WIDEBAND SPECTRUM SENSING PADA

COGNITIVE RADIO DENGAN DETEKSI ENERGI

Oleh :

(1)
Chaeriah Wael
(2)
Wirawan
Laboratorium Komunikasi dan Multimedia
Jurusan Teknik Elektro ITS



Seminar Nasional Pascasarjana XII
12 Juli 2012
ITS - Surabaya


Latar Belakang
2
Spectrum
Sensing
Wideband
Spectrum sensing
Cognitive
Radio
- Keterbatasan spektrum
- Utilitas spektrum berlisensi
yang rendah
Signal space
Lebar

Practical
mudah

Sampling rate
rendah

- Semakin lebar frekuensi monitor, efisiensi spektrum
semakin tinggi
- Frekuensi operasi yang lebar membutuhkan ADC
resolusi dan laju sampling yang tinggi juga dynamic
range yang lebar.

Cognitive Radio
Cognitive cycle



3
Channel
Capacity
Primary User Detection
RF
Stimuli
Spectrum Hole
Spectrum
Sharing
Spectrum
Sensing
Spectrum
Decision
Radio Environment
Spectrum
Mobility
Decision Request
Transmitted Signal
We are here!
Spectrum Sensing
4
Tujuan :
Memonitor band spektrum,
capture informasi band
spektrum dan mendeteksi
spectrum hole.
Spectrum Sensing
Teknik spektrum sensing :
5
Spectrum Sensing
Cooperative
detection
Interference-
based detection
Energy
detection
Matched filter
detection
Cyclostationary
feature detection
Primary
Transmitter
detection
Primary
Receiver
detection
Metode lain
Model Sistem
Blok diagram


Model sinyal
6
Sub-Nyquist
Sampling
Rekonstruksi
sinyal
Deteksi

f
1
f
2
0

f
N
f
nyq
/2

-f
nyq
/2


f
N-1

N
i
i i
t f Bt c B E t x
1
) 2 ( cos ) ( sin ) (
MWC Sampling
7
x(t)
p
1
(t)
h(t)

t = nT
s
y
1
[n]
h(t)

p
i
(t)
y
i
[n]
h(t)
p
m
(t)
y
m
[n]
Mixing function p
i
(t)
Rekonstruksi Sinyal
8
Q = VV
H
V = AU S = supp(U
0
)
Blok CTF
] [ ] [ =

- = n
n y n y Q
T
y(f) = Az(f)
V = AU
kontinyu
finite
Analog
back-and
Proses realtime
Recovery
support
] [
] [
= ] [
1
n y
n y
n y
m

) (

t x
Deteksi spektrum kosong & recovery
CTF
Hitung matriks korelasi R
Dekomposisi R = VV
H
Selesaikan persamaan linear
(MMV) : V = AU untuk
memperoleh solusi yang paling
sparse dari U
0

Himpunan indeks spektral adalah
k = I(U
0
), dimana I(U
0
) adalah
support dari U
0
yang
menunjukkan baris U
0
yang tidak
nol

9
Algoritma 3.1 : OMP
Inisialisasi : Iterasi (t) = {}, Residual (r) = V, support (S) = {}
Input : jumlah iterasi, threshold
Diulangi sampai memenuhi kriteria untuk berhenti :
- Proses matcing :
- Update support dan A
it
:



- Least square
- Update residu : r
t
= V - AU
t

Stop jika :
- Iterasi = jumlah iterasi yang diinputkan
- threshold

Performansi Rekonstruksi Sinyal

Sukses Recovery vs. SNR & jumlah
kanal
Recovery support sinyal
sempurna pada SNR 5 dB untuk
hampir semua jumlah kanal
Pada SNR -5 dB, recovery secara
sempurna terjadi pada jumlah
kanal di atas 50
10
Performansi Rekonstruksi Sinyal

MSE vs. Jumlah kanal
Semakin besar jumlah kanal
berarti jumlah sampel lebih
banyak. Dengan jumlah sampel
lebih banyak, error rekonstruksi
semakin kecil sehingga nilai MSE
juga semakin kecil. Semakin tinggi
SNR, maka MSE semakin kecil.
11
20 25 30 35 40 45 50
0
0.5
1
1.5
2
2.5
jumlah kanal/m
M
S
E


SNR = -5dB
SNR = 0dB
SNR = 5dB
SNR = 10dB
Deteksi Energi
12
Model BHT :


Tes statistik :


Decision rule :



Threshold (algoritma DA):

Analisa Performansi Deteksi Energi
P
d
dan P
f
simulasi :




Dengan

13
Keterangan :
P
d
: probabilitas deteksi
P
f
: probabilitas false alarm
d
l
: metrik support sinyal

Performansi Deteksi Sinyal
14
Nilai P
d
meningkat seiring dengan meningkatnya SNR.
Pada SNR = -5 dB, P
d
bernilai 1 yang berarti proses
deteksi telah dilakukan secara sempurna. Di lain pihak,
nilai P
f
akan menurun seiring dengan meningkatnya SNR
-10 -8 -6 -4 -2 0 2 4 6 8 10
0.82
0.84
0.86
0.88
0.9
0.92
0.94
0.96
0.98
1
SNR
P
d
-10 -8 -6 -4 -2 0 2 4 6 8 10
0.06
0.065
0.07
0.075
0.08
0.085
0.09
SNR
P
f
REFERENSI



15
- I. F. Akyildiz, W. Y. Lee, M. C. Vuran, and S. Mohanty, Next generation/dynamic spectrum
access/cognitive radio wireless networks: a survey, Computer Networks Journal, vol. 50, no. 13,
pp. 21272159, 2006.
- Z. Quan, S. Cui, A. Sayed, and H. Poor, Optimal multiband joint detection for spectrum sensing
in cognitive radio networks, IEEE Trans.Sig. Processing, vol. 57, no. 3, pp. 1128 1140, Mar. 2009.
- B. Farhang-Boroujeny, Filter bank spectrum sensing for cognitive radios, IEEE Trans. Sig.
Processing, vol. 56, no. 5, pp. 1801 1811, 2008.
- Z. Tian and G. B. Giannakis, A wavelet approach to wideband spectrum sensing for cognitive
radios, in Proc. 1st CrownCom, 2006, pp. 15.
- Z. Tian and G.B Giannakis, Compressed sensing for wideband cognitive radios, IEEE
International Conference on Acoustics, Speech and Signal Processing, vol. 4, pp. IV-1357-IV-
1360, apr 2007.
- Y. L. Polo, Y. Wang, A. Pandharipande, and G. Leus, Compressive wide-band spectrum
sensing, in Proc. IEEE ICASSP, 2009, pp. 23372340.
- M. Mishali and Y.C. Eldar, Blind multiband signal reconstruction : compressed sensing for analog
signals, IEEE Trans. Signal Process., vol 57, no. 3, pp. 993-1009, mar. 2009.
- M. Mishali and Y. C. Eldar, From theory to practice: Sub-Nyquist sampling of sparse wideband
analog signals, IEEE J. Sel. Topics Signal Process., vol. 4, no. 2, pp. 375391, Apr. 2010.
- H. Urkowitz, Energy detection of unknown deterministic signals, Proc. of the IEEE, vol. 55, no. 4,
pp. 523531, Apr. 1967. [3] V. Kostylev, Energy detection of a signal with random amplitude, in
Proc. IEEE ICC02, pp. 16061610.
- X. Yang, Q. Cui, R. Yang, X. Tao, X. Guo, A Novel Wideband Spectrum Sensing System for
Distributed Cognitive Radio Networks, in Proc. IEEE WCNC, pp.1903-1908, 2011.


Thank You