Algoritmos de Sensoriamento Espectral

Universidade Federal de Campina GrandeCentro de Engenharia Eltrica e InformticaUnidade Acadmica de Engenharia Eltrica

Programa de Ps Graduao em Engenharia Eltrica

Tese de Doutorado

Algoritmos de Sensoriamento Espectral paraAcesso a Canais Cognitivos

Jernimo Silva Rocha

Campina Grande PBMaio de 2013

Universidade Federal de Campina GrandeCentro de Engenharia Eltrica e InformticaUnidade Acadmica de Engenharia Eltrica

Programa de Ps Graduao em Engenharia Eltrica

Algoritmos de Sensoriamento Espectral para Acesso a CanaisCognitivos

Jernimo Silva Rocha

Tese de Doutorado submetida Coordenao do Programa de Ps Gra-duao em Engenharia Eltrica da Unidade Acadmica de EngenhariaEltrica da Universidade Federal de Campina Grande como requisitonecessrio para obteno do grau de Doutor em Cincias no Domnioda Engenharia Eltrica.

rea de Concentrao: Processamento da Informao.

Marcelo Sampaio de AlencarOrientador

Jos Ewerton Pombo de FariasOrientador

Campina Grande PB, Maio de 2013Jernimo Silva Rocha [email protected]

FICHA CATALOGRFICA ELABORADA PELA BIBLIOTECA CENTRAL DA UFCG

R672a

Rocha, Jernimo Silva.

Algoritmos de sensoriamento espectral para acesso a canais cognitivos / Jernimo Silva Rocha. Campina Grande, 2013. 86 f. : il.

Tese (Doutorado em Engenharia Eltrica) - Universidade Federal de Campina Grande, Centro de Engenharia Eltrica e Informtica, 2013.

"Orientao: Prof. Dr. Marcelo Sampaio de Alencar, Prof. Dr. Jos Ewerton Pombo de Farias".

Referncias.

1. Rdios Cognitivos. 2. Sensoriamento Espectral. 3. Testes Estatsticos. 4. Acesso Dinmico ao Espectro. 5. ngulo de Chegada.

I. Alencar, Marcelo Sampaio de. II. Farias, Jos Ewerton Pombo de.

III. Ttulo.

CDU 621.396.2(043)

minha esposa Janaina (Amor).

Agradecimentos

A Deus que sempre esteve comigo para que eu no temesse, que me fortaleceu, ajudou e mesustentou com a destra da sua justia. E por permitir a existncia de cada um a quem agradeoem seguida.

minha esposa que abdicou muitas vezes do seu direito a ter a minha presena e quecontribuiu para criar um ambiente favorvel realizao deste trabalho. Que agiu sempre emamor e f, confiante de que tudo daria certo.

Ao meu filho Leonardo (Lo) que tambm contribuiu durante todo o trabalho, sendo com-preensivo e atuante na realizao das simulaes e formatao das figuras.

Aos professores Marcelo Sampaio de Alencar e Jos Ewerton Pombo de Farias, pela sbiaorientao e amizade durante todo o tempo de realizao deste trabalho.

Capes pelo aporte financeiro, sem o qual seria impossvel a realizao deste trabalho.Enfim, a todos que direta ou indiretamente contriburam para a realizao deste trabalho.

Resumo

Os rdios cognitivos representam uma soluo para o problema da escassez do espectro deradiofrequncias, sendo uma forma de habilitar o acesso dinmico a faixas do espectro licen-ciadas para alguns sistemas de comunicaes. O sensoriamento espectral um do mecanismobsico do rdios cognitivo, usado para encontrar faixas no utilizadas do espectro.

Nesta tese, descrita a tcnica de sensoriamento espectral baseada na energia detectada apartir da transmisso dos sinais de sistemas licenciados. Essa tcnica foi proposta e amplamenteutilizada porque no requer informaes sobre a transmisso do usurio primrio, por isso chamada de sistema de sensoriamento cego.

Na tese, o sensoriamento espectral realizado por um usurio cognitivo em um canal comrudo branco aditivo gaussiano, para verificar se o sinal medido resultante do usurio primrioou se apenas rudo. So propostos dois mtodos de sensoriamento espectral cego com baseem testes estatsticos. Um dos sistemas de sensoriamento espectral proposto na tese baseadonos testes estatsticos de aderncia gaussiana de Lilliefors, Anderson-Darling e Jarque-Bera,para verificar se a parte real ou imaginria da transformada de Fourier do sinal medido adere distribuio de probabilidades de Gauss. O sistema que se mostrou mais eficiente foi baseadono teste de Jarque-Bera, seguido pelos de Anderson-Darling e Lilliefors. O outro sistema desensoriamento proposto baseado no teste estatstico 2 de Pearson, para verificar se o mduloda transformada de Fourier do sinal medido adere distribuio de Rayleigh.

Os resultados de 104 simulaes de Monte-Carlo mostram que possvel identificar opor-tunidades de transmisso com probabilidade de deteco de 0,9 e relao sinal-rudo de apro-ximadamente -22 dB, alm de probabilidade de falsos alarmes de 0,01, para um nmero deamostras menor que o necessrio com o sensoriamento baseado em deteco de energia.

Na tese proposto um modelo de acesso dinmico ao espectro como um problema estra-tgico de escolha das tentativas de identificao de lacunas espectrais para a minimizao donmero mdio de tentativas de busca por lacunas espectrais e possibilitar a utilizao de vriasfaixas de frequncias ou ngulos de chegada para suas transmisses, de forma que o usuriocognitivo possa maximizar o tempo de utilizao do canal para suas transmisses.

Palavras-chave: Rdios Cognitivos, Sensoriamento Espectral, Testes Estatsticos, AcessoDinmico ao Espectro, ngulo de Chegada

Abstract

Cognitive radio represents a possible solution to the problem of scarce radio frequency spec-trum, and a way to enable spectrum dynamic access of licensed bands for some communicati-ons systems. Therefore, it is necessary to understand the philosophy, operation and limitationof those systems, regarding transmission rate or channel capacity.

An overview of cognitive radio is presented, exploring its architecture and operating cha-racteristics, and possible ways of spectrum access. The spectrum sensing technique, based onthe detected energy, is analysed. This technique has been proposed and widely used because itdoes not require information about the transmission of the primary user, therefore, it is a blindsensing technique.

Spectrum Sensing is studied to determine if a signal, measured by a cognitive user in anAWGN channel, results from the primary user or if is composed of noise alone. The twoproposed methods for spectrum sensing are based on statistical tests to identify if the distributionof the received signal is related to the noise, or other distribution that indicates a primary user.

One of proposed spectrum sensing systems in this thesis is based on the statistical tests ofLilliefors, Anderson-Darling and Jarque-Bera, to check if the real part of the Fourier transformof the measured signal adheres to the Gaussian probability distribution. The most effectivespectrum sensing system is based on the Jarque-Bera test, followed by the Lilliefors and theAnderson-Darling tests. The other proposed sensing system is based on the statistical test 2 ,to verify if the modulus of the signal Fourier transform has a Rayleigh distribution.

The results of 104 Monte-Carlo simulations indicate that it is possible to identify transmis-sion opportunities using spectrum sensing tests with low signal-to-noise ratio, approximately-22 dB. And the probability of false alarms is 0,01 for a number of samples smaller than therequired by the system based on energy detection.

This thesis presents a model for spectrum dynamic access. This problem is treated as astrategy to identify spectral gaps, minimize the search cost and enable the use of various fre-quency bands, beam-forming, or other resource for transmission, to increase the usage time bythe cognitive system.

Keywords: Cognitive Radio, Spectrum Sensing, Statistic Tests, Dynamic Spectrum Access,Beamforming

Sumrio

1 Introduo 11.1 Objetivos da Tese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.2 Principais Contribuies da Tese . . . . . . . . . . . . . . . . . . . . . . . . . 31.3 Organizao do Texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Viso Geral dos Rdios Cognitivos 52.1 Rdios Cognitivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.1.1 Ciclo de Funcionamento dos Rdios Cognitivos . . . . . . . . . . . . . 72.1.2 Arquitetura dos Rdios Cognitivos . . . . . . . . . . . . . . . . . . . . 8

2.2 Modelos de Alocao Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . 92.3 Modelos de Compartilhamento Espectral . . . . . . . . . . . . . . . . . . . . . 10

2.3.1 Interferncia Evitada . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.3.2 Interferncia Controlada . . . . . . . . . . . . . . . . . . . . . . . . . 112.3.3 Interferncia Desvanecida . . . . . . . . . . . . . . . . . . . . . . . . 12

2.4 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3 Sensoriamento Espectral 133.1 Mtodos de Sensoriamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3.1.1 Deteco de Energia . . . . . . . . . . . . . . . . . . . . . . . . . . . 143.1.2 Deteco por Filtragem Casada . . . . . . . . . . . . . . . . . . . . . 153.1.3 Deteco de Caractersticas Cicloestacionrias . . . . . . . . . . . . . 15

3.2 Sensoriamento Baseado na Deteco de Energia . . . . . . . . . . . . . . . . . 153.2.1 Teste de Hipteses . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183.2.2 Alguns Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.3 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

4 Sensoriamento Espectral Baseado em Testes Estatsticos 274.1 Estatsticas de Ordem Superior . . . . . . . . . . . . . . . . . . . . . . . . . . 284.2 Testes de Aderncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

4.2.1 Teste de Aderncia 2 de Pearson . . . . . . . . . . . . . . . . . . . . 31

ix

4.2.2 Teste de Aderncia de Kolmogorov-Smirnov . . . . . . . . . . . . . . 324.2.3 Teste de Aderncia Gaussiana de Lilliefors . . . . . . . . . . . . . . 324.2.4 Teste de Aderncia de Anderson-Darling . . . . . . . . . . . . . . . . 334.2.5 Teste de Aderncia de Jarque-Bera . . . . . . . . . . . . . . . . . . . . 34

4.3 Sensoriamento Baseado na Curtose . . . . . . . . . . . . . . . . . . . . . . . . 344.4 Sensoriamento Baseado em Estatsticas de Ordem Superior . . . . . . . . . . . 364.5 Sensoriamento Baseado no Teste de Jarque-Bera . . . . . . . . . . . . . . . . 384.6 Sensoriamento Baseado em Assimetria e Curtose . . . . . . . . . . . . . . . . 404.7 Sistema de Sensoriamento Baseado no Teste 2 . . . . . . . . . . . . . . . . . 41

4.7.1 Resultados de Simulaes . . . . . . . . . . . . . . . . . . . . . . . . 434.8 Sensoriamento Espectral Baseado em Testes de Normalidade . . . . . . . . . . 44

4.8.1 Resultados de Simulaes . . . . . . . . . . . . . . . . . . . . . . . . 464.9 Anlise da Complexidade Computacional . . . . . . . . . . . . . . . . . . . . 49

4.9.1 Tempo Total de Sensoriamento . . . . . . . . . . . . . . . . . . . . . . 524.10 Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

5 Algoritmo de Sensoriamento na Frequncia e no ngulo de Chegada 555.1 Padro IEEE 802.22 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 585.2 Modelo do Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 595.3 Algoritmo de Busca Proposto . . . . . . . . . . . . . . . . . . . . . . . . . . . 635.4 Resultados de Simulaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 635.5 Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

6 Consideraes Finais 696.1 Principais Contribuies da Tese . . . . . . . . . . . . . . . . . . . . . . . . . 706.2 Propostas de Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . 716.3 Publicaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

