15.

februar 2014
UNIVERZITET U SARAJEVU
ELEKTROTEHNIKI FAKULTET
ODSJEK ZA TELEKOMUNIKACIJE











Sistematizacija profila kognitivnog radija
Predmet: Sistemski aspekti u telekomunikacijama












Student Broj indeksa
1. Muharem orbadi 517/14927
2. Faruk Dui 650/15093


2
SADRAJ
Uvod ..................................................................................................................................... 3
1. Princip kognitivnog radija ........................................................................................... 4
2. Principi i metode upravljanja frekvencijskim resursima kod kognitivnog radija ..... 7
2.1. Tanost detektovanja primarnih korisnika ...............................................................10
2.1.1. Detekcija primarnih predajnika na osnovu energije .........................................12
2.1.2. Detekcija na osnovu temperature interferencije ...............................................13
2.1.3. Detekcija prilagodnim filterom .........................................................................13
2.1.4. Detekcija na osnovu primarnih karakteristika signala ......................................14
3. BER Rezultati simulacijskog model ........................................................................16
4. Spektralna efikasnost .................................................................................................18
4.1. Spektralna efikasnost u zavisnosti angaovanih rjeenja .......................................20
5. Sinhronizacija u kognitivnim radio mreama ............................................................23
5.1. Sinhronizacija u radiodifuznim kognitivnim radio sistemima ....................................23
6. Simulacija sinhronizacije u kognitivnom radiju ........................................................25
6.1. Rezultati simulacije za Vremensku Sinhronizaciju izmeu primarnog i sekundarnog
prijenosa ...........................................................................................................................25
6.2. Rezultati simulacije za korekciju frekvencijskog pomaka u prijenosu ......................25
7. Teorija igara .................................................................................................................29
7.1. Osnovni pojmovi .....................................................................................................29
7.2. Optimizacija modela koritenjem teorije igara .........................................................30
7.3. Modeli igara............................................................................................................31
8. Literatura......................................................................................................................39
Dodaci .................................................................................................................................40
A. Matlab kod za sinhronizaciju ......................................................................................40












3
Uvod
Termin kognitivni radio (eng. Cognitive Radio - CR) prvi je definisao Joseph Mitola 1999.
god. Danas je to posebno aktuelno istraivako podruje zahvaljujui potencijalu CR da rijei
mnoge od problema u funkcionisanju dananjih radio-komunikacionih sistema, od kojih je
najvaniji problem nedovoljne iskoritenosti radio-frekvencijskog (RF) spektra. Potreba za
CR generisana je kompleksnou radio-sistema. Postojanje softverski definisanog radija
(eng. Software Defined Radio-SDR) koji omoguava implementiranje praktino
neogranienog broja razliitih talasnih oblika sa razliitim modulacionim emama, nivoima
snage, kodovima za kontrolu greaka, noseim frekvencijama, itd. znai da upravljanje
radijom u ovom sluaju postaje problem kombinatorike optimizacije. Ovakvi problemi su
raunarski zahtjevni i vode do rjeenja baziranih na metaheuristici - optimizacionoj metodi
zasnovanoj na jednostavnoj pretrazi prostora sa potencijalnim rjeenjima voenoj od strane
entiteta sa viim nivoom. Primjena metaheuristike, koja esto vodi do uenja i inovacije,
karakteristika je metoda vjetake inteligencije. U ovoj oblasti postoji mnogo prostora za
multidisciplinarno istraivanje pa razvoj CR predstavlja jednu od najzanimljivijih oblasti radio-
komunikacija i telekomunikacionih sistema danas. Paradoks koji se javlja prilikom koritenja
RF spektra je da su sva prava i licence za koritenje su u potpunosti statiki dodijeljene ok
mjerenja pokazuju da veliki dio RF spektra (i u vremenskom i u geografskom domenu) ostaje
praktino neiskoriten.
Prema definiciji Mitole, CR tehnologija je taka u kojoj se spajaju beina tehnologija i
vjetaka inteligencija, a CR je definisan kao inteligentan radio koji ima podatke o RF
spektru, korisniku, kao i o radio okruenju. Zavisno od implementiranog stepena
inteligencije, odnosno nivoa kognitivnosti, CR se uobiajeno dijeli na dvije vrste: kognitivni
radio u irem smislu i kognitivni radio u uem smislu.
CR u irem smislu - idealni kognitivni radio (eng. ideal Cognitive Radio - iCR) ili tzv. Mitola
radio je radio koji se prilagoava svom korisniku i uslovima u kanalu, pa i mrei, odnosno
mrenom operateru. Ovakva kognitivnost podrazumijeva podjelu na devet modela ponaanja
od potpuno programiranog do samostalnog pronalaenja i predlaganja novih planova i
protokola komunikacije.
CR u uem smislu podrazumijeva manji nivo kognicije od iCR i prilagoava se samo
uslovima u kanalu, odnosno posmatra se kao sredstvo za ispunjenje cilja dinamikog
pristupa spektru.












4
1. Princip kognitivnog radija
Cilj jednog ovakvog ureaja je da se pronae nain da beini ureaji efikasnije dijele radio
frekvencijski spektar jer je oigledno problem u nainu na koji se spektar koristi. Veliki broj
studija o mjerenju nivoa koritenja spektra ukazuje na to da se spektar samo povremeno
koristi. Mala iskoritenost i porast zahtjeva za radio resursima ukazuju na potrebu
sekundarnog koritenja, koja omoguava da dio licenciranog spektra (primarni korisnici)
privremeno moe da se koristi od strane sekundarnih (ne-primarnih) korisnika tj. postane
raspoloiv za pruanje servisa ovim korisnicima. U tom cilju kognitivni radio omoguava
dinamiki pristup spektru od strane sekundarnih korisnika.
Primarni korisnici se definiu kao korisnici koji imaju vii prioritet ili regulatorna prava za
koritenje odreenog djela slobodnog spektra. Sekundarni korisnici imaju nii prioritet i
koriste spektar na nain da svojim radom u radijskoj komunikaciji ne uzrokuju interferenciju
primarnim korisnicima Slika 1. Posljedica toga je da sekundarni korisnici moraju imati
odreene kognitivne radijske sposobnosti kao to su algoritmi za detekciju slobodnog
spektra kako bi bili u mogunosti prilagoditi svoje radijske parametre prema koritenju
slobodnog djela spektra.

Slika 1. Implementacija kognitivnog radija (CR)
U evolutivnom smislu, kognitivni radio je zadnja karika u lancu razvoja radija, koja se moe
predstaviti emom: analogni (AM, FM) > digitalni (DAB, DRM, ....) > softverski definisan
(SDR) > kognitivni radio (CR) - Slika 2.

Slika 2. Tehnoloki kontinuum razvoja radija u optem smislu




5

Slika 3. Osnovne karakteristike tehnolokog kontinuuma razvoja kognitivnog radija
Koncept kognitivnog radija je potekao od Dr. Joseph Mitole, naunika iz agencije DARPA
(eng. Defense Advanced Research Projects Agency) u SAD. Ova agencija je u sklopu
Ministarstva odbrane SAD i zasluna je za razvoj novih tehnologija koje su u bitno izmijenile
svijet, poput raunarske mree (ARPANET, koja je kasnije prerasla u internet), osnove
globalnog pozicionog sistema (GPS), razvoj vjetake inteligencije (AI) i mnoge druge.
Koncept je prezentiran prvi put 1998. godine na seminaru KTH (vedski: Kungliga Tekniska
hgskolan) u okviru Royal Institute of Technology univerzitetu u Stokholmu. On se moe
definisati kao radio koji na osnovu interakcije sa okruenjem moe da mijenja parametre
prijenosa signala. Osnovne karakteristike koje proizilaze iz ovako definisanog radija su:
- Samostalno donoenje odluka i odluivanje u realnom vremenu u cilju iznalaenja
dijela slobodnog frekvencijskog spektra tokom vremena na nekoj lokaciji, a u cilju
privremenog koritenja, bez ometanja primarnih korisnika - Slika 4. Pronalaenje dijela
slobodnog frekvencijskog spektra u realnom vremenu (prikazani svi naini iznalaenja).
- Sposobnost samopodeavanja emisionih parametara bez modifikacija na samom
ureaju (u smislu hardvera). Ova osobina se naziva rekonfigurabilnost, a njeni
najvaniji parametri (koji se mogu podeavati ne samo pri uspostavi nego i tokom
same veze) su:
o Centralna radna frekvencija, koja se na osnovu podataka o okruenju
automatski odreuje i uspostavlja
o Tip modulacione tehnike koji se automatski uspostavlja u skladu sa
zahtjevima korisnika i uslova koji postoje u prijenosnom kanalu.
o Izlazna snaga emisionog ureaja koja se samopodeava na najmanju
potrebnu vrijednost za sigurnu komunikaciju, minimizirajui smetnju te
omoguavajui na taj nain pristup to veeg broja korisnika spektru.
o Mogunost interoperabilnosti izmeu razliitih tehnologija



6
Rekonfigurabilnost kognitivnog radija zasniva se na implementaciji softverski definisanog
radija (SDR, Software Defined Radio), kod kojeg se emisioni parametri (radna frekvencija,
zauzeta irina opsega, vrsta modulacije, itd.) mogu dinamiki kontrolisati. U tom smislu
softverski definisani radio je najvanija komponenta u implementiranju kognitivnog radija.
Kognitivni radio se elegantno moe definisati kao softverski definisani radio s vjetakim
intelektom, koji je u mogunosti da osjeti okolinu i da odreaguje na nju (Virginia Polytechnic
Institute and State University, USA). Ili, jo jednostavnije - to je softverski definisani radio koji
ima dodatnu mogunost kognitivnosti. Softver na kojem se zasniva kognitivnost, uglavnom je
zasnovan na Java 2, Micro Edition (J2ME), (dizajniran za mobilne komunikacije) i Python,
koji predstavljaju objektivno orijentisane programske jezike.
Kognitivni rado je osposobljen da korespondira sa ureajima iz njegovog okruenja.
Licencirani korisnici dobivaju prioritet ali svi ostali ureaji mogu slobodno dijeliti spektar
meusobno. Korespondencija sama po sebi zauzima odreeni dio spektra. Zbog toga se
koristi skup pravila baziranih na teoriji igara (matematikom modeliranju koje se koristi u cilju
iznalaenja optimalnog rjeenja za odreeni problem) i programira softver koji omoguava
ureajima da prate ova pravila. Umjesto da svaki ureaj govori svom ureaji u okolini ta
radi, jednostavnije je osmatranje ili oslukivanje susjednih ureaja da bi se ustanovilo da li
oni trenutno vre prijenos i na osnovu toga kognitivni radio donosi sopstvenu odluku.



















7
2. Principi i metode upravljanja frekvencijskim resursima kod
kognitivnog radija
Pronalaenje dijela slobodnog frekvencijskog spektra tokom vremena na nekoj lokaciji, bez
ometanja primarnih korisnika (zauzeti dio spektra dat je u gornjem lijevom uglu), prikazano je
na Slika 4. Pronalaenje dijela slobodnog frekvencijskog spektra u realnom vremenu tj. (odozgo na
dole, u pravcu kretanja kazaljke na satu). U svim sluajevima prikazana su dva zauzeta
frekvencijska opsega za primarne (licencirane) korisnike, dok su za kognitivni radio
namijenjeni opsezi a, b, c i d. Za pronalaenje dijela slobodnog frekvencijskog spektra
u realnom vremenu su sljedei metodi:
- Pomjeraj po frekvenciji.
- Adaptacija zauzete irine frekvencijskog opsega.
- Dinamiki OFDM.
- Dinamiko direktno proirenje spektra
- Dinamiki frekvencijski hooping s proirenjem spektra.

Slika 4. Pronalaenje dijela slobodnog frekvencijskog spektra u realnom vremenu
Osnovni zadaci (u upravljanju spektrom) kognitivnog radija su:
1. Izbjegavanje interferencije, tj. kognitivni korisnici ne smiju predstavljati interferenciju
licenciranim (primarnim) korisnicima.
2. Da bi se odabrao odgovarajui dio spektra, kognitivni radio mora da podrava
svjesne komunikacije parametra imajui u vidu dinamino i heterogeno radio
okruenje (eng. QoS awareness)
3. Kognitivni radio mora obezbjediti neprekidnu sopstvenu komunikaciju nezavisno od
pojave primarnih korisnika (eng. Seamless komunikacija).
Proces upravljanja spektrom kognitivnog radija ine 4 glavna koraka:


8
1. Detekcija slobodnih segmenata spektra (spektralnih praznina) kojima mogu pristupiti
kognitivni korisnici - (SS, eng. Spectrum sensing). Praktino, ovo je najbitniji dio
upravljanja spektrom. Definie se kao proces iznalaenja raspoloivih segmenata
frekvencijskog spektra i/ili detekcije prisustva primarnih korisnika. Osim iznalaenja
slobodnih segmenata frekvencijskog spektra, ovim postupkom (Spectrum sensing)
obuhvaena je i analiza signala koji su zastupljeni u nekom djelu spektra, koja sadri
tip modulacije, opseg, centralnu uestanost, i druge parametre tih signala.

