(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức

(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức(Luận án tiến sĩ) Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG HỌC VIỆN KỸ THUẬT QUÂN SỰ - NGUYỄN VIẾT TUYẾN PHÁT TRIỂN GIẢI PHÁP CẢM BIẾN PHỔ CHO HỆ THỐNG VÔ TUYẾN NHẬN THỨC LUẬN ÁN TIẾN SĨ KỸ THUẬT Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã số : 52 02 03 HÀ NỘI - 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG HỌC VIỆN KỸ THUẬT QUÂN SỰ NGUYỄN VIẾT TUYẾN PHÁT TRIỂN GIẢI PHÁP CẢM BIẾN PHỔ CHO HỆ THỐNG VÔ TUYẾN NHẬN THỨC LUẬN ÁN TIẾN SĨ KỸ THUẬT Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã số : 52 02 03 NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS-TS VÕ KIM TS NGUYỄN HẢI DƯƠNG HÀ NỘI - 2018 LỜI CAM ĐOAN Tôi xin cam đoan kết trình bày luận án cơng trình nghiên cứu hướng dẫn cán hướng dẫn Các số liệu, kết trình bày luận án hoàn toàn trung thực, phần cơng bố tạp chí khoa học chuyên ngành, kỷ yếu hội nghị khoa học nước quốc tế Phần cịn lại chưa cơng bố cơng trình nghiên cứu Các kết sử dụng tham khảo trích đầy đủ theo quy định Hà Nội, ngày 15 tháng 12 năm 2018 NGHIÊN CỨU SINH Nguyễn Viết Tuyến LỜI CẢM ƠN Trong q trình nghiên cứu hồn thành luận án này, tác giả nhận nhiều giúp đỡ đóng góp quý báu Đầu tiên, tác giả xin bày tỏ lòng biết ơn sâu sắc tới PGS.TS Võ Kim, TS Nguyễn Hải Dương tận tình hướng dẫn giúp đỡ tác giả trình nghiên cứu Xin trân trọng cảm ơn TS Hồng Mạnh Kha có góp ý quan trọng trình thực luận án Tác giả xin chân thành cảm ơn Bộ môn Xung số - Vi xử lý Khoa Vơ tuyến Điện tử, Phịng Sau Đại học Học viện Kỹ thuật Quân tạo điều kiện thuận lợi để tác giả hoàn thành luận án Tác giả xin cảm Trường Đại học Công nghiệp Hà Nội, đơn vị chủ quản, tạo điều kiện cho phép tác giả tham gia nghiên cứu năm làm nghiên cứu sinh Cuối cùng, tác giả xin bày tỏ lịng biết ơn đến gia đình, bạn bè, đồng nghiệp động viên, giúp đỡ tác giả vượt qua khó khăn để đạt kết nghiên cứu ngày hôm Hà Nội, ngày 18 tháng 12 năm 2018 NGHIÊN CỨU SINH Nguyễn Viết Tuyến i MỤC LỤC MỤC LỤC i DANH MỤC CÁC TỪ VIẾT TẮT iii DANH MỤC HÌNH VẼ v DANH MỤC BẢNG BIỀU, LƯỢC ĐỒ vii DANH MỤC KÝ HIỆU TOÁN HỌC viii MỞ ĐẦU Chương 1: TỔNG QUAN KỸ THUẬT CẢM BIẾN PHỔ TRONG MẠNG VÔ TUYẾN NHẬN THỨC 1.1.Giới thiệu 1.2.Vô tuyến nhận thức 1.3.Các kỹ thuật cảm biến phổ 12 1.4.Cảm biến phổ hợp tác 17 1.5.Kỹ thuật ước lượng tham số 23 1.6.Thuật toán tối ưu 25 1.7.Mơ hình Markov ẩn 29 1.8.Tóm tắt chương 31 Chương 2: NÂNG CAO HIỆU QUẢ KỸ THUẬT CẢM BIẾN PHỔ TẠI NÚT RIÊNG LẺ 33 2.1.Giới thiệu 33 2.2.Mơ hình hệ thống CED 35 2.3.Đề xuất hệ thống ED-EM 39 ii 2.4.Đề xuất ước lượng công suất nhiễu dùng EM kết hợp với GA xác định ngưỡng tối ưu 45 2.5.Đề xuất sử dụng mơ hình HMM để xác định trạng thái kênh 52 2.6.Tóm tắt chương 61 Chương 3: XÁC ĐỊNH BỘ TRỌNG SỐ TỐI ƯU TRONG CẢM BIẾN PHỔ HỢP TÁC QUYẾT ĐỊNH MỀM 63 3.1.Giới thiệu 63 3.2.Mơ hình hệ thống CSS-SDF 64 3.3.Đề xuất hệ thống CSS- SDF dùng GA (GA-SDF) kết hợp với ước lượng công suất nhiễu dùng EM (EMGA-SDF) 66 3.4.