O algoritmo HybridCP C utiliza um parâmetro como limiar (denominado ↵) para fazer o equilíbrio entre a interferência total e o número de reassociações dos clientes. Com o obje- tivo de avaliar qual o valor ideal para ↵, novas simulações foram executadas, considerando os mesmos parâmetros descritos anteriormente e a utilização de canais homogêneos.
5.5 Análise do Limiar do Algoritmo HybridCP C 53
Figura 5.13: SIR em Todos os Cenários com Canais Heterogêneos.
A Tabela 5.3 apresenta os resultados para o parâmetro ↵ (com variação de -10dBm a -40dBm, com passo de 10dBm) e a comparação com os demais algoritmos. Na Tabela 5.3 estão destacados os valores de ↵ que obtiveram os melhores valores para a interferência total. Como pode ser visto, o uso do parâmetro ↵ = 10dBm alcançou os melhores resultados em 5 dos 9 cenários. Com o uso do parâmetro ↵ = 20dBm, 2 cenários obtiveram melhor interferência (cenários 6 e 7). Os cenários com valores de ↵ = 30dBm e ↵ = 40dBm são muito similares, com diferenças entre os 2 de 0,06dBm, sendo quase equivalentes com relação à interferência.
Tabela 5.3: Interferência Total - Análise do Parâmetro ↵
Média da Interferência Total
Cenário SCPC -40dBm -30dBm -20dBm -10dBm UserCPC MinCPC 1 -39,76 -40,03 -39,97 -39,91 -39,86 -39,13 -38,91 2 -32,78 -33,60 -33,58 -33,68 -33,88 -33,49 -32,17 3 -30,35 -30,66 -30,65 -30,75 -31,04 -29,94 -29,35 4 -40,49 -41,08 -41,09 -41,05 -40,60 -39,95 -39,80 5 -35,03 -35,67 -35,70 -35,67 -35,86 -35,01 -33,94 6 -30,15 -30,69 -30,65 -30,71 -30,47 -30,21 -28,85 7 -37,46 -38,28 -38,29 -38,45 -38,14 -37,62 -36,85 8 -33,97 -34,97 -35,02 -35,27 -35,59 -34,70 -33,99 9 -29,73 -30,34 -30,30 -30,42 -30,80 -29,88 -28,89
vez que ↵ diminui, mais os resultados se aproximam do SCP C. Quanto mais o valor aumenta, mais os valores das reassociações se aproximam do UserCP C. Novamente, com o parâmetro ↵ = 10dBm, a percentagem de reassociações se aproxima do UserCP C.
Tabela 5.4: Reassociações de Clientes - Análise do Parâmetro ↵
Reassociações de Clientes
Cenário SCPC -40dBm -30dBm -20dBm -10dBm UserCPC MinCPC 1 28,01 27,56 27,28 25,69 22,81 22,59 16,29 2 25,40 25,53 25,36 24,27 20,74 19,47 13,63 3 23,96 24,76 24,65 24,49 20,75 18,05 13,13 4 28,08 26,41 26,25 25,23 22,90 22,57 14,88 5 26,37 25,19 25,10 24,17 20,42 19,43 12,94 6 24,99 24,86 24,82 24,47 20,65 18,34 12,75 7 28,10 25,69 25,52 24,51 22,26 22,03 14,57 8 26,19 24,47 24,39 23,62 19,97 19,07 12,80 9 24,71 23,63 23,60 23,09 19,83 17,84 12,67
As Tabelas 5.5, 5.6 e 5.7 apresentam os demais resultados com a variação do parâmetro ↵, quando comparado com todos os outros algoritmos.
Os resultados apresentam a mesma tendência da Tabela 5.4. Quanto menor o pa- râmetro ↵, mais o algoritmo HybridCPC se comporta como o algoritmo SCPC. Quanto maior o parâmetro, mais o algoritmo se comporta como o UserCPC.
A Tabela 5.5 apresenta os resultados de potência média usada pelos CEs. O parâmetro ↵ = 10dBm obtém os menores valores de potência média dos CEs.