2. Izbor najboljeg slobodnog djela spektra (eng. Spectrum decision), od svih kandidata
koji su detektovani kao raspoloivi u prethodnom koraku (Spectrum sensing). Kada
se definie raspoloivi dio spektra (spektralna praznina), kae se da je to dio spektra
u licenciranom opsegu koji u odreenom vremenskom intervalu i na odreenoj
geografskoj lokaciji primarni korisnici (domaini) ne koriste.

3. Kako u realnoj situaciji moe postojati vie kognitivnih korisnika koji preferiraju na isti
segment frekvencijskog spektra, to je zadatak ovog postupka koordinacija pristupa
frekvencijskom spektru razliitih kognitivnih korisnika (eng. Spectrum sharing).

4. Kognitivni korisnici imaju status nezvanog gosta u licenciranim segmentima
frekvencijskog spektra. Stoga, ukoliko se tokom transmisije kognitivnog korisnika
pojavi primarni korisnik (domain), kognitivni korisnik mora napustiti taj dio spektra i
prei na neki drugi raspoloivi u tom trenutku odakle e nastaviti svoju transmisiju
(eng. Spectrum mobility). Mobilnost spektra je svaki put kada se tokom rada
kognitivnog korisnika detektuje prisustvo primarnog.
Prema tome, razmatraju se tri dimenzije spektralnog prostora:
- vrijeme,
- lokacija i
- frekvencija.
kao i druge dodatne dimenzije spektralnog prostora koje je potrebno da kognitivni ureaj
razmotri.
Kognitivni radio osmatra i analizira situaciju iz svog okruenja nastojei da shvati situaciju
u kojoj je potrebno ostvariti vezu. Na osnovu procjene hitnosti korisnike poruke
(orijentacija) uspostavlja se reim rada. U normalnom radnom reimu ureaj planira
resurse i razmjenjuje informacije sa mreom prije donoenja odluke. Nakon odluivanja
slijedi akcija tj. slanje poruke. Neodloan prioritet moe imati poruka prilikom ijeg
zahtjeva za slanje je, na primjer, dolo do iznenadnog gubitka napajanja i tada ciklus sa
orijentacije odmah prelazi na akciju. U drugoj situaciji, ukoliko je iz nekog razloga
iznenada prekinut do tada koriteni radio link (na primjer pri ulasku u zatvoreni prostor) radio
e hitno prei na neki drugi (skuplji i otporniji) link preskaui planiranje. Postupak predvia
uenje na osnovu sopstvenih iskustava ili saznanja dobivenih iz mree pri nadgledanju
spektra, planiranju i odluivanju. Ovaj postupak je prikazan na Slika 5. Kognitivni ciklus (Joseph
Mitola) (Joseph Mitola).


9

Slika 5. Kognitivni ciklus (Joseph Mitola)
Simon Haykin za razliku od Joseph Mitole, posmatra kognitivni ciklus na jedan drugi nain.
Dakle, nije rije o koracima koje zahtjeva svaka nova ekscitacija iz spoljanjeg svijeta, nego
je to neprekidan proces sa kljunim elementima, Slika 6.:
1. Analiza radio spektra i pronalaenje spektralnih praznina,
2. Odreivanje stanja kanala i procjena kapaciteta,
3. Kontrola snage predajnika i dinamiko dodjeljivanje spektra.
Ovaj jednostavni model ukazuje na to da pri radu mora postojati povratna informacija izmeu
prijemnika i predajnika. Zadatak prijemnika je da pronae spektralne praznine u
frekvencijskom opsegu od interesa, odredi nivo interferencije u njemu i da te informacije
proslijedi predajniku. Predajnik na osnovu toga emituje signal na odreenoj frekvenciji uz
dinamiku kontrolu snage.

Slika 6. Kognitivni ciklus (Simon Haykin)


10
2.1. Tanost detektovanja primarnih korisnika
Ispitivanje i detekcija frekvencijskog spektra (spectrum sensing) je najbitniji proces za
funkcionisanje kognitivnog radija. Pri tom, cilj je da uspjenost bude to vea, odnosno da je
broj proputenih detekcija i broj lanih alarma to manji. Ako sekundarni korisnik (kognitivni
radio) pristupi opsegu i konstatuje da je zauzet iako on to nije, tada e biti lani alarm. Svaki
takav (lani) alarm vodi do proputene prilike, i on je kao takav nepoeljan. U sluaju
proputene detekcije kada se smatra da je spektar slobodan, a u stvarnosti on je zauzet,
sekundarni korisnik (kognitivni radio) e otpoeti sa emitovanjem, to dovodi do smetnji
primarnom korisniku.
Algoritmi za detekciju iskoristivosti frekvencijskog spektra predstavljaju poetni proces
kognitivnog ciklusa kako je prikazano na slikama 5 i 6. U osnovi, detekcija zauzetosti spektra
podrazumijeva, mjerenje spektralnog sadraja ili mjerenje raspodjele RF energije unutar
spektra. U sluaju kognitivnog radija detekcija zauzetosti predstavlja sloenu analizu spektra
unutar koje se karakteristike iskoritenosti spektra analiziraju kroz nekoliko dimenzija kao to
su vrijeme, prostor, frekvencija i kodovi za disperziju signala unutar spektra. Takoer,
navedenom analizom spektra dobivaju se podaci o razliitim karakteristikama signala koji se
nalaze u posmatranom spektru kao to su tip modulacije, talasni oblici signala, irina opsega,
frekvencija nosioca, itd. Razliiti aspekti procesa analize spektra prikazani su na slici 7.

Slika 7. Razliiti aspekti analize spektra kognitivnog radija
Za potrebe pregleda analitikih metoda ustanovljava se osnovni model hipoteze unutar kojeg
se pretpostavlja sljedei analitiki oblik prijemnog signala:
() = () +() ( 1 )
gdje je:
n -indeks uzorka
s(n) -uzorak signala primarnog korisnika koji treba detektovati
g(n) -nivo Gausso-vog uma
Razlikuju se dvije hipoteze:
- nulta H0 po kojoj u posmatranom segmentu ne postoji signal prioritetnog (primarnog)
korisnika, nego samo um w(n). Drugim rijeima, u posmatranom opsegu nije lociran
primarni korisnik, odnosno frekvencijski segment je slobodan.

1
y(n) = w(n) ( 2 )


11
- druga hipoteza je H1 po kojoj je tvrdnja da u datom opsegu postoji signal prioritetnog
korisnika s(n) i naravno um w(n). Ili to je isto, u posmatranom frekvencijskom
opsegu je lociran primarni korisnik, tj. segment je zauzet.

1
y(n) = w(n) +s(n) ( 3 )
Odnos izmeu pretpostavke i tenosti detekcije primarnih korisnika, moe se prikazati
grafiki - Slika 8. ili na tabelarni nain - tabela 1.

Slika 8. Odnos izmeu pretpostavke i tanosti zauzetog opsega
Pri tome su:
Pd - Vjerovatnoa ispravne detekcije
Pf - Vjerovatnoa lanog (false) alarma
Pm - Vjerovatnoa proputene (miss) detekcije

Tabela 1. Odnos izmeu pretpostavke i tanosti zauzetog opsega
Ako je E nivo praga odluivanja, vjerovatnoa detekcije Pd kojom se odreuje nivo
detektovanog signala prioritetnog korisnika kada je prisutan u datom frekvencijskom opsegu
je u matematikoj predstavi:

= ( >

|
1
) ( 4 )
Vjerovatnoa lanog detektovanja Pf po kojoj algoritam donosi netanu (lanu) odluku o
prisustvu prioritetnog korisnika u datom frekvencijskom opsegu, iako on u stvarnosti nije
prisutan je analogno prethodnom izrazu:

= ( >

|
0
) ( 5 )
Bez obzira na algoritam detekcije iskoritenosti frekvencijskog spektra, poeljno je da
vjerovatnoa detekcije Pd da bude to via, a lane detekcije Pf to manja. Nivo praga
odluivanja E moe se odrediti kao kompromis izmeu ove dvije vjerovatnoe. Ovaj nain
zahtjeva poznavanje raspodjele snage uma i snage detektovanih signala. Treba istai da se
snaga uma moe procijeniti, ali to nije sluaj sa snagom signala budui da se ona mijenja s


12
udaljenou kognitivnog radija od prioritetnog korisnika, karakteristikama prijenosa i dr. U
praksi se nivo praga odluivanja E odabira tako da se ne pree odreena mjera lane
detekcije.
2.1.1. Detekcija primarnih predajnika na osnovu energije
Analiza iskoristivosti spektra na osnovu detekcije prisutnosti RF energije unutar datog
spektralnog podruja je osnovni i najee koriteni algoritam. Razlog tome je raunska
jednostavnost, a time i sama implementacija. U tom sluaju prijemnik ne mora imati nikakvu
spoznaju o signalu primarnog korisnika. Signal primarnog korisnika se otkriva usporeujui
izlaz iz detektora energije sa predefinisanim pragom koji zavisi od nivoa uma. Ovaj
algoritam ima nekoliko bitnih karakteristika:
- izbor praga za detekciju primarnih korisnika,
- nemogunost razlikovanja interferencije od primarnih korisnika i uma,
- loe performanse u uslovima niskog odnosa signal/um (S/N),
- nisu efikasni za detekciju signala koji koriste tehnike rasprenog spektra
Metrika odluke za model detekcije energije moe se pisati kao:
= |()|
2
=0
( 6 )
pri emu je N vrijednost posmatranog vektora. Gauss-ov (bijeli) um se modelira kao
sluajna promjenljiva po Gauss-ovoj raspodjeli s varijansom w
2
i oekivanjem u nuli:
() = (0,

2
) ( 7 )
Analogno je u sluaju modeliranja signala:
() = (0,

2
) ( 8 )
Objektivno, model signala s(n) je kompleksniji jer se uzimaju propagacioni efekti i slabljenje
signala. Imajui u vidu ovo, metrika odluivanja je s hi-kvadratnom distribucijom od 2N
stepena slobode (2N)
2
, te se modelira kao:
= {

2
2

2
2

0

2
+

2
2

1
( 9 )
Za detekciju energije, vjerovatnoa detektovanja Pd i lanog alarma Pf se modelira kao:

= 1 (

2
) ( 10 )

= 1 (

2
+

2
) ( 11 )
pri emu je:
(, ) =
1

( 12 )
(nepotpuna) gama funkcija.
Nivo praga odluivanja E koji se koristi u algoritmima detekcije energije zavisi od varijanse
uma te u skladu s tim, male pogreke u procjeni snage uma dovode do znaajne
degradacije u performansama detektora energije. U komunikacionim sistemima s razliitim
mehanizmima slabljenja signala na putu prostiranja (Rayleig, Ricean,...) performanse
algoritma detekcije prisustva RF energije, takoer se znaajno degradiraju.


13
2.1.2. Detekcija na osnovu temperature interferencije
Interferencija se najee regulie na strani predajnog signala to znai da se interferencija
kontrolie putem regulacije efektivne izraene snage, smanjenja emisije razliitih
harmonijskih komponenata signala izvan zahtjevnog opsega korisnog signala kao i izborom
lokacije predajnika. U realnoj situaciji interferencija se dogaa unutar prijemnika. Federalna
komisija za komunikacije (FCC) u SAD, definisala je model temperature interferencije koji se
koristi za detekciju interferencije na strani prijemnika. Model temperature interferencije
prikazan je na slici 9.

Slika 9. Model temperature interferencije
Ovaj model prikazuje signal radio stanice koja radi u rasponu u kojem se primljena snaga
signala pribliava nivou uma. Kako se pojavljuju dodatni interferentni signali, nivo uma
raste u razliitim takama podruja pokrivanja kao to je prikazano vrhovima signala iznad
izvornog nivoa uma na slici. Za razliku od tradicionalnih pristupa u kojima se interferencija
regulie na predajnoj strani u ovom sluaju model temperature interferencije regulie
interferenciju uvoenjem praga temperature interferencije koja je predstavljena koliinom
nove interferencije koju prijemnik moe ignorisati. Ili to je isto, model temperature
interferencije uzima u obzir kumulativnu RF energiju od vie prijenosa i postavlja novi prag.
Sve dok kognitivni radio svojim emitovanjem ne prelazi novi nivo on moe koristiti to
spektralno podruje.
Kod modela temperature interferencije postoje odreena ogranienja u mjerenju temperature
interferencije. Interferencija se definie kao oekivani dio primarnih korisnika kojima se
ometa rad od strane sekundarnih korisnika. Ova metoda razmatra parametre kao to su tip
modulacije sekundarnog korisnika, tip antenskog sistema, mogunost detektovanja
licenciranih kanala, kontrola snage predaje i nivo aktivnosti primarnih i sekundarnih korisnika.
Meutim, ovaj model opisuje interferenciju koja je uzrokovana jednim sekundarnim
korisnikom i on ne uzima u obzir pojavu interferencije viestrukih sekundarnih korisnika.
Takoer, ukoliko sekundarni korisnici nisu svjesni lokacije oblinjih primarnih korisnika
stvarna interferencija ne moe se izmjeriti ovom metodom.
2.1.3. Detekcija prilagodnim filterom
Metoda detektovanja prilagodnim filtrom (eng. Matched filter detection) sastoji se od
korelisanja poznatog signala (ili uzorka poznatog signala) sa prijemnim signalom kako bi se
detektovala prisutnost poznatog uzorka u prijemnom signalu. Postupak je ekvivalentan
konvoluciji prijemnog signala sa konjugovanom vremenski inverznom (reverznom) verzijom
uzorka poznatog signala. Metoda detekcije prilagodnim filtrom karakterie se
maksimiziranjem odnosa S/N (signal/um) prijemnih signala koji u sebi sadri Gauss-ov


