lo tanto, necesita
funciones adicionales para compartir la banda del espectro con licencia.
Estación base cognitiva: una BS cognitiva (o estación base sin licencia, estación
base secundaria) es un componente de infraestructura fija con capacidades
cognitivas. Una BS cognitiva ofrece una conexión de un solo salto hacia los US
sin licencia. A través de esta conexión, un US puede acceder a otras redes.
Agente del espectro: un agente del espectro es una entidad central de red que
juega un papel importante en la compartición de los recursos del espectro entre
diferentes CRNs. El agente del espectro puede ser conectado a cada red y puede
servir como un gestor de información del espectro para permitir la coexistencia
de múltiples CRNs [27-29].
2.3.1 Arquitecturas de radio cognitiva existentes
A continuación se detallan las diferentes tipos de arquitecturas de RC que han
realizado entes gubernamentales e instituciones de educación superior en respuesta a la
necesidad de eficiencia en el uso del espectro [1]:
A. CR1
CR1 es la arquitectura desarrollada por Joseph Mitola en su tesis doctoral [22],
donde se utiliza el lenguaje de representación de conocimiento de radio (RKRL) para
determinar las adaptaciones de la radio. Este lenguaje representa el conocimiento de
radio de un conjunto de lenguajes naturales y modelos basados en computador.
B. xG
El programa de DARPA xG está llevando a cabo una implementación de RCs,
que tiene la iniciativa de autorizar espectro de uso estático, como resultado una aparente
escasez de espectro que puede ser evitado por la correcta aplicación de las técnicas de
24
dinámicas de reparto del espectro. Ha auspiciado igualmente el proyecto (X-MAC),
proyecto en el cual se utiliza una arquitectura que relaciona el motor de políticas (PE)
con el motor de estrategias (SSR) [30].
C. Radio cognitiva biológicamente inspirada
Tema del trabajo doctoral de Christian Rieser [31], se utiliza mediciones de
canal para construir un modelo oculto de Markov (HMM) de su entorno. Los resultados
de la HMM a su vez son utilizados por un algoritmo genético (AG) para predecir el
rendimiento de diferentes combinaciones de componentes de forma de onda para las
condiciones de canal observado.
D. CORTEKS
La RC implementada en la Universidad de Virginia Tech. CORTEKS es
controlado por un software de políticas definidas que actúa como un US del espectro,
adaptando su frecuencia de operación y modulación para maximizar las posibilidades y
tratando en la misma vía de evitar las interferencias que se pudiesen ocasionar con los
UP. Para determinar la presencia de UP se utilizan redes neuronales para clasificar las
señales [32].
E. Adapt4 XG1
Adapt4 es un tipo de RC. Utiliza un algoritmo propietario denominado
Automatic Spectrum Adaptation Protocol (ASAP), el cual está diseñado para operar
como US [33], con características como DSA, salto de frecuencias y TPC (Control de
potencia en la transmisión), en los casos donde sea posible, minimizando la
interferencia en los UP.
F. Spectrum pooling
En [34], se propone la utilización de multiplexación por división de frecuencia
ortogonal (OFDM). Esta arquitectura consiste de una BS cognitiva y US. La
modulación OFDM es candidata para este trabajo debido a que es posible dejar un
grupo de subportadoras sin modular, lo cual es conveniente cuando estas sub-portadoras
están siendo utilizadas por los UP. La detección de usuarios es realizada mediante el
envío periódico, a través de la red, de tramas de detección. Con estas tramas los US
actualizan el estado de la detección de espectro. La información de detección es
entonces almacenada en la BS. Los US modulan un símbolo complejo a máxima
potencia en las sub-portadoras donde los UP aparecen. A través de este método la BS
recibe una señal amplificada de todas las sub-portadoras con los nuevos UP.
G. CORVUS
Esta arquitectura está enfocada en la utilización de US para sacar ventaja del
espectro que no esté siendo utilizado en una banda de frecuencias licenciadas. En [35-
36], CORVUS maneja un grupo de US denominado SUG (Grupo de usuarios
secundarios), los cuales se comunican entre sí mediante una red ah hoc para coordinar
sus actividades.
Esta arquitectura utiliza Spectum Pooling desde el rango de los MHz hasta los
GHz, creando una banda virtual no licenciada. Dentro de ella existen unos canales
lógicos dedicados que se utilizan para el intercambio de información de control y
detección denominados canal de control universal (UCC) y canal de control grupal
(GCC), el primero de ellos se usa para la coordinación entre grupos y el segundo se usa
25
para intercambio interno de cada grupo de información de control y detección [37].
Avances recientes en esta arquitectura plantean un enlace confiable de mantenimiento
dentro de CORVUS para conservar la calidad en la comunicación del US [38]. En [39]
se discute sobre la capa base, así como estrategias de superposición para uso en sistemas
de radiocomunicaciones cognitivos, para compartir el espectro. Presentan, además, el
banco de pruebas utilizado para la RC, junto con las técnicas basadas en
cicloestacionariedad.
H. IEEE 802.22
Es el primer estándar a nivel mundial basado en tecnología de RC [40-41],
también conocido como red inalámbrica de área regional (WRAN). El objetivo
prominente es el acceso al ancho de banda (AB) en áreas rurales y remotas con un
rendimiento comparable a las tecnologías de acceso a banda ancha existentes en la
actualidad. Es por esta razón que entes gubernamentales como la FCC, estimulan el
desarrollo de nuevas tecnologías basadas en RC, que incrementen la disponibilidad de
acceso a banda ancha para estos sectores no atendidos [42-45].
El estándar hace uso de las bandas de televisión (TV), debido a que estas bandas
tiene buenas características en cuanto a propagación, permitiendo a potenciales usuarios
acceder a los servicios de banda ancha, siendo un negocio conveniente para los
proveedores de servicio de internet inalámbrico (WISP).
Mientras que la mayor parte de desarrollo comercial de RC se está realizando en
Estados Unidos, el objetivo del estándar IEEE 802.22 es definir un estándar
internacional, que pueda operar como un régimen regulatorio. Por lo tanto, este estándar
identifica las bandas de operación desde los 54-862 MHz para el territorio
norteamericano, mientras que aun se encuentra en debate el rango de frecuencia desde
los 41-910 MHz para adecuarse a los requerimientos internacionales. De igual forma el
estándar debe acomodarse al AB de los canales que difieren de 6, 7 y 8 MHz.
En cuanto a la capacidad del servicio, el estándar determina eficiencias
espectrales del orden de los 0,5 bit /(sec/Hz) hasta los 5 bit /(sec/Hz), por lo cual para
un canal con un AB de 6 MHz, la tasa de transferencia de datos podría ubicarse en el
rango de los 3 Mbps hasta los 30 Mbps.
I. DIMSUMnet
La RC dynamic intelligent management of spectrum for ubiquitous mobile
network (DIMSUMnet) [52], implementa el acceso multiplexado estadístico (SMA) al
espectro en una banda de acceso coordinado (CAB). La función de SMA es la mejora en
la utilización del espectro mientras que CAB mejora la eficacia del acceso al espectro y
la equidad. CAB utiliza una parte contigua del espectro reservado por las autoridades
reguladoras. Un agente de espectro permanentemente maneja el CAB y la arrienda de
acuerdo a las solicitudes. DIMSUMnet utiliza un sistema centralizado, un mecanismo
de intermediación de red regional que tiene como objetivo mejorar significativamente la
utilización del espectro y reducir la complejidad y los requerimientos de agilidad del
sistema implementado. La BS se registra con el administrador designado de su red de
acceso (RANMAN), el cual a su vez negocia un contrato de arrendamiento de una
porción apropiada del espectro con el agente de manejo de información del espectro
(SPIM). Si el arrendamiento es exitoso, el RANMAN configura el espectro arrendado
en la BS. La BS envía la información recibida del RANMAN, a sus usuarios para la
26
configuración del cliente [46]. Trabajos recientes se enfocan en el precio del espectro y
las funciones de localización del espectro para los agentes del espectro [47].
En [48], los autores investigan las cadenas de Markov en tiempo continuo para
DSA en redes inalámbricas de espectro abierto, es decir, bandas de frecuencias no
licenciadas, y se consideran tanto los modelos de colas como no colas. Se hace uso de
un modelo antropológico para el acceso al medio, el cual usa solamente la información
local, denominado homo egualis (HE). Los resultados analíticos se derivan de los
modelos de Markov.
J. Kuar
En [49], los autores presentan una plataforma de desarrollo de SDR, portátil,
potente y flexible, denominada Kansas University Agile Radio (KUAR). El propósito de
esta plataforma es permitir la investigación avanzada en las áreas de redes de radio
inalámbricas, DSA, y RCs. Describen en detalle los requerimientos en hardware,
herramientas de software, y presenta un ejemplo de aplicación de la modulación de
KUAR, medición del espectro, estimación de canal, y la rápida configuración y
adaptación de KUAR.
K. KNOWS
Este sistema detecta los huecos en el espectro en la banda de frecuencias de TV
haciendo uso de detección cooperativa. Emplea un esquema distribuido denominado b-
SMART el cual dinámicamente ajusta la frecuencia de operación, el tiempo de
ocupación en el canal asignado, el AB de la comunicación, basado en el conocimiento
de huecos espectrales disponibles en el espectro. Con este conocimiento KNOWS
provee a cada usuario con un segmento del AB disponible [50].
KNOWS hace uso de un nuevo esquema de control de acceso al medio
denominado CMAC, basado en el protocolo de control de acceso al medio (MAC), pero
a diferencia de este, CMAC incorpora una mejora en los mecanismos solicitud de envío
(RTS) y listo para enviar (CTS) del estándar IEEE 802.11, y en vez de reservar tiempo
de transmisión en el aire en un canal, reservan segmentos vacíos de frecuencias en el
espectro [51].
L. DRiVE/ Project
El proyecto europeo de radio dinámica para servicios de internet en ambientes
vehiculares (DRiVE), enfoca sus esfuerzos en proveer un espectro dinámico en redes
donde convergen varias tecnologías heterogéneas, haciendo uso de un canal común de
coordinación [52].
El proyecto OverDRiVE fue un avance de su antecesor DRiVE. Este proyecto
apunta al desarrollo y coordinación de sistema de telecomunicaciones móviles universal
(UMTS) en las CRNs de una red hibrida, para asegurar la eficiencia del espectro para
los servicios de multimedia en dispositivos móviles [53].
M. Flex
En [54] los autores proponen FLEX la cual es una arquitectura distribuida para
puntos de acceso (AP) de Wi-Fi, la cual realiza la localización del espectro y
eficientemente se adapta a las demandas de tráfico dinámico de forma que se maximice
la satisfacción del usuario.
27
N. OCRA network
En [55], la red OCRA considera todos los escenarios de implementación
posibles sobre las redes heterogéneas cognitivas y desarrolla operaciones en la capa
cruzada para DSA basado en OFDM. Para la decisión de espectro y el handoff de
espectro, la red OCRA provee un nuevo concepto del espectro basado en OFDM para
ambientes heterogéneos. Con base en la estructura de la capa física (PHY), se propone
una estructura de modo dual de espectro compartido, la cual habilita el acceso a las
redes existentes, así como la coordinación entre los usuarios cognitivos.
En [56] se proponen protocolos MAC cognitivos descentralizados que permiten
a los US ser autónomos al momento de buscar oportunidades espectrales, sin tener que
estar controlados por un coordinador del espectro o un canal de comunicación dedicado.
Se desarrolla asimismo un marco analítico para el acceso al espectro oportunista basado
en la teoría del proceso de decisión de Markov parcialmente observable (POMDP). Este
enfoque de decisión teórica integra el diseño de protocolos de acceso al espectro en la
capa MAC con la detección del espectro en la capa PHY y estadísticas del tráfico
determinadas por la capa de aplicación de la red primaria. Sin mensajes de intercambio
de control entre el transmisor secundario y el receptor debido a los protocolos
descentralizados, asegura saltos síncronos en el espectro entre ellos en presencia de
ambientes con colisión y errores en la detección de espectro.
En [57] los autores diseñan una RC que puede coexistir con múltiples canales
paralelos de redes inalámbricas de área local (WLAN) respetando al mismo tiempo una
limitación de interferencia. La interacción entre los dos sistemas la cual se caracteriza
por la medición y la coexistencia es mejorada por la predicción del comportamiento de
WLANs basadas en un modelo de cadena de Markov de tiempo continuo. El acceso al
medio cognitivo (CMA) se deriva de este modelo por la recomposición del problema
como uno de los procesos de decisión de Markov limitados. La RC considerada en este
artículo es basada en saltos de frecuencia con una capa física similar a la utilizada por
Bluetooth. Esto permite realizar comparaciones conceptuales de coexistencia entre
Bluetooth y WLAN.
O. SPARTA
En [58] los autores proponen SPARTA, una nueva arquitectura DSA que provee
un eficiente y estable uso del espectro integrando la planificación proactiva con la
adaptabilidad reactiva. SPARTA introduce un novedoso algoritmo de control de
admisión estadístico que proactivamente evita la congestión en la demanda por el
espectro, mientras lidia con la interferencia. Esta arquitectura permite determinar el
volumen de la demanda soportada por cada AP basada en sus estadísticas y la condición
de interferencia local.
