|
Kategorie: Diplomové, bakalářské práce |
Tento dokument chci!
Diplomová práce spadá do oblasti kognitivních rádiových sítí. Tyto sítě jsou schopny využívat kmitočtové spektrum efektivněji než současné radiokomunikační sítě, přičemž jednoznačnou předností je možnost koexistence kognitivních i klasických sítí. Pozornost je věnována klíčové úloze kognitivního rádia – sledování spektra. V práci jsou podrobněji zkoumány vlastnosti cyklostacionárního detektoru, jehož hlavní výhodou je vysoká spolehlivost detekce při nízkých hodnotách SNR při apriorní znalosti cyklického kmitočtu vyslaného signálu. Vlastnosti detektoru jsou testovány na OFDM signálech používaných reálnými systémy, u kterých je cyklostacionarita způsobena především využitím cyklického prefixu. Kvantitativně jsou vyjádřeny vlivy decimace cyklické autokorelační funkce a vícecestného šíření OFDM signálu naspolehlivost detekce. Stanoveny jsou optimální hodnoty vah multifrekvenčního detektoru.
Výpočet testovací statistiky pak může být proveden
tak, jak uvedeno kap. Získané výsledky jsou spolu zadanými
vstupními parametry uloženy pro další využití formátu .
Obr. 4. 2. Chceme identifikovat OFDM signál konkrétního uživatele
pomocí cyklostacionárního detektoru, potřeba znát jak dobu trvání užitečné části
symbolu, tak délku cyklického prefixu.
Tento způsob detekce skládá kroků. Pro
simulaci byl použit OFDM signál nosnými, cyklický prefix tvořen čtvrtinou
doby OFDM symbolu, vzorkovací kmitočet MHz, použitá modulace QAM. Výsledná autokorelační funkce signálu nabývá
nejvyššího hodnot pro což odpovídá energetické detekci, viz kap.16)
stanovit délku cyklického prefixu. Vzdálenost hlavního postranního peaku
(rozdíl časových posuvů udává dobu trvání užitečné části symbolu.4. těchto průběhů lze stanovit příslušnou mez testovací statistiky, která sebe
rozliší nulovou alternativní hypotézu.
Následující obrázky demonstrují výsledky výpočtu CAF využitím této metody.1.3. Vlastnosti vysílaných OFDM signálů mohou lišit nemusí být
vůbec předem známy. [31] ukazuje jiný možný přístup cyklostacionární detekci.6 Cyklostacionární identifikace detekce bez apriorní
znalosti parametrů OFDM signálu (Blind Detection)
Předchozí přístup vyžadoval znalost některých parametrů OFDM signálu, především
hodnotu posunu (tzv. 4.mat. Práce více vlákny povolí příkazem matlabpool(n) v
příkazovém řádku MATLBu, kde přirozené číslo uvádějící počet využitých vláken.
Předpokládá se, okolí může vyskytovat několik různých vysílačů patřících
jak PU, tak jiným SU.
.2 4.
Je zkoumaným signálem signál OFDM, pak pro některé hodnoty cyklického
kmitočtu nabývá CAF významných hodnot.4. druhém kroku
se podle vztahu (4.31
hustoty rozdělení pravděpodobnosti jsou následně vypočteny kumulativní distribuční
funkce.3) vypočte průběh CAF pro různé hodnoty cyklického kmitočtu α.1). první části vypočte autokorelační
funkce analyzovaného signálu. 2. lagu) která OFDM odpovídá době trvání užitečné části
symbolu (bez CP). Spolehlivě tak možno stanovit
potřebnou hodnotu Cyklostacionární detektory ovšem zkoumají zejména účelem
použití při velmi nízkých hodnotách SNR, kdy prakticky nemožné použít detektor
energie (kap. Zároveň
se ovšem stranách autokorelační funkce vyskytují menší peaky, příčinou jejich
výskytu právě zavedení cyklického prefixu. znalosti lze úpravou vztahu (4.
4.17 znázorňuje výsledek výpočtu CAF, poměr výkonu signálu výkonu
šumu komunikačním kanále roven dB, hodnota lagu rovna Postranní maxima
jsou dobře zřetelná lze tedy snadno detekovat.
Program také umožňuje využít paralelního zpracování dat. tomto případě potřeba
mít dispozici procesor více vlákny MATLABu nainstalovaný Parallel
Computing Toolbox
