Kotelnikov Institute of Radio Engineering and Electronics of RAS Русский Sign in Submit a paper
Journal of Radio Electronics Online scientific journal · eISSN 1684-1719
2024, № 3 · MATHEMATICAL MODELS IN RADIO ELECTRONICS PROBLEMS

Mathematical model of functioning cognitive radio system

V.A. Golovskoy1

1 Krasnodar Higher Military School, Krasnodar, Russia
Full text DOI: 10.30898/1684-1719.2024.3.4 UDC 621.391.1 EDN URPGNB

Abstract

The functioning of a promising cognitive radio system in the context of an electronic conflict is considered. As a result of the analysis, the correspondence of the required intellectual abilities of the cognitive radio system, the tasks to be solved and the intelligent algorithms proposed by the researchers for the realization of these abilities was revealed. The aim of the work is to develop a mathematical model that allows us to describe the adaptation of a conflict-resistant cognitive radio system and assess the complexity of the corresponding algorithms. Two groups of methods were used: general scientific methods - abstraction, generalization, analysis, synthesis, as well as special methods of graph theory, criteria importance theory, algorithm theory and set theory. Two new mathematical models are presented. The first model describes the state of the subscriber of the radio system from a combinatorial point of view, the second describes the functioning of the cognitive radio system in conditions of electronic conflict. The latter model is formalized using graph theory - an r-weighted multigraph is constructed, the vertices of which are identified with the states of the subscribers of the radio system, and the corresponding weight vectors are assigned to the edges. The elements of each vector of weights qualitatively characterize the functioning of the cognitive radio system according to the selected indicators. An example is given with indicators characterizing the functioning of the radio system: stealth, noise immunity, energy efficiency and information transfer rate. The graph model allows you to generalize the description of various methods for obtaining knowledge about the environment and managing radio system resources, and also allows you to evaluate the computational complexity of adaptation algorithms. The graph model also makes it possible to describe the intellectual abilities of a radio system both from the standpoint of a production approach and from the standpoint of reinforcement learning. The given estimates of the computational complexity of some tasks allow us to divide the tasks into two groups: those solved by subscribers and the control subsystem. The consistency of proposals for the separation of computational tasks with the principles of transfer learning is shown.

  • graph
  • model
  • cognitive radio
  • conflict stability
  • criterion
  • Pareto optimality
  • electronic environment
Аннотация (на русском)

Математическая модель функционирования когнитивной радиосистемы

В работе рассматривается функционирование перспективной когнитивной радиосистемы в условиях радиоэлектронного конфликта. Представлено выявленное в результате анализа литературы соответствие требуемых интеллектуальных способностей радиосистемы, решаемых за их счет задач и предлагаемых исследователями интеллектуальных алгоритмов для реализации этих способностей. Цель работы - разработать математическую модель, позволяющую описывать адаптацию конфликтно-устойчивой когнитивной радиосистемы и оценивать сложность соответствующих алгоритмов. Использованы как общенаучные методы - абстрагирование, обобщение, анализ, синтез, так и методы теории графов, теории важности критериев, теории алгоритмов и теории множеств. Представлены две разработанные математические модели, первая из которых с комбинаторных позиций описывает состояние абонента когнитивной радиосистемы, вторая - обобщая первую модель, описывает функционирование конфликтно-устойчивой когнитивной радиосистемы в условиях радиоэлектронного конфликта. Последняя модель формализована с использованием теории графов - построен r -взвешенный мультиграф, вершины которого отождествлены с состояниями абонентов радиосистемы, а ребрам назначены соответствующие векторы весов. Элементы каждого такого вектора качественно характеризуют функционирование системы по выбранным показателям. Приведен пример, в котором выбраны обобщенно характеризующие функционирование радиосистемы показатели - скрытность, помехоустойчивость, энергоэффективность и скорость передачи информации. Предложенная графовая модель позволяет обобщать описание различных методов получения знаний о среде и управления ресурсами когнитивной радиосистемы, а также позволяет оценивать вычислительную сложность алгоритмов адаптации. Также графовая модель позволяет описывать интеллектуальные способности радиосистемы как с позиций продукционного подхода, так и с позиций обучения с подкреплением. Приведенные оценки вычислительной сложности некоторых задач позволяют разделить задачи на две группы: решаемые абонентами и подсистемой управления. Показана согласованность предложений по разделению вычислительных задач с принципами трансферного обучения.

