Modelo de muestreo y compresión de mapas de interferencia con base en sensado comprimido

Jeison  Marín; Carlos  Fajardo; Leonardo  Betancur; Henry Arguello

doi:10.24054/rcta.v2i32.112

Autores/as

Jeison Marín Unidades Tecnológicas de Santander
Carlos Fajardo Universidad Industrial de Santander
Leonardo Betancur Universidad Pontificia Bolivariana
Henry Arguello Universidad Industrial de Santander

DOI:

https://doi.org/10.24054/rcta.v2i32.112

Palabras clave:

Mapas de Interferencia, Sensado Comprimido

Resumen

Los mapas de interferencia son usados para gestionar la información sobre ocupación espectral en un área geográfica. En un futuro escenario, estos mapas se pueden construir con base en muestras de potencia tomadas por los dispositivos inalámbricos presentes en una red de telecomunicaciones como celulares o teléfonos inteligentes. Sin embargo con el crecimiento del número de estos dispositivos, la construcción de esos mapas de interferencia demandará una gran cantidad de datos. En este artículo se propone un nuevo modelo de muestreo y compresión de mapas de interferencia, basado en sensado compresivo mediante el uso de unas máscaras binarias para realizar un sub muestreo y el diseño de un método de compresión adicional con base en estas máscaras. Los resultados muestran un aumento en la razón de compresión de un 30% permitiendo optimizar el almacenamiento y transmisión de la información del espectro de radio.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Alaka F., Jemma S., Sayrac B., Houze P. y Moulines E., (2008). Informed spectrum usage in cognitive radio networks: Interference cartography, IEEE 19th International Symposium on Personal, Indoor and Mobile Radio Communications, pp. 1–5.

Correa C. y Argüello H. (2015) Snapshot colored compressive spectral imager, Journal of the Optical Society of America A, vol. 32, no. 10, pp. 1754–1763.

Gomez P. y Duran C. (2015) Adquisición de datos de una matriz de sensores de gases mediante módulos de comunicación XBEE, Revista Colombiana de Tecnologías de Avanzada, vol. 2, no. 26.

Graña M. y Maldonado O. (2013) Indexación de imágenes hiperespectrales aplicando redes neuronales morfológicas, Revista Colombiana de Tecnologías de Avanzada, vol. 2, no. 22, pp. 91–97.

Hoyhtya M., Mammela A., Eskola M., Matinmikko M., Kalliovaara J., Ojaniemi J., Suutala j., Ekman R., Bacchus R., y Roberson D. (2016). Spectrum occupancy measurements: A survey and use of interference maps, IEEE Communications Surveys Tutorials, vol. 18, no. 4, pp. 2386–2414.

Huffman D. A. (1952) A Method for the Construction of MinimumRedundancy Codes. Proceedings of the IRE, vol. 40, no. 9, pp. 1098–1101.

Marín J., Martínez I., Betancur L. y Argüello H. (2017). Compressive multispectral model for spectrum sensing in cognitive radio networks, 25th European Signal Processing Conference (EUSIPCO), pp. 2575–2571.

Marín J. y Betancur (2013) L. Centralized spectrum broker and spectrum sensing with compressive sensing techniques for resource allocation in cognitive radio networks. IEEE Latin-America Conference on Communications, pp. 1–6.

Shannon C. E. (1948) A Mathematical Theory of Communication The Bell System Technical Journal, vol. XXVII, no. 3, pp. 379–423.

Sweldens W. (1998). The lifting scheme: A construction of second generation wavelets. SIAM journal on mathematical analysis, vol 29, no. 2, pp 511–546.