سنجش طیف توزیع شده با تهیه نقشه های جغرافیائی رادیوئی در شبکه های رادیوشناختی

نوع مقاله: مقاله برق

نویسندگان

1 هیات علمی

2 گروه الکترونیک دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر

چکیده

گسترش روزافزون تجهیزات بی‌سیم و به تبع آن شبکه‌های بی‌سیم باعث افزایش ارزش فضای طیفی شده و تلاش‌های زیادی برای افزایش بهره‌وری طیفی در حال انجام است. در این مقاله‏، یک روش نوین برای افزایش بهره‌وری طیفی در شبکه‌های بی‌سیم توزیع شده ارائه شده است. در این روش با استفاده از الگوریتم فیلتر کالمن توزیع شده که در آن اصلاحاتی به منظور افزایش دقت تخمین آن صورت گرفته است موقعیت‏، سرعت حرکت و توان فرستنده‌های اولیه تخمین زده می‌شود و با استفاده از این آورده‌ها‏، انتخاب حفره‌های طیفی به بهترین شیوه انجام پذیرفته و موجب افزایش بهره‌وری طیفی نسبت به روش‌های ‎‏سنجش طیف مستقیم و غیرمستقیم متمرکز فراهم می‌آید. تمامی نتایج این پژوهش با پیاده سازی‌های عملی و شبیه سازی‌های دقیق اثبات شده است. نوآوری‌های این پژوهش شامل معرفی و استفاده از یک مدل خطی برای تخمین موقعیت یک فرستنده با استفاده از توان دریافتی آن برای حالت‌های دید مستقیم و دید غیرمستقیم‏، ایجاد اصلاحاتی در الگوریتم فیلتر کالمن توزیع شده و بخصوص سنجش طیف توزیع شده است که باعث افزایش نرخ تبادلات گره‌های شبکه با یکدیگر و در نتیجه افزایش بهره‌وری طیف فرکانسی می‌گردد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Distributed spectrum sensing in rem based cognitive radio networks

نویسندگان [English]

  • nematollah Ezzati 1
  • hassan Taheri 2
1 university staff
2 electrical, electronic engineering department of Amirkabir university of technology
چکیده [English]

Ever increasing development of wireless devices and wireless networks have increased the value of spectral space‎. ‎Many efforts have been conducted to increase spectral utilization‎. The radio environment mapping opens new gates for developing low cost wireless devices. ‎In this paper‎, ‎a new method is proposed for increasing spectral utilization in distributed networks‎. ‎In this method‎ ‎distributed Kalman filter, which is modified to increase estimation accuracy, is used to estimate position‎, ‎velocity and power of primary transmitters‎. ‎These data are used to select spectrum holes optimally and increase spectral utilization compared to centralized methods‎. Obtained r‎esults are evaluated through practical implementations and simulations‎. ‎Innovations of this research include introducing and employing a linear model for estimating position of a transmitter using received power in line of sight (LoS) and non-line of sight (NLS) conditions, ‎‎‎modifying extended kalman filter and‎ ‎implementation of distributed spectrum sensing; advantages of this method are illustrated compared to centralized methods.‎‎

کلیدواژه‌ها [English]

  • ‎Cognitive radio‎
  • ‎Distributed spectrum sensing‎
  • ‎Radio environment mapping‎
  • ‎Distributed kalman filtering

 

[1]  M. T. Masonta, M. Mzyece, and Ntlatlapa, (2013), “Spectrum decision in cognitive radio networks: A survey,”  IEEE Communications Surveys and Tutorials, vol. 15, no. 3, pp. 1088 – 1107.

[2]  A. K. M. S. Marko Pesko, Tomaz Javornik and M. Mohorcic, (2014), “Radio environment maps: The survey of construction methods,”  KSII TRANSACTIONS ON INTERNET AND INFORMATION SYSTEMS, vol. 8, no. 11, pp. 3789 – 3809.

[3]  L. G. J. R. D. Denkovski, V. Atanasovski and P. Mahonen, (2012),“Reliability of a radio environment map: Case of spatial interpolation techniques,” in  7th International ICST Conference on Cognitive Radio Oriented Wireless Networks and Communications (CROWNCOM.

[4]  M. P. I. C. W. L. D. P. W. J. T. D. L. M. I. M. Selvakumar Ulaganathan, Dirk Deschrijver, (2016), “Building accurate radio environment maps from multi-fidelity spectrum sensing data,”  Wireless Networks, vol. 22, no. 8, pp. 2551 – 2562.

[5]  J. A. Bazerque and G. B. Giannakis, (2015), “Distributed spectrum sensing for cognitive radio networks by exploiting sparsity,”  IEEE TRANSACTIONS ON SIGNAL PROCESSING, vol. 58, no. 3, pp. 1847 – 1863.