For citation

Golovskoy V.A. Mathematical model of functioning cognitive radio system // Journal of Radio Electronics. – 2024. – No. 3. https://doi.org/10.30898/1684-1719.2024.3.4

References

  1. Hilal W., Gadsden S.A., Yawney J. Cognitive Dynamic Systems: A Review of Theory, Applications, and Recent Advances // Proceedings of the IEEE. - 2023. Vol. 111. - №. 6. - P. 575-622. http://doi.org/10.1109/JPROC.2023.3272577
  2. Report ITU-R SM.2152. Definitions of Software Defined Radio (SDR) and Cognitive Radio System (CRS). [Электронный ресурс]. URL: https://www.itu.int/dms_pub/itu-r/opb/rep/R-REP-SM.2152-2009-PDF-e.pdf (дата обращения: 11.12.2023)
  3. Benmammar B. Recent Advances on Artificial Intelligence in Cognitive Radio Networks // International Journal of Wireless Networks and Broadband Technologies. - 2020. - Vol. 9. - №. 1. - P. 27-42. http://doi.org/10.4018/IJWNBT.2020010102
  4. Голубинский А. Н. Применение искусственной нейронной сети в виде многослойного персептрона для формирования рейтинга частотных каналов в системе когнитивного радио // Теория и техника радиосвязи. - 2020. - №. 2. - С. 64-73.
  5. Адамовский Е. Р., Чертков В.М., Богуш Р. П. Модель формирования карты радиосреды для когнитивной системы связи на базе сотовой сети LTE // Компьютерные исследования и моделирование. - 2022. - Т. 14. - №. 1. - С. 127-146. https://doi.org/10.20537/2076-7633-2022-14-1-127-146
  6. Kandaurova E. O., Chirov D. S. Neural Network Algorithm for Predicting Spectrum Occupancy in Cognitive Radio Systems // 2023 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO), Pskov, Russian Federation. 2023. P. 1-5. http://doi.org/10.1109/SYNCHROINFO57872.2023.10178650
  7. Bharti B., Thakur P., Singh G. A framework for spectrum sharing in cognitive radio networks for military applications // IEEE Potentials. - 2021. - Vol. 40. - №.5. P. 39-47. http://doi.org/10.1109/MPOT.2017.2751656
  8. Артемов М. Л., Борисов В. И., Маковий В. А., Сличенко М. П. Автоматизированные системы управления, радиосвязи и радиоэлектронной борьбы. Основы теории и принципы построения. Под. ред. М.Л. Артемова. - Москва: Радиотехника, 2021. С. 556.
  9. Abdullah H. M., Kumar A., Qasem Ahmed A. A., Saeed Mosleh M. A. Hybrid Optimization Based on Spectrum Aware Opportunistic Routing for Cognitive Radio Ad Hoc Networks // Informatics and Automation. - 2023. - Vol. 22. - №. 4. - P. 880-905. http://doi.org/10.15622/ia.22.4.7
  10. Сенин О. Г. Модель системы управления ресурсами радиолинии с применением математического аппарата нечеткой логики // Известия ТулГУ. Технические науки. - 2021. - №. 9. - С. 236-242. http://doi.org/10.24412/2071-6168-2021-9-236-242
  11. Генов А. А., Слепых А. А., Сухов А. В., Филатов В. И. Оценка воздействий случайных и преднамеренных помех на систему передачи данных с когнитивным псевдослучайным переключение рабочих частот // Журнал радиоэлектроники. - 2023. - №. 11. https://doi.org/10.30898/1684-1719.2023.11.7
  12. Батурин А. С. Хворенков В. В., Шишаков К. В. Современные решения по повышению энергоэффективности радиолиний для технического обновления радиостанций интегрированных систем связи // Вестник ИжГТУ имени М.Т. Калашникова. - 2022. - Т. 25. - №. 4. - С. 47-62. http://doi.org/10.22213/2413-1172-2022-4-47-62
  13. Mourougayane K., Srikanth S. A tri-band full-duplex cognitive radio transceiver for tactical communications // IEEE Communications Magazine. - 2020. - №. 58. P. 61-65. http://doi.org/10.1109/MCOM.001.1900329
  14. Jain P., Jaiswal R. K., Srivastava K. V., Ghosh S. An Improvised Four-Port Multifunctional MIMO Antenna for Integrated Cognitive Radio System // IEEE Access. - 2023. - Vol. 11. - P. 66201-66211. http://doi.org/10.1109/ACCESS.2023.3289843
  15. Борисов В. И., Вилков С. В. Технологическая платформа развития систем управления, связи и радиоэлектронной борьбы // Теория и техника радиосвязи. - 2023. - №. 1. - С. 5-11.
  16. Nguyen C. T., Van Huynh N., Chu N. H., Saputra Y. M., Hoang D. T, Nguyen D. N., Pham Q.-V., Niyato D., Dutkiewicz E., Hwang W.-J. Transfer Learning for Wireless Networks: A Comprehensive Survey // Proceedings of the IEEE. - 2022. - Vol.110. - №. 8. - P. 1073-1115. http://doi.org/10.1109/JPROC.2022.3175942
  17. Rapetswa K., Cheng L. Towards a multi-agent reinforcement learning approach for joint sensing and sharing in cognitive radio networks // Intelligent and Converged Networks. - 2023. - Vol. 4. - №. 1. - P. 50-75. http://doi.org/10.23919/ICN.2023.0005
