В настоящее время системы беспроводной связи столкнулись с большой проблемой: множество устройств активно используют беспроводную среду для передачи данных. Как результат требуется вовлечение больших ресурсов спектра.
В то же время различные полосы спектра используются не равноценно, сильна зависимость загруженности спектра от количества пользователей и времени использования. Наиболее яркими примерами не эффективного использования частотных ресурсов являются сети ТВ вещания. Не полная утилизация ресурсов спектра в свою очередь позволяет применять не используемые в данный момент участки спектра первичных, лицензируемых пользователей (PU), для нужд вторичных, не лицензируемых пользователей (SU). С этой цель была разработана концепция когнитивного радио, которая позволяет реализовать данный механизм совместного доступа к спектру.
Сканирование спектра используется для обнаружения присутствия или отсутствия сигналов PU в радиосреде. Что определяет возможность доступа к среде SU.
В общем виде сканирования спектра можно выразить как задачу бинарной проверки гипотезы: Н0 — первичный пользователь отсутствует, Н1 — первичный пользователь работает со спектром [1, с.1].
Вероятность корректного обнаружения первичных пользователей Pd и вероятность ложной тревоги Рf имеют важное значение для оценки эффективности обнаружения и определяются как [2, с.3]:
(1)
Одной из групп методов сканирования спектра является метод обнаружения передатчика — метод основанный на обнаружении вторичными пользователями слабого сигнала от первичного передатчика. Обобщённая модель метода обнаружения передатчика может быть выражена как:
(2)
где x(n) — принятый сигнал, y(n) — передаваемый сигнал, w(n) — шум. Н0 — нулевая гипотеза, согласно которой в определенной полосе частот нет первичный пользователей, а Н1 указывает на наличие первичных пользователей в данной полосе частот [3, с.3].
Существует три различных метода, используемых в методе обнаружения передатчика: согласованного фильтра, обнаружения энергии и циклостационарная функция обнаружения. Наиболее простой метод для определения присутствия или отсутствия первичных пользователей в спектре основан на обнаружении энергии. Ключевым преимуществом данного метода является простота реализации и отсутствие необходимости априорной информации от первичного передатчика.
Рис. 1. Блок-схема метода обнаружения энергии
Согласно рис.1 входной сигнал x(t) проходит через полосовой фильтр, с целью ограничения шума и выделения рабочей полосы частот. Шум на выходе фильтра является ограниченным по частоте и имеет плоскую спектральную плотность. Мощность Y на выходе интегратора, сравнивается с пороговым значением для сравнения с Н0 и Н1 гипотезами, после чего принимается решение о присутствии или отсутствии PU.
Рис. 2. Блок-схема метода согласованного фильтра
Метод согласованного фильтра применяется для получения максимального отношения выходного сигнала к шуму для данного выходного сигнала при наличии в канале стохастического аддитивного шума. Данный фильтр сравнивает текущий сигнал со сдвинутой во времени версией сигнала и после сравнивает итог с предустановленным пороговым значением. Как показано на блок-схеме на рисунке 2, сигнал от первичного пользователя x(t) сворачивается со сдвинутой во времени h(t) заранее известной версией сигнала x(t). Итоговый сигнал сравнивается с пороговым значением и принимается решение о присутствии первичного пользователя.
Использование циклостационарной функции является наиболее сложным методом, применяемым для сканирования спектра среди трех вышеупомянутых. Данный метод обнаружения использует периодичность принимаемого первичного сигнала для определения наличия первичных пользователей. Преимуществом данного метода является возможность выделения сигнала первичных пользователей среди помех и шумов [4, с.3].
Проведем моделирование процесса обнаружения первичных пользователей с применением метода обнаружения энергии. При активности первичных пользователей, принимаемый вторичными пользователями сигнал, может быть представлен как:
(3)
где s(n) — сигнал от первичных пользователей, являющийся независимо и равномерно распределенным случайным процессом со средним равным нулю и дисперсией равной 
; 
— гауссовый шум, являющийся независимо и равномерно распределенным случайным процессом со средним равным нулю и дисперсией равной .
Тестовая статистика для обнаружения энергии является случайной величиной и определяется по формуле [1, с.3]:
(4)
где N — количество выборок сигнала.
Обобщённое выражение для определения вероятности обнаружения 
выразим как:
(5)
где
- пороговое значение.
Сигнал считается распознанным если принятый уровень энергии больше чем заданное пороговое значение. Теоретическое пороговое значение в данном случае согласно [5, с.4] может быть найдено по формуле:
(6)
где Q(·) — дополнительная функция распределения стандартной гауссовой функции:
Согласно [5, с.4] теоретическая вероятность обнаружения может быть найдена по формуле:
(7)
где 
— отношение сигнал/шум (SNR), 
— вероятность ложного срабатывания.
Производительность детектора энергии может быть описана с помощью рабочих характеристик приемника (ROC –кривых). График ROC — кривых позволяет оценить качество моделируемого детектора энергии, путем визуализации соотношений между корректными обнаружениями первичного пользователя Pd и ложными срабатываниями Pf. Анализ результатов моделирования представляется как определение площади, ограниченной ROC-кривой и осью доли ложных положительных классификаций. Чем выше данная кривая, тем качественнее осуществляется определение первичных пользователей, при этом значение 0,5 демонстрирует непригодность выбранного метода классификации и соответствует случайному гаданию.
Рис. 3. Вероятности обнаружения первичных пользователей методом обнаружения энергии при различных значениях SNR
Для моделирования применим метод Монте-Карло. Количество выборок сигнала примем равным N =1000. Моделирование выполним для трех значений сигнал/шум: -5дБ, -10дБ, -15дБ.
На рис. 3 представлены кривые теоретической вероятности обнаружения и результаты моделирования вероятности обнаружения первичных пользователей методом обнаружения энергии при различных значениях SNR. Как видно из рис. 3. с уменьшением отношения сигнал/шум, кривые снижаются и, следовательно, ухудшается качество распознавания первичных пользователей в сети. Если при отношении S/N равном -5 дБ можно говорить практически об безошибочной работе приемника, то при SNR = -15дБ качество распознавания присутствия первичных пользователей в сети значительно ухудшилось. Следует заметить, что при SNR=-20дБ кривая рабочих характеристик приемника приближаются к диагональной прямой, что практически соответствует случайному гаданию. В связи с этим для реальных условий работы при зашумленном канале требуется применение оптимизированных методов обнаружения энергии, таких как кооперативное сканирование спектра или применение для сканирования множества антенн.
Литература:
- M.H Mohamad, N. M. Sani, Energy Detection Technique in Cognitive Radio System, International Journal of Engineering & Technology IJET-IJENS Vol:13 No:05, 2013.
- Akyildiz, I. F., Lo, B. F., & Balakrishnan, R. Cooperative spectrum sensing in cognitive radio networks: A survey. Physical Communication, 4(1), 2011.
- Dong-Chan Oh and Yong-Hwan Lee April 2009 Energy Detection Based Spectrum Sensing for Sensing Error Minimization in Cognitive Radio Networks, International Journal of Communication Networks and Information Security (IJCNIS), No. 1, 2009.
- Ma, J., Li, G. Y., & Juang, B. H. Signal processing in cognitive radio. Proceedings of the IEEE, 97(5), 2009.
- YC Liang, Y Zeng, ECY Peh, AT Hoang Sensing-throughput tradeoff for cognitive radio networks IEEE transactions on wireless communications, Vol. 7, No. 3, March 2008.