[6]  L. V. A. K. M. S. M. M. Marko Pesko, Tomaz Javornik, (2015), “The indirect self-tuning method for constructing radio environment map using omnidirectional or directional transmitter antenna,”  Eurasip Journal on Wireless Communications and Networking, vol. 2015, no. 1, pp. 1 – 12.

[7]  Z. Y. Xiufang Shi, Guoqiang Mao and J. Chen, (2016) “Localization algorithm design and performance analysis in probabilistic los/nlos environment,” in  IEEE Wireless Communications Symposium (ICC 2016).

[8]  H. M. Paul Zarchan, (2000),  Fundamentals of Kalman Filtering: A Practical Approach.  American Institute of Aeronautics and Astronautics Incorporated.

[9]  C. G. L. Leilei Li, Jonathon A. Chambers and A. H. Sayed, (2010)“Distributed estimation over an adaptive incremental network based on the affine projection algorithm,”  IEEE TRANSACTIONS ON SIGNAL PROCESSING, vol. 58, no. 1, pp. 151 – 163.

[10]  F. S. Cattivelli and A. H. Sayed, (2010), “Diffusion lms strategies for distributed estimation,”  IEEE TRANSACTIONS ON SIGNAL PROCESSING, vol. 58, no. 3, pp. 1035– 1048.

[11]  L. Xiao, T. Chen, J. Liu, and H. Dai, (2015), “Anti-jamming transmission stackelberg game with observation errors,”  IEEE Communications Letters, vol. 19, no. 6, pp. 949– 952.

[12]  S.-Y. Tu and A. H. Sayed, (2012), “Diffusion strategies outperform consensus strategies for distributed estimation over adaptive networks,”  IEEE TRANSACTIONS ON SIGNAL PROCESSING, vol. 60, no. 12, pp. 6217– 6234.

[13]  S.-Y. Tu and A. H. Sayed, (2011), “Diffusion strategies outperform consensus strategies for distributed estimation over adaptive networks unknown primary signal arrival time,”  IEEE TRANSACTIONS ON COMMUNICATIONS, vol. 59, no. 7, pp. 1779– 1785.

[14]  U. O. Lu Lu, Xiangwei Zhou and G. Y. Li, (2012), “Ten years of research in spectrum sensing and sharing in cognitive radio,”  Eurasip Journal on Wireless Communications and Networking, vol. 2012, no. 28, pp. 1– 16.

[14] هادی مختاری، معین بهادری، جواد غلام نژاد، (1395)،  "برآورد ارزش اقتصادی بلوک استخراجی برای طراحی پیشرویها در معادن روباز، با در نظر گرفتن عدم قطعیت عیار، نمونۀ مطالعاتی: معدن سنگ آهن چادرملو"، مجله مدلسازی در مهندسی، سال چهاردهم، شماره 47

[15] احمد حسین بیگ، جواد سلیمان میگونی، (1395)،  "استفاده از حل معادلات انتگرالی در تحلیل یک آنتن پهن باند مایکرواستریپی"، مجله مدلسازی در مهندسی، سال چهاردهم، شماره 46

[16] بهروز حسنی و احمد گنجعلی، (1394)،  "مکان یابی نقاط بهینه تنش در تحلیل ایزوژئومتریک"، مجله مدلسازی در مهندسی، سال سیزدهم، شماره 40

[17]  G. Y. L. Ying-Chang Liang, Kwang-Cheng Chen and P. Mahonen, (2013), “Cognitive radio networking and communications: An overview,”  IEEE Wireless Communications, vol. 13, no. 1, pp. 74– 81.

[18]  A. N. C.-X. W. HONGJIAN SUN and Y. CHEN, (2015), “Wideband spectrum sensing for cognitive radio networks: A survey,”  IEEE Communications Letters, vol. 60, no. 7, pp. 3386– 3407.

[19]  R. Bouraoui and H. Besbes, (2016)“Cooperative spectrum sensing for cognitive radio networks: Fusion rules performance analysis,” in  2016 International Wireless Communications and Mobile Computing Conference (IWCMC),.

[20]  J. A. Bazerque and G. B. Giannakis, (2010), “Distributed spectrum sensing for cognitive radio networks by exploiting sparsity,”  IEEE Transactions on Signal Processing, vol. 58, no. 3, pp. 1847– 1862.

[21]  J. B. Stefan Gronroos, Kristian Nybom and J. Hallio, (2016), “Distributed spectrum sensing using low cost hardware,”  Journal of Signal Processing Systems, vol. 83, no. 1, pp. 5– 17.

[22]  H. B. Yilmaz and T. Tugcu, (2015), “Location estimation-based radio environment map construction in fading channels,”  WIRELESS COMMUNICATIONS AND MOBILE COMPUTING, vol. 15, no. 3, pp. 561– 570.

[23]  N. Ezzati, H. Taheri and T. Tugcu, (2016), “Optimised sensor network for transmitter localisation     and radio environment mapping,”  IET COMMUNICATIONS, vol. 10, no. 16, pp. 2170– 2178.