Πρόβλεψη φάσματος σε γνωστικά ραδιοσυστήματα με τη
χρήση μεθόδων μηχανικής μάθησης

Τσακνάκης, Ιωάννης; Tsaknakis, Ioannis

dc.contributor.author	Τσακνάκης, Ιωάννης	el
dc.contributor.author	Tsaknakis, Ioannis	en
dc.date.accessioned	2016-05-09T07:37:02Z
dc.date.available	2016-05-09T07:37:02Z
dc.date.issued	2016-05-09
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42457
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.11995
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.subject	Γνωστικά ραδιοσυστήματα	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Πρόβλεψη φάσματος	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Cognitive radios	en
dc.subject	Machine learning	en
dc.subject	Spectrum prediction	en
dc.subject	Channel status prediction	en
dc.subject	Neural networks	en
dc.title	Πρόβλεψη φάσματος σε γνωστικά ραδιοσυστήματα με τη χρήση μεθόδων μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Τηλεπικοινωνίες	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-10-30
heal.abstract	Η παρούσα διπλωματική εργασία αφορά εφαρμογές μηχανικής μάθησης σε γνωστικά ραδιοσυστήματα.Τα γνωστικά ραδιοσυστήματα είναι ευφυή τηλεπικοινωνιακά συστήματα τα οποία προσαρμόζουν δυναμικά τις παραμέτρους λειτουργίας τους, λαμβάνοντας υπόψιν τα χαρακτηριστικά του ηλεκτρομαγνητικού περιβάλλοντος μέσα στο οποίο δραστηριοποιούνται.Παράλληλα στη παρούσα διπλωματική παρουσιάζονται βασικές πληροφορίες για τα γνωστικά ραδιοσυστήματα, βασικές έννοιες της θεωρίας παιγνίων και της μηχανικής μάθησης καθώς και εφαρμογές των δύο τελευταίων γνωστικών πεδίων σε γνωστικά ραδιοσυστήματα.Ιδιαίτερα ασχολούμαστε με την εφαρμογή μεθόδων μηχανικής μάθησης στο πρόβλημα της πρόβλεψης φάσματος, δηλαδή της πρόβλεψης των διάφορων χαρακτηριστικών του φάσματος με στόχο την αποδοτικότερη και πιο επιτυχημένη αξιοποίησή του.Συγκεκριμένα επικεντρωνόμαστε στο πρόβλημα της πρόβλεψης της κατάστασης του καναλιού, δηλαδή πρόβλεψη κατά πόσο αυτό είναι ελεύθερο ή δεσμευμένο.Στο πρόβλημα αυτό εφαρμόζουμε με την χρήση του Matlab τρεις αλγορίθμους μηχανικής μάθησης (νευρωνικά δίκτυα, κρυφά μοντέλα Markov, μηχανές διανυσματικής υποστήριξης), υπολογίζουμε τις επιδόσεις τους και αξιολογούμε τα αποτελέσματα.	el
heal.abstract	This diploma thesis deals with the possible applications of machine learning to cognitive radios.Cognitive radios are intelligent telecommunications systems that are able to adapt their operational parameters in a dynamic way, taking into account the characteristics of the electromagnetic enviroment in which they operate.In parallel we present basic information about cognitive radios, concepts of machine learning and game theory and applications of the last two fields in cognitive radios.In particular, we employ machine learning techniques to tackle the problem of spectrum prediction in cognitive radio networks.The specific problem refers to the process of predicting the spectrum characteristics so as to better utilize it.In this thesis, we focus on channel status prediction and in particular our goal is to predict whether the channel status is idle or busy.For the solution of this problem, we apply three different machine learning techniques (neural networks, support vector machines, hidden Markov models) and we compute the predicted values using each technique.The proposed mechanisms are evaluated through simulations using Matlab and the performance of each technique is investigated, drawing significant conclusions.	en
heal.advisorName	Παναγόπουλος, Αθανάσιος	el
heal.committeeMemberName	Κωττής, Παναγιώτης	el
heal.committeeMemberName	Φικιώρης, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	134 σ.	el
heal.fullTextAvailability	true