[논문 리뷰] Spectrum Sensing in Cognitive Radio Networks: Performance Evaluation and Optimization

Gang Xiong, Shalinee Kishore외 1명|arXiv (Cornell University)|2012. 01. 09.

Cognitive Radio Networks and Spectrum Sensing참고 문헌 18인용 수 3

한 줄 요약

이 논문은 에너지 제약 조건 하에서 인지 무선 네트워크의 협동 스펙트럼 감지 프레임워크를 제안하며, 에너지 샘플 수와 확대-전달 중계에서의 앰프 이득을 최적화하여 전역 오차 확률을 최소화한다. 주요 발견은 이러한 매개변수를 공동 최적화할 경우, 감지에 활성으로 참여할 필요가 있는 이차 사용자(secondary user)가 오직 한 명뿐임을 보여주며, 동적 fading 채널 조건에서도 감지 신뢰성을 유지하면서 시스템 오버헤드를 크게 줄인다.

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.

연구 동기 및 목표

• 동적 관측 및 융합 채널 조건 하에서 인지 무선 네트워크의 협동 스펙트럼 감지를 평가하고 최적화하기.
• 스펙트럼 감지에서 국부적 처리 및 전송 비용으로 인한 시스템 수준의 에너지 오버헤드를 해결하기.
• 에너지 제약 조건 하에서 확대-전달 중계를 위한 수집된 에너지 샘플 수와 앰프 이득을 공동 최적화하여 전역 오차 확률을 최소화하기.
• 에너지 제약 조건 하에서의 협동 감지에 대해 닫힌 형태의 해와 일반화된 워터필링 알고리즘을 도출하기.

제안 방법

• 이차 사용자들이 병렬 채널을 통해 확대-전달(Amplify-and-Forward, AF) 방식으로 융합 센터에 국부적 에너지 통계를 보고하는 방식으로 협동 스펙트럼 감지를 모델링한다.
• 관측 채널과 융합 채널에서 모두 가우시안 백색 잡음(AWGN) 및 레이일리 페이딩 조건 하에서 평균 오차 확률을 분석한다.
• 국부적 처리 비용(샘플 수집 및 에너지 계산)과 전송 비용(통계 전달)을 통합한 시스템 수준의 비용 모델을 도입한다.
• 전력 제약 조건 하에서 전역 오차 확률을 최소화하고, 시스템 수준의 에너지 비용을 최소화하는 두 가지 최적화 문제를 제안한다.
• 샘플 수 또는 앰프 이득 중 하나가 고정되어 있을 경우의 닫힌 형태 최적 해를 유도한다.
• 샘플 수와 앰프 이득을 공동 최적화하기 위한 일반화된 워터필링 알고리즘을 개발한다.

실험 결과

연구 질문

• RQ1 관측 채널과 융합 채널에서 동적으로 변하는 페이딩이 협동 스펙트럼 감지의 평균 오차 확률에 미치는 영향은 무엇인가?
• RQ2 협동 스펙트럼 감지에서 국부적 처리 비용과 전송 비용 간의 최적 트레이드오프는 무엇인가?
• RQ3 에너지 샘플 수와 앰프 이득을 공동 최적화하면 시스템 수준의 에너지 오버헤드를 줄이면서도 감지 신뢰성을 유지할 수 있는가?
• RQ4 에너지 제약 조건 하에서 감지에 실제로 참여해야 할 이차 사용자의 최소 수는 얼마인가?
• RQ5 닫힌 형태의 해와 일반화된 워터필링 알고리즘이 에너지 제약 조건 하에서 협동 감지 시스템 성능을 어떻게 향상시키는가?

주요 결과

• 에너지 샘플 수와 앰프 이득을 공동 최적화할 경우, 최적 성능를 달성하기 위해 오직 한 명의 이차 사용자만 감지에 활성으로 참여하면 된다.
• 낮고 중간 수준의 융합 신호 대 잡음비(SNR) 범위에서는 융합 채널이 신뢰성 있으면서도 페이딩 조건에서도 감지 성능이 유지된다.
• 샘플 수 또는 앰프 이득 중 하나가 고정되어 있을 경우, 샘플 수와 앰프 이득에 대한 닫힌 형태 최적 해가 도출된다.
• 일반화된 워터필링 알고리즘이 시스템 수준의 에너지 비용을 최소화하면서도 감지 신뢰성을 유지하는 데 효과적으로 자원을 할당한다.
• 고 SNR 조건에서는 최적 오차 확률이 최대 채널 이득과 총 전력에 의해 제한되며, 페이딩 관측 채널에서 공간 다양성의 이점으로 인해 성능 향상이 이루어진다.
• 최적 전략과 부분 최적 전략의 오차 확률을 정량적으로 비교한 결과, 최적 전략은 더 나은 전력 할당 덕분에 가장 낮은 오차율을 달성한다.