O documento discute as aplicações de inteligência artificial em rádios cognitivos, incluindo algoritmos de metaheurística, busca baseada em casos, lógica fuzzy, teoria dos jogos e redes neurais artificiais. Estas técnicas podem ser usadas para reconhecimento de modulação, handoff de espectro e adaptação de parâmetros do rádio.

1. Estudo Dirigido
Aplicações IA em Rádios Cognitivos
Aluno: Ramon Mayor Martins
Professor: Dr. Carlos Alberto Ynoguti

2. TTééccnniiccaass ddee IIAA
• Algoritmos de Metaheurística
• CBS – Busca Baseada em Caso
• Teoria dos Jogos
• Lógica Fuzzy
• RNA – Redes Neurais Artificiais

3. [3]
CCEE –– CCooggnniittiivvee EEnnggiinnee

4. [2]
CCEE –– CCooggnniittiivvee EEnnggiinnee

5. • Algoritmos de Metaheurística
• CBS – Busca Baseada em Caso
• Lógica Fuzzy
• Teoria dos Jogos
• RNA – Redes Neurais Artificiais

6. Algoritmos ddee MMeettaahheeuurrííssttiiccaa
O que é:
Metaheurística é a estratégia de guiar processos de busca
Tipos de Algoritmos de Metaheurística:
• Ant Colony Optimization (ACO)
• Evolutionary Computation (EC)  Genetic Algorithms (GA)
• Iterated Local Search (ILS)
• Simulated Annealing (SA)
• Tabu Search (TS)

7. Algoritmos ddee MMeettaahheeuurrííssttiiccaa
Algumas Aplicações AG para RC
•Resolução de problemas de otimização [18]
•Adaptar os parâmetros do RC (configurar dinamicamente) em resposta as
mudanças do ambiente. [18]
•Melhorar o esquema de alocação espectral célula por célula baseado em AG
para conseguir melhor eficiência espectral. [18]

8. Algoritmos ddee MMeettaahheeuurrííssttiiccaa
Algoritmo Genético
• Potência, Largura de Banda, Freqüência, Modulação, etc são parâmetros
considerados os genes do Radio Cognitivo.
• Estes genes, constroem o cromossomo do Radio Cognitivo.
• A partir da bio-operação (crossover, reprodução, seleção, mutação) é
otimizado os parâmetros de Radio Cognitivo.

9. • Algoritmos de Metaheurística
• CBS – Busca Baseada em Caso
• Lógica Fuzzy
• Teoria dos Jogos
• RNA – Redes Neurais Artificiais

10. CCBBSS –– BBuussccaa BBaasseeaaddaa eemm CCaassoo
O que é:
• É uma área de IA que se concentra no uso de experiências ou casos
anteriores (memória) para orientar o processo de resolução de problemas e
obter uma solução.
•Após novas soluções obtidas de adaptação de caso, o banco de dados de caso
é atualizado com o novo caso.
•As características da CBS incluem a capacidade de resolver problemas em
domínios parcialmente entendida, a capacidade para fornecer uma explicação
única, e a estreita semelhança ao processo de raciocínio humano real.

11. CCBBSS –– BBuussccaa BBaasseeaaddaa eemm CCaassoo
Algumas Aplicações CBS - RC
• Raciocínio CBS: Dado o ambiente observado atualmente e os objetivos de
rádio, um CR pode usar um CBS para determinar uma solução aceitável
(ação) para o ambiente atual com base no caso existente em um banco de
dados de caso. Como um banco de dados caso não pode incluir todas as
situações possíveis, um CR precisa aprender novos casos quando
se deparar com situações novas, gerar novas ações para o novo
situações, e atualizar o banco de dados caso dos novos casos.
• Ex: Obter parâmetros de radio para aplicações em ambiente WRAN [16]
• Ex: CBS com Lógica Fuzzy para determinar o tipo de canal (flat fading x
frequency-selective fading, fast fading x slow fading) para WiMAX [17]

12. • Algoritmos de Metaheurística
• CBS – Busca Baseada em Caso
• Lógica Fuzzy
• Teoria dos Jogos
• RNA – Redes Neurais Artificiais