En [59] se describe un modelo concreto para una RC genérica para utilizar un
motor de aprendizaje. El objetivo es incorporar los resultados del motor de aprendizaje
en un motor basado en razonamiento de manera que las radios pueden recordar las
lecciones aprendidas en el pasado y actuar con rapidez en el futuro. También investigan
las diferencias entre el razonamiento y el aprendizaje, y los fundamentos de cuando una
aplicación particular requiere aprender, y cuando el razonamiento simple es suficiente.
La arquitectura básica es consistente con los motores cognitivos observados en la
investigación de inteligencia artificial (AI). El objetivo de este artículo no es proponer
nuevos algoritmos de aprendizaje de máquina, sino formalizar su aporte a la RC y
desarrollar un marco desde el cual puedan ser útiles.
28
En [60] se presenta una nueva metodología emergente para la inferencia
estadística que mejora algunas deficiencias del algoritmo expectation–maximization
(EM). Esta metodología se denomina aproximación variacional y se puede utilizar para
resolver los complejos modelos bayesianos donde el algoritmo EM no se puede aplicar.
La inferencia bayesiana basada en la aproximación variacional ha sido ampliamente
utilizada por la comunidad de aprendizaje de máquina desde la década de 1990, cuando
se introdujo por primera vez.
En [61], se propone la evaluación del rendimiento de las redes de RC tomando
en cuenta factores como las métricas utilizadas por las redes, algoritmos utilizados en el
proceso cognitivo y con base a esto los autores proponen los resultados de acuerdo a los
escenarios planteados.
2.4 Gestión del espectro
Las CRNs también imponen retos en la gestión del espectro, debido a la
naturaleza fluctuante del espectro disponible y a los requerimientos de QoS de varias
aplicaciones. La RC ofrece la capacidad de compartir los canales inalámbricos con los
UP de una manera oportunista. Con este fin, los US necesitan monitorear continuamente
el espectro para determinar la presencia de los UP y reconfigurar el front-end RF de
acuerdo a las demandas y necesidades de las capas superiores. Para cumplir con lo
anterior, las CRNs implementan cuatro funciones encargadas de realizar la gestión del
espectro: detección de espectro, decisión de espectro, compartición de espectro y
movilidad de espectro, las cuales conforman el ciclo cognitivo descrito anteriormente.
Para implementar CRNs, cada función necesita ser incorporada en los protocolos
clásicos de capas [50].
Las siguientes son las principales características de estas cuatro funciones:
A. Detección de Espectro
En las bandas licenciadas los US, solo pueden ser asignados a huecos
espectrales, para que no interfieran con los UP. Por tanto, es necesario que los US estén
monitorizando las bandas de espectro disponibles, capturando su información y después
detectando dichos huecos espectrales [21]. Actualmente existen varias técnicas para la
detección de espectro, las cuales se clasifican como se muestra en la Figura 2.5, siendo
la detección de energía la más básica de ellas.
29
Figura 2.5. Clasificación de las técnicas de monitorización de espectro.
Fuente: [21]
B. Decisión de Espectro
Después de que los huecos espectrales han sido identificados, los US deben
seleccionar el más adecuado de acuerdo con sus requerimientos de QoS, políticas
internas y posiblemente externas. Para tomar la anterior decisión se han desarrollado
algoritmos que tienen en cuenta las características del canal de radio y el
comportamiento estadístico de los UP, entre otros factores [21].
C. Compartición de Espectro
Debido a que múltiples US pueden intentar acceder al espectro, la función de
compartición de espectro, proporciona la capacidad de compartir este recurso con
múltiples US, coordinando sus transmisiones para evitar colisiones e interferencias [21,
62].
D. Movilidad de Espectro
Los US son considerados como “visitantes” en el espectro. Si los UP necesitan
una parte específica del espectro o las condiciones del canal se deterioran, los US deben
dejar el canal de frecuencia que están utilizando y continuar su comunicación en otro
hueco espectral [21].
2.5 Detección del espectro
En la Tabla 2.1, se pueden resumir las principales técnicas de detección de
espectro.
Técnica Estadísticas de
prueba Ventajas Desventajas
Detector de
energía
Energía de las muestras de la señal recibida
Fácil de implementar.
No requiere conocimiento previo de las señales primarias.
Alta falsa alarma debido a la
incertidumbre del ruido. Poco confiable en señales de baja SNR (Relación señal a ruido). No puede diferenciar un usuario primario de otra fuente de
señales.
30
Filtro adaptado y detección coherente
Señal recibida prevista en sentido de la ya conocida señal primaria o de un
cierto patrón de señal
Más robusto ante la incertidumbre del ruido y mejor detección de
señales de baja SNR que el detector de características. Requiere menos muestras de la señal para conseguir una buena detección.
Se requiere información previa y precisa sobre ciertos patrones de las señales primarias.
Alta complejidad.
Detector de característica
Función de densidad de espectro cíclica de la señal recibida, o por coincidencia de las características
generales de la señal recibida con las características de la ya conocida señal primaria
Más robusto en contra de la
incertidumbre del ruido y mejor detección de señales de baja SNR que el detector de energía. Puede distinguir entre diferentes tipos de transmisiones y sistemas primarios.
Las características particulares de la señal pueden necesitar ser
introducidas, por ej., comunicaciones basadas en OFDM. Características específicas, ej., características cicloestacionarias, deben ser
asociadas con señales primarias.
Tabla 2.1 Características de las técnicas fundamentales de detección de espectro
Fuente:[63]
2.5.1 Detección de energía
El enfoque basado en el detector de energía es la forma más común de detección
de espectro debido a sus baja complejidad computacional y de implementación [19, 51,
64-67]. Adicionalmente, es más genérico ya que los receptores no necesitan ningún
conocimiento sobre la señal de los UP. La señal se detecta mediante la comparación de
la salida del detector de energía con un umbral que depende del piso de ruido [68].
Algunos de los retos en la detección de energía incluyen la selección del umbral para la
detección de los usuarios primarios, la incapacidad para diferenciar entre la interferencia
de los UP y el ruido, y el bajo rendimiento en condiciones de baja relación señal a ruido
(SNR) [64].
El desempeño del algoritmo de detección se puede resumir con dos
probabilidades: Probabilidad de detección y probabilidad de falsa alarma . es la
probabilidad de detectar una señal en la frecuencia considerada cuando realmente está
presente. Por lo tanto, se desea una probabilidad de detección alta y puede ser formulada
como:
(1)
PF es la probabilidad de que erróneamente se decida que la frecuencia está
ocupada, cuando en realidad no lo está y puede ser escrita como
(2)
La debe mantenerse tan pequeña como sea posible con el fin de evitar la
subutilización de las oportunidades de transmisión. El umbral de decisión puede ser
31
seleccionado en busca de un equilibrio óptimo entre la y la . Sin embargo, esto
requiere el conocimiento de las potencias de ruido y de las señales detectadas. La
potencia de ruido puede ser estimada, pero la potencia de la señal es difícil de estimar,
ya que cambia dependiendo de las características de transmisión y de la distancia entre
el radio cognitivo y el UP. En la práctica, se elige el umbral para obtener una cierta tasa
de falsa alarma [69]. Por tanto, el conocimiento de la varianza del ruido es suficiente
para la selección de un umbral [70].
En [71-73] se analizan los resultados de mediciones utilizando detector de
energía para identificar los períodos de inactividad y de ocupación de canales WLAN.
En [65] se mide y se compara el nivel de energía para cada ranura del Sistema Global
para las Comunicaciones Móviles (GSM) con el fin de identificar las ranuras inactivas
para su utilización. La tarea de detección en este trabajo es diferente, en el sentido de
que el radio cognitivo se debe sincronizar con la red del UP y el tiempo de detección se
limita a la duración de la ranura. Un enfoque similar se utiliza en [74], para la
utilización oportunista de ranuras celulares no ocupadas. En [75], el nivel de potencia en
la salida de la Transformada Rápida de Fourier (FFT) de una señal entrante se compara
con un valor de umbral, con el fin de identificar los canales de televisión utilizados. La
FFT se realiza sobre los datos muestreados a 45 KHz alrededor de la frecuencia
portadora de televisión para cada canal de televisión [70].
2.6 Equipo utilizado en la detección de espectro
A continuación se describen los equipos utilizados en la medición del espectro
para esta investigación:
2.6.1 Analizador de espectro
Las mediciones de potencia en el espectro y el registro de la actividad espectral
sobre el rango completo de frecuencias son realizadas con el analizador de espectro
superheterodino Anritsu MS2721B, que se muestra en la Figura 2.6. Este analizador de
espectro ofrece un rango de medición desde 9 KHz a 7.1 GHz, un bajo nivel de ruido
(Muestra un nivel de ruido inferior a -163 dBm con un ancho de banda de resolución de
1 Hz a 1 GHz) y un preamplificador incorporado (≈25 dB de ganancia) que facili ta la
detección de las señales débiles, ajuste automático de la velocidad de barrido, y la
posibilidad de conectar un dispositivo de almacenamiento externo USB, para guardar
las mediciones y realizar luego un post-procesamiento de los datos. El analizador de
espectro también incluye un sensor GPS externo, que permite observar las coordenadas
de la actual medición en las trazas guardadas [76].
En el siguiente apartado se presenta un resumen conceptual del analizador
utilizado.
32
Figura 2.6. Analizador de espectro MS2721B
Fuente: [77].
2.6.1.1 Analizador de espectro superheterodino
Debido al limitado ancho de banda de los convertidores Análogo/Digitales
disponibles, los analizadores de Transformada Rápida de Fourier (FFT) sólo son
adecuados para mediciones en señales de baja frecuencia. Para visualizar el espectro de
señales de alta frecuencia hasta el rango de microondas, se utilizan analizadores con
conversión de frecuencia. En este caso el espectro de la señal de entrada no se calcula a
partir de la característica de tiempo, sino es directamente determinado por el análisis en
el dominio de la frecuencia. Para un análisis de este tipo es necesario descomponer el
espectro de entrada en componentes individuales. El analizador mezcla la señal de
entrada con la que proviene de un oscilador local trasladando la señal a la frecuencia
intermedia (IF) [78]. El ancho de banda del filtro IF corresponde al ancho de banda de
resolución (RBW) del analizador. Cuanto menor sea el ancho de banda de resolución,
mayor será la resolución espectral del analizador; el problema es que la resolución
afecta el tiempo de barrido y el tiempo de barrido está directamente relacionado con el
tiempo necesario para completar una medida.
Mediante el uso de los filtros analógico o digital IF, la velocidad máxima
permisible de barrido está limitada por el tiempo transitorio del filtro IF y del filtro de
vídeo. El tiempo transitorio no tiene efecto si el ancho de banda de vídeo es mayor que
el ancho de banda de resolución. En este caso, el tiempo transitorio requerido aumenta
inversamente con el cuadrado del ancho de banda de resolución, por lo que con una
disminución del ancho de banda de resolución por el factor n el tiempo de barrido
mínimo requerido se convierte n2 más largo. Por tanto:
(3)
Donde ST es el tiempo de barrido mínimo requerido, es el span y k es el
factor proporcional. La ecuación (9) muestra que un cambio en el RBW tiene un cambio
significativo en el ST [78].
2.7 Decisión del espectro
Una vez que todas las bandas de espectro disponibles se caracterizan, se debe
seleccionar la banda del espectro más apropiada para la transmisión, teniendo en cuenta
los requisitos de QoS y las características del espectro. Por lo tanto, la función de
gestión del espectro debe conocer los requisitos de QoS del usuario. Con base en las
33
necesidades de los usuarios se puede determinar: la velocidad de datos, la tasa de error
aceptable, el retardo, el modo de transmisión y el AB para la transmisión. Entonces,
puede ser elegido el conjunto de bandas del espectro apropiado, de acuerdo a la regla de
decisión. En [79], se presentan cinco reglas de decisión del espectro, que se centran en
la equidad y el costo de la comunicación. Sin embargo, este método asume que todos
los canales tienen una capacidad de rendimiento similar [1].
En [80] se propone un protocolo de saltos de canal de frecuencia oportunista
para la búsqueda de un canal de mejor calidad, esta decisión del canal se basa en la
SNR. Con el fin de tener en cuenta la actividad del UP, se toma en cuenta para la
decisión del espectro el número de transferencias del espectro y lo que ocurre en una
determinada banda del espectro [81]. La decisión del espectro constituye un tema
importante pero todavía sin explorar en las CRNs.
2.7.1 Retos en la decisión de espectro
Existen varias cuestiones de investigación abiertas que necesitan ser estudiadas
para el desarrollo de la función de decisión del espectro [1].
A. Modelo de decisión
La SNR no es suficiente para caracterizar las bandas espectrales en las CRNs.
Además de la SNR, muchos parámetros de caracterización del espectro afectan la
calidad. Por lo tanto, la manera de combinar estos parámetros de caracterización del
espectro para el modelo de decisión del espectro sigue siendo una cuestión abierta.
