认知无线电网络中的历史传感数据挖掘

认知无线电网络(CRN)是无线通信中最热门的主题之一,在该领域中,认知无线电(CR)需要智能,准确地获取无线信道的频谱状态。因此,一些工作提出在CRN中使用人工智能理论来提升其智能。为了获得准确的频谱感测结果,CR经常对无线信号进行采样。此外,如我们所知,无线信道状态在不同的时隙中可以是相同的。因此,有必要使用历史感测数据来减少当前感测数据的不确定性,从而提高频谱感测性能。同时,最近在人工智能领域提出了分层狄利克雷过程(HDP)以自动实现数据聚类,可用于对具有不同隐藏通道状态的历史感测数据进行聚类,并得出每个聚类内的共识频谱状态。在本文中,我们首先简要回顾一下CRN和HDP。然后,我们讨论了在CRN上实现HDP的可能方式,特别是在频谱感测问题上。