Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva

El uso eficiente del espectro se ha convertido en un área de investigación activa, debido a la escasez de este recurso y a su subutilización. En un escenario en el que el espectro es un recurso compartido como en la radio cognitiva (CR), los espacios sin uso dentro de las bandas de frecuencias con l...

Full description

Autores:: Sepúlveda Cano, Lina María
Quiza Montealegre, Jhon Jair
Gil Taborda, Camilo
Gómez García, Jorge Andrés

Tipo de recurso:: Article of journal

Fecha de publicación:: 2016

Institución:: Universidad de Medellín

Repositorio:: Repositorio UDEM

Idioma:: spa

id	REPOUDEM2_9e0024493587eb9718e45c115c7735a4
oai_identifier_str	oai:repository.udem.edu.co:11407/3541
network_acronym_str	REPOUDEM2
network_name_str	Repositorio UDEM
repository_id_str
dc.title.spa.fl_str_mv	Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva Spectrum Sensing Framework based on Blind Source Separation for Cognitive Radio Environments
title	Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva
spellingShingle	Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva Spectrum sensing Blind source separation Cognitive Radio ICA SSA Sensado del espectro Separación ciega de fuentes Radio cognitiva ICA SSA
title_short	Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva
title_full	Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva
title_fullStr	Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva
title_full_unstemmed	Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva
title_sort	Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva
dc.creator.fl_str_mv	Sepúlveda Cano, Lina María Quiza Montealegre, Jhon Jair Gil Taborda, Camilo Gómez García, Jorge Andrés
dc.contributor.author.none.fl_str_mv	Sepúlveda Cano, Lina María Quiza Montealegre, Jhon Jair Gil Taborda, Camilo Gómez García, Jorge Andrés
dc.subject.spa.fl_str_mv	Spectrum sensing Blind source separation Cognitive Radio ICA SSA Sensado del espectro Separación ciega de fuentes Radio cognitiva ICA SSA
topic	Spectrum sensing Blind source separation Cognitive Radio ICA SSA Sensado del espectro Separación ciega de fuentes Radio cognitiva ICA SSA
description	El uso eficiente del espectro se ha convertido en un área de investigación activa, debido a la escasez de este recurso y a su subutilización. En un escenario en el que el espectro es un recurso compartido como en la radio cognitiva (CR), los espacios sin uso dentro de las bandas de frecuencias con licencia podrían ser detectados y posteriormente utilizados por un usuario secundario a través de técnicas de detección y sensado del espectro. Generalmente, estas técnicas de detección se utilizan a partir de un conocimiento previo de las características de canal. En el presente trabajo se propone un enfoque de detección ciega del espectro basado en análisis de componentes independientes (ICA) y análisis de espectro singular (SSA). La técnica de detección se valida a través de simulación, y su desempeño se compara con metodologías propuestas por otros autores en la literatura. Los resultados muestran que el sistema propuesto es capaz de detectar la mayoría de las fuentes con bajo consumo de tiempo, un aspecto que cabe resaltar para aplicaciones en línea con exigencias de tiempo.
publishDate	2016
dc.date.created.none.fl_str_mv	2016-12-31
dc.date.accessioned.none.fl_str_mv	2017-06-29T22:22:35Z
dc.date.available.none.fl_str_mv	2017-06-29T22:22:35Z
dc.type.eng.fl_str_mv	Article
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_6501
dc.type.local.spa.fl_str_mv	Artículo científico
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/article
format	http://purl.org/coar/resource_type/c_6501
dc.identifier.issn.none.fl_str_mv	1692-3324
