[論文レビュー] Quickest Eigenvalue-Based Spectrum Sensing using Random Matrix Theory

Martijn Arts, Andreas Bollig+1 more|arXiv (Cornell University)|Apr 7, 2015

Cognitive Radio Networks and Spectrum Sensing参考文献 21被引用数 5

ひとこと要約

本稿では、確率的行列理論を活用して、サンプル共分散行列から導出される最大最小固有値（MME）統計量を用いた固有値ベースの最速検出法を提案する。K=2のセカンダリユーザー（SU）に対して、ノイズのみ（H0）および信号＋ノイズ（H1）の両仮説下でのMMEの解析的確率密度関数（PDF）を導出しており、既知のSNRに対するCUSUMアルゴリズムと、未知のSNRに対するGLRアルゴリズムの構築を可能にしている。主な貢献は、特に中程度から高SNR領域において、ブロック検出法よりも高速で遅延が低いことを示したことであり、誤検出率は許容範囲内を維持している。

ABSTRACT

We investigate the potential of quickest detection based on the eigenvalues of the sample covariance matrix for spectrum sensing applications. A simple phase shift keying (PSK) model with additive white Gaussian noise (AWGN), with $1$ primary user (PU) and $K$ secondary users (SUs) is considered. Under both detection hypotheses $\mathcal{H}_0$ (noise only) and $\mathcal{H}_1$ (signal + noise) the eigenvalues of the sample covariance matrix follow Wishart distributions. For the case of $K = 2$ SUs, we derive an analytical formulation of the probability density function (PDF) of the maximum-minimum eigenvalue (MME) detector under $\mathcal{H}_1$. Utilizing results from the literature under $\mathcal{H}_0$, we investigate two detection schemes. First, we calculate the receiver operator characteristic (ROC) for MME block detector based on analytical results. Second, we introduce two eigenvalue-based quickest detection algorithms: a cumulative sum (CUSUM) algorithm, when the signal-to-noise ratio (SNR) of the PU signal is known and an algorithm using the generalized likelihood ratio, in case the SNR is unknown. Bounds on the mean time to false-alarm $τ_ ext{fa}$ and the mean time to detection $τ_ ext{d}$ are given for the CUSUM algorithm. Numerical simulations illustrate the potential advantages of the quickest detection approach over the block detection scheme.

研究の動機と目的

• 認知無線における従来のブロック検出法の遅延制限を解消し、より迅速なスペクトラムセンシングを実現すること。
• Wishart分布を用いて、H0（ノイズのみ）およびH1（信号＋ノイズ）の両仮説下でのサンプル共分散行列の固有値分布をモデル化すること。
• K=2のセカンダリユーザー（SU）における最大最小固有値（MME）統計量の解析的確率密度関数（PDF）を導出すること。
• 動的スペクトラムアクセスを目的とした、MME統計量に基づく最速検出アルゴリズム（CUSUMおよびGLR）の開発と評価。
• CUSUMアルゴリズムにおける平均誤検出時間（τfa）および平均検出時間（τd）の理論的バウンズを提供すること。

提案手法

• 位相シフトキーイング（PSK）信号と加法的白色ガウスノイズ（AWGN）を用いた、1つのプライマリユーザー（PU）とK=2のセカンダリユーザー（SUs）からなる認知無線システムをモデル化する。
• H0およびH1の両仮説下で、サンプル共分散行列の固有値がWishart分布に従うことを特徴づける。
• K=2の下で、H1下におけるMME（標準条件数）統計量の解析的PDFを導出する。パラメータは標本サイズNとSNR αである。
• H0における既知の解析的結果を用いて、シミュレーションを伴わずにMMEブロック検出器の受信者操作特性（ROC）を計算する。
• 既知のPUのSNRを仮定したCUSUMベースの最速検出アルゴリズムを提案し、τfaおよびτdの理論的バウンズを提供する。
• 未知のSNRを想定した一般化尤度比（GLR）アルゴリズムを構築し、ブロック単位のサンプル共分散行列とCUSUMに類似した更新手法を用いる。

実験結果

リサーチクエスチョン

• RQ1 K=2のSUシステムにおいて、H0およびH1下でのMME統計量の解析的PDFを導出可能か？
• RQ2 MMEブロック検出器の性能は従来手法と比較してどうか？また、シミュレーションなしに評価可能か？
• RQ3 固有値に基づくCUSUMによる最速検出は、ブロック検出法に比べて検出遅延を短縮できるか？
• RQ4 既知SNRの場合におけるCUSUMアルゴリズムのτfaおよびτdの理論的バウンズは何か？
• RQ5 未知SNRの場合におけるGLRアルゴリズムの性能はいかがで、遅延と誤検出率のトレードオフはどのようなものか？

主な発見

• H1下におけるMME統計量の解析的PDFがK=2で導出され、シミュレーションを伴わず、正確なROC計算が可能になった。
• CUSUMアルゴリズムは、ブロック検出法よりも低い平均検出遅延τdを達成しており、τfaおよびτdの理論的バウンズが提供された。
• GLRアルゴリズムにより、未知SNR下での最速検出が可能となり、広いSNR範囲でMMEブロック検出器よりも高速な検出が達成された。
• 低SNR（例：α = −17 dB）では、GLRアルゴリズムはMMEブロック検出器に約2 dBの性能劣位にあり、これはブロック処理とデータ損失に起因する。
• 数値結果により、最速検出が検出遅延を短縮し、特に迅速な反応が求められる状況でスペクトラムアクセス効率が向上することが確認された。
• GLRアルゴリズムにおけるブロック構造が低SNRでの性能を制限しており、これに対して逐次的サンプルごとの共分散更新を採用すれば改善が期待されるが、その場合既存の理論的バウンズは成立しなくなる。