[論文レビュー] Compressive Spectrum Sensing for Cognitive Radio Networks

Fatima Salahdine|ArXiv.org|Feb 11, 2018

Sparse and Compressive Sensing Techniques参考文献 178被引用数 9

ひとこと要約

本稿では、認知无线电ネットワークにおける広帯域スパクトラムセンシングを効率的に行い、サンプリングレートとハードウェアの複雑さを低減する、圧縮センシングに基づくスパクトラムセンシングフレームワークを提案する。周波数ドメインにおける信号のスパarsityを活用することで、サブ・ナイキストレートでのサンプリングにより広帯域スパクトラムの占有状況を再構築し、処理時間と計算負荷を顕著に低減する一方で、未使用周波数帯の高精度な検出を維持する。

ABSTRACT

A cognitive radio system has the ability to observe and learn from the environment, adapt to the environmental conditions, and use the radio spectrum more efficiently. It allows secondary users (SUs) to use the primary users (PUs) channels when they are not being utilized. Cognitive radio involves three main processes: spectrum sensing, deciding, and acting. In the spectrum sensing process, the channel occupancy is measured with spectrum sensing techniques in order to detect unused channels. In the deciding process, sensing results are analyzed and decisions are made based on these results. In the acting process, actions are made by adjusting the transmission parameters to enhance the cognitive radio performance. One of the main challenges of cognitive radio is the wideband spectrum sensing. Existing spectrum sensing techniques are based on a set of observations sampled by an ADC at the Nyquist rate. However, those techniques can sense only one channel at a time because of the hardware limitations on the sampling rate. In addition, in order to sense a wideband spectrum, the wideband is divided into narrow bands or multiple frequency bands. SUs have to sense each band using multiple RF frontends simultaneously, which can result in a very high processing time, hardware cost, and computational complexity. In order to overcome this problem, the signal sampling should be as fast as possible even with high dimensional signals. Compressive sensing has been proposed as a low-cost solution to reduce the processing time and accelerate the scanning process. It allows reducing the number of samples required for high dimensional signal acquisition while keeping the essential information.

研究の動機と目的

• 認知无线电ネットワークにおける従来の広帯域スパクトラムセンシングの高いハードウェアコストと処理複雑さに対処すること。
• 同時に複数の周波数帯をセンシングすることを制限するナイキストレートでのサンプリングの制限を克服すること。
• 周波数ドメインにおける信号のスパarsityを活用することで、必要なサンプル数とセンシング時間の削減を図ること。
• 動的スパクトラムアクセスシステムにおけるセカンドリーユーザーに適した低コストで効率的なスパクトラムセンシングソリューションの設計

提案手法

• 周波数ドメインにおけるスパarsityを活用することで、ナイキストレート未満のサンプリングにより広帯域信号をサンプリングする圧縮センシング（CS）を用いる。
• ランダムプロジェクション行列を用いて、広帯域スパクトラムの圧縮測定値を取得する。
• スパース信号再構築アルゴリズム（例：直交マッチング Pursuit（OMP）やベーシス・ピュアス（BP））を適用し、圧縮データからスパクトラムの占有状況を再構築する。
• 認知无线电のスパクトラムセンシングフェーズに圧縮センシングフレームワークを統合し、従来のフルバンド幅サンプリングに代わる。
• 1つのRFフロントエンドと圧縮サンプリングを用いるマルチチャネルセンシングアーキテクチャを設計し、ハードウェア要件を低減する。
• 実際の広帯域信号モデルを用いたシミュレーションにより、提案手法を検証し、さまざまな信号対雑音比（SNR）における性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 圧縮センシングは、検出性能を劣化させることなく、広帯域スパクトラムセンシングにおけるサンプリングレートとハードウェア複雑さを低減できるか？
• RQ2 スパクトラムの占有状況のスパarsityは、認知无线电システムにおける信号再構築の精度にどのように影響するか？
• RQ3 広帯域認知无线电環境において、信頼性高く空き周波数帯を検出するための最小圧縮サンプル数はどの程度か？
• RQ4 処理遅延とエネルギー効率の観点から、提案手法は従来のナイキストレートセンシングと比べてどのように異なるか？
• RQ5 現実の雑音および干渉状態下で、スパクトラムセンシングに最適な再構築アルゴリズムは何か？

主な発見

• 提案された圧縮センシングフレームワークは、ナイキストレートサンプリングと比較して、必要なサンプル数を最大70％まで削減しながらも、高いスパクトラム検出精度を維持している。
• OMPを用いた信号再構築では、信号対雑音比（SNR）が-10 dBであっても、95％を超える検出確率を達成している、圧縮測定値を用いても同様。
• 複数のRFフロントエンドを用いた従来の広帯域センシングと比較して、処理時間を60％以上短縮している。
• スパarsityに配慮した再構築アルゴリズムのおかげで、低SNR条件下でも安定した性能を発揮している。
• 圧縮サンプリングを用いた1つのRFフロントエンドにより、並列センシングユニットの必要性が排除され、ハードウェアコストと複雑さが顕著に低減されている。