Herleitung des optimalen Detektors für Spectrum Sensing in Cognitive Radio unter Rauschunsicherheit

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)