Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Considerations About Adding Aggregated Variables to the DEA Model Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Cognitive Radio Networks

verfasst von : D. Carrillo

Erschienen in: Cognitive Technologies

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A cognitive radio can be defined by the capability of being aware of its environment and the internal state and, based on the knowledge of these elements and any stored pre-defined objectives, can dynamically adapt, make, and implement decisions about its behavior. Among the applications of cognitive radio, the most widely explored regards the improvement of spectrum bands usage, also known as white spaces. This paper presents a review of cognitive radio framework that facilitates the understanding and implementation of spectrum management functions of a typical-cognitive radio network project.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Fast and Efficient 3D Beamforming Algorithm for Cognitive Radio Networks
Nächstes Kapitel Optical Amplifier Cognitive Gain Adjustment Methodology for Dynamic and Realistic Networks
Literatur
1.
Dahrouj H, Al-naffouri TY, Alouini H. Elsawy MS (2015) Virtualized cognitive network architecture for 5G cellular networks. IEEE Commun Mag 53(7):78–85
2.
McHenry M (2003) Spectrum white space measurements. New Am Found Broadband Forum, Meas
3.
Maguire GQ, Mitola J (1999) Cognitive radio: making software radios more personal. IEEE Pers Commun 6, 13–18
4.
Federal Communications Commission, (2003) Et docket-322
5.
Cui S, Sayed AH, Quan Z (2008) Optimal linear cooperation for spectrum sensing in cognitive radio networks. IEEE J Sel Topics Signal Proces 2(1):28–40
6.
Tong L, Swami A, Chen Y, Zhao Q (2007) Decentralized cognitive MAC for for opportunistic spectrum access in ad hoc networks a POMDP framework. IEEE J Sel Areas Commun 25(3):589–600
7.
Mishra SM, Brodersen R, Cabric D (2004) Implementation issues in spectrum sensing for cognitive radios. In: 38th Asilomar conference signals, systems and computers, Pacific Grove, CA, pp 772–776
8.
Kay SM (1998) Fundamentals of statistical signal processing: detection theory. Prentice-Hall, Englewood Cliffs, NJ
9.
Tkachenko A, Brodersen RW, Cabric D (2006) Experimental study of spectrum sensing based on energy detection and network cooperation. In: ACM 1st workshop on technology and policy for accessing spectrum (TAPAS)
10.
Cochran D, Enserink S (1994) A cyclostationary feature detector. In: 28th Asilomar conference on signals, systems, and computers, Monterrey- CA, pp 806–810
11.
Haykin S (2005) Cognitive radio: brain-empowered wireless communications. IEEE J Sel Areas Commun 23:201–220CrossRef
12.
Lee W-Y, Chowdhury KR, Akyildiz IF (2009) CRAHNs: cognitive radio ad hoc networks. Ad Hoc Netw 7:810–836CrossRef
13.
Lee W-Y, Vuran MC, Shantidev M, Akyildiz IF (2006) NeXt generation/dynamic spectrum access/cognitive radio wireless networks: a survey. Comput Netw J 50:2127–2159
14.
Ramchandran K, Wild B (2005) Detecting primary receivers for cognitive radio applications. In: IEEE DySPAN, pp 124–130
15.
FCC (2003) Notice of inquiry task force report. ET Docket
16.
Mishra SM, Brodersen RW, Cabric D (2004) Imlementation issues in spectrum sensing for cognitive radios. In: IEEE conference on signals, systems and computers, Asilomar, pp 772–776
17.
Whitt W, Sriram K (1986) Characterizing superposition arrival processes in packet multiplexers for voice and data. IEEE J Sel Areas Commun 4(6):833–846CrossRef
18.
Mousavinia A, Amirpour H, Shamsi N (2013) A channel state prediction for multi-secondary users in a cognitive radio based on neural network. In: 2013 international conference on electronics, computer and computation (ICECCO), Ankara, pp 200–203
19.
Yin SX, Hong W, Li SF, Yin L (2011) Spectrum behavior learning in cognitive radio based on artificial neural network. In: 2011-MILCOM military communications conference, Baltimore, MD, pp 25–30
20.
Taj MI, Akil M (2011) Cognitive radio spectrum evolution prediction using artificial neural networks based multivariate time series modelling. In: Wireless conference 2011-sustainable wireless technologies (European wireless), 11th European, Vienna, Austria, pp 1–6
21.
Neel J (2006) Analysis and design of cognitive radio networks and distributed radio resource management algorithms. PhD Dissertation, Virginia Polytechnic Institute and State University
Metadaten
Titel
Cognitive Radio Networks
verfasst von
D. Carrillo
Copyright-Jahr
2017
Buch
Cognitive Technologies

Print ISBN: 978-3-319-53752-8

Electronic ISBN: 978-3-319-53753-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-53753-5_8