Dynamic spectrum management using cognitive radio technology
Bilişsel radyo teknolojoisi ile dinamik spektrum yönetimi
- Tez No: 683252
- Danışmanlar: PROF. DR. AHMET HAMDİ KAYRAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: 151
Özet
Radyo frekans spektrumu, telsiz haberleşmenin vazgeçilmez bir unsurudur. Radio frekans spektrumunu kullanarak elektromanyetik dalgalar vasıtasıyla haberleşme ve veri aktarımı gibi çok önemli fonksiyonlar gerçekleştiririz. Ne yazık ki, radyo frekans spektrumu fiziksel bir kaynak olduğundan, belli koşullar altında kıtlığına yol açılabileceğini söyleyebiliriz. Bu koşullardan en önde geleni, günümüzde üstel olarak ilerleyen teknolojik gelişmeler sebebiyle radyo frekans spektrumuna artan ilgi ve taleptir. Tabii ki, kıtlığa asıl sebep olan şey artan talepten ziyade, geçmişten günümüze gelen radyo spektrum bölme ve atama yöntemlerinin katı ve statik bir şekilde gerçekleşmesinden ötürü ortaya çıkan radyo spektrumunun verimsiz bir şekilde yönetilmesidir. Çoğu radyo frekans kanalı belli bir zümreye lisanslanarak onların dışındaki kullanıma kapatılır. Bu lisanslı kullanıcılar genelde kendilerine atanan ve ya satın aldıkları kanalı ya sürekli kullanmazlar ya da atanan kısmın küçük bir kısmını kullanırlar. Artan talep ile birlikte bu durum göz önüne alınırsa radyo frekans spektrum kıtlığı çekmemiz kaçınılmaz hale gelir. O yüzden radyo spektrum atama ve yönetimi üzerine daha dinamik modellere ihtiyacımız olduğu gerçeği kendini gösterir. Örneğin lisanslı kullanıcılar atanan kanalda pasif durumdayken lisanssız kullanıcılar geçiçi olarak kanala erişim sağlayabilirler. Tabii ki bunun için gerekli düzenleme ve standart oluşumlar gerekliliğini akıldan çıkarmamak gerekir. Lisanslı kullanıcı tekrar aktif olduğu anda lisanssız kullanıcı kanalı terk etmelidir. Radyo spektrumunun dinamik yönetilmesinde kullanılması önerilen dört büyük teknoloji var. Bunlar Bilişsel Radyo Teknolojisi, Blokzincir teknolojisi, Yapay Zeka Destekli Yöntemler ve İnternet'tir. Hepsinin birbirinden farklı işlev, gerçeklik ve performans sonuçları bulunan bu yöntemleri kullanım alanına ve uygulama alanına göre değerlendirip hepsinden faydalanabiliriz. Radyo frekans spektrumunun dinamik yönetimi nazaran yeni bir ilgi alanı olduğundan tek bir yöntem standartlaşmış durumda değil. Bilişsel Radyolar, güçlü gözlem yetenekleriyle donatılmış, gerek geçmiş verileri kullanarak, gerek nedenlemelerle tahminlerde bulunarak kendini uyarlayabilen ve performansını idealize edebilen yazılım destekli radyolar olarak tanımlanır. Bilişsel Radyola'rın tanımını yapan Mitola, hedef olarak hiç bir şekilde insan müdahelesine gerek duymadan çalışabilen ve kendini adapte edebilen radyolar geliştirmeyi seçmiştir. Bunun için Bilişsel Radyoların çok yönlü ve güçlü sinyal işleme algoritmalarına ve yüksek bedelli donanıma sahip olmaları gerekliliği bu hedefi biraz uzak bir noktaya taşımaktadır. Ne var ki, Bilişsel Radyoları ayrı bir cihaz olarak düşünmektense, büyük bir sistemin bir parçası olarak eklediğimiz modelleri düşünürsek bu hedefin gerçekleşme ihtimali