14
uma (AWGN). Ova karakteristika prilagodnog filtra upravo ini ovaj metod detekcije
primarnog signala optimalnim i to samo u sluaju kada je poznata karakteristika signala
primarnog korisnika.
Krucijalna prednost prilagodnog filtra je to to zahtjeva manje vremena kako bi se postigao
visok stepen vjerovatnoe. Detekcija putem prilagodnog filtra zahtjeva demodulisanje
prijemnog signala to iziskuje kompletno poznavanje karakteristika signala primarnog
korisnika kao to su:
- irina opsega,
- radna frekvencija,
- tip modulacije,
- oblik impulsa, i
- format podataka.
Kognitivni radio mora posjedovati implementiran prijemnik za svaki pojedini tip signala ime
se eliminie praktinost implementacije samog detektora. Drugi nedostatak detektora na
principu prilagodnog filtra je uveana potronja energije (uslijed izvravanja vie prijemnih
algoritama za samu detekciju). Uprkos ovim nedostacima, veina dananjih mrea za radijski
prijenos informacija posjeduje u svojim komunikacionim protokolima pilot signale, poetne
nizove bita, sinhronizacione rijei kao i sinro kodove disperzovanja koji su poznati i koji se
mogu koristiti za koherentnu detekciju.
2.1.4. Detekcija na osnovu primarnih karakteristika signala
Ovaj tip je detekcija na osnovu dodatnih karakteristika (eng. Feature detection). U zavisnosti
od karakteristika signala, razlikuju se:
- Ciklostacionarna detekcija (eng. Cyclostationary-based sensing)
- Detekcija talasnih oblika (eng. Waveform-based sensing)
- Radio identifikacija (eng. Radio identification-based sensing)
2.1.4.1. Ciklostacionarnadetekcija
RF signali u veini sluajeva su okarakterisani sa:
- Nosiocem sinusnog talasnog oblika,
- Nizovima repetirajuih sekvenci impulsa,
- Ponavljajuim rasprivanjem (disperzijom) u spektru,
- Nizovima frekvencijskih skokova,
- Ponavljaju}im prefiksom, itd.,
koji su ugraeni u periodinost signala. Ovakvi modulisani signali se nazivaju
ciklostacionarni poto njihova srednja vrijednost i autokorelacija karakteriu periodinost.
Karakteristike se detektuju analizom funkcije spektralne korelacije. Osnovna prednost
funkcije spektralne korelacije je u njenom razlikovanju energije uma od energije
modulisanog signala to je posljedica injenice da je um irokopojasni stacionarni signal
bez korelacije dok je modulisani signal ciklostacionaran sa spektralnom korelacijom. Funkcija
ciklike spektralne gustine prijemnog signala moe se pisati:
(, ) = (

()
2
)

=
( 13 )
gdje je:

() = [( +) ( )
2
] ( 14 )


15
ciklina autokorelaciona funkcija, a ciklina frekvencija. Kada je ciklina frekvencija
jednaka osnovnim frekvencijama prijemnog signala y(n), funkcija S(f,) daje vrne vrijednosti
za rezultat. Naelno, cikline frekvencije su poznate ili se mogu izvesti i koristiti za
prepoznavanje prijemnih signala.
Ukoliko se posmatra robusnost u odnosu na nesigurnost (varijabilnost) nivoa snage uma,
detektori iji je rad koncipiran na osnovu ciklostacionarnih karakteristika signala, u optem
sluaju se ponaaju sigurnije nego detektori na principu energije. Cijena toga je da su
detektori zasnovani na principu ciklostacionarnih karakteristika signala kompleksniji i
zahtijevaju znaajno due vrijeme opservacije spektra. Mogua je primjena postupaka koji u
prijemnom signalu pronalaze specifine vrijednosti putem cikline spektralne analize, a zatim
te karakteristike predstavljaju pomou funkcije spektralne koherencije i funkcije gustine
spektralne korelacije. Ove vrijednosti se zatim koriste u procesima identifikacije uzoraka koji
klasifikuju signal prema razliitim modulacionim postupcima.
2.1.4.2. Detekcijanaosnovutalasnihoblika
Komunikacioni radio sistemi koriste poznate talasne oblike signala za potrebe sinhronizacije.
Oni su okarakterisani poetnim nizovima, meu nizovima, pilot signalom, nizove
disperzovanja itd. Poetni nizovi bita su poznati nizovi bita koji se alju prije svakog kratkog
niza podataka dok se bitski meunizovi emituju unutar paketa podataka. U prisustvu
poznatih oblika, detekcija se moe obaviti korelisanja primljenog signala sa sopstvenom
(poznatom) kopijom. Ovaj metod detekcije se primjenjuje samo u sistemima sa poznatim
uzorcima signala i naziva se analiza na osnovu detekcije talasnog oblika (ili koherentna
detekcija). Algoritmi analize po principu detekcije talasnog oblika nadmauju algoritme za
detekciju na bazi energije u smislu pouzdanosti i vremena konvergencije, kao i da se
performanse algoritma analize na osnovu detekcije talasnog oblika poboljavaju ukoliko se
poveava uzorak poznatog signala.
Na osnovu prethodnih izraza modela prijemnog signala, metrika odluke je:
= ( ()()

=1
) ( 15 )
pri emu crtica iznad signala s predstavlja operaciju konjugovanja. U sluaju odsustva
signala prioritetnog korisnika, metrika odluivanja je (realni dio sume):
= ( ()()

=1
) ( 16 )
Konano, metrika u prisustvu primarnog korisnika je:
= ( ()()

=1
) |()|
2
1
( 17 )
Odluka o prisustvu signala primarnog korisnika moe se donijeti uporeujui metriku odluke
M sa odabranim pragom odluke E. Prema dosadanjim saznanjima algoritmi analize na
osnovu detekcije talasnog oblika zahtijevaju krae vrijeme mjerenja ali su podloni
pogrekama uslijed nesinhronizovanosti sa izvornim signalom.





16
3. BER Rezultati simulacijskog model
Minimiziranje BER-a i snage povlai za sobom odstupanja pojedinih parametara.
Podeavanje varijabli na optimalne vrijednosti sa ciljem smanjenja snage esto utie
nepogodno na druge parametre npr. BER. Koristei CR sa parametrima kao sto su dati u
tabeli 3 dobivaju se vrijednosti za BER i odgovarajui SNR.
Parametar Simbol Minimalna
vrijednost
Maksimalna
vrijednost
Korak
Snaga uma N -110dBm -25dBm -1dBm
Tabela 2. Parametri okoline u kojem operira kognitivni radio
Parametar Simbol Minimalna
vrijednost
Maksimalna
vrijednost
Korak
Predajna snaga P -35dBm 35dBm 1dBm
Broj bita u
simbolu
K 2 2
irina opsega B 1MHz 10Mhz 1Mhz
Brzina simbola R 1Mbps 8Mbps 1Mbps
Tabela 3. Vrijednosti predajnih parametara kognitivnog radija
Genetiki parametri Ponueni
Veliina populacije 20
Maksimum generacija 100
Tip krianja Jednoj taki
Brzina krianja 0.8-0.95
Tip mutacije Nasumino mijenjanje vrijednosti broja za
dati opseg
Brzina mutiranja 0.1
Tabela 4. Genetiki parametri
P K B L R N
Duina hromozoma
Genetiki algoritam implementiran je koritenjem sljedee jednaine:

=
2

(2

) ( 18 )
Teoretska i izraunata vrijednost GA su zapisane u Tabela 4. Genetiki parametri.
Koordinatne ose predstavljaju BER i SNR. BER je predstavljen na y-osi, dok je na x osi
vrijednost odnosa energije po bitu

i spektralne gustoe uma

0
. Parametar x odgovara
vektoru odluke koji se koristi kao ulaz funkcije. Za svaku krivu kako vrijednost BER opada
vrijednost odnosa

/
0
se poveava. Ova razmjena parametara amalizirana je izvrena
koritenjem optimizacijske funkcije.

/
0
Teoretski BER GA BER
-15 0.4 0.38
-10 0.33 0.32
-5 0.213 0.213
0 0.079 0.078
5 0.006 0.059
10 3.97x10
6
0.000



17

Slika 10. Teoretska i GA usporedba BER-a















18
4. Spektralna efikasnost
Posmatrajui odreena podruja ili vremenske periode dana utvreno je da do 70%
alociranog spektra je neiskoriteno. FCC (eng. Federal Communications Commission) je dao
preporuke kako bi se iskoritenost spektra poveala postavljanjem drugih ureaja koji bi
koristili spektar sa licenciranim korisnicima, generirajui to manju interferenciju dok koriste
neiskoritenost resursa. Trenutni pristup spektru je regulisan tako da beini ureaji imaju
fiksno dodijeljen spektar, centralnu frekvenciju i propusni opseg, te ogranienu snagu
zraenja koja ograniava njihov domet. Zbog toga se veina ureaja dizajnira kako bi imali
to bolju spektralnu efikasnost na opsegu za koji su namijenjeni koristei sofisticirane
modulacije, kodiranje, vieantenske sisteme i druge tehnike. Veina naprednih sistema ima
iskoritenost kapaciteta priblino Shannon-ovom limitu pa je za poveanje kapaciteta
potrebno proiriti propusni opseg. Razdvajanjem spoznaje alokacije spektra i koritenja
spektra moe rijeiti nedostatak spektra koritenjem fleksibilnog koritenja spektra.
Fleksibilnost podrazumijeva mogunost radio ureaja da se prilagode i nau bilo koji
dostupni dio spektra kako bi ga koristio. Nova generacija radio ureaja koja je u mogunosti
pouzdano da skenira spektar na velikom opsegu, detektuje prisustvo/odsustvo legalnih
korisnika (primarnih korisnika) i da koriste spektar tako da nee initi interferenciju primarnim
korisnicima nazivaju se terminom kognitivni radio. Kognitivni radio je namijenjen za efikasnije
iskoritenje licenciranog spektra. Kljuno obiljeje kognitivnog radija je njihova sposobnost
da prepoznaju radio komunikacijsko okruenje i neovisno prilagode svoje parametre kako bi
maksimizirali kvalitet usluge QoS za nelicencirane korisnike kao i minimizaciju interferencije
sa licenciranim korisnicima.
Razmotrimo scenarijo asinhrone TDD (eng. Time Dividion Duplex) komunikacije u kojem
primarni i kognitivni korisnik ele da komuniciraju sa razliitim prijemnicima, izloeni su
uzajamnoj interferenciji heterogene mree u kojoj ureaji mogu da rade na irokom pojasu. U
ovakvom scenariju samo jedan poiljalac moe slati signal u jednom podopsegu. Ukupna
spektralna efikasnog sistema moe biti znaajno poboljana koritenjem kognitivnog radija
pod pretpostavkom da veoma uspjeno pronalazi slobodne podopsege. U ovom kontekstu
razmatra se poveanje spektralne efikasnosti pomou kognitivnog radija u odnosu na
tradicionalne komunikacione sisteme u prisustvu maksimalnog broja korisnika.

Slika 11. Kontekst kognitivnih radio kanala u irokopojasnom/viepojasnom opsegu sa N podkanala



19
Pretpostavka je da korisnici kognitivne tehnike imaju apriori vjerovatnou o informacijama
koje alju primarni korisnici. Postoje prijedlozi kooperacije primarnih i sekundarnih sistema
kao i zajednikog dizajniranja koder-dekoder parova. U praksi bi primarni sistemi trebali biti
svjesni kognitivnih radio sistema, te da funkcioniraju prema zahtjevima korisnika primarnih
sistema. Ovo implicira da je uloga kognitivnih radija praenje uslova u komunikacijskom
kanalu i prilagoavanje njihove komunikacijske sheme kako bi maksimizirali QoS
sekundarnih korisnika. Prema predloenom protokolu korisnici kognitivnog radija prate stanje
beinih kanala i detektuju u vremenu ili frekventno koji dio spektra mogu da koriste, te
koriste praznine neiskoritenog spektra. Svaki predajnik

gdje je l=1, ..., L estimira pilot

sekvencu prijemnika

kako bi detektovao pojaanje kanala

. Treba napomenuti da se
ovde razmatra TDD mod i kada se estimira kanal za u jednom pravcu onda se zna kanal i
drugog pravca. Pretpostavlja se da svaki korisnik poznaje pojaanje

signala kojeg koristi

te statistike osobine ostalih kanala.
Primarni korisnici imaju prednost pri koritenju radio kanala, pa tek onda korisnici kognitivnih
radio sistema tako da ne bi vrili emitovanje u isto vrijeme. Sekundarni korisnici nasumino
dolaze u sistem na primjer u skladu Poisson-ove raspodjele, te estimiraju svoj kanal. U ovom
sluaju pretpostavlja se da primarni korisnici nisu svjesni korisnika kognitivnog radija.
Vjerovatnoa da dva korisnika emitiraju u isto vrijeme je zanemarivo mala kada je ogranien
broj korisnika. Snaga korisnika se alocira tako da se maksimizira njegova transmisiona
brzina u odnosu na ukupnu snagu sistema. Ovo se ostvaruje tako sto predajnik poznaje
stanja kanala i kada neki od njih postane dostupan vri adaptaciju svojih parametara kako bi
vrio prijenos na tom kanalu.
Optimalna raspodjela snage odgovara water filling efektu data je sljedeom relacijom:

= (

) ( 19 )
Gdje je
0
Lagrangeov multiplikator koji zadovoljava ogranienje srednje snage:
1
N
P
l
i
= P

N
i=1
( 20 )
U nastavku se uzima

= 1.
Radi pojanjenja dat je sljedei primjer u kojem se razmatra N=8 podopsega.

