Joint Detection Algorithm for Multiple Cognitive Users in Spectrum Sensing

要約

スペクトラムセンシング技術は現代の通信技術の重要な側面であり、狭い周波数帯域で希少な情報リソースを効率的に利用するために不可欠な技術の 1 つとして機能します。
この論文ではまず、ハードデシジョンにおける 3 つの一般的な論理回路の決定基準を紹介し、その決定の厳密さを分析します。
この論文では、ハードディシジョンに基づいて、ソフトディシジョンに基づくマルチユーザースペクトルセンシングの方法をさらに紹介しています。
次に、論文は 3 つの基準に対応する誤報確率と検出確率曲線をシミュレートします。
マルチユーザー協調センシングのシミュレーション結果は、シミュレーション プロセスにより誤警報確率が大幅に減少し、検出確率が向上することを示しています。
このアプローチは、時分割多重の概念を利用して、アイドル期間中に占有されていないスペクトル リソースを効果的に検出し、情報リソースの再配分を合理化します。
計算プロセス全体は、通信理論におけるパワー スペクトル密度の計算原理に依存しており、ノイズ パワーおよびノイズと信号のパワーの合計のしきい値決定検出が含まれます。
これは、論理的な検出方法の知覚的な決定パフォーマンスを相対的な精度で反映する、二次的な決定検出を提供します。

要約(オリジナル)

Spectrum sensing technology is a crucial aspect of modern communication technology, serving as one of the essential techniques for efficiently utilizing scarce information resources in tight frequency bands. This paper first introduces three common logical circuit decision criteria in hard decisions and analyzes their decision rigor. Building upon hard decisions, the paper further introduces a method for multi-user spectrum sensing based on soft decisions. Then the paper simulates the false alarm probability and detection probability curves corresponding to the three criteria. The simulated results of multi-user collaborative sensing indicate that the simulation process significantly reduces false alarm probability and enhances detection probability. This approach effectively detects spectrum resources unoccupied during idle periods, leveraging the concept of time-division multiplexing and rationalizing the redistribution of information resources. The entire computation process relies on the calculation principles of power spectral density in communication theory, involving threshold decision detection for noise power and the sum of noise and signal power. It provides a secondary decision detection, reflecting the perceptual decision performance of logical detection methods with relative accuracy.

arxiv情報

著者 Fanfei Meng,Yuxin Wang,Lele Zhang,Yingxin Zhao,David Demeter
発行日 2023-11-30 14:50:32+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, eess.SP パーマリンク