13. LLóóggiiccaa FFuuzzzzyy
Aplicações Lógica Fuzzy - RC
• É proposto o uso da Lógica Fuzzy no esquema de ajuste dinâmico
de controle de potência, observando a distância entre o usuário
primário e secundário (relativo a interferência). [14] [15]
• Abordagem fuzzy-base capaz de fazer decisões sobre o handoff de
espectro (quando o secundário começa a interferir sobre o primario, é
necessário realizar um handoff eficaz). [14] [15]
• Melhorar as tomadas de decisões.
• Anular os efeitos de usuários maliciosos que transmitem dados
falsos, ou se passam por primário (Nível de confiança fuzzy). [14] [15]

14. • Algoritmos de Metaheurística
• CBS – Busca Baseada em Caso
• Lógica Fuzzy
• Teoria dos Jogos
• RNA – Redes Neurais Artificiais

15. TTeeoorriiaa ddooss JJooggooss
O que é:
A Teoria dos Jogos é uma ferramenta matemática para ser utilizada na
representação e análise de situações de conflito entre dois ou mais jogadores.
Normalmente, o conflito entre os jogadores surge pela disputa por um recurso
compartilhado e insuficiente, por exemplo o espectro de transmissão. [13]
Aplicação:
•Tomando os RC como dispositivos inteligentes que possuem interesses
conflitantes, o problema de compartilhamento de espectro entre redes
cognitivas pode ser resolvido com Teoria dos Jogos. [13]
•A teoria dos jogos ajuda a entender como os jogadores vão se comportar, ou
seja, quais estratégias eles vão escolher. [13]

16. • Algoritmos de Metaheurística
• CBS – Busca Baseada em Caso
• Lógica Fuzzy
• Teoria dos Jogos
• RNA – Redes Neurais Artificiais

17. RNA –– RReeddeess NNeeuurraaiiss AArrttiiffiicciiaaiiss
Algumas Aplicações:
•Reconhecimento de Modulação (Presença do Primário) [7]
•Handoff de Espectro [8]
•Desempenho de Sinais 802.11 [4]
•Classificação de Modulação [5]
•Adaptação do parâmetro de Radio [9]
•Aprendizagem do Comportamento do Espectro [6]

18. RNA –– RReeddeess NNeeuurraaiiss AArrttiiffiicciiaaiiss
Algumas Aplicações:
•Antenas Reconfiguráveis [1]
•Classificação de Sinais 802.11 (CCK e OFDM) [10]
•Aprendizado e Adaptação / Exploração de Comunicações Possíveis [11]
•Classificação de Padrões em transmissões de Radio Cognitivo [12]

19. RNA –– RReeddeess NNeeuurraaiiss AArrttiiffiicciiaaiiss
• Reconhecimento de Modulação (Presença do Primário)
• Cada entrada é uma chave.
• A partir de equações matemáticas é possível distinguir os esquemas de modulação.
• Prevê-se que a identificação correta das sinais modulados é suficiente para
confirmar a presença / ausência do principal proprietário do espectro

20. RNA –– RReeddeess NNeeuurraaiiss AArrttiiffiicciiaaiiss
• Handoff de Espectro
• O objetivo é minimizar o número de chaveamento de canais e a quantidade de
interferências causadas às operações licenciadas.
• O usuário secundário busca as melhores bandas do espectro para retomar a sua
comunicação, dado que a faixa atual se torna indisponível ou não atende os requisitos
da sua aplicação.

21. RNA –– RReeddeess NNeeuurraaiiss AArrttiiffiicciiaaiiss
• Handoff de Espectro
• O primeiro refere-se ao mecanismo de sensoriamento de espectro, que busca capturar
as informações do ambiente de rádio, formando os dados de sensoriamento C1, C2,
C3,..., Cn, que serão utilizados como conjunto de entrada para a estrutura de previsão
•O segundo módulo refere-se à estrutura de previsão. Este módulo, baseado nos dados
de sensoriamento obtidos, realiza a estimativa do comportamento dos canais
licenciados para instantes futuros
•O terceiro módulo é a estrutura de decisão