Slika 12. Jedan primarni korisnik i dva kognitivna korisnika u sistemu sa 8 podopsega


20
Kako je prikazano na Slika 12. primarni korisnik ima prioritet na kognitivnim korisnikom pri
koritenju spektra jer su kognitivni korisnici u mogunosti prilagoditi svoje parametre na
dostupne dijelove spektra vodei rauna o prioritetu pojedinih korisnika. U prvom koraku
primarni korisnik maksimizira svoju brzinu prema njegovim potrebama. Kako je spomenuto u
izrazu 1, samo korisnik sa pojaanjem kanala

iznad odreenog praga ima vrijednost

0
.
0

odailjava na podopsegu i (
2
). Korisnik 2 skenira spektar i alje samo na podopsezima koji
se trenutno ne koristi. Vodei se ovim smjernicama korisnik 2 prilagoava svoj signal i
poinje da alje u podopsegu koji je oznaen sa (
3
). Isto ovo e uiniti korisnik 3 koji e
prilagoditi na podopseg (
4
).
4.1. Spektralna efikasnost u zavisnosti angaovanih rjeenja
Set podopsega koje zauzima korisnik l definie se na sljedei nain:

= {i [1, ];
1

0} ( 21 )

ima sljedee osobine:

{

[1, ],
+1
=1

=
+1
=1
( 22 )
Kapacitet korisnika koji zauzima l podopsega od N dat je izrazom:

,
=
1
(

)

2
(1 +

|
2

0
)

( 23 )
Gdje

predstavlja broj slobodnih podopsega koje je detektovao korisnik l:

= {i [1, ]
=1

} ( 24 )
Za dati broj podopsega N optimalna alocirana snaga koja maksimizira brzinu prijenosa
korisnika l predstavlja rjeenje optimizacijskog problema:


,
[1, L]

1
, ,

)
( 25 )
Uvjet za srednju vrijednost snage:

{
1
(

= 1,

0,
( 26 )
Rezultujua optimalna kontrola snage izvedena je u izrazu ( 19 ). Maksimalan broj korisnika
L koji se mogu nai u sistemu mora zadovoljiti jednainu (

) 0. U nastavku e biti
izvedena spektralna efikasnost sistema. Spektralna efikasnost po opsegu korisnika l data je
sa:

,
=
1

2
(1 +

|
2

0
)

( 27 )


21
Mnoenjem i dijeljenjem ( 27 ) sa (

) dobija se:

,
= {

1,
= 1
(

1,
[2, ]
( 28 )
Kao to je oekivano, kada je l=1, spektralna efikasnost bez upotrebe kognitivnog radija
jednaka je kapacitetu primarnog korisnika
1,
.
1,
definira faktor pojaanja u opsegu
korisnika l za N podopsega:

1,

(
1
)

, [1, ] ( 29 )
Drugim rijeima, faktor pojaanja opsega predstavlja dio spektra koji nije zauzet od korisnika
l. Spektralna efikasnost po opsegu korisnika l moe biti izraena na sljedei nain:

,
= {

1,

1,
= 1

,

1,
[2, L]

a suma spektralne efikasnosti sistema sa N podopsega data je sa:

sum,N
=
l,N
L
l=1
( 30 )
U nastavku e se razmatrati performanse sistema kada je na raspolaganju veoma irok
opseg odnosno kada broj podopsega N . U ovakvom sluaju kapacitet korisnika l ima
sljedei oblik:

1,
=
2
(1 +

()

0
)

0
[1, L] ( 31 )
Gdje je

ogranieno uslovom:
(
1

N
0

) e
t

0
dt = 1 ( 32 )
A
0
je Lagrangeov multiplikator koji zadovoljava sljedeu relaciju:
1

0
e
t
+

0
N
0
dt N
0
E
i
(
0
N
0
) = 1 ( 33 )
Kapacitet korisnika l se moe izraunati na sljedei nain gdje je l=1,...,L:
C
1,
= log
2
(1 +
P
l
(t)t
N
0
) e
t
dt

0
=
1

0
log
2
(1 +
(
1

N
0
t
) t
N
0
)

0
N
0
e
t
dt =
log
2
(
t

0
N
0
)

0
N
0
e
t
dt =
1
ln(2)
E
i
(
0
N
0
) ( 34 )
U nastavku se razmatra spektralna efikasnost kognitivnih sistema u zavisnosti od irine
frekventnog opsega:
C
1,
(W) =
1
W
log
2
(1 +
P
l
(f)|H
l
(f)|
2

N
0
) df
W
2

W
2
( 35 )
Izjednaavanjem izraza ( 31 ) i ( 35 ) mogue je izraunati zavisnost promjene frekvencije f
od kanalnog pojaanja t:
=

2
, [1, L] ( 36 )


22
Slino prethodnom razmatranju, definie se pojasni faktor pojaanja

kao dio opsega koji

je detektovan kao slobodan za koritenje izmeu korisnika l i l+1 na itavom propusnom
opsegu W sa beskonano velikim brojem podkanala:

f
W
( 37 )
Gdje f predstavlja frekvencijski interval na kojem pojaanje fading-a opada ispod odreenog
praga i ima vrijednost jednaku
0

0
. Izvoenjem po slobodnom opsegu f kada
[0,
0

0
] u jednaini ( 36 ) dobijemo:

= 1 exp(
0
N
0
) ( 38 )
U skladu sa ovim, asimptotska spektralna efikasnost korisnika l data je sljedeim izrazom:

,
= {

1,
= 1

1,
[2, L]
( 39 )
Slino kao u sluaju kada je broj podopsega fiksan, kada je l=1, spektralna efikasnost bez
tehnike kognitivnog radija jednaka je efikasnosti jednog korisnika
1,
. Konkretno ova
vrijednost predstavlja polazite za raunanje poveanja spektralne efikasnosti

kada se
koriste tehnike kognitivnog radija u odnosu na klasine tehnike. Da bi se to pokazalo
nastavlja se razmatrati od korisnika 2 do L-tog korisnika, koristi se izraz za asimptotsku
spektralnu efikasnost
1,
:

,
=
1,

1
[2, L] ( 40 )
Sabiranjem asimptotskih spektralnih efikasnosti svih korisnika sistema od koji ima L korisnika
dobiva se sljedei rezultat:

,
=
,
=
1,

=
1
=0

=1
1

1,
( 41 )
Nakon sabiranja spektralnih efikasnosti svih korisnika kada se koriste tehnike kognitivnog
radija moe se zakljuiti da je spektralna efikasnost sistema vea ili jednaka spektralnoj
efikasnosti kad se ne koriste tehnike kognitivnog radija. Ovaj rezultat opravdava sve vei
interes koritenja ureaja koji koriste tehnike kognitivnog radija jer daju uvijek bolju
spektralnu efikasnost u odnosu na tradicionalne radio sisteme. Uvrtavanjem dobivene
vrijednosti za kapacitet
1,
=
1
(2)

(
0

0
) u prethodno dobijeni izraz imamo:

,
=
1
(2)
1

(
0

0
) ( 42 )
Ovaj rezultat je veoma interesantan jer daje vrijednost spektralne efikasnosti pri koritenju
tehnika kognitivnog radija. Da bi se izraunala vrijednost spektralne efikasnosti potrebno je
poznavati samo SNR i kanalno pojaanje (preko
0
).






23
5. Sinhronizacija u kognitivnim radio mreama
Problem sinhronizacije vremena kod kognitivnog radija dobio je novu aspekt i postao jedna
od najizazovnijih problema u kognitivnim radio sistemima. Zbog isprepletanosti korisnika
kognitivnog radija vremenska sinhronizacija nije problem koji se moe rjeavati na uobiajeni
nain. Sekundarni korisnici sistema kognitivnog radija trebaju detektovati rupe, bijele dijelove
u vremenu, frekvencijske i/ili geografske lokacije gdje je spektar neiskoriten od strane
primarnih sistema. Ova strategija se odnosi na kognitivne radio sisteme koji su sposobni
detektovati iskoritenost resursa spektra to u skladu s tim odrediti dijelove koje mogu
iskoristiti. Bijeli dijelovi se mogu detektovati pretraivanjem spektra ili u sluaju kada primarni
korisnici imaju statiku alokaciju spektra mogue je ove dijelove spektra iskoritavati na
geografskim lokacijama gdje nema ove vrste korisnika.
U kognitivnom pristupu pokrivanja gdje sekundarni korisnici koriste isti spektar kao i korisnici
primarnog sistema u istom vremenu, sekundarni sistemi bi trebali znati statistike osobine
poruka i vremena slanja primarnih sistema. Ovo daje mogunost sekundarnim sistemima da
dizajniraju svoje signale za transmisiju tako da uticaj interferencije primarnih sistema na
prijemnike sekundarnih moe biti minimizirana. U meuvremenu sekundarni sistemi mogu
kooperirati sa primarnim tako sto posreduju u prenoenju primarnih signala to omoguava
sekundarnim sistemima da kompenziraju interferenciju koju proizvode prijemnicima primarnih
sistema. Kako bi sve ovo ispravno radilo sekundarni sistemi moraju biti vremenski
sinhronizovani sa primarnim sistemima.
5.1. Sinhronizacija u radiodifuznim kognitivnim radio sistemima
Problem sinhronizacije izmeu primarnih i sekundarnih sistema je jedan od izazova kod
kognitivnog radiodifuznog dijeljenja spektra. Postoje mnogi naini za rjeavanje problema
vremenske sinhronizacije u ovim sistemima. Jedan od naina je sinhronizacija primarnih i
sekundarnih simbola na primarnom predajniku, a u drugom pristupu sinhronizacija primarnih
i sekundarnih talasnih oblika moe biti izvrena na sekundarnom prijemniku. Ovi pristupi e
biti analizirani u nastavku.
Sinhronizacija na sekundarnom predajniku: U ovom pristupu sekundarni predajnik
oslukuje primarni signal kako bi saznao vrijeme poetka primarnih simbola. Kada
sekundarni predajnik detektuje vrijeme poetka simbola i interval slanja primarnog predajnika
sinhronizuje slanje prema primarnom predajniku prije slanja svog agregiranog signala. Ovaj
pristup pojednostavljuje sinhronizaciju na sekundarnom prijemniku kao da e biti samo jedan
kanal a onda se mogu primijeniti konvencionalne sinhronizacijske tehnike. Neka su

() i

() primarni i sekundarni signali respektivno na sekundarnom predajniku. Kombinacija

primarni-sekundarni talasni oblik x(t) moe se napisati u obliku:
() =

() +

( + ) ( 43 )
Gdje predstavlja vremensku razliku izmeu predaje primarnog i sekundarnog simbola. U
prisustvu Gauss-ovog uma diskretni impuls kanala predstavljen je jednainom:
() = |

|() + |

|( + ) + () ( 44 )
Gdje D predstavlja kanjenje izmeu uzoraka primarnog i sekundarnog OFDM simbola, a
w(n) predstavlja Gauss-ov um. Iz ekvivalentne jednaine frekvencijskog odziva kanala H(k)
moe se vidjeti uticaj i neutralizacija efekta kanjenja faze i amplitude agregiranog signala.
() = |

| + |

|
2

+() ( 45 )


24
Gdje k predstavlja podnosioca, a N duinu FFT-a. Na Slika 13. Amplituda i faza
frekvencijskog odziva kanala sa kanjenjem od 20 uzoraka prikazan je primjer faze i
amplitude frekvencijskog odziva kanala iji je SNR=15dB, a kanjenje je 20 uzoraka.

Slika 13. Amplituda i faza frekvencijskog odziva kanala sa kanjenjem od 20 uzoraka
Vrenjem sinhronizacije na sekundarnom predajniku smanjuje se kompleksnost raunanja
na prijemnika. Zbog ovoga prijemnici su jednostavni za realizovati, jeftiniji su sa malom
potronjom energije.
Sinhronizacija na sekundarnom prijemniku: U ovom sluaju sinhronizacija se vri na
osnovu talasnog oblika koji se primi na sekundarnom prijemniku. U radiodifuznim sistemima
koja vri prosljeivanje (eng. Relaying) sekundarni predajnik dijeli svoju predajnu snagu kako
bi poslao svoj signal i primarni signal koji prosljeuje. Stoga, sekundarni predajnik alje
skupa primarni i sekundarni signal. Kako primarni sistem takoer emituje, agregirani signal
sa sekundarnog predajnika i primarni signal sa primarnog predajnika dolaze na sekundarni
prijemnik sa istim zakanjenjem. Sekundarni prijemnik fazni odziv multipath kanala i koristi
ga za konstrukciju primarnog signala. Kada je primarni signal rekonstruisan sekundarni
prijemnik ga ponitava iz agregiranog signala kako bi dobio rezidualni signal.