Đề xuất hệ thống CSS- SDF dùng thuật tốn đàn dơi (BA-SDF) 73 3.5.Tóm tắt chương 82 KẾT LUẬN 83 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ 85 TÀI LIỆU THAM KHẢO 86 iii DANH MỤC CÁC TỪ VIẾT TẮT Từ viết Nghĩa tiếng Anh Nghĩa Tiếng Việt ABA Adaptive Bat Algorithm Thuật tốn đàn dơi thích nghi ADC Analog Digital Converter Bộ biến đổi tương tự - số AF Amplify and Forward Khuếch đại chuyển tiếp AWGN Additive White Gauss Noise Tạp âm Gauss trắng cộng tính BA Bat Algorithm Thuật tốn đàn dơi BPSK Binary Phase Shift Keying Khóa dịch pha nhị phân CED Conventional Energy Kỹ thuật phát lượng Detection truyền thống Cyclostationary Feature Phát đặc tính dừng Detection tín hiệu CP Cyclic Prefix Tiếp đầu tuần hoàn CRN Cognitve Radio Netwok Mạng vô tuyến nhận thức CFAR Constant False Alarm Rate Xác suất phát nhầm tắt CFD không đổi CDR Constant Detection Rate Xác suất phát không đổi CSS Cooperative Spectrum Cảm biến phổ hợp tác Sensing DSA Dynamic Spectrum Access Truy cập phổ động ED Energy Detection Phát lượng EGC Equal Gain Combining Kết hợp đồng độ lợi iv EM Expectation Maximization Cực đại hóa kì vọng FC Fussion Center Nút định FSA Fixed Spectrum Allocation Phân bố phổ tần cố định GA Genetic Algorithm Thuật toán di truyền HDF Hard Decision Fusion Quyết định cứng HMM Hidden Markov Model Mơ hình Markov ẩn HOS High Order Statistic Thống kê bậc cao MF Matched Filter Bộ lọc kết hợp ML Maximum Likelihood Hợp lý cực đại MRC Maximal Ratio Combination Kết hợp với tỉ lệ cực đại PDF Probability Density Function Hàm mật độ xác suất PSD Power Spectral Density Mật độ phổ cơng suất PU Primary User Người dùng ROC Receiver Operating Đường cong đặc tính nhận Characteristic Received Signal Strength Chỉ số cường độ tín hiệu nhận Index SCD Spectral Correlation Density Mật độ phổ tương quan SDF Soft Decision Fusion Quyết định mềm SDR Software Defined Radio Vô tuyến định nghĩa mềm SS Spectrum Sensing Cảm biến phổ SU Secondary User Người dùng thứ cấp Wi-Fi Wireless Fidelity Mạng cục vô tuyến RSSI v DANH MỤC HÌNH VẼ Hình 1.1 Hố phổ truy cập phổ động Hình 1.2 Phân loại kỹ thuật cảm biến phổ 14 Hình 1.3 Năng lượng thu SU, tín hiệu PU BPSK, kênh Gauss, N=15, SNR=2dB 14 Hình 1.4 Phân loại cảm biến phổ hợp tác 19 Hình 1.5 Mơ hình Markov ẩn 30 Hình 2.1 Sơ đồ khối CED 36 Hình 2.2 Quan hệ Pf , σ n2 λ 39 Hình 2.3 Sơ đồ khối hệ thống đề xuất ED-EM 39 Hình 2.4 PDF liệu phân bố Gauss 40 (a): Dữ liệu đầy đủ, (b): Dữ liệu bị cắt 40 Hình 2.5 Ngưỡng định công suất nhiễu thay đổi với Pf =0,1 43 Hình 2.6 Ngưỡng định ngưỡng cắt thay đổi 44 Hình 2.7 Xác suất phát Pd ngưỡng cắt Tc = 60, σ n2 = 0,8 44 Hình 2.8 Sơ đồ khối đề xuất ED-EMGA 46 Hình 2.9 Lưu đồ thuật tốn ED-GA 48 Hình 2.10 Tốc độ hội tụ hàm mục tiêu dùng GA, SNR = -20dB 49 Hình 2.11 Ngưỡng tối ưu SNR = [-25,0] dB, α = 10%, 50%, 90% 50 Hình 2.12 Xác suất phát Pd , α = 50% 51 Hình 2.13 Xác suất lỗi phát Pe , α = 50% 51 Hình 2.14 Sự đánh đổi Pm Pf 52 vi Hình 2.15 Mơ tả dự đốn trạng thái kênh 53 Hình 2.16 Mơ hình HMM trạng thái kênh PU 54 Hình 2.17 Histogram xt 55 Hình 2.18 Histogram st trường hợp H0 58 Hình 2.19 Histogram st trường hợp H1 58 Hình 2.20 Histogram xt trường hợp H0 59 Hình 2.21 Histogram xt trường hợp H1 59 Hình 2.22 PA với SNR=-5dB 60 Hình 2.23 PA SNR thay đổi 60 Hình 2.24 Xác suất phát Pd sử dụng HMM 61 Hình 3.1 Mơ hình hệ thống CSS – SDF 64 Hình 3.2 Mơ hình hệ thống đề xuất EMGA – SDF 67 Hình 3.3 Lưu đồ thuật tốn GA – SDF 68 Hình 3.4 Toán tử lai ghép 69 Hình 3.5 ROC hệ thống GA-SDF với số SU khác 71 Hình 3.6 So sánh hệ thống EMGA – SDF GA-SDF 72 Hình 3.7 Lưu đồ thuật tốn BA- SDF 75 Hình 3.8 ROC GA-SDF BA-SDF với 1000 vòng lặp 77 Hình 3.9 Tốc độ hội tụ BA-SDF GA-SDF 77 Hình 3.10 So sánh ROC BA-SDF GA-SDF 78 Hình 3.11 ROC BA-SDF với số lượng SU thay đổi 79 Hình 3.12 Quan hệ ψ số lượng SU 81 Hình 3.13 So sánh tốc độ hội tụ ABA-SDF BA-SDF 82 81 thức (3.5)) có giá trị lớn BA hội tụ ứng với số lượng SU định Theo thủ tục lược đồ 3.1, giá trị