Detección de espectro en banda ancha Sub-Nyquist para redes Radio Cognitiva: compleción de matrices mediante valores semilla
Introducción— La Radio Cognitiva (CR) hace un uso eficiente del recurso radioeléctrico, para ello realiza la Detección de Espectro (SS) con el fin de identificar el espectro disponible. Pero debido a la rápida evolución de los transceptores, la microelectrónica y las altas frecuencias de propagación...
- Autores:
-
Erazo De La Cruz, Olger Ferledy
Miramá Pérez, Víctor
Mora Arroyo, Jorge Edison
- Tipo de recurso:
- Article of investigation
- Fecha de publicación:
- 2021
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/10301
- Acceso en línea:
- https://hdl.handle.net/11323/10301
https://repositorio.cuc.edu.co/
- Palabra clave:
- Radio cognitiva
Algoritmo de detección de espectro en banda ancha
Compleción de matrices
Aproximación matricial de la zona de interés
muestreo SubNyquist
Detección de energía
Cognitive radio
Algorithm of spectrum sensing in wideband
Matrix completion
Interest zone matrix approximation
Sub-Nyquist sampling
Energy detection
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
Summary: | Introducción— La Radio Cognitiva (CR) hace un uso eficiente del recurso radioeléctrico, para ello realiza la Detección de Espectro (SS) con el fin de identificar el espectro disponible. Pero debido a la rápida evolución de los transceptores, la microelectrónica y las altas frecuencias de propagación, se hace necesario que en CR se apliquen algoritmos de SS en bandas de frecuencia y se realice un muestreo inferior a la tasa de Nyquist. Objetivo— Adaptar un algoritmo para Detección de Espectro Sub-Nyquist en Banda Ancha (WBSS) para redes de CR mediante la Compleción de Matrices (MC) que integra valores semilla a partir de las muestras conocidas, con el fin de completar las entradas no muestreadas de la banda a evaluar, reconstruir las señales e identificar el espectro disponible. Metodología— Se realizó una adaptación al algoritmo Aproximación Matricial de la Zona de Interés (IZMA), para ello se diseña la etapa de reconstrucción y se elige un método de detección de espectro en banda estrecha para conformar el banco de detectores; el algoritmo que se denomina IZMA_SV es evaluado a nivel de simulación, por tanto se reconstruyen señales determinísticas en diferentes SNR y se identifica el estado del canal como ocupado o libre. Resultados— Las simulaciones indican que el algoritmo adaptado presenta diferencias entre los valores conocidos de la matriz de muestreo M y la matriz recuperada X en SNR inferiores a –8 dB, mientras que la diferencia tiende a cero en SNR superiores a 2 dB. Conclusiones— El algoritmo IZMA-SV logra reducir el número de operaciones para llegar a la matriz aproximada X, reconstruyendo señales muestreadas al 75% de la tasa Nyquist y aún con un muestreo del 20% se mantienen las características de la señal que hacen posible la detección de espectro en banda ancha. |
---|