B. Decisión de múltiples bandas del espectro
En las CRNs se pueden utilizar simultáneamente múltiples bandas del espectro
para la transmisión. Por otra parte, las CRNs no requieren que las múltiples bandas
seleccionadas sean contiguas. De este modo, un US puede enviar paquetes a través de
bandas del espectro no contiguas. Esta transmisión sobre múltiples bandas muestra
menos degradación de calidad durante el handoff espectral en comparación con la
transmisión convencional sobre una sola banda del espectro [55]. Por ejemplo, si un UP
aparece en una banda del espectro en particular, el US tiene que desalojar solo esa
banda, y en el resto de las bandas de espectro mantendrá la comunicación, por lo cual la
degradación de la QoS puede ser mitigada.
Adicionalmente, la transmisión en múltiples bandas del espectro permite menor
consumo de energía en cada banda del espectro. Como resultado, se consigue menos
interferencias con los UP, en comparación con la transmisión en una única banda del
espectro [55]. Por estas razones, el esquema de gestión del espectro debe tener la
capacidad de toma de decisión para múltiples bandas. Por ejemplo, la forma de
determinar el número de bandas del espectro y cómo seleccionar el conjunto de bandas
apropiadas siguen siendo temas de investigación abiertos en CRNs.
C. Cooperación con la reconfiguración
La tecnología de RC permite que los parámetros de transmisión de una radio se
puedan reconfigurar para un funcionamiento óptimo en una banda del espectro
determinada. Por ejemplo, si la SNR es fija, la tasa de error de bit (BER) se puede
ajustar para mantener la capacidad del canal, mediante la utilización de técnicas de
adaptación de la modulación, por ejemplo, CDMA 2000 1x EVDO [82-83]. Por lo
34
tanto, se requiere un esquema de cooperación que tenga en cuenta tanto la decisión del
espectro como la reconfiguración.
D. Decisión del espectro sobre bandas del espectro heterogéneo
En la actualidad, ciertas bandas del espectro ya están asignadas a diferentes
propósitos, mientras que algunas bandas se mantienen sin licencia. Por lo tanto, es muy
probable que el espectro utilizado por las CRNs sea una combinación de espectro de
acceso licenciado y espectro sin licencia. En el caso de las bandas con licencia, los US
deben considerar las actividades de los UP en el análisis y la decisión del espectro con
el fin de no influir en la transmisión de estos últimos.
Por el contrario, en las bandas sin licencia, ya que todos los US tienen los
mismos derechos de acceso al espectro, son necesarias técnicas sofisticadas de
compartición del espectro. Con el fin de seleccionar la mejor banda del espectro en el
entorno heterogéneo. La CRN debe tener la capacidad de decisión del espectro tanto en
las bandas con licencia como en las bandas sin licencia teniendo en cuenta estas
características diferentes.
2.8 Métodos multicriterio para la toma de decisiones
El análisis multicriterio (MCA) se ha venido desarrollando para apoyar el
proceso de toma de decisión ya que éste se basa en diferentes criterios, lo cual implica
que contienen diferentes posibles soluciones que requieren ser evaluadas o clasificadas,
adicionalmente los criterios generalmente son evaluados en distintas unidades y se tiene
un conjunto de medidas de desempeño para cada posible solución [84].
Este tipo de análisis es una ayuda efectiva en la práctica de la toma de
decisiones, ya que constituye una forma de modelizar los procesos de decisión, en los
que entran en juego: una decisión a ser tomada, los eventos desconocidos que pueden
afectar el o los resultados, los posibles cursos de acción, y el o los resultados mismos.
En el desarrollo de la aplicación de un modelo fundamentado en el análisis
multicriterio se hace necesario identificar los elementos que le dan la dinámica a dicho
patrón para el proceso de la toma de decisiones [85]. Estos elementos son:
A. Decisor: individuo o grupo de individuos enfrentados a una decisión, que
asumen el rol de ser los encargados de analizar la decisión.
B. Toma de decisiones: proceso a lo largo del tiempo en el que se identifican las
siguientes fases: recolección de la información, el diseño, la selección y la
revisión. En conjunto conforman la reflexión del decisor.
C. Analista: es quien modeliza la situación concerniente al objeto de estudio y hace
recomendaciones relativas a la selección final.
D. Conjunto de elección: conjunto de alternativas que debe elegir el decisor, con
las características de ser diferentes, excluyentes y exhaustivas:
Ai = {A1, A2, ... .., Am}; i = 1 ... .. m (4)
E. Atributos: son las características o cualidades que poseen las respectivas
alternativas.
F. Criterios: son las preferencias que el decisor tiene hacia un cierto atributo
35
Cn ; i = 1 ... .. n (5)
Los criterios deben estar en el mismo plano de igualdad, es decir que serán
criterios cuantitativos cuando estén en una escala numérica o cualitativa, cuando no
existe unidad canoníca de medida [86].
G. Matriz de decisión: el decisor es capaz de asignar un valor numérico o
simbólico (Aij) cuantitativo o cualitativo para cada atributo considerado (j), para
cada alternativa del conjunto de elección (Ai)
Generalmente, al enfrentarse con un problema en la toma de decisión se pueden
efectúa r cuatro tipos de análisis [87]:
Identificar la mejor alternativa o seleccionar un grupo con las mejores
alternativas,
Determinar el orden (ranking) de la mejor a la peor de las alternativas,
Clasificar las alternativas en grupos homogéneos predefinidos
Identificar las principales características de diferencia de las alternativas y
describirlas en base a estas características.
Varios autores en [88-89] han explicado el proceso del MCA, el cual
generalmente contiene las fases descritas en la Tabla 2.2 [84].
Fase Descripción
Escoger las opciones de decisión (alternativas)
Normalmente existe un numero finito de alternativas que requieren ser evaluadas y ordenadas de mejor a peor.
Escoger los criterios de evaluación Los criterios son usados para medir el desempeño de las
alternativas.
Obtener medidas de desempeño para la matriz de evaluación
Estos valores pueden ser obtenidos de expertos en el tema o de otros modelos.
Estandarizar las mediciones
Los problemas de análisis multicriterio siempre contendrán criterios medidos en unidades distintas. Por lo tanto, es necesario transformar las mediciones para que
puedan compararse entre sí.
Ponderar los criterios
Es raro que todos los criterios tengan la misma
importancia para los tomadores de decisiones. Existe una variedad de métodos para ponderar los criterios.
Determinar el orden (ranking) de las opciones
En esta fase las ponderaciones de los criterios se combinan con las medidas de desempeño para que cada
alternativa alcance una medida global de su rendimiento.
Realizar un análisis de sensibilidad
La variación sistemática de las ponderaciones, de las medidas de desempeño y de los algoritmos para la
determinación del orden, puede mostrar dónde el modelo necesita fortalecimiento y solidez de los resultados, dados
unos supuestos de entrada.
Tomar la decisión El objetivo del método de análisis multicriterio es
informar la decisión.
Tabla 2.2. Metodología de selección por decisión multicriterio
36
En general, el proceso descrito en la tabla es iterativo, dejando la posibilidad de
abordar varias veces cualquier etapa a medida que se va desarrollando el análisis.
Desde la década de 1960 se han desarrollado diversas técnicas para resolver el
problema de MCA. Más recientemente, el estudio realizado por [84], en el cual
revisaron 134 publicaciones de 34 países que aplicaban la MCA en la gestión del
recurso hídrico, permiten clasificar las técnicas de MCA en:
A. Métodos de funciones de valor multicriterio: los métodos más comunes son la
suma ponderada y la multiplicación ponderada. Estos métodos se basan en la
ponderación de cada uno de los criterios, los cuales son multiplicados por el
desempeño de cada alternativa. Se agrupan los resultados parciales de cada una
de las alternativas, se suman o se multiplica y esta es la puntuación global de
cada opción. La alternativa escogida será la de mejor puntuación global [90].
B. Métodos de relaciones de superación: los métodos PROMETHEE [91] (de
sus siglas en inglés: Preference Ranking Organization MeTHod for Enrichment
Evaluations) y ELECTRE [87] (de sus siglas en francés: ELimination Et Choix
Traduisant la Realité) son los enfoques comúnmente más utilizados. Estos
métodos relacionan las alternativas utilizando las relaciones llamadas “de mejor
rango” para seleccionar la alternativa más satisfactoria para el tomador de
decisión [92], aplicando una especie de función de utilidad que contiene criterios
ponderados para determinar la cantidad de alternativas que superan a otras. En el
transcurso de los años han habido considerables variaciones a los métodos
PROMETHEE y ELECTRE.
C. Métodos de distancia a la alternativa ideal: este enfoque identifica valores
ideales y anti-ideales de cada criterio, luego identifican las alternativas que están
cercanas a los valores ideales y lejanas a los valores anti-ideales. La alternativa
seleccionada debe tener la distancia más corta posible hacia la solución ideal y
estar lo más lejos posible de la anti-ideal. Las técnicas más comunes de este
método son programación de compromiso [93-94] y TOPSIS [95].
D. Comparaciones por pares: este método consiste en comparar la alternativas o
criterios de a pares, lo cual se efectúa en términos de "razones o tasas de
preferencia" si se trata de alternativas o de "razones de importancia" si se trata
de criterios. Con las comparaciones se pueden obtener la ponderación de los
criterios y las puntuaciones de las opciones de decisión. La técnica más
ampliamente usada es el proceso analítico jerárquico o AHP (Analytic Hierarchy
Process) [96]. Otros métodos son el proceso de análisis de red ANP (Analytic
Network Process) [97] y MACBETH (Measuring Attractiveness by a
Categorical Based Evaluation TecHnique) [90].
E. Análisis de conjuntos borrosos: la teoría de los conjuntos borrosos está basada
en la transición gradual del ítem a evaluar de una clase a otra. Estos elementos
pueden pertenecer parcialmente a varios conjuntos. El análisis de conjuntos
borrosos puede ser empleado para otras técnicas de análisis multicriterio.
F. Métodos adaptados de los existentes: la capacidad para crear métodos de
AMC a partir de la adaptación de los existentes es ilimitada.
37
La mayoría de las publicaciones estudiadas por [84] utilizaron más de una
técnica de MCA, para comprobar la sensibilidad de los resultados. Varios autores han
efectuado estudios comparativos sobre las diferentes técnicas de MCA aplicadas a la
gestión del recurso hídrico [98-99], encontrando que no hay una ventaja metodológica
clara en el análisis de un problema para ninguna de las técnicas. [88] obtuvo resultados
similares en gestión forestal y concluyó que el aspecto más importante del MCA es la
selección de los criterios y de la alternativas, es decir tener en cuenta las características
del estudio-problema y también las características o propiedades de cada MCA, para
finalmente determinar la mejor técnica.
Para este caso se implementará la técnica de suma ponderada o puntuación la
cual se describe a continuación.
2.8.1 Suma Ponderada
Este método busca una función de utilidad en la cual sea posible medir la
utilidad total de la acción potencial. Estos métodos establecen una función-criterio para
llegar a una agregación final monocriterio [100]. El conocimiento de los valores de cada
función objetivo para una alternativa dada x permite el cálculo de una nota (resultado)
intrínseca para cada alternativa independientemente de los otros
(6)
Donde para el i-ésimo criterio
es la función de utilidad (0 < < 1 ∀ )
F es la función del resultado (score)
es el peso (normalizado: suma de todos los pesos = 1)
En la Tabla 2.3 se puede sintetizar las principales características de los diferentes
tipos de MCDA y por ende la justificación de la selección de este específicamente para
el desarrollo de la investigación.
Método Ventajas Desventajas
Utilidad multiatributo (MAUT)
Toma en cuenta la incertidumbre; puede incorporar preferencias.
Necesita bastante información de entrada; las preferencias deben ser
precisas.
Proceso Analítico
Jerárquico (AHP)
Fácil de usar; escalable; la estructura de jerarquía puede ajustarse fácilmente para adaptarse a muchos problemas.
Problemas debido a la interdependencia entre los criterios y
alternativas; puede dar lugar a incoherencias entre el juicio y los
criterios de clasificación.
Razonamiento basado
en casos (CBR)
Requiere poco mantenimiento; puede mejorarse con el tiempo; puede
adaptarse a los cambios en el entorno.
Sensible a datos inconsistentes;
requiere muchos casos.
Análisis envolvente de datos (DEA)
Capaz de manejar múltiples entradas y salidas; se puede analizar y cuantificar
la eficiencia.
No trata con datos imprecisos; asume que todas las entradas y las salidas se
conocen con exactitud.
Conjunto difuso Permite entradas imprecisas; tiene en
cuenta información insuficiente
De difícil desarrollo; puede requerir
numerosas simulaciones antes de su uso.
Clasificación técnica simple
Simple; permite cualquier tipo de técnica de asignación de peso; menos
El procedimiento puede no ser conveniente considerando la
38
multiatributo esfuerzo para los tomadores de decisiones.
aplicación.
Programación por metas
Capaz de manejar problemas a gran escala; puede producir alternativas
infinitas.
Típicamente debe ser utilizado en combinación con otros métodos
MCDM para ponderar coeficientes.
ELECTRE Toma en cuenta la incertidumbre y la
vaguedad.
Su proceso y su resultado puede ser difícil de explicar en términos
sencillos; puede que las fortalezas y las debilidades de las alternativas no sean
identificadas directamente.
PROMETHEE Fácil de usar; no requiere el supuesto
de que los criterios sean proporcionadas.
No proporciona un método claro para asignar pesos
Suma Ponderada (SAW)
Capacidad para compensar los criterios; intuitivo para los tomadores de
decisiones; cálculos simples que no requieren procesamientos complejos.
