Análise da codificação wavelet em sistemas de rádio com acesso dinâmico ao espectro

Texto

(1)UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE TECNOLOGIA ´ ˜ EM ENGENHARIA ELETRICA ´ PROGRAMA DE POS-GRADUA C ¸ AO E DE ˜ COMPUTAC ¸ AO. ´ ˜ WAVELET EM SISTEMAS DE ANALISE DA CODIFICA¸ CAO ´ ˆ RADIO COM ACESSO DINAMICO AO ESPECTRO. ´ PEDRO THIAGO VALERIO DE SOUZA Disserta¸c˜ ao de Mestrado apresentada ao Programa de P´ osGradua¸cão em Engenharia Elétrica e de Computa¸cão da Universidade Federal do Rio Grande do Norte (área de concetra¸cão: Engenharia da Computa¸c˜ ao) como parte dos requisitos para obten¸cão do t´ıtulo de Mestre em Ciências.. Orientador: Prof. Luiz Felipe de Queiroz Silveira. N´ umero de Ordem do PPgEEC: M483. NATAL, RIO GRANDE DO NORTE, BRASIL. JANEIRO DE 2017..

(2) Universidade Federal do Rio Grande do Norte – UFRN Sistema de Bibliotecas – SISBI Catalogação da Publicação na Fonte - Biblioteca Central Zila Mamede Souza, Pedro Thiago Valerio de. Análise da codificação wavelet em sistemas de rádio com acesso dinâmico ao espectro / Pedro Thiago Valerio de Souza. - 2017. 119 f. : il. Dissertação (mestrado) - Universidade Federal do Rio Grande do Norte, Centro de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica e de Computação. Natal, RN, 2017. Orientador: Prof. Dr. Luiz Felipe de Queiroz Silveira. 1. Algoritmos genéticos - Dissertação. 2. Codificação wavelet Dissertação. 3. Cicloestacionariedade - Dissertação. 4. Sensoriamento espectral - Dissertação. 5. Rádio definido por software - Dissertação. 6. Otimização multiobjetivo. I. Silveira, Luiz Felipe de Queiroz. II. Título. RN/UF/BCZM. CDU 004.8.

(3) ´ ˜ WAVELET EM SISTEMAS DE ANALISE DA CODIFICA¸ CAO ´ ˆ RADIO COM ACESSO DINAMICO AO ESPECTRO ´ PEDRO THIAGO VALERIO DE SOUZA Disserta¸cão de Mestrado julgada como adequada à obten¸cão do grau de ´ Mestre em Ciências, Area de Concentra¸cão em Engenharia da Computa¸cão, e aprovada em sua forma final pelo Programa de Pós-Gradua¸cão em Engenharia Elétrica e de Computa¸cão da Universidade Federal do Rio Grande do Norte. Banca Examinadora:. NATAL, RIO GRANDE DO NORTE, BRASIL JANEIRO DE 2017.

(4) Este trabalho é dedicado aos meus pais..

(5) O mundo não é um mar de rosas; é um lugar sujo, um lugar cruel, que n˜ ao quer saber o quanto você é dur˜ ao. Vai botar você de joelhos e você vai ficar de joelhos para sempre se você deixar. Você, eu, ninguém vai bater t˜ ao forte como a vida, mas n˜ ao se trata de bater forte. Se trata de quanto você aguenta apanhar e seguir em frente, o quanto você é capaz de aguentar e continuar tentando. ´ assim que se consegue vencer. E. Sylvester Stallone (Rocky Balboa) no filme Rocky VI..

(6) AGRADECIMENTOS. Agrade¸co inicialmente a` Deus, pois sem ele nada seria. Agrade¸co aos meus pais, João e Cecy, pelo amor e suporte durante todos estes anos. A eles ofere¸co esta disserta¸cão. Ao meu irmão Vin´ıcius, pelo apoio durante todo a minha vida e o aux´ılio durante a execu¸cão deste mestrado. Ao meu orientador, Professor Luiz Felipe de Queiroz Silveira pela paciência e esfor¸co na orienta¸caõ deste texto. Aos meus grandes colegas de trabalho - Fabr´ıcio, Itálo, Arthur, Tales e Alu´ısio, pelos momentos de apoio e descontra¸cão durante a execu¸caõ desta disserta¸caõ. Aos meus familiares, especialmente a minha avô Carmosa (in memoriam) e ao meu sobrinho João Ricardo. A todos estes, dedico este texto.. VI.