25
6. Simulacija sinhronizacije u kognitivnom radiju
U ovom dijelu primjer sinhronizacije u kognitivnim sistemima bit e obrazloen i prikazan u
programu Matlab koristei DVB-T signal kao primarni i OFDM kao sekundarni. Sekundarni
signal je potisnut na frekvencijama koje nose primarne pilot nosioci tako da sekundarni signal
nee biti otkazan tokom primarne ekvalizacije. Simulacija radi za 10, 12, 14 i dB omjer
snaga izmeu primarnih i sekundarnih predajnika. Kako bi sauvali QoS primarnog sistema,
snaga predajnika je podijeljena na Psec i (1-)Psec, gdje je Psec snaga sekundarnog
predajnika. Snaga Psec se koristi za prijenos eljenog sekundarnog signala, a (1-)Psec za
prijenos primarnog signala. Primarna kodna rije je pretpostavljena kao poznata za
sekundarni predajnik, za prenoenje i simulaciju su izvrena razliita kanjenja izmeu
primarnih i sekundarnih predajnika.
6.1. Rezultati simulacije za Vremensku Sinhronizaciju izmeu primarnog i
sekundarnog prijenosa
Prijemnik razmatra primarni signal i njegovo sveukupno kanjenje kao viepojasni signali sa
kanjenjem . Fazni odziv viepojasnog kanala za =10 uzoraka je estimirano pomou
ratrkanih pilota u DVB-T signalu i interpolirano za teret podnosioca. Rezultirajua faza je
opisana kao to je prikazano na Slika 14. Fazni odziv sveukupno prenesenog kanala Fazni
odziv se koristi za ispravljanje distorzije faze nastale zbog kanjenja.

Slika 14. Fazni odziv sveukupno prenesenog kanala
6.2. Rezultati simulacije za korekciju frekvencijskog pomaka u prijenosu
Prilikom estimacije frekvencijskog pomaka u primarnom sistemu, moemo pretpostavit
sekundarni kao deterministiki um i relejni signala kao viepojasnu komponentu. Kanjenje
izmeu putanja se moe ispravit ako nije vee od trajanja ciklikog prefiksa. Takoer je
evidentno da procjena srednje vrijednosti i varijanse frekvencijskog pomaka ne zavise od
primljenih frekvencijskih koeficijenata, stoga se algoritam procjene FFO moe primijeniti.


26

Slika 15. Greka magnitude u odnosu na SNR za razliite kompenzacije FFO-a, prije (lijevo) i poslije
(desno) FFO kompenzacije
Rezultati simulacije mjera performanse na primarnom prijemniku su prikazana na slici kao
primjer. Putem simulacije moemo prikazati razliku izmeu estimiranog frekvencijskog
pomaka i stvarnog frekvencijskog pomaka za u zadatoj SNR vrijednosti. Slika 15. Greka
magnitude u odnosu na SNR za razliite kompenzacije FFO-a, prije (lijevo) i poslije (desno)
FFO kompenzacije prikazuje estimirani FFO u odnosu na stvarni FFO za vrijednosti SNR-a
od 3dB i 15dB.

Slika 16. Procjena relativnog frekvencijskog pomaka za vrijednosti SNR=3 dB i 15dB
Kombinirane primarne i sekundarne QPSK konstelacijske simbole na strani prijemnika prije i
poslije fazne korekcije su prikazani na Slika 16. Procjena relativnog frekvencijskog pomaka
za vrijednosti SNR=3 dB i 15dB


27

Slika 17. Primarna konstelacija simbola prije (lijevo) i poslije (desno) ekvalizacije
Postoje tri tipa primarnih pilot nosioca u DVB-T sistemu: kontinualni, raspreni i TPS pilot
nosioci. Za estimaciju i ekvalizaciju kanala smo koristili kontinualne i rasprene pilot nosioce,
dok su sekundarni pilot nosioci na ovim pozicijama potisnuti. Zbog toga to TPS pilot nosioci
nisu koriteni u ovoj simulaciji, sekundarni prijenos je dozvoljen na vrhu TPS pilot nosioca.
Slika 17. Primarna konstelacija simbola prije (lijevo) i poslije (desno) ekvalizacije (desno)
prikazuje rotaciju ovih nosioca nakon ekvalizacije. Na sekundarnom prijemniku, ekvalizirano-
kombinovani signal je kvantiziran i modulisan prije forme oduzimanja nekvantiziranog
signala. Rezultirajui rezidualni signal, koji je sekundarni OFDM, je rotiran za odreenu fazu.
Ova faza se moe procijeniti uz pomo pilot nosioca u OFDM signalu i iskoristiti za
ispravljanje izoblienja faze nastale rotiranjem tokom vremenskog pomaka. Slika 18.
Sekundarna konstelacija simbola prije (lijevo) i poslije (desno) ekvalizacije prikazuje
sekundarni signal prije i poslije ekvalizacije na strani prijemnika.

Slika 18. Sekundarna konstelacija simbola prije (lijevo) i poslije (desno) ekvalizacije
Kriva BER-a za primarne i sekundarne signale za razliita kanjenja, odnos primarne i
sekundarne vrijednosti (Ppr/Psec) i tipovi modulacije su prikazani na slici ispod. X-osa
predstavlja SNIR u odnosu na primarni signal (plava kriva) i SNR u odnosu na sekundarni
signal (crvena kriva). Sekundarni odnos podjele snage je izraunat automatski. um je
izraunat iz datog primarnog SNR-a i primarne snage prijenosa. Na osnovu vrijednosti uma,
primarne i sekundarne snage, se moe podesiti na takav nain da smanji efekt


28
interferencije uzrokovane sekundarnim signalnom na prijemnoj strani. Nakon to se pronae
optimalno , um na sekundarnom signalu se moe izraunati preko eljenog sekundarnog
signala, Psec za datu vrijednost SNR-a na sekundarnom prijemniku. Slika 19. Primarna
(QPSK) i sekundarna (QPSK) kriva BER-a za razliite vrijednosti kanjenja prikazuje krivu
BER-a primarnih i sekundarnih signala za primarno-sekundarni prijenos odnosa snaga od
10dB.

Slika 19. Primarna (QPSK) i sekundarna (QPSK) kriva BER-a za razliite vrijednosti kanjenja
Koritena modulacija u ovom sluaju je QPSK. Sa slike moemo vidjeti gubitak SNIR-a u
iznosu od 4dB za odnos snaga od 10dB izmeu primarnih i predajnih predajnika. Ovaj
gubitak je rezultat unesenog kanjenja izmeu primarnog i sekundarnog sistema. Kao
rezultat toga dio sekundarne snage prijenosa je iskoriten za prosljeivanje primarne poruke
koja ne moe kompenzirati interferenciju sekundarnog predajnika.
U idealnom sluaju, dato moe odrediti proslijeenu snagu sekundarnog predajnika
zahtijevanu za odravanje ciljanog SNR-a na primarnom prijemniku.










29

7. Teorija igara
Teorija igara (eng. game theory) je jedna od prvih primjena vjetake inteligencije. U sutini,
radi se o grani primijenjene matematike matematikim modelima se pokuava opisati
ponaanje u stratekim situacijama u kojima ponaanje pojedinca u donoenju odluke zavisi
od ponaanja drugih uesnika. Ovom tehnikom se vri analiza i optimizacija u okruenjima u
kojima koegzistira vie uesnika (igraa, players) sa barem djelomino suprotstavljenim
ciljevima (ciljevi su barem djelomino konfliktni). U teoriji igara analiziraju se konflikti izmeu
igraa i vri predikcija ishoda igre u razliitim situacijama (kooperativni i nekooperativni
sluajevi). Kljuna primjena je u ekonomiji (John Forbes Nash, Nobelova nagrada za
Ekonomiju, 1994; film A Beautiful Mind), ali i u biologiji, politici, filozofiji, computer science.
Obzirom da u kognitivnim radio mreama imamo sluajeve koegzistencije razliitih vrsta
korisnika sa razliitim (i suprotstavljenim) interesima, nastala je ideja primjene teorije igara u
oblasti kognitivnog radija teorija igara primjenjuje se kao alat za dizajn novih algoritama koji
bi upravljali koegzistencijom razliitih korisnika u okviru kognitivnih radio mrea. Algoritmi
teorije igara mogue je implementirati u okviru modula cognitive engine u samom
kognitivnom radiju kojim bi se dobio najbolji odziv (akcija) kognitivnog korisnika u trenutnom
okruenju (uzevi u obzir ponaanje primarnih i ostalih sekundarnih korisnika) kao i u
trenutnim uslovima u kanalu.
7.1. Osnovni pojmovi
Svaka situacija u kojoj uesnici radi zadovoljavanja svojih ciljeva imaju barem djelomine
konflikte sa drugim uesnicima, moe se modelirati kao igra.
Igra se sastoji iz tri cjeline:
1. Igrai (players): u teoriji igara pretpostavlja se da su igrai racionalni, inteligentni i
odluni (tzv. decision maker-i!)
2. Pravila igre i strategije: svaka igra ima definisana pravila. Ta pravila mogu biti razliita
u razliitim situacijama. Takoer, skup svih poteza ili taktika u igri zove se strategija.
Strategija igraa u teoriji igara predstavlja jednu od mogunosti koju moe
igra da izabere u situaciji koja ne zavisi samo od njegovih akcija, ve i od
akcija drugih uesnika u igri.
Strategija odluuje koje e akcije igra izvesti u svakom trenutku igre.
Strategija nije potez (potez predstavlja akciju igraa u nekom trenutku u toku
igranja igre) ve algoritam za igranje cijele igre, koja govori igrau koji potez
da izabere u svakoj moguoj situaciji!
3. Cilj i dobit (funkcija isplativosti - utility function): svaki igra uestvuje u igri kako bi
postigao neki eljeni cilj. Taj cilj zavisi od dobiti u igri.
Ako je dobit novac, onda je cilj igraa da maksimizira svoj prihod, ili minimizira
gubitke i cijenu.


30
U radio komunikacijama, dobit moe biti npr. protok, pa bi igrai teili da ga
maksimiziraju, ili npr. vjerovatnoa greke (BER), kada bi igrai teili da je
minimiziraju.
Reprezentacija igra na osnovu
strategija i funkcija isplativosti zove se
tzv. payoff matrix.
Razliitim strategijama se pridruuju
kvantitativne mjere funkcije isplativosti.
Dobitak igraa je ona funkcija
isplativosti koja se dobiva ukoliko su
izabrane strategije u ijem se presjeku
ona nalazi

7.2. Optimizacija modela koritenjem teorije igara
Prilikom modeliranja raznih dogaaja primjenom teorije igara, treba voditi rauna ta se
moe modelirati kao igra a ta ne. Jedna od estih nedoumica je praviti jasnu razliku izmeu
konvencionalne optimizacije i optimalne strategije u igri.
Pretpostavimo da imamo funkciju dobiti (eng. utility function) koja zaviti od vektora
parametara x = [x1 x2... xN] i da elimo da naemo optimalnu vrijednost vektora parametara x
koji maksimizira nau dobit, tj.
= arg

[
1
()]
. . ( 46 )

gde je 1(x) funkcija dobiti koju elimo da maksimiziramo, a x skup svih vrijednosti vektora
x.
Jednaina predstavlja konvencionalni problem optimizacije, dakle, to nije igra!
Pretpostavimo sada da imamo funkciju dobiti koja zavisi od jo jednog vektora parametara
(y), a na koji mi ne moemo uticati (postavlja ga npr. neka druga osoba ili igra). Problem
sada postaje (traimo optimalnu vrijednost x kako bi maksimizirali nau dobit a koja vie ne
zavisi samo od nas, jer 1(x) je sada 1(x,y)):
= arg

[
1
(, )]
. . ( 47 )

31
Taj druga osoba tj. igra ima slian problem, tj. eli da maksimizira svoju funkciju dobiti 2, tj.
trai optimalnu vrijednost y koja maksimizira njegovu funkciju dobiti 2(x,y):
= arg

[
2
(, )]
. . ( 48 )

Naravno, cilj te druge osobe moe da bude ne da maksimizira svoju dobit, ve da minimizira
nau! Tada dobivamo sljedeu situaciju:
= arg

[
1
(, )]
. . ( 49 )

Obzirom da u ovom sluaju imamo situaciju sa vie igraa koji imaju konfliktne interese, ovo
jeste igra! Rjeenje ove igre bila bi optimalna strategija, tj. optimalne vrijednosti parametara
oba igraa koje bi najbolje zadovoljavale njihove funkcije dobiti:
, ( 50 )
Ovo je glavna razlika izmeu teorije igara i konvencionalne optimizacije (u igri imao vie
uesnika konfliktnih interesa).
7.3. Modeli igara
Sljedee pitanje je kako igrati igru koja je formulisana jednainama ( 47 ) i ( 48 ), tj. kako
postaviti optimalne parametre (relacija ( 50 ))? Odgovor na ovo pitanje zavisi od tipa igre.
Postoje dva osnovna tipa igre (i nekoliko varijanti izmeu njih):
1. kooperativna (eng. cooperative)
2. nekooperativna (eng. non-cooperative).
Osim tipa, za izbor kako igrati igru bitna su i dva specijalna rjeenja, vrlo poznata u teoriji
igara Nash equilibrium (Neov ekvilibrijum) i Pareto optimalno rjeenje. Ako je u
pitanju nekooperativna igra, postoji tzv. ravnoteno stanje (ravnoteno rjeenje), tzv.
equilibrium (rjeenje koje se dobiva kada se postignu odreeni potrebni uslovi). U teoriji
igara, ovo rjeenje se naziva Neov ekvilibrijum. Neov ekvilibrijum je stanje u kojem nijedan
od igraa ne moe poboljati svoju dobit promjenom samo svog ponaanja.
Dakle, skup strategija je Neov ekvilibrijum ako nijedan igra ne moe imati veu korist
jednostranom promjenom samo svoje strategije.
- Ako znam strategije drugih igraa, i znam da se one nee mijenjati, da li u imati
koristi ako promijenim moju strategiju?
- Ako je odgovor Ne takav skup strategija jeste Neov ekvilibrijum.


