Diseño, implementación y comparación del rendimiento de algoritmos de predicción de espectro, utilizando métodos estadísticos y de machine learning

Abstract

En el trabajo presentado a continuación se diseñó un algoritmo capaz de predecir los canales disponibles en el espectro a través del método de machine learning el cual se basa en redes neuronales recurrentes. En la implementación de este algoritmo se utilizó el lenguaje de programación Python. Para evaluar su efectividad se lo comparó con un método tradicional estadístico como es ARIMA, algoritmo que fue diseñado en dos diferentes lenguajes de programación que son RStudio y Python. En el primer capítulo se detalla la problemática que llevó a realizar la investigación del trabajo, para esto se investigó varias soluciones ya desarrolladas a este problema. Por último, se elaboró una solución para la predicción de los canales disponibles en el espectro. En el segundo capítulo se detallaron todos los conceptos posibles para poder entender el funcionamiento del espectro y de la radio cognitiva. En el tercer capítulo se presenta el desarrollo de la solución tanto para el algoritmo de machine learning (LSTM) como para el algoritmo estadístico (ARIMA), donde se muestra el código desarrollado para cada método con una respectiva descripción de cómo funciona cada línea de código. Para el cuarto capítulo se obtuvieron los resultados de la predicción de los canales disponibles, en donde se encontró tres parámetros importantes como el accuracy, el tiempo de ejecución y el RMSE de cada algoritmo. Al final se realizó la comparación de cada método de predicción para determinar que método es más eficiente.