A Sistema de Sensoriamento Espectral Baseado na Deteco de Energia 73

B Sistema de Sensoriamento Espectral Baseado em Testes de Aderncia 75

C Sistema de Sensoriamento Espectral Baseado no Teste de Aderncia 2 78

Lista de Figuras

2.1 Ciclo de funcionamento de um rdio cognitivo. . . . . . . . . . . . . . . . . . 82.2 Arquitetura bsica de um rdio cognitivo. . . . . . . . . . . . . . . . . . . . . 92.3 Modelo de compartilhamento espectral Interferncia Evitada. . . . . . . . . . . 112.4 Modelo de compartilhamento espectral Interferncia Controlada. . . . . . . . . 112.5 Modelo de compartilhamento espectral Interferncia Desvanecida. . . . . . . . 12

3.1 Diagramas de blocos do detector de energia. . . . . . . . . . . . . . . . . . . . 173.2 Probabilidade de deteco em funo de em dB para um sinal BPSK em um

canal AWGN, usando NS = 7104. . . . . . . . . . . . . . . . . . . . . . . . 243.3 Nmero de amostras necessrio para obter Pd = 0,9 em funo de . . . . . . . 253.4 Probabilidade de deteco em funo de em dB para um sinal BPSK em um

canal AWGN, usando N = 1,5105. . . . . . . . . . . . . . . . . . . . . . . 253.5 Probabilidade de deteco em funo de em dB para um sinal BPSK em um

canal AWGN, usando N = 2105. . . . . . . . . . . . . . . . . . . . . . . . . 26

4.1 Histogramas do sinal composto apenas por rudo. . . . . . . . . . . . . . . . . 284.2 Histogramas do sinal composto pelo sinal do usurio primrio mais rudo. . . . 294.3 Limiar do teste de aderncia 2 de Pearson. . . . . . . . . . . . . . . . . . . . 314.4 Deteco baseada na curtose das amostras. . . . . . . . . . . . . . . . . . . . . 354.5 Deteco baseada na curtose em comparao com a deteco de energia. . . . . 364.6 Espectro de um sinal ATSC. . . . . . . . . . . . . . . . . . . . . . . . . . . . 374.7 Deteco baseada em estatsticas de alta ordem. . . . . . . . . . . . . . . . . . 374.8 Deteco baseada em EOS em comparao com a deteco de energia. . . . . . 384.9 Deteco baseada no teste de Jarque-Bera em comparao com a deteco de

energia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394.10 Deteco baseada em assimetria e curtose. . . . . . . . . . . . . . . . . . . . . 404.11 Deteco baseada em assimetria e curtose em comparao com a deteco de

energia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424.12 Deteco baseada no teste de aderncia 2 de Pearson. . . . . . . . . . . . . . 42

xi

4.13 Probabilidade de deteco Pd em funo da relao sinal rudo , para NFFT =2048, Nq = 50 e Pf a = 0,01. . . . . . . . . . . . . . . . . . . . . . . . . . . . 44



4.16 Deteco baseada em testes de normalidade. . . . . . . . . . . . . . . . . . . . 464.17 Probabilidade de deteco em funo da relao sinal rudo, com Pf a = 0,01,

NFFT = 2048 e Nq = 25. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 474.18 Probabilidade de deteco em funo da relao sinal rudo, com Pf a = 0,01,



NFFT = 1024 e Nq = 25. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 494.21 Contagem do nmero de operaes efetuadas no sistema baseado na deteco

de energia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

5.1 Sistema cognitivo usando conformao de feixe. . . . . . . . . . . . . . . . . . 575.2 Raios de cobertura de rede sem fio. . . . . . . . . . . . . . . . . . . . . . . . . 585.3 Rede IEEE 802.22 coexistindo com um sistema de televiso. . . . . . . . . . . 595.4 Intervalo de tempo de operao do usurio secundrio. . . . . . . . . . . . . . 605.5 Sensoriamento espectral na dimenso do ngulo. . . . . . . . . . . . . . . . . 605.6 Matriz de sensoriamento espectral. . . . . . . . . . . . . . . . . . . . . . . . . 615.7 Intervalos de sensoriamento na frequncia. . . . . . . . . . . . . . . . . . . . . 615.8 Exemplo de busca com o algoritmo de sequncia de sensoriamento proposto. . 655.9 Nmero mdio de canais sensoriados em funo do nmero de canais alvo. . . 665.10 Nmero mdio de canais sensoriados em funo do nmero de canais de frequn-

cia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 665.11 Tempo mdio de sensoriamento de NCA canais em uma matriz 1012. . . . . . 67

Lista de Tabelas

4.1 Valores crticos para a estatstica do teste de Komolgorov-Smirnov, para a dis-tribuio gaussiana. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4.2 Valores crticos para a estatstica do teste de Lilliefors. . . . . . . . . . . . . . 334.3 Valores crticos para a estatstica do teste de Anderson-Darling. . . . . . . . . . 344.4 Complexidade computacional dos algoritmos de sensoriamento espectral. . . . 524.5 Nmero de operaes realizadas nos algoritmos de sensoriamento. . . . . . . . 534.6 Estimativa do tempo total de sensoriamento usando o DSP TMS320C6671, com

frequncia de relgio de 1109 pulso/s. . . . . . . . . . . . . . . . . . . . . . 53

Lista de Algoritmos

1 Pseudo-cdigo do sensoriamento baseado na deteco de energia. . . . . . . . 172 Pseudo-cdigo do sensoriamento baseado no teste 2. . . . . . . . . . . . . . . 433 Pseudo-cdigo do sensoriamento baseado nos testes de aderncia. . . . . . . . 464 Sequncia aleatria de sensoriamento na frequncia e no ngulo de chegada. . . 625 Sequncia incremental de sensoriamento na frequncia e no ngulo de chegada. 626 Sistema proposto de sequncia de sensoriamento na frequncia e no ngulo de

chegada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

Lista de Siglas

AD Teste de Anderson-Darling

AMC Codificao e Modulao Adaptativa (Adaptive Modulation and Coding)

Anatel Agncia Nacional de Telecomunicaes

BPSK Chaveamento por Deslocamento de Fase Binrio (Binary Phase Shift Keying)

BS Estao radiobase

CDMA Acesso Mltiplo por Diviso em Cdigo (Code Division Multiple Access)

CDR Taxa Constante de Deteco (Constant Detection Rate)

CDT Tempo de Deteco do Canal (Channel Detection Time)

CFAR Taxa Constante de Falso Alarme (Constant False Alarm Rate)

CPE Equipamento Local do Cliente (Client Premise Equipment)

DSA Alocao Dinmica do Espectro (Dynamic Spectrum Allocation)

DVB-T Transmisso de Vdeo Digital Terrestre (Digital Video Broadcasting - Terrestrial)

EOS Estatsticas de Ordem Superior

FCC Comisso Federal de Comunicaes (Federal Communications Commission)

FDMA Acesso Mltiplo por Diviso na Frequncia (Frequency Division Multiple Acccess)

FFT Transformada Rpida de Fourier (Fast Fourier Transform)

FPGA Arranjo de Portas Programvel em Campo (Field Programmable Gate Array)

FSA Alocao Fixa do Espectro (Fixed Spectrum Allocation)

GoF Qualidade de Ajuste (Goodness-of-Fit)

LISTA DE ALGORITMOS xv

IEEE Instituto de Engenheiros Eletricistas e Eletrnicos (Institute of Electrical and Elec-tronics Engineers)

IFFT Transformada Rpida de Fourier Inversa (Inverse Fast Fourier Transform)

ISDBT Servio Integrado de Transmisso Digital Terrestre (Integrated Services Digital Bro-adcasting Terrestrial)

ISM Industrial, Cientfica e Mdica (Industrial, Scientific and Medical)

ITU Unio Internacional de Telecomunicaes (International Telecommunications Union)

JB Teste de Jarque-Bera

KS Teste de Kolmogorov-Smirnov

LF Teste de Lilliefors

MAP Mximo a posteriori

OFDM Multiplexao por Diviso de Frequncias Ortogonais (Orthogonal Frequency Divi-sion Multiplexing)

QoS Qualidade de Servio (Quality of Service)

RC Rdio Cognitivo

SDMA Acesso Mltiplo por Diviso no Espao (Space Division Multiple Access)

SNR Relao Sinal Rudo (Signal-to-Noise Ratio)

SPTF Fora Tarefa em Polticas de Espectro (Spectrum Policy Task Force)

SW Teste de Shapiro-Wilk

TDMA Acesso Mltiplo por Diviso no Tempo (Time Division Multiple Access)

UHF Frequncia Ultra-Alta (Ultra High Frequency)

VHF Frequncia Muito Alta (Very High Frequency)

WRAN Redes sem Fio Regionais (Wireless Regional Area Networks)

Lista de Smbolos

y Valor mdio das amostras da v.a. Y

Relao sinal rudo

H0 Hiptese nula em que o sinal detectado corresponde apenas a rudo

H1 Hiptese alternativa em que o sinal detectado corresponde a sinal do usurio primriomais rudo

KY Curtose do conjunto de amostras de Y

N(a,b) Distribuio gaussiana de mdia a e varincia b

SY Assimetria do conjunto de amostras de Y

2X Varincia da varivel aleatria X ou potncia do sinal X

SC Tempo necessrio para detectar um canal

cr Cumulante de ordem r de um conjunto de amostras

Ci j Custo associado escolha da hiptese Hi, dado que a hiptese H j verdadeira

mr Momento central de ordem r de um conjunto de amostras

Nq Nmero de quadros com NFFT amostras de sinal

NS Nmero de amostras de sinal

NCA Nmero de canais na dimenso do ngulo de chegada

NCT Nmero de canais alvo do sensoriamento

NFFT Nmero de pontos da FFT

NF Nmero de canais na dimenso da frequncia

Lista de Smbolos xvii

NSC Nmero mdio de canais sensoriados

Pd Probabilidade de deteco

Pf a Probabilidade de falso alarme

Pi j Probabilidade de decidir por Hi quando a hiptese H j verdadeira

Pl Probabilidade de identificar uma lacuna espectral

Ppd Probabilidade de perda de deteco

Q(x) Funo cumulativa complementar da varivel aleatria gaussiana X de mdia nula evarincia unitria

T2 Estatstica do Teste Qui-quadrado de Pearson

TAD Estatstica do Teste de Anderson-Darling

TDE Estatstica de teste do detector de energia

TD Tempo de transmisso de dados

TJB Estatstica do Teste de Jarque-Bera

TKS Estatstica do Teste de Kolmogorov-Smirnov

TQ Intervalo de operao do usurio secundrio

TSC Tempo mximo de sensoriamento

T hDE Limiar de deteco de energia

W Largura de banda

x[n] Sinal discreto no tempo

z[n] Rudo AWGN

CAPTULO 1

Introduo

Os Rdios Cognitivos so sistemas de comunicao sem fio que monitoram o ambiente queos envolve, aprendem com o ambiente e adaptam os seus estados internos a variaes estatsticasdos estmulos de radiofrequncia de entrada, fazendo as alteraes correspondentes em algunsparmetros de funcionamento (por exemplo, potncia de transmisso, frequncia da portadora eestratgia de modulao) em tempo real, com dois objetivos principais: comunicao confivele utilizao eficiente do espectro (HAYKIN, 2005). Isso permite que os sistemas equipados comRdios Cognitivos percebam as condies do canal e tomem decises inteligentes baseadas nosensoriamento do espectro.

H uma necessidade crescente de maiores taxas de transmisso para atender aos servios decomunicao. Porm, o espectro necessrio para prover tais taxas um recurso limitado e, porisso, natural a busca por tcnicas de explorao eficientes do espectro.

