Radio cognitive
1. Les utilisateurs principaux sont les utilisateurs autorisés à opérer dans une bande de spectre particulière.
2. Les trous de spectre sont de l’espace disponible dans une bande de spectre qui peut être utilisée par des utilisateurs sans licence. Les trous de spectre sont créés et supprimés dynamiquement en temps réel.
Limites des techniques de détection du spectre
La détection du spectre est la meilleure solution de CR, mais elle nécessite un temps de détection important. Il nécessite également un algorithme complexe pour atteindre la fiabilité.
Non coopératif:
Détection parallèle
- Complexité matérielle
- Coût élevé
Détection séquentielle
- Temps de détection long car les dispositifs CR doivent balayer les fréquences des utilisateurs principaux un par un pour détecter la disponibilité des trous de spectre
Forme d’onde
- Nécessite une connaissance préalable de la signature de synchronisation de tous les utilisateurs principaux dans diverses bandes de spectre
- Cette technique est sensible aux erreurs de synchronisation qui peuvent provoquer une fausse détection des utilisateurs principaux
Filtre de correspondance
- Nécessite une connaissance préalable des modèles de forme d’onde de tous les utilisateurs principaux dans les différentes bandes de spectre
- La variance et l’incertitude du bruit rendent cette technique peu fiable car les dispositifs CR sont incapables de détecter le signal transmis par les utilisateurs principaux
Cyclo Stationnaire
- Complexité de calcul élevée
Coopérative:
La technique de détection coopérative a besoin de ZZ pour combiner intelligemment les entrées de divers dispositifs CR et vérifier la disponibilité des trous de spectre. La précision de l’algorithme est ici critique car une détection incorrecte peut affecter inversement les performances des utilisateurs principaux dans les bandes de spectre. La conception d’un tel “algorithme parfait” est un défi
Technique 2 – Base de données de spectre
La Federal Communications Commission (FCC) a proposé un concept de base de données de spectre pour éliminer la complexité de la technique de détection de spectre et utiliser l’espace blanc de la télévision. Toutes les stations de télévision doivent mettre à jour leur utilisation la semaine prochaine dans la base de données maintenue par FAC. Les appareils CR peuvent rechercher des informations sur le spectre libre dans cette base de données. Les appareils CR auront des connaissances sur le spectre libre à utiliser et peuvent annuler la nécessité d’une détection complexe qui nécessite du temps et de l’argent.
Technique de base de données spectrales limitée
Un pourcentage important de trous spectraux sont créés dynamiquement pendant une courte durée. Il est très difficile pour une base de données de mettre à jour l’activité dynamique et en temps réel dans le spectre. Cela présente une perte d’opportunité massive pour les appareils CR (en particulier dans l’écosystème IoT où plusieurs appareils doivent transmettre une petite quantité d’informations qui peuvent être effectivement effectuées sur des trous de spectre créés dynamiquement).
Une approche consolidée pour piloter CR
Une utilisation efficace du spectre est nécessaire pour prendre en charge le nombre croissant d’appareils IOT massifs. Le spectre inutilisé peut être disponible en grandes parties (comme un espace blanc pour la télévision) ou sous forme de trous de spectre. Selon les besoins et selon une méthode opportuniste, les espaces blancs et les trous de spectre doivent être utilisés pour satisfaire les besoins futurs en spectre. Une approche combinée pourrait s’avérer idéale pour la solution CR afin de répondre aux demandes massives de spectre.
Une base de données locale facile d’accès (maintenue dans le composant réseau) et une technique de détection du spectre dans le dispositif CR peuvent offrir une meilleure solution pour la radio cognitive. La base de données doit contenir les informations ci-dessous.
- Utilisation en temps réel de l’utilisateur principal (en termes de fréquence, de temps, d’espace, de caractéristiques de transmission)
- Historique du modèle d’utilisation de l’utilisateur principal dans cette région en termes de fréquence, de temps, de puissance, de caractéristiques de transmission
Avantages
A.Détection rapide et précise du spectre inutilisé
Tout appareil CR peut commencer à rechercher des trous de spectre qui sont indiqués dans la base de données. Si la base de données affiche des trous de spectre en temps réel, les appareils CR peuvent directement commencer à les utiliser sinon, à partir des informations historiques, ils peuvent comprendre le modèle d’utilisation de l’utilisateur principal dans cette région et commencer la détection du spectre pour découvrir les trous de spectre. Comme le dispositif CR connaît les caractéristiques du signal primaire à un moment donné à partir de la base de données, la détection du spectre peut être moins complexe, précise et prend moins de temps.
D. Recherche optimisée et consommation de batterie réduite
En combinant les informations de la base de données, l’historique des habitudes d’utilisation de l’utilisateur principal et les caractéristiques du signal des utilisateurs principaux, les appareils CR n’ont pas besoin de rechercher la disponibilité de l’ensemble du spectre, mais peuvent plutôt se concentrer sur une région particulière. Ce processus permettra d’économiser du temps et de la consommation de la batterie.
Conclusion
L’approche consolidée mise en évidence dans le présent document peut aider à créer une solution moins complexe et rentable. Cela peut réduire considérablement l’investissement de l’opérateur car les CR utilisent du spectre sans licence. À mesure que le phénomène de l’IoT se développe, des dizaines de milliards d’appareils devront communiquer entre eux en temps réel. L’approche CR mise en évidence aidera les opérateurs à répondre aux exigences massives en matière de spectre et à contribuer à la construction d’un monde connecté.