khoảng từ đến 30 số lượng SU có 100 giá trị ψ (các giá trị trùng nhau) Kết hình 3.12 thể ψ có xu hướng tuyến tính theo số lượng SU Sử dụng phương pháp trung bình bình phương nhỏ (LMS: Least Mean Square) ta xác định mối quan hệ ψ M (số lượng SU, tương ứng với tham số chiều tìm kiếm d) công thức (3.23) ψ = 0,0932 + 0,0052M (3.23) 0.9 0.8 0.7 Ψ 0.6 0.5 0.4 0.3 0.2 0.1 0 10 15 20 25 30 Sè l−ỵng SU Hình 3.12 Quan hệ ψ số lượng SU ABA áp dụng để ước lượng véc tơ trọng số tối ưu theo công thức (3.5) Các tham số mơ bảng 3.2 Hình 3.13 cho thấy sau 1000 mô Monte Carlo, với số SU 20, BA-SDF cần khoảng 35 vòng lặp để hội tụ, ABA- SDF cần khoảng 10 lần lặp để có kết tương tự Khi số lượng SU giảm BA-SDF ABA-SDF cần số vịng lặp để tiến tới giá trị hội tụ đồng thời giá trị tối ưu giảm theo 82 0.94 0.92 0.9 0.88 0.86 Pd BA-SDF víi M=20 ABA-SDF víi M=20 BA-SDF víi M=10 ABA-SDF víi M=10 0.84 0.82 0.8 0.78 0.76 10 15 20 25 30 35 40 45 Số vòng lặp Hình 3.13 So sánh tốc độ hội tụ ABA-SDF BA-SDF 3.5 Tóm tắt chương Xác định trọng số để tối đa hóa xác suất phát thời gian ngắn thách thức không nhỏ nghiên cứu CSS- SDF Chương tác giả đề xuất sử dụng thuật tốn tối ưu mơ thiên nhiên để xác trọng số Việc kết hợp EM GA thông qua kết mơ cho thấy hiệu SS xác cải thiện đáng kể Trong chương đề xuất BA cho hệ thống CSS - SDF Kết mô chứng minh việc sử dụng BA cho hệ thống CSS - SDF cho kết tốt việc dùng GA có tốc độ hội tụ giá trị tối ưu nhanh Ngoài tác giả đề xuất cải tiến thuật toán BA để tham số thích nghi với số lượng SU, kết mô cho thấy tốc độ hội tụ ABA cải thiện rõ rệt 83 KẾT LUẬN Trong luận án này, tác giả tiến hành nghiên cứu tổng quan kỹ thuật cảm biến phổ mạng vô tuyến nhận thức Trên sở luận án đề xuất sử dụng EM để ước lượng công suất nhiễu, tham số HMM sử dụng thuật toán tối ưu để tối ưu hóa xác suất phát phổ tần Các kết mơ máy tính phương pháp Monte-Carlo chứng minh hiệu đề xuất A Các kết luận án Các kết đạt luận án bao gồm: Đề xuất giải pháp nâng cao hiệu cảm biến phổ nút riêng lẻ cho kỹ thuật ED điều kiện thực tế liệu thu không đầy đủ giới hạn ngưỡng thu thiết bị Giải pháp đạt độ tin cậy cao cách phát triển kết hợp kỹ thuật ước lượng cơng suất nhiễu kỹ thuật tối ưu tồn cục Giải pháp đề xuất kiểm chứng kịch khảo sát ngưỡng cắt thay đổi Kết cho thấy giải pháp đề xuất cho hiệu cảm biến phổ tốt giải pháp khơng có xử lý vấn đề liệu Đây đề xuất phần kết nghiên cứu cơng bố cơng trình nghiên cứu số Đề xuất giải pháp nâng cao độ xác ước lượng trạng thái kênh truyền Giải pháp thực việc sử dụng thuật tốn cực đại hóa hóa kì vọng để ước lượng tham số mơ hình HMM điều kiện liệu thu không đầy đủ Kết cho thấy giải pháp đề xuất có độ xác cao phương pháp ước lượng tham số mơ hình HMM dùng kỹ thuật tối đa hóa hợp lý đề xuất trước Đề xuất áp dụng vào hệ thống thực tiễn vùng có SNR nhỏ Các kết trình bày cơng trình nghiên cứu số 84 Đề xuất giải pháp xác định trọng số cho hệ thống cảm biến phổ hợp tác định mềm để tối ưu hóa xác suất phát Giải pháp thực việc sử dụng tối ưu tham số thuật tốn mơ thiên nhiên Giải pháp đề xuất cho phép giảm thời gian để FC tạo trọng số tối ưu Đề xuất kiểm chứng số lượng SU thay đổi, điều kiện kênh truyền khác Kết cho thấy giải pháp đề xuất có tốc độ hội tụ giá trị tối ưu nhanh so với giải pháp đề xuất trước Đề xuất kết áp dụng vào CRN thực tế Các kết nghiên cứu cơng bố cơng trình nghiên cứu số 3,4 số B Hướng phát triển luận án Các kết nghiên cứu luận án dừng lại thuật toán kỹ thuật đề xuất cho CRN với số mẫu đủ lớn Các kết