(7) RESUMO. Nos sistemas de comunica¸co˜es móveis, os sinais se propagam por m´ ultiplos percursos sobre canais variantes no tempo, ficando sujeitos a distor¸co˜es provocadas pelo desvanecimento e desvios Doppler. Visando minimizar essas distor¸cões, técnicas de codifica¸caõ e de diversidade de transmissão podem ser empregadas, tais como a Codifica¸cão Wavelet. Essa técnica baseia-se na ortogonalidade das linhas da matriz wavelet e possui a capacidade de gerar ganhos de diversidade, aumentando a robustez do sistema ao desvanecimento variante no tempo, sem comprometer a eficiência espectral do sistema. Esses sistemas de rádio vêm se consolidando como um novo paradigma de comunica¸cões sem fio com o avan¸co das técnicas de processamento digital de sinais. Sistemas de rádio cognitivo com acesso dinâmico ao espectro devem ser capazes de perceber faixas de frequência desocupadas para transmissões oportun´ısticas, assim como detectar a presen¸ca de usuários primários quando estes ocupam seu espectro licenciado. Portanto, um elemento crucial para a opera¸caõ de sistemas de rádio cognitivo codificados pela codifica¸caõ wavelet é a capacidade de se sensoriar os sinais codificados por essa técnica. Como será detalhado, a possibilidade de se sensoriar esses sinais está condicionada a um projeto adequado da constela¸cão de sinais utilizada na modula¸caõ dos s´ımbolos codificados. Neste trabalho, a codifica¸caõ wavelet é investigada em cenários de rádio cognitivo com acesso dinâmico ao espectro. O projeto destas constela¸cões é feito via algoritmos genéticos, utilizando-se uma abordagem de otimiza¸caõ multiobjetivo. O sistema desenvolvido é avaliado quanto a sua robustez ao desvanecimento plano variante no tempo através de uma análise de probabilidade de erro de bit (BER) versus Eb /N0 , e quanto a possibilidade de sensoriamento espectral de seus sinais via métodos de análise de cicloestacionariedades e de deteçcaõ de energia. Os resultados obtidos indicam a viabilidade da técnica de codifica¸caõ com matrizes wavelet em cenários de rádio com acesso dinâmico ao espectro, sendo observados bons resultados de desempenho de BER e de taxas de deteçcão do sinal sensoreado. Palavras-Chave: Rádio Definido por Software, Codifica¸caõ Wavelet, Sensoriamento espectral, Cicloestacionariedade, Algoritmos genéticos, Otimiza¸caõ multiobjetivo. VII.

(8) ABSTRACT. In mobile communications systems, signals propagate over multipaths over time-varying channels, subject to distortion caused by fading and Doppler shifts. In order to minimize such distortions, coding techniques and transmission diversity may be employed, such as Wavelet Coding. This technique is based on the orthogonality of the wavelet matrix rows and has the capacity to generate diversity gains, increasing the robustness of the system to time-varying fading, without compromising the spectral efficiency of the system. In this work, the wavelet coding is investigated in scenarios of cognitive radio with dynamic spectrum access. These radio systems have been consolidating as a new paradigm of wireless communications with the advance of digital signal processing techniques. Cognitive radio systems with dynamic spectrum access should be able to perceive unoccupied frequency bands for opportunistic transmissions as well as detect the presence of primary users when they occupy their licensed spectrum. Therefore, a crucial element for the operation of cognitive radio systems encoded by wavelet coding is the ability to sense the signals encoded by this technique. As will be detailed, the possibility of sensing such signals is conditioned to a suitable design of the signal constellation used in the modulation of the coded symbols. In this work, the design of these constellations is done via genetic algorithms, using a multiobjective optimization approach. The developed system is evaluated by its robustness to time-varying flat fading through a bit error probability (BER) versus Eb /N0 analysis, and the possibility of spectral sensing of its signals via cyclostationary analysis and energy detection method. The results indicate the feasibility of the wavelet coding technique in radio scenarios with dynamic spectrum access, with good results of BER performance and sensed signal detection rates. Keywords: Software Defined Radio, Spectral Sensing, Cyclostationary Analysis, Genetic Algorithms, Multiobjective Optimization.. VIII.