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/11407/3541
dc.identifier.doi.none.fl_str_mv	http://dx.doi.org/10.22395/rium.v15n29a8
dc.identifier.eissn.none.fl_str_mv	2248-4094
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional Universidad de Medellín
dc.identifier.repourl.none.fl_str_mv	repourl:https://repository.udem.edu.co/
dc.identifier.instname.spa.fl_str_mv	instname:Universidad de Medellín
identifier_str_mv	1692-3324 http://dx.doi.org/10.22395/rium.v15n29a8 2248-4094 reponame:Repositorio Institucional Universidad de Medellín repourl:https://repository.udem.edu.co/ instname:Universidad de Medellín
url	http://hdl.handle.net/11407/3541
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.relation.uri.none.fl_str_mv	http://revistas.udem.edu.co/index.php/ingenierias/article/view/1491
dc.relation.citationvolume.none.fl_str_mv	15
dc.relation.citationissue.none.fl_str_mv	29
dc.relation.citationstartpage.none.fl_str_mv	129
dc.relation.citationendpage.none.fl_str_mv	140
dc.relation.references.spa.fl_str_mv	M. Sarijari, A. Marwanto, N. Fisal, S. K. S. Yusof, R. Rashid & M. Satria, “Energy detection sensing based on gnu radio and usrp: An analysis study”, in Proceedings of the 2009 IEEE 9th Malaysia International Conference on Communications, Kuala Lumpur, Malaysia, Dec. 15-17, 2009, pp. 338-342. Available: https://pdfs.semanticscholar.org/2319/11ca01bab559aed17bd745bb6ae4c97a8d70.pdf. Y. Hassan, M. El-Tarhuni & K. Assaleh, “Learning-based spectrum sensing for cognitive radio systems”, Journal of Computer Networks and Communications, vol. 2012, pp. 1-14, 2012. Available: https://www.hindawi.com/journals/jcnc/2012/259824/ A. Mate, K. H. Lee & I. T. Lu, “Spectrum sensing based on time covariance matrix using gnu radio and usrp for cognitive radio”, in: 2011 ieee Long Island Systems, Applications and Technology Conference (lisat), Farmingdale, NY, USA, May 6, 2011, pp. 1-6. G. Nautiyal & R. Kumar, “Spectrum sensing in cognitive radio using matlab”, International Journal of Engineering and Advanced Technology (IJEAT), vol. 2, no. 5, pp. 529-532, Jun. 2013. Z. Xuping & P. Jianguo, “Energy-detection based spectrum sensing for cognitive radio”, in iet Conference on Wireless, Mobile and Sensor Networks (ccwmsn07), Shangai, China, Dec. 12-14, 2007, pp. 944-947. H. Arslan, Cognitive Radio, Software Defined Radio, and Adaptive Wireless Systems (Signals and Communication Technology). New York: Springer-Verlag, 2007. M. Rahman, A. Haniz, S. Khadka, S., Iswandi, Gahadza, M., Kim, M., ichi Takada, J. “Development of spectrum sensing system with gnu radio and usrp to detect emergency radios”, ieice, The Institute of Electronics, Information and Communication Engineers, Sendai, Japan, Technical Report SR2009-57, Oct. 2009. A. Fehske, J. Gaeddert & J. Reed, “A new approach to signal classification using spectral correlation and neural networks”, in DySPAN 2005. First IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks, Baltimore, USA, Nov. 8-11, 2005. pp. 144-150. S. Chaudhari, “Spectrum sensing for cognitive radios: Algorithms, performance, and limitations”, Ph. D. thesis, Aalto University, Greater Helsinki, Finland, 2012. S. Da, G. Xiaoying, C. Hsiao-hwa & Q. Liang, “Fast cycle frequency domain feature detection for cognitive radio systems”, Arxiv, p. 4, Ar. 6, 2009. Available: https://archive.org/details/arxiv-0903.1183 M. Calabro, “A Cooperative Spectrum Sensing Network with Signal Classification Capabilities”. Ph. D. thesis, Worcester Polytechnic Institute, Worcester, Massachusetts, 2010. A. G. Ferrer, E.G. Prieto & D. Peña, “Exploring ica for time series decomposition”, Working Paper 11-16, Statistics and Econometrics Series 11, May 2011. Available: http://orff.uc3m.es/bitstream/handle/10016/11285/ws111611.pdf?sequence=1 