El resultado obtenido puede no ser lógico.
Técnica para Ordenar Preferencias por Similitud con la Solución Ideal
(TOPSIS)
Tiene un proceso sencillo; fácil de usar y de programar; el número de pasos
sigue siendo el mismo, independientemente del número de
atributos
Su uso de la Distancia euclidiana no considera la correlación de atributos;
difícil de ponderar y mantener la coherencia de los juicios.
Tabla 2.3. Ventajas y las desventajas de las técnicas de MCDA
Fuente: [101]
39
Capítulo 3 Metodología para el desarrollo
del modelo de decisión
Para el desarrollo de la investigación se realizó inicialmente una campaña de
medición del espectro, a continuación se procedió a caracterizar las bandas detectadas y
finalmente se estableció el algoritmo de decisión con base en la selección multicretio,
en el presente capitulo se describirán estos procesos detalladamente.
3.1 Medición del espectro
Los rangos de medición de las bandas en el analizador de espectro se basaron en
aspectos como el tiempo de barrido, el ancho de banda de resolución (RBW) y el span,
con el fin de garantizar una adecuada medida en función del piso de ruido y el ancho de
banda del canal GSM [102]. Para obtener cifras representativas en términos de
promedios estadísticos, se tomó un tiempo de 72 horas en la zona sur y zona
noroccidente, para la zona norte la medición se realizó por un lapso de 170 horas,
tiempo suficiente de acuerdo a la cantidad de muestras necesarias para alcanzar un
intervalo de confianza deseado [103], en total la campaña de medición transcurrió
durante trece días. Se implementaron dos esquemas de detección del espectro con el fin
de tener un alcance más amplio de la implementación desarrollada.
El primer esquema de pruebas se tuvo en la zona norte donde se utilizaron los
elementos listados en la Tabla 3.1.
Equipos Especificaciones
Rango de Frecuencia Referencia
Antena tipo discono 25 MHz – 6 GHz Super-M Ultra Base
Cable de banda ancha DC – 18 GHz CBL-6FT SMNM+
Amplificador de bajo ruido 20 MHz – 8 GHz ZX60-8008E-S+
Analizador de espectro 9 KHz – 7.1 GHz MS2721B Anritsu
Tabla 3.1. Especificaciones para mediciones en la zona Norte
Fuente:[104].
40
En la Figura 3.1 se presenta el esquema de recolección de datos en la zona norte:
Figura 3.1. Configuración de las mediciones en la zona Norte
Fuente: [104].
El segundo esquema de pruebas se tuvo en las zonas Sur y Occidente donde se
utilizaron los elementos listados en la Tabla 3.2
Equipos Especificaciones
Rango de Frecuencia Referencia
Antena dipolo GSM 700-960 MHz y 1700-2700
MHz (Ganancia=3dBi)
XianZhi Xqz-
900/1800ng
Analizador de espectro 9 KHz – 7.1 GHz MS2721B Anritsu
Tabla 3.2. Especificaciones para mediciones en las zonas Sur y Occidente.
Fuente: [104].
En la Figura 3.2 se presenta un esquema grafico del escenario de pruebas en las zonas
Sur y Occidente:
Figura 3.2. Configuración de las mediciones en las zonas Sur y Occidente
41
3.1.1 Frecuencia
La ocupación del espectro se midió en el intervalo de 824 MHz a 849 MHz. El
span para cada medición fue menor a 60 MHz y fue calculado a partir de (7) y (8) ya
que la tecnología a medir es conocida con un ancho de banda de 200 KHz, con el fin de
garantizar un estimado razonablemente preciso de ocupación.
(7)
(8)
Donde ABT es el ancho de banda del canal de la tecnología a medir, fb es el bin
de frecuencia y pps es el número de puntos por span del analizador, que para este caso
es 551. Separaciones de bin de frecuencia menores que el ancho de banda del canal,
garantizan la detección de la señal [104]. Dichos segmentos menores a 100 MHz
permitieron escoger a RBW ≤ ABT , el cual estuvo alrededor de 100 KHz, con tiempos
de barrido que oscilaron alrededor de 52 milisegundos, lo que para 13 días de medición
conlleva a obtener 21.600.000 trazas de medida.
3.1.2 Localización
Las mediciones se llevaron a cabo en edificaciones ubicadas en las siguientes
coordenadas de la ciudad de Bogotá-Colombia, tal como se muestra en la Figura 3.3.
Zona Sur:
Punto 1: Latitud = 4.617503, longitud = -74.130781
Punto 2: Latitud = 4.61797, longitud = -74.129694
Punto 3: Latitud = 4.617702, longitud = -74.128166
Punto 4: Latitud = 4.615964, longitud = -74.130133
Punto 5: Latitud = 4.615725, longitud = -74.131268
Punto 6: Latitud = 4.616777, longitud = -74.129327
Zona Norte:
Punto 7: Latitud = 4.729898, longitud = -74.055547
Zona Occidente:
Punto 8: Latitud = 4.657241, longitud = -74.110788
Punto 9: Latitud = 4.658381, longitud = -74.108925
Punto 10: Latitud = 4.656873, longitud = -74.109749
Punto 11: Latitud = 4.656669, longitud = -74.111042
Punto 12: Latitud = 4.657222, longitud = -74.11152
Punto 13: Latitud = 4.657552, longitud = -74.111410
Estos puntos se pueden visualizar en los mapas subsiguientes.
42
a)
b)
c)
Figura 3.3. Puntos de medición.
a) Zona Sur, b) Zona Norte y c) Zona Occidente (Mapas tomados de
GoogleMaps).
43
En la Tabla 3.3 se observa el resumen de los datos de la estación base
transreceptora (BTS) con los cuales se hallaron las perdidas por propagación.
Zona Punto Distancia a BTS
(m)
PTx BTS
(dBm)
Altura de la antena
(m)
Sur 1 69 45 25
Sur 2 109 45 25
Sur 3 240 45 25
Sur 4 135 45 25
Sur 5 196 45 25
Sur 6 112 45 25
Norte 7 52 45 35
Occidente 8 49 45 35
Occidente 9 288 45 35
Occidente 10 144 45 35
Occidente 11 25 45 35
Occidente 12 64 45 35
Occidente 13 84 45 35
Tabla 3.3. Resumen de datos utilizados para hallar las perdidas por propagación
3.1.3 Amplitud
Los niveles de amplitud se ajustaron en cada segmento del analizador de espectro
sin exceder los niveles máximos de señal a la entrada; pues de lo contrario se producen
espurios mayores que la variación promedio de ruido de piso, para cada medida. Estudios
de espectro previos [105], sugieren que un buen criterio para configurar el rango
dinámico de un equipo de medida, al que se le conecta un amplificador a la entrada, es
ajustar los niveles de amplitud para que las señales se encuentren dentro del Margen
dinámico libre de espurios (SFDR), el cual se calcula como:
(9)
Donde, PI es la potencia de la señal a la entrada y PN es la potencia de ruido
equivalente a la entrada. El objetivo era tener tanta sensibilidad como fuera posible en el
receptor con el uso del amplificador, evitando que los niveles de espurios pudieran ser
detectados como actividad de un usuario primario (usuario licenciando). El nivel de
ruido promedio del instrumento para cada medida fue determinado con la ubicación de
una impedancia de 50 Ω a la entrada del analizador de espectro, con un nivel de
atenuación de 0 dB, detección RMS (root mean square) y un periodo de tiempo de
medición. El nivel de decisión (λ) se presentan en la Tabla 3.4, y se encontró a partir de
(10) con una probabilidad de falsa alarma ( ) del 1% [106-107]:
(10)
Donde Γ(.) y Γ(.,.) son la función gamma completa e incompleta, respectivamente y m es
el producto del tiempo por el ancho de banda [104].
44
=0.052s * 200KHz = 10.4
λ =5
Zona Nivel de ruido promedio
detectado (dBm)
Nivel de decisión
promedio (dBm)
Sur -95 -90
Occidente -85 -80
Norte -94 -89
Tabla 3.4. Umbral de detección por banda para el analizador de espectro
3.2 Modelamiento de la banda GSM
Con los datos recolectados durante la campaña de medición se puede caracterizar la
banda, para esto se promedian los valores obtenidos en las frecuencias de cada canal lo
que conlleva a tener un dato de potencia para 126 canales dentro de este rango del
espectro y así se obtuvieron 2.721.600.000 datos, a continuación se tomó la máxima
potencia obtenida para cada segundo con lo cual se logro reducir el número de campos a
141.523.200 y finalmente se procesaron los datos relevantes aproximadamente cada 12
segundos con lo cual se consolidaron 11.793.600 valores para su análisis.
Luego se procedió a evaluar si los canales estaban ocupados o vacios teniendo en
cuenta el umbral de decisión calculado, lo cual se demarco con un “1” para canal
ocupado y “0” para canales libres, a continuación se evaluó la SINR de cada canal según
la siguiente ecuación:
(11)
Donde es la potencia esperada, N es la potencia de ruido la cual se encuentra
durante la detección cuando los canales están libres.
es la interferencia, la cual se halla según la especificación GSM 05.05 [108] para
garantizar el requerimiento de BER menor o igual a
(12)
Donde es la potencia de portadora la cual se identifica durante las mediciones
cuando el canal está ocupado.
Con un margen de seguridad de 3 dB se tiene:
Para la interferencia de canal adyacente se tiene:
45
Con lo cual se llega a tener la interferencia como:
se halla con la siguiente ecuación:
(13)
Donde , es la potencia de transmisión de la antena de la estación base y
son las perdidas por propagación.
Las pérdidas por propagación se encuentran con la implementación de la
siguiente ecuación la cual fue el resultado de un ajuste estadístico realizado al modelo
Okumura Hata, esto fue generado dentro del la misma línea de investigación
(14)
Donde,
fc : frecuencia portadora [MHz].
hte : altura de antena transmisora en [m] en rango 30 a 200 metros.
hre : altura de antena receptora en [m] en rango 1 a 10 metros
a(hm): factor de corrección para la altura efectiva de la antena móvil que es función del
tipo de área de servicio.
d: distancia entre transmisor y receptor [Km]
(15)
A continuación se calculó el porcentaje de ocupación para cada canal durante un
tiempo de observación del canal a través de la siguiente ecuación:
(16)
Donde es el número total de muestras en un canal especifico y el número
de muestras con ocupación espectral en un canal especifico.
3.3 Modelamiento de los requerimientos de los Usuarios Secundarios
Para este procedimiento se tuvo en cuenta que los usuarios secundarios se
caracterizaran en este caso, por el tipo de tráfico, la clase de servicio y el tiempo
estimado de transmisión, estos parámetros se varían simulando las necesidades de
diferentes usuarios sin licencia que pueden solicitar el espectro.
Clase de Servicio: Tiempo Real o Mejor esfuerzo
Tipo de tráfico: Multimedia (voz, video) o Datos
Tiempo estimado de transmisión
46
3.4 Algoritmo de selección
A continuación se describen los procesos del análisis multicriterio, vistos
anteriormente, a la investigación realizada. Con el fin de seleccionar el mejor canal
disponible según la información recopilada dentro de la campaña de medición del
espectro y los requerimientos de los usuarios secundarios.
3.4.1 Selección de las opciones de decisión
Las opciones de decisión que tiene el algoritmo es el rango de medición del
espectro que se evaluó dentro de la campaña de medición del espectro, es decir, los
canales desde 824 MHz hasta 849 MHz, lo cual conlleva a tener 126 opciones, como se
muestra en la Tabla 3.5.
Canal 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
F(MHz) 824,0 824,2 824,4 824,6 824,8 825,0 825,2 825,4 825,6 825,8 826,0 826,2 826,4 826,6 826,8 827,0
Canal 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
F(MHz) 827,2 827,4 827,6 827,8 828,0 828,2 828,4 828,6 828,8 829,0 829,2 829,4 829,6 829,8 830,0 830,2
Canal 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
F(MHz) 830,4 830,6 830,8 831,0 831,2 831,4 831,6 831,8 832,0 832,2 832,4 832,6 832,8 833,0 833,2 833,4
Canal 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
F(MHz) 833,6 833,8 834,0 834,2 834,4 834,6 834,8 835,0 835,2 835,4 835,6 835,8 836,0 836,2 836,4 836,6
Canal 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
F(MHz) 836,8 837,0 837,2 837,4 837,6 837,8 838,0 838,2 838,4 838,6 838,8 839,0 839,2 839,4 839,6 839,8
Canal 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96
F(MHz) 840,0 840,2 840,4 840,6 840,8 841,0 841,2 841,4 841,6 841,8 842,0 842,2 842,4 842,6 842,8 843,0
Canal 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112
F(MHz) 843,2 843,4 843,6 843,8 844,0 844,2 844,4 844,6 844,8 845,0 845,2 845,4 845,6 845,8 846,0 846,2
Canal 113 114 115 116 117 118 119 120 121 122 123 124 125 126
F(MHz) 846,4 846,6 846,8 847,0 847,2 847,4 847,6 847,8 848,0 848,2 848,4 848,6 848,8 849,0
Tabla 3.5. Opciones disponibles para el proceso de selección
3.4.2 Selección de los criterios de evaluación
El criterio de evaluación inicial es la ocupación del canal, este parámetro se
identifica a partir de la información recopilada y se discrimina entre un canal ocupado y
uno libre, de acuerdo al nivel de decisión calculado, lo que conlleva a tener la Tabla 3.6
con la representación dentro del algoritmo:
Ocupación del canal Valor
Ocupado 1
Libre 0
Tabla 3.6. Codificación de la ocupación del canal
Adicionalmente, es importante resaltar que si este criterio arroja un resultado como
canal ocupado se procede a descartar el canal de forma inmediata. Por otra parte estos
47
valores no son únicamente tomados de las mediciones realizadas sino que de forma
iterativa se va identificando como ocupados los canales que se asignan a los usuarios
secundarios previos y durante el tiempo que solicitaron con el fin de tenerlos
involucrados dentro del proceso de decisión.