(9) ´ SUMARIO. P´ ag. LISTA DE FIGURAS. XII. LISTA DE TABELAS. XIV. LISTA DE S´ıMBOLOS. XV. ´ GLOSSARIO. XVII. ˜ CAP´ıTULO 1– INTRODUC ¸ AO. 1. 1.1. Estado da Arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 4. 1.2. Motiva¸co˜es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 8. 1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 8. 1.4. Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 9. 1.5. Organiza¸caõ do Texto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10. ´ CAP´ıTULO 2– RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. 11. 2.1. Rádio Cognitivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12. 2.2. Sensoriamento Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13. 2.3. Sensoriamento por Deteçcão de Energia . . . . . . . . . . . . . . . . . . . . 15. 2.4. Sensoriamento por Análise de Cicloestacionariedades . . . . . . . . . . . .. 17. 2.4.1. Processos Cicloestacionários . . . . . . . . . . . . . . . . . . . . . .. 17. 2.4.2. Medidas em Análise de Cicloestacionariedades de Segunda Ordem . 18. 2.4.3. Sensoriamento Espectral por Parâmetro de Discordia . . . . . . . . 20. 2.5. Comentários Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. ˜ COM MATRIZES WAVELET CAP´ıTULO 3– CODIFICA¸ CAO 3.1. Matrizes de Codifica¸cão Wavelet . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1. 24 26 27. Matrizes Wavelets Inteiras e Planas . . . . . . . . . . . . . . . . . . 28 IX.

(10) X 3.2. Processo de Codifica¸cão Wavelet . . . . . . . . . . . . . . . . . . . . . . . . 29 3.2.1. 3.3. Processo de Decodifica¸cão Wavelet . . . . . . . . . . . . . . . . . . . . . . 33 3.3.1. 3.4. Estudo de caso para a Codifica¸caõ usando uma Matriz Wavelet 2×8 32. Estudo de caso para a Decodifica¸caõ usando uma Matriz Wavelet 2×8 34. Distribui¸caõ dos S´ımbolos Wavelets, Taxa de Codifica¸caõ e Variância dos S´ımbolos Wavelets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36. 3.5. Modula¸caõ de Sinais Codificados Wavelet . . . . . . . . . . . . . . . . . . .. 3.6. Sensoriamento Espectral de sinais codificados Wavelet . . . . . . . . . . . . 38. 3.7. Comentários Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40. ˜ CAP´ıTULO 4– PROJETO DE CONSTELA¸ COES. 37. 43. 4.1. Modelo de Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 4.2. Formula¸caõ do Problema-alvo . . . . . . . . . . . . . . . . . . . . . . . . . 46. 4.3. 4.4. 44. 4.2.1. Abordagens da Otimiza¸caõ Multiobjetivo . . . . . . . . . . . . . . . 48. 4.2.2. Algoritmos para Otimiza¸caõ Multiobjetivo . . . . . . . . . . . . . . 48. Caracteriza¸caõ do Algoritmo Genético . . . . . . . . . . . . . . . . . . . . 49 4.3.1. Representa¸caõ Cromossômica . . . . . . . . . . . . . . . . . . . . . 50. 4.3.2. Popula¸caõ Inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 51. 4.3.3. Fun¸caõ de Aptidão . . . . . . . . . . . . . . . . . . . . . . . . . . .. 51. 4.3.4. Operadores Genéticos . . . . . . . . . . . . . . . . . . . . . . . . . . 53. 4.3.5. Critério de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . 55. Comentários Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55. ˜ CAP´ıTULO 5– RESULTADOS DE SIMULA¸ COES. 57. 5.1. Obten¸cão de Constela¸cões Otimizadas ao Sensoriamento Espectral . . . . .. 57. 5.2. Sensoriamento por Cicloestacionariedades Clássico . . . . . . . . . . . . . .. 64. 5.3. 5.2.1. Métrica de Sensoriamento . . . . . . . . . . . . . . . . . . . . . . . 65. 5.2.2. Probabilidade de Deteçcaõ e de Falso Alarme . . . . . . . . . . . . 66. 5.2.3. Caracter´ıstica de Opera¸cão do Receptor (ROC) . . . . . . . . . . . 68. Sensoriamento por Parâmetro de Discordia . . . . . . . . . . . . . . . . . . 69 5.3.1. Métrica de Sensoriamento . . . . . . . . . . . . . . . . . . . . . . .. 71. 5.3.2. Probabilidade de Deteçcaõ e de Falso Alarme . . . . . . . . . . . .. 71. 5.3.3. Caracter´ıstica de Opera¸cão do Receptor (ROC) . . . . . . . . . . .. 74.

