Spectrum Sensing and Waveform Classification Using Cepstral Analysis

Abstract

Current usable radio frequency spectrum is beginning to be heavily crowded due to the inefficient use of the licensed spectrum bands along with the rapid growth of wireless technologies. Cognitive radios are developed to overcome this underutilization problem by allowing secondary users to use licensed spectrum bands in an agile manner as long as they do not harm the primary receivers. In order to access unoccupied licensed spectrum bands effectively and to achieve awareness of the radio environment, opportunistic secondary users must perform spectrum sensing.

This thesis is focused on spectrum sensing techniques that utilize cepstral analysis. The scope is on sensing multi-carrier primary signals that utilize orthogonal frequency division multiplexing (OFDM) modulation. OFDM a key modulation method in current as well as future wireless transmission systems.

In this thesis, the distributions of the cepstral coefficients of OFDM signals in additive white Gaussian noise (AWGN) channel are derived analytically. The problem of finding idle spectrum is modeled as a statistical hypothesis testing problem. For solving such problem, two local detection algorithms based on cepstral analysis for detecting OFDM signals are proposed. Furthermore, cepstrum-based algorithms for estimating the data length and the cyclic prefix (CP) length of an OFDM symbol are proposed. Finally, all proposed single-user detection and parameter estimation algorithms are extended to a cooperative scenario where multiple distributed sensors operate simultaneously. Distributed sensing is implemented for achieving better decision reliability especially in challenging radio environments. The performances of the proposed algorithms as well as the results obtained from theoretical analysis are justified through extensive simulations.

Lisensoitujen taajuskaistojen tehoton käyttö sekä langattoman tiedonsiirron nopea kasvu on ruuhkauttanut nykyisen käytettävissä olevan radiospektrin. Radiospektrin tehokkaammaksi ja joustavammaksi hyödyntämiseksi on kehitetty kognitiivisia radiojärjestelmiä, jotka antavat toissijaisille käyttäjille luvan käyttää lisensoituja taajuuskaistoja, kunhan käytöstä ei aiheudu haittaa ensisijaisille käyttäjille. Jotta toissijaiset käyttäjät voisivat hyödyntää vapaita taajuuskaistoja tehokkaasti, tulisi niiden pystyä keräämään informaatiota ja muodostaa tilannetietoisuutta radioympäristöstä aistimalla spetriä.

Tämä diplomityö keskittyy spektrin aistintamenetelmiin, jotka pohjautuvat kepstrianalyysiin. Menetelmät soveltuvat monikantoaaltoteknologiaan perustuvien ortogonaalista taajuusjako-multipleksausta (OFDM) käyttävien signaalien aistimiseen. OFDM on merkittävin nykyisten ja tulevaisuuden langattomien tiedonsiirtojärjestelmien käyttämä modulaatiomenetelmä.

Työssä johdetaan analyyttiset jakaumat kohinaisessa kanavassa olevan OFDM-signaalin kepstrikertoimille. Vapaan spektrin löytäminen mallinnetaan tilastollisena hypoteesin testausongelmana, jonka ratkaisemiseksi esitetään kaksi kepstrianalyysiin pohjautuvaa OFDM-signaalin ilmaisumenetelmää. Lisäksi työssä esitetään menetelmät sekä OFDM-symbolin datapituuden että syklisen etuliitteen pituuden estimoimiseksi. Lopulta kaikki ehdotetut yhden aistijan menetelmät laajennetaan hajautettuun monen sensorin aistimisongelmaan. Monen sensorin käytöllä pyritään parantamaan päättelyn luotettavuutta vaativissa radioympäristöissä. Esitettyjen algoritmien suorituskykyä sekä teoreettisten analyysien tuloksia tarkastellaan kattavien simulaatioiden avulla.