Abstract
Os Rádios Cognitivos (RCs), por meio do sensoriamento espectral, surgem como solução para aumentar a eficiência do uso do espectro eletromagnético. No presente trabalho, o sensoriamento espectral, a partir da técnica de detecção de energia, será simulado e avaliado em cenários de oportunidades de transmissão na faixa de TV no Brasil. Nessa faixa de frequência, os usuários licenciados utilizam um sinal de transmissão com Multiplexação por Divisão de Frequências Ortogonais (Orthogonal Frequency Division Multiplexing – OFDM), com características definidas e padronizadas que serão consideradas no desenvolvimento da simulação. Nesta última, é considerado um sinal de usuário primário do Serviço Integrado de Transmissão Digital (Integrated Services Digital Broadcasting – Terrestrial Brazilian Version – ISDB-TB) e um canal de desvanecimento Rayleigh lento, no qual não há uma visada direta entre o RC e o transmissor primário. O trabalho investigará, por meio da análise das probabilidades de detecção e de falso alarme, o desempenho do sistema de sensoriamento em diversas situações, tais como variação do número de amostras coletadas por RC, variação da relação sinal-ruído média e, por último, um cenário cooperativo, no qual se verifica a influência do número de RCs na qualidade do sensoriamento realizado.
Palavras-chave: Sensoriamento Espectral. TV White Space. Rádio Cognitivo.
Analysis of spectral sensing in a realistic tvws scene in Brazil
Abstract
Cognitive radios (CRs), employing spectral sensing, emerge as a solution to enhance the efficiency of electromagnetic spectrum utilization. In the present study, spectral sensing through energy detection will be simulated and assessed within scenarios of transmission opportunities in the TV frequency band in Brazil. Within this frequency band, licensed users employ an Orthogonal Frequency Division Multiplexing (OFDM) transmission signal with well-defined and standardized characteristics, which will be accounted for in the simulation development. The simulation encompasses a primary user signal of the Integrated Services Digital Broadcasting – Terrestrial Brazilian Version (ISDB-TB) and a slow Rayleigh fading channel, where no direct line of sight exists between the CR and the primary transmitter. The research will investigate the sensing system’s performance by analyzing detection and false alarm probabilities under various conditions, such as varying the number of samples collected by each CR, adjusting the mean signal-to-noise ratio, and finally, a cooperative scenario where the influence of the number of CRs on the quality of sensing will be examined.
Keywords: Spectrum Sensing. TV White Space. Cognitive Radio.
References
ABDELMOHSEN, A.; HAMOUDA, W. Advances on spectrum sensing for cognitive radio networks: theory and applications. IEEE Communications Surveys & Tutorials, [s.l.], v. 19, n. 2, p. 1277-1304, 2017. Disponível em: https://ieeexplore.ieee.org/document/7748543. Acesso em: 1º jul. 2024. DOI: https://doi.org/10.1109/COMST.2016.2631080.
ALVES, F. S. Q. Q. Sensoriamento espectral cooperativo baseado em Rádios Cognitivos com múltiplas antenas. 2021. 63f. Dissertação (Mestrado em Telecomunicações) – Instituto Nacional de Telecomunicações, Santa Rita do Sapucaí, 2021. Disponível em: http://tede.inatel.br:8080/jspui/bitstream/tede/226/5/Disserta%C3%A7%C3%A3o%20V.Final%20F%C3%A1tima%20Sayury.pdf. Acesso em: 1º jul. 2024.
AMARAL, B. Anatel aprova regulamento de uso de White Spaces, Teletime, São Paulo, 30 set. 2021, Disponível em: https://teletime.com.br/30/09/2021/anatel-aprova-regulamento-de-uso-de-white-spaces. Acesso em: 10 nov. 2022.