(11) XI 5.4. 5.5. Análise do Sensoriamento por Energia . . . . . . . . . . . . . . . . . . . .. 74. 5.4.1. Probabilidade de Deteçcaõ . . . . . . . . . . . . . . . . . . . . . . . 76. 5.4.2. Rela¸cão entre Probabilidade de Deteçcão e Quantidade de Amostras 76. 5.4.3. Caracter´ıstica de Opera¸cão do Receptor (ROC) . . . . . . . . . . . 80. Comentários Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80. ˜ CAP´ıTULO 6– CONCLUSOES. 82. 6.1. Principais Contribui¸co˜es . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83. 6.2. Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83. ˆ APENDICE A– MODELO DE JAKES. 85. ˆ ˜ DE FUNC ˜ ´ APENDICE B– ESTIMA¸ CAO ¸ OES CICLOESTACIONARIAS. 86. ˆ ˜ DA CODIFICA¸ ˜ WAVELET EM SDR APENDICE C– IMPLEMENTA¸ CAO CAO. 88. C.1 Implementa¸cão do Codificador Wavelet . . . . . . . . . . . . . . . . . . . . 88 C.2 Implementa¸cão do Decodificador Wavelet . . . . . . . . . . . . . . . . . . . 90 C.3 Valida¸cão do Codificador e Decodificador Wavelet . . . . . . . . . . . . . . ˆ ´ REFERENCIAS BIBLIOGRAFICAS. 91 95.

(12) LISTA DE FIGURAS. P´ ag. 2.1. Ilustra¸cão entre a rela¸caõ de um sistema de rádio cognitivo e SDR. . . . . . 13. 2.2. Fun¸cão Auto-Correla¸cão C´ıclica (SCD) e Perfil Alfa para a modula¸cão BPSK com fc = 1024Hz e fs = 4096Hz. . . . . . . . . . . . . . . . . . . . .. 21. 2.3. Perfil Alfa para o Ru´ıdo AWGN.. . . . . . . . . . . . . . . . . . . . . . . . 22. 3.1. Estrutura Geral de um Codificador Wavelet. . . . . . . . . . . . . . . . . . 30. 3.2. Visão Detalhada dos Registradores de Deslocamento da Codifica¸cão Wavelet. 31. 3.3. Diagrama esquemático do codificador wavelet para uma matriz wavelet 2×8 (m = 4, g = 2). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32. 3.4. Estrutura Geral de um Decodificador Wavelet. . . . . . . . . . . . . . . . .. 34. 3.5. Constela¸cão 11-PSK para um sistema codificado com MCW 2×128. . . . . 39. 3.6. Perfil alfa para s´ımbolos wavelets com esquema de modula¸caõ indicado na Tabela 3.3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40. 3.7. Perfil alfa para s´ımbolos wavelets com esquema de modula¸caõ alternativa indicado na Tabela 3.4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 41. 4.1. Elementos básicos de um sistema de transmissão digital. . . . . . . . . . .. 44. 4.2. Sistema de sensoriamento espectral e de cogni¸caõ. . . . . . . . . . . . . . . 45. 4.3. Ilustra¸caõ do espa¸co objetivo fact´ıvel, fronteira de Pareto e hiperplano de busca para o caso de uma otimiza¸caõ multiobjetivo pelo método da soma ponderada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50. 5.1. Constela¸cão adequada ao sensoriamento obtida pelo algoritmo genético. . .. 61. 5.2. Perfil alfa da constela¸cão adequada ao sensoriamento. . . . . . . . . . . . .. 61. 5.3. Perfil alfa de uma constela¸caõ obtida por algoritmo genético, porém não otimizada ao sensoriamento espectral. . . . . . . . . . . . . . . . . . . . . . 62. XII.