Tabela 5.5: Potência Média por CE - Análise do Parâmetro ↵
Potência Média por CE
Cenário SCPC -40dBm -30dBm -20dBm -10dBm UserCPC MinCPC 1 14,94 14,26 14,17 14,00 13,73 13,68 14,49 2 11,12 10,62 10,61 10,45 10,21 10,17 11,05 3 8,73 8,33 8,30 8,24 7,96 7,86 8,74 4 14,76 14,09 14,01 13,89 13,58 13,54 14,56 5 10,44 10,12 10,10 9,99 9,77 9,72 10,83 6 8,13 7,93 7,92 7,86 7,60 7,55 8,60 7 14,82 14,10 14,07 13,94 13,69 13,65 14,64 8 10,37 10,08 10,07 10,04 9,86 9,80 10,87 9 7,93 7,79 7,79 7,77 7,59 7,61 8,48
A Tabela 5.6 apresenta os resultados dos testes para a área de cobertura, que é maior quando ↵ = 40dBm. Assim, se houver necessidade do aumento da área de cobertura, a utilização de um valor de ↵ = 40dBm pode ser mais adequado.
5.6 Considerações Finais 55
Tabela 5.6: Área de Cobertura - Análise do Parâmetro ↵
Área de Cobertura
Cenário SCPC -40dBm -30dBm -20dBm -10dBm UserCPC MinCPC 1 4234,4 4046,2 4019,5 3986,0 3933,9 3919,1 4183,8 2 4227,7 4122,8 4122,5 4098,8 4047,0 4033,7 4239,2 3 4172,6 4085,5 4081,8 4076,4 4028,0 4012,2 4175,4 4 4151,7 3988,9 3967,5 3946,1 3873,0 3870,6 4178,6 5 4127,0 4051,3 4041,9 4023,6 3977,5 3968,5 4173,3 6 4057,5 4057,4 4053,2 4043,9 3984,2 3995,8 4186,4 7 4229,2 4057,1 4052,0 4019,9 3956,0 3946,2 4251,2 8 4170,1 4099,2 4093,6 4088,5 4044,1 4022,7 4238,4 9 4057,5 4028,2 4026,5 4016,5 3984,2 3993,8 4143,9
Por fim, a Tabela 5.7 apresenta os resultados para o SIR percebido pelos clientes. O mesmo comportamento é observado, onde o SIR aumenta quando o valor de ↵ diminui.
Tabela 5.7: SIR - Análise do Parâmetro ↵
SIR
Cenário SCPC -40dBm -30dBm -20dBm -10dBm UserCPC MinCPC 1 58,89 58,50 58,41 57,74 57,07 56,61 56,19 2 41,11 41,78 41,93 41,81 41,11 40,51 39,53 3 32,35 33,25 33,21 33,37 33,39 32,07 31,30 4 58,54 58,31 58,17 57,67 56,58 56,13 55,97 5 42,17 43,02 43,08 42,84 41,84 40,83 39,79 6 32,35 34,33 34,29 34,28 33,39 32,58 30,79 7 58,89 58,50 58,41 57,74 57,07 56,61 56,19 8 41,11 41,78 41,93 41,81 41,11 40,51 39,53 9 32,35 33,25 33,21 33,37 33,39 32,07 31,30
Assim, os resultados apontam para ↵ = 10dBm como sendo melhor valor para reduzir a interferência e as reassociações. Acredita-se que uma investigação mais detalhada desse parâmetro possa apresentar resultados ainda melhores para o HybridCP C.
5.6 Considerações Finais
Este capítulo apresentou os resultados das simulações dos algoritmos propostos nesta tese. Tanto em canais homogêneos quanto em canais heterogêneos, o algoritmo HybridCP C se mostrou capaz de reduzir a interferência total entre usuários secundários além das reassociações causadas pela presença do usuário primário, em comparação com algoritmos apresentados.
Capítulo 6
Conclusão
Em redes cognitivas, a presença do usuário primário define a disponibilidade de canais para uso secundário. Em um ambiente onde a disponibilidade é muito dinâmica, a reas- sociação de clientes se torna muito frequente, causando um impacto severo na experiência do usuário. Outro fator importante em redes cognitivas é a interferência entre usuários se- cundários que compartilham os mesmos canais, podendo afetar o desempenho do sistema. Um mecanismo que considera esses dois aspectos se torna fundamental.
