Оценка зависимости вероятности обнаружения лицензированного сигнала от вероятности ложного обнаружения при разных количества первичных пользователей.

⇐ ПредыдущаяСтр 9 из 9

Чтобы оценить зависимость вероятности обнаружения лицензированного сигнала от вероятности ложного тревога, надо проходить следующие шаги:

o Вводить начальные параметры (количество первичных пользователей и отношение сигнал/шум (оно постоянное и равно -10 db));

o Добавить аддитивный белый Гауссовский шум с средним значением равно нуль и дисперсией равна 1;

o Находить энергию принимаемого сигнала

принимаемый сигнал

o Сделать тест статистики для обнаружения энергии сигнала;

o Найти пороговое значение;

o Проверить является ли энергия принятого сигнала больше или меньше порога;

o Принять решение и определить сигнал присутствует или отсутствует.

На следующих рисунках показаны результатов моделирования.

На всех рисунках отношение сигнал/шум постоянное и равно -10. На рис. 3.12. количество первичных пользователей равно 10.

Рис. 3.12 - Количество пользователей равно 10

На рис. 3.13 увеличиваем количество пользователей на 100

Рис. 3.13 - Количество пользователей равно 100

На рис. 3.14 увеличиваем количество пользователей на 1000.

Рис. 3.14 - Количество пользователей равно 1000

Из предыдущих рисунков можем сказать, что увеличение количества первичных пользователей при постоянном отношение сигнал/шум, увеличивает вероятность обнаружения первичного пользователя и при уменьшении отношение сигнал/шум увеличивается вероятность ложной тревоги.

Выводы

В данной главе разработана модель для сканирования спектра в когнитивной сети с помощью энергетического метода обнаружения. Этот метод является самым популярным методом для сканирования спектра благодаря его простота реализации. Наш подход был принимать решения на основе спектральной плотности мощности канала, который может быть использован познавательно, чтобы выяснить, доступные пробелы, которые могут быть назначены новым входящим пользователям, таким образом, повысить пропускную способность всего канала и эффективно использовать радиочастотный спектр. Тоже в этой главе исследовали влияние разных факторов на обнаружения первичных пользователей.

Следовательно можно сделать вывод, что сканирование спектра является самым подходящим вариантом для эффективного использования спектра, и следовательно увеличение пропускной способность системы связи. Отношение сигнал/шум влияет непосредственно на вероятность обнаружения первичного сигнала, поэтому значение сигнал/шум должно быть высоким, чтобы обеспечить высокую вероятность обнаружения первичного сигнала.

Тоже количество первичных пользователей сети влияет на вероятность обнаружения первичного сигнала, где увеличивая их количества, увеличивается вероятность обнаружения первичного сигнала. Это значит, что вторичные пользователи не могут эффективно использовать спектр, поэтому в сетях беспроводного доступа, у которых абонентов много, вероятность получить доступ к их спектру вторичными пользователями мало.

Также явление замирание сигналов играет роль на вероятность обнаружения первичных сигналов, поэтому для высокого производительности детектора энергии замирание сигналов должно быть минимально.

В целом весь модель была успешной, хотя это заняло довольно много времени и исследований в поиске, некоторые общие алгоритмы моделирования когнитивных систем радиосвязи, но в конце концов мы бы, чтобы прийти с нашей собственной идеей и ее реализации в Matlab. Результаты весьма точны, и мы все еще работаем над улучшением код более презентабельных результатов.

ЗАКЛЮЧЕНИЕ

В диссертации разработана модель сканирования спектра когнитивной сети беспроводного доступа и исследованы влияние некоторых факторов на эффективности разработанной модели. Основные результаты данной работы
сводятся к следующим положениям:

· Беспроводные сети передачи данных развиваются в направлении
построения перспективных когнитивных сетей передачи данных, в
которых предусматривается широкое использование элементов
искусственного интеллекта на всех уровнях архитектуры.

· Главная задача когнитивной сети это процесс сканирования спектра, поскольку этот процесс определяет свободные полосы частот, неиспользуемые первичными пользователями.

· Адаптивная модуляция позволяет адаптировать схему передачи с текущими характеристиками канала. Она изменяет такие параметры как мощность, скорость передачи данных, кодирования и схемы модуляции.