(13) XIII 5.4. Taxa de erro de bit da constela¸cão adequada ao sensoriamento e taxa de erro de bit em compara¸caõ com a constela¸cão otimizada apenas para a taxa de erro de bit e para o STBC. . . . . . . . . . . . . . . . . . . . . . . . . . 63. 5.5. Métrica de sensoriamento do método clássico por análise de cicloestacionariedades. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65. 5.6. Probabilidade de falso alarme em fun¸caõ do limiar de compara¸caõ para método clássico por análise de cicloestacionariedades. . . . . . . . . . . . .. 5.7. 67. Probabilidade de deteçcão do método clássico por análise de cicloestacionariedades (intervalo de confian¸ca de 95%). . . . . . . . . . . . . . . . . . . . 68. 5.8. Curva caracter´ıstica do receptor para o método clássico de sensoriamento por cicloestacionariedades para canal AWGN. . . . . . . . . . . . . . . . . 69. 5.9. Curva caracter´ıstica do receptor para o método clássico de sensoriamento por cicloestacionariedades para canal Rayleigh. . . . . . . . . . . . . . . . . 70. 5.10 Métrica de sensoriamento do método de sensoriamento por parâmetro de discordia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 5.11 Probabilidade de falso alarme em fun¸cão do limiar de compara¸caõ para o método de sensoriamento por parâmetro de discordia. . . . . . . . . . . . . 73 5.12 Probabilidade de deteçcaõ do método de sensoriamento por parâmetro de discordia (intervalo de confian¸ca de 95%). . . . . . . . . . . . . . . . . . . . 73 5.13 Curva caracter´ıstica do receptor para o método de sensoriamento por parâmetro de discordia para canal AWGN. . . . . . . . . . . . . . . . . . . . . 75 5.14 Curva caracter´ıstica do receptor para o método de sensoriamento por parâmetro de discordia para canal Rayleigh. . . . . . . . . . . . . . . . . . . . . 75 5.15 Probabilidade de deteçcaõ do sensoriamento por energia para 1024 amostas (intervalo de confian¸ca de 95%). . . . . . . . . . . . . . . . . . . . . . . . .. 77. 5.16 Probabilidade de deteçcaõ do sensoriamento por energia para 2048 amostas (intervalo de confian¸ca de 95%). . . . . . . . . . . . . . . . . . . . . . . . .. 77. 5.17 Probabilidade de deteçcaõ do sensoriamento por energia para 4096 amostas (intervalo de confian¸ca de 95%). . . . . . . . . . . . . . . . . . . . . . . . . 78 5.18 Probabilidade de deteçcaõ do sensoriamento por energia para 8192 amostas (intervalo de confian¸ca de 95%). . . . . . . . . . . . . . . . . . . . . . . . . 78.

(14) XIV 5.19 Probabilidade de deteçcaõ em fun¸caõ da quantidade de amostras observadas para o sensoriamento por energia (intervalo de confian¸ca de 95%). . . . . . 79 5.20 Curva caracter´ıstica do receptor para o sensoriamento por energia (intervalo de confian¸ca de 95%). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 81. C.1 Módulos implementados no codificador wavelet. . . . . . . . . . . . . . . . 89 C.2 Detalhamento do módulo de cálculo. . . . . . . . . . . . . . . . . . . . . . 90 C.3 Codificador wavelet implementado em GNURadio Companion. . . . . . . . 90 C.4 Detalhamento do decodificador wavelet. . . . . . . . . . . . . . . . . . . . .. 91. C.5 Decodificador wavelet implementado em GNURadio Companion. . . . . . .. 91. C.6 Curvas de desempenho para a codifica¸caõ wavelet em GNURadio e MATLABTM para o cenário em que o receptor é capaz de estimar perfeitamente os coeficientes do canal.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93. C.7 Curvas de desempenho para a codifica¸caõ wavelet em GNURadio e em MATLABTM para o cenário em que o receptor estima os coeficientes do canal a partir do algoritmo LMS. . . . . . . . . . . . . . . . . . . . . . . .. 94.

(15) LISTA DE TABELAS. P´ ag. 2.1. Compara¸cão entre os Principais Métodos de Sensoriamento Espectral. . . . 15. 3.1. S´ımbolos gerados por uma matriz de codifica¸caõ wavelet 2×8. . . . . . . . 33. 3.2. S´ımbolos decodificados por um banco associado a` MCW 2×8. . . . . . . . 35. 3.3. Constela¸cão para uma codifica¸caõ wavelet com MCW 2×128. . . . . . . . . 38. 3.4. Constela¸caõ alternativa, que busca facilitar o sensoriamento de sinais com codifica¸caõ wavelet baseada no uso da MCW 2×128. . . . . . . . . . . . . 39. 5.1. ˆ Angulos da constela¸cão PSK otimizada ao sensoriamento e taxa de erro de bit. 60. XV.

