Parallel multi-channel detection: A practical solution to energy detection of heterogeneous wideband spectrum

Abstract

This article proposes a solution that can extend the capability of traditional energy detector to wideband sensing with improved performance. The solution involves the use of parallel detection circuitry with each tuned to different frequencies. The decision of each detection circuit can then be used to create a spectral map of the entire spectrum. This introduces some resolution component and improved sensitivity based on the number of parallel circuits and bandwidth of each detection circuit. Since the bandwidth of the incumbent signal is generally not known a priori, there is possibility that it spans across multiple detectors. The detection of such wideband signal can be achieved by either data or decision fusion of the results of each narrowband detector. We show that the use of parallel multichannel detection can greatly enhance the detection of wideband signal compared to averaging while improving the resolution and sensitivity of energy detection of wideband spectrum. Further performance improvement can be achieved through the use of diversity reception on each narrow band detectors. Numerical results have been shown for representative cases and careful review of previous works reveals that these have never been considered in literature.

Sensado de Espectro Local de Banda Ancha para Radios Cognitivos Multi-antena basado en Compleción de Matrices y Muestreo Sub-Nyquist Uniforme en el Dominio Disperso

“…Para evaluar el desempeño del algoritmo de sensado de espectro propuesto, se utilizan como métricas la probabilidad de falsa alarma, la probabilidad de omisión de detección y la probabilidad de detección; analizadas en función de la cantidad de componentes recuperadas en la señal estimada mediante el algoritmo de reconstrucción propuesto y en función de la relación señal a ruido de la multibanda generada, comparadas con las métricas obtenidas de los algoritmos propuestos en Pandharipande y Linnartz (2007), P. Wang et al (2010), P. Wang et al (2015), Li et al (2015), Olabiyi y Annamalai (2012a, 2012b, Sun et al (2015), Tian (2008), Haque et al (2015) y Wang et al (2015); los resultados obtenidos se muestran en las Fig. 5 y 6.…”

“…5 se observa el desempeño del algoritmo propuesto contra el desempeño del detector de energía secuencial basado en muestreo Nyquist propuestos por Olabiyi y Annamalai (2012a, 2012b, y contra otros algoritmos basados en sensado compresivo propuestos por Tian (2008), Haque et al (2015), W. Sun et al (2015) y Y. Wang et al (2015); en la figura se puede apreciar que el desempeño de los algoritmos propuestos por Olabiyi y Annamalai (2012a, 2012b, Sun et al (2015), Tian (2008), Haque et al (2015) y Wang et al (2015) es inferior al alcanzado por el algoritmo propuesto, en función de la probabilidad de detección, de la misma forma se aprecia la probabilidad de detección para el algoritmo propuesto es aproximadamente igual a 1 para valores de SNR superiores a 0dB, obteniendo solo mejores desempeños los algoritmos propuestos por Pourgharehkhan et al (2015) y Li et al (2015) los cuales realizan sensado de espectro de banda angosta en sistemas de múltiples antenas que operan a tasas de muestreo iguales o superiores a la tasa de Nyquist. En la Fig.…”

Sondeo compresivo aplicado a la detección eficiente de espacios en blanco en señales multibanda - validación metodológica

“…Para evaluar el desempeño del algoritmo de sondeo de espectro propuesto, se utilizan como métricas la probabilidad de falsa alarma, la probabilidad de omisión de detección y la probabilidad de detección, analizadas en función de la cantidad de componentes recuperadas en la señal estimada mediante el algoritmo de reconstrucción propuesto y en función de la relación señal a ruido de la multibanda generada, el ruido que como se indicaba anteriormente es de tipo blanco gaussiano generado de manera aleatoria con una distribución normal de media cero y varianza igual a la energía de símbolo acerca de la relación señal a ruido (SNR) objetivo, de esta forma las curvas de las Figuras 10, 11 y 12 se obtienen a partir de realizar 1.000 corridas de simulación por punto (con el objetivo de reducir la varianza de los resultados de simulación) y un número de simulaciones equivalentes a la cantidad de puntos a graficar, variando en cada simulación (cada 1.000 corridas) la SNR en pasos de 2 y la dispersión en pasos de 10, adicionalmente se hace uso de las curvas de la Característica Operacional del Receptor (ROC) a partir de los valores obtenidos de probabilidad de detección y falsa alarma para una SNR de 1dB, comparadas con las métricas obtenidas del algoritmo de detección de energía secuencial [15][16], y los algoritmos basados en sondeo compresivo propuestos por, Haque [17], Sun [18] y Wang [19].…”

“…En la Figura 12 se observa el desempeño del algoritmo propuesto en función de la probabilidad de detección contra el desempeño del detector de energía [15][16] y contra el desempeño de los algoritmos basados en sondeo compresivo propuestos en [17][18][19]. En dicha figura se puede apreciar que el desempeño del algoritmo propuesto mejora significativamente el Figura 10.…”

“…Por consiguiente, el aporte del presente trabajo es proponer un algoritmo basado en sondeo compresivo que permite validar la metodología propuesta en [12] y realizar la función de sondeo de espectro de banda ancha minimizando la cantidad de muestras a procesar, presentando un desempeño superior en términos de las probabilidades de detección, falsa alarma y omisión de detección al obtenido en [15][16][17][18][19]; esto genera un aporte significativo en la reducción de la carga computacional requerida para la implementación de CR, haciendo que el usuario cognitivo tenga una conciencia más amplia del espectro disponible y de esta manera pueda aprovechar una mayor cantidad de oportunidades espectrales y, por lo tanto, alcanzar mayores tasas de transferencia de información o satisfacer las requeridas.…”