  18. Nagib A. M., Abou-Zeid H., Hassanein H. S. Accelerating Reinforcement Learning via Predictive Policy Transfer in 6G RAN Slicing // IEEE Transactions on Network and Service Management. - 2023. - Vol. 20. - №. 2. - P. 1170-1183. http://doi.org/10.1109/TNSM.2023.3258692
  19. Belcak P., Wattenhofer R. Exponentially Faster Language Modelling // https://doi.org/10.48550/arXiv.2311.10770
  20. Казаков Л. Н., Кубышкин Е. П., Палей Д. Э. Построение оптимальной схемы информационного обмена системы адаптивного управления движением группы беспилотных летательных аппаратов // Моделирование и анализ информационных систем. - 2023. - Т. 30. - №. 1. - С. 16-26. http://doi.org/10.18255/1818-1015-2023-1-16-26
  21. Манаенко С. С., Дворников С. В., Пшеничников А. В. Теоретические аспекты формирования сигнальных конструкций сложной структуры // Информатика и автоматизация. - 2022. - Т. 21. - №. 1. - C. 68-94. https://doi.org/10.15622/ia.2022.21.3
  22. Cognitive Radio in NATO. STO technical report IST077/RTG-035. 2014 [Электронный ресурс]. - URL: https://www.sto.nato.int/publications/STO%20Technical%20Reports/STO-TR-IST-077/$$TR-IST-077-ALL.pdf (дата обращения: 11.01.2024)
  23. Suchański M., Kaniewski P., Romanik J., Golan E., Zubel K. Radio environment maps for military cognitive networks density of small-scale sensor network vs. map quality // EURASIP Journal on Wireless Communications and Networking. - 2020. - Vol. 2020. - №. 1. - P. 1-20. https://doi.org/10.1186/s13638-020-01803-4
  24. Гудков М. А., Дворников А. С., Сорокин К. Н. Применение когнитивных радиосистем для обеспечения связи с роботизированными платформами военного назначения // Труды II Военно-научной конференции "Роботизация Вооруженных Сил Российской Федерации". - М., 2017. - С. 440-444.
  25. Головской В. А., Филинов В. С. Предложения по созданию когнитивных систем передачи данных для робототехнических комплексов // T-Comm: Телекоммуникации и транспорт. - 2019. - Т. 13. - №. 9. - С. 22-29. http://doi.org/10.24411/2072-8735-2018-10306
  26. Головской В.А. Функциональная модель подсистемы управления ресурсами когнитивной радиосистемы робототехнического комплекса // Известия ЮФУ. Технические науки. - 2023. - №. 1(231). - С. 241-251. http://doi.org/10.18522/2311-3103-2023-1-241-251
  27. Астапенко Ю.А. и др. Конфликтно-устойчивые радиоэлектронные системы. Методы анализа и синтеза. Под ред. С.В. Ягольникова. М.: Радиотехника, 2015. - С. 312.
  28. Ельцов О. Н., Крутских П. П., Радзиевский В. Г. Конфликтная устойчивость роботизированных систем / под ред. В.Г. Радзиевского. М.: Радиотехника, 2023. - С. 352.
  29. Сахнин А. А. Комплексная оценка радиоэлектронной защищенности военных систем связи. Монография. М.: Радиотехника, 2022. - С. 312
  30. Haigh K. Z., Andrusenko J. Cognitive Electronic Warfare: An Artificial Intelligence Approach. Boston: ARTECH HOUSE, 2021. - P.288
  31. Головской В. А., Чернуха Ю. В., Семенюк Д. Б. Формализация задачи построения системы передачи данных робототехнического комплекса, функционирующего в условиях антагонистической киберэлектромагнитной деятельности // Вопросы кибербезопасности. - 2019. - №. 6(34). - C.113-122. http://doi.org/10.21681/2311-3456-2019-6-113-122
  32. Головской В. А., Влох Д. Д. Графовая модель функционирования когнитивной радиосистемы // Труды Северо-Кавказского филиала Московского технического университета связи и информатики. - 2023. - №. 1. - С. 11-17.
  33. Балунин Е. И., Ратушин А. П., Храпков Д. С., Власов М. В. Процедура формирования и декодирования кодовых слов совместного низкоплотностного кода источника и канала // Электромагнитные волны и электронные системы. - 2023. - Т. 28. - №. 3. - С. 28-37. http://doi.org/10.18127/j5604128-202303-04
  34. Копкин Е. В., Кобзарев И. М. Использование меры ценности информации Стратоновича для оптимизации гибких программ диагностирования технических объектов // Труды СПИИРАН. - 2019. - Т. 18. - №. 6. - С. 1434-1461. http://doi.org/10.15622/sp.2019.18.6.1434-1461
  35. Подиновский В. В. Идеи и методы теории важности критериев в многокритериальных задачах принятия решений // Монография. - М.: Наука, 2019. - C. 103.
  36. Мищенко С. Е., Шацкий В. В., Землянский С. В., Литвинов А. В., Безуглов А. А. Метод амплитудно-фазового синтеза оптимальной по Парето плоской антенной решетки // Радиотехника и электроника. - 2018. - Т. 63. - №. 1. - С. 38-46. http://doi.org/10.7868/S0033849417010053
  37. Визинг В. Г. Многокритериальные задачи на графах с максиминным критерием // Дискретный анализ и исследование операций. - 2011. - Т. 18. - №. 5 - С. 3-10.
  38. Левин М. Ш. Комбинаторная оптимизация при построении конфигураций систем // Информационные процессы. - 2008. - Т. 8. - №. 4. - С. 256-300.