(16) LISTA DE SÍMBOLOS. η(t). Inteferência branca aditiva. X(t). Sinal modulado por um usuário primário. Y (t). Sinal observado para o sensoriamento. PF A. Probabilidade de Falso Alarme. PD. Probabilidade de Deteçcão. PM. Probabilidade de Falha de Deteçcaõ. Γ0. Hipótese referente a ausência do usuário primário. Γ1. Hipótese referente a presen¸ca do usuário primário. ε. Métrica de sensoriamento. γ. Limiar de Deteçcaõ usuado no sensoriamento. N. N´ umero de amostras usadas no sensoriamento. σ2. Variância. µ. Média. N(µ, σ 2 ). Distribui¸caõ Gaussiana com média µ e variância e σ 2. Q(·). Fun¸caõ Q. Myα. Coeficiente de Fourrier. α. Frequência C´ıclica ou Ciclofrequência. h·i. Operador Média Temporal. Rx (t, τ ). Fun¸caõ de Auto-Correla¸cão. Rxα (τ ). Fun¸caõ Auto-Correla¸cão C´ıclica. Sxα (f ). Fun¸caõ de Densidade de Correla¸caõ Espectral. F(·). Transformada de Fourier. X (t, ν). STFT deslizante de tamanho T. f. Frequência em Hz. fc. Frequência da Portadora. fs. Frequência de Amostragem. ρ (α). Perfil Alfa XVI.

(17) XVII var(·). Operador de Variância. N0 /2. Densidade Espectral do Ru´ıdo. h. Perfil de Desvanecimento. X. Espa¸co Objetivo Fact´ıvel. U (ai , bi ). Distribui¸caõ Uniforme entre ai e bi. F (x). Fun¸caõ de Aptidão. Pe. Probabilidade de Erro de Bit. Eb /N0. Rela¸cão Energia de Bit/Densidade Espectral de Ru´ıdo. nsamp. N´ umero de Amostras por S´ımbolo. ∆α. Resolu¸caõ em α. ∆f. Resolu¸caõ em f. fd Ts. Frequência Dopler Normalizada. B0. Fator de roll-off.

(18) ´ GLOSSARIO. AM. Amplitude Modulation. ASK. Amplitude Shift Keying. AWGN. Additive White Gaussian Noise. BER. Bit Error Rate. BPSK. Binary Phase-Shift Keying. CAF. Ciclic Autocorrelation Function. CFAR. Constant False Alarm Rate. CMA. Constant Modulus Algorithm. CSI. Channel State Information. DDR. Double Data Rate. DSA. Dynamic Spectrum Acess. FCC. Federal Communications Commission. FSK. Frequency Shift Keying. GA. Genetic Algorithm. GCC. GNU Compiler Collection. GPS. Global Positioning System. IEEE. Institute of Electrical and Electronics Engineers. LTE. Long Term Evolution. MAP. Maximum a Posteriori Probability. MCW. Matriz de Coeficientes Wavelets. MLP. Multilayer Perceptron. MSK. Minimum-Shift Keying. PSK. Phase Shift Keying. QPSK. Quadrature Phase-Shift Keying. RAM. Random Access Memory. RNA. Rede Neural Artificial. ROC. Receptor Operated Channels XVIII.

(19) XIX SCD. Spectral Correlation Density Function. SCORE. Self-Coherence Restoral. SDR. Software Defined Radio. SNR. Signal to Noise Rate. STFT. Short-Time Fourier Transform. TOA. Time-of-Arrival. WiMAX. Worldwide Interoperability for Microwave Access. WLAN. Wireless Local Area Network. WSS. Wide Sense Stationary. OFDM. Orthogonal frequency-division multiplexing. CP-OFDM. Cyclic Prefix Orthogonal Frequency Division Multiplexing.