artmaktadır. Dinamik radyo spektrum yönetimine dönecek olursak, Bilişsel Radyo'nun en büyük fonksiyonu olan ve güçlü gözlemleme yetenekleriyle desteklenen Spektrum Algılama fonksiyonu, Bilişsel Radyo'nun ilgi çekmesine ve devam eden yıllarda tanınan ve farkına varılan bir teknoloji haline gelmesini sağlamıştır. IEEE tarafından kullanıma sokulan ve sokulmaya hazırlanan birden fazla Bilişsel Radyo destekli dinamik spektrum yönetim ağları standartları bulunmaktadır. Bunlardan en önemlisi olan IEEE 802.22, analog TV kanallarına atanmış radyo frekans aralıklarında, özellikle kırsal alanlarda daha verimsiz kullanıldığından, Bilişsel Radyolar kullanarak lisanssız kullanıcılara frekans spektrum olanakları sağlama üzerine kullanıma sokulmuş bir standarttır. Dinamik spektrum yönetiminden bahsettikten sonra, Bilişsel Radyo'nun Spektrum Algılama fonksiyonuna geçmek istiyorum. Spektrum Algılama fonksiyonu lisanslı kullanıcılara ayrılmış frekans kanalları üzerine algılama ve tespit etme algoritmaları uygulayarak lisanssız kullanıcılara kendi transmisyonlarını yapabilecekleri beyaz boşluk adı verilen spektrum olanakları bulmaktır. Belli başı üç geleneksel yöntemlerden biri olan ve en başarılı performans sonuçları veren Özellik Detektörü algoritmaları olmasına rağmen, lisanslı kullanıcılara ait bazı bilgilerin önceden bilinmesi gerekliliği ve daha uzun gözlem sürelerine ihtiyaç duyması nedeniyle her uygulama için en uygun detektör olarak kullanılamamaktadır. Özellik Detektörü'nün kullanılmasının mümkün olmadığı, tespit edilecek sinyalin tamamen bilinmez olduğu ve daha çok tek antenli alıcılı modellerde bir diğer geleneksel yöntem olan Enerji Detektörü algoritmaları kullanılır. Bunun yanı sıra, bu detektörler çok daha basit yapılı ve daha kolay görevlendirilebilir algoritmalardır. Yani, bazı uygulamalarda, sinyal tamamen bilinmez olmasa da, SNR koşulları uygunsa Enerji Detektörü kullanılabilir. Birden fazla lisanssız kullanıcının bir araya gelerek ve gözlemlediği bilgileri paylaşarak tespit etme performansını artırıp, ağın güvenilirliğini girişim seviyelerini düşük seviyede tutarak sağladığı kooperatif ağ modellerinde de en yaygın olarak kullanılan detektör Enerji Detektörü'dür. Lisansız kullanıcılar bireysel olarak Enerji Detektörü algoritmaları uygulayarak, ya elde ettiği bilgileri direk Füzyon Merkezine işlenmesi üzerine gönderir, ya da bireysel ve lokal bir karar verdikten sonra, bir bitlik sadece karar bilgisini Füzyon Merkezine gönderebilir. Bu iki farklı uygulama Sert Karar Füzyonu ve Yumuşak Karar Füzyonu olarak adlandırılan geleneksel Kooperatif Ağ Füzyon metodlarıdır. Enerji Detektörü ile ilgili literatürdeki en büyük problem gürültünün belirsizliği sebebiyle belli SNR seviyelerinin altında lisanslı kullanıcının sinyalinin tespitinin imkansız hale gelmesidir. Dolayısıyla çoğu teorik çalışma gürültünün belirsizliğini ihmal ederek yapılmıştır. 