Nos ltimos anos o interesse da comunidade cientfica pelos Rdios Cognitivos (MITOLA,2000) aumentou significativamente porque tais dispositivos podem representar uma soluo efi-ciente para o problema da utilizao ineficaz do espectro de frequncia. Muitos trabalhos forampublicados recentemente a respeito de Rdios Cognitivos e alguns apresentam esses sistemasde maneira mais geral, buscando definir os aspectos mais importantes para o seu desenvolvi-mento (HAYKIN, 2005), (GOLDSMITH et al., 2009), (MOLISCH et al., 2009), (MCGUIRE;ESTRADA, 2010), (AXELL et al., 2012). Alm disso, propem uma classificao dos pro-blemas ainda no resolvidos em Rdios Cognitivos de acordo com suas funcionalidades (DE-VROYE et al., 2008), (HOSSAIN et al., 2009), (ZENG et al., 2010), (LU et al., 2012).

Historicamente, a alocao do espectro tem sido baseada na atribuio de bandas espec-ficas designadas a um servio em particular. As tabelas de alocao de espectro indicam umgrau elevado de utilizao do espectro. Isto pode ser observado nos grficos de atribuio defrequncias das agncias regulamentadoras, como a Agncia Nacional de Telecomunicaes(Anatel), que revela que a maioria das bandas de frequncia est atribuda a uma determinadaaplicao ou a usurios licenciados, e h pouca largura de banda disponvel para novos produtose servios sem fio (ANATEL, 2012).

Introduo 2

Levantamentos da Comisso Federal de Comunicaes (FCC Federal CommunicationsCommission), nos Estados Unidos, mostram, entretanto, que parte das bandas licenciadas ficasem utilizao. O uso do espectro licenciado varia entre 15% e 85% ao longo do dia (FCC,2002). Outros rgos e pesquisadores tm encontrado resultados semelhantes em outras partesdo mundo (SSC, 2010), (MCHENRY et al., 2006), (ISLAM et al., 2008). Mas, apesar de estarreservado e no utilizado em determinados perodos do dia, o espectro no pode ser reutilizadopor outros sistemas alm daquele para o qual est licenciado.

Por isso a FCC tem considerado uma proposta diferente de alocao do espectro, para queele seja utilizado de maneira oportunstica em funo da demanda de sua utilizao, com suasfaixas no mais reservadas a determinados tipos de servio, permitindo sua utilizao por siste-mas secundrios. Essa proposta conhecida como Acesso Dinmico ao Espectro, cujo principalcomponente o Compartilhamento Dinmico do Espectro, que responsvel pela utilizaoeficiente do espectro e atribuio justa ou soluo de agendamento entre usurios primrios esecundrios, respectivamente, usurios licenciados e usurios que exploram oportunisticamentefaixas espectrais desocupadas pelo primrio. No Brasil, a Anatel tambm estuda novas polticasde uso do espectro como a alocao dinmica (HEINRICH et al., 2011).

Historicamente, o compartilhamento dinmico do espectro tem sido considerado semelhantea problemas de controle de acesso ao meio existentes em sistemas sem fio e estudados do pontode vista da alocao de recursos desses sistemas (MOLISCH, 2012).

1.1 Objetivos da Tese

Os Rdios Cognitivos representam uma soluo para a escassez do espectro e esto atual-mente em desenvolvimento com vrias questes tcnicas em aberto. Essas questes incluem atcnica que deve ser usada no sensoriamento espectral, que uma das etapas do ciclo de fun-cionamento de um rdio cognitivo, em que se deve detectar a presena de sistemas primrios ecaractersticas de sua transmisso, para identificao de oportunidades de acesso ao espectro.

Em ambientes em que existem sistemas primrios que no tenham caractersticas cogniti-vas, o sensoriamento espectral feito pelos Rdios Cognitivos no dispe da cooperao dessessistemas e, portanto, as informaes sobre a transmisso dos sistemas primrio so limitadas ouinexistentes. Por isso necessrio que os sistemas de sensoriamento espectral sejam capazesde reconhecer transmisses provenientes de sistemas primrios com essa limitao quanto ainformaes dos sistemas primrios.

O desempenho do mtodo pode ser medido pela probabilidade de deteco (Pd) ou pelaprobabilidade de falso alarme (Pf a). Ambas so funo do nvel de potncia do sinal recebidoou da sua relao sinal rudo (). O alvo para um bom sistema de sensoriamento espectral,que apresenta probabilidade de deteco em torno de 0,9, de cerca de -20 dB (LU et al.,2011), (DENKOVSKI et al., 2012), o que significa que os sinais dos usurios primrios devemser detectados mesmo com baixa razo sinal-rudo. Esse nvel de representa um desafio

Introduo 3

para os sistemas de sensoriamento. Adicionalmente, desvanecimento, e variaes de rudo einterferncia nos canais sem fio so dificuldades para os sistemas de sensoriamento (AXELL etal., 2012), (CABRIC et al., 2006).

O objetivo desta tese apresentar novos sistemas de sensoriamento espectral para RdiosCognitivos que utilizem informaes a respeito do rudo apenas, para que funcionem em am-bientes em que existam sistemas primrios que no cooperem com os cognitivos fornecendoinformaes sobre suas transmisses. Esses sistemas devem funcionar em ambientes com baixarelao sinal-rudo, fornecendo alta probabilidade de deteco e baixa probabilidade de falsoalarme.

1.2 Principais Contribuies da Tese

Entre as principais contribuies esto as propostas de sistemas de sensoriamento espec-tral com base em testes estatsticos de aderncia 2 de Pearson, Anderson-Darling, Lilliefors eJarque-Bera. Os sistemas propostos consideram que na inexistncia de transmisses dos usu-rios primrios, o sinal medido composto apenas por rudo branco aditivo gaussiano, que apre-senta distribuio de probabilidades gaussiana no domnio do tempo e nas partes real e imagin-ria da transformada de Fourier do sinal medido, que fazem o mdulo apresentar distribuio deprobabilidades de Rayleigh. Sendo esta caracterstica abordada em duas formas de identificaode oportunidades de transmisso nos sistemas propostos, a saber, se a parte real gaussiana ouse o mdulo tem distribuio de Rayleigh.

Outra contribuio importante o algoritmo de busca por oportunidades de transmissonas dimenses espectrais da frequncia e do ngulo de chegada. Nesse sistema o espectro considerado como uma matriz com as referidas dimenses, e faz o sensoriamento espectral emum tempo inferior ao necessrio para uma busca aleatria ou sequencial.

1.3 Organizao do Texto

O texto est organizado em captulos que descrevem aspectos tcnicos dos sistemas de R-dios Cognitivos e alguns sistemas de sensoriamento espectral abordados na literatura e sistemaspropostos.

No Captulo 2 apresentada uma viso geral dos Rdios Cognitivos, explorando a arquite-tura e as caractersticas de funcionamento desses sistemas. Nesse captulo so apresentados ostipos de comportamento dos Rdios Cognitivos relacionados com o acesso ao espectro em queos sistema primrios fazem suas transmisses.

No Captulo 3 so descritas algumas tcnicas de sensoriamento espectral conhecidas naliteratura. O sistema de sensoriamento espectral baseado na deteco de energia discutido deforma a fundamentar o sensoriamento espectral em sistemas de Rdios Cognitivos e para que ossistemas propostos nesta tese possam ter seu desempenho comparado. No final desse captulo

Introduo 4

so apresentados alguns resultados analticos e de simulao para o sensoriamento baseado emdeteco de energia.

Em seguida, no Captulo 4 so apresentados sistemas de sensoriamento espectral baseadosem testes estatsticos existentes na literatura. Tambm so propostos sistemas de sensoriamentocom base em testes estatsticos. So apresentados resultados de simulaes para comparaodos sistemas propostos nesta tese com outras tcnicas de sensoriamento do espectro.

No Captulo 5 descrito um cenrio de acesso dinmico ao espectro explorando lacunasespectrais encontradas em duas dimenses do espectro, em faixas de frequncias e em ngulosde chegada distintos. As decises sobre as faixas de frequncias ou ngulos de chegada em quedeve ser feito o sensoriamento e o acesso a conjuntos de lacunas feito em uma matriz com asduas dimenses propostas.

Por fim, o Captulo 6 descreve brevemente as principais contribuies da tese e as possibili-dades de trabalhos futuros.

CAPTULO 2

Viso Geral dos Rdios Cognitivos

A coordenao do uso do espectro, em nvel internacional, realizada pela ITU (Internati-onal Telecommunications Union), agncia das Naes Unidas responsvel por assuntos tecno-lgicos, de informao e de telecomunicaes. O controle do uso desse recurso, entretanto, feito de forma soberana por cada pas por meio de suas agncias reguladoras, como a Anatel(Agncia Nacional de Telecomunicaes) e a FCC (Federal Communications Commission), noBrasil e nos Estados Unidos, respectivamente.

Nesses pases, a maioria das bandas de frequncia teis para comunicao sem fio encontra-se licenciada por suas agncias reguladoras. No entanto, esses rgos de regulamentao tmdesignado algumas faixas sem alocao fixa para apenas um usurio licenciado, as faixas ISM(Industrial, Scientific and Medical), relacionadas a ambientes industriais, cientficos e mdicos,sobre as quais os dispositivos WiFi podem transmitir. Essas bandas esto sendo ocupadas pormuitos usurios e servios ao mesmo tempo. Porm, apesar do sucesso desse tipo de comparti-lhamento do espectro, a maior parte desse recurso alocado para usurios licenciados segundoa poltica de alocao fixa (AKYILDIZ et al., 2008).

A utilizao do espectro eletromagntico, atualmente, baseada em polticas de alocaofixa de faixas espectrais, conhecida como FSA (Fixed Spectrum Allocation). Nesse tipo dealocao, o espectro eletromagntico subdividido em bandas destinadas a diversos tipos deservio e a autorizao de uso do espectro, que tem prazo determinado, geralmente expedidade acordo com a regio onde o sistema transmissor instalado. Dentro dessa regio e duranteo perodo de vigncia dessa autorizao, somente a concessionria para a qual a autorizao foiexpedida deve ter acesso aos recursos do espectro, mesmo que esses recursos sejam subutiliza-dos.

Essa poltica restringe a oferta do espectro eletromagntico e, embora, outrora adequadaao perfil de utilizao espectral, no mais se mostra eficiente. A Fora Tarefa em Polticas deEspectro da FCC relata variaes temporais e geogrficas no uso do espectro, entre 15% e 85%,nas faixas abaixo de 3 GHz (FCC, 2002). Em outras palavras, uma parte do espectro atribudo usada esporadicamente, levando a uma subutilizao de uma quantidade significativa de es-

Viso Geral dos Rdios Cognitivos 6

pectro. Embora a poltica de atribuio fixa de espectro, em geral, tenha funcionado bem nopassado, houve um acentuado crescimento de demanda de espectro devido a servios e aplica-es mveis em anos recentes. Esse aumento pe prova a eficcia das polticas de alocaode espectro tradicionais. O espectro disponvel demanda um novo paradigma de comunicaopara ser explorado oportunisticamente. Inspirado pelo sucesso do uso global de mltiplos r-dios co-existentes em bandas no licenciadas ISM, em torno de 2,4 GHz, o acesso dinmico aoespectro proposto como uma soluo para o problema da ineficiente utilizao do espectro.