(20) CAPÍTULO 1. ˜ INTRODUC ¸ AO. Em canais de comunica¸cões sem fio, os sinais de informa¸cão se propagam entre a antena transmissora e a antena receptora em meios caracterizados pela presen¸ca de obstáculos, como por exemplo, montanhas, árvores, aglomerados de edif´ıcios, ou mesmo ve´ıculos e pedestres. Estes obstáculos provocam fenômenos de sombreamento, ou ainda de refra¸caõ, reflexão e difra¸caõ sobre os sinais de rádio, gerando neste caso uma subdivisão da onda portadora em várias sub-portadoras que se propagarão por m´ ultiplos percursos. Esses fenômenos f´ısicos podem, em geral, ser modelados por um processo de desvanecimento variante no tempo, o qual age de forma degenerativa sobre os sinais transmitidos no canal (SKLAR, 1988; RAPPAPORT, 2009). O combate desses efeitos poderá ser feito a partir de dois princ´ıpios básicos: (i) procurar inverter a distor¸caõ ocasionada pelo canal e (ii) prover diversidade de transmissão (SKLAR, 1988). Em particular, as técnicas de prover diversidade consistem em gerar réplicas do sinal para transmissão sobre canais de comunica¸cão sem fio de forma descorrelacionada. Em tese, quanto maior o n´ umero de réplicas, maior será a diversidade do sistema, visto que aumenta-se a probabilidade de que pelo menos uma das réplicas da informa¸caõ transmitida esteja sujeita a condi¸cões menos adversas do canal (SILVEIRA, 2006). Essas réplicas podem ser combinadas de forma a fornecer um desempenho melhor do que se apenas uma delas fosse transmitida (PROAKIS, 1989). Desde o trabalho pioneiro de Shannon (SHANNON, 1948), várias abordagens para gerar diversidade em sistema de comunica¸cões vêm sendo propostas. De forma geral, essas técnicas diminuem a taxa de transmissão para uma mesma largura de banda, reduzindo assim a eficiência espectral do sistema de transmissão (HAYKIN, 2002). Todavia, quando a diversidade da transmissão é proporcionada por técnicas de codifica¸caõ de canal e de modula¸caõ apropriadas, é poss´ıvel conseguir ganhos de diversidade mantendo-se a eficiência espectral do sistema em valores adequados. Dentre as técnicas de codifica¸cão que podem ser aplicadas neste contexto está a Codifica¸caõ Wavelet (CAVALCANTE, 2014). A Técnica de Codifica¸cão Wavelet foi inicialmente proposta por Tzannes em (TZANNES; TZANNES, 1992), e se caracteriza por utilizar matrizes de coeficientes wavelets (MCW).

(21) ˜ CAPÍTULO 1. INTRODUC ¸ AO. 2. na codifica¸caõ da informa¸caõ (SILVEIRA, 2002). Essas matrizes possuem linhas que atendem a certas propriedades de ortogonalidade, fundamentais ao processo de codifica¸caõ. Em particular, durante a codifica¸cão, os bits de informa¸caõ são aplicados a um banco de filtros constru´ıdos a partir das linhas da matriz wavelet. Como resultado, a informa¸caõ de uma sequência de bits é espalhada ao longo de uma sequência de s´ımbolos codificados, chamados s´ımbolos wavelets, multi-n´ıveis e com diferentes probabilidades de ocorrência (SILVEIRA, 2006). Os s´ımbolos então são modulados e transmitidos em intervalos de tempo distintos. Através de um entrela¸camento apropriado dos s´ımbolos wavelets é poss´ıvel gerar diversidade temporal sem diminui¸cão da eficiência espectral do sistema. O espalhamento da informa¸caõ propiciado pela codifica¸cão wavelet é capaz de aumentar a robustez do sistema aos desvanecimentos variantes no tempo e ao ru´ıdo impulsivo, caracter´ısticos dos canais de comunica¸cões móveis. Neste caso, o n´ umero máximo de s´ımbolos wavelet que podem ser afetados por um bit de entrada depende da dimensão da matriz usada na processo de codifica¸caõ e portanto, o desempenho do sistema está fortemente ligado a esse parâmetro. Devido à propriedade de ortogonalidade das linhas das matrizes wavelet, a informa¸cão pode ser recuperada no sistema de recep¸caõ através de um banco de correlatores casados a`s linhas da matriz wavelet utilizada na codifica¸cão. A simplicidade do processo de codifica¸cão e de decodifica¸caõ, aliado a possibilidade de se utilizar matrizes com dimensões elevadas, de forma a aproximar às condi¸co˜es estabelecidas por Shannon (SHANNON, 1948) para se obter uma codifica¸caõ de canal ótima, motiva a investiga¸caõ do desempenho dessa técnica de codifica¸caõ em diferentes cenários de comunica¸co˜es, dentre eles o Rádio Cognitivo (RC). Neste caso supõe-se que os usuários primários e/ou secundários1 em um sistema de rádio cognitivo utilizam a codifica¸caõ Wavelet com técnica de diversidade. Os sistemas de rágio cognitivo ganharam ampla notoriedade nos u ´ltimos anos, principalmente devido à escassez do espectro eletromagnético e ao desenvolvimento de novas tecnologias de comunica¸co˜es em fio. Formalmente define-se rádios cognitivos como dispositivos dotados de inteligência, capazes de observar as condi¸co˜es do ambiente ao seu redor e de ajustar os seus parâmetros de transmissão ou recep¸cão afim de obter os melhores resultados poss´ıveis de desempenho, 1. Em sistemas de rádio cognitivo, denomina-se usuário primário aquele que detem os direitos de uso de uma faixa do espectro. O usuário secundário é aquele que utiliza o canal de forma oportun´ıstica, ou seja, na ausência de transmiss˜ ao do usu´ ario primário. (LIMA, 2014)..