Nesta tese, o algoritmo proposto HybridCP C considera o impacto de trocas de canais em função da dinâmica de funcionamento do usuário primário, ajustando os canais e a potência de transmissão das redes cognitivas secundárias. Considerando tanto a interfe- rência quanto a reassociação de clientes, o algoritmo proposto reduz a interferência total e também o número de reassociações quando comparado com algoritmos que não mantêm estado dos canais.
Os resultados mostram que o uso de algoritmos que mantêm os estados dos canais são mais efetivos em reduzir a interferência, assim como a reassociação de clientes, que algoritmos que não mantêm estado como o SCP C. Os resultados também mostram que a combinação entre o controle de potência e a seleção de canais é efetiva para controlar a interferência, em contraste com o uso somente do controle de potência como o MinCP C. Além disso, os resultados mostram que o número de reassociação de clientes pode ser tratado em conjunto com a interferência. Ao fazê-lo, o algoritmo HybridCP C é capaz de diminuir a interferência sem prejudicar a reassociação. Os resultados também reforçam a relação direta entre a potência média usada pelos CEs e a área de cobertura das soluções.
6.1 Contribuições 57
6.1 Contribuições
Dentre as principais contribuições desta tese, pode-se destacar:
• Estabelecer uma forma para alocação de canais e controle de potência em redes cognitivas, levando em consideração as características desse ambiente, reduzindo a interferência entre usuários secundários, sem interferir nos usuários primários; • O algoritmo UserCPC que diminui o número de reassociações dos clientes por causa
de trocas de canais [41];
• O algoritmo HybridCPC que equilibra o número de reassociações e a interferência total [42].
6.2 Trabalhos Futuros
Muito ainda se pode fazer para melhorar a coexistência entre usuários secundários. Dentro do que foi abordado por esta tese, pode-se listar como trabalhos futuros:
• Inspecionar mais profundamente o limiar usado no algoritmo híbrido. Como visto na Seção 5.5, uma análise preliminar do parâmetro ↵ foi feita, mas esta não é totalmente conclusiva. A utilização de um parâmetro ↵ maior, aproxima o algoritmo HybridCPC do algoritmo UserCPC. Com ↵ menor, o comportamento se aproxima do algoritmo SCPC. Uma inspeção mais detalhada desse parâmetro, inclusive um ↵ adaptativo em função da densidade do cenário, aparenta ser uma opcão viável a fim de melhorar os resultados do algoritmo HybridCPC;
• Uma área a ser explorada é a existência de múltiplos gerenciadores de coexistência que trabalham em áreas com intersecção de operação e consequentemente de inter- ferência. Com a utilização dessa arquitetura em uma escala maior, onde uma única área de abrangência se torna muito grande e com um grande número de CEs para coordenar, pode existir a necessidade de dividir em mais de uma área e consequente- mente mais CMs devem coexistir. É possível que existam áreas de interferência em comum, mas gerenciadas por CMs diferentes. No atual cenário, um equipamento que não faz parte da gerência do CM é considerado externo à arquitetura. Mas nesse caso, esse equipamento é um CE também, mas em outra área coordenada por outro CM. Uma investigação deve ser feita para que os mecanismos sejam adaptados e que a troca de informações entre CMs seja possível;
• O uso de canais restritos a equipamentos com baixa potência. Como descrito na Seção 4.2.1, é possível a utilização de canais restritos. Os algoritmos de seleção de canal e de controle de potência podem auxiliar na operação de CEs nesses canais, onde a utilização fica restrita a equipamentos que operem com baixa potência de transmissão. Um algoritmo como o HybridCPC pode explorar a capacidade desses canais, além de reduzir a interferência em todos os dispositivos;
• Tratar o CDIS não apenas como um servidor de informações, mas como um mediador para resolução de conflitos de interferência. Como o CDIS tem uma visão global da alocação de canais, visto que todos os CEs e CMs reportam sua utilização a ele, é possível que o CDIS atue sugerindo alterações de canais aos CMs que têm CEs vizinhos em áreas de interferência, antecipando a resolução do conflito;
• Reavaliação dos algoritmos em cenários realistas de redes cognitivas, quando houver uma melhor definição desses cenários. Essa reavaliação depende da implementação real de redes cognitivas, que ainda depende do desenvolvimento de rádios cognitivos.