Por isso, nos Estados Unidos, a FCC considera uma proposta diferente de alocao do es-pectro, a alocao dinmica que conhecida como DSA (Dynamic Spectrum Allocation). Essanova poltica sugere que o recurso seja utilizado de forma oportunista, ou seja, o acesso aoespectro se d em funo da demanda e as faixas do espectro podem ser usadas por UsuriosSecundrios (US) (DEVROYE et al., 2008). Nesse sentido, as bandas licenciadas para os Usu-rios Primrios (UP), que so os usurios detentores da licena, podem ser compartilhadas, sobcondies negociveis, com os usurios secundrios, sem que o usurio primrio libere sua pr-pria licena. Para os usurios primrios apresentarem interesse em compartilhar o seu espectro,vrios fatores, incluindo o impacto sobre a sua prpria comunicao, devem ser levados emconsiderao.

Como visto, os Rdios Cognitivos (RC) representam uma soluo para o acesso dinmicoao espectro que deve ser realizado pelos sistemas secundrios.

Os sistemas primrios so os detentores da licena da faixa espectral e os sistemas secund-rios so subentendidos como Rdios Cognitivos, exceto casos devidamente identificados.

Para entender melhor o funcionamento dos Rdios Cognitivos, na prxima seo apresen-tada uma viso geral destes sistemas.

2.1 Rdios Cognitivos

Os Rdios Cognitivos so vistos como uma soluo promissora para o problema da escassezespectral desde sua proposio por Mitola (2000). A ideia era explorar a baixa utilizao debandas do espectro licenciado para permitir comunicaes secundrias na mesma faixa espectralsem causar danos comunicao dos usurios primrios.

H duas definies de rdio cognitivo aceitas na literatura (HAYKIN, 2005). A primeira,conhecida como sistemas de DSA, indica que esse sistema faz o acesso ao espectro dinamica-mente, adaptando a frequncia da portadora, a largura de banda e o tempo de transmisso, deacordo com o ambiente. A segunda, conhecida como Rdio Totalmente Cognitivo, define quetodos os parmetros de transmisso so adaptados ao ambiente, como a tcnica de modulao,o mtodo de acesso mltiplo, o esquema de codificao, a frequncia da portadora, a largura debanda, entre outros parmetros (MOLISCH et al., 2009).

No incio das pesquisas sobre os RC, boa parte dos trabalhos tratava do conceito de DSA,ou seja, a capacidade de selecionar faixas de frequncia dinamicamente para permitir o compar-


tilhamento e reuso do espectro. Embora essa seja uma das aplicaes do RC, no certamentea nica. Os outros aspectos do desenvolvimento do rdio cognitivo se voltam para uma visoorientada para os servios de comunicaes em que todo o sistema de comunicaes deve seadaptar para oferecer uma melhor Qualidade de Servio (QoS).

Um RC deve sensoriar o ambiente, analisar e aprender as informaes sensoriadas e seadaptar ao ambiente. Dessa forma, um sistema de rdio cognitivo deve apresentar duas caracte-rsticas fundamentais, a Cognio e a Reconfigurabilidade.

A Cognio se refere capacidade do RC de detectar e extrair, informaes do ambientede rdio. Um dispositivo com essa caracterstica pode realizar o Sensoriamento Espectral paradetectar lacunas espectrais, que so bandas de frequncias no utilizadas por outros usurios,ou que possam ser usadas de forma que a interferncia nas comunicaes dos usurios prim-rios seja mnima, sob os termos de um acordo entre esses usurios (HAYKIN, 2005). Com aCognio, um RC pode identificar a localizao de outros transmissores da rede e selecionar osparmetros de funcionamento adequados, tais como a potncia de transmisso e a frequnciada portadora permitidas na sua localizao. Tambm possvel descobrir as redes ou serviosdisponveis ao seu redor. Por exemplo, quando um terminal RC tem que fazer uma transmisso,ele deve descobrir se h uma estao radiobase de um sistema de comunicaes mveis ou umponto de acesso de redes sem fio nas proximidades (FETTE, 2009).

A Reconfigurabilidade consiste na seleo dos melhores parmetros de rdio a serem adota-dos em uma dada faixa espectral. Com essa caracterstica o rdio cognitivo apresenta agilidadena alterao da sua frequncia de operao. Essa capacidade normalmente combina-se comum mtodo de seleo dinmica da frequncia de operao adequada, baseada na deteco desinais de outros transmissores ou em algum outro procedimento. Com a caracterstica de Re-configurabilidade o RC pode utilizar tcnicas de Modulao ou Codificao Adaptativa e comisso modificar caractersticas de transmisso e formas de ondas para oferecer oportunidadesde otimizar a transmisso, inclusive quando outros sinais esto sendo transmitidos por outrosusurios. Um rdio cognitivo pode selecionar o tipo de modulao adequada para uso com umsistema de transmisso em particular para permitir a interoperabilidade entre sistemas (FETTE,2009).

A Reconfigurabilidade tambm permite ao RC o Controle da Potncia de Transmisso, deforma que possa alternar dinamicamente entre vrios nveis de potncia no processo de trans-misso de dados. Permite a transmisso nos limites admissveis de potncia e quando necess-rio, a potncia do transmissor ajustada a um nvel inferior a fim de permitir maior comparti-lhamento do espectro quando potncias mais elevadas no so necessrias.

2.1.1 Ciclo de Funcionamento dos Rdios Cognitivos

Desde que foi introduzido por Mitola e Maguire (1999), a operao dos RC tem sido fre-quentemente vislumbrada pelo seu ciclo de funcionamento. Esse ciclo, tambm chamado de


ciclo de cognio, uma mquina de estados que mostra as fases do processo cognitivo dosRC, cuja verso simplificada mostrada na Figura 2.1. Um rdio obtm informaes sobre seuambiente de funcionamento. Isso corresponde ao estado Observao. Essas informaes, emseguida, so avaliadas para determinar sua importncia durante o estado de Orientao. Combase nessa avaliao, o rdio pode reagir imediatamente e entrar no estado Ao, pode determi-nar as suas diversas opes de uma forma mais ponderada durante o estado Deciso, ou podefazer um Planejamento de longo prazo antes de decidir e agir. Ao longo do processo, o rdiousa essas observaes e decises para melhorar o seu funcionamento e Aprendizado.

Orientao

Observao

AmbienteExterno

Ao

Aprendizado

Deciso

Planejamento

Figura 2.1 Ciclo de funcionamento de um rdio cognitivo.

2.1.2 Arquitetura dos Rdios Cognitivos

Na Figura 2.2 apresentada uma arquitetura bsica dos Rdios Cognitivos. O ncleo cog-nitivo um sistema que utiliza informaes do usurio, do ambiente de RF e do conjunto deregras para obter instrues sobre a melhor forma de controlar o sistema de comunicao. Essaestrutura funciona como uma arquitetura generalizada, uma vez que no faz recomendaessobre a forma como o ncleo cognitivo deve se comportar durante o processo de mapeamentodas interaes com os demais sistemas (FETTE, 2009). O prprio sistema de comunicao apresentado como uma pilha simplificada de protocolos.

O ambiente do usurio informa ao ncleo cognitivo quais as necessidades de desempenhode servios e aplicaes, que so relativos qualidade de servio desejada para o sistema decomunicaes. Uma vez que cada aplicao requer nveis de QoS diferentes, por exemplolimites de taxa de transmisso e latncia, esse ambiente define as metas de desempenho dordio.


Ambiente do Usurio

Ambiente Externo e Canal RF

Ambiente de Regulamentao

Plataforma do Rdio Cognitivo

NcleoCognitivo Gerenciador

deRegras

AplicaoTransporte

RedeEnlaceFsica

Sistema deComunicao

Figura 2.2 Arquitetura bsica de um rdio cognitivo.

O ambiente externo fornece informaes para estabelecer o comportamento do rdio nosprocessos de transmisso e recepo. Diferentes ambientes de propagao provocam mudanasno desempenho das formas de onda e na escolha da arquitetura tima do receptor.

Um ambiente de propagao com mltiplos percursos requer um receptor mais complexo doque o utilizado em um ambiente em que predomina a visada direta. O ambiente externo tambmtem um papel significativo no desempenho e nos processos de adaptao. As informaes doambiente externo ajudam a fornecer limites de otimizao sobre o processo decisrio e sobre odesenvolvimento das formas de onda.

Finalmente, o ambiente de regulamentao trata as regras determinadas pelos rgos regula-dores, que estabelecem restries relacionadas ao uso otimizado do espectro e mxima potnciade transmisso.

2.2 Modelos de Alocao Espectral

A alocao espectral para Rdios Cognitivos pode ser classificada em trs modelos (MO-LISCH et al., 2009):

Exclusivo Dinmico Uma faixa espectral reservada para uso exclusivo de um servioem particular, mas diferentes provedores podem compartilhar o espectro;

Compartilhamento Aberto Todos os usurios podem acessar o espectro igualmente,sujeitos a certos limitantes nas caractersticas do sinal transmitido. Essa maneira de com-partilhamento usada, por exemplo, nas faixas ISM;

Acesso Hierrquico Estabelece diferentes prioridades a diferentes usurios. Nesse mo-delo, usurios primrios devem ser servidos de forma que possam experimentar a mesma


qualidade de servio (QoS) que teriam se o espectro fosse reservado exclusivamente paraseu uso. Entretanto, usurios secundrios so habilitados a transmitir se no afetaremsignificativamente o desempenho ou qualidade de servio dos usurios primrios.

H trs formas de implementao dos Rdios Cognitivos em relao ao seu comportamentono acesso ao espectro, conhecidas como Interferncia Evitada, Interferncia Controlada e Inter-ferncia Desvanecida, que so apresentadas a seguir.

2.3 Modelos de Compartilhamento Espectral

As redes com Rdios Cognitivos devem apresentar melhor desempenho do que redes emque eles esto ausentes, porque so capazes de sensoriar e se adaptar ao ambiente sem fio, eexplorar, mas no necessariamente, novas polticas de licenciamento do espectro secundrio quepermitam partilhar o espectro com os usurios primrios. Outro pressuposto que os usuriossecundrios tm que garantir a comunicao do usurio primrio em um nvel pr-determinado.Ou seja, o sistema primrio no precisa necessariamente se adaptar aos usurios cognitivos,enquanto os usurios cognitivos, definitivamente, precisam adaptar-se aos sistemas primrios.

A forma como os usurios secundrios ocupam o espectro primrio pode ser classificadaem trs categorias, com possibilidade de pequenas variaes. Cada uma delas explora dife-rentes graus de conhecimento do ambiente pelo usurio secundrio (DEVROYE et al., 2006),(DEVROYE et al., 2008), (GOLDSMITH et al., 2009), (AXELL et al., 2012), (SCUDELERNETO, 2011), (HEINRICH et al., 2011).

