Esquema híbrido de autoencoder y ensamblaje para mejorar la fiabilidad de la detección en redes de radio cognitiva

Área de la Ciencia:

• Comunicaciones inalámbricas
• Procesamiento de señales
• Aprendizaje automático

Sus antecedentes:

• La Detección Cooperativa de Espectro (CSS) en Redes de Radio Cognitiva (CRN) enfrenta desafíos en fiabilidad y robustez.
• Los usuarios de detección falsa (FSUs) y las condiciones variables del canal degradan el rendimiento de los esquemas CSS tradicionales.

Objetivo del estudio:

• Proponer un nuevo marco de Clasificador de Ensamblaje con Autoencoder de Eliminación de Ruido (ECDAE) para mejorar el rendimiento de CSS.
• Mejorar la precisión y robustez de la detección de espectro contra ataques de detección falsa e incertidumbres del canal.

Principales métodos:

• Un Clasificador de Ensamblaje (EC) optimiza dinámicamente el tiempo de detección en función de las probabilidades de detección, las tasas de falsa alarma y las condiciones del canal.
• Un Autoencoder de Eliminación de Ruido (DAE) preprocesa las energías de combinación suave para mitigar el impacto de los FSUs antes de la fusión suave.
• El marco ECDAE se evalúa frente a varios métodos tradicionales y avanzados en diversas condiciones de relación señal/ruido (SNR) y escenarios de detección falsa.

Principales resultados:

• El componente EC supera a otros clasificadores como RFC, NN, DT, KNN, GNB, RUSBoost y XGBoost, logrando altas puntuaciones F1 (99,23%), precisión (99,78%) y MCC (99,6%).
• El marco ECDAE demuestra una reducción significativa de la probabilidad de error: 99,4% frente a IGS/HGS, 98,1% frente a IGS/HGS y 92,7%-97,2% frente a PSO/DE-ML/CNN.
• El marco mantiene la robustez en cuatro escenarios distintos de detección falsa (NFS, YFS, OFS, YNFS), asegurando probabilidades mínimas de error en la decisión global.

Conclusiones:

• El marco ECDAE propuesto ofrece una fiabilidad y robustez superiores para CSS en CRN.
• El tiempo de detección optimizado y la reducción de ruido basada en DAE mejoran eficazmente el rendimiento de la detección en el centro de fusión.
• ECDAE representa un avance significativo sobre los métodos existentes, particularmente en condiciones desafiantes de SNR y detección falsa.