Referências
[1] 802.22-2011, I. S. IEEE standard for information technology telecommunications and information exchange between systems local and metropolitan area networks specific requirements part 22: Cognitive wireless RAN medium access control (MAC) and physical layer (PHY) specifications: Policies and procedures for operation in the TV bands, Julho 2011.
[2] Abhayawardhana, V. S., Wassell, I. J., Crosby, D., Sellars, M. P., Brown, M. G. Comparison of empirical propagation path loss models for fixed wireless access systems. In IEEE 61st Vehicular Technology Conference (Maio 2005), vol. 1, p. 73–77.
[3] Adian, M., Aghaeinia, H. Spectrum sharing and power allocation in multiple- in multiple-out cognitive radio networks via pricing. IET Communications 6, 16 (Novembro 2012), 2621–2629.
[4] Akyildiz, I., Altunbasak, Y., Fekri, F., Sivakumar, R. Adaptnet: an adap- tive protocol suite for the next-generation wireless internet. IEEE Communications Magazine 42, 3 (Março 2004), 128 – 136.
[5] Akyildiz, I. F., Lee, W.-Y., Vuran, M. C., Mohanty, S. Next genera- tion/dynamic spectrum access/cognitive radio wireless networks: A survey. Com- puter Networks 50, 13 (Setembro 2006), 2127 – 2159.
[6] Alkheir, A., Ibnkahla, M. Performance analysis of joint power control, rate adaptation, and channel selection strategies for cognitive radio networks. In IEEE Global Communications Conference (GLOBECOM) (Dezembro 2012), p. 1126–1131. [7] Atakan, B., Akan, O. B. BIOlogically-inspired spectrum sharing in cognitive radio networks. In IEEE Wireless Communications and Networking Conference (Março 2007), p. 43–48.
[8] Baid, A., Raychaudhuri, D. Understanding channel selection dynamics in dense wi-fi networks. IEEE Communications Magazine 53, 1 (Janeiro 2015), 110–117. [9] Balbi, H., Fernandes, N., Souza, F., Carrano, R., Albuquerque, C.,
Muchaluat-Saade, D., Magalhaes, L.Centralized channel allocation algorithm for IEEE 802.11 networks. In Global Information Infrastructure and Networking Symposium (GIIS) (Dezembro 2012), p. 1–7.
[10] Baykas, T., Kasslin, M., Cummings, M., Kang, H., Kwak, J., Paine, R., Reznik, A., Saeed, R., Shellhammer, S. Developing a standard for TV white space coexistence: technical challenges and solution approaches. IEEE Wireless Communications 19, 1 (Fevereiro 2012), 10–22.
[11] Baykas, T., Kasslin, M., Shellhammer, S. System de- sign document. https://mentor.ieee.org/802.19/dcn/10/ 19-10-0055-03-0001-systemdesign-document.pdf, Março 2010.
[12] Brélaz, D. New methods to color the vertices of a graph. Communications of the ACM 22, 4 (Abril 1979), 251–256.
[13] Cabric, D., Mishra, S., Brodersen, R. Implementation issues in spectrum sensing for cognitive radios. In Conference Record of the Thirty-Eighth Asilomar Conference on Signals, Systems and Computers (Novembro 2004), vol. 1, p. 772 – 776 Vol.1.
[14] Canales, M., Gallego, J., Ciria, R. Distributed channel allocation and power control in cognitive radio networks using game theory. In IEEE Vehicular Technology Conference (VTC Fall) (Setembro 2011), p. 1–5.
[15] Canales, M., Ortin, J., Gallego, J. Game theoretic approach for end-to-end resource allocation in multihop cognitive radio networks. IEEE Communications Letters 16, 5 (Maio 2012), 654–657.
[16] Chen, K.-C., Peng, Y.-J., Prasad, N., Liang, Y.-C., Sun, S. Cognitive radio network architecture: Part i – general structure. In Proceedings of the 2Nd Internati- onal Conference on Ubiquitous Information Management and Communication (New York, NY, USA, 2008), ICUIMC ’08, ACM, p. 114–119.