2.3.1 Interferncia Evitada

Nesse modelo, tambm conhecido como Interweave, o usurio secundrio busca identificarpartes do espectro temporariamente desocupadas (lacunas espectrais) para realizar sua trans-misso, ou seja, instantes, locais ou faixas do espectro nas quais o usurio primrio no estejaativo (GOLDSMITH et al., 2009), como mostrado na Figura 2.3, em que as regies dos grficosque esto em branco correspondem ao espectro ocupado pela transmisso do usurio primrioe as regies escuras correspondem ao espectro oportunisticamente ocupado pelo usurio secun-drio. Mas, os usurios secundrios s podem utilizar o espectro disponvel nessas lacunas seno interferirem nas comunicaes do usurio primrio (DEVROYE et al., 2008), (SCUDELERNETO, 2011). Nesse caso, os sinais primrios e secundrios podem ser vistos como ortogonaisentre si. Os usurios secundrios podem acessar o espectro usando o Acesso Mltiplo por Di-viso no Tempo (TDMA Time Division Multiple Access), o Acesso Mltiplo por Diviso emFrequncia (FDMA Frequency Division Multiple Acccess), o Acesso Mltiplo por Diviso noEspao (SDMA Space Division Multiple Access), o Acesso Mltiplo por Diviso em Cdigo(CDMA Code Division Multiple Access) ou qualquer forma de acesso mltiplo em que os si-nais, primrio e secundrios possam ser transmitidos com interferncia controlada. Garantida


Figura 2.3 Modelo de compartilhamento espectral Interferncia Evitada.

tal condio, os usurios secundrios podem preencher essas lacunas espectrais. Nesse tipo decompartilhamento espectral, usualmente, o sistema secundrio pode perceber a presena de umtransmissor primrio, mas no de um receptor primrio (JAFAR; SRINIVASA, 2007).

2.3.2 Interferncia Controlada

Nesse modo, tambm chamado de Underlay os usurios secundrios transmitem na mesmafaixa espectral que os usurios primrios (JAFAR; SRINIVASA, 2007), (GOLDSMITH et al.,2009), porm, o transmissor secundrio deve transmitir com potncia abaixo de um limiar deforma que o receptor primrio perceba apenas um pequeno aumento do nvel de rudo nos sinaisprimrios, conforme mostrado na Figura 2.4.

Tempo

Freq

unc

ia

Pot

nci

a

Frequncia

PrimrioSecundrioAmbos

Limiar

Transmisso dos Usurios

Figura 2.4 Modelo de compartilhamento espectral Interferncia Controlada.

Assim, a interferncia dos usurios cognitivos observada pelos usurios primrios contro-lada a um nvel aceitvel. Este nvel aceitvel estabelecido nos limiares de QoS dos usuriosprimrios (GOLDSMITH et al., 2009). No esquema Underlay, a caracterstica cognitiva ne-cessria o conhecimento dos nveis aceitveis de interferncia dos usurios primrios em umintervalo de transmisso dos usurios cognitivos, bem como o conhecimento do efeito da trans-misso cognitiva no receptor primrio (HOSSAIN et al., 2009).


2.3.3 Interferncia Desvanecida

No modelo de Interferncia Desvanecida, tambm chamado de Overlay, os usurios secun-drios tambm transmitem na mesma faixa espectral que os usurios primrios como no modoInterferncia Controlada, mas, alm de identificar os canais entre ambos os transmissores, pri-mrio e secundrio, e o receptor do sistema primrio, os ns cognitivos precisam de informaesadicionais sobre o sistema primrio e seu funcionamento, de forma que possam transmitir namesma faixa do espectro simultaneamente com os usurios primrios (HOSSAIN et al., 2009),conforme mostrado na Figura 2.5.

Tempo

Freq

unc

ia

Pot

nci

a

Frequncia

PrimrioSecundrioAmbos

Limiar

Transmisso dos Usurios

Figura 2.5 Modelo de compartilhamento espectral Interferncia Desvanecida.

Exemplos so o conhecimento dos esquemas de codificao usados pelos sistemas prim-rios, permitindo que os sistemas secundrios decodifiquem transmisses dos sistemas primrios,ou em certos casos, at mesmo o conhecimento da mensagem dos sistemas primrios (HOS-SAIN et al., 2009). O sistema secundrio usa tais informaes para garantir que a transmissosecundria no reduza a qualidade da transmisso primria, mesmo que transmita com potnciamaior que a dos usurios primrios, como mostrado na Figura 2.5. Nesse modelo, o sistema se-cundrio pode usar parte da sua potncia para sua prpria comunicao e o restante para auxiliarna comunicao primria (GOLDSMITH et al., 2009).

2.4 Consideraes Finais

Neste captulo foi apresentada uma viso geral de sistemas de Rdios Cognitivos para funda-mentar o estudo do sensoriamento espectral, feito em captulos seguintes, considerando aspectoscomo o compartilhamento espectral a ser considerado e o estabelecimento de funcionalidadesdos Rdios Cognitivos em seu ciclo de funcionamento.

Com base no que foi apresentado, os modelos Interferncia Evitada e Interferncia Contro-lada so mais adequados que o modelo Interferncia Desvanecida, para explicar o comporta-mento dos Rdios Cognitivos em cenrios de competitividade, dado que o modo InterfernciaDesvanecida requer cooperao entre os sistemas primrios e secundrios.

CAPTULO 3

Sensoriamento Espectral

O estado de observao do ciclo cognitivo, como visto na Seo 2.1, corresponde ao sen-soriamento espectral, que a obteno de conhecimento, pelo rdio cognitivo, sobre o uso doespectro eletromagntico e a existncia de usurios primrios, no ambiente, com o objetivo deencontrar lacunas espectrais em que possa realizar sua comunicao (HAYKIN, 2005). Umalacuna espectral pode ser definida como uma faixa de frequncias que no utilizada pelos UPsem um dado momento em uma dada regio. Dessa forma, a deteco de usurios primrios e adeteco de lacunas espectrais podem ser consideradas tarefas equivalentes.

Para o sensoriamento espectral, a deteco tem o objetivo de distinguir entre duas possi-bilidades: a presena do Usurio Primrio (UP) ou a sua ausncia. Assim, a deciso tomadapelo mecanismo ou mtodo de sensoriamento pode resultar em quatro situaes possveis: duasem que as decises so tomadas corretamente (detectar corretamente a presena ou a ausnciade UPs), decidir que o espectro est livre quando de fato h UPs, o que chamado de falsonegativo, ou falha na deteco, e detectar a presena de UPs quando na verdade o espectro estdisponvel, que conhecido como falso positivo, ou falso alarme (BENITEZ; CASADEVALL,2012).

necessrio um compromisso na deteco de UPs, pois a elevada ocorrncia de falsos posi-tivos significa que mais oportunidades de espectro so perdidas, enquanto o aumento de falsosnegativos significa que os Usurios Secundrios causam mais interferncia nos UPs (AXELLet al., 2012).

3.1 Mtodos de Sensoriamento

Nos mecanismos de sensoriamento de espectro, supe-se que o UP, quando ocupa o espec-tro, transmite um sinal discreto x[n] por um canal com rudo branco aditivo gaussiano (AWGN)z[n] com varincia 2Z . Em um dado momento, o Usurio Secundrio que realiza o sensoria-mento detecta um sinal discreto y[n], que pode ou no conter o sinal x[n] enviado pelo Usurio

Sensoriamento Espectral 14

Primrio. O Usurio Secundrio deve ento, aps sensoriar o canal por uma durao equivalentea NS amostras, decidir entre duas hipteses:

H0 : y[n] = z[n], n = 1,2, . . . ,NS,

H1 : y[n] = x[n]+ z[n], n = 1,2, . . . ,NS. (3.1)

Sob a hiptese H0, representada na Expresso (3.1), o sinal detectado y[n] correspondeapenas ao rudo z[n]. Sob a hiptese H1 mostrada na Expresso (3.1), o sinal detectado y[n] asoma do sinal transmitido x[n] mais o rudo z[n].

A sensibilidade dos receptores cognitivos deve ser maior que a dos receptores primrios edeve basear sua deciso na medio local dos sinais emitidos pelo transmissor primrio (SOUSAet al., 2010). Dessa forma, o sensoriamento espectral pode ficar comprometido pelo problemade ocultao de terminais, que pode ocorrer quando o rdio cognitivo est sombreado, sofrendoum severo desvanecimento por multipercurso, ou localizado dentro de construes com altaperda por penetrao (CABRIC et al., 2006).

O Teste de Hipteses (3.1), um problema clssico de deteco (POOR, 1994), tambmdiscutido recentemente por pesquisadores interessados em tcnicas eficientes de sensoriamentoespectral. Existem vrios algoritmos de sensoriamento espectral que podem ser aplicados emsistemas sem fio. Eles podem ser divididos de acordo com trs critrios. Primeiro, os mtodosque requerem informao do sinal do usurio primrio e tambm sobre o rudo. Em segundo, osque s precisam de informaes sobre o rudo. E por ltimo, os mtodos que no precisam denenhuma das duas informaes. Os testes de Razo de Verossimilhana (LRT), filtragem casada(MF) (YCEK; ARSLAN, 2009),(XIAO, 2012) e deteco de caractersticas cicloestacionrias(CSD) (LU et al., 2012), (SOUSA et al., 2010), so exemplos de algoritmos que funcionamsomente se o sinal primrio e rudo so conhecidos a priori (VERMA et al., 2012). A detecode energia um exemplo de algoritmo que necessita apenas da informao dos parmetros dorudo (LIN; ZHANG, 2008), (ALMEIDA, 2010), (YE et al., 2008). O sensoriamento baseadoem autovalores no precisa de qualquer informao do sinal primrio ou do rudo (ZENG et al.,2010). Nas subsees seguintes so apresentados alguns desses mtodos.

3.1.1 Deteco de Energia

A deteco de energia consiste na identificao de presena do sinal baseando-se na densi-dade espectral de potncia do sinal observado. a forma mais difundida de sensoriamento doespectro, devido sua baixa complexidade de implementao (YCEK; ARSLAN, 2009).

A principal desvantagem do mtodo de deteco de energia a falta de preciso em situaesde baixa relao sinal rudo (SNR) e rudo no estacionrio. Os principais problemas associados


a essa tcnica so: desconhecimento da banda do sinal na qual se medir a potncia e incertezasobre o rudo (LU et al., 2012). Na Seo 3.2, essa tcnica analisada com mais detalhes.

3.1.2 Deteco por Filtragem Casada

Em alguns sistemas de comunicao, no incio de cada quadro, so enviados prembulose pilotos, com funo de realizar a sincronizao ou o ajuste de alguns parmetros entre ostransmissores e receptores. Como so conhecidos, os prembulos, pilotos e sequncias de es-palhamento podem ser utilizados para o reconhecimento da presena do transmissor primrio.Assumindo que o rdio cognitivo conhea, por exemplo, a sequncia que compe o prembuloda transmisso do sistema primrio, o sensoriamento realizado por meio da correlao dasequncia conhecida do sinal com o sinal recebido. Essa correlao gera um padro que podeser usado para identificar o tipo de sinal transmitido, por isso possvel diferenciar o usurioprimrio do usurio secundrio (CABRIC et al., 2006), (YCEK; ARSLAN, 2009),(XIAO,2012). A principal vantagem do uso desse mtodo, em comparao com os demais mtodos, o pequeno nmero de amostras necessrio para satisfazer uma certa probabilidade de detecoou de falso alarme.

3.1.3 Deteco de Caractersticas Cicloestacionrias

Geralmente os sinais de sistemas de comunicao exibem alguma periodicidade com re-lao aos seus parmetros estatsticos de segunda ordem, decorrentes, entre outras coisas, deprocessos de modulao por portadoras senoidais, amostragem ou codificao por sequnciasde espalhamento espectral (CABRIC et al., 2004). Como o rudo AWGN um processo estaci-onrio no sentido amplo e sinais modulados transmitidos pelos Usurios Primrios possuem ca-ractersticas que os tornam cicloestacionrios, estes exibem uma correlao espectral que podeser explorada para diferenci-los do rudo, realizando a deteco (LU et al., 2012), (SOUSA etal., 2010).

