herleitung des optimalen detektors für spectrum sensing in cognitive radio unter rauschunsicherheit
Post on 19-Jun-2015
145 Views
Preview:
DESCRIPTION
TRANSCRIPT
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit
- Bachelorarbeit -Maxim Penner
Elektro- und Informationstechnik
1|1914. Januar 2014
Leibniz Universität HannoverInstitut für Kommunikationstechnik
Kolloquium
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 2|19
Daten
Betreuer: M. Sc. Marwan Hammouda
Zeitraum: 4. Juni 2013 bis 2. Januar 2014
Erstprüfer: Prof. Dr. J. Peissig
Zweitprüfer: Prof. Dr. M. Fidler
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 3|19
Inhalt
1. Cognitive Radio: Motivation und Definition
2. Spectrum Sensing: Aufgabe, Neyman-Pearson und Rauschunsicherheit
3. Hergeleitete Detektoren: Rauschunsicherheit und Korrelation
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 3|19
Inhalt
1. Cognitive Radio: Motivation und Definition
2. Spectrum Sensing: Aufgabe, Neyman-Pearson und Rauschunsicherheit
3. Hergeleitete Detektoren: Rauschunsicherheit und Korrelation
4. Simulationsergebnisse: Performance und Probleme
5. Messergebnisse: Bestätigung der Simulation und Modell des Rauschens
6. Fazit
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 4|19
Cognitive Radio
Problem: schlechte Auslastung des Spektrums„Two days of Spectrum Use in Europe“ Aachen, Hannover, Krefeldmaximal 7% bei 30 Mhz bis 3 GHz
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 4|19
Cognitive Radio
Problem: schlechte Auslastung des Spektrums„Two days of Spectrum Use in Europe“ Aachen, Hannover, Krefeldmaximal 7% bei 30 Mhz bis 3 GHz
Lösung: Dynamic Spectrum Access mit Cognitive Radio
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 4|19
Cognitive Radio
Problem: schlechte Auslastung des Spektrums„Two days of Spectrum Use in Europe“ Aachen, Hannover, Krefeldmaximal 7% bei 30 Mhz bis 3 GHz
Lösung: Dynamic Spectrum Access mit Cognitive Radio
Hier: Primary User mit Lizenz Secondary User ohne Lizenz
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 5|19
Spectrum Sensing
Hypothese H0: x[k] = w[k]Hypothese H1: x[k] = w[k] + s[k]
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 5|19
Spectrum Sensing
Hypothese H0: x[k] = w[k]Hypothese H1: x[k] = w[k] + s[k]
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 6|19
Spectrum Sensing
Ziel 1: Obergrenze für probability of false alarmmindeste Auslastung des Spektrums
Ziel 2: maximale probability of detectionwenig Interferenz SU und PU
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 6|19
Spectrum Sensing
Ziel 1: Obergrenze für probability of false alarmmindeste Auslastung des Spektrums
Ziel 2: maximale probability of detectionwenig Interferenz SU und PU
Mittel: Neyman-Pearson Detektor
Bedingungen: Rauschunsicherheit und Korrelationii xf )(
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 7|19
Spectrum Sensing
Widrige Bedingung: Noise Uncertainty• nichtideales thermisches Rauschen• Nichtlinearitäten• Filterungen• unbeabsichtige Signale von außen
GenaueRauschverteilung
unbekannt!
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 7|19
Spectrum Sensing
Widrige Bedingung: Noise Uncertainty• nichtideales thermisches Rauschen• Nichtlinearitäten• Filterungen• unbeabsichtige Signale von außen
GenaueRauschverteilung
unbekannt!