mô kiểm chứng kết số đề xuất sử dụng mơ hình kênh AWGN Về mặt ngun tắc thuật tốn kỹ thuật hoàn toàn áp dụng cho hệ thống CRN với số mẫu nhỏ mơ hình kênh khác Tuy nhiên, phân bố liệu thu khơng cịn Gauss đơn mà Gauss hỗn hợp (Gaussian Mixture), phân bố Gamma…các kỹ thuật tính tốn cần nghiên cứu chi tiết cho trường hợp Việc nghiên cứu thuật toán tối ưu GA, BA ứng dụng cho kỹ thuật cảm biến phổ thông qua mô cho kết tốt, nhiên cần thực hóa hệ thống thiết bị thật 85 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ Viet Tuyen Nguyen, Manh Kha Hoang, Kim Vo, Hai Duong Nguyen, “Enhancement of ED based Spectrum Sensing by Accurate Noise Power Estimation”, Proc The 2016 International Conference on Advanced Technologies for Communications, pp 500 – 504, October 2016, Ha Noi, Vietnam Viet Tuyen Nguyen, Manh Kha Hoang, Kim Vo, Hai Duong Nguyen, “HMM Based Spectrum Sensing in the Presence of Censored Data”, Proc The 2016 International Conference on Advanced Technologies for Communications, pp 174 – 178, October 2016, Ha Noi, Vietnam Manh Kha Hoang, Viet Tuyen Nguyen, Kim Vo, Hai Duong Nguyen, “Enhancement of Cooperative Spectrum Sensing Employing Genetic Algorithm and Noise Power Estimation”, Chuyên san Cơng nghệ thơng tin truyền thơng- Tạp chí Khoa học Kỹ thuật - Học viện KTQS, trang 65 – 76, số 184 tháng 06 năm 2017 Nguyễn Viết Tuyến, Hoàng Mạnh Kha, Nguyễn Hải Dương, Võ Kim, “Nâng cao hiệu cảm biến phổ cho mạng vô tuyến nhận thức sử dụng thuật tốn dơi”, Tạp chí Khoa học Công nghệ Quân sự, trang 111-118, số 50 tháng 08 năm 2017 Viet Tuyen Nguyen, Kim Vo, Hai Duong Nguyen and Manh Kha Hoang, “A Novel Proposal of Adaptive Bat Algorithm for Cooperative Spectrum Sensing”, Journal of Heat and Mass Transfer, Special Volume, Issue III, Advances in Mechanical System and ICT-convergence, Pages 353 - 360, August 2018, online at http://dx.doi.org/10.17654/HMSI318353 (Scopus Journal) 86 TÀI LIỆU THAM KHẢO A B Flores et al (2013), "IEEE 802.11af: A Standard for TV White Space Spectrum Sharing", IEEE Communications Magazine, vol 51 (no 10), pp 92-100 A Gokceoglu, S Dikmese, M Valkama, and M Renfors, (2014), "Energy Detection under IQ Imbalance with Single-and Multi-Channel DirectConversion Receiver: Analysis and Mitigation", IEEE Journal on Selected Areas in Communications, vol 32 (no 3), pp 411–424 A Shukla et al (2006), Cognitive Radio Technology: A Study for Ofcom – Summary Report, QinetiQ Proprietary Andrea Mariani, Andrea Giorgetti and Marco Chiani (2011), "Effects of Noise Power Estimation on Energy Detection for Cognitive Radio Applications", IEEE Transactions on Communications, vol 59 (no 12) Bin Shen, Sana Ullah, Kyungsup Kwak (2010), "Deflection coefficient maximization criterion based optimal cooperative spectrum sensing", Int J Electron Commun (AEÜ), vol 64, pp 819–827 C Ghosh, C Cordeiro, D Agrawal, and M Rao (2009), "Markov chain existence and hidden markov models in spectrum sensing", in Pervasive Computing and Communications, PerCom 2009, IEEE International Conference on, pp 1-6 Carl R Stevenson, Carlos Cordeiro, Eli Sofer and Gerald Chouinard, (2005), "Functional Requirements for the 802.22 WRAN Standard", IEEE 802.22-05/0007r46 D Cabric et al (2006), "Spectrum Sensing Measurements of Pilot, Energy, and Collaborative Detection", Communications Conference, pp 1-7 in IEEE Military 87 D Donoho (2006), "Compressed sensing", IEEE Transactions on Information Theory, vol 52 (no 4) 10 D Gesbert (2003), "From Theory