3.2 Sensoriamento Baseado na Deteco de Energia

Em geral, a deteco de um sinal na presena de rudo depende tanto do conhecimento so-bre o sinal que est ocupando a banda, quanto do conhecimento das caractersticas do rudo.Na ausncia dessas informaes pode-se utilizar o detector de energia para verificar a presenado sinal (YCEK; ARSLAN, 2009), (PLATA; REATIGA, 2012), (AXELL et al., 2012), (SA-LEEM; SHAHZAD, 2012).

O detector de energia, proposto inicialmente por Urkowits (1967) tem operao independedas caractersticas dos sinais primrios. Se o rudo for do tipo AWGN de mdia zero e varincia2Z , ento o sinal y[n] tambm pode ser considerado um processo aleatrio gaussiano de vari-


ncia 2Y (LIN; ZHANG, 2008). Nesse caso, a relao sinal rudo pode ser definida como arazo entre a potncia mdia do sinal e a varincia do rudo

=2Y2Z

. (3.2)

A deciso do detector de energia entre as hipteses H0 e H1 tomada a partir do valor deenergia do sinal y[n], dada pela soma do quadrado de suas amostras,

TDE =NS

n=1|y[n]|2, (3.3)

nesse caso sendo TDE tambm chamado de estatstica de teste do detector de energia e NS o nmero de amostras de y[n]. Caso o valor de TDE seja menor que o valor estabelecido parao limiar de deteco de energia, T hDE , decide-se pela hiptese H0, ou seja, assume-se que ocanal de sensoriamento est livre. Caso contrrio, situao em que TDE > T hDE , decide-se pelahiptese H1, e o canal sensoriado classificado como ocupado.

Como o objetivo principal do sensoriamento do espectro identificar com preciso o estadode ocupao do espectro eletromagntico, necessrio que a escolha de T hDE maximize aprobabilidade de acerto do detector de energia. Ou seja, necessrio maximizar a probabilidadeque o detector decida por H1 quando, de fato, o espectro estiver ocupado, e por H0 quando oespectro estiver livre.

O detector de energia pode ser implementado de duas formas, apresentadas na Figura 3.1.Na primeira forma, utiliza-se um filtro para selecionar a banda de interesse. O filtro deve sercentrado na frequncia de interesse, fc, e preferencialmente, ter largura de banda igual do canalde interesse. No caso do sensoriamento do espectro em uma faixa larga de frequncias, parauma melhor estimativa da ocupao da banda selecionada interessante que um filtro de bandaestreita seja usado para fazer a varredura da banda de interesse em bandas menores (ALMEIDA,2010). Uma outra possibilidade a utilizao de um banco de filtros de banda estreita. Apso filtro de entrada, o sinal passa por um conversor analgico-digital e por um dispositivo dedeterminao do valor quadrtico e s ento a estatstica de teste TDE calculada.

Para um sinal de banda W necessrio um filtro de seleo cuja banda seja da mesma ordem,o que torna essa implementao pouco flexvel, principalmente em situaes em que a banda desensoriamento grande e os sinais primrios tm banda estreita (BENITEZ; CASADEVALL,2012).

A outra forma de implementao do detector de energia, mostrada na Figura 3.1(b), fazo processamento das amostras na frequncia. Nessa arquitetura, h a flexibilidade de proces-sar bandas maiores e mltiplos sinais simultaneamente, uma vez que que o filtro de seleo substitudo pelo processamento das faixas de frequncia correspondentes da TransformadaRpida de Fourier (FFT Fast Fourier Transform) (KIM et al., 2010). Nessa arquitetura, hdois graus de liberdade na deteco: o nmero de pontos usados no clculo da FFT, NFFT ,


Amostrador

AmostradorFFTNFFT

pontos

TDE

TDE

S2( )

(a)

(b)

2| |

y(t) y[n]

y[n]y(t)

Filtro

n = 1

NS

Sn = 1

1NS

NS

1NS

( (

Figura 3.1 Diagramas de blocos do detector de energia (a) no tempo e (b) na frequncia.

e a quantidade de amostras, NS, usadas para o clculo da mdia. Na prtica, comum a es-colha de NFFT = 2048 e a quantidade de amostras se torna um parmetro para a melhoria dodetector, sendo necessrias pelo menos 2105 amostras para o detector de energia apresentardesempenho satisfatrio (LIN; ZHANG, 2008).

Em ambas as formas de implementao, a estatstica de teste TDE comparada com umlimiar T hDE para que se escolha entre as duas hipteses. Como o limiar de deteco dependeda relao sinal rudo do sinal recebido, a capacidade de deteco da tcnica prejudicada emcenrios em que o rudo no estacionrio e varia rapidamente (AXELL et al., 2012).

O pseudo-cdigo do sistema de sensoriamento espectral baseado na deteco de energia apresentado no Algoritmo 3.2.

Algoritmo 1 Pseudo-cdigo do sensoriamento baseado na deteco de energia.Entradas N , NMC, NFFT , fc, Nq, , y

1: Para g 1 at N faa2: Para s 1 at NMC faa3: yq quebra(y,NFFT ,Nq)4: Yq fft(yq,NFFT )5: Y concatena(Yq)6: T hDE erf1(12 Pf a) 2

NFFT Nq+NFFT Nq

7: TDE mdia(Y 2)8: Se (TDE T hDE) ento9: nd nd +1

10: Fim do Se11: Fim do Para12: Pd(g) nd/NMC13: nd 014: Fim do Para

Para tornar mais claro o processo de escolha entre as duas hipteses, na prxima seo descrito o teste de hipteses com mais detalhes.


3.2.1 Teste de Hipteses

O teste de hipteses um processo decisrio que estabelece a validade de uma hiptese.Suponha que x = {x[1],x[2], . . .x[NS]} seja um conjunto de NS amostras do processo alea-trio X , cuja funo densidade de probabilidades depende de um parmetro : f (X ;) =f (x[1], . . . ,x[n];), que pode assumir os valores 0 ou 1, para o caso binrio.

O teste verifica a hiptese = 0 contra a hiptese de que = 1 . A primeira hiptese conhecida como hiptese nula,H0; e a segunda hiptese conhecida como hiptese alternativa,H1.

H0 : = 0,

H1 : = 1. (3.4)

Nesse caso, em que o teste de hipteses binrio, pode-se subdividir o espao n-dimensionalde observao, Rn, em duas regies, R1 e R0. Para o vetor de observao x = {x[1], . . . ,x[n]}, seX R0, escolhe-se a hiptese H0 e, se X R1, escolhe-se a hiptese H1.

Definindo Pi j como a probabilidade de decidir por Hi, quando de fato a hiptese H j verdadeira, tem-se

Pi j =

Rip(x|H j)dx, (3.5)

em que p(x|H j) a funo densidade de probabilidade condicional de X dado que a hipteseH j verdadeira. A observao do vetor x pode levar a quatro aes distintas:

Aceitar a hiptese H0 dado que ela verdadeira;

Aceitar a hiptese H1 dado que ela verdadeira;

Aceitar a hiptese H0 dado que ela falsa;

Aceitar a hiptese H1 dado que ela falsa.

Como visto,H0 corresponde hiptese de que o sinal primrio no est presente no espectroe H1, hiptese de o sinal est presente no espectro. Ento define-se as seguintes probabilida-des (MCGUIRE; ESTRADA, 2010), (ZENG et al., 2010).

Pd = P11 como a probabilidade de deteco, ou a probabilidade de detectar o sinal dadoque ele est presente.

Pf a = P10 como a probabilidade de falso alarme, ou a probabilidade de detectar sinal dadoque ele no est presente.

Ppd = P01 como a probabilidade de perda de deteco, ou a probabilidade de no detectaro sinal dado que ele est presente.


Pl = P00 como a probabilidade de no detectar o sinal dado que ele no est presente noespectro, ou seja, a probabilidade de identificar uma lacuna espectral.

O processo de tomada de deciso corresponde ao estabelecimento de limiares de deciso en-tre as hipteses H0 e H1, com base nas probabilidades condicionais descritas, ou na adio dealguma importncia ou custo s quatro aes possveis. Entre os principais critrios de decisoexistentes, encontram-se o critrio de Bayes e de Neyman-Pearson (POOR, 1994). Resumida-mente, o critrio de Bayes introduz o conceito de custo para a tomada de decises. Seja Ci j ocusto associado escolha da hipteseHi dado que a hipteseH j verdadeira. Neste caso, tem-se que C00 e C11 correspondem aos custos de uma deciso correta, e C10 e C01 correspondem aocusto de uma deciso equivocada.

No caso do sensoriamento do espectro, por exemplo, C10 estaria associado deciso declassificar um canal como ocupado, dado que ele est vazio; e C01, deciso de classificar umcanal como vazio, dado que ele est ocupado. Em geral, o custo das decises equivocadas maior que o custo das decises corretas (TREES, 1968), ou seja

C01 >C00,

C10 >C11. (3.6)

Adicionalmente, define-se pi0 = p(H0) e pi1 = p(H1) como as probabilidades a priori dashipteses H0 e H1, respectivamente. O risco mdio, R, ou risco de Bayes, dado por (POOR,1994)

R= [PlC00+Pf aC10]pi0+[PpdC01+PdC11]pi1. (3.7)

A meta do critrio de Bayes reduzir o risco R. Substituindo Pd = 1Ppd , Pf a = 1Pl eas probabilidades

Pl =

R0p(x|H0)dx,

Ppd =

R0p(x|H1)dx, (3.8)

na Frmula 3.7, tem-se

R= pi0C10+pi1C11+

R0[pi1(C01C11)p(x|H1)pi0(C10C00)p(x|H0)]dx. (3.9)

Como os dois primeiros termos da Frmula 3.9 so constantes, ento a minimizao docusto R corresponde minimizao de g(x), em que

g(x) = pi1(C01C11)p(x|H1)pi0(C10C00)p(x|H0). (3.10)


Como todos os termos da expresso so positivos, j que C10 > C00 e C01 > C11, para aminimizao do risco de Bayes necessrio que

pi1(C01C11)p(x|H1) pi0(C10C00)p(x|H0), (3.11)

que corresponde ao clculo da razo de verossimilhana L(x) (TREES, 1968)

L(x) =p(x|H1)p(x|H0)

H0H1

pi0(C10C00)pi1(C01C11) , (3.12)

em que o termo direita representa o limiar de deciso do teste, T h. Quando o valor de L(x) formaior que T h escolhe-se a hiptese alternativa e quando o valor de L(x) for menor que o limiarde deciso, escolhe-se a hiptese nula.

Como pode ser observado, o critrio de deciso Bayesiano depende tanto do conhecimentodas probabilidades a priori pi0 e pi1, quanto do conhecimento dos custos relacionados s quatroaes possveis. Entre os critrios de deciso Bayesianos, existem ainda o critrio Minimax,que depende somente do conhecimento dos custos relacionados escolha das hipteses, e ocritrio MAP, mximo a posteriori, que depende somente do conhecimento das probabilidadesa priori (TREES, 1968).

No caso do sensoriamento do espectro difcil obter as probabilidades a priori e definircustos para as decises. Um procedimento para sobrepor essas dificuldades a utilizao dasprobabilidades condicionais Pf a e Pd para definir o limiar de deciso .

