en fr Mechanisms for the autonomous adaptation of cognitive radios Mécanismes dadaptation autonome pour la radio cognitive Reportar como inadecuado




en fr Mechanisms for the autonomous adaptation of cognitive radios Mécanismes dadaptation autonome pour la radio cognitive - Descarga este documento en PDF. Documentación en PDF para descargar gratis. Disponible también para leer online.

1 Orange Labs Issy les Moulineaux 2 E3S - Supélec Sciences des Systèmes Gif-sur-Yvette

Abstract : Cognitive radio appears as a natural solution to the complexity and scaling issues stemming from the increasing popularity of wireless communications and the radio technologies evolution. A cognitive radio is a smart agent adapting its operation to its context in order to 1 respect the regulation constraints on spectrum access, 2 satisfy the user needs in terms of Quality of Service, and 3 ensure an optimized management of the available resources e.g. network, radio and device hardware resources. This new paradigm is directly linked to the development of embedded intelligence, subject of this PhD thesis.This dissertation details the design of a cognitive engine structuring the reasoning and learning operations required for the supervision of the dynamic reconfiguration process. The proposed solution follows an original approach based on a qualitative modeling of the cognitive design problem.The cognitive engine reasons autonomously by relying on the order relationships defined by two scales dynamically set according to the context. It navigates along these two scales to search for an adapted configuration with a concern on efficiency and optimality. It exploits its predictive capabilities to estimate the impact of the radio environment on the available configurations performance number of transmission errors tolerable. It evaluates the configurations compatible with the service thanks to a grading system assessing the alternatives satisfaction with regard to the optimization objectives reduce the energy consumption, maximize the data rate. If necessary, a design experience is triggered for exploring the design space online. The memorized knowledge is then put to test in order to come closer to the optimal behavior. The experiment is designed dynamically according to the environment feedbacks. The cognitive engine takes also advantage of embedded expert knowledge to limit the experimental risks. It accumulates experience progressively and it learns to appeal less often to experimentation in order to exploit its knowledge that became reliable.We have tested our approach on two case studies of cognitive waveform design. The results obtained confirm the pertinence of the proposed cognitive mechanisms. The cognitive engine manages to find the optimal solution for most of the processed problems 95% in average andit keeps increasing its efficiency in the search of an appropriate configuration.Our modeling method combines efficiently the power of learning systems with knowledge stemming from telecommunications expertise. The cognitive engine is designed with a great decision autonomy through its ability to reason, explore online and learn incrementally. Moreover, we have proposed advanced mechanisms to optimize its behavior in order to make it an effective cognitive solution for many design problems.

Résumé : La radio cognitive apparaît comme une solution naturelle aux problèmes d-échelle et de complexité résultant de la grande popularité des communications sans fil et de l-évolution des technologies radio. Une radio cognitive est un agent intelligent capable de s-adapter à son contexte opérationnel pour 1 respecter le cadre de régulation contrôlant l-accès au spectre, 2 satisfaire les besoins de l-utilisateur en termes de qualité de service, et 3 assurer une gestion optimisée des ressources disponibles radios, réseaux et matérielles. Ce nouveau paradigme est directement lié au développement de l-intelligence embarquée, objet de ce travail de thèse.Dans ce mémoire de thèse, nous détaillons la conception d-un moteur cognitif structurant les opérations de raisonnement et d-apprentissage nécessaires à la supervision du processus de reconfiguration dynamique. La solution proposée suit une approche originale basée sur une modélisation qualitative du problème de conception à la volée. Le moteur cognitif raisonne de manière autonome en s-appuyant sur les relations d-ordre définies par deux échelles déduites dynamiquement en fonction du contexte. Il navigue le long de ces deux échelles pour rechercher une configuration adaptée avec un souci d-efficacité et d-optimalité. Il exploite ses capacités de prédiction afin d-estimer l-impact de l-environnement radio sur les performances des configurations disponibles nombre d-erreurs de transmission tolérables. Il évalue les configurations compatibles avec le service à l-aide d-un système de notation calculant la satisfaction des alternatives vis-à-vis des objectifs d-optimisation réduire la consommation d-énergie, maximiser le débit de transmission. Si nécessaire, une expérience de conception est déclenchée afin d-explorer l-espace de conception en ligne. Les connaissances mémorisées sont alors mises à l-épreuve dans le but de se rapprocher du comportement optimal. Le plan d-expérience est construit dynamiquement en fonction des retours de l-environnement. Le moteur cognitif profite également de connaissances expertes embarquées pour limiter les risques d-expérimentation. Il accumule de l-expérience progressivement et il apprend à recourir de moins en moins souvent à l-expérimentation pour exploiter ses connaissances devenues fiables.Nous avons testé notre approche sur deux études de cas de conception cognitive d-un lien radio. Les résultats obtenus confirment la pertinence des mécanismes cognitifs proposés. Le moteur cognitif parvient en effet à trouver la solution optimale pour la grande majorité des problèmes traités 95% en moyenne et il devient de plus en plus efficace dans sa recherche d-une configuration adaptée.Notre méthode combine efficacement la puissance de systèmes d-apprentissage avec des connaissances issues de l-expertise en ingénierie des télécommunications. Le moteur cognitif est conçu avec une grande autonomie décisionnelle grâce à des capacités de raisonnement, d-exploration en ligne et d-apprentissage incrémental. De plus, nous avons proposé des mécanismes avancés pour améliorer son comportement afin d-en faire une solution cognitive effective pour de nombreux problèmes de conception dynamique.

en fr

Keywords : Cognitive Radio Artificial Intelligence Autonomous Decisions Making Waveform Design Evolving Connectionist Systems Learning Automata

Mots-clés : Radio cognitive intelligence artificielle prise de décision autonome conception du lien radio systèmes connexionnistes évolutifs automates d-apprentissage





Autor: Nicolas Colson -

Fuente: https://hal.archives-ouvertes.fr/



DESCARGAR PDF




Documentos relacionados