[17] Cheng, G., Liu, W., Li, Y., Cheng, W. Joint on-demand routing and spec- trum assignment in cognitive radio networks. In IEEE International Conference on Communications (ICC) (Junho 2007), p. 6499 –6503.
[18] Chowdhury, K. R., Akyildiz, I. F. Cognitive wireless mesh networks with dy- namic spectrum access. IEEE Journal on Selected Areas in Communications 26, 1 (Janeiro 2008), 168–181.
[19] Digham, F. Joint power and channel allocation for cognitive radios. In IEEE Wi- reless Communications and Networking Conference (WCNC) (Março 2008), p. 882– 887.
[20] Doumi, T. L. Spectrum considerations for public safety in the United States. IEEE Communications Magazine 44, 1 (Janeiro 2006), 30–37.
[21] ECMA. Std. ECMA-392, MAC and PHY for operation in TV white space, Fevereiro 2009.
[22] El Nainay, M. Y., Friend, D. H., MacKenzie, A. B. Channel allocation & power control for dynamic spectrum cognitive networks using a localized island genetic algorithm. In 3rd IEEE Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN) (Outubro 2008), p. 1–5.
[23] FCC. Second report and order and memorandum opinion and order, in the matter of unlicensed operation in the TV broadcast bands additional spectrum for unlicensed devices below 900MHz and in the 3GHz band (et docket 08-260), Novembro 2008.
Referências 61
[24] FCC. Unlicensed operations in the TV broadcast bands, second memorandum opi- nion and order, Setembro 2010.
[25] Flores, A., Guerra, R., Knightly, E., Ecclesine, P., Pandey, S. IEEE 802.11af: a standard for TV white space spectrum sharing. IEEE Communications Magazine 51, 10 (Outubro 2013), 92–100.
[26] Friend, D. H., EINainay, M., Shi, Y., MacKenzie, A. B. Architecture and performance of an island genetic algorithm-based cognitive network. In 5th IEEE Consumer Communications and Networking Conference (CCNC) (2008), p. 993–997. [27] Ghosh, C., Roy, S., Cavalcanti, D. Coexistence challenges for heterogeneous cognitive wireless networks in TV white spaces. IEEE Wireless Communications 18, 4 (Agosto 2011), 22–31.
[28] Granelli, F., Pawelczak, P., Prasad, R., Subbalakshmi, K., Chandra- mouli, R., Hoffmeyer, J., Berger, H. Standardization and research in cogni- tive and dynamic spectrum access networks: IEEE SCC41 efforts and other activities. IEEE Communications Magazine 48, 1 (Janeiro 2010), 71 –79.
[29] Guo, W., Huang, X. Maximizing throughput for overlaid cognitive radio networks. In IEEE Military Communications Conference (MILCOM) (Outubro 2009), p. 1–7. [30] Gurney, D., Buchwald, G., Ecklund, L., Kuffner, S. L., Grosspietsch, J. Geo-location database techniques for incumbent protection in the TV white space. In 3rd IEEE Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN) (Outubro 2008), p. 1–9.
[31] Hata, M. Empirical formula for propagation loss in land mobile radio services. IEEE Transactions on Vehicular Technology 29, 3 (Agosto 1980), 317–325.
[32] He, H., Chen, J., Liao, C., Li, S. Joint link scheduling and power control for multichannel multihop cognitive radio networks. In International Conference on Communications, Circuits and Systems (ICCCAS) (Julho 2007), p. 323–327.
[33] Hoang, A. T., Liang, Y.-C. Maximizing spectrum utilization of cognitive radio networks using channel allocation and power control. In IEEE Vehicular Technology Conference (VTC Fall) (Setembro 2006), p. 1–5.
[34] Hoang, A. T., Liang, Y.-C. Downlink channel assignment and power control for cognitive radio networks. IEEE Transactions on Wireless Communications 7, 8 (Agosto 2008), 3106–3117.
[35] Hoang, A. T., Liang, Y.-C., Islam, M. Power control and channel allocation in cognitive radio networks with primary users’ cooperation. IEEE Transactions on Mobile Computing 9, 3 (Março 2010), 348–360.
[36] Howitt, I. Bluetooth performance in the presence of 802.11b WLAN. IEEE Tran- sactions on Vehicular Technology 51, 6 (Novembro 2002), 1640–1651.
