[論文レビュー] Spectrum Sensing in Cognitive Radio Networks: Performance Evaluation and Optimization

Gang Xiong, Shalinee Kishore+1 more|arXiv (Cornell University)|Jan 9, 2012

Cognitive Radio Networks and Spectrum Sensing参考文献 18被引用数 3

ひとこと要約

本稿では、エネルギー制約下での認知無線ネットワークにおける協調スペクトラムセンシングフレームワークを提案し、中継のアンプ・アンド・フォワード方式におけるエネルギーサンプル数とアンプゲインを最適化することで、グローバル誤り確率を最小化することを目的としている。主な発見は、これらのパrameterを共同で最適化する場合、動的フェージングチャネル下でも検出信頼性を維持しながらシステムオーバーヘッドを顕著に低減できるため、センシングに参加する二次ユーザーはたった1名で十分であるということである。

ABSTRACT

This paper studies cooperative spectrum sensing in cognitive radio networks where secondary users collect local energy statistics and report their findings to a secondary base station, i.e., a fusion center. First, the average error probability is quantitively analyzed to capture the dynamic nature of both observation and fusion channels, assuming fixed amplifier gains for relaying local statistics to the fusion center. Second, the system level overhead of cooperative spectrum sensing is addressed by considering both the local processing cost and the transmission cost. Local processing cost incorporates the overhead of sample collection and energy calculation that must be conducted by each secondary user; the transmission cost accounts for the overhead of forwarding the energy statistic computed at each secondary user to the fusion center. Results show that when jointly designing the number of collected energy samples and transmission amplifier gains, only one secondary user needs to be actively engaged in spectrum sensing. Furthermore, when number of energy samples or amplifier gains are fixed, closed form expressions for optimal solutions are derived and a generalized water-filling algorithm is provided.

研究の動機と目的

• 動的観測および融合チャネル下での認知無線ネットワークにおける協調スペクトラムセンシングの評価と最適化を目的とする。
• スペクトラムセンシングにおけるローカル処理および送信コストに起因するシステムレベルのエネルギーオーバーヘッドを扱う。
• アンプ・アンド・フォワード中継における収集エネルギー・サンプル数とアンプゲインを共同で最適化し、グローバル誤り確率を最小化することを目的とする。
• エネルギー制約下の協調センシングにおける閉形式解と一般化されたウォーター・フィリングアルゴリズムの導出を目的とする。

提案手法

• 二次ユーザーが並列チャネルを介してアンプ・アンド・フォワード（AF）方式で融合センターにローカルエネルギー統計を報告する協調スペクトラムセンシングをモデル化する。
• 観測チャネルおよび融合チャネルにそれぞれ加法性白色ガウスノイズ（AWGN）とレイイリーフェージングを適用し、平均誤り確率を分析する。
• ローカル処理コスト（サンプル収集およびエネルギー計算）と送信コスト（統計情報のフォワーディング）を統合したシステムレベルのコストモデルを導入する。
• パワーコスト制約下で、グローバル誤り確率を最小化する最適化問題と、システムレベルのエネルギーコストを最小化する最適化問題を提示する。
• サンプル数またはアンプゲインのいずれかが固定されている場合の閉形式最適解を導出する。
• サンプル数とアンプゲインを共同で最適化するための一般化されたウォーター・フィリングアルゴリズムを開発する。

実験結果

リサーチクエスチョン

• RQ1 観測チャネルおよび融合チャネルにおける動的フェージングが、協調スペクトラムセンシングにおける平均誤り確率にどのように影響するか？
• RQ2 協調スペクトラムセンシングにおけるローカル処理コストと送信コストの最適なトレードオフは何か？
• RQ3 エネルギー・サンプル数とアンプゲインを共同で最適化することで、システムレベルのエネルギーオーバーヘッドを低減しつつ検出信頼性を維持できるか？
• RQ4 エネルギー制約下で、スペクトラムセンシングに実際に参加する二次ユーザーの最小数は何か？
• RQ5 閉形式解と一般化されたウォーター・フィリングアルゴリズムは、エネルギー制約下の協調センシングにおいてどのようにシステム性能を向上させるか？

主な発見

• エネルギー・サンプル数とアンプゲインを共同で最適化する場合、最適性能を達成するために、スペクトラムセンシングに参加する二次ユーザーはたった1名で十分である。
• 低および中程度の融合SINR領域では、融合チャネルが信頼性がある限り、フェージング下でも検出性能が維持される。
• サンプル数またはアンプゲインのいずれかが固定されている場合、サンプル数およびアンプゲインの閉形式最適解が導出された。
• 一般化されたウォーター・フィリングアルゴリズムは、システムレベルのエネルギーコストを最小化しつつ検出信頼性を維持するためのリソース割り当てを効果的に実行する。
• 高SINR条件下では、最適誤り確率は最大チャネルゲインおよび総電力によって上限に達し、フェージング観測チャネルにおける空間的ダイバーシティのおかげで性能向上が得られる。
• 最適戦略と準最適戦略の誤り確率を定量的に比較した結果、最適戦略はより良い電力割り当てにより、最低の誤り率を達成していることが示された。