L. Molgedey & H. G. Schuster, “Separation of a mixture of independent signals using time delayed correlations”, Physical Review Letters, vol. 72, 3634-3637, 1994. V. Krishnaveni, S. Jayaraman, P. M. Kumar, K. Shivakumar & K. Ramadoss, “Comparison of independent component analysis algorithms for removal of ocular artifacts from electroencephalogram”, Meas. Sci. Rev. J, vol. 5, no. 2, pp. 67-78, 2005. Hongli, Sun, Y.: “The study and test of ica algorithms”, in 2005 Proceedings International Conference on Wireless Communications, Networking and Mobile Computing, vol. 1, Wuhan, China, Sept. 23-26, 2005, pp. 602-605. T. Kolenda, L. K. Hansen & J. Larsen, “Signal detection using ica: Application to chat room topic spotting”, in 3rd International Conference on Independent Component Analysis and Blind Source Separation, ica’2001, San Diego, USA, Dec. 9-13, 2001, pp. 540-545. Available: http://cogsys.imm.dtu.dk/publications/2001/kolenda.ica2001.pdf H. G. Ma, Q. B. Jiang, Z. Q. Liu, G. Liu & Z. Y. Ma, “A novel blind source separation method for single-channel signal”, Signal Processing, vol. 90, no. 12, pp. 3232-3241, 2010. S. S. Kalamkar & A. Banerjee, “On the performance of generalized energy detector under noise uncertainty in cognitive radio”, in National Conference on Communications (ncc), Delhi, India, Feb. 15-17, 2013. pp. 1–5.
dc.relation.ispartofjournal.spa.fl_str_mv	Revista Ingenierías Universidad de Medellín
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.creativecommons.*.fl_str_mv	Attribution-NonCommercial-ShareAlike 4.0 International
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-sa/4.0/ Attribution-NonCommercial-ShareAlike 4.0 International http://purl.org/coar/access_right/c_abf2
dc.format.extent.spa.fl_str_mv	p. 129-140
dc.format.medium.spa.fl_str_mv	Electrónico
dc.format.mimetype.none.fl_str_mv	application/pdf
dc.coverage.spa.fl_str_mv	Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degreesLong: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.publisher.spa.fl_str_mv	Universidad de Medellín
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingenierías
dc.publisher.place.spa.fl_str_mv	Medellín
dc.source.spa.fl_str_mv	Revista Ingenierías Universidad de Medellín; Vol. 15, núm. 29 (2016); 129-140 2248-4094 1692-3324
institution	Universidad de Medellín
bitstream.url.fl_str_mv	http://repository.udem.edu.co/bitstream/11407/3541/3/Revista_Ingenierias_UdeM_293.pdf.jpg http://repository.udem.edu.co/bitstream/11407/3541/1/Articulo.html http://repository.udem.edu.co/bitstream/11407/3541/2/Revista_Ingenierias_UdeM_293.pdf
bitstream.checksum.fl_str_mv	1bb3541ca05133e22c49833a0eed33a3 75308cde7e4853b6012153b03418760b e2c0a98588e14bee3e2945c675b6d88b
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad de Medellin
repository.mail.fl_str_mv	repositorio@udem.edu.co
_version_	1814159219364986880
spelling	Sepúlveda Cano, Lina MaríaQuiza Montealegre, Jhon JairGil Taborda, CamiloGómez García, Jorge AndrésSepúlveda Cano, Lina María; Universidad de MedellínQuiza Montealegre, Jhon Jair; Universidad de MedellínGil Taborda, Camilo; Universidad de MedellínGómez García, Jorge Andrés; Universidad Politécnica de Madrid2017-06-29T22:22:35Z2017-06-29T22:22:35Z2016-12-311692-3324http://hdl.handle.net/11407/3541 http://dx.doi.org/10.22395/rium.v15n29a82248-4094reponame:Repositorio Institucional Universidad de Medellínrepourl:https://repository.udem.edu.co/instname:Universidad de MedellínEl uso eficiente del espectro se ha convertido en un área de investigación activa, debido a la escasez de este recurso y a su subutilización. En un escenario en el que el espectro es un recurso compartido como en la radio cognitiva (CR), los espacios sin uso dentro de las bandas de frecuencias con licencia podrían ser detectados y posteriormente utilizados por un usuario secundario a través de técnicas de detección y sensado del espectro. Generalmente, estas técnicas de detección se utilizan a partir de un conocimiento previo de las características de canal. En el presente trabajo se propone un enfoque de detección ciega del espectro basado en análisis de componentes independientes (ICA) y análisis de espectro singular (SSA). La técnica de detección se valida a través de simulación, y su desempeño se compara con metodologías propuestas por otros autores en la literatura. Los resultados muestran que el sistema propuesto es capaz de detectar la mayoría de las fuentes con bajo consumo de tiempo, un aspecto que cabe resaltar para aplicaciones en línea con exigencias de tiempo.The efficient use of spectrum has become an active research area, due to its scarcity and underutilization. In a spectrum sharing scenario as Cognitive Radio (CR), the vacancy of licensed frequency bands could be detected by a secondary user through spectrum sensing techniques. Usually, this sensing approaches are performed with a priori knowledge of the channel features. In the present work, a blind spectrum sensing approach based on Independent Component Analysis and Singular Spectrum Analysis is proposed. The approach is tested and compared with other outcomes. Results show that the proposed scheme is capable of detect most of the sources with low time consumption, which is a remarkable aspect for online applications with demanding time issues.p. 129-140Electrónicoapplication/pdfspaUniversidad de MedellínFacultad de IngenieríasMedellínhttp://revistas.udem.edu.co/index.php/ingenierias/article/view/14911529129140M. Sarijari, A. Marwanto, N. Fisal, S. K. S. Yusof, R. Rashid & M. Satria, “Energy detection sensing based on gnu radio and usrp: An analysis study”, in Proceedings of the 2009 IEEE 9th Malaysia International Conference on Communications, Kuala Lumpur, Malaysia, Dec. 15-17, 2009, pp. 338-342. Available: https://pdfs.semanticscholar.org/2319/11ca01bab559aed17bd745bb6ae4c97a8d70.pdf.Y. Hassan, M. El-Tarhuni & K. Assaleh, “Learning-based spectrum sensing for cognitive radio systems”, Journal of Computer Networks and Communications, vol. 2012, pp. 1-14, 2012. Available: https://www.hindawi.com/journals/jcnc/2012/259824/A. Mate, K. H. Lee & I. T. Lu, “Spectrum sensing based on time covariance matrix using gnu radio and usrp for cognitive radio”, in: 2011 ieee Long Island Systems, Applications and Technology Conference (lisat), Farmingdale, NY, USA, May 6, 2011, pp. 1-6.G. Nautiyal & R. Kumar, “Spectrum sensing in cognitive radio using matlab”, International Journal of Engineering and Advanced Technology (IJEAT), vol. 2, no. 5, pp. 529-532, Jun. 2013.Z. Xuping & P. Jianguo, “Energy-detection based spectrum sensing for cognitive radio”, in iet Conference on Wireless, Mobile and Sensor Networks (ccwmsn07), Shangai, China, Dec. 12-14, 2007, pp. 944-947.H. Arslan, Cognitive Radio, Software Defined Radio, and Adaptive Wireless Systems (Signals and Communication Technology). New York: Springer-Verlag, 2007.M. Rahman, A. Haniz, S. Khadka, S., Iswandi, Gahadza, M., Kim, M., ichi Takada, J. “Development of spectrum sensing system with gnu radio and usrp to detect emergency radios”, ieice, The Institute of Electronics, Information and Communication Engineers, Sendai, Japan, Technical Report SR2009-57, Oct. 2009.A. Fehske, J. Gaeddert & J. Reed, “A new approach to signal classification using spectral correlation and neural networks”, in DySPAN 2005. First IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks, Baltimore, USA, Nov. 8-11, 2005. pp. 144-150.S. Chaudhari, “Spectrum sensing for cognitive radios: Algorithms, performance, and limitations”, Ph. D. thesis, Aalto University, Greater Helsinki, Finland, 2012.S. Da, G. Xiaoying, C. Hsiao-hwa & Q. Liang, “Fast cycle frequency domain feature detection for cognitive radio systems”, Arxiv, p. 4, Ar. 6, 2009. Available: https://archive.org/details/arxiv-0903.1183M. Calabro, “A Cooperative Spectrum Sensing Network with Signal Classification Capabilities”. Ph. D. thesis, Worcester Polytechnic Institute, Worcester, Massachusetts, 2010.A. G. Ferrer, E.G. Prieto & D. Peña, “Exploring ica for time series decomposition”, Working Paper 11-16, Statistics and Econometrics Series 11, May 2011. Available: http://orff.uc3m.es/bitstream/handle/10016/11285/ws111611.pdf?sequence=1L. Molgedey & H. G. Schuster, “Separation of a mixture of independent signals using time delayed correlations”, Physical Review Letters, vol. 72, 3634-3637, 1994.V. Krishnaveni, S. Jayaraman, P. M. Kumar, K. Shivakumar & K. Ramadoss, “Comparison of independent component analysis algorithms for removal of ocular artifacts from electroencephalogram”, Meas. Sci. Rev. J, vol. 5, no. 2, pp. 67-78, 2005.Hongli, Sun, Y.: “The study and test of ica algorithms”, in 2005 Proceedings International Conference on Wireless Communications, Networking and Mobile Computing, vol. 1, Wuhan, China, Sept. 23-26, 2005, pp. 602-605.T. Kolenda, L. K. Hansen & J. Larsen, “Signal detection using ica: Application to chat room topic spotting”, in 3rd International Conference on Independent Component Analysis and Blind Source Separation, ica’2001, San Diego, USA, Dec. 9-13, 2001, pp. 540-545. Available: http://cogsys.imm.dtu.dk/publications/2001/kolenda.ica2001.pdfH. G. Ma, Q. B. Jiang, Z. Q. Liu, G. Liu & Z. Y. Ma, “A novel blind source separation method for single-channel signal”, Signal Processing, vol. 90, no. 12, pp. 3232-3241, 2010.S. S. Kalamkar & A. Banerjee, “On the performance of generalized energy detector under noise uncertainty in cognitive radio”, in National Conference on Communications (ncc), Delhi, India, Feb. 15-17, 2013. pp. 1–5.Revista Ingenierías Universidad de Medellínhttp://creativecommons.org/licenses/by-nc-sa/4.0/Attribution-NonCommercial-ShareAlike 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2Revista Ingenierías Universidad de Medellín; Vol. 15, núm. 29 (2016); 129-1402248-40941692-3324Spectrum sensingBlind source separationCognitive RadioICASSASensado del espectroSeparación ciega de fuentesRadio cognitivaICASSAMétodo para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitivaSpectrum Sensing Framework based on Blind Source Separation for Cognitive Radio EnvironmentsArticlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Artículo científicoinfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85Comunidad Universidad de MedellínLat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degreesLong: 075 36 00 W degrees minutes Long: -75.6000 decimal degreesTHUMBNAILRevista_Ingenierias_UdeM_293.pdf.jpgRevista_Ingenierias_UdeM_293.pdf.jpgIM Thumbnailimage/jpeg8136http://repository.udem.edu.co/bitstream/11407/3541/3/Revista_Ingenierias_UdeM_293.pdf.jpg1bb3541ca05133e22c49833a0eed33a3MD53ORIGINALArticulo.htmltext/html497http://repository.udem.edu.co/bitstream/11407/3541/1/Articulo.html75308cde7e4853b6012153b03418760bMD51Revista_Ingenierias_UdeM_293.pdfRevista_Ingenierias_UdeM_293.pdfapplication/pdf891166http://repository.udem.edu.co/bitstream/11407/3541/2/Revista_Ingenierias_UdeM_293.pdfe2c0a98588e14bee3e2945c675b6d88bMD5211407/3541oai:repository.udem.edu.co:11407/35412021-05-14 14:29:00.357Repositorio Institucional Universidad de Medellinrepositorio@udem.edu.co

Método para sensado del espectro basado en separación ciega de fuentes para ambientes de radio cognitiva

Publicaciones similares