to Practice: An Overview of MIMO Space–Time Coded Wireless Systems", IEEE Journal on Selected Areas in Communications, vol 3(no 3), pp 85-97 11 D Martinez and A Andrade (2014), "On the reduction of the noise uncertainty effects in energy detection for spectrum sensing in cognitive radios", in IEEE Annual International Symposium on Personal, Indoor, and Mobile Radio Communication, pp 1975–1979 12 Deepak R Joshi, Dimitrie C Popescu, Octavia A Dobre, (2011), "Gradient-Based Threshold Adaptation for Energy Detector in Cognitive Radio Systems", IEEE Communication Letters, vol 15 (no 1), pp 1921 13 Dempster, A.P, Laird, N.M and Rubin, D.B (1977), "Maximum Likelihood from Incomplete Data via the EM Algorithm", Journal of the Royal Statistical Society, Series B, Methodologica, pp 1–38 14 E Axell, G Leus, E Larsson, and H Poor, (2012), "Spectrum Sensing for Cognitive Radio : State-of-the-Art and Recent Advances", IEEE Signal Processing Magazine, vol 29 (no 3), pp 101–116 15 E Chatziantoniou, B Allen, and V Velisavljevic (2015), "Threshold Optimization for Energy Detection-Based Spectrum Sensing Over Hyper Rayleigh Fading Channels", IEEE Communications Letters, vol 19 (no 6), pp 1077–1080 16 E Hossain, and B Bhargava (2007), "Cognitive Wireless Communication Networks", New York: Springer, p 440 17 E Peh and Y Liang (2007), "Optimization for Cooperative Sensing in Cognitive Radio Networks", IEEE Wireless Communications and 88 Networking Conference, Hong Kong,China, pp 27–32 18 E Rebeiz, A Ghadam, M Valkama, and D Cabric (2015), "Spectrum Sensing Under RF Non-Linearities: Performance Analysis and DSPEnhanced Receivers", IEEE Transactions on Signal Processing, vol 63 (no 8), pp 1950–1964 19 E Vistotsky, S Kuffner, and R Peterson (2005), "On Collaborative Detection of TV Transmissions in Support of Dynamic Spectrum Sharing", IEEE International Symposiumon New Frontiers in Dynamic Spectrum Access Networks, pp 338–345 20 El-Saleh, A A., M Ismail, and M A M Ali, (2011), "Genetic algorithm-assisted soft fusion-based linear cooperative spectrum sensing", IEICE Electronics Express, vol 8, pp 1527–1533 21 F F Digham et al (2007), "On the Energy Detection of Unknown Signals over Fading Channels", IEEE Transactions on Communications, vol 55 (no 1), pp 21-24 22 F Xu, X Zheng, and Z Zhou (2009), "Accurate spectrum sensing based on high order statistical analyse", in Communications and Information Technology, 2009 ISCIT 2009 9th International Symposium, pp 643 – 647 23 FCC Spectrum Policy Task Force (2002), Report of the spectrum efficiency working group, Technical report 24 G Yang et al (2016), "Cooperative Spectrum Sensing in Heterogeneous Cognitive Radio Networks Based on Normalized Energy Detection", IEEE Transactions on Vehicular Technology, vol 65 (no 3), pp 14521463 25 Ganesan, G and Y G Li (2007), "Cooperative spectrum sensing in cognitive radio, Part II : Multiuser networks," IEEE Trans on Wireless 89 Communications, vol (no 6) 26 Ghasemi, A.; Sousa, E.S (2005), "Collaborative spectrum sensing for opportunistic access in fading environments", First IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks, DySPAN, pp 131-136 27 Giannakis, Z Tian and G (2007), "Compressed sensing for wideband cognitive radios", 2007 IEEE International Conference on Acoustics, Speech and Signal Processing - ICASSP '07, vol 4, pp 1357-1360 28 Giannakis, Z Tian and G B (2006), "A wavelet approach to wideband spectrum sensing for cognitive