· Использование когнитивной сети является самым подходящим вариантом для эффективного использования спектра, и следовательно увеличение пропускной способность системы связи.

· Отношение сигнал/шум влияет непосредственно на вероятность обнаружения первичного сигнала, поэтому значение сигнал/шум должно быть высоким, чтобы обеспечить высокую вероятность обнаружения первичного сигнала.

· Количество первичных пользователей сети влияет на вероятность обнаружения первичного сигнала, где увеличивая их количества, увеличивается вероятность обнаружения первичного сигнала.

Список литературы

1. Wyglinski A.M., Nekovee M., Hou Y.T. (Editors). Cognitive radio communications and networks: principles and practice, Academic Press | 2009, 736 pages.

2. Комашинский В. И. Системы подвижной радиосвязи с пакетной передачей информации./ В.И. Комашинский, А.В. Максимов // СПБ.: Изд-во Лема, 2006. - 238с.

3. Cordeiro C. IEEE 802.22: the first worldwide wireless standard based on cognitive radio / С Cordeiro, K. Challapali, D. Birru, Sai Shankar // First IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN 2005), Nov. 2005. P.328-337.

4. Баранов В.П. Синтез микропрограммных автоматов. М.: Нолидж, 1997.-376 с.

5. Кучерявый А. Е. Самоорганизующиеся сети и новые услуги / А.Е. Кучерявый // Электросвязь, № 1 2009. С. 19-23.

6. Ramming С. Cognitive networks. Proceedings of DARPA Tech Symposium, March 2004. pp.9-11.

7. Analysis of Spectrum Sensing Techniques in Cognitive Radio, International Journal of Information and Computation Technology. ISSN 0974-2239 Volume 4, Number 4 (2014), pp. 437-444.

8. Cha S. L. Spectral Efficiency of WRAN Spectrum Overlay in the TV White
Space / S. 1. Cha, W. K. Sang, K. Chang-Joo, K. Sung-Chul, and L. Jaiyong
// ETRI Journal, Volume 30, Number 6, December 2008. P.871-873.

9. 0лифер В.Г. Компьютерные сети. Принципы, технологии, протоколы.
4-е изд. -СПб: . Питер, 2011. - 944с.

10. Cordeiro C. IEEE 802.22: the first worldwide wireless standard based on
cognitive radio / С Cordeiro, K. Challapali, D. Birru, Sai Shankar // First
IEEE International Symposium on New Frontiers in Dynamic Spectrum
Access Networks (DySPAN 2005), Nov. 2005. P.328-337.

11. 802.22 White Space: новый стандарт беспроводной связи, http: //xakep.ru/.

12. SPECTRUM SENSING METHODS IN COGNITIVE RADIO, A THESIS SUBMITTED IN PARTIAL FULFILLMENT OF THE REQUIREMENTS FOR THE DEGREE OF Bachelor of Technology
In Electronics and Communication Engineering, 2011, 43 pages.

13. SPECTRUM SENSING METHODS IN COGNITIVE RADIO NETWORK, A Thesis Submitted In Partial Fulfillment of The Requirements For The Degree of Bachelor of Technology In Electronics and Communication Engineering, 2014, 45 pages.

14. Spectrum Sensing Techniques and Issues in Cognitive Radio, International Journal of Engineering Trends and Technology (IJETT) - Volume4Issue4- April 2013.

15. Sharma, Gaurav, " Adaptive modulation for cognitive radios" (2008). Masters Thses. Paper 6831.

16. Thomas R.W. Cognitive Networks.
Режим доступа: http: //scholar.lib.vt.edu/theses/available/etd-07172007-150149/unrestricted/Thomas CognitiveNetworksDiss4.pdf

17. Спектральная плотность мощности. Режим доступа: http: //www.wikidoc.org/

18. Спектральная плотность мощности. Режим доступа: http: //siblec.ru/index.php? dn=html& way=bW9kL2h0bWwvY29udGVudC84c2VtLzA4OC8xLTMuaHRt.

19. Д.В. Авдонин, А.Г. Рындык (НГТУ, г. Нижний Новгород). Интеллектуальные радиоси- стемы: когнитивное радио. – BC/NW №1 (8): 6.1, 2006 г.