2011 yılında, SNR Duvar'ı olarak adlandırılan bu problemin gürültünün belirsizliğinin değerinden ziyade, artan gözlem sürelerinde gürültü varyansının tahminin performansının düşmesine bağlı olarak ortaya çıktığı ispatlanmıştır. Enerji Detektörü algoritmaları klasik Bayesian modellerine dayanır. Hesaplanan enerji seviyeleri test istatistiği olarak tanımlandıktan sonra belli bir eşik değeriyle kıyaslanır. Test istatistiği eşik değerinden büyükse sinyal tespit edilmiş, test istatistiği eşik değerinden küçükse sadece gürültü tespit edilmiş demektir. Bu sistemi ölçen en önemli performans ölçütleri yanlış alarm oranı ve ya başarılı tespit etme oranlarıdır. Modeller oluşturulurken genelde belirli bir yanlış alarm oranının kabul edilebilirliği belirlenir ve başarılı tespit etme oranı maksimize edilmeye çalışılır. Bu modelde en iyi performansı almak için sadece gürültü tespit ettiğimizden emin olabildiğimiz şemalar dizayn etmeliyiz. Bunun en genel ve kabul edilmiş yöntemi, IEEE 802.22 Standard'ında da kullanılan iki aşamalı tespit etme algoritmaları kullanmaktır. 2015 yılında gürültü sinyalinin örneklerinin iki aşamalı tespit etme algoritması ile elde edilip en büyük olabilirlikli kestirim ile hesaplandığı ve gürültü belirsizliği parametresinin bilindiği varsayımı altında, ağın güvenilirliğini arttırmaya yönelik iki eşik değerli bir enerji detektörü kullanarak elde edilen bilgilerin Füzyon Merkezinde geleneksel 'Ve-ya' yöntemiyle işlendiği bir algoritma önerilmiş ve uyumlu-geçerli performans sonuçları simülasyonlarla ispatlanmış. Bilgi kaybı sebebiyle sonuç etkilense de, kaybolan bilgi konfüzyon bölgesinden geldiği için sistemin güvenirliğinin arttığı gösterilmiş. Bir çok diğer teorik çalışma da olduğu gibi Yol Kaybı etkisi göz ardı edilmiş. Bu algoritmayı ve geleneksel algoritmayı incelediğimde, artan gürültü belirsizliği ve Yol Kaybı etkisi sebebiyle, iki algoritmanında büyük oranda performans kaybına uğradığını gözlemledim. Çalışmamda bu performans kaybını en aza indirmek ve daha iyi başarılı tespit etme oranları elde edebilmek için Füzyon Merkez'ine iletilen bilgilerin Ağırlık değerleri atanarak işlendiği yeni bir algoritma önerdim. Bireysel lisanssız kullanıcılara ait bilgiler ölçtükleri sinyal enerjisinin büyüklüğü oranında Ağırlıklar atanarak, bir nevi gürültü belirsizliği ve Yol Kaybı etkisinden daha az etkilenen kullanıcıların genel karara etkisinin daha yüksek olmasını sağladım. Düşük gürültü belirsizliği seviyelerine sahip iyi SNR koşullarında, önerilen algoritmam uyumlu performans sonuçları verdi. Bununla birlikte, yol kaybının ve daha büyük gürültü belirsizliği seviyelerinin etkisi altında, önerilen algoritmam, kötü SNR koşullarında geleneksel yöntem ve daha önce önerilen algoritma kadar performansını düşürmedi. Onlara kıyasla çok daha iyi performans sonuçları verdi. Bu nedenle, IEEE 802.22'deki gibi gürültü varyansının veya gürültü belirsizlik seviyelerinin daha iyi tahmininin iki aşamalı algılama algoritma kullanılarak sağlanması durumunda, pratik tasarımlarda geleneksel yöntemler yerine önerilen algoritmam kullanılabilir. Tez yazımın ilk kısımlarında Bilişsel Radyo'ya ait genel konulara dair bilgiler düzenledim. Son kısımda ise kullandığım modeli, algoritmamı ve sonuçları vererek çalışmamı tamamladım.
