Multiple Antenna Spectrum Sensing Based on GLR Detector in Cognitive Radios

Abstract

Öz Bilindiği gibi, çok antenli Bilişsel Radyo sistemleri için özdeğer tabanlı spektrum algılama yöntemleri algılanacak sinyale ilişkin önceden hiçbir bilgi gerektirmemesi nedeni ile oldukça tercih edilen bir yöntemdir. Bunun yanısıra özdeğer tabanlı algılama yöntemleri genellikle gürültü belirsizliği faktöründen en az etkilenen yöntemlerdir. Özdeğer tabanlı algılama yöntemlerinde algılama performansı, test istatistiğinin doğru hesaplanmasına ve eşik değerine bağlıdır. Bu çalışmada genelleştirilmiş en çok olabilirlik tabanlı algılama(Generalized Likelihood Ratio Detection-GLRD) yöntemlerinde farklı eşik değerlerinin performans değerlendirilmesi amaçlanmıştır. Eşik değeri hesaplanırken, Wishart matrisleri için farklı olasılık dağılım fonksiyonları kullanılarak yanlış algılama olasılığı (Pfa) ve eşik değeri teorik olarak verilmiştir. Benzetim çalışmaları, MIMO-OFDM sistemleri için gürültü belirsizliği altında gerçekleştirilmiştir. Ayrıca benzetim çalışması sonuçlarında en yaygın spektrum algılama yöntemlerinden olan enerji algılamaya da yer verilmektedir. Yapılan benzetim çalışmaları farklı gürültü seviyeleri için verilmektedir. Alınan sonuçlara göre iyileştirilmiş GLRD yönteminin başarılı sonuçlar verdiği gözlenmiştir.

Negatif Olmayan Matris Ayrıştırma Yöntemlerinde Fetal Elektrokardiyogram İşaretin Ayrıştırılması

“…Güç elektroniğinde harmoniklerin analizi için kör kaynak ayrıştırma algoritmaları ile bir çalışma yapılmıştır (De Oliveira et al, 2021). Ayrıca haberleşme alanında gürültü içinde bulunan haberleşme işaretlerinin belirlenmesi için de yapılan çalışmalar literatürde mevcuttur (Çiflikli & Ilgin, 2020;Ilgin, 2020). EKG sinyallerini net şekilde elde etmek ve çeşitli kaynaklardan gelen gürültüyü bastırmak için farklı bir çalışma yapılmış (Mohebbian et al, 2020) ve diğer bir kör kaynak ayrıştırma çalışmasında ise otonom araç uygulamaları için "aktif işaret tabanlı sürücü ses ayırma" sistemi (Choi et al, 2021) üzerine farklı alanlarda çalışmalar yapılmıştır.…”

Wishart Matris’lerinde En Büyük Özdeğer Olasılık Dağılım Fonksiyonlarının Karşılaştırılması

“…Rassal matrislerin özdeğer dağılımları ve bu dağılımların kapalı fonksiyonları, haberleşme sistemleri, haberleşme kanallarının kapasite hesapları ve birçok hipotez testleri için kullanılmaktadır 2020). Bunların yanı sıra Wishart ve Gauss dağılımlı rassal matrislerinin en büyük özdeğerlerinin dağılımı, temel bileşen analizi de dahil olmak üzere çok değişkenli veri analizi alanında önemli rol oynaktadır (Edelman, 2005;Johnstone, 2001).…”