20. Rao, Anirudh M., B. R. Karthikeyan, Dipayan Mazumdar, and Govind R. Kadambi. " ENERGY DETECTION TECHNIQUE FOR SPECTRUM SENSING IN COGNITIVE RADIO“.

Приложение 1

Программа сканирования спектра когнитивной сети беспроводного доступа.

clc close all clear all

t = 0: 0.00001: 0.001;

Fc1 = 1000;

Fc2 = 2000;

Fc3 = 3000;

Fc4 = 4000;

Fc5 = 5000;

Fs = 12000;

y1 = 1; y2 = 0; y3 = 0; y4 = 0; y5 = 0; Y = 0; y = 0;

x1 = cos(2*pi*1000*t);

in_p = input('\nDo you want to enter first primary user Y/N: ', 's');

if(in_p == 'Y' | in_p == 'y')

y1 = ammod(x1, Fc1, Fs);

end

in_p = input('Do you want to enter second primary user Y/N: ', 's');

if(in_p == 'Y' | in_p == 'y')

y2 = ammod(x1, Fc2, Fs);

end

in_p = input('Do you want to enter third primary user Y/N: ', 's');

if(in_p == 'Y' | in_p == 'y')

y3 = ammod(x1, Fc3, Fs);

end

in_p = input('Do you want to enter fourth primary user Y/N: ', 's');

if(in_p == 'Y' | in_p == 'y')

y4 = ammod(x1, Fc4, Fs);

end

in_p = input('Do you want to enter fifth primary user Y/N: ', 's');

if(in_p == 'Y' | in_p == 'y')

y5 = ammod(x1, Fc5, Fs);

end

y = y1 + y2 + y3 + y4 + y5;

while(1)

Pxx = periodogram(y);

Hpsd = dspdata.psd(Pxx, 'Fs', Fs);

plot(Hpsd);

in_p = input('\nDo you want to enter a secondary user Y/N: ', 's');

if(in_p == 'Y' | in_p == 'y')

tp=0;

chek1 = Pxx(25)*10000;

chek2 = Pxx(46)*10000;

chek3 = Pxx(62)*10000;

chek4 = Pxx(89)*10000;

chek5 = Pxx(105)*10000;

if(chek1 < 8000)

disp('Assigned to User 1 as it was not present.');

y1 = ammod(x1, Fc1, Fs);

elseif (chek2 < 8000)

disp('Assigned to User 2 as it was not present.');

y2 = ammod(x1, Fc2, Fs);

elseif(chek3 < 8000)

disp('Assigned to User 3 as it was not present.');

y3 = ammod(x1, Fc3, Fs);

elseif(chek4 < 8000)

disp('Assigned to User 4 as it was not present.');

y4 = ammod(x1, Fc4, Fs);

elseif(chek5 < 8000)

disp('Assigned to User 5 as it was not present.');

y5 = ammod(x1, Fc5, Fs);

else

disp('all user slots in use. try again later, ');

tp=1;

end

figure

y = y1 + y2 + y3 + y4 + y5;

Pxx = periodogram(y);

Hpsd = dspdata.psd(Pxx, 'Fs', Fs);

plot(Hpsd);

%,,,,,,,,,,, slot empty operation,,,,,,,,,,,,,,

if(tp==1)

inp_t=input('do u want to empty a slot: ', 's');

if(inp_t=='Y'|inp_t=='y')

inp_t=input('which slot do u want to empty for ur entry: ', 's');

switch(inp_t)

case ('1')

y1=0;

disp('slot1 is fired');

y = y1 + y2 + y3 + y4 + y5;

Pxx = periodogram(y);

Hpsd = dspdata.psd(Pxx, 'Fs', Fs);

plot(Hpsd);

%break;

case('2')

y2=0;

disp('slot2 is fired');

y = y1 + y2 + y3 + y4 + y5;

Pxx = periodogram(y);

Hpsd = dspdata.psd(Pxx, 'Fs', Fs);

plot(Hpsd);

%break

case('3')

y3=0;

disp('slot3 is fired');

y = y1 + y2 + y3 + y4 + y5;

Pxx = periodogram(y);

Hpsd = dspdata.psd(Pxx, 'Fs', Fs);

plot(Hpsd);

