| Summary: | A primeira parte desta Dissertação consiste da análise de várias técnicas de sensoriamento espectral (SS, spectrum sensing), tais como, detector de energia (ED, energy detector), filtro casado (MF, matched filter), detector cicloestacionário, detector de autovalores e detector baseado na covariância, todos aplicáveis ao SS em banda única (SB, single-band). Resultados numéricos permitem uma compara ção justa entre os detectores analisados considerando aplicações de sensoriamento espectral monobanda. Para SS em sistemas multibanda (MB, multi-band), há diversas técnicas que vêm sendo desenvolvidas nos últimos anos, tais como, sensoriamento de borda (edge) baseado em wavelets (WSS, wavelet spectrum sensing), compressed sensing (CS) e direction of arrival (DoA). Finalmente, para lidar com a agressividade do canal sem fio móvel, esquemas cooperativos podem ser utilizados em conjunto com rádio cognitivo (CR, cognitive radio). Os mais conhecidos protocolos para comunicação assistida por retransmissores ( relays) são o protocolo AF (amplify-and-forward) e o protocolo DF (decode-and-forward) empregados no relay e também aqueles que empregam combinações de sinais, tais como, soft combining, que podem ser MRC (maximal ratio combining) e EGC (equal gain combining) empregados no receptor e hard combining baseados em regras de escolha, tais como, AND, OR e majority. Na segunda parte deste trabalho é desenvolvida a solução de um problema de otimização que permite reduzir o tempo de sensoriamento (STO, sensing time optimization) e como resultado aumentar a vazão de um usuário secundário (SU, secundary user). O problema de otimização resultante é um problema côncavo e não linear (NLP, nonlinear program), que pode ser resolvido analiticamente e de forma direta. Resultados numéricos permitiram corroborar o tratamento de otimização analítico proposto. Na terceira parte deste trabalho, uma técnica de sensoriamento espectral cooperativo (CSS, cooperative spectrum sensing), chamada regra de consenso com pesos melhorada (IWAC, improved weighted average consensus) foi proposta sob a forma de regras de consenso, que permite o desenvolvimento de soluções distribuídas em vez de soluções centralizadas (utilizando regra de combinação hard ou soft), sendo que a última abordagem requer uma central de fusão (FC, fusion center). A técnica de consenso IWAC permite que o CSS local troque informações entre os SUs vizinhos e também leva em consideração a própria condição de canal do SU, obtendo-se assim vantagens sobre o CSS centralizado, e performance parecida com os demais CSS decentralizados baseados em regras de consenso existentes na literatura, tais como, consenso médio (AC, average consensus), consenso médio com pesos (WAC, weighted average consensus) e o consenso médio com pesos acurado (WAC-AE, weighted average consensus - accuracy exchange), boa velocidade de convergência para o mesmo custo computacional entre as regras com peso, porém com perda marginal de desempenho em alguns cenários específicos. === The first part of this work consists of analyzing of various spectrum sensing (SS) techniques, such as energy detector (ED), matched filter (MF), cyclostationary detector, eigenvalue detector and covariance detector, all applied to single band spectrum sensing (SB-SS) systems. Numerical results allow the comparison between SB detectors. For SS in multiband systems (MB-SS), there are several techniques that have been developed in recent years, such as edge sensing based on wavelets (WSS), compressed sensing (CS) and direction of arrival (DoA). Finally, to deal with the aggressiveness of the wireless channel, cooperative SS schemes can be used in combination with cognitive radio (CR). The well-established cooperative protocols are those that use one or more relays with one hop, namely AF protocol and DF protocol and also those that employ combinations of signals, such as soft combining (MRC and EGC) and hard combining (AND, OR and majority). In the second part, it is presented the formulation and solution of a concave optimization problem that allows to reduce the sensing time (STO); as a result the proposed algorithm is able to increase the throughput of a secondary user (SU). Indeed, the formulated problem is a concave nonlinear optimization program (NLP). Numeric results allow one to check the solutions presented. In the third part of this paper, a Cooperative Spectral Sensing (CSS) technique called improved weighted average consensus (IWAC) was developed in the form of consensus rules, which allows the development of distributed solutions rather than centralized solutions (using the hard or soft combining rule), the latter approach requires a central of decisions (FC, fusion center). The IWAC consensus technique allows the local CSS to exchange information between neighboring SUs and also takes into account the SU channel condition itself, thus gaining advantages over the centralized CSS and similar performance to consensus-based decentralized CSS in the literature, such as, average consensus (AC), weighted average consensus (WAC) and weighted average consensus - accuracy exchange (WACAE), such as good convergence velocity for same computational cost among the rules with weight, but with a marginal performance loss under specific scenarios.
|
|---|