22. RNA –– RReeddeess NNeeuurraaiiss AArrttiiffiicciiaaiiss
• Desempenho de Sinais 802.11
Entrada:
•ReceivedFrames, isto é, o número de
quadros de dados detectados
no canal (independentemente do seu
destino), que são recebido corretamente;
• ErroneousFrames, isto é, o número de
quadros para a qual um soma de verificação
não indicaram uma recepção incorreta;
• idleTime, isto é, a fração de tempo em que
o canal foi ocioso;

23. RNA –– RReeddeess NNeeuurraaiiss AArrttiiffiicciiaaiiss
• Classificação de Modulação
Saida:
Cada resultado esperado é um vetor com 9 colunas. Apenas um elemento de
o vetor é igual a 1, correspondendo a uma modulação de único tipo, e todos os outros
iguais a 0. Por exemplo, a saída do vetor da rede neural [1 0 0 0 0 0 0 0 0]
corresponde ao tipo de modulação de AM, [0 1 0 0 0 0 0 0 0] indica o DSB, etc.

24. RReeffeerrêênncciiaass BBiibblliiooggrrááffiiccaass
[1] J. Costantine1, Y. Tawk2, E. Al Zuraiqi2, S. E. Barbin3, and C. G. Christodoulou2 Applying Graph
Models and Neural Networks on Reconfigurable Antennas for Cognitive Radio Applications
[2] Sponsored by: Army Research Office Joseph Gaeddert, Kyouwoong Kim, Rekha Menon, Lizdabel Morales,
Youping Zhao, Dr. Kyung K. Bae, Dr. Jeffrey H. Reed Applying Artificial Intelligence to the Development of
a Cognitive Radio Engine
[3] Youping Zhao Enabling Cognitive Radios through Radio Environment Maps
[4] Nicola Baldo and Michele Zorzi Learning and Adaptation in Cognitive Radios using Neural Networks
[5] Lanjun Qian Canyan Zhu Modulation Classification Based on Cyclic Spectral Features and Neural
Network

25. RReeffeerrêênncciiaass BBiibblliiooggrrááffiiccaass
[6] LiangYin, SiXing YinWeijun Hong, ShuFang Li,Spectrum Behavior Learning in Cognitive
Radio Based on Artificial Neural Network
[7] Popoola,J e Olst Application of neural network for sensing primary radio signals in a
cognitive radio environment,
[8] Andson,Handoff de Espectro em Redes Baseadas em Rádio Cognitivo Utilizando Redes
Neurais Artificiais,
[9] J. H. Reed et al., “Development of a Cognitive Engine and Analysis of WRAN Cognitive
Radio Algorithms—Phase I,” Wireless @ Virginia Tech, Virginia Polytech. Inst. State Univ.,
Blacksburg, VA, Dec. 2005.
[10] A. F. Cattoni, M. Ottonello, M. Raffetto, and C. S. Regazzoni,“Neural networks mode
classification based on frequency distribution features”

26. RReeffeerrêênncciiaass BBiibblliiooggrrááffiiccaass
[12] B. Ustundag and O. Orcay, “Pattern based encoding for cognitive communication,”
[13] Avaliação do Compartilhamento Espectral em Redes Cognitivas utilizando
Jogos Evolucionários
[14] A Two Step Secure Spectrum Sensing Algorithm Using Fuzzy Logic for Cognitive Radio
Networks
[15] Fuzzy-based Spectrum Handoff in Cognitive Radio Networks
[16] A. He, J. Gaeddert, K. Bae, T. R. Newman, J. H. Reed, L. Morales, and C. Park,
“Development of a case-based reasoning cognitive engine for IEEE 802.22 WRAN
applications,” ACM Mobile Comput. Commun. Rev., vol. 13, no. 2, pp. 37–48, Apr. 2009.
[17] M. Khedr and H. Shatila, “Cogmax—A cognitive radio approach for WiMAX systems,” in
Proc. IEEE AICCSA, Rabat, Morocco, May 10–13, 2009, pp. 550–554.
[18] A Survey of Artificial Intelligence for Cognitive Radios