32
Svaka strategija u ekvilibrijumu je najbolji odgovor na ostale strategije u ekvilibrijumu. Stanje
u kojem nije mogue poveati dobit bar jednog igraa a da se pritom nijednom od ostalih
igraa dobit ne smanji je poznato pod nazivom Pareto optimalno rjeenje. Pareto
optimalnost: niko ne moe imati veu korist, a da bar nekom od ostalih igraa ne bude
loije.
Kao to emo i vidjeti kasnije na primjeru, Neov ekvilibrijum esto nije optimalno rjeenje za
sve igrae. tavie, u nekim sluajevima to nije ni Pareto optimalno rjeenje, tj. postoji
mogunost da bar jedan igra povea svoju dobit ne nanosei tetu ostalim igraima (dakle,
bez smanjenja njihove dobiti).
Ipak, Neov ekvilibrijum je stanje u kojem e se nai igrai ukoliko igraju nekooperativnu igru
(eng. selfish game). Matematiki, Neov ekvilibrijum za dva igraa (x*, y*) se moe opisati
kao:

1
(,

)
1
(

( 51 )

2
(

, )
2
(

Primjer 1.
Jedan od pokaznih primjera teorije igara je tzv. Prisoners dilemma (Zatvorenikova dilema):
Dva kriminalca su uhapena i policija ih ispituje odvojeno (nijedan od njih ne zna ta e ovaj
drugi da ispria policiji).
- Ako jedan svjedoi protiv drugog, a drugi odbije da svjedoi, onaj ko je svjedoio
odlazi slobodan, a onaj ko je odbio biva osuen na 10 godina zatvora.
- Ako obojica svjedoe jedan protiv drugog, obojica dobivaju po 5 godina zatvora.
- Ako obojica odbiju da svjedoe, dobivaju po jednu godinu zatvora.

Razmiljanje kriminalca 1:
- Pretpostavimo da kriminalac 2 svjedoi protiv mene. Onda ja dobivam 5 godina
zatvora ako svjedoim protiv njega, a 10 godina ako odbijem da svjedoim. Bolje mi
je da svjedoim.


33
- Pretpostavimo da kriminalac 2 odbije da svjedoi protiv mene. Ako ja svjedoim protiv
njega, onda odlazim slobodan, a ako i ja odbijem da svjedoim, dobivam 1 godinu
zatvora. Bolje mi je da svjedoim.
Razmiljanje kriminalca 2:
- Pretpostavimo da kriminalac 1 svjedoi protiv mene. Onda ja dobivam 5 godina
zatvora ako svjedoim protiv njega, a 10 godina ako odbijem da svjedoim. Bolje mi
je da svjedoim.
- Pretpostavimo da kriminalac 1 odbije da svjedoi protiv mene. Ako ja svjedoim protiv
njega, onda odlazim slobodan, a ako i ja odbijem da svjedoim, dobivam 1 godinu
zatvora. Bolje mi je da svjedoim.
Algoritam: Za svaku strategiju kriminalca 2 (svjedoi ili odbije), kriminalac 1 selektuje onu
strategiju koja maksimizira njegovu dobit. Dakle, trai se najvei prvi element u svakoj koloni
i markira sa zvjezdicom (*). Tako se uradi i za strategije kriminalca 1. Skup strategija gdje su
obje * je Neov ekvilibrijum!

Neov ekvilibrijum: par strategija takav da nijedan igra nee imati vei dobitak ako
promjeni strategiju, ako se drugi igra dri svoje strategije!
Pareto optimalno rjeenje? Nije! (ako obojica odbiju da svjedoe, obojica e proi bolje
po 1 godina zatvora)
Primjer 2.
Trka u naoruanju: dvije zemlje potpiu sporazum o nenaoruavanju. Svakoj zemlji je u
interesu da ga potuje, pod pretpostavkom da ga i druga strana potuje (taj novac bi u tom
sluaju uloile npr. u zdravstvo, obrazovanje, ...). Ipak, u strahu da druga strana ne potuje
sporazum, svaka zemlja moe i da nastavi da se naoruava kako bi bila spremna za
eventualni napad od ove druge. Takoer, ako jedna potuje sporazum a druga nastavi da se


34
naoruava, tada je ova druga u prednosti jer jaa svoju vojsku, a prva moe imati ogromne
tete u sluaju napada druge)!

(Neov ekvilibrijum u ovom sluaju je da se obje zemlje naoruavaju!)
Primjer 3.
Dva terminala Tx1 i Tx2 se nadmeu za koritenje raspoloivog resursa slika ispod. Svaki
predajnik terminala ima tri mogunosti izlazne snage: 0, Pei (obrnuto proporcionalne dobitku
kanala), i Pmax, gde je:

1
=

2
=

2

je konstanta, a Gi srednji dobitak kanala
(eng. channel gain) za predajnik i.
Radi lakeg rauna, pretpostavimo da je:
G1=100G2
Pmax=1
B=1
n
2
=0,001G2Pmax
=G2Pmax
Dobit za svaki terminal se moe definisati
kao maksimalni kapacitet, tj:

=
2
(1 +

2
), {1,2}

2

Potrebno je razmotriti igru dva terminalaTx1 i Tx2, nai optimalno kao i ekvilibrijum stanje.
Rjeenje:
Prvo se moe zakljuiti da su predajne snage terminala u ovoj igri strategija (jer to su im
mogunosti izbora), a da je maksimalni kapacitet dobit. Obzirom da ova igra ima diskretan i


35
konaan broj strategija koje mogu igrati oba igraa (tri nivoa predajne snage), prikaz u
matrinoj formi je:


Prvi broj u matrici predstavlja dobit (tj. kapacitet) za terminal 1, a drugi za terminal 2 za izbor
razliitih strategija tj. predajnih snaga za svaki od terminala.
Kao i do sada, za svaku strategiju terminala Tx2 (tj. emitovanu snagu), terminal Tx1 selektuje
onu strategiju koja maksimizira njegovu dobit (tj. maksimalni kapacitet, C). Dakle, trai se
najvei prvi element u svakoj koloni i markira sa zvjezdicom (*).
Nakon to se isto uradi i za terminal Tx1, dobiva se sljedea situacija:

Ako ovu igru posmatramo kao nekooperativnu (i bez centralne kontrole), strategija koja
najbolje zadovoljava oba igraa (terminala) je strategija gdje su oba elementa istovremeno
maksimizirala svoj kapacitet sluajevi u matrici gdje su istovremeno obje zvjezdice!
Kao to se vidi, takva su dva sluaja terminal Tx1 emituje sa Pmax, a terminal Tx2 sa /G2
kao i Pmax dakle, ova igra ima dvije ravnotee tj. Neov ekvilibrijum stanja.
Da li je ovo rjeenje efikasno za oba igraa (terminala)?
Nije! Razlog to nije je taj to oba igraa pojedinano mogu proi i bolje (to se vidi i iz
prethodne tabele jer mogu ostvariti i vee kapacitete od onog u equilibriumu), ali ako ovo
posmatramo kao nekooperativnu igru dva igraa koji pripadaju razliitim operatorima, ovo e
svakako biti ravnoteno rjeenje!
Sljedee pitanje je koje bi rjeenje igre bilo da se radi o kooperativnoj igri (npr. kontrolie ih
ista bazna stanica)?
Da bi se odgovorilo na ovo pitanje, potrebno je razmotriti dva razliita tipa servisa u
telekomunikacijama:


36
- prvi tip servisa je onaj koji ima fiksni ciljani kvalitet servisa (QoS). U ovom sluaju,
kada se dostigne odreeni QoS, obezbjeena je uspjena komunikacija. Svako dalje
poveanje vrijednosti QoS parametra ne utie na poboljanje. Primjer ovakvog
servisa je govor, kada se za uspjenu govornu komunikaciju zahtjeva odreena
vrijednost odnosa SNR i protoka.
- Drugi tip servisa su tzv. elastini servisi, tj. servisi u kojima vei QoS obezbjeuje i
bolji servis. Primjer ovakvog servisa je npr. upload/download fajlova.
Pogledajmo sada koja bi rjeenja prethodne igre bila u svjetlu ovih novih servisa.
Koje bi optimalno rjeenje bilo ako se u primjeru koji se razmatra radi o govornom servisu,
koji npr. zahvata minimalni kapacitet od 0,5?
Optimalno rjeenje u ovom sluaju bi bilo (1,1), tj. strategija bi bila da oba terminala emituju
snagu koja je obrnuto proporcionalna dobitku kanala, kako bi snaga na prijemu od oba bila
jednaka prepoznaje se da je ovo koncept kontrole snage u cilju izbjegavanja problema
blizu-daleko u elijskim sistemima.

Primijetimo da optimalno rjeenje u ovom sluaju nije Neov ekvilibrijum, tj. nije ga mogue
postii u sluaju potpuno nekooperativne igre!
Sljedee pitanje je koje je optimalno rjeenje ako je cilj maksimizirati ukupni kapacitet u mrei
(sluaj drugog tipa servisa)?
Iz tabele je jasno da bi u ovom sluaju optimalno rjeenje bilo (16.61,0)

To znai da e decision maker u okviru operatora poslati komandu drugom terminalu Tx2 da
prestane sa emisijom (switch off!) kako bi svi resursi bili na raspolaganju terminalu Tx1
(igrala bi se strategija PTx1=Pmax, PTx2=0, to se vidi i iz tabele)!
Problem kod zadnjeg rjeenja je taj to rjeenje jednostavno nije fer, jer e drugi terminal
stalno biti iskljuen poto ima loije uslove u kanalu! Ako bi bilo mogue koristiti bilo koje
nivoe predajne nivoe, optimalno rjeenje raspodjele snage dobilo bi se primjenom poznatog


37
water-filling algoritma (pojaavanje kanala do potrebnog nivoa snage koji bi kompenzirao
razliita slabljenja unutar razliitih kanala).
Postoje i druga rjeenja koja bi poveala ukupni kapacitet u mrei, a ipak imala praviniju
raspodjelu resursa jedno od takvih rjeenja je raspodjela vremena izmeu dva terminala.
npr. da se 70% vremena u okviru slota dodjeli terminalu Tx1 a 30% terminalu Tx2. U tom
sluaju kapacitet terminala Tx1 bi bio 11,6 a terminala Tx2 3,0. Primijetimo da oba terminala i
u ovom sluaju postiu bolje rezultate od Neovog ekvilibrijuma (kada je prvi terminal imao
kapacitet od 6,66, a drugi od svega 0,01!).
Svi ovi primjeri pokazuju ta je optimalni skup strategija u sluaju nekooperativne igre (Neov
ekvilibrijum jeste rjeenje nekooperativne igre).
Takoer, za nekooperativnu igru Neov ekvilibrijum nije uvijek i Pareto optimalno rjeenje (jer
vidimo da oba terminala poboljavaju svoje dobiti tj. kapacitet ako stupe u kooperaciju!).
U situacijama u kojima se nalaze kognitivni terminali u okviru kognitivnih radio mrea,
inteligentni sistem (cognitive engine) u okviru samih terminala donijee odluku da li je bolje
da terminal igra kooperativnu ili nekooperativnu (tj. sebinu igru)!
U prethodnim sluajevima mi smo razmatrali igru u kojoj uestvuju samo dva igraa.
razmotrimo i kako izgleda sluaj sa vie igraa kao i kako se u tom sluaju definie Neov
ekvilibrijum.
Dakle, pretpostavimo da u igri uestvuje N igraa od koji svaki naravno ima svoju funkciju
dobiti (utility function) koju eli da maksimizira. Funkcija dobiti svakog igraa moe se
formulisati na sladei nain:

(
1
,
2
,
3
,

,
)
( 52 )
gdje je

= [
1
,
2
, ,
1
, ] vektor strategije igraa i, dok je mi broj parametara igraa i.
Treba primijetiti da ovo mi nije broj strategija. Npr. vektor:

= [

,
0
,

] moe biti vektor

strategija koji se sastoji od predajne snage Pi (sa dozvoljenim vrijednostima npr. od 0 do
Pmax), f0i je uestanost nosioca (npr. konani skup moguih vrijednosti kanala koji su na
raspolaganju), dok je Ri protok (skup moguih protoka).
Neov ekvilibrijum rjeenje [
1

,
2

, . . ,

, ,

] tj. za sluaj kada imamo N igraa mora da

zadovolji sljedei uslov:

(
1

,
2

, . . ,

, ,

(
1

,
2

, . . ,

, ,

)= 1, , ( 53 )
To znai da nijedan igra ne moe poboljat svoju dobit ako odstupi od Ne ekvilibrijum
take (ako to nijedan od drugih igraa nije uinio).
Dovoljni uslovi za Ne ekvilibrijum rjeenje za N igraa su:
I.