AMRUTHA, V.; KARTHIKEYAN, K. V. Spectrum sensing methodologies in cognitive radio networks: a survey. In: INTERNATIONAL CONFERENCE ON INNOVATIONS IN ELECTRICAL, ELECTRONICS, INSTRUMENTATION AND MEDIA TECHNOLOGY, 1., 2017, Coimbatore. Proceedings... Coimbatore, 2017, p. 306-310. Disponível em: https://ieeexplore.ieee.org/document/8116855. Acesso em: 2 jul. 2024. DOI: https://doi.org/10.1109/ICIEEIMT.2017.8116855.
ANJOS, A. A. dos. Plataforma de Simulação para Análise de Desempenho do Sensoriamento Espectral baseado em Autovalores para Rádios Cognitivos. 2012. 116f. Dissertação (Mestrado em Telecomunicações) – Instituto Nacional de Telecomunicações, Santa Rita do Sapucaí, 2012. Disponível em: https://inatel.br/lambda/documents/DissertacaoV.Final-Andre-dos-Anjos.pdf. Acesso em: 2 jul. 2024.
ANJOS, A. A.; JESUS, D. C. Simulação TVWS. [s.l.], 2023. Disponível em: https://drive.google.com/drive/folders/1qRK0757cqRRHPcwsmU2zSM9lPAR5DMNV?usp=sharing. Acesso em: 10 ago. 2023.
ARJOUNE, Y.; KAABOUCH, N. A Comprehensive survey on spectrum sensing in cognitive radio networks: recent advances, new challenges, and future research directions. Sensors, [s.l.], v. 19, n. 1, p. 126, 2019. Disponível em: https://www.mdpi.com/1424-8220/19/1/126. Acesso em: 2 jul. 2024. DOI https://doi.org/10.3390/s19010126.
ABNT. Associação Brasileira de Normas Técnicas. NBR 15601 – televisão digital terrestre – sistema de transmissão. Rio de Janeiro: ABNT, 2007.
CHAPIN, J. M.; LEHR, W. Mobile Broadband growth, spectrum scarcity, and sustainable competition. In: RESEARCH CONFERENCE ON COMMUNICATION, INFORMATION AND INTERNET POLICY, 9., 2011, Arlington, 2011. Proceedings... Arlington, 2011, p. 23-25. Disponível em: https://www.researchgate.net/publication/228166625_Mobile_Broadband_Growth_Spectrum_Scarcity_and_Sustainable_Competition. Acesso em: 2 jul. 2024.
CHEN, Z.; ZHANG, Y. Providing Spectrum Information Service Using TV White Space via Distributed Detection System. IEEE Transactions on Vehicular Technology, [s.l.], v. 68, n. 8, p. 7655-7667, ago. 2019. Disponível em: https://ieeexplore.ieee.org/document/8732363. Acesso em: 2 jul. 2024. DOI: https://doi.org/10.1109/TVT.2019.2921383.
FAWCETT, T. An introduction to ROC analysis. Pattern Recognition Letters, [s.l.], v. 27, n. 8, p. 861-874, 2006. Disponível em: https://people.inf.elte.hu/kiss/13dwhdm/roc.pdf. Acesso em: 2 jul. 2024.
FISHER, R. A. Statistical methods for research workers. 14. ed. New York: Hafner, 1973.
HAMMERSLEY, J.; HANDSCOMB, D. C. Monte Carlo methods. New York: Chapman and Hall, 1964.
HAYKIN, S.; THOMSON, D. J.; REED, J. H. Spectrum Sensing for Cognitive Radio. Proceedings of the IEEE, [s.l.], v. 97, n. 5, p. 849, May 2019. Disponível em: https://ieeexplore.ieee.org/abstract/document/4840525. Acesso em: 2 jul. 2024. DOI: https://doi.org/10.1109/JPROC.2009.2015711.
HE; H.; CHAOWEI, Y. Cooperative spectrum sensing over generalized fading channels based on energy detection, China Communications, [s.l.], v. 15, n. 5, p. 128-137, May 2018. Disponível em: https://arxiv.org/abs/1705.06989. Acesso em: 2 jul. 2024. DOI: https://doi.org/10.1109/CC.2018.8387992.