[37] IEEE. IEEE 802.19 wireless coexistence working group. http://www.ieee802.org/ 19/, Agosto 2014.
[38] IEEE. IEEE standard for information technology - telecommunications and infor- mation exchange between systems - local and metropolitan area networks - specific requirements - part 11: Wireless LAN medium access control (MAC) and physical layer (PHY) specifications amendment 5: Television white spaces (TVWS) opera- tion. IEEE Std 802.11af-2013 (Amendment to IEEE Std 802.11-2012, as amended by IEEE Std 802.11ae-2012, IEEE Std 802.11aa-2012, IEEE Std 802.11ad-2012, and IEEE Std 802.11ac-2013) (Fevereiro 2014), 1–198.
[39] IEEE. IEEE standard for information technology–telecommunications and infor- mation exchange between systems – local and metropolitan area networks – speci- fic requirements – part 19: TV white space coexistence methods. IEEE Standard 802.19.1-2014 (Junho 2014), 1–326.
[40] Jones, S., Jung, E., Liu, X., Merheb, N., Wang, I.-J. Characterization of spectrum activities in the u.s. public safety band for opportunistic spectrum access. In 2nd IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks(DySPAN) (Abril 2007), p. 137–146.
[41] Julio, E., Albuquerque, C. Power control and channel allocation mechanism for coexistence between secondary cognitive networks. In IEEE Symposium on Compu- ters and Communications (ISCC) (Julho 2015), IEEE, p. 858–863.
[42] Julio, E., Albuquerque, C. Hybrid mechanism for coexistence between secondary cognitive networks. Submetido para publicação, 2016.
[43] Kubale, M., Kuszner, L. A better practical algorithm for distributed graph coloring. In IEEE International Conference on Parallel Computing in Electrical En- gineering (PARELEC) (2002), p. 72–75.
[44] Lam, A., Li, V., Yu, J. Power-controlled cognitive radio spectrum allocation with chemical reaction optimization. IEEE Transactions on Wireless Communications 12, 7 (Julho 2013), 3180–3190.
[45] Larsson, P., Kronander, J. Joint power, rate, and channel allocation in multilink (cognitive) radio system. In IEEE Military Communications Conference (MILCOM) (Outubro 2009), p. 1–6.
[46] Latifa, B., Gao, Z., Liu, S. No-regret learning for simultaneous power control and channel allocation in cognitive radio networks. In Computing, Communications and Applications Conference (ComComAp) (Janeiro 2012), p. 267–271.
[47] Liu, X., Zheng, B., Ji, W. Cooperative relay with power control in cognitive radio networks. In 6th International Conference on Wireless Communications Networking and Mobile Computing (WiCOM) (Setembro 2010), p. 1–5.
[48] OfCom. Consultation doc.: Digital dividend-cognitive access, Fevereiro 2009. [49] Salameh, H., Krunz, M., Manzi, D. Spectrum bonding and aggregation with
guard-band awareness in cognitive radio networks. IEEE Transactions on Mobile Computing 13, 3 (Março 2014), 569–581.
Referências 63
[50] Saleem, Y., Rehmani, M. H. Primary radio user activity models for cognitive radio networks: A survey. Journal of Network and Computer Applications 43 (2014), 1–16. [51] Subramani, S., Basar, T., Armour, S., Kaleshi, D., Fan, Z. Noncooperative equilibrium solutions for spectrum access in distributed cognitive radio networks. In 3rd IEEE Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN) (Outubro 2008), p. 1–5.
[52] Systems, C. Real-time traffic over wlan radio frequency design. In Real-Time Traffic over Wireless LAN Solution Reference Network Design Guide, C. Systems, Ed. Cisco Press, 2013, cap. 2, p. 21–46.
[53] Tandra, R., Mishra, S. M., Sahai, A. What is a spectrum hole and what does it take to recognize one? Proceedings of the IEEE 97, 5 (Maio 2009), 824–848. [54] Tseng, P.-K., Chen, H., Chung, W.-H. Joint design on energy efficiency and
throughput for non-infrastructure based cognitive radio networks. In 8th Internatio- nal Wireless Communications and Mobile Computing Conference (IWCMC) (Agosto 2012), p. 642–647.