radios ", in Cognitive Radio Oriented Wireless Networks and Communications 1st International Conference pp –5 29 Gyanendra Prasad Joshi, Seung Yeob Nam and Sung Won Kim (2013), "Cognitive Radio Wireless Sensor Networks: Applications, Challenges and Research Trends", Sensors 2013, pp 11196-11228 30 H Tang (2005), "Some Physical Layer Issues of Wide-band Cognitive Radio Systems", IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks, pp 151–159 31 H Urkowitz (1967), "Energy Detection of Unknown Deterministic Signals", Proceedings of the IEEE, vol 55(no 4), pp 523 - 531 32 H.H Choi, K Jang, and Y Cheong (2008), "Adaptive sensing threshold control based on transmission power in cognitive radio systems", in Proc 2008 International Conference on Cognitive Radio Oriented Wireless Networks and Communications, pp 16-22 33 Hossain, Md Kamal, Ayman A El-Saleh, and Mahamod IsmaiI (2011), "A comparison between binary and continuous genetic algorithm for collaborative spectrum optimization in cognitive radio network", 2011 90 IEEE Student Conference on Research and Development 34 I F Akyildiz et al (2006), "Next Generation Dynamic Spectrum Access Cognitive Radio Wireless Networks: A Survey", Computer Networks Journal (Elsevier), vol 50 (no 13) 35 I F Akyildiz et al (2009), "Crahns: Cognitive Radio Ad Hoc Networks", Ad Hoc Networks, Special Issue on Social-Based Routing in Mobile and Delay-Tolerant Networks, vol.10(no 8), pp 1517-1646 36 I F Akyildiz et al (2011), "Cooperative Spectrum Sensing in Cognitive Radio Networks: A Survey", Physical Communication, vol 4(no 1), pp 40-62 37 I Sobron, P Diniz, W Martins, M Velez (2015), "Energy Detection Technique for Adaptive Spectrum Sensing", IEEE Transactions on Communications, vol 63 (no 3), pp 617–627 38 ITU World Telecommunication/ICT Indicators database (2017), "ICT Facts and Figures (2017)", International Telecommunication Union 39 J Bobin, J.-L Starck, and R Ottensamer (2008), "Compressed sensing in astronomy", IEEE Journal of Selected Topics in Signal Processing., vol (no 5), pp 718 –726 40 J Mitola (1999), "Cognitive radio for flexible mobile multimedia communications", IEEE International Workshop on Mobile Multimedia Communications, pp 3-10 41 J Mitola III (2000), "Cognitive Radio: An Integrated Agent Architecture for Software Defined Radio", Royal Institute of Technology (KTH), Stockholm, Sweden 42 J Mitola III, and G Q Maguire, Jr (1999), "Cognitive Radio: Making Software Radios More Personal", IEEE Personal Communications, vol 6(no 4), pp 13-18 91 43 K Hoang and R Haeb-Umbach (2013), "Parameter Estimation and Classification of Censored Gaussian Data with Application to WiFi Indoor Positioning", in Proc ICASSP, Vancouver, 44 L Khaled, and Z Wei (2009), "Cooperative Communications for Cognitive Radio Networks", Proceedings of the IEEE, vol 97 (no 5,), pp 878-893 45 Li, G Ganesan and Y (2005), "Agility improvement through cooperative diversity in cognitive radio", in proc IEEE Global Telecomm Conf (Globecon) vol (St Louis, Missouri, USA), pp 2505-2509 46 Liang, Y Zeng and Y C ( 2009), "Spectrum sensing Algorithms for Cognitive Radio Based on Statistical Covariances", IEEE Transactions On Vehicular Technology, vol 58 (no 4) 47 M A McHenry (2005), "NSF Spectrum Occupancy Measurements Project Summary", Shared Spectrum Company 48 M Jun et al (2009), "Signal Processing in Cognitive Radio", Proceedings of the IEEEE, vol 97 (no 5), pp 805-823 49 M Sherman et al (2008), "IEEE