%break;

case('4')

y4=0;

disp('slot4 is fired');

y = y1 + y2 + y3 + y4 + y5;

Pxx = periodogram(y);

Hpsd = dspdata.psd(Pxx, 'Fs', Fs);

plot(Hpsd);

%break;

case('5')

y5=0;

disp('slot5 is fired');

y = y1 + y2 + y3 + y4 + y5;

Pxx = periodogram(y);

Hpsd = dspdata.psd(Pxx, 'Fs', Fs);

plot(Hpsd);

%break;

otherwise disp('invalid slot entered');

%break;

end %switch end

end end

Приложение 2

Программа исследования влияния отношение сигнал/шум на вероятность обнаружения первичного сигнала.

inp_t=input('do u want to add noise: ', 's');

if(inp_t=='y'|inp_t=='Y')

d = input('Enter the SNR in dB: ');

figure

Y = awgn(y, d);

Pxx1 = periodogram(Y);

Hpsd = dspdata.psd(Pxx1, 'Fs', Fs);

plot(Hpsd);

disp('adding noise');

chek1 = Pxx1(25).*10000;

chek2 = Pxx1(49).*10000;

chek3 = Pxx1(62).*10000;

chek4 = Pxx1(89).*10000;

chek5 = Pxx1(105).*10000;

if(chek1 < 8000)

disp('User 1 is not present.');

else

disp('User 1 is present.');

end

if(chek2 < 8000)

disp('User 2 is not present.');

else

disp('User 2 is present.');

end

if(chek3 < 8000)

disp('User 3 is not present.');

else

disp('User 3 is present.');

end

if(chek4 < 8000)

disp('User 4 is not present.');

else

disp('User 4 is present.');

end

if(chek5 < 8000)

disp('User 5 is not present.');

else

disp('User 5 is present.');

end

Приложение 3

Программа исследования влияния замирание на вероятность обнаружения первичного сигнала.

temp = input('Do you want to attenuate the signals? [Y/N]: ', 's');

if(temp == 'Y' | temp == 'y')

Yff=0;

aF = input('Enter the percentage to attenuate the signal: ');

figure

tem = aF/100;

tm = 1-tem;

Z = y.*tm;

disp('attenuating');

grid on

plot(Z);

figure

Pxx4 = periodogram(Z);

Hpsd = dspdata.psd(Pxx4, 'Fs', Fs);

plot(Hpsd);

chek1 = Pxx4(25).*10000;

chek2 = Pxx4(49).*10000;

chek3 = Pxx4(62).*10000;

chek4 = Pxx4(89).*10000;

chek5 = Pxx4(105).*10000;

if(chek1 < 8000)

disp('User 1 is not present.');

else

disp('User 1 is present.');

end

if(chek2 < 8000)

disp('User 2 is not present.');

else

disp('User 2 is present.');

end

if(chek3 < 8000)

disp('User 3 is not present.');

else

disp('User 3 is present.');

end

if(chek4 < 8000)

disp('User 4 is not present.');

else

disp('User 4 is present.');

end

if(chek5 < 8000)

disp('User 5 is not present.');

else

disp('User 5 is present.');

end

%if rerun the program

temp = input('Do you want to re-run the program? [Y/N]: ', 's');

if(temp == 'Y' | temp == 'y')

disp('\n\nEnter the users again.\n\n');

else

break;

end

Приложения 4

Программа влияния количества первичных пользователей на вероятность обнаружения первичного сигнала.

clc

close all

clear all

L = 10;

snr_dB = -10;

snr = 10.^(snr_dB./10);

Pf = 0.01: 0.0001: 1;

for m = 1: length(Pf)

i = 0;

for kk=1: 10000

n = randn(1, L);

s = sqrt(snr).*randn(1, L);

y = s + n;

energy = abs(y).^2;

energy_fin =(1/L).*sum(energy);

thresh(m) = (qfuncinv(Pf(m))./sqrt(L))+ 1;

if(energy_fin > = thresh(m))

i = i+1;

end

Pd(m) = i/kk;

end

plot(Pf, Pd, 'linewidth', 2)

hold on

grid on

%plot(Pf, Pd_the, 'r')

xlabel('probability of false alarm')

ylabel('probability of detection')

hold on

grid on

⇐ Предыдущая 1 2 3 4 5 6 7 89