سنجش طیف مشارکتی در شبکه های رادیوی شناختگر

در این رساله مسا له ی سنجش طیف مشارکتی در شبکه های رادیوی شناختگر با استفاده از ترکیب انرژی ها و با تکیه بر تاثیر محوشدگی های مقیاس کوچک و بزرگ بر روی عملکرد سنجش طیف مورد بررسی قرار گرفته است و با توجه به چند چالش که از نظر نگارنده با وجود اهمیت کمتر مورد توجه قرار گرفته اند، الگوریتم هایی جهت ترکیب مشاهدات حسگرها پیشنهاد شده است. بخشی از این رساله به بررسی اثر وجود محوشدگی مقیاس بزرگ همبسته بر روی کا نال های سنجش و گزارش و طراحی یک چارچوب سنجش طیف مشارکتی بر اساس ترکیب خطی مشاهدات و با استفاده از خوشه بندی حسگرها در حالت های ارسال نمونه ها، ارسال انرژی نمونه ها و ارسال تصمیم گیری های یک بیتی برای واحد مرکزی تصمیم گیری اختصاص یافته است. نتایج شبیه سازی ها نشان داده است که به دلیل وجود محوشدگی مقیاس بزرگ بر روی کانال گزارش، افزایش تعداد حسگرها از یک عدد مشخص کمک قابل ملاحظه ای به بهبود عملکرد سنجش طیف نمی کند. در مقابل با استفاده از خوشه بندی می توان با افزایش تعداد حسگرها عملکرد سنجش طیف را به میزان زیادی بهبود بخشید. به عنوان یک نمونه با فرض ارسال انرژی به عنوان مشاهدات، با افزایش تعداد حسگرها از 12 به 20 توانسته ایم بهبود در عملکرد آشکارسازی با استفاده از خوشه بندی را از حدود 5db به حدود 11db برسانیم. علاوه بر این با توجه به الگوریتم انتخاب سرخوشه ی پیشنهاد شده نیاز به انتخاب سرخوشه در هر بازه ی سنجش از بین می رود. همچنین نشان داده ایم که با ارسال نمونه ها به عنوان مشاهدات هر خوشه نسبت به حالتی که خوشه ها انرژی نمونه های دریافتی و تصمیم گیری های یک بیتی را به مرکز ترکیب ارسال می کنند می توان به ترتیب در حدود 7db و 15db بهبود در عملکرد آشکارسازی حاصل نمود. با این حال با توجه به نیاز به پهنای باند کانال گزارش خیلی زیاد، ارسال انرژی به عنوان مشاهدات هر خوشه منطقی تر به نظر می رسد. تعمیم الگوریتم مبتنی بر تابع مولد ممان جهت تقریب زدن یک بردار تصادفی که هریک از مولفه های آن از مجموع چندین متغیر تصادفی لگ-نرمال همبسته تشکیل شده است با یک بردار لگ-نرمال نیز یکی از نوآوری های انجام شده در این بخش است. بخش دوم این رساله به بررسی تاثیر وجود همزمان هر دو نوع محوشدگی مقیاس کوچک و بزرگ بر روی عملکرد سنجش طیف و طراحی یک ساختار سنجش طیف مشارکتی با مدل مبتنی بر خوشه بندی در این حالت اختصاص یافته است. در مرکز تصمیم گیری از ترکیب خطی انرژی ها با ضرائب یکسان (egc) به منظور محاسبه ی روابط تحلیلی دقیق احتمال های هشدار غلط و آشکارسازی و پیشنهاد یک کران بالا برای احتمال آشکارسازی استفاده شده است. ترکیب انرژی ها با استفاده از تابع نسبت شباهت (lr) و تابع نسبت شباهت عمومی (glr) به ترتیب درحالت هایی که ضرائب لحظه ای کانال دانسته فرض شده اند و از تخمین حداکثر شباهت این ضرائب استفاده شده است نیز مورد بررسی قرار گرفته است. همچنین یک تابع ترکیب انرژی ها به نام تابع نسبت شباهت متوسط (alr) جهت استفاده از پارامترهای توزیع محوشدگی ها پیشنهاد شده است. نتایج شبیه سازی ها بر عملکرد بهتر الگوریتم پیشنهادی نسبت به تابع ترکیب نسبت شباهت عمومی و عملکرد قابل مقایسه ی آن با تابع نسبت شباهت درمقابل پیچیدگی محاسباتی کم تر و فرض های عملی منطقی تر آن دلالت دارند. نتایج شبیه سازی ها نشان داده است که هر چه تفاوت بین مقادیر snr خوشه ها بیشتر باشد، استفاه از توابع تصمیم گیری مبتنی بر تابع نسبت شباهت عملکرد بهتری نسبت به حالت ترکیب خطی انرژی ها با ضرایب یکسان خواهند داشت. به عنوان مثال با فرض وجود چهار خوشه با snrهای ?[-13,-6,6,13]?^t db بهبود در عملکرد سنجش طیف برای الگوریتم های glr، alr و lr به ترتیب برابر با 1.25db، 2.39db و 3.39db است. درحالی که این مقادیر برای snr=?[-7,-3,3,7]?^t db به 0.46db، 1.12db و 2.81db کاهش می یابد. در بخش پایانی این رساله تاثیر وجود همبستگی بین ضرایب مربوط به محوشدگی های مقیاس کوچک کانال های بین فرستنده ی اولیه و حسگرهای مشارکت کننده و عدم استفاده از آن در طراحی آشکارساز مورد بررسی قرار گرفته و الگوریتم پیشنهادی alr به حالتی که محوشدگی مقیاس کوچک کانال ها همبسته هستند نیز تعمیم داده شده است. نتایج شبیه سازی نشان داده اند هرچه تعداد حسگرها با مشاهدات همبسته بیشتر شود، اثر در نظر گرفتن این همبستگی در طراحی آشکارساز نمایان تر خواهد شد. به عنوان مثال با فرض وجود همبستگی یکسان r=0.3 بین مشاهدات حسگرها، با افزایش تعداد حسگرها از 5 به 7، نسبت احتمال آشکارسازی با استفاده از alr همبسته نسبت به احتمال آشکارسازی با استفاده از alr بدون در نظر گرفتن همبستگی از 0.8db به 2.8db افزایش می یابد.