ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. ISSN 1684-1719. 2021. №9
Оглавление выпускаТекст статьи (pdf)
DOI: https://doi.org/10.30898/1684-1719.2021.9.3
УДК: 537.86
ОПРЕДЕЛЕНИЕ ПОРОГОВ ОБНАРУЖЕНИЯ РАДИОСИГНАЛОВ
ДЛЯ МЕТОДА ЭНЕРГЕТИЧЕСКОГО ДЕТЕКТОРА
А. А. Потапов
Физический факультет МГУ имени М.В. Ломоносова,
119991, Москва, Ленинские горы, д. 1, стр. 2.
Статья поступила в редакцию 30 августа 2021 г.
Аннотация. Разработан и апробирован метод расчета пороговых значений отношения сигнал/шум для обнаружения слабых радиосигналов с помощью оригинальной реализации энергетического детектора, основанной на применении непараметрических статистик, рассчитываемых на базе спектральных выборок, поступающих с измерительного оборудования. Расчетные значения порогов определяются дисперсией собственных шумов приемника и могут быть заранее установлены для конкретных режимов измерения и объемов выборок. Для широко используемой модели анализатора спектра расчетные пороги надежного обнаружения радиосигнала по соотношению сигнал/шум составили от +0,6 дБ для выборки объемом в 470 спектров до –11 дБ для выборки объемом в 30 000 спектров. Эксперимент подтвердил расчетные значения порогов обнаружения и одинаковую эффективность энергетического детектора как в отношении шумового сигнала от аналогового генератора, так и эфирных LTE сигналов. Предложенная реализация энергетического детектора не налагает требований на тип вероятностного распределения и применяемую сигнально-кодовую конструкцию детектируемого радиосигнала, а также на характер распределения суммарного времени активности в течении периода записи данных для непостоянных и спорадических сигналов.
Ключевые слова: энергетический детектор, радиомониторинг, обнаружение низкоуровневых радиосигналов.
Abstract. The estimation method for signal-to-noise ratio threshold values pertinent for low-level signals detection is developed and employed. The method is applicable for original energy detection technique based upon distribution-free statistics computed using spectrum samples provided by measuring equipment. Estimated thresholds are determined by measuring equipment inherent noise fluctuations and can be established in advance for certain hardware settings and sample lengths. For a typical spectrum analyzer model estimated sensitivity threshold varied from +0,6 dB to –11 dB for spectrum samples lengths ranged between 470 and 30 000 spectrums respectively. Experimental data confirmed estimated values and equivalence of sensitivity thresholds for white noise (generated by analog generator) and broadcasted LTE signals (generated by cellular base stations). The suggested energy detection technique is independent of signal's modulation, signal's probability distribution features, and intermittent or sporadic signal's total duration allotment profile within data acquisition period.
Key words: energy detection, radiomonitoring, low-level radio signal detection.
Литература
1. Atapattu S., Tellambura C., Jiang H. Energy Detection for Spectrum Sensing in Cognitive Radio. New York, Springer. 2014. 83 p. https://doi.org/10.1007/978-1-4939-0494-5
2. Zhang W. – Ed. Handbook of cognitive radio. Singapore, Springer Nature. 2019. 2048 p. https://doi.org/10.1007/978-981-10-1394-2
3. Mandloi M., Gurjar D., Pattanayak P., Nguyen H. – Eds. 5G and beyond wireless systems: PHY layer perspective. Singapore, Springer Nature. 2021. 410 p. https://doi.org/10.1007/978-981-15-6390-4
4. Liang Y-C. Dynamic Spectrum Management: From Cognitive Radio to Blockchain and Artificial Intelligence. Singapore, Springer Open. 2020. 166 p. https://doi.org/10.1007/978-981-15-0776-2
5. Kumar A., Thakur P., Pandit S., Singh G. Performance analysis of different threshold selection schemes in energy detection for cognitive radio communication systems. 2017 Fourth International Conference on Image Information Processing (ICIIP). Shimla, IEEE. 2017. P.1-6. https://doi.org/10.1109/ICIIP.2017.8313702
6. Kumar A., Thakur P., Pandit S., Singh G. Analysis of optimal threshold selection for spectrum sensing in a cognitive radio network: an energy detection approach. Wireless Networks. 2019. №25. P.3917-3931. https://doi.org/10.1007/s11276-018-01927-y
7. Suneel A.S., Shiyamala S. Peak detection based energy detection of a spectrum under Rayleigh fading noise environment. Journal of Ambient Intelligence and Humanized Computing. 2021. №12. P.4237-4245. https://doi.org/10.1007/s12652-020-01818-1
8. Lorincz J., Ramljak I., Begušić D. A review of the noise uncertainty impact on energy detection with different OFDM system designs. Computer Communications. 2019. №148. P.185-207. https://doi.org/10.1016/j.comcom.2019.09.013
9. Mahendru G., Shukla A., Banerjee P. A novel mathematical model for energy detection based spectrum sensing in cognitive radio networks. Wireless Personal Communications. 2020. №110. P.1237-1249. https://doi.org/10.1007/s11277-019-06783-3
10. Verma P. Adaptive threshold based energy detection over Rayleigh fading channel. Wireless Personal Communications. 2020. №113. P.299-311. https://doi.org/10.1007/s11277-020-07189-2
11. Meeker W.Q., Hahn G.J., Escobar L.A. Statistical intervals: A guide for practitioners and researchers – 2nd. Ed. Hoboken, John Wiley & Sons, Inc. 2017. 592 p. https://doi.org/10.1002/9781118594841
12. Dahlman E., Parkvall S., Sköld J. 4G, LTE-Advanced Pro and The Road to 5G – 3rd. Ed. London, Academic Press. 2016. 590 p. https://doi.org/10.1016/C2015-0-01834-2
Для цитирования:
Потапов А.А. Определение порогов обнаружения радиосигналов для метода энергетического детектора. Журнал радиоэлектроники [электронный журнал]. 2021. №9. https://doi.org/10.30898/1684-1719.2021.9.3