,.,

= 0, = 1, . . ,
II.

(
1

,
2

, . . ,
1

, ,
+1

( 54 )


38
III.

,.,

2
< 0, = 1, . . ,
Prvi uslov osigurava da je Ne taka ekstremna taka, drugi da je Nash taka jedinstvena, a
trei da je ta ekstremna taka ustvari lokalni maksimum!

Slika 20. etiri kategorije pristupa kognitivnom radiju primjenom teorije igara


















39

8. Literatura
[1] D. Markovi, Kognitivni radio, asopis saveza radio-amatera Srbije, br. 6, godina
2013
(http://ijcsi.org/papers/IJCSI-9-1-3-390-394.pdf)

[2] Hassen, Tewodros Wolde, Synchronization in Cognitive Overlay Systems, School of
Electrical Engineering Department of Communications and Networking Technologies,
August 08, 2012
(http://lib.tkk.fi/Dipl/2012/urn100685.pdf)

[3] Majed Haddad, Aawatif Menouni Hayar and Merouane Debbah, Spectral efciency
of Cognitive Radio systems, Global Telecommunications Conference, 2007.
GLOBECOM '07. IEEE
(http://www.flexible-radio.com/sites/default/files/publications/C0703.pdf)

[4] Doc. dr Mirjana Simi, predavanja iz predmeta Kognitivni radio predaje,
Elektrotehniki fakultet Beograd, 2013/14
(http://telekomunikacije.etf.bg.ac.rs/predmeti/ms1kr/)

[5] Shrikrishan Yadav, Prof. Krishna Chandra Roy, Tradeoff Analysis of Bit-Error-Rate
(BER) in Cognitive Radio Based on Genetic Algorithm, IJCSI International Journal of
Computer Science Issues, Vol. 9, Issue 1, No 3, January 2012
(http://ijcsi.org/papers/IJCSI-9-1-3-390-394.pdf)















40


Dodaci









A. Matlab kod za sinhronizaciju
















41



%--------------------------------------------------
% Define Parameters
%--------------------------------------------------
close all; clear all; clc;
[s1,s2] = RandStream.create('mrg32k3a','NumStreams',2);
fftLen = 2048;
cpLen = 512;
% Modulation order
modOrderPri = 4;
modOrderSec = 4;
continual_pilots = ...
[ 0 48 54 87 141 156 192 201 255 279 282 333 ...
432 450 483 525 531 618 636 714 759 765 780 804 873 888...
918 939 942 969 984 1050 1101 1107 1110 1137 1140 1146...
1206 1269 1323 1377 1491 1683 1704]';
tps_set= [34 50 209 346 413 569 595 688 790 901 ...
1073 1219 1262 1286 1469 1594 1687]';
pilots_secondary = [1:12:889 902 913:12:1704]'; % pilots in secondary
signal
used_carriers = 1705;
used_carriers1 = 1705;
payload_carriers = 1512;
payload_carriers1 = 1371;
cplBoost = 4/3;
tpsBoost = 1;
nSymTx = 50;
pratio = 1/3; % secondary to primary ratio
alpha = [1 0.75 0.5 0.25 0]; % secondary splitting ratio
delay = [0 10 20,30]; %delay between primary and secondary % TXs
SNR = [0:2:36];
%------------------------------------------------
% Create the the primary ( DVB-T)
%------------------------------------------------
leftPad = ceil((fftLen-used_carriers)/2);
rightPad_start_pri = used_carriers + leftPad + 1;
payloadEnd = used_carriers + leftPad;
iniSeq = uint16( bin2dec('11111111111'));
g = [11, 2, 0];
wk = zeros(used_carriers,1);
for k = 1:length(wk)
Bit = bitand(sum(bitget(iniSeq, g(2:end)+1 )), 1);
wk(k) = bitand(iniSeq, 1);
iniSeq = bitshift(iniSeq, -1);
iniSeq = bitset(iniSeq, g(1), Bit);
end
h1 = modem.qammod(modOrderPri);
normFactorPri = ... (sum(abs(h1.Constellation).^2)/modOrderPri).^(-0.5);
priUsed = randi(s1,[0,modOrderPri-1],used_carriers,nSymTx);
priSymbolUsed = normFactorPri*qammod(priUsed, modOrderPri);
payload_datapri = zeros(payload_carriers, nSymTx);
pilot_set = zero(176,nSymTx);
payload_inxpri = zero(payload_carriers,nSymTx);
for sym_count = 0:nSymTx-1
Kmin=0;
pilot_set(:,sym_count+1) = union (continual_pilots, ...
Kmin + 3*rem(sym_count,4) + ...


42
12*(0:(used_carriers-12)/12));
% Insert pilots and TPS and remember payload index
v=1; % current input payload carrier index
pilot=1; % current pilot index in pilot_set
tps=1; % current tps index in tps_set
for u = 1:used_carriers
p = 1+pilot_set(pilot,sym_count+1);%get next pilot
if tps <= length(tps_set) % get next tps
t = 1+tps_set(tps);
else
t = 0;
end
if u == p % it's a pilot signal
priSymbolUsed(u,sym_count+1)=cplBoost*2*(0.5...
- wk(u) );
pilot = pilot + 1;
elseif u == t; % it's a TPS signal
priSymbolUsed(u,sym_count+1) = ... tpsBoost*2*(0.5 - wk(u) );
tps = tps + 1;
else % it's a payload carrier
payload_datapri(v,sym_count+1) =...
priSymbolUsed(u,sym_count+1);
payload_inxpri(v,sym_count+1) = u;
v = v + 1;
end
end
end
priSymbol =[zeros(leftPad,nSymTx);priSymbolUsed; ...
zeros(fftLen-payloadEnd,nSymTx)];
%------------------------------------------------
% Create secondary OFDM
%------------------------------------------------
cPilotsSec = cplBoost*2*(0.5 - wk(pilots_secondary+1) );
h2 = modem.qammod(modOrderSec);
normFactorSec = (sum(abs(h2.Constellation).^ ...
2)/modOrderSec).^(-0.5);
secMessage = randi(s2,[0,modOrderSec-1], fftLen, nSymTx);
secSymbol = normFactorSec*modulate(h2, secMessage);
% pad zeros
leftPad1 = ceil((fftLen-used_carriers1)/2);
rightPad_start_sec = used_carriers1 + leftPad1 + 1;
secSymbol(1:leftPad1,:) = 0; secSymbol(rightPad_start_sec:end,:) = 0;
secSymbol(leftPad1 + pilots_secondary + 1,:) = ...
repmat(cPilotsSec,1,nSymTx);
tps_mod = tps_set;
secSymbol(leftPad + tps_mod + 1,:) = 0;
secMessage(leftPad + tps_mod + 1,:) = -1;
for cnt = 1:nSymTx
secSymbol(leftPad + pilot_set(:,cnt) + 1,cnt) = 0;
secMessage(leftPad + pilot_set(:,cnt) + 1,cnt) = -1;
end
secMessage(leftPad1+pilots_secondary+1,:) = -1;
secMessage = secMessage(leftPad1+1:rightPad_start_sec-1,:);
secMessage(secMessage < 0) = [];
secMessage = buffer(secMessage,payload_carriers1);
for dd = 1:length(delay)
figure('color','white')
for ff = 1:5
Comb_symbol =(sqrt(1-alpha(ff)))*pratio*priSymbol+ ...
(sqrt(alpha(ff)))*pratio*secSymbol;
Comb_symbol_noise = Comb_symbol;


43
midPoint = fftLen/2;
comb_ifftOut = ifft(circshift(Comb_symbol_noise,midPoint));
overlay_cpadded = [ comb_ifftOut(fftLen-cpLen+1:fftLen,:); comb_ifftOut];
Orig_ifftOut = ifft(circshift(priSymbol,midpoint));
Orig_cpadded =[Orig_ifftOut(fftLen-cpLen+1:fftLen,:);Orig_ifftOut];
comb_tx = [zeros(delay(dd),nSymTx);overlay_cpadded(1:end-delay(dd),:)] +...
Orig_cpadded(:,1:nSymTx);
for snr_inx = 1:length(SNR)
% Add noise to the symbol
comb_tx_noise = comb_tx(:);
comb_tx_noise =awgn(comb_tx_noise ...
,SNR(snr_inx) - db(std(comb_tx_noise)));
%-------------------------------------------------------------------------
% Peak detection and synchronization ( Primary + Secondary )
%-------------------------------------------------------------------------
rhoinx = 10.0^(SNR(snr_inx)/10.0);
rho = rhoinx / (rhoinx + 1.0);
delayed_tx = [zeros(1,fftLen)';comb_tx_noise(1:end-fftLen)];
magsqrd_tx = abs(comb_tx_noise).^2;
magsqrd_delayed_tx = abs(delayed_tx).^2;
adder_tx = magsqrd_tx + magsqrd_delayed_tx;
delayed_conj_tx = conj(delayed_tx); % Delayed copy
mixer_tx = comb_tx_noise.*delayed_conj_tx;
correlation_tx = filter(ones(1,cpLen),1,mixer_tx); % Moving average filter
corrMag_tx = abs(correlation_tx);
CorrAngle_tx = angle(correlation_tx);
power_tx = filter(rho/2*ones(1, cpLen),1, adder_tx);
normCorr_tx = corrMag_tx./power_tx;
[PeakCorr_tx,averages] = doPeakDetection(normCorr_tx);
%---------------------------------------------------------------
% Sample and hold DVBT
%---------------------------------------------------------------
sampledAndHold = zeros(size(CorrAngle_tx));
indices = 1:length(CorrAngle_tx);
locations = indices(PeakCorr_tx == 1);
for k = 1:(length(locations)-1)
locations(k+1) = locations(k) + ( cpLen + fftLen);
end
PeakCorr_tx(:,1) = 0;
PeakCorr_tx(locations,1) = 1;
for idx = 1:(length(locations)-1)
start_ = locations(idx);
end_ = locations(idx+1) - 1;
sampledAndHold(start_:end_) = CorrAngle_tx(start_);
end
sampledAndHold(end_+1:end) = CorrAngle_tx(end_+1);
%---------------------------------------------------------------
% Freq offset correction DVBT
%---------------------------------------------------------------
sensitivity = -1/fftLen;
phase_ = zeros(size(sampledAndHold));
for i = 1:length(sampledAndHold)
phase_(i+1) = phase_(i) + sampledAndHold(i);
end
nco = cos(sensitivity*phase_(2:end)) + 1j*sin(sensitivity*phase_(2:end));
freqCorrected = nco.*comb_tx_noise;
delayed_comp = [zeros(1,fftLen)';freqCorrected(1:end-fftLen)];
delayed_conj_comp = conj(delayed_comp); % Delayed copy
mixer_comp = freqCorrected.*delayed_conj_comp;
correlation_comp = filter(ones(1,cpLen),1,mixer_comp);% Moving average
CorrAngle_comp = angle(correlation_comp);


44
%-------------------------------------------------------------------------
% Sampling DVBT
%-------------------------------------------------------------------------
peak_inx_ = find(PeakCorr_tx == 1);
rcvd_samples = length(peak_inx_)*fftLen;
d_time_sync = zeros(rcvd_samples,1);
jj = 1;
for ii = 1:length(peak_inx_)
d_time_sync(jj:jj+fftLen-1) = freqCorrected((peak_inx_(ii)- ...
fftLen+1):peak_inx_(ii) - 0);
jj = jj + fftLen;
end
%--------------------------------------------------------------------------
% FFT DVBT
%--------------------------------------------------------------------------
sampled = reshape(d_time_sync,fftLen,length(peak_inx_));
midPoint = round(fftLen/2);
fftOutComb = circshift( fft(sampled), midPoint);
pilot_len = size(pilot_set,1);
[fftOutComb,carrier_angle,carrier_mag,nSym] = ...
Equalize(fftOutComb,used_carriers,leftPad,...
pilot_set,priSymbol,rightPad_start_pri,pilot_len);
figure('color','w')
plot(fftOutComb(leftPad+1:rightPad_start_pri-1,10),'.');
title('QPSK constellations at primary receiver for relayed ...
overlay(equalized)');
xlabel('Real');
ylabel('Imaginary');
%--------------------------------------------------------------------------
% Primary receiver
%--------------------------------------------------------------------------
[fftOutCombMod,PriDemodMssg]= ...
MessageMoDem(fftOutComb,leftPad,used_carriers, ...
payload_carriers,continual_pilots,...
tps_set,normFactorPri,modOrderPri,...
wk,cplBoost,tpsBoost,rightPad_start_pri);
priDataDemapped = gray2bin(PriDemodMssg(:,1:nSym),'qam',modOrderPri);
rxDataBitsPri = de2bi(priDataDemapped,'left-msb');
MssgDemod = qamdemod((1/normFactorPri)*payload_datapri,modOrderPri);
txDatadeMappedpri = gray2bin(MssgDemod(:,1:nSym),'qam',modOrderPri);
txDataBitsPri = de2bi(txDatadeMappedpri,'left-msb');
for tpri = 1:nSym
[nErr ber(snr_inx,tpri)] = biterr(txDataBitsPri((tpri-1)* ...
payload_carriers+1:tpri*payload_carriers), ...
rxDataBitsPri((tpri-1)* ...
payload_carriers+1:tpri*payload_carriers))
end
%--------------------------------------------------------------------------
% Secondary receiver
%--------------------------------------------------------------------------
ResidualData = fftOutComb - fftOutCombMod;
ResidualData(leftPad+1:rightPad_start_pri-1,1:nSym) = ...
ResidualData(leftPad+1:rightPad_start_pri-1,1:nSym).*(carrier_mag);
ResidualData(leftPad+1:rightPad_start_pri-1,1:nSym) = ...
ResidualData(leftPad+1:rightPad_start_pri-1,1:nSym)./...
(cos(carrier_angle) - 1j*sin(carrier_angle));
pilot_len_sec = length(pilots_secondary);
[ResidualData,carrier_angle,carrier_mag,nSym] = ...
secEqualize(ResidualData,used_carriers1,...
leftPad1, pilots_secondary,...
secSymbol,rightPad_start_sec,pilot_len_sec);


