dc.contributor.author | Χαλικόπουλος, ∆ηµήτριος![]() |
|
dc.contributor.author | Halikopoulos, Dimitrios![]() |
|
dc.date.accessioned | 2025-03-27T09:27:09Z | |
dc.date.available | 2025-03-27T09:27:09Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/61505 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.29201 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | γνωστικές ραδιοεπικοινωνίες | el |
dc.subject | ανίχνευση φάσματος | el |
dc.subject | ενισχυτική μάθηση | el |
dc.subject | διαδικασίες απόφασης Markov | el |
dc.subject | εκμάθηση Q | el |
dc.subject | Dynamic spectrum access, | en |
dc.subject | , cognitive radios | en |
dc.subject | spectrum sensing | en |
dc.subject | Markov decision processes | en |
dc.subject | policy iteration algorithm | en |
dc.title | Εφαρµογή ΕνΙσχυτΙκής Μάθησης σε Συστήµατα ΓνωστΙκών ΡαδΙΟεπΙκοΙνωνΙών | el |
dc.contributor.department | Τομέας Συστημάτων μετάδοσης πληροφορίας και τεχνολογίας υλικών | el |
heal.type | bachelorThesis | |
heal.classification | Δυναμική φασματική πρόσβαση | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2010-09-01 | |
heal.abstract | Η ραγδαία εξέλιξη των υπηρεσιών ασύρματης επικοινωνίας έχει οδηγήσει στην ελαχιστοποίηση του διαθέσιμου φάσματος συχνοτήτων, καθιστώντας το σπάνιο φυσικό πόρο. Ωστόσο μελέτες έχουν δείξει ότι η έλλειψη αυτή οφείλεται κυρίως στον στατικό τρόπο εκχώρησης του φάσματος, που οδηγεί στην υποχρησιμοποίηση του. Για την επίλυση του προβλήματος προτάθηκε η δυναμική φασματική πρόσβαση, που επιτρέπει σε μη αδειοδοτημένους χρήστες να χρησιμοποιήσουν το φάσμα ευκαιριακά. Η δυναμική πρόσβαση επιτυγχάνεται με τη χρήση γνωστικών ραδιοεπικοινωνιών, που δίνουν την δυνατότητα σε ένα χρήστη να αποκτά γνώση του περιβάλλοντος του και να προσαρμόζει τις παραμέτρους λειτουργίας του σε αυτό. Οι δευτερογενείς χρήστες ανιχνεύουν το αδειοδοτημένο φάσμα και αποκτούν πρόσβαση σε αυτό αν διαπιστωθεί κάποιο φασματικό κενό. Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη της εφαρμογής τεχνικών ενισχυτικής μάθησης στη διαδικασία ανίχνευσης φάσματος, από δευτερογενείς χρήστες γνωστικών ραδιοεπικοινωνιών. Αρχικά, γίνεται μια εκτενής εισαγωγή στις αρχές των γνωστικών ραδιοεπικοινωνιών, ενώ ακολουθεί η παρουσίαση των κυριότερων τεχνικών ανίχνευσης φάσματος που χρησιμοποιούνται σε συστήματα γνωστικών ραδιοεπικοινωνιών. Στη συνέχεια αναλύεται το πρόβλημα ενισχυτικής μάθησης δίνοντας έμφαση στις τεχνικές που στηρίζονται σε διαδικασίες απόφασης Markov. Τέλος, πραγματοποιείται προσομοίωση της εφαρμογής των τεχνικών ενισχυτικής μάθησης, επανάληψη πολιτικών και εκμάθηση Q, στην διαδικασία ανίχνευσης φάσματος και παρουσιάζονται τα αντίστοιχα αποτελέσματα. | el |
heal.abstract | The rapid growth of wireless communication services has led to the minimization of the available frequency spectrum, rendering it a scarce natural resource. However studies have shown that this scarcity is mainly due to the static spectrum allocation that leads to spectrum underutilization. As a solution to the problem, dynamic spectrum access was proposed. Dynamic spectrum access allows non-licensed users to access the spectrum opportunistically and is achieved through the use of cognitive radios, which enable users to acquire knowledge of their radio environment and dynamically adjust their transmission parameters. The secondary users sense the licensed spectrum and gain access to it when a spectrum white space is identified. This thesis aims at examining the application of reinforcement learning techniques in the process of spectrum sensing from secondary cognitive radio users. At first, the cognitive radio principles are presented extensively, while an introduction to the basic spectrum sensing techniques follows. Then, the problem of reinforcement learning is analyzed, focusing on Markov Decision Processes. Finally, the application of the reinforcement learning techniques, policy iteration and Q learning, in the spectrum sensing process is simulated and the corresponding results are presented. | en |
heal.sponsor | ΕΜΠ | el |
heal.advisorName | Κωττής, Παναγιώτης | |
heal.committeeMemberName | Κωττής, Παναγιώτης | |
heal.committeeMemberName | Καψάλης, Χρήστος | |
heal.committeeMemberName | . Φικιώρης, Γεώργιος | el |
heal.academicPublisher | Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 115 σ. | |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: