Stanovení charakteristik cyklostacionárního detektoru signálu OFDM

| 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.

Vydal: FEKT VUT Brno Autor: Jiří Lehocký

Strana 42 z 80

Vámi hledaný text obsahuje tato stránku dokumentu který není autorem určen k veřejnému šíření.

Jak získat tento dokument?






Poznámky redaktora
Následující obrázky demonstrují výsledky výpočtu CAF využitím této metody. Chceme identifikovat OFDM signál konkrétního uživatele pomocí cyklostacionárního detektoru, potřeba znát jak dobu trvání užitečné části symbolu, tak délku cyklického prefixu. Program také umožňuje využít paralelního zpracování dat. Zároveň se ovšem stranách autokorelační funkce vyskytují menší peaky, příčinou jejich výskytu právě zavedení cyklického prefixu. tomto případě potřeba mít dispozici procesor více vlákny MATLABu nainstalovaný Parallel Computing Toolbox.16) stanovit délku cyklického prefixu. Vlastnosti vysílaných OFDM signálů mohou lišit nemusí být vůbec předem známy.1.17 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. Získané výsledky jsou spolu zadanými vstupními parametry uloženy pro další využití formátu .2 4. 4. Práce více vlákny povolí příkazem matlabpool(n) v příkazovém řádku MATLBu, kde přirozené číslo uvádějící počet využitých vláken. Je zkoumaným signálem signál OFDM, pak pro některé hodnoty cyklického kmitočtu nabývá CAF významných hodnot. lagu) která OFDM odpovídá době trvání užitečné části symbolu (bez CP).6 Cyklostacionární identifikace detekce bez apriorní znalosti parametrů OFDM signálu (Blind Detection) Předchozí přístup vyžadoval znalost některých parametrů OFDM signálu, především hodnotu posunu (tzv. [31] ukazuje jiný možný přístup cyklostacionární detekci. Výsledná autokorelační funkce signálu nabývá nejvyššího hodnot pro což odpovídá energetické detekci, viz kap. . první části vypočte autokorelační funkce analyzovaného signálu.3. Obr. druhém kroku se podle vztahu (4. těchto průběhů lze stanovit příslušnou mez testovací statistiky, která sebe rozliší nulovou alternativní hypotézu.3) vypočte průběh CAF pro různé hodnoty cyklického kmitočtu α. znalosti lze úpravou vztahu (4. 2.4. 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. Vzdálenost hlavního postranního peaku (rozdíl časových posuvů udává dobu trvání užitečné části symbolu.mat. 4. 4.4. Pro simulaci byl použit OFDM signál nosnými, cyklický prefix tvořen čtvrtinou doby OFDM symbolu, vzorkovací kmitočet MHz, použitá modulace QAM. Předpokládá se, okolí může vyskytovat několik různých vysílačů patřících jak PU, tak jiným SU. Výpočet testovací statistiky pak může být proveden tak, jak uvedeno kap. 2. Tento způsob detekce skládá kroků.31 hustoty rozdělení pravděpodobnosti jsou následně vypočteny kumulativní distribuční funkce.1)