Özet (Çeviri)
Radio frequency spectrum is one of the most important factors of Wireless Communication. We are making communications over radio frequency spectrum and transmitting data over radio frequency spectrum using electromagnetic waves. However, since the radio frequency spectrum is a physical resource, it can be said that under certain conditions, scarcity of the spectrum can be occurred. These certain conditions are the incread demand on radio spectrum due to the logaritmic technological developments and the inefficient usage of the radio spectrum due to strict and out-dated management regimes. Most of the radio spectrum, today, is pre-allocated or pre-sold the some licensed users. Outside of the authorizated users, noone can reach to these channels. However, the licensed users either dont use the allocated spectrum continuosly or dont use it completely. This is simply caused by evasive management regimes. So, the scarcity is inevitable unless we develop more dynamic and adaptive management regimes. For instance, when the licensed user becomes inactive in the allocated frequency channel, unlicensed users can use this oppurtunity to make their own communication. Of course, there should be good working arrangements and standarts. As soon as licensed user is active again, the unlicensed users have to immidiately leave the frequency channel. There are four main technologies to enable dynamic spectrum management as Cognitive Radio Technology, Blockchain technology, AI- based Methods and the Internet itself. They all have different models, features, functions and performance results. So, we can make use of the either one considering the application and the environment. Since dynamic spectrum management theme, is relatively new concept, there is not only one recognized solution can bu used in every environment. Cognitive Radios with strong observation mechanisms can adapt their behaviours according the past datas collected and reasoning with ongoing decide-act results. It is defined from the software based radios. So, it also simply is software based radio. Mitola who makes this definition, put a goal for designing cognitive radio which does not need any human intervention to adapt its behaviours after deployment. In order to achieve that, cognitive radios should carry various strong signal processing algorithms addition to that high cost hardwares. However, instead of thinking cognitive radio as a single device, if we can consider it as a part of bigger networks, the reality of such goal becomes so much clear. Coming back to the dynamic spectrum management, the spectrum sensing function of the cognitive radio is the main reason why cognitive radios get so much attention and then recognized as a key technology for DSM. The strong observation mechanisms serve to this spectrum sensing function. There are already standardization in use which are accepted by the IEEE to use cognitive radio technology for DSM. The most important one is the IEEE 802.22 standart where cognivite radios are looking for spectrum oppurtunities in the analog TV channels. These TV channels are espically is very convient in the rural areas since they are generally used inefficiently according to the datas over years. Spectrum sensing depends on the detection algorithms which are looking for white spaces in the channel of interest which is allocated to the licensed users in order to find spectrum oppurtunities. There are three main detection algorithms as Energy Detection, Cyclostationary Detection and Pilot-tone Detection. Even though Cyclostationary Detection schemes give better performance resutlts, they require higher sensing times and prior knowledge about the primary signal. So, it can not be used in every application easily. Espically in the networks where we dont have any knowledge about the primary signal, we are using more simplistic detection algorithm which is Energy Detection. Due to the this simplistic nature, even though we have some knowledge about the primary signal, we can instead use Energy Detection in the good SNR conditions. There is also cooperative networks where more than one cognitive users share their sensing informations in order to get better detection results and reliable networks by arranging the interference levels. The common detector is used in the local part generally is the Energy Detection. Individual cognitive users, after employing energy detector, send either their whole informations about signal or their one bit local decisions to the fusion center where they will be processed to get global decision. These two methods are defined as soft and hard decision fusion schemes in the literature. The biggest issue accepted in account of the Energy Detection, is the SNR wall phenomenon. Due to noise uncertanities, under a certain SNR condition, the detection of the primary signal become impossible. So, most of the works in the literature simply discarded the noise uncertainity to investigate other perspectives. In 2011, it has been proved that the noise wall phenomenon doesnt arise from the level of the noise uncertatinity. Instead, it arises when even with the increased sensing time, in the degraded