Phydyas 09 fFilter Bank Multicarrier (FBMC): An Integrated Solution to Spectr...
Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit
1. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit
- Bachelorarbeit -
Maxim Penner
Elektro- und Informationstechnik
1|1914. Januar 2014
Leibniz Universität Hannover
Institut für Kommunikationstechnik
Kolloquium
2. 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
3. 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. 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
5. 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, Krefeld
maximal 7% bei 30 Mhz bis 3 GHz
6. 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, Krefeld
maximal 7% bei 30 Mhz bis 3 GHz
Lösung: Dynamic Spectrum Access mit
Cognitive Radio
7. 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, Krefeld
maximal 7% bei 30 Mhz bis 3 GHz
Lösung: Dynamic Spectrum Access mit
Cognitive Radio
Hier: Primary User mit Lizenz
Secondary User ohne Lizenz
8. 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]
9. 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]
10. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 6|19
Spectrum Sensing
Ziel 1: Obergrenze für probability of false alarm
mindeste Auslastung des Spektrums
Ziel 2: maximale probability of detection
wenig Interferenz SU und PU
11. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 6|19
Spectrum Sensing
Ziel 1: Obergrenze für probability of false alarm
mindeste Auslastung des Spektrums
Ziel 2: maximale probability of detection
wenig Interferenz SU und PU
Mittel: Neyman-Pearson Detektor
Bedingungen: Rauschunsicherheit und Korrelation
ii xf )(
12. 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
Genaue
Rauschverteilung
unbekannt!
13. 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
Genaue
Rauschverteilung
unbekannt!
14. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 8|19
Hergeleitete Detektoren
15. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 9|19
Hergeleitete Detektoren
Detektor 1:
Schwellwertausdruck bekannt
N
i
ixp
1
2
16. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 9|19
Hergeleitete Detektoren
Detektor 1:
Schwellwertausdruck bekannt
Detektor 2:
N
i
ixp
1
2
xIxx ns
T
N
i
i
n
12
1
2
22
1
17. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 9|19
Hergeleitete Detektoren
Detektor 1:
Schwellwertausdruck bekannt
Detektor 2:
N
i
ixp
1
2
xIxx ns
T
N
i
i
n
12
1
2
22
1
Energie
18. 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
i
ixp
1
2
xIxx ns
T
N
i
i
n
12
1
2
22
1
Energie Korrelation
19. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 10|19
Hergeleitete Detektoren
Detektor 3:
Noise Uncertainty Model: sondern
N
i
ixp
1
2
n
1
,
1
Nf
n
.constn
20. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 10|19
Hergeleitete Detektoren
Detektor 3:
Noise Uncertainty Model: sondern
N
i
ixp
1
2
n
1
,
1
Nf
n
.constn
21
1
2
1 42
2
21
3
ccerfc
c
c
c
e
ecpf
cc
c
o
21. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 11|19
Hergeleitete Detektoren
Detektor 4: Rauschunsicherheit und Korrelation
22. 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
'2
sns SNR
SNRn
2
Korrelation
23. 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
'2
sns SNR
SNRn
2
n
1
Korrelation
24. 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
i
in
N
i
i
yR
yB
RB
RB
B
B
1
2
1
2
0
0
2
0
2
0
2
0
2
4
2
1
2
1
2121
ii yx
25. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 13|19
Simulationsergebnisse
Idealfall: keine Rauschunsicherheit
26. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 13|19
Simulationsergebnisse
Idealfall: keine Rauschunsicherheit
N=1000, keine Korrelation
27. 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
28. 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
29. 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
30. 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
31. 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:
32. 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:
33. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 18|19
Messergebnisse
USRP2-Rauschen: sehr gut darstellbar durch Modell
Samples ix
34. Herleitung des optimalen Detektors für Spectrum
Sensing in Cognitive Radio unter Rauschunsicherheit 18|19
Messergebnisse
USRP2-Rauschen: sehr gut darstellbar durch Modell
Samples Energieix p
35. 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
36. 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
Rauschunsicherheit:
• muss in Modell einbezogen werden, sondern
scheitern Detektoren
• vorgeschlagenes Modell geschlossen lösbar
und allgemein anwendbar (-> mehr Tests)