Pode-se definir a probabilidade de falso alarme e a probabilidade de deteco como

Pf a =

R1p(x|H0)dx,

Pd =

R1p(x|H1)dx. (3.13)

Em geral, o limiar que define as regies R0 e R1 deve permitir que se obtenha do teste dehipteses uma alta Pd e uma baixa Pf a. Contudo, de acordo com as Expresses 3.13, a maximi-zao de Pd depende da maximizao de R1, enquanto a minimizao de Pf a depende da reduoda regio R1, ou seja, no se pode aumentar Pd e diminuir Pf a simultaneamente (TREES, 1968),(KAY, 1998). Um critrio utilizado para solucionar esse obstculo manter uma das proba-bilidades constantes e trabalhar na maximizao (ou minimizao) da outra, como feito nocritrio de Neyman-Pearson, descrito a seguir.

A probabilidade de falso alarme, Pf a, tambm chamada de nvel de significncia do testede hipteses, e a probabilidade de deteco, Pd , conhecida como o poder explicativo doteste (KAY, 1998). Como Pf a e Pd representam eventos do mesmo problema, elas no soindependentes entre si. Para maximizar a probabilidade de deteco e minimizar a probabili-dade de falso alarme simultaneamente preciso aumentar o nmero de amostras NS (POOR,1994), (TREES, 1968). Sendo assim, para uma quantidade fixa de amostras, necessrio otimi-


zar os valores de Pf a e Pd , de forma que seja maximizada Pd tal que Pf a Pf aMAX , sendo Pf aMAXo mximo valor aceitvel para a probabilidade de falso alarme. O valor sugerido de Pf aMAX nanormatizao do padro IEEE WRAN 802.22 10% (LIM et al., 2009). A soluo para maxi-mizar Pd sob a restrio de que Pf aPf aMAX pode ser obtida com a utilizao de multiplicadoresde Lagrange. Define-se a funo objetivo da otimizao como (TREES, 1968)

JNP = 1PdT hNP(Pf aPf aMAX ) = 1 p(H1|H1)T hNP(p(H1|H0)Pf aMAX ), (3.14)

em que T hNP denota o limiar de deciso do teste de Neyman-Pearson e o multiplicador deLagrange. Mas, Pd = 1Ppd e Pf a = 1Pl , ento

JNP = PpdT hNP(1PlPf aMAX ) (3.15)

Desenvolvendo a expresso anterior, tem-se

JNP = T hNP(1Pf aMAX )+

R0[p(x|H1)T hNP p(x|H0)]dx. (3.16)

Como os valores de T hNP > 0 e Pf aMAX so constantes, deve-se escolher R0 tal que a integralseja sempre minimizada. Pode-se construir, ento, um teste da razo de verossimilhana

L(x) =p(x|H1)p(x|H0)

H0H1

T hNP. (3.17)

Para satisfazer a restrio, escolhe-se T hNP de tal forma que Pf a = Pf aMAX . Seja p(L|H0) afuno densidade de probabilidade quando H0 verdadeira. Pf a pode ser reescrita como

Pf a =

T hNPp(L|H0)dL = Pf aMAX . (3.18)

Resolvendo a equao anterior para T hNP, encontra-se o limiar de deciso. A diminuiodo valor de T hNP equivalente ao aumento da regio R1, na qual se considera que a hipteseH1 seja vlida. Sendo assim, diminui-se o limiar at que se atinja o maior valor de Pf a comPf a Pf aMAX .

Sob as hipteses H0 e H1 em (3.1), T h uma varivel aleatria cuja funo densidadede probabilidade chi-quadrado, 2 , com NS graus de liberdade (POOR, 1994),(LIM et al.,2009). Quando o sinal primrio no est presente, a distribuio chi-quadrado descentrali-zada; quando o sinal primrio est presente, a distribuio centralizada. Se a quantidade deamostras, NS, suficientemente grande, pelo Teorema Central do Limite, a distribuio de T hpode ser aproximada por uma distribuio gaussiana.

Usando o critrio de deciso de Neyman-Pearson, para estabelecer o limiar de deciso T hNPbasta fixar o valor da probabilidade Pf a , por exemplo, e resolver a Equao 3.18 para calcular o


limiar adequado para atender restrio de Pd . No caso do detector de energia com distribuiogaussiana para T h, a probabilidade Pd dada por (ALMEIDA, 2010)

Pd = P(T h > T hNP|H1)

= Q

T hNPNS2Y2NS4Y

, (3.19)em que Q(x) a funo cumulativa complementar da varivel aleatria gaussiana X

Q(x) =12pi

x

e22 d. (3.20)

A probabilidade Pf a

Pf a = P(T h < T hNP|H0)

= Q

T hNPNS2Z2NS4Z

. (3.21)Se a rede de rdios cognitivos garantir uma alta taxa de reutilizao do espectro, procura-

se fixar a probabilidade Pf a em valores menores do que 10% e a probabilidade Pd deve sermaximizada. Esse mtodo conhecido como o princpio de taxa constante de falso alarme(CFAR Constant False Alarm Rate) (LIN; ZHANG, 2008). Porm, para que a rede garantauma baixa probabilidade de coliso com os sistemas pr-existentes, a probabilidade de detecodeve ser fixada em valores maiores que 90%, e Pf a deve ser minimizada (LU et al., 2011),(DENKOVSKI et al., 2012). Este o princpio da taxa constante de deteco (CDR ConstantDetection Rate).

Utilizando o critrio CFAR, o limiar de deteco, T hCFAR, dado por (YE et al., 2008)

T hCFAR = NS2Z +Q1(Pd)

2NS4Z . (3.22)

Calculando o limiar de deteco pelo critrio CDR, tem-se

T hCDR = NS2Z(1+ )+Q1(Pd)

2NS4Z(1+ )2. (3.23)

Observa-se que o clculo do limiar pelo critrio CDR, na Expresso (3.23), depende doconhecimento da relao sinal rudo na faixa do sensoriamento. Na prtica, o receptor cognitivopode desconhecer o valor de no canal de sensoriamento, e, por isso, geralmente o clculo dolimiar de deteco de energia feito com o critrio CFAR, dado na Expresso (3.22). Assim,T hNP = T hCFAR.


Na Expresso (3.22), o limiar de deteco alterado de acordo com os valores de 2Z e dePd . Por exemplo, caso se considere o valor do rudo muito menor do que de fato ele , o valordo limiar T hCFAR diminui, aumentando, portanto, as probabilidades de deteco e falso alarme.Caso se considere o valor de 2Z maior do que seu valor real, o limiar de deteco aumentar, oque diminuir a regio R1, ou seja, a regio em que se escolhe pela hiptese alternativa. Nessecaso, tanto o valor da probabilidade de deteco, quanto o valor da probabilidade de falso alarmediminuem. Por isso, interessante que o detector seja capaz de realizar uma boa estimativa dapotncia do rudo.

A relao sinal rudo () alvo para um bom sistema de sensoriamento espectral, que apre-senta probabilidade de deteco em torno de 0,9, de cerca de -20 dB (LU et al., 2011), (DEN-KOVSKI et al., 2012), o que significa que os sinais dos usurios primrios devem ser detectadosmesmo com baixa relao sinal rudo. Esse nvel de representa um desafio para os sistemas desensoriamento. Adicionalmente, desvanecimento, e variaes de rudo/interferncia nos canaissem fio so dificuldades para os sistemas de sensoriamento (CABRIC et al., 2006), (AXELL etal., 2012).

3.2.2 Alguns Exemplos

Na Figura 3.2 possvel analisar a probabilidade de deteco Pd , com clculo do limiar dedeteco T hNP segundo o critrio CFAR, de um sinal BPSK em funo da relao sinal rudo no receptor, considerando um canal AWGN, para alguns valores da probabilidade de falsoalarme Pf a. Nessa figura observa-se que os grficos das expresses analticas apresentadas soprximos dos resultados das simulaes. Nas simulaes utilizou-se o mtodo de Monte-Carlocom 104 repeties e foi adotado o nmero de amostras do sinal NS = 7104. Em cada simula-o gerado um sinal BPSK correspondente ao sinal do usurio primrio e transmitido por umcanal AWGN para vrios valores de . A probabilidade de deteco Pd medida como a razoentre o nmero de deteces feitas pelo sistema de sensoriamento e o total de repeties dassimulaes. O cdigo-fonte usado nas simulaes desse sistema de sensoriamento mostradono Apndice A

Na Figura 3.2 possvel notar que a probabilidade de deteco cresce com a relao sinalrudo. E converge para seu valor mximo em funo de mais rapidamente para maioresprobabilidades de falso alarme.

Outro fator que altera o desempenho do detector a quantidade de amostras utilizadas nadeteco. Caso no houvesse limite sobre a quantidade de amostras utilizadas na deteco, e odetector conhecesse o valor preciso de 2Z , o detector de energia atingiria qualquer probabilidadede deteco e falso alarme (SALEEM; SHAHZAD, 2012).


25 20 15 10 5 00

0.2

0.4

0.6

0.8

1

(dB)

P d

Pfa = 0,01 SimulaoPfa = 0,05 SimulaoPfa = 0,1 SimulaoPfa = 0,01 AnalticoPfa = 0,05 AnalticoPfa = 0,1 Analtico

Figura 3.2 Probabilidade de deteco em funo de em dB para um sinal BPSK em um canal AWGN,usando NS = 7104.

Na prtica, NS limitado, pois o tempo de sensoriamento no pode ser infinito. Para atingirum determinado requisito de Pf a e Pd , a quantidade mnima de amostras necessria (LIN;ZHANG, 2008)

NS = 2[(

Q1(Pf a)Q1(Pd))1Q1(Pd)

]2. (3.24)

Na Figura 3.3 apresentado o nmero de amostras NS em funo da e alguns valores dePf a, considerando Pd = 0,9.

Na Figura 3.4 possvel notar essa melhoria da probabilidade de deteco em funo de ,com o nmero de amostras NS = 1,5105, em relao ao caso da Figura 3.2. Percebe-se nestecaso que possvel efetuar a deteco com menores valores da relao sinal rudo. Nota-se quepara 1,5 105 amostras a relao sinal rudo necessria para obter Pd = 0,9 e Pf a = 0,01 18 dB. Mas, no caso de NS = 7 104, na Figura 3.2, a relao sinal rudo necessriapara esses valores de Pf a e Pd 17 dB.

Para NS = 2105, os resultados so mostrados na Figura 3.5. Nesse caso, para obter Pd =0.9 e Pf a = 0.01 a relao sinal rudo 19 dB

3.3 Consideraes Finais

Neste captulo foram apresentados, com base na literatura revisada, alguns mtodos de sen-soriamento espectral em sistemas de rdios cognitivos, e uma caracterizao mais detalhada domtodo de deteco de energia.


25 20 15 10 5 00

1

2

3

4

5 x 105

(dB)

NS


Figura 3.3 Nmero de amostras necessrio para obter Pd = 0,9 em funo de .

25 20 15 10 5 00

0.2

0.4

0.6

0.8

1

(dB)

P d


Figura 3.4 Probabilidade de deteco em funo de em dB para um sinal BPSK em um canal AWGN,usando N = 1,5105.

Os resultados obtidos com as simulaes de Monte-Carlo so prximos dos resultados ob-tidos nas expresses analticas para o sensoriamento espectral baseado em deteco de energia.A probabilidade de deteco analisada em funo da relao sinal rudo e da probabilidadede falso alarme. Verifica-se que o nmero de amostras coletadas do sinal para o clculo da suaenergia influencia na determinao da probabilidade de deteco.


40 30 20 10 0 100

0.2

0.4

0.6

0.8

1

(dB)

P d


Figura 3.5 Probabilidade de deteco em funo de em dB para um sinal BPSK em um canal AWGN,usando N = 2105.

