Resumen Contexto: El modelado y predicción del uso del espectro por parte de los PU es un aspecto importante para reducir la interferencia entre los SU y PU, y mejorar el desempeño de la decisión espectral. Lo anterior requiere de información espectral pasada, que permita al algoritmo modelar el comportamiento del PU. Objetivo: Determinar el valor óptimo de muestras pasadas y tiempo de recálculo de criterios de decisión para los algoritmos de toma de decisiones en redes de radio cognitiva. Metodología: Se realizan varios experimentos de simulación a partir del algoritmo FFAHP, en dos diferentes enfoques, tiempo real y mejor esfuerzo, con tráfico alto y bajo, en la banda de frecuencia GSM. Se realiza un análisis estadístico de los datos obtenidos, variando los parámetros de time range, mientras criteria time permanece constante, y viceversa. Resultados: Para tráfico alto es suficiente con tomar 1800 muestras anteriores para calcular el valor inicial de los parámetros y actualizarlos cada 10 minutos (1800). Si el tráfico es bajo es suficiente con tomar 5400 muestras anteriores para calcular el valor inicial de los parámetros y actualizarlos cada 10 minutos (1800). Conclusiones: No es necesario un número elevado de muestras anteriores para determinar el valor inicial de los parámetros de decisión para obtener un buen desempeño de la tasa de handoff, así como tampoco lo es para la actualización de los mismos, para un tráfico correspondiente a la banda de frecuencia GSM. Financiamiento: El presente trabajo es un resultado de un proyecto de investigación financiado por el Centro de Investigaciones y Desarrollo Científico de la Universidad Distrital Francisco José de Caldas.

Abstract Context: The modeling and prediction of spectrum usage by PUs is an important aspect in reducing interference between SUs and Pus, and for improving overall spectral decision-performance. This process requires past spectral information that might allow the algorithm to model the behavior of the PU. Objective: To determine the optimal value of past samples and recalculation time of decision criteria for the decision-making algorithms in cognitive radio networks. Methodology: Several simulation experiments were carried out using the FFAHP algorithm. Two different approaches were used (real time, and better effort), with high and low traffic, in the GSM frequency band. A statistical analysis of the data obtained is performed, varying the time range parameters while the time criteria remained constant, and vice versa. Results: In high traffic conditions, it is enough to take 1800 previous samples to calculate the initial value of the parameters and update them every 10 minutes (1800). Whereas, in low traffic conditions, 5400 previous samples are needed in order to calculate the initial value of parameters and update them every 10 minutes (1800). Conclusions: A high number of previous samples is not necessary to determine the initial value of the decision parameters in order to obtain a good performance of the handoff rate, nor is it necessary to update those parameters to obtain traffic corresponding to the band of GSM frequency. Funding: The present work is a result of a research project financed by the Center of Research and Scientific Development of the District University Francisco José de Caldas.

El presente artículo de investigación científica y tecnológica tiene por objetivo demostrar que las series de tiempo son una excelente herramienta para el modelamiento de tráfico de datos en redes Wi-Fi. Para lograr este objetivo se utilizó la metodología de Box-Jenkins, la cual se describe. El modelamiento de tráfico Wi-Fi a través de modelos correlacionados como las series de tiempo, permiten ajustar gran parte de la dinámica del comportamiento de los datos en una ecuación y con base en esto estimar valores futuros de tráfico. Lo anterior es una ventaja para la planeación de cobertura, reservación de recursos y la realización de un control más oportuno y eficiente en forma integrada a diferentes niveles de la jerarquía funcional de la red de datos Wi-Fi. Como resultado de la investigación se obtuvo un modelo de tráfico ARIMA de orden 6, el cual realizó pronósticos de tráfico con valores del error cuadrático medio relativamente pequeños, para un periodo de 18 días.

This present scientific and technological research was aimed at showing that time series represent an excellent tool for data traffic modelling within Wi-Fi networks. Box-Jenkins methodology (described herein) was used for this purpose. Wi-Fi traffic modelling through correlated models, such as time series, allowed a great part of the data's behaviourl dynamics to be adjusted into a single equation and future traffic values to be estimated based on this. All this is advantageous when it comes to planning integrated coverage, reserving resources and performing more efficient and timely control at different levels of the Wi-Fi data network functional hierarchy. A six order ARIMA traffic model was obtained as a research outcome which predicted traffic with relatively small mean square error values for an 18-day term.

The objective of this research is to demonstrate that the time series are an excellent tool for modeling of data traffic on networks Wimax. To achieve this goal we used the Box-Jenkins method, which is described in this article. The traffic modeling Wimax through correlated models such as time series allow you to adjust much of the dynamic behavior of the data in an equation, and based on this estimate future values of traffic. This is an advantage for planning coverage, reservation-tion of resources and the realization of a more timely and efficient in an integrated manner at different levels of the hierarchy of functional data network Wimax. As a result of the investigation was a model of traffic ARIMA Order 18, which made traffic forecasts with values of root mean square error relatively small, for a period of 10 days.

El objetivo de esta investigación es demostrar que las series de tiempo son una excelente herramienta para el modelamiento de tráfico de datos en redes Wimax. Para lograr este objetivo se utilizó la metodología de Box-Jenkins, la cual se describe en este artículo. El modelamiento de tráfico Wimax a través de modelos correlacionados como las series de tiempo permiten ajustar gran parte de la dinámica del comportamiento de los datos en una ecuación y con base en esto estimar valores futuros de tráfico. Lo anterior es una ventaja para la planeación de cobertura, reservación de recursos y la realización de un control más oportuno y eficiente en forma integrada a diferentes niveles de la jerarquía funcional de la red de datos Wimax. Como resultado de la investigación se obtuvo un modelo de tráfico ARIMA de orden 18, el cual realizó pronósticos de tráfico con valores del error cuadrático medio relativamente pequeños, para un periodo de 10 días.