performance results of the noise variance estimation. Energy Detector simply depends on the classical Bayesian theory. The energy of the received signal is defined as test statistic. Then, it will be compared to the related threshold levels. If the test statistic is bigger than the threshold, the model detects the primary signal. If the test statistic is lower than the threshold, the model detects noise only samples. The most important performance merits of this model are false alarm rate and the probability of detection rate. When we are designing a such model, we generally determine an acceptable false alarm rate, and then we aim to maximizing the probability of the detection rate. To get the best performance results with the Energy Detector algorithms, we need to make the noise variance estimation as precise as possible. The general and also recognized way to employ such model is to use two staged sensing algorithm which is also used in IEEE 802.22. In the fine sensing stage, with the usage of the feature based detection, we can make sure we get noise only samples when the test statistic is lower than the determined threshold. Then, we can estimate the noise variance using maximum likelihood ratio test on the noise only samples. This variance then will be used in the threshold calculation of fast sensing stage which is the other stage of the two staged sensing algorithm. In 2015, an algorithm is proposed which assumes the usage of two staged sensing algorithm in order to make an ideal estimation of noise variance using maximum likelihood ratio test. However, instead of using conventional single threshold energy detection algorithm, they have proposed an double threshold based energy detection algorithm which calculates the thresholds considering the noise uncertainity parameter. So, another assumption is made here having the perfect knowledge of the noise uncertainity. According to results of the energy detector, individual cognitive radios either send their local decisions to the Fusion Center or the calculated energy of received signals to the Fusion Center to be processed to get a global decision. In the Fusion Center, the traditional 'OR' scheme is employed to get a global decision. They have showed that the proposed algorithm gives compatible performance results besides the increased reliability of the network. There is some loss of informations come from the confusion region which kinda makes the network more reliable. As in many other theoretical studies, the Path Loss effect has been ignored in this proposed work too. When I examined this algorithm and the traditional algorithm, I observed that both algorithms suffered a great loss of performance due to the increased noise uncertainty and Path Loss effect. In my work, I proposed a new algorithm in which the information transmitted to the Fusion Center is processed by assigning Weight values in order to minimize this performance loss and achieve better successful detection rates. By assigning Weights in proportion to the magnitude of the signal energy they measure information about individual unlicensed users, I have ensured that users who are less affected by a kind of noise uncertainty and Path Loss effect have a higher impact on the overall decision. In good SNR conditions with lower noise uncertainity levels, my proposed algorithm gave compatible performance results. However, under the effects of the path loss and bigger noise uncertainity levels, my proposed algorithm did not degrade its' performance as much as conventional method and the previosly proposed algorithm in bad SNR conditions. It gave so much better performance results compared to them. So, in case of using two stage sensing like in IEEE 802.22 with better estimation of noise variance or the noise uncertanity levels, my algorithm can be used instead of conventional methods in practical designs. In the first parts of my thesis, I organized informations about the general topics of Cognitive Radio. In the last part, I completed my work by giving the model I used, my algorithm and the results.
Benzer Tezler
- Cognitive communication techniques for next-generation heterogeneous networks
Gelecek nesil heterojen ağlar için bilişsel iletişim teknikleri
ÖZGÜR ERGÜL
Doktora
İngilizce
2015
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR BARIŞ AKAN
- Kavramsal ağ temelli yerel alan ağı alt yapısı tasarım modeli
Cognitive network based local area network infrastructure design model
AYŞE KALE
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- QoS aware spectrum management framework in cognitive radio networks
Bilişsel radyo ağlarında servis kalitesine dayalı spektrum yönetimi
BERK CANBERK
Doktora
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- New approaches for quality of service provisioning in cognitive radio networks
Bilişsel radyo ağlarında servis kalitesini yükseltmeye yönelik yeni yaklaşımlar
GÜLNUR SELDA UYANIK
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- Bilişsel radyoda özdeğer tabanlı spektrum sezme yöntemleri
Eigenvalue based spectrum sensing techniques for cognitive radio
SERDAR İNGÖK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. M. ERTUĞRUL ÇELEBİ