Standards Supporting Cognitive Radio and Networks, Dynamic Spectrum Access, and Coexistence", IEEE Communications Magazine, vol 46 (no 7), pp 72-79 50 M Shehab El Din, M El-Tarhuni, K Assaleh, S Kiranyaz, (2015), "An HMM-Based Spectrum Access Algorithm for Cognitive Radio Systems", International Conference on Information and Communication Technology Research (ICTRC2015) 51 M López-Benítez, F Casadevall (2010), "Spatial Duty Cycle Model for Cognitive Radio", 21st Annual IEEE International Symposium on Personal, Indoor and Mobile Radio Communications, pp 1631-1636 92 52 Munmun Sardar, K.V Karthikeyan (2016), "Study on Sensing techniques for Cognitive Radio Network: A Survey ", 2016 International Conference on Circuit, Power and Computing Technologies [ICCPCT] 53 P R Nair, A P Vinod, and A K Krishna, (2010), "An adaptive threshold based energy detector for spectrum sensing in cognitive radios at low SNR", in Proc 2010 IEEE International Conference on Communication Systems, pp 574-578 54 Payal Mishra, Neelam Dewangan (2016), "Performance Analysis of Spectrum Sensing using GA and Bacteria Foraging Optimization in Cognitive Radio", IEEE WiSPNET conference 55 Q Zhi et al (2008), "Optimal Linear Cooperation for Spectrum Sensing in Cognitive Radio Networks", IEEE Journal of Selected Topics in Signal Processing, vol (no 1), pp 28-40 56 R Vadivelu, K Sankaranarayanan, T Aswathy, (2012), "High Precision Spectrum Sensing for Cognitive Radio using Hidden Markov Model," International Journal of Computer Applications (0975 - 8887), vol 51 (no.7) 57 R Tandra and A Sahai, “Snr Walls for Signal Detection (2008), "Snr Walls for Signal Detection", IEEE Journal of Selected Topics in Signal Processing, vol 2(no 1), pp 4–17 58 R Umar, A Sheikh, and M Deriche (2014), "Unveiling the Hidden Assumptions of Energy Detector Based Spectrum Sensing for Cognitive Radios", IEEE Communications Surveys Tutorials, vol 16 (no 2), pp 713–728 59 S.-Q Liu, B.-J Hu and X.-Y Wang (2012), "Hierarchical cooperative spectrum sensing based on double thresholds energy detection", IEEE Communications Letters, vol 16 (no 7), pp 1096-1099 93 60 S Atapattu, C Tellambura and H Jiang (2014), Energy Detection for Spectrum Sensing in Cognitive Radio, Springer Briefs in Computer Science, Springer New York 61 S Dikmese, P Sofotasios, M Renfors, and M Valkama (2016), "Subband Energy Based Reduced Complexity Spectrum Sensing Under Noise Uncertainty and Frequency-Selective Spectral Characteristics", IEEETransactions on Signal Processing, vol 64 (no 1), pp 131–145 62 S Haykin (2005), "Cognitive Radio: Brain-Empowered Wireless Communications", IEEE Journal on Selected Areas in Communications vol 23 (no 2), pp 201-220 63 S K Jayaweera (2014), Signal Processing for Cognitive Radios, John Wiley & Sons, Inc 64 Shared Spectrum Company (2010), General survey of radio frequency bands: 30 MHz to 3GHz, Technical report 65 Srinivas Nallagonda, Kumar Bandari, Sanjay Dhar Roy, Sumit Kundu, and (2013), "Performance of Cooperative Spectrum Sensing with Soft Data Fusion Schemes in Fading Channels", Annual IEEE India Conference (INDICON) 66 Tareq M Shami , Ayman A El-Saleh, Aymen M Kareem (2014), "On the detection performance of cooperative spectrum sensing using particle swarm optimization algorithms", 2014 IEEE 2nd International Symposium on Telecommunication Technologies (ISTT), Langkawi, Malaysia, pp 110-114 67 Tevfik Yucek , Huseyin Arslan (2009), "A Survey of Spectrum Sensing