45
figure('color','w')
plot(ResidualData(leftPad+1:rightPad_start_pri-1,10),'.');
title('QPSK at secondary receiver for relayed overlay(equalized)');
xlabel('Real');
ylabel('Imaginary');
%--------------------------------------------------------------------------
% Demodulation (Secondary)
%--------------------------------------------------------------------------
for cnt = 1:nSym
ResidualData(leftPad + pilot_set(:,cnt) + 1,cnt) = 100;
end
ResidualData(leftPad + tps_set + 1,:) = 100;
ResidualDataMesg = ResidualData(leftPad1+1:rightPad_start_sec-1,:);
ResidualDataMesg(pilots_secondary + 1,:) = 100;
ResidualDataMesg(ResidualDataMesg==100) = [];
ResidualDataMesg = buffer(ResidualDataMesg,payload_carriers1);
mesSym = size(ResidualDataMesg,2);
ResidualDemod = qamdemod((1/normFactorSec)*ResidualDataMesg,modOrderSec);
resDataMapped = gray2bin(ResidualDemod(:,1:mesSym-1),'qam',modOrderSec);
resDataBits = de2bi(resDataMapped,'left-msb');
txDatadeMappedsec = gray2bin(secMessage(:,1:mesSym-1),'qam',modOrderSec);
txDataBitssec = de2bi(txDatadeMappedsec,'left-msb');
for tsec = 1:nSym-1
[nErrsec bersec(snr_inx,tsec)] = biterr(txDataBitssec((tsec-1)*...
payload_carriers1+1:tsec*payload_carriers1),resDataBits((tsec-1)*...
payload_carriers1+1:tsec*payload_carriers1));
end
end
%--------------------------------------------------------------------------
% BER plots for recived signal at the primary and secondary receivers
%--------------------------------------------------------------------------
if (ff == 1)
semilogy(EbNo,mean(ber,2),'-b','MarkerSize',10,'LineWidth',2)
hold on
semilogy(EbNo,mean(bersec,2),'-r','MarkerSize',10,'LineWidth',2)
grid on;
xlabel('SNR in dB');
ylabel('Bit Error Rate')
else if (ff == 2)
semilogy(EbNo,mean(ber,2),'-bx','MarkerSize',10,'LineWidth',2)
semilogy(EbNo,mean(bersec,2),'-rx','MarkerSize',10,'LineWidth',2)
else if (ff == 3)
semilogy(EbNo,mean(ber,2),'-bo','MarkerSize',10,'LineWidth',2)
semilogy(EbNo,mean(bersec,2),'-ro','MarkerSize',10,'LineWidth',2)
else if (ff == 4)
semilogy(EbNo,mean(ber,2),'-bd','MarkerSize',10,'LineWidth',2)
semilogy(EbNo,mean(bersec,2),'-rd','MarkerSize',10,'LineWidth',2)
else
semilogy(EbNo,mean(ber,2),'--b','MarkerSize',10,'LineWidth',2)
semilogy(EbNo,mean(bersec,2),'--r','MarkerSize',10,'LineWidth',2)
end
end
end
end
end
end
function [corrPeaks averages ratios] = doPeakDetection(normCorr)
%--------------------------------------------------------------------------
% Peak detection
%--------------------------------------------------------------------------
corrPeaks = zeros(size(normCorr));


46
averages = zeros(size(normCorr));
ratios = zeros(size(normCorr));
peak_val = -Inf;
peak_ind = 0;
state = 0;
i = 1;
avg =-1;
avg_alpha = 0.000001;
threshold_factor_fall = 0.8;
threshold_factor_rise = 0.7;
normCorr_ = normCorr - 1;
while i <= length(normCorr_)
if state == 0 % below threshold
if normCorr_(i) > avg*threshold_factor_rise
state = 1;
else
avg = (avg_alpha)*normCorr_(i) + (1-avg_alpha)*avg;
averages(i) = avg;
ratios(i) = normCorr_(i)/avg;
i = i+1;
end
elseif state == 1 % above threshold, have not found peak
if normCorr_(i) > peak_val
peak_val = normCorr_(i);
peak_ind = i;
avg = (avg_alpha)*normCorr_(i) + (1-avg_alpha)*avg;
averages(i) = avg;
ratios(i) = normCorr_(i)/avg;
i = i+1;
else
if normCorr_(i) > avg*threshold_factor_fall
avg = (avg_alpha)*normCorr_(i) + (1-avg_alpha)*avg;
averages(i) = avg;
ratios(i) = normCorr_(i)/avg;
i = i+1;
else
corrPeaks(peak_ind) = 1;
state = 0;
peak_val = -Inf;
end
end
end
end
function[fftOutMod,MssgDemod]=MessageMoDem(fftData,LeftPad,used_carriers,pa
yload_carriers,continual_pilots,tps_set,normFactor,modOrder,w,cpBoost,tpBo
st,rightPad_str)
num_sym = size(fftData,2);
payload_data = zeros(payload_carriers, num_sym);
payload_inx = zeros(payload_carriers,num_sym);
fftOutUsed = fftData(LeftPad+1:rightPad_start-1,:);
for sym_count = 0:num_sym-1
Kmin=0;
pilot_set = union (continual_pilots, ...
Kmin + 3*rem(sym_count,4) + ...
12*(0:(used_carriers-12)/12));
% separate data from pilots and TPS
v=1; % current input payload carrier index
pilot=1; % current pilot index in pilot_set
tps=1; % current tps index in tps_set
for u = 1:used_carriers % for all output carriers
p = 1+pilot_set(pilot); % get next pilot


47
if tps <= length(tps_set) % get next tps
t = 1+tps_set(tps);
else
t = 0;
end
if u == p % it's a pilot signal
fftOutUsed(u,sym_count+1) = cpBoost*2*(0.5 - w(u) );
pilot = pilot + 1;
elseif u == t; % it's a TPS signal
fftOutUsed(u,sym_count+1) = tpBoost*2*(0.5 - w(u) );
tps = tps + 1;
else % it's a payload carrier
payload_data(v,sym_count+1) = fftOutUsed(u,sym_count+1);
payload_inx(v,sym_count+1) = u;
v = v + 1;
end
end
end
MssgDemod = qamdemod((1/normFactor)*payload_data,modOrder);
MssgMod = normFactor*qammod(MssgDemod,modOrder);
fftOutMod = fftData;
for jj = 1:num_sym
sym_payload_inx = payload_inx(:,jj);
fftOutUsed(sym_payload_inx,jj) = MssgMod(:,jj);
end
fftOutMod(LeftPad+1:rightPad_start-1,:) = fftOutUsed;
% Primary Equalizer
function[fftOutComb,carrier_angle,carrier_mag,nSym] = ...
Equalize(fftOutComb,used_carriers,leftPad, ...
pilot_set,txSymbol,right_pad_start,pilot_length)
%--------------------------------------------------------------------------
% Equalization Primary
%--------------------------------------------------------------------------
nSym = size(fftOutComb,2);
carrier_angle = zeros(used_carriers,nSym);
carrier_mag = zeros(used_carriers,nSym);
pilots_rx = zeros(pilot_length,nSym);
pilot_tx = zeros(pilot_length,nSym);
for cnt = 1:nSym
pilots_rx(:,cnt) = fftOutComb(leftPad + pilot_set(:,cnt) + 1,cnt);
pilot_tx(:,cnt) = txSymbol(leftPad + pilot_set(:,cnt) + 1,cnt);
h = pilots_rx(:,cnt)./pilot_tx(:,cnt);
pilot_mag = abs(h);
pilot_angle = angle(h);
for kk = 1:size(pilot_angle,1)-1
denom = pilot_set(kk+1,cnt)-pilot_set(kk,cnt);
tmp = pilot_angle(kk+1);
for jj = 1:denom-1
if (pilot_angle(kk+1) - pilot_angle(kk)) > pi
pilot_angle(kk+1) = pilot_angle(kk+1) - 2*pi;
else if (pilot_angle(kk+1) - pilot_angle(kk)) < -pi
pilot_angle(kk+1) = pilot_angle(kk+1) + 2*pi;
end
end
carrier_angle(1+pilot_set(kk,cnt)+jj,cnt) = (1-(jj/denom)).*...
pilot_angle(kk) + (jj/denom).*pilot_angle(kk+1);
carrier_mag(1+pilot_set(kk,cnt)+jj,cnt) = (1-(jj/denom)).*...
pilot_mag(kk) + (jj/denom).*pilot_mag(kk+1);
if carrier_angle(1+pilot_set(kk,cnt)+jj,cnt) > pi
carrier_angle(1+pilot_set(kk,cnt)+jj,cnt) = carrier_angle(1+...
pilot_set(kk,cnt)+jj,cnt) - 2*pi;


48
else if carrier_angle(1+pilot_set(kk,cnt)+jj,cnt) < -pi
carrier_angle(1+pilot_set(kk,cnt)+jj,cnt) = 2*pi + ...
carrier_angle(1+pilot_set(kk,cnt)+jj,cnt);
end
end
end
pilot_angle(kk+1) = tmp;
end
carrier_angle(1+pilot_set(:,cnt),cnt) = pilot_angle;
carrier_mag(1+pilot_set(:,cnt),cnt) = pilot_mag;
end
fftOutComb(leftPad+1:right_pad_start-1,1:nSym) = fftOutComb(leftPad+...
1:right_pad_start-1,1:nSym).*...
(cos(carrier_angle) - 1j*sin(carrier_angle));
fftOutComb(leftPad+1:right_pad_start-1,1:nSym) = fftOutComb(leftPad+...
1:right_pad_start-1,1:nSym)./(carrier_mag);
%Secondary Equalizer
function[resData,carrier_angle,carrier_mag,nSym] = ...
secEqualize(resData,used_carriers,leftPad, pilot_set,...
txSymbol,right_pad_start,pilot_length)
%--------------------------------------------------------------------------
% Equalization Secondary
%--------------------------------------------------------------------------
nSym = size(resData,2);
carrier_angle = zeros(used_carriers,nSym);
carrier_mag = zeros(used_carriers,nSym);
pilots_rx = zeros(pilot_length,nSym);
pilot_tx = zeros(pilot_length,nSym);
for cnt = 1:nSym
pilots_rx(:,cnt) = resData(leftPad + pilot_set + 1,cnt);
pilot_tx(:,cnt) = txSymbol(leftPad + pilot_set + 1,cnt);
h = pilots_rx(:,cnt)./pilot_tx(:,cnt);
pilot_mag = abs(h);
pilot_angle = angle(h);
for kk = 1:size(pilot_angle,1)-1
denom = pilot_set(kk+1)-pilot_set(kk);
tmp = pilot_angle(kk+1);
if (pilot_angle(kk+1) - pilot_angle(kk)) > pi
pilot_angle(kk+1) = pilot_angle(kk+1) - 2*pi;
else if (pilot_angle(kk+1) - pilot_angle(kk)) < -pi
pilot_angle(kk+1) = pilot_angle(kk+1) + 2*pi;
end
end
for jj = 1:denom-1
carrier_angle(1+pilot_set(kk)+jj,cnt) = (1-(jj/denom)).*...
pilot_angle(kk) + (jj/denom).*pilot_angle(kk+1);
carrier_mag(1+pilot_set(kk)+jj,cnt) = (1-(jj/denom)).*...
pilot_mag(kk) + (jj/denom).*pilot_mag(kk+1);
if carrier_angle(1+pilot_set(kk)+jj,cnt) > pi
carrier_angle(1+pilot_set(kk)+jj,cnt) = carrier_angle(1+ ...
pilot_set(kk)+jj,cnt) - 2*pi;
else if carrier_angle(1+pilot_set(kk)+jj,cnt) < -pi
carrier_angle(1+pilot_set(kk)+jj,cnt) = 2*pi + ...
carrier_angle(1+pilot_set(kk)+jj,cnt);
end
end
end
pilot_angle(kk+1) = tmp;
end
carrier_angle(1+pilot_set,cnt) = pilot_angle;
carrier_mag(1+pilot_set,cnt) = pilot_mag;


49
end
resData(leftPad+1:right_pad_start-1,1:nSym) = resData(leftPad+1:...
right_pad_start-1,1:nSym).*(cos(carrier_angle) - 1j*sin(carrier_angle));
resData(leftPad+1:right_pad_start-1,1:nSym) = resData(leftPad+1:...
right_pad_start-1,1:nSym)./(carrier_mag);