JOHNSON, N. L.; KOTZ, S.; KEMP, A. W. Univariate discrete distributions. New Jersey: John Wiley & Sons, 2005.
ÖNER, M.; JONDRAL, F. Cyclostationarity based air interface recognition for software radio systems. In: IEEE RADIO AND WIRELESS CONFERENCE, [s.n.], 2004, [s.l.]. Proceedings... [s.l.], p. 263-266. Disponível em: https://ieeexplore.ieee.org/document/1389125/authors#authors. Acesso em: 2 jul. 2024. DOI: https://doi.org/10.1109/RAWCON.2004.1389125.
MONTGOMERY, D. C.; RUNGER, G. C.; HUBELE, N. F. Estatística aplicada e probabilidade para engenheiros. Rio de Janeiro: LTC, 2012.
NEWMAN, P. How internet of things technology growth is reaching mainstream companies and consumers. Business Insider, New York, [n.p.], Jan. 2019. Disponível em: https://www.businessinsider.com/internet-of-things-report. Acesso em: 2 jul. 2024.
PLATA, D. M. M.; REÁTIGA, Á. G. A. Evaluation of energy detection for spectrum sensing based on the dynamic selection of detection-threshold. Elsevier, [s.l.], v. 35, p. 135-143, 2012. Disponível em: https://www.sciencedirect.com/science/article/pii/S1877705812018097. Acesso em: 2 jul. 2024. DOI: https://doi.org/10.1016/j.proeng.2012.04.174
RICHARDSON, I. A. The H.264 Advanced Video Compression Standard. 1. ed. New Jersey: John Wiley & Sons, 2010.
VLĂDEANU, C.; MARTIAN, A.; POPESCU, D. C. Spectrum sensing with energy detection in multiple alternating time slots. IEEE Access, [s.l.], v. 10, p. 38565-38574, 2022. Disponível em: https://ieeexplore.ieee.org/document/9751082. Acesso em: 2 jul. 2024. DOI: 10.1109/ACCESS.2022.3165556.
YACOUB, M. Foundations of mobile radio engineering. New York: CRC, 1993.
WU, W.; WANG, Z.; YUAN, L.; ZHOU, F.; LANG, F.; WANG, B.; WU, Q. IRS-enhanced energy detection for spectrum sensing in cognitive radio networks. IEEE Wireless Communications Letters, [s.l.], v. 10, n. 10, p. 2254-2258, Oct. 2021. Disponível em: https://ieeexplore.ieee.org/document/9493720. Acesso em: 2 jul. 2024. DOI: 10.1109/LWC.2021.3099121
ZENG, Y.; LIANG, Y.-C.; HOANG, A. T.; RUI, Z. A review on spectrum sensing for cognitive radio: challenges and solutions. Eurasip, [s.l.], n. 5, p. 1-15, 2010. Disponível em: https://www.researchgate.net/publication/40892098_A_Review_on_Spectrum_Sensing_for_Cognitive_Radio_Challenges_and_Solutions. Acesso em: 2 jul. 2024. DOI: https://doi.org/10.1155/2010/381465
ZHANG, L.; ZHAO, M.; TAN, C.; LI, G.; LV, C. Research on spectrum sensing system based on composite neural network. In: INTERNATIONAL CONFERENCE ON ADVANCES IN COMPUTER TECHNOLOGY, INFORMATION SCIENCE AND COMMUNICATIONS, 2., 2020, Suzhou. Proceedings... Suzhou, 2020, p. 22-26. Disponível em: https://ieeexplore.ieee.org/document/9203938?signout=success&signout=success. Acesso em: 2 jul. 2024. DOI: https://doi.org/10.1109/CTISC49998.2020.00010
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Copyright (c) 2024 Array