A tcnica de sensoriamento baseada na deteco de energia no exige informaes sobre ossinais dos usurios primrios alm da estimao de sua energia, que corresponde a um cenriomais prximo da realidade, em que sistemas secundrios competem entre si e com usuriosprimrios pelo espectro licenciado para estes ltimos. Alm disso essa tcnica se mostra defcil implementao.

H outras tcnicas que no exigem conhecimento prvio sobre o sinal do usurio prim-rio. Algumas dessas tcnicas so baseadas em teste estatsticos e so apresentadas no prximocaptulo.

CAPTULO 4

Sensoriamento Espectral Baseado emTestes Estatsticos

Como visto no Captulo 3, sob a hiptese H0, representada na Expresso (3.1), o sinaly[n] = z[n] considerado gaussiano, com mdia nula e varincia 2Z (LU et al., 2011). Essacaracterstica pode ser vista na Figura 4.1(a), em que o rudo gaussiano tem mdia Z = 0 evarincia 2Z = 1.

Calculando a FFT do sinal y[n], com NFFT = 2048, obtido o sinal Y [k] que apresenta amos-tras complexas, com parte real e parte imaginria aleatrias com distribuio gaussiana (MODY,2007), (LU et al., 2011). Essa caracterstica pode ser observada por meio dos histogramas mos-trados nas Figuras 4.1(b) e 4.1(c). Dessa forma, o mdulo da transformada de Fourier do sinalapresenta distribuio de Rayleigh (LATHI; DING, 2012), como pode ser visto na Figura 4.1(d).

Sob a hiptese H1, o sinal y[n] = x[n] + z[n], em que x[n] o sinal do usurio primrio,que nas simulaes um sinal BPSK com relao sinal rudo = 5 dB e NFFT = 2048. Nodomnio do tempo, esse sinal apresenta distribuio de probabilidades gaussiana, como visto naFigura 4.2(a). Porm, as partes real e imaginria da transformada de Fourier do sinal, Y [k], apre-sentam distribuio de probabilidades distinta da gaussiana, como mostrado nas Figuras 4.2(b)e 4.2(c). Portanto, a distribuio de probabilidades do mdulo das amostras da transformada deFourier do sinal, diferente do caso em que o sinal composto apenas por rudo, no apresentadistribuio de Rayleigh (LEON-GARCIA, 2008), conforme pode ser visto na Figura 4.2(d).

Essa diferena de distribuies de probabilidades entre as duas hipteses pode ser utilizadapara detectar a transmisso de um usurio primrio na faixa do espectro de interesse do usu-rio cognitivo. Nesse caso, se as partes real e imaginria das amostras do sinal recebido pelousurio secundrio Y [k] apresentarem distribuio gaussiana ou, se o seu mdulo apresentardistribuio de Rayleigh, ento o usurio secundrio deve interpretar que h uma oportunidadede transmisso.

Para reconhecer a distribuio de probabilidades de um conjunto de amostras, so realizadostestes estatsticos. Vrios mtodos de sensoriamento espectral baseados em testes estatsticos

Sensoriamento Espectral Baseado em Testes Estatsticos 28

5 0 50

0.02

0.04

0.06

0.08

0.1

0.12

y[n] = z[n]

Freq

. Rel

ativ

a

(a)

200 150 100 50 0 50 100 1500

0.02

0.04

0.06

0.08

0.1

0.12

0.14

Real(Y[k] = Z[k])

Freq

. Rel

ativ

a

(b)

150 100 50 0 50 100 1500

0.02

0.04

0.06

0.08

0.1

0.12

0.14

Imag(Y[k] = Z[k])

Freq

. Rel

ativ

a

(c)

0 50 100 150 2000

0.02

0.04

0.06

0.08

0.1

0.12

|Y[k]| = |Z[k]|

Freq

. Rel

ativ

a

(d)

Figura 4.1 Histogramas do sinal y[n] composto apenas por rudo: (a) no domnio do tempo; (b) partereal do sinal Y [k]; (c) parte imaginria do sinal Y [k] e (d) mdulo do sinal Y [k].

foram propostos recentemente (MODY, 2007), (LU et al., 2011), (DENKOVSKI et al., 2012),(SUBEKTI et al., 2012).

Antes de descrever os sistemas de sensoriamento baseados em testes estatsticos, impor-tante definir algumas mtricas que so utilizadas nesses testes. Por isso, na prxima seoso definidas as estatsticas de ordem superior, que so as mtricas mais usadas nos sistemasbaseados em testes estatsticos.

4.1 Estatsticas de Ordem Superior

As Estatsticas de Ordem Superior (EOS) so os momentos e cumulantes de ordem superior segunda (PUGA, 2000).

Dado um conjunto de NS amostras y = {y(1),y(2), . . .y(NS)} de uma varivel aleatria Y , or-simo momento estatstico central (centrado na mdia) das amostras contidas em y pode seraproximado por (S, 2007)

mr = E[(Y y)r] 1NSNS

n=1

(y[n] y)r, (4.1)


6 4 2 0 2 4 60

0.02

0.04

0.06

0.08

0.1

0.12

0.14

y[n] = x[n] + z[n]

Freq

. Rel

ativ

a

(a)

400 200 0 200 400 6000

0.05

0.1

0.15

0.2

0.25

0.3

0.35

Real(Y[k] = X[k] + Z[k])

Freq

. Rel

ativ

a

(b)

400 200 0 200 4000

0.05

0.1

0.15

0.2

0.25

0.3

0.35

Imag(Y[k] = X[k] + Z[k])

Freq

. Rel

ativ

a

(c)

0 100 200 300 400 5000

0.05

0.1

0.15

0.2

0.25

0.3

0.35

|Y[k]| = |X[k] + Z[k]|

Freq

. Rel

ativ

a

(d)

Figura 4.2 Histogramas do sinal y[n] composto pelo sinal do usurio primrio mais rudo: (a) no do-mnio do tempo; (b) parte real do sinal Y [k]; (c) parte imaginria do sinal Y [k] e (d) mdulo do sinalY [k].

em que y a mdia amostral, dada por

y = E[Y ] 1NS

NS

n=1

y[n]. (4.2)

A relao entre os cumulantes cr e os momentos mr pode ser utilizada para calcular oscumulantes de ordem superior da seguinte forma (MODY, 2007)

cr = mrr1j=1

(r1j1

)c jmr j. (4.3)

Os primeiros momentos estatsticos podem ser relacionados com mdias e medidas fsi-cas (ALENCAR, 2009). O segundo momento amostral central a varincia (2Y ) ou potnciaAC de uma varivel aleatria Y , e dada por

2Y = m2 1

NS

NS

n=1

(y[n] y)2. (4.4)


O terceiro momento amostral central usado para avaliar a assimetria (SY ) de uma distri-buio de probabilidades em torno da mdia, dada por

SY =m3

m3/22

1NS

NS

n=1(y[n] y)3

(Y )3. (4.5)

O quarto momento amostral central usado na avaliao do achatamento, chamada de cur-tose (KY ) da distribuio de probabilidades da amostras de Y . A curtose dada por

KY =m4m22

1NS

NS

n=1(y[n] y)4

(2Y )2. (4.6)

Algumas dessas estatsticas so usadas em testes que medem se amostras de dados aderema uma distribuio de probabilidades. Alguns desses testes so descritos na seo seguinte.

4.2 Testes de Aderncia

A suposio de uma distribuio de probabilidades para uma varivel aleatria exigidapara a realizao de muitos mtodos de inferncia estatstica, como o teste de hipteses que deveser realizado no sensoriamento espectral. H vrios mtodos para verificar se a distribuio dosdados estudados uma distribuio hipottica. H metodologias descritivas, como a anlisevisual (subjetiva) de alguns grficos, e tambm testes objetivos (RAZALI; WAH, 2011), quepodem ser divididos em testes paramtricos e no paramtricos de aderncia. Os paramtricosutilizam os parmetros da distribuio sob teste, ou uma estimativa deles, para o clculo daestatstica. Normalmente, esses testes so mais rigorosos e apresentam mais pressuposiespara sua validao. J os no paramtricos so livres da suposio inicial da distribuio deprobabilidades dos dados estudados (REIS; RIBEIRO JNIOR, 2007).

Nos testes de aderncia so testadas as seguintes hipteses:

H0 : Os dados seguem a distribuio hipottica

H1 : Os dados no aderem distribuio hipottica.

Os testes de aderncia podem ser analisados a partir de dois parmetros: a probabilidadede rejeitar a hiptese H0 quando ela verdadeira, ou Probabilidade de Falso Alarme (Pf a), e aprobabilidade de rejeitar a hipteseH0 quando ela falsa, nesta tese chamada de Probabilidadede Deteco (Pd). As probabilidades Pf a e Pd , so tambm chamadas, respectivamente, de nvelde significncia do teste e poder explicativo do teste (KAY, 1998).

Alguns dos testes no paramtricos so: o teste 2 de Pearson, o teste de Kolmogorov-Smirnov (KS), o teste de Lilliefors (LF) uma correo para o teste KS (LILLIEFORS, 1967),


o teste de Anderson-Darling (AD) (ANDERSON; DARLING, 1954), o teste de Shapiro-Wilk eo teste de Jarque-Bera (JB) (JARQUE; BERA, 1987).

Nas subsees seguintes, so descritos brevemente esses testes de aderncia.

4.2.1 Teste de Aderncia 2 de Pearson

O teste de aderncia Qui-quadrado (2) de Pearson um tradicional teste de qualidade doajuste (GoF Goodness-of-Fit), que usado para testar se um conjunto de amostras adere a umadistribuio de probabilidades (PEARSON, 1900), (S, 2007), (ANDERSON et al., 2011).

Nesse teste, considera-se um conjunto de NS amostras aleatrias com distribuio de pro-babilidades desconhecida. As amostras so divididas em M intervalos. Sejam fOi e fEi asfrequncias observada (nmero de amostras observado) e esperada (sob a hiptese nula) no i-simo intervalo (i6M), ento a estatstica do teste de Pearson dada por (ANDERSON et al.,2011)

T2 =M

i=1

( fOi fEi)2fEi

. (4.7)

A estatstica de teste tem aproximadamente distribuio Qui-quadrado com M1 graus deliberdade (S, 2007). Quanto maior a diferena entre as frequncias observada e esperada,maior o valor da estatstica de teste T2 , tornando as amostras menos aderentes distribuioconsiderada na hiptese nula.

A hiptese nula aceita se T2 < T h, em que T h, chamado de valor crtico do teste, aabscissa da distribuio 2 com M 1 graus de liberdade e um nvel de significncia , querepresenta a mxima probabilidade de erro que se tem ao rejeitar uma hiptese (S, 2007),como ilustrado na Figura 4.3.

2p(c)c2

2c

0 Th

a

Figura 4.3 Limiar do teste de aderncia 2 de Pearson.


4.2.2 Teste de Aderncia de Kolmogorov-Smirnov

No teste de Kolmogorov-Smirnov (KS) verifica-se o grau de concordncia entre a distri-buio de um conjunto de valores (amostras observadas) e a distribuio terica, que pode ser,por exemplo, a distribuio gaussiana. No teste KS admite-se que a distribuio da varivelque est sendo testada seja contnua. So comparadas a Funo Cumulativa de Probabilidade(FCP) terica, e a FCP amostral dos dados observados. A distribuio terica representa o que esperado sob a hipteseH0 do teste de hipteses. Ento, verifica-se se as distribuies tericae observada mostram divergncia (PANIK, 2005). Porm, esse teste usado quando

Algoritmos de Sensoriamento Espectral

Documents

Transcript of Algoritmos de Sensoriamento Espectral