[55] Tseng, P.-K., Chung, W.-H., Chen, H., Wu, C.-S. Distributed energy-efficient cross-layer design for cognitive radio networks. In 23rd IEEE International Sympo- sium on Personal Indoor and Mobile Radio Communications (PIMRC) (Setembro 2012), p. 161–166.
[56] Turner, J. S. Almost all k-colorable graphs are easy to color. Journal of Algorithms 9, 1 (Março 1988), 63–82.
[57] Villardi, G., Alemseged, Y., Sun, C., Sum, C.-S., Nguyen, T. H., Baykas, T., Harada, H. Enabling coexistence of multiple cognitive networks in TV white space. IEEE Wireless Communications 18, 4 (Agosto 2011), 32–40.
[58] Wang, F., Younis, O., Krunz, M. GMAC: A game-theoretic MAC protocol for mobile ad hoc networks. In 4th IEEE International Symposium on Modeling and Optimization in Mobile, Ad Hoc and Wireless Networks (Abril 2006), p. 1–9.
[59] Willkomm, D., Bohge, M., Hollos, D., Gross, J., Wolisz, A. Double hop- ping: A new approach for dynamic frequency hopping in cognitive radio networks. In 19th IEEE International Symposium on Personal, Indoor and Mobile Radio Com- munications (PIMRC) (Setembro 2008), p. 1–6.
[60] Xu, D., Feng, Z., Li, Y., Zhang, P. Fair channel allocation and power control for uplink and downlink cognitive radio networks. In IEEE Global Communications Conference Workshops (GLOBECOM Wkshps) (Dezembro 2011), p. 591–596. [61] Yang, J. Spatial channel characterization for cognitive radios. Relatório Técnico
UCB/ERL M05/8, EECS Department, University of California, Berkeley, Janeiro 2005.
[62] Yao, W., Wang, Y., Wang, T. Joint optimization for downlink resource alloca- tion in cognitive radio cellular networks. In IEEE Consumer Communications and Networking Conference (CCNC) (Janeiro 2011), p. 664–668.
[63] Yoon, S., Park, J., Lim, K., Kim, J. Inter-cell transmit power adaptation algo- rithm for coexistence of white space applications. In IEEE Consumer Communica- tions and Networking Conference (CCNC) (Janeiro 2011), p. 487–491.
[64] Yousefvand, M., Ansari, N., Khorsandi, S. Maximizing network capacity of cognitive radio networks by capacity-aware spectrum allocation. IEEE Transactions on Wireless Communications 14, 9 (Setembro 2015), 5058–5067.
[65] Yucek, T., Arslan, H. A survey of spectrum sensing algorithms for cognitive radio applications. IEEE Communications Surveys & Tutorials 11, 1 (Janeiro 2009), 116–130.
[66] Zhang, H., Le Ruyet, D., Roviras, D., Sun, H. Resource allocation of nonco- operative multi-cell for cognitive radio networks. In 6th International Symposium on Wireless Communication Systems (ISWCS) (Setembro 2009), p. 101–105.
[67] Zhao, G., Yang, C., Li, G., Li, D., Soong, A. Power and channel allocation for cooperative relay in cognitive radio networks. IEEE Journal of Selected Topics in Signal Processing 5, 1 (Fevereiro 2011), 151–159.
[68] Zheng, H., Peng, C. Collaboration and fairness in opportunistic spectrum access. In IEEE International Conference on Communications (ICC) (Maio 2005), vol. 5, p. 3132–3136 Vol. 5.
65
APÊNDICE A -- Pseudocódigo dos Algoritmos
Algoritmo 2 Pseudocódigo do Algoritmo SCP C [9] .
1: function AlocaCanalP otˆencia(CEs[], Canais[])
2: Graf o CriaGrafoInterferˆencia(CEs[])
3: V ´erticesDescoloridos[] V ´erticesDescoloridos(Grafo)
4: while V ´erticesDescoloridos[] 6= ; do
5: V ´erticesOrdenados[] OrdenaV ´ertices(V ´erticesDescoloridos[])
6: V ´erticeEscolhido V ´erticesOrdenados[0]
7: ColorirV ´ertice(V ´erticeEscolhido, Canais[])
8: V ´erticesDescoloridos[] V ´erticesDescoloridos[] V ´erticeEscolhido)
9: end while 10: end function
Algoritmo 3 Pseudocódigo do método ColorirVértice.
1: function ColorirV ´ertice(V ´erticeEscolhido, Canais[])
2: canaisDispon´iveis[] buscaCanaisDispon´iveis(Canais[])
3: for canal 2 canaisDispon´iveis[] do 4: if canal = AV AILABLE then
5: trocaEstado(canal, OP ERAT IN G)
6: return canal
7: end if 8: end for
9: canal BuscaMelhorCanal(V ´erticeEscolhido, canaisDispon´iveis[])
10: if canal = OP ERAT ING then
11: trocaEstado(canal, COEXIST EN T )
12: end if
13: if canal = COEXIST ENT then
14: ControleP otˆencia(V ´erticeEscolhido, canal)
15: end if
16: return canal 17: end function
Algoritmo 4 Pseudocódigo do Controle de Potência
1: procedure ControlarP otˆencia(CEAtual, Canais[]) 2: initialize CEsMesmoCanal[]
3: OrdenaCEsDistˆanciaCrescente(CEsM esmoCanal[])
4: CEsJ ´aAjustados CEsMesmoCanal[0]
5: for i = 1 to CEsMesmoCanal[] do 6: CE1 = CEsM esmoCanal[i]
7: CE2 = BuscaCEM aisP r´oximo(CEsJ ´aAjustados)
8: if potˆenciaJ´aAjustada(CE1) then 9: potˆenciaCE1 = potˆenciaAtual(CE1)
10: else
11: potˆenciaCE1 = potˆenciaM ´axima(CE1)
12: end if
13: if potˆenciaJ´aAjustada(CE2) then
14: potˆenciaCE2 = potˆenciaAtual(CE2)
15: else
16: potˆenciaCE2 = potˆenciaM ´axima(CE2)
17: end if
18: compute distˆanciaEntreCEs
19: compute distˆanciaM ´edia distˆanciaEntreCEs/2 20: compute distˆanciaM´aximaCE1(potˆenciaCE1) 21: compute distˆanciaM´aximaCE2(potˆenciaCE2) 22: if potˆenciaJ´aAjustada(CE1) then
23: distˆanciaCE2 = distˆanciaEntreCEs distˆanciaCE1
24: adicionalDistˆanciaCE2 = 0
25: else
26: if distˆanciaM´aximaCE1 < distˆanciaM ´edia then
27: adicionalDistˆanciaCE2 = distˆanciaM ´edia distˆanciaM ´aximaCE1
28: distˆanciaCE1 = distˆanciaEntreCEs distˆanciaM ´aximaCE2
29: else
30: if potˆenciaJ´aAjustada(CE2) then
31: distˆanciaCE1 = distˆanciaEntreCEs distˆanciaM ´aximaCE2
32: else
33: distˆanciaCE1 = distˆanciaM ´edia
34: end if
35: end if 36: end if
Apêndice A -- Pseudocódigo dos Algoritmos 67
Algoritmo 4 Pseudocódigo do Controle de Potência - Continuação
37: if potˆenciaJ´aAjustada(CE2) then
38: distˆanciaCE1 = distˆanciaEntreCEs distˆanciaCE2
39: adicionalDistˆanciaCE1 = 0
40: else
41: if distˆanciaM´aximaCE2 < distˆanciaM ´edia then
42: adicionalDistˆanciaCE1 = distˆanciaM ´edia distˆanciaM ´aximaCE2
43: distˆanciaCE2 = distˆanciaEntreCEs distˆanciaM ´aximaCE1
44: else
45: if potˆenciaJ´aAjustada(CE1) then
46: distˆanciaCE2 = distˆanciaEntreCEs distˆanciaM ´aximaCE1
47: else
48: distˆanciaCE2 = distˆanciaM ´edia
49: end if
50: end if 51: end if
52: if potˆenciaNˆaoAjustada(CE1) then
53: potˆenciaCE1 potˆencia(distˆanciaCE1 + adicionalDistˆanciaCE1)
54: limitesP otˆencia(potˆenciaCE1)