Los siguientes son los criterios tenidos en cuenta dentro de la función objetivo
que se revisará más adelante
Perdidas por propagación: Estas pérdidas se hallan a partir de la ecuación
presentada previamente, calculando su resultado con la información
procesada en la campaña de medición, teniendo en cuenta la distancia y la
potencia de transmisión de la estación base, así como su altura. Este valor
puede estar entre 0 dB y 150 dB.
SINR: Este valor se obtiene, como se menciono anteriormente
relacionando la potencia esperada con la potencia de ruido durante las
mediciones y el nivel de interferencia permitido y puede estar entre -100 y
100 dB.
Porcentaje de ocupación del canal: Este valor se calcula como el número
de las muestras que reflejan el canal ocupado dividido entre el número
total de muestras para cada canal, lo cual puede variar en 0 y 100% de
ocupación.
3.4.3 Obtención de las medidas de desempeño
En la Tabla 3.7 se presentan los requerimientos de los usuarios secundarios
según los parámetros que se evalúan dentro de este estudio, con lo cual se detalla las
medidas de desempeño diseñadas en cada caso, teniendo en cuenta que estos valores se
pueden ajustar según las necesidades de la red específica de aplicación.
Inicialmente se halla el valor de SINR máximo y de pérdidas por propagación
máximo en las mediciones con lo cual se alimentan los rangos de la siguiente tabla.
Características del Usuario Secundario Características del canal requeridas
Clase de
servicio del
US
Tipo de
tráfico del
US
Tiempo
estimado de
transmisión
(S)
Ocupación
del canal SINR (dB)
Pérdidas por
propagación (dB)
Porcentaje
de
ocupación
(%)
Tiempo Real Multimedia 0 – 180 0 0.7Max – 1Max 0 – 0.3Max 25
Tiempo Real Multimedia 181 – 360 0 0.7Max – 1Max 0 – 0.3Max 20
Tiempo Real Multimedia 361 – 540 0 0.7Max – 1Max 0 – 0.3Max 15
Tiempo Real Multimedia 541 – 720 0 0.7Max – 1Max 0 – 0.3Max 10
Tiempo Real Multimedia 721 – 900 0 0.7Max – 1Max 0 – 0.3Max 5
Mejor esfuerzo Datos 0 – 180 0 0.2Max – 0.6Max 0.4Max – 0.9Max 65
Mejor esfuerzo Datos 181 – 360 0 0.2Max – 0.6Max 0.4Max – 0.9Max 60
Mejor esfuerzo Datos 361 – 540 0 0.2Max – 0.6Max 0.4Max – 0.9Max 55
Mejor esfuerzo Datos 541 – 720 0 0.2Max – 0.6Max 0.4Max – 0.9Max 50
Mejor esfuerzo Datos 721 – 900 0 0.2Max – 0.6Max 0.4Max – 0.9Max 45
Tabla 3.7. Requerimientos de Usuario Secundario
48
La Tabla 3.8 sintetiza los valores que se incluirán dentro del algoritmo:
Características del Usuario Secundario Características del canal
Clase de
servicio del US
Tipo de
tráfico del
US
Tiempo
estimado de
transmisión (S)
Ocupación
del canal
SINR
(dB)
Perdidas por
propagación
(dB)
Porcentaje de
ocupación
(%)
Tiempo Real Multimedia 180 0 0.85Max 0.15Max 25
Tiempo Real Multimedia 360 0 0.85Max 0.15Max 20
Tiempo Real Multimedia 540 0 0.85Max 0.15Max 15
Tiempo Real Multimedia 720 0 0.85Max 0.15Max 10
Tiempo Real Multimedia 900 0 0.85Max 0.15Max 5
Mejor esfuerzo Datos 180 0 0.4Max 0.65Max 65
Mejor esfuerzo Datos 360 0 0.4Max 0.65Max 60
Mejor esfuerzo Datos 540 0 0.4Max 0.65Max 55
Mejor esfuerzo Datos 720 0 0.4Max 0.65Max 50
Mejor esfuerzo Datos 900 0 0.4Max 0.65Max 45
Tabla 3.8. Requerimientos de Usuario Secundario para función objetivo
3.4.4 Estandarización de las medidas de desempeño
La técnica para estandarizar las medidas de desempeño fue tener en cuenta el
error relativo de los parámetros respecto al valor requerido, como se muestra a
continuación.
Para la SINR
(17)
Para las pérdidas de propagación
(18)
Para el porcentaje de ocupación por canal
(19)
3.4.5 Ponderación de los criterios
Los pesos se asignan teniendo en cuenta que los tres parámetros deben sumar
como máximo el 100% para el proceso de decisión, como lo evidencia la siguiente
ecuación
(20)
Con base en esto y en criterio experto, la asignación de la importancia para cada
criterio, es decir, su peso dentro del proceso de selección se encuentra en la Tabla 3.9.
49
Criterio de evaluación w Peso
SINR 0.4
Pérdidas de Propagación 0.4
Porcentaje de Ocupación 0.2
Tabla 3.9. Pesos de los criterios de evaluación
3.4.6 Determinación del orden de las opciones
Como se explicó anteriormente, en esta fase las ponderaciones de los criterios se
combinan con las medidas de desempeño para que cada alternativa alcance una medida
global de su rendimiento, por lo tanto se procedió con la determinación de las siguientes
ecuaciones, las cuales conllevan a tener la función objetivo que se busca en cada
requerimiento de usuario secundario:
SINR:
(21)
Pérdidas por propagación:
(22)
Porcentaje de ocupación por canal:
(23)
Para obtener finalmente la función objetivo total:
(24)
3.4.7 Análisis de sensibilidad
Este es un proceso en el cual se identifican estrategias para darle al modelo
fortalecimiento y solidez en los resultados, dados unos supuestos de entrada.
Para esto se determinó una rata de requerimiento del espectro de 60/min (una
solicitud cada segundo) y se variaron las características de los mismos cada 4 segundos
lo que conlleva a un escenario pesimista en el que varios usuarios secundarios solicitan
seguidamente los mismos requerimientos sobre el canal para la transmisión, con esto se
valida la capacidad del modelo para asignar el canal verificando que está vacío y que es
el mejor existente en ese instante de tiempo.
Un ejemplo de los supuestos de entrada con los que se evaluó el algoritmo se
presenta a continuación en la Tabla 3.10:
50
Fecha y Hora Clase de
servicio del US
Tipo de
tráfico del
US
Tiempo
estimado de
transmisión (S)
Ocupación
Requerida SINR
Pérdidas de
Propagación
Porcentaje
de
Ocupación
09/24/2014
20:12:59 Tiempo Real Multimedia 180 0 0,85*Max 0,15*Max 25
09/24/2014
20:13:00 Tiempo Real Multimedia 180 0 0,85*Max 0,15*Max 25
09/24/2014
20:13:01 Tiempo Real Multimedia 180 0 0,85*Max 0,15*Max 25
09/24/2014
20:13:02 Tiempo Real Multimedia 360 0 0,85*Max 0,15*Max 20
09/24/2014
20:13:03 Tiempo Real Multimedia 360 0 0,85*Max 0,15*Max 20
09/24/2014
20:13:04 Tiempo Real Multimedia 360 0 0,85*Max 0,15*Max 20
09/24/2014
20:13:05 Tiempo Real Multimedia 360 0 0,85*Max 0,15*Max 20
09/24/2014
20:13:06 Tiempo Real Multimedia 540 0 0,85*Max 0,15*Max 15
09/24/2014
20:13:07 Tiempo Real Multimedia 540 0 0,85*Max 0,15*Max 15
09/24/2014
20:13:08 Tiempo Real Multimedia 540 0 0,85*Max 0,15*Max 15
09/24/2014
20:13:09 Tiempo Real Multimedia 540 0 0,85*Max 0,15*Max 15
09/24/2014
20:13:10 Tiempo Real Multimedia 720 0 0,85*Max 0,15*Max 10
09/24/2014
20:13:11 Tiempo Real Multimedia 720 0 0,85*Max 0,15*Max 10
09/24/2014
20:13:12 Tiempo Real Multimedia 720 0 0,85*Max 0,15*Max 10
09/24/2014
20:13:13 Tiempo Real Multimedia 720 0 0,85*Max 0,15*Max 10
09/24/2014
20:13:14 Tiempo Real Multimedia 900 0 0,85*Max 0,15*Max 5
09/24/2014
20:13:15 Tiempo Real Multimedia 900 0 0,85*Max 0,15*Max 5
09/24/2014
20:13:16 Tiempo Real Multimedia 900 0 0,85*Max 0,15*Max 5
09/24/2014
20:13:17 Tiempo Real Multimedia 900 0 0,85*Max 0,15*Max 5
09/24/2014
20:13:18 Mejor esfuerzo Datos 180 0 0,4*Max 0,65*Max 65
09/24/2014
20:13:19 Mejor esfuerzo Datos 180 0 0,4*Max 0,65*Max 65
09/24/2014
20:13:20 Mejor esfuerzo Datos 180 0 0,4*Max 0,65*Max 65
09/24/2014
20:13:21 Mejor esfuerzo Datos 180 0 0,4*Max 0,65*Max 65
09/24/2014
20:13:22 Mejor esfuerzo Datos 360 0 0,4*Max 0,65*Max 60
09/24/2014
20:13:23 Mejor esfuerzo Datos 360 0 0,4*Max 0,65*Max 60
09/24/2014
20:13:24 Mejor esfuerzo Datos 360 0 0,4*Max 0,65*Max 60
09/24/2014
20:13:25 Mejor esfuerzo Datos 360 0 0,4*Max 0,65*Max 60
09/24/2014
20:13:26 Mejor esfuerzo Datos 540 0 0,4*Max 0,65*Max 55
09/24/2014
20:13:27 Mejor esfuerzo Datos 540 0 0,4*Max 0,65*Max 55
09/24/2014
20:13:28 Mejor esfuerzo Datos 540 0 0,4*Max 0,65*Max 55
09/24/2014
20:13:29 Mejor esfuerzo Datos 540 0 0,4*Max 0,65*Max 55
09/24/2014
20:13:30 Mejor esfuerzo Datos 720 0 0,4*Max 0,65*Max 50
09/24/2014
20:13:31 Mejor esfuerzo Datos 720 0 0,4*Max 0,65*Max 50
09/24/2014
20:13:32 Mejor esfuerzo Datos 720 0 0,4*Max 0,65*Max 50
51
09/24/2014
20:13:33 Mejor esfuerzo Datos 720 0 0,4*Max 0,65*Max 50
09/24/2014
20:13:34 Mejor esfuerzo Datos 900 0 0,4*Max 0,65*Max 45
09/24/2014
20:13:35 Mejor esfuerzo Datos 900 0 0,4*Max 0,65*Max 45
09/24/2014
20:13:36 Mejor esfuerzo Datos 900 0 0,4*Max 0,65*Max 45
09/24/2014
20:13:37 Mejor esfuerzo Datos 900 0 0,4*Max 0,65*Max 45
Tabla 3.10. Ejemplo supuestos de entrada para el algoritmo
El resultado del algoritmo para los casos expuestos es el mejor canal asignado o
la indicación de que no hay canales disponibles, se puede encontrar en la Tabla 3.11.