Algorithms for Cognitive Radio Applications", IEEE communications surveys & tutorials, vol.11 (no.1) 94 68 Vo Nguyen Quoc Bao, Le Quoc Cuong, Le Quang Phu, Tran Dinh Thuan Nguyen Thien Quy, Lam Minh Trung (2011), "Vietnam Spectrum Occupancy Measurements Applications", 2011 and Analysis International for Cognitive Radio Conference on Advanced Technologies for Communications 69 W Zhang, R Mallik and K Letaief (2009), "Optimization of Cooperative Spectrum Sensing with Energy Detection in Cognitive Radio Networks", IEEE Trans Wireless Comm, vol (no 12), pp 5761-5766 70 X Yang, S Peng, K Lei, and X Cao (2009), "Spectrum sensing based on covariance matrix under noise uncertainty", in Wireless Communications, Networking and Mobile Computing, 2009 WiCom ’09 5th International Conference, pp –4 71 Xin-She Yang (2013), "Bat algorithm: literature review and applications", Int J Bio-Inspired Computation, vol (no 3), pp 141– 149 72 Xu-ping Zhai , Hai-gen He, Guo-xin Zheng (2011), "Optimization of threshold for local spectrum sensing with energy detector", Journal of Shanghai University (English Edition), pp 132-136 73 Y Zeng and Y C Liang (2009), "Eigenvalue-Based Spectrum Sensing Algorithms for Cognitive Radio", IEEE Transaction on Communication, vol 57 (no 6), pp 1784-1793 74 Y Alghorani, G Kaddoum, S Muhaidat, and S Pierre (2015), "On the Approximate Analysis of Energy Detection Over - Rayleigh Fading Channels Through Cooperative Spectrum Sensing", IEEE Wireless Communications Letters, vol (no 4), pp 413–416 95 75 Y Liang, Y Zeng, E C Peh, and A T Hoang (2008), "SensingThroughput Tradeoff for Cognitive Radio Networks,” IEEE Transactions on Wireless Communications", IEEE Transactions on Wireless Communications, vol (no 4), pp 1326–1337 76 Y Zeng, Y C Liang and R Zhang (2008), "Blindly combined energy detection for spectrum sensing in cognitive radio", IEEE Signal Processing Letters, vol 15, pp 649- 652 77 Y Zhou and F Tian (2010), "A spectrum sensing algorithm based on random matrix theory in cognitive radio networks", in Wireless Communication Systems (ISWCS), 2010 7th International Symposium pp 971 –975 78 Yang, Xin-She (2014), Nature-Inspired Optimization Algorithms, ed edition, First, Elsevier, 32 Jamestown Road, London NW1 7BY 79 Z Sun, G Bradford, and J Laneman (2011), "Sequence detection algorithms for phy-layer sensing in dynamic spectrum access networks", IEEE Journal of Selected Topics in Signal Processing, vol (no 1), pp 97–109 80 Zhang, W., R K Mallik, and K Ben Letaief (2008), "Cooperative spectrum sensing optimization in cognitive radio networks", Proc IEEE Int Conf Comm, pp 3411–3415 81 Zhuan Ye, G Mernik, John Grosspietsch (2008), "Energy Detection using Estimated Noise Variance for Spectrum Sensing in Cognitive Radio Networks", In Proc Wireless Communication and Networking Conference, pp 711 - 716 ... gian cảm biến phổ thách thức hướng cho nhà nghiên cứu theo đuổi Tóm lại, việc phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến hợp tác nhằm tối đa hóa xác suất phát hiện, giảm xác suất phát. .. giải pháp cảm biến phổ mạng vơ tuyến nhận thức luận án có ý nghĩa mặt khoa học thực tiễn: • Ý nghĩa khoa học: - Các kết nghiên cứu luận án góp phần phát triển giải pháp cảm biến phổ mạng vô tuyến. .. QUỐC PHÒNG HỌC VIỆN KỸ THUẬT QUÂN SỰ NGUYỄN VIẾT TUYẾN PHÁT TRIỂN GIẢI PHÁP CẢM BIẾN PHỔ CHO HỆ THỐNG VÔ TUYẾN NHẬN THỨC LUẬN ÁN TIẾN SĨ KỸ THUẬT Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã số :