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 8|19
Hergeleitete Detektoren
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 9|19
Hergeleitete Detektoren
Detektor 1:
Schwellwertausdruck bekannt
N
iixp
1
2
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 9|19
Hergeleitete Detektoren
Detektor 1:
Schwellwertausdruck bekannt
Detektor 2:
N
iixp
1
2
xIxx ns
TN
ii
n
12
1
222
1
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 9|19
Hergeleitete Detektoren
Detektor 1:
Schwellwertausdruck bekannt
Detektor 2:
N
iixp
1
2
xIxx ns
TN
ii
n
12
1
222
1
Energie
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 9|19
Hergeleitete Detektoren
Detektor 1:
Schwellwertausdruck bekannt
Detektor 2:
Schwellwertausdruck unbekannt
N
iixp
1
2
xIxx ns
TN
ii
n
12
1
222
1
Energie Korrelation
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 10|19
Hergeleitete Detektoren
Detektor 3:
Noise Uncertainty Model: sondern
N
iixp
1
2
n 1
,1
Nfn
.constn
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 10|19
Hergeleitete Detektoren
Detektor 3:
Noise Uncertainty Model: sondern
N
iixp
1
2
n 1
,1
Nfn
.constn
211
21 42
221
3 ccerfcc
cc
eecpf
ccc
o
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 11|19
Hergeleitete Detektoren
Detektor 4: Rauschunsicherheit und Korrelation
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 11|19
Hergeleitete Detektoren
Detektor 4: Rauschunsicherheit und Korrelation
Annahme 1:
1
1
1
1
21
2
1
2
NNN
N
N
ppp
ppp
ppp
ppp
'2sns SNR
SNRn2
Korrelation
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 11|19
Hergeleitete Detektoren
Detektor 4: Rauschunsicherheit und Korrelation
Annahme 1:
1
1
1
1
21
2
1
2
NNN
N
N
ppp
ppp
ppp
ppp
'2sns SNR
SNRn2
n 1
Korrelation
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 12|19
Hergeleitete Detektoren
Detektor 4: Rauschunsicherheit und Korrelation
Annahme 2: Eigendekomposition der Samples
N
iin
N
ii
yR
yB
RB
RB
B
B
1
2
1
20
020
2
020
2
4
2
1
2
1
2121
ii yx
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 13|19
Simulationsergebnisse
Idealfall: keine Rauschunsicherheit
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 13|19
Simulationsergebnisse
Idealfall: keine Rauschunsicherheit
N=1000, keine Korrelation
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 13|19
Simulationsergebnisse
Idealfall: keine Rauschunsicherheit
N=1000, keine Korrelation N=1000, starke Korrelation
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 14|19
Simulationsergebnisse
Rauschunsicherheit: Detektor 1 und 2 versagen
N=1000, keine Korrelation N=1000, starke Korrelation
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 15|19
Simulationsergebnisse
Det. 3 unter Rauschunsicherheit: keine SNRW
N=10000 N=20000
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 16|19
Simulationsergebnisse
Det. 4 unter Rauschunsicherheit:
N=1000, mittlere NU N=1000, starke NU
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 17|19
Messergebnisse
Aufbau und Ablauf:
Primary User:• Agilent E4438C
Secondary User:• Tek. RSA 6114A
Noise Uncertainty:• USRP2
Aufbau und Ablauf:
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 17|19
Messergebnisse
Aufbau und Ablauf:
Primary User:• Agilent E4438C
Secondary User:• Tek. RSA 6114A
Noise Uncertainty:• USRP2
Aufbau und Ablauf:
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 18|19
Messergebnisse
USRP2-Rauschen: sehr gut darstellbar durch Modell
Samples ix
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 18|19
Messergebnisse
USRP2-Rauschen: sehr gut darstellbar durch Modell
Samples Energie ix p
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 19|19
Fazit
Korrelation: • kann in Modell einbezogen werden• sehr hohe Performanceverbesserung bei
Detektor 2 und Detektor 4• Nachteil: sehr hoher Rechenaufwand wegen
Matrixoperationen
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit 19|19
Fazit
Korrelation: • kann in Modell einbezogen werden• sehr hohe Performanceverbesserung bei
Detektor 2 und Detektor 4• Nachteil: sehr hoher Rechenaufwand wegen
MatrixoperationenRauschunsicherheit:
• muss in Modell einbezogen werden, sondern scheitern Detektoren
• vorgeschlagenes Modell geschlossen lösbar und allgemein anwendbar (-> mehr Tests)
top related