Enhancement of Spectrum Sensing in Cognitive Radio : Providing Reliable Spectral Opportunities
Amélioration de la détection du spectre dans la radio cognitive : offrir des opportunités spectrales fiables
Résumé
The main objective of the thesis is to devise a reliable non-cooperative spectrum sensing system that is able to detect noiselike signals. We harness the strength of cepstral analysis to develop a system able to detect spread spectrum signals. We have proposed the autocepstrum approach to detect noise-like signals. The proposed techniques
showed reliability for detecting spread spectrum and Ultra-Wide Band (UWB) signals. For improved detection process, we smoothen the fluctuations of the autocorrelation estimators by using the Total Variation Denoising (TVD) algorithm. We formulate a wideband spectrum sensing problem which based on detecting the spectral boundaries followed by the PU detectionphase. In this regard, we introduced the Differential Log Spectral Density (DLSD) algorithm to identify the spectral boundaries of the target wideband spectrum. For the PU detection, we introduced the BaseBand-
AutoCepstrum Detection (BB-ACD) which extracts the baseband information before applying the auto-cepstrum detection technique to take into account the frequency uncertainty that may result from falsely detected spectral
boundaries. Finally, an enhanced power cepstrum is introduced by the Cepstral Covariance Detection (CCD) for detecting digitally modulated signals.
L’objectif principal de la thèse est de concevoir un système de détection fiable, capable de détecter un signal assimilable au bruit, dans un contexte noncoopératif. Nous avons proposé l’approche autocepstrum pour détecter les signaux de type bruit. Les techniques proposées ont montré une grande fiabilité pour la détection des signaux à spectre étalé et des signaux ultra large bande (UWB). Pour améliorer le processus de détection, nous lissons les fluctuations des estimateurs d’autocorrélation en utilisant l’algorithme TVD (Total Variation Denoising). Nous avons étendu nos travaux au cas du spectre à très large bande composé de plusieurs sous-bandes de fréquences. À cet
effet, nous avons introduit l’algorithme DLSD (Differential Log Spectral Density) pour identifier les limites spectrales du spectre large bande cible. Ensuite, pour la detection du signal du PU, nous avons développé le détecteur BaseBand-AutoCepstrum (BB-ACD) qui extrait les informations du signal en bande de base pour tenir compte des erreurs possibles dans les limites spectrales. Enfin, la méthode du cepstre de puissance améliorée est introduite par le détecteur de covariance Cepstrale (CCD) pour détecter les signaux modulés numériquement.
Origine | Fichiers produits par l'(les) auteur(s) |
---|