(22) ˜ CAPÍTULO 1. INTRODUC ¸ AO. 3. tais como taxa de erro de bit (BER) e/ou eficiência espectral (MITOLA, 1993). O desenvolvimento de um sistema de rádio cognitivo exige que as etapas de processamento dos sinais de comunica¸co˜es sejam implementadas em plataformas de rádio definido por software (SDR - Software-defined radio). Nos sistemas SDR, o processamento dos sinais nos módulos que compõem os transmissores e/ou receptores são realizados por software, ao invés de se utilizar hardware dedicado como nos sistemas de comunica¸cões tradicionais (SOUZA, 2014). Desta forma, estes dispositivos são capazes de ajustar os seus parâmetros de transmissão ou recep¸caõ, permitindo um melhor uso do espectro de frequências e o emprego de novas tecnologias de comunica¸caõ sem fio (MITOLA, 1993). A utiliza¸caõ de sistemas de rádio definido por software é particularmente interessante pois estes sistemas possuem um grande n´ umero de vantagens em rela¸caõ aos sistemas implementados em hardware fixo, entre elas: (i) Permitirem a cria¸caõ de dispositivos evolutivos, ou seja, os equipamentos projetados com SDR podem receber novas funcionalidades, corre¸caõ de problemas ou ser atualizado para novos padrões de comunica¸caõ com uma simples atualiza¸caõ de software; (ii) Proporcionarem uma maior reutiliza¸cão da mesma plataforma de hardware, diminuindo assim o custos de fabrica¸caõ; (iii) Possibilitarem que os protocolos de comunica¸cões sejam otimizados a uma aplica¸caõ; (iv) Permitirem a utiliza¸caõ de utilizar n´ıveis mais altos de abstra¸caõ no projeto de um determinado sistema de rádio, a partir do uso de um conjunto de bibliotecas e ferramentas que permitam diminuir a dependência do projeto com o hardware. Uma das principais vantagens do rádio congitivo e do rádio definido por software é a melhor utiliza¸caõ do espectro eletromagnético. O desenvolvimento e dissemina¸caõ das tecnologias de comunica¸cões sem fio fez com que o acesso ao espectro eletromagnético tenha se tornado cada vez mais cr´ıtico (SOUZA; SILVEIRA, 2013). Em particular, estudos cient´ıficos (COUTINHO, 2011) comprovaram que o problema de acesso ao espectro é mais significativo do que a escassez f´ısica desse recurso. Diante disto, a comunidade cient´ıfica, em conjunto com os o´rgãos reguladores, têm estudado uma pol´ıtica de aloca¸caõ do espectro, chamada de Acesso Dinâmico ao Espectro (Dynamic Spectrum Access - DSA)..

(23) ˜ CAPÍTULO 1. INTRODUC ¸ AO. 4. Neste novo contexto, o sistema de rádio, implementado a partir do conceito de rádio cognitivo, deve ser capaz de detectar por¸co˜es livres do espectro eletromagnético, e assim facilitar o acesso a este recurso. A implementa¸caõ de sistemas com acesso dinâmico ao espectro exige a implementa¸caõ de técnicas de sensoriamento espectral, responsáveis por identificar por¸co˜es livres do espectro. De forma geral, os métodos de sensoriamento se dividem em três grandes técnicas: sensoriamento por energia, sensoriamento por filtros casados e sensoriamento por análise de cicloestacionariedades. O sensoriamento por energia verifica por¸co˜es livres do espectro através da estima¸caõ da energia dos sinais recebidos. Embora seja bastante difundida em virtude da sua simplicidade de implementa¸caõ, esta técnica de sensoriamento não é eficaz em ambientes com baixa SNR (Signal to Noise Ratio) ou com presen¸ca de ru´ıdo não estacionário. No sensoriamento por filtros casados a deteçcaõ de uma por¸caõ livre do espectro é feita por correla¸cