Control de admisión y asignación de canal para acceso dinámico de espectro usando cómputo multi-objetivo

Resumen

El incremento en el desarrollo de aplicaciones y su tiempo de uso, así como de nuevas tecnologías, han generado una mayor cantidad de transmisión de datos y demanda de los recursos finitos espectrales. Ello ha formado una idea errónea de que existe una escasez de espectro, sin embargo; diversos estudios han concluido que se trata de un problema de acceso al espectro ya que se ha observado que mientras ciertas bandas se encuentran saturadas otras presentan un uso escaso. En este contexto, el Acceso Dinámico de Espectro (DSA, por sus siglas en inglés Dynamic Spectrum Access) se propone como una solución para reciclar el espectro, compartiendo bandas de frecuencia entre las tecnologías y servicios inalámbricos que así lo requieran. El principal reto de la tecnología DSA, radica en que se les debe garantizar a los usuarios primarios (PU, usuarios con prioridad alta de acceso a un canal) protección contra la interferencia que pudieran generar los usuarios secundarios (SU, usuarios con prioridad baja de acceso a un canal). Una de las estrategias del DSA es la explotación simultánea de un canal tanto por el PU y por uno o más SU’s, siempre y cuando, estos últimos no sobrepasen un umbral de la potencia de interferencia impuesto por el PU. Lo anterior limita el acceso a una cantidad excesiva de SU’s a la red, de forma tal que se logre una coexistencia pacífica con los PU’s presentes en el área de cobertura. Este trabajo propone un algoritmo multi-objetivo (MO) de control de admisión y asignación de canal para establecer el compromiso entre la máxima tasa de datos y el número máximo de SU’s que pueden compartir concurrentemente un canal primario bajo restricciones de Calidad de Servicio (QoS, por sus siglas en inglés Quality of Service). Para resolver el problema de optimización se utiliza una estrategia hibrida consistente en la Optimización por Cúmulo de Partículas (PSO, por sus siglas en inglés Particle Swarm Optimization) y el Método MO de Suma Ponderada.