Fecha y Hora Canal
seleccionado
Frecuencia central del
canal seleccionado (MHz)
09/24/2014 20:12:59 54 834,6
09/24/2014 20:13:00 12 826,2
09/24/2014 20:13:01 21 828
09/24/2014 20:13:02 22 828,2
09/24/2014 20:13:03 56 835
09/24/2014 20:13:04 33 830,4
09/24/2014 20:13:05 14 826,6
09/24/2014 20:13:06 110 845,8
09/24/2014 20:13:07 13 826,4
09/24/2014 20:13:08 32 830,2
09/24/2014 20:13:09 18 827,4
09/24/2014 20:13:10 109 845,6
09/24/2014 20:13:11 17 827,2
09/24/2014 20:13:12 3 824,4
09/24/2014 20:13:13 30 829,8
09/24/2014 20:13:14 31 830
09/24/2014 20:13:15 111 846
09/24/2014 20:13:16 10 825,8
09/24/2014 20:13:17 24 828,6
09/24/2014 20:13:18 29 829,6
09/24/2014 20:13:19 47 833,2
09/24/2014 20:13:20 36 831
09/24/2014 20:13:21 39 831,6
09/24/2014 20:13:22 50 833,8
09/24/2014 20:13:23 52 834,2
09/24/2014 20:13:24 51 834
09/24/2014 20:13:25 34 830,6
09/24/2014 20:13:26 53 834,4
09/24/2014 20:13:27 35 830,8
09/24/2014 20:13:28 41 832
09/24/2014 20:13:29 49 833,6
09/24/2014 20:13:30 37 831,2
09/24/2014 20:13:31 46 833
09/24/2014 20:13:32 45 832,8
09/24/2014 20:13:33 55 834,8
09/24/2014 20:13:34 43 832,4
09/24/2014 20:13:35 19 827,6
09/24/2014 20:13:36 95 842,8
09/24/2014 20:13:37 81 840
Tabla 3.11. Respuesta del algoritmo a los supuestos de entrada ejemplo
52
3.4.8 Toma de decisión
Para este proceso de decisión se utilizo la herramienta MATLAB ® [109], en la
Figura 3.4 se muestra un diagrama de flujo de cómo opera el algoritmo del modelo de
decisión propuesto:
Figura 3.4. Diagrama de flujo del proceso de toma de decisiones
Fuente: [110]
Canal disponible
(ocupación =0)
Solución
inapropiada
Selección del canal con el mejor resultado de la función objetivo
Asignación como ocupado del canal seleccionado durante el
tiempo requerido
Termina el proceso
No
Si
Captura de la información sobre el espectro (SINR, Pérdidas por propagación, % de ocupación)
Captura de los requerimientos del usuario secundario
(SINR, Pérdidas por propagación, tiempo de transmisión,
% de ocupación)
Estandarización de las medidas de desempeño (cálculo del
error relativo entre los niveles requeridos y los existentes)
y ponderación de los pesos
Evaluación de la función objetivo para los canales
Obtención del canal con el mejor resultado de la función objetivo
Se elimina de las
opciones el canal
ocupado
Existe requerimiento
nuevo de un US
Si
Inicio
No
53
Como se evidencia es un algoritmo que abarca las consideraciones mencionadas
durante el proceso de decisión y es iterativo por el tiempo que se presenten
requerimientos de transmisión de usuarios secundarios, por este motivo se procedió a
evaluar su comportamiento en uno de los peores escenarios el cual se caracteriza por la
llegada de un usuario secundario cada segundo y adicionalmente arriban de forma
consecutiva cuatro usuarios sin licencia con los mismos requerimientos por lo cual se le
exige al modelo la asignación de un gran número de canales y de validar no sólo el
mejor canal disponible sino el segundo mejor, el tercero mejor y así sucesivamente.
54
Capítulo 4 Resultados obtenidos
A lo largo de este capítulo se muestra el cumplimiento cada uno de los objetivos
específicos y por ende el objetivo general. Se desglosa paso a paso los hallazgos con el
fin de analizar y evaluar el resultado de la tesis.
Teniendo en cuenta que el comportamiento de las pérdidas por propagación es
diferente en cada uno de los puntos de la ciudad en los cuales se realizó la campaña de
medición, debido a las diferencias en las características de las estaciones base y del
entorno geográfico, a continuación se realiza un análisis diferenciado para cada
ubicación.
4.1. Evaluación de los objetivos, análisis de resultados y validación
A continuación se mencionan nuevamente los objetivos específicos junto con los
resultados encontrados, así como el análisis general de las pruebas y su respectiva
validación.
A) Realizar mediciones de la banda GSM que permitan identificar las
oportunidades espectrales, esto a través de la detección de energía en
la ciudad de Bogotá
En las siguientes secciones se presenta el comportamiento de la ocupación del
espectro durante la campaña de medición en cada zona y diferenciando si las
mediciones se realizaron en un único punto de la zona o en cinco puntos dentro de la
zona enunciada.
55
Zona Norte – Punto único
Estas mediciones se realizaron durante 7 días consecutivos, del 02 de febrero de
2015 al 08 de febrero de 2015, implementando el esquema de prueba enunciado
previamente.
a)
b)
56
c)
Figura 4.1. Mediciones en Zona Norte – Punto único.
a) Potencia medida en los canales con relación al tiempo de medición, b)
Potencia consolidada en los canales, c) Potencia con relación al tiempo de
medición
De la Figura 4.1 se puede concluir que si existen oportunidades espectrales para los
usuarios sin licencia que quisieran transmitir en esta región geográfica y sobre esta
banda, los canales que visualmente presentan más disponibilidad son del 65 al 70, del
95 al 100 y del 115 al 120 lo cual corresponde a las siguientes frecuencias: 836.8 –
837.8 MHz, 842.8 – 843.8 MHz, 846.8 – 847.8 MHz.
57
Zona Sur - Punto único
Estas mediciones se realizaron durante 3 días consecutivos, del 20 de septiembre de
2014 al 23 de septiembre de 2014, implementando el esquema de prueba enunciado
previamente.
a)
b)
58
c)
Figura 4.2. Mediciones en Zona Sur – Punto único.
a) Potencia medida en los canales con relación al tiempo de medición, b)
Potencia consolidada en los canales, c) Potencia con relación al tiempo de
medición
De la Figura 4.2 se puede concluir que si existen oportunidades espectrales para los
usuarios sin licencia que quisieran transmitir en esta región geográfica y sobre esta
banda, los canales que visualmente presentan más disponibilidad son del 80 al 90 y del
110 al 115 lo cual corresponde a las siguientes frecuencias: 839.8 – 841.8 MHz, 845.8 –
846.8 MHz.
59
Zona Occidente - Punto único
Estas mediciones se realizaron durante 3 días consecutivos, del 25 de septiembre de
2014 al 28 de septiembre de 2014, implementando el esquema de prueba enunciado
previamente.
a)
b)
60
c)
Figura 4.3. Mediciones en Zona Occidente – Punto único.
a) Potencia medida en los canales con relación al tiempo de medición, b) Potencia
consolidada en los canales, c) Potencia con relación al tiempo de medición
De la Figura 4.3 se puede concluir que si existen oportunidades espectrales para los
usuarios sin licencia que quisieran transmitir en esta región geográfica y sobre esta
banda, los canales que visualmente presentan más disponibilidad son del 59 al 66 y del
116 al 126 lo cual corresponde a las siguientes frecuencias: 835.6 – 837 MHz, 847 –
849 MHz.
61
Cinco puntos de medición en la Zona Occidente
Estas mediciones se realizaron durante 1 hora en cinco puntos diferentes dentro de la
zona occidente teniendo en cuenta la señal de una misma estación base, el 24 de
septiembre de 2014.
a)
b)
62
c)
Figura 4.4. Mediciones en Zona Occidente – Cinco Puntos.
a) Potencia medida en los canales con relación al tiempo de medición, b) Potencia
consolidada en los canales, c) Potencia con relación al tiempo de medición
De la Figura 4.4 se puede concluir que si existen oportunidades espectrales para los
usuarios sin licencia que quisieran transmitir en esta región geográfica y sobre esta
banda, los canales que visualmente presentan más disponibilidad son del 60 al 66 lo
cual corresponde a las siguientes frecuencias: 835.8 – 843.8 MHz.
63
Cinco puntos de medición en la Zona Sur
Estas mediciones se realizaron durante 1 hora en cinco puntos diferentes dentro de la
zona sur teniendo en cuenta la señal de una misma estación base, el 24 de septiembre de
2014.
a)
b)
64
c)
Figura 4.5. Mediciones en Zona Sur – Cinco Puntos.
a) Potencia medida en los canales con relación al tiempo de medición, b)
Potencia consolidada en los canales, c) Potencia con relación al tiempo de
medición
De la Figura 4.5 se puede concluir que si existen oportunidades espectrales para los
usuarios sin licencia que quisieran transmitir en esta región geográfica y sobre esta
banda, los canales que visualmente presentan más disponibilidad son del 60 al 65 y del
100 al 110, lo cual corresponde a las siguientes frecuencias: 835.8 – 836.8 MHz, 843.8
– 845.8MHz.
Al consolidar los resultados en este punto, el análisis arrojó un comportamiento que
sustenta la afirmación sobre la subutilización del espectro radioeléctrico, el número de
usuarios primarios haciendo uso de los canales es reducido, llegando a estar por debajo
del 15% de utilización, lo cual refleja la necesidad de una asignación dinámica del
espectro para hacer un uso más eficiente del mismo.
B) Modelar la banda GSM en función de las pérdidas de propagación y
relación señal a interferencia más ruido (SINR) de sus canales.
En los siguientes apartados se presenta el comportamiento de las señales en función
de las pérdidas de propagación y la SINR en cada zona y diferenciando si las
mediciones se realizaron en un único punto o en cinco puntos dentro de la zona
enunciada.
65
Pérdidas de propagación y SINR Zona Norte - Punto único
Debido a que en el cálculo de las pérdidas por propagación en una misma ubicación
solo se ve afectado por la variación de la frecuencia del canal detectado, se puede
observar un comportamiento totalmente lineal que depende de éste factor y crece
directamente proporcional al mismo, como se observa en la Figura 4.6.
a)
b)
Figura 4.6. a) Pérdidas de propagación y b) SINR, Zona Norte – Único punto
Para el área norte se aprecia que las pérdidas de propagación varían entre 95.87
dB y 96.22 dB y respecto a la señal a interferencia más ruido, se encuentra un valor
máximo alrededor de 34 dB.
66
Pérdidas de propagación y SINR Zona Sur - Punto único
a)
b)
Figura 4.7. a) Pérdidas de propagación y b) SINR, Zona Sur – Único punto
En la Figura 4.7 se aprecia para la zona sur que las pérdidas de propagación
varían entre 108.65 dB y 108.97 dB y respecto a la señal a interferencia más ruido, se
encuentra un valor máximo alrededor de 21 dB.
67
Pérdidas de propagación y SINR Zona Occidente - Punto único
a)
b)
Figura 4.8. a) Pérdidas de propagación y b) SINR, Zona Occidente – Único punto
En la Figura 4.8 se aprecia para la zona occidente que las pérdidas de
propagación varían entre 103.17 dB y 103.51 dB y respecto a la señal a interferencia
más ruido, se encuentra un valor máximo alrededor de 18 dB.
A continuación se analiza el comportamiento de estos parámetros con varias
mediciones dentro de una misma zona.
68
Pérdidas de propagación Zona Occidente – Cinco puntos
Dado que en el cálculo de las pérdidas por propagación se afecta por la distancia
hacia la estación base y la frecuencia del canal detectado, se puede observar el siguiente
comportamiento.
a)
b)
Figura 4.9. a) Pérdidas de propagación y b) SINR, Zona Occidente – Cinco puntos
En la Figura 4.9 se evidencia la respuesta de las pérdidas de propagación y la
SINR a lo largo del tiempo de prueba en el cual se realizaron desplazamientos en la
ubicación de las mediciones de la siguiente forma: 109m, 240m, 196m, 69m y 135m,
69
estas distancias hacen referencia a la lejanía de la BTS. Con esto se puede ver unas
pérdidas entre 85 y 124 dB así como una SINR máxima de 32 dB.
Pérdidas de propagación Zona Sur – Cinco puntos
a)
b)
Figura 4.10. a) Pérdidas de propagación y b) SINR, Zona Occidente – Cinco puntos
En la Figura 4.10 se evidencia la respuesta de las pérdidas de propagación y la
SINR a lo largo del tiempo de prueba en el cual se realizaron desplazamientos en la
ubicación de las mediciones de la siguiente forma: 49m, 64m, 288m, 84m y 144m, estas
distancias hacen referencia a la lejanía de la BTS. Con esto se puede ver unas pérdidas
entre 101 y 120 dB así como una SINR máxima de 24 dB.
70
Luego de caracterizar la banda GSM se procedió a evaluar la respuesta del
algoritmo de decisión estableciendo un conjunto de prueba de usuarios secundarios que
requieren un canal para transmisión cada segundo y se repite la misma solicitud cuatro
veces de forma consecutiva, para luego modificar los parámetros y así exigir la
habilidad de selección del modelo.
C) Seleccionar el canal de transmisión a partir de un modelo de decisión
que tenga en cuenta parámetros de QoS de los usuarios de radio
cognitiva como: tipo de tráfico del US, clase de servicio del US y
tiempo de transmisión total estimado del US, junto con las pérdidas
de propagación.
A continuación se exponen ciertas estadísticas extraídas a partir de las pruebas
realizadas al modelo de decisión propuesto.
Figura 4.11. Probabilidad de éxito en la asignación de canales disponibles a US
A partir de la Figura 4.11 se puede afirmar que integrando el modelo de decisión
propuesto a un esquema de radio cognitiva se puede asignar un canal para transmitir a
un 26% de los usuarios secundarios teniendo en cuenta que el esquema de la prueba
suponía un escenario muy pesimista en el cual se le exigía al modelo un alto nivel de
procesamiento, por lo tanto el desempeño en un esquema real puede llegar a ser mucho
mejor que el observado en este caso. Así se genera la posibilidad de brindar servicios
inalámbricos a usuarios que hasta el momento no lo podrían realizar debido a la
asignación fija del espectro y se puede concluir, que se hace uso un 26% más eficiente
del espectro radioeléctrico.
26.77%
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
100.00%
Porcentaje de US a los cuales se les asigno un canal disponible
Tota
l Usu
ario
s Se
cun
dar
ios
Probabilidad de éxito en la asignación de canales disponibles a US
71
a)
b)
Figura 4.12. a) Asignación de canales disponibles a US según el tipo de tráfico, b)
Probabilidad de éxito según el tipo de tráfico del US
El escenario supuesto para proceder con las pruebas al modelo de decisión fue
equitativo en las características de transmisión requeridas por los usuarios secundarios
como se observa en la Figura 4.12, el tipo de tráfico fue aproximadamente la mitad
datos y la mitad multimedia, en consecuencia el porcentaje de asignación de canales con
respecto al tipo de tráfico fue muy cercano para los dos casos entre 12 y 13%, del total
de usuarios secundarios que requirieron un canal.
49.98%
12.98%
50.02%
13.79%
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
100.00%
Suma de US Existe un canal disponible
Po
rcen
taje
de
USs
Asignación de canales a US según el tipo de tráfico
Datos Multimedia
12.40%
12.60%
12.80%
13.00%
13.20%
13.40%
13.60%
13.80%
14.00%
Datos Multimedia
Probabilidad de éxito según el tipo de tráfico del US
72
a)
b)
Figura 4.13. a) Asignación de canales disponibles a US según el tiempo de transmisión,
b) Probabilidad de éxito según el tiempo de Tx requerido
El tiempo de transmisión estimado para los usuarios secundarios también tuvo
variaciones ecuánimes entre 180 y 900 segundos, la presente estadística es de gran
impacto ya que se observa que el porcentaje de asignación de canales es mayor para
tiempos estimados de transmisión bajos y va disminuyendo a medida que los usuarios
secundarios requieren mayor disponibilidad del canal para su transmisión.
20.01% 20.00% 20.00% 20.00% 20.00%
7.33% 6.07% 5.33% 4.55% 3.50%
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
100.00%
180 360 540 720 900
Po
rce
nta
je d
e U
S
Tiempo de Transmisión Requerido (S)
Asignación de canales para los US según tiempo de transmisión
Suma de US Suma de Existe un canal disponible
0.00%
1.00%
2.00%
3.00%
4.00%
5.00%
6.00%
7.00%
8.00%
180 360 540 720 900
Tiempo de TX requerido (S)
Probabilidad de éxito según el tiempo de Tx requerido
73
a)
b)
Figura 4.14. a) Asignación de canales disponibles a US según la zona de medición, b)
Probabilidad de éxito según la zona
Como se observa en la Figura 4.14, dado que el mayor número de datos
recolectados fue en la zona norte, como es de esperarse, para esa zona es el mayor
porcentaje de canales asignados a usuarios secundarios y para la zona sur y occidente es
proporcional debido a que la cantidad de datos fue aproximadamente igual.
La Figura 4.15 muestra el número de veces que fue asignado cada canal en la
totalidad de las selecciones realizadas con lo cual se puede aseverar que no hay ningún
canal de preferencia para su elección, por el contrario se evidencia una cantidad
equitativa para cada frecuencia, con esto se acentúa la posibilidad de tener un uso
eficiente del espectro en el cual debido a la diversidad de requerimientos y tecnologías
inalámbricas emergentes se puede utilizar de forma heterogénea y optimizada el
espectro radioeléctrico.
15.12% 17.55%
65.44%
4.57% 5.58%
15.92%
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
100.00%
Occidente Sur Norte
Po
rce
nta
je d
e U
S
Asignación de canales para los US según la zona de medición
Suma de US Suma de Existe un canal disponible
0.00%
2.00%
4.00%
6.00%
8.00%
10.00%
12.00%
14.00%
16.00%
18.00%
Occidente Sur Norte
Probabilidad de éxito según la zona
74
a)
0 50 100 150 200 250 300 350 400 450
824
824.6
825.2
825.8
826.4
827
827.6
828.2
828.8
829.4
830
830.6
831.2
831.8
832.4
833
833.6
834.2
834.8
835.4
836
836.6
837.2
837.8
838.4
839
839.6
840.2
840.8
841.4
842
842.6
843.2
843.8
844.4
845
845.6
846.2
846.8
847.4
848
848.6
Número de veces que se asignó durante el total de las mediciones
Fre
cuen
cia
del
can
al s
elec
cio
nad
o (M
Hz)
Cantidad de veces que se asignó cada canal
75
Figura 4.15. a) Número de veces que se asignó un canal durante los trece días, b)
Probabilidad de éxito para cada canal
0.00%
0.20%
0.40%
0.60%
0.80%
1.00%
1.20%
1.40%
824
824.
8
825.
6
826.
4
827.
2
828
828.
8
829.
6
830.
4
831.
2
832
832.
8
833.
6
834.
4
835.
2
836
836.
8
837.
6
838.
4
839.
2
840
840.
8
841.
6
842.
4
843.
2
844
844.
8
845.
6
846.
4
847.
2
848
848.
8
Frecuencia del Canal (MHz)
Probabilidad de éxito para cada canal
76
4.2. Síntesis del modelo propuesto
A continuación, en la Figura 4.16 se observa un diagrama que apoyan el proceso de
abstracción y comprensión del modelo propuesto.
Figura 4.16.Diagrama de actividades del modelo propuesto
Disponible
Ejecutar Algoritmo de Decisión del modelo propuesto
No
Si
Decisión del Espectro
Obtener datos de detección del espectro
Calcular: SINR, Pérdidas por Propagación, Porcentaje de Ocupación
Identificar Ocupación de canales
Obtener requerimientos de Usuarios Secundarios: Clase de Servicio, Tipo de tráfico, Tiempo estimado de
Transmisión
Si
No
Asignación de
canal disponible
77
Capítulo 5 Conclusiones y aportaciones
La técnica de detección de energía se implementó con el fin de realizar la medición de
la banda GSM en tres puntos de la ciudad de Bogotá durante un total de trece días lo que permitió identificar oportunidades espectrales para usuarios no licenciados generando la posibilidad de optimizar el espectro radioeléctrico a través de la radio cognitiva.
Al consolidar los resultados de la campaña de medición, se observó la subutilización
del espectro radioeléctrico, el porcentaje de usuarios primarios haciendo de éste se
ubica por debajo del 15%, hecho que sustenta la necesidad de la implementación de un
esquema de radio cognitiva para dar servicio a los usuarios sin licencia, lo que puede
optimizar el uso del espectro. Se caracterizó la banda GSM en función de su estado de ocupación, con canales
identificados como libres u ocupados, adicionalmente se halló la relación señal a interferencia más ruido (SINR) de cada canal y el porcentaje de ocupación encontrado durante el tiempo de observación de la banda, con estas características se alimentó el proceso de selección a través del análisis multicriterio de suma ponderada.
Se seleccionó el mejor canal de transmisión disponible para cada usuario secundario a
partir del modelo de decisión generado el cual tiene en cuenta los siguientes parámetros de QoS: tipo de tráfico, clase de servicio y tiempo de transmisión estimado del usuario secundario y en caso de no existir un canal disponible se le indica al usuario secundario para que evalúe otra banda.
Finalmente, se desarrolló con éxito un modelo de decisión del espectro para radio
cognitiva que integra las pérdidas de propagación en la banda GSM del espectro radioeléctrico y con esto se propone hacer un uso 26% más eficiente del espectro radioeléctrico y profundizar en una línea de investigación que se espera continúe generando aportes al conocimiento, lo cual se debe acompañar con un esfuerzo en la modificación de las políticas de asignación fija del espectro, todo con el fin de hacer un uso más eficiente del espectro y poder dar servicio a la cantidad creciente de servicios inalámbricos que demanda la sociedad moderna.
78
5.1.Aportaciones originales
Título de la publicación: Estudio del uso del espectro radioeléctrico en zonas
urbanas de Bogotá en Colombia
Nombre del congreso: 4to Congreso Internacional de Espectro
Nombres de los autores: Katherine Johanna Galeano, Luis Fernando Pedraza e
Ingrid Patricia Páez
Reconocimiento: ganador del primer puesto de los Premios James Maxwell
Lugar y fecha de publicación: Bogotá D.C; 26 de noviembre de 2014
5.2. Líneas de investigación futuras
La principal propuesta para líneas de investigación futuras y apuntando a un
producto de doctorado es trabajar dentro de las demás etapas del ciclo cognitivo con el
fin de generar un escenario completo de radio cognitiva con parámetros analizados para
ser implementados en Colombia y zonas con características geográficas similares.
79
Bibliografía
[1] I. Akyildiz, W. Y. Lee, M. Vuran and S. Mohanty, "NeXt generation dynamic spectrum access
cognitive radio wireless networks: A survey," in Computer Networks Journal, 2006.
[2] M. Wellens, J. Riihijärvi and P. Mähönen, "Spatial statistics and models of spectrum use," in
Computer Communications, 2009.
[3] M. Wellens, J. Riihijarvi and P. Mahonen, "Empirical time and frequency domain models of
spectrum use," in Physical Communication, 2009.
[4] M. Lopez Benitez y F. Casadevall, «Empirical Time-Dimension Model of Spectrum Use Based
on a Discrete-Time Markov Chain With Deterministic and Stochastic Duty Cycle Models,» de Vehicular
Technology, IEEE Transactions, 2011.
[5] I. Akyildiz, W. Y. Lee, M. Vuran y S. Mohanty, «A Survey on Spectrum Management in
Cognitive Radio Networks,» de IEEE Communications Magazine, 2008.
[6] I. Akyildiz, W. Lee y K. Chowdhury, «Spectrum Management in Cognitive Radio Ad Hoc
Networks,» de IEEE Network, 2009.
[7] FCC, «Notice of proposed rule making, unlicensed operation in the TV broadcast bands,» de
FCC 04-186, 2004.
[8] V. Mishra, L. Chiew, S. Chan y A. Kumar, «Energy Aware Spectrum Decision Framework for
Cognitive Radio Networks,» de International Symposium on Electronic System Design, 2012.
[9] Y. Yao, S. Rutabayiro y A. Popescu, «Cognitive Radio Spectrum Decision Based on Channel
Usage Prediction,» de Euro-NF Conference on Next Generation Internet, 2012.
[10] Y. Ge, Y. Sun, S. Lu y E. Dutkiewicz, «ADSD: An Automatic Distributed Spectrum Decision
Method in Cognitive Radio Networks,» de First International Conference on Future Information
Networks, 2009.
[11] V. Mishra, L. Chiew y S. Chan, «QoS based Spectrum Decision Framework for Cognitive Radio
Networks,» de IEEE International Conference on Networks, 2012.
[12] R. Saifan, A. Kamal y Y. Guan, «Spectrum Decision for Efficient Routing in Cognitive Radio
Network,» de IEEE, 2012.
[13] M. Kaplan y F. Buzluca, «A Dynamic Spectrum Decision Scheme for Heterogeneous Cognitive
Radio Networks,» de International Symposium on Computer and Information Sciences, 2009.
[14] J. Mitola, «Cognitive radio for flexible mobile multimedia communication,» de Mobile
Multimedia Communications, San Diego, 1999.
80
[15] J. Mitola y G. Q. Maguire, «Cognitive radio: making software radios more personal,» de
Personal Communications, IEEE, 1999.
[16] NTIA, «Facilitating opportunities for flexible, efficient and reliable spectrum use employing
cognitive radio technologies,» 2005.
[17] V. Valenta y e. al, «Survey on spectrum utilization in Europe: Measurements, analyses and
observations,» de Fifth International Conference on Cognitive Radio Oriented Wireless Networks and
Communications (CROWNCOM), 2010.
[18] F. C. Commission, «ET docket no 03-222 Notice of Proposed Rule Making and Order,»
Washington, 2003.
[19] D. Cabric y e. al, «Implementation issues in spectrum sensing for cognitive radios,» de 38th. Asilomar Conference on Signals, Systems and Computers, 2004.
[20] J. Aguilar y e. al, «Radio cognitiva – estado del arte,» de Sistemas y Telemática, 2011.
[21] I. Akyildiz y e. al, «CRAHNs: Cognitive radio ad hoc networks,» de Ad Hoc Networks Journal
(Elsevier), 2009.
[22] J. Mitola, «Cognitive radio: an integrated agent architecture for software defined radio,» de
Ph.D. Thesis, Royal Institute of Technology, Stockholm, 2000.
[23] I. Akyildiz y e. al, «Flexible and Spectrum-Aware Radio Access through Measurements and
Modelling in Cognitive Radio Systems,» de FARAMIR, Document Number D2.1, 2010.
[24] DARPA-XG-WG, «The XG Architectural Framework V1.0,» 2003.
[25] DARPA-XG-WG, «The XG Vision RFC V1.0,» 2003.
[26] I. Akyildiz y e. al, «AdaptNet: an adaptive protocol suite for the next-generation wireless
Internet,» de Communications Magazine, IEEE, 2004.
[27] M. Buddhikot y e. al, «DIMSUMNet: new directions in wireless networking using coordinated
dynamic spectrum access,» de IEEE WoWMoM, 2005.
[28] O. Ileri y e. al, «Demand responsive pricing and competitive spectrum allocation via a spectrum
server,» de IEEE DySPAN, 2005.
[29] A. Zekavat y X. Li, «User-central wireless system: ultimate dynamic channel allocation,» de
IEEE DySPAN, 2005.
[30] R. Ramanathan y C. Partridge, «Next generation (xG) architecture and protocol development
(XAP),» de DARPA, 2005.
[31] C. Rieser, «Biologically Inspired Cognitive Radio Engine Model Utilizing Distributed Genetic
Algorithms for Secure and Robust Wireless Communications and Networking,» de PhD Dissertation,
Virginia Tech, 2004.
[32] J. Neel, «Analysis and design of cognitive radio networks and distributed radio resource
management algorithms,» de Doctor of Philosophy, Virginia Polytechnic Institute and State University,
Blacksburg, 2006.
[33] «Adapt4 technology,» [En línea]. Available: http://www.adapt4.com/adapt4-technology.php.
[34] T. Weiss y e. al, «Efficient signaling of spectral resources in spectrum pooling systems,» de 10th
Symposium on Communications and Vehicular Technology, 2003.
[35] R. Brodersen y e. al, «Corvus: a cognitive radio approach for usage of virtual unlicensed
spectrum,» 2004.
[36] D. Cabric, «A Cognitive radio approach for usage of virtual unlicensed spectrum,» de 14th IST
Mobile and Wireless Communications Summit, 2005.
81
[37] S. Mishra, «A real time cognitive radio testbed for physical and link layer experiments,» de New
Frontiers in Dynamic Spectrum Access Networks, 2005.
[38] D. Willkomm, «Reliable link maintenance in cognitive radio systems,» de New Frontiers in
Dynamic Spectrum Access Networks, 2005.
[39] D. Cabric, «Spectrum sharing radios,» de Circuits and Systems Magazine, IEEE, 2006.
[40] K. Cordeiro, D. Birru y S. Shankar, «IEEE 802.22: the first worldwide wireless standard based
on cognitive radios,» de IEEE International Symposium on New Frontiers in Dynamic Spectrum Access
Networks (DySPAN), 2005.
[41] IEEE, «IEEE 802.22 Working group on wireless regional area networks,» [En línea]. Available:
http://www.ieee802.org/22/.
[42] FCC, «Notice of Proposed Rule Making,» de ET Docket no. 04-113, 2004.
[43] FCC, «Report and Order And Memorandum Opinion and Order,» de ET Docket no. 05-56, 2005.
[44] FCC, «Report and Order,» de ET Docket no. 05-57, 2005.
[45] K. Challapali, «Spectrum Agile Radio for Broadband Applications,» 2004. [En línea]. Available:
http://www.eetimes.com/document.asp?doc_id=1271129.
[46] T. Kamakaris, «A case for coordinated dynamic spectrum access in cellular networks,» de New
Frontiers in Dynamic Spectrum Access Networks, 2005.
[47] M. Buddhikot y K. Ryan, «Spectrum management in coordinated dynamic spectrum access
based cellular networks,» de New Frontiers in Dynamic Spectrum Access Networks, 2005.
[48] X. Yiping, «Dynamic spectrum access in open spectrum wireless networks,» de Selected Areas
in Communications, IEEE Journal, 2006.
[49] J. Minden y L. Searl, «An agile radio for wireless innovation,» de IEEE Communications
Magazine, 2007.
[50] L. F. Pedraza, C. A. Hernández, K. Galeano, E. Rodríguez y I. Páez, Modelo de arquitectura de
radio cognitiva para la ciudad de Bogotá, Bogota: Resultado de Investigacion, 2015.
[51] Y. Yuan, «KNOWS: Cognitive Radio Networks Over White Spaces,» de New Frontiers in
Dynamic Spectrum Access Networks, 2007.
[52] X. Lin, «DRiVE-ing to the Internet: Dynamic Radio for IP services in Vehicular Environments,»
de 25th Annual IEEE Conference, 2000.
[53] D. Grandblaise, «Dynamic spectrum allocation (DSA) and reconfigurability,» de Software-
Defined Radio (SDR) Forum, 2002.
[54] L. Yang, «Traffic-aware dynamic spectrum access,» de 4th Annual International Conference on
Wireless Internet, Maui, 2008.
[55] I. Akyildiz y Y. Li, «OCRA: OFDM-based cognitive radio networks,» de Broadband and
Wireless Networking Laboratory Technical Report, 2006.
[56] Z. Qing, «Decentralized cognitive MAC for opportunistic spectrum access in ad hoc networks: A
POMDP framework,» de Selected Areas in Communications, IEEE Journal, 2007.
[57] S. Geirhofer, «Cognitive Medium Access: Constraining Interference Based on Experimental
Models,» de Selected Areas in Communications, IEEE Journal, 2008.
[58] C. Lili y Z. Haitao, «Stable and Efficient Spectrum Access in Next Generation Dynamic
Spectrum Networks,» de 27th Conference on Computer Communications. IEEE, 2008.
82
[59] C. Clancy, «Applications of Machine Learning to Cognitive Radio Networks,» de Wireless
Communications, IEEE, 2007.
[60] D. Tzikas, «The variational approximation for Bayesian inference,» de Signal Processing
Magazine, IEEE, 2008.
[61] Z. Youping, «Performance Evaluation of Cognitive Radios: Metrics, Utility Functions, and
Methodology,» de Proceedings of the IEEE, 2009.
[62] R. Etkin, «Spectrum sharing for unlicensed bands,» de Selected Areas in Communications, IEEE
Journal, 2007.
[63] W. Beibei y K. Liu, «Advances in cognitive radio networks: A survey,» Selected Topics in
Signal Processing, IEEE Journal, vol. 5, nº 1, pp. 5-23, 2011.
[64] H. Tang, «Some physical layer issues of wide-band cognitive radio systems,» de New Frontiers
in Dynamic Spectrum Access Networks, 2005.
[65] P. Papadimitratos, «A bandwidth sharing approach to improve licensed spectrum utilization,» de
Communications Magazine, IEEE, 2005.
[66] N. Shankar, «Spectrum agile radios: utilization and sensing architectures,» de New Frontiers in
Dynamic Spectrum Access Networks, 2005.
[67] S. Mishra, «Cognitive Technology for Ultra-Wideband/WiMax Coexistence,» de New Frontiers
in Dynamic Spectrum Access Networks, 2007.
[68] H. Urkowitz, «Energy detection of unknown deterministic signals,» de Proceedings of the IEEE,
1967.
[69] J. Lehtomaki, «Threshold setting strategies for a quantized total power radiometer,» de Signal Processing Letters, IEEE, 2005.
[70] T. Yucek y H. Arslan, «A survey of spectrum sensing algorithms for cognitive radio
applications,» de Communications Surveys & Tutorials, IEEE, 2009.
[71] S. Geirhofer, «Cognitive Radios for Dynamic Spectrum Access - Dynamic Spectrum Access in
the Time Domain: Modeling and Exploiting White Space,» de Communications Magazine, IEEE, 2007.
[72] S. Geirhofer, «A Measurement-Based Model for Dynamic Spectrum Access in WLAN Channels,» de Military Communications Conference, 2006.
[73] S. Geirhofer, «Dynamic spectrum access in WLAN channels: empirical model and its stochastic
analysis,» de first international workshop on Technology and policy for accessing spectrum, Boston,
2006.
[74] S. Lal y A. Mishra, «A look ahead scheme for adaptive spectrum utilization,» de Radio and
Wireless Conference, 2003.
[75] A. Leu, «Ultra sensitive TV detector measurements,» de New Frontiers in Dynamic Spectrum
Access Networks, 2005.
[76] M. López y F. Casadevall, «Spectrum Survey in Urban Environment: UPC Campus Nord,
Barcelona, Spain,» de Technical Report, 2010.
[77] Anritsu, «Spectrum Master™ Model MS2721B,» de Maintenance Manual, 2012.
[78] C. Rauscher, Fundamentals of Spectrum Analysis, Munchen: Rohde&Schwarz, 2008.
[79] Z. Haitao y C. Lili, «Device-centric spectrum management,» de New Frontiers in Dynamic
Spectrum Access Networks, 2005.
[80] V. Kanodia, «MOAR: a multi-channel opportunistic auto-rate media access protocol for ad hoc
networks,» de Broadband Networks, 2004.
83
[81] S. Krishnamurthy, «Control channel based MAC-layer configuration, routing and situation
awareness for cognitive radio networks,» de Military Communications Conference, 2005.
[82] 3GPP2, «cdma2000 High Rate Packet Data Air Interface Specification,» de TS C.S0024 V2.0,
2000.
[83] E. Esteves, «The high data rate evolution of the cdma2000 cellular system mobility and
teletraffic for wireless communications,» de Kluwer Academic Publishers, 2000.
[84] S. Hajkowicz y K. Collins, «A Review of Multiple Criteria Analysis for Water Resource
Planning and Management,» de Water Resour Manage, 2007.
[85] S. Barba-Romero y J. Pomerol, «Decisiones multicriterio: Fundamentos teóricos y utilización
práctica,» de Servicio de Publicaciones Universidad Alcalá de Henares, 1997.
[86] C. Chica-Salgado, «Modelo matemático multicriterio para coadyuvar a la toma de decisiones en
la selección de alternativas en Pymes,» de Estrategias, Medellín, 2013.
[87] B. Roy, «Problems and methods with multiple objective functions,» de Mathematical
Programming, 1971.
[88] A. Howard, «A critical look at multiple criteria decision making techniques with reference to
forestry applications,» de Canadian Journal of Forest Research, 1991.
[89] R.-R. A. Commission, «Multi-Criteria Analysis as a Resource Assessment Tool,» de Canberra:
Resource Assessment Commission, 1992.
[90] S. Galarza, «Desarrollo de una herramienta de análisis multicriterio para el soporte de toma de
decisiones en el aprovechamiento de aguas lluvias en el campus de la Pontificia Universidad Javeriana,
sede Bogotá,» de Tesis de Maestría, Bogotá, 2011.
[91] J. Brans, P. Vincke y B. Marshal, «How to select and how to rank projects: the PROMETHEE
method,» de European Journal of Operational Research, 1968.
[92] Q. Smith, S. Mesa, R. Dyner, A. Jaramillo, J. Poveda y R. Valencia, «Decisiones con múltiples
objetivos e incertidumbres,» de Universidad Nacional de Colombia sede Medellín Facultad de Minas,
Medellín, 2000.
[93] M. Zeleny, «Compromise programming in: JL, Zeleny M (eds) Multiple,» University of
Southern Carolina, 1973.
[94] A. Abrishamchi, A. Ebrahimian, M. Tajrishi y M. Marino, «Case study: application of
multicriteria decision making to urban water supply,» Journal of Water Resources Planning and
Management, vol. 131, p. 326–335, 2005.
[95] Y. Lai, T. Liu y C. Hwang, «TOPSIS for MODM,» European Journal of Operational Research,
vol. 76, p. 486–500, 1994.
[96] T. Saaty, «The analytic hierarchy process – what it is and how it is used,» de Math Model, 1987.
[97] T. Saaty, «The analytic hierarchy and analytic network process for the measurement of
intangible criteria and for decision making,» de Multiple criteria decision analysis: State of the art
surveys, Boston, 2005.
[98] M. Gershon y L. Duckstein, «Multiobjective approaches to river basin planning,» de Journal of
Water Resources Planning and Management, 1983.
[99] E. Ozelkan y L. Duckstein, «Analysing water resource alternatives and handling criteria by
multicriterion decision techniques,» de Journal of Environmental Management, 1996.
[100] J. Corona, O. Montaño, H. Hernández y I. Ramírez, «Utilización de métodos multicriterio de
ayuda a la toma de decisiones (MCDA) para la medición de los sistemas de innovación en las
organizaciones,» de XII Congreso Internacional de la Academia de Ciencias Administrativas A.C.,
Hidalgo, 2007.
84
[101] M. Velasquez y P. Hester, «An Analysis of Multi-Criteria Decision Making Methods,» de
International Journal of Operations Research, 2013.
[102] M. López y F. Casadevall, «Methodological aspects of spectrum occupancy evaluation in the
context of cognitive radio,» de European Transactions on Telecommunications (Wiley), 2009.
[103] ITU, «UIT-R SM.1880. Spectrum Occupancy Measurement Technical Report,» de International
Telecommunications Union, 2011.
[104] L. Pedraza, «Evaluación de ocupación del espectro radioeléctrico en Bogotá-Colombia,»
Ingeniería y Ciencia, vol. 10, nº 19, pp. 127-143, 2014.
[105] M. López y F. Casadevall, Methodological aspects of spectrum occupancy evaluation in the
context of cognitive radio, European Transactions on Telecommunications (Wiley), 2009.
[106] F. Digham, «On the Energy Detection of Unknown Signals Over Fading Channels,» de IEEE
Transactions on Communications, 2007.
[107] R. Ferro, «Maximización del Throughput en una red de radio cognitiva basado en la probabilidad
de falsa alarma,» Tecnura, vol. 15, nº 30, pp. 64-70, 2011.
[108] E. T. S. I. (ETSI), Digital cellular telecommunications system - Radio transmission and reception
(GSM 05.05), 1996.
[109] A. Gilat, Matlab® Una introducción con ejemplos básicos, España: Reverté, 2005.
[110] M. Altaf y S. Ahmad, Decision Making Techniques for Cognitive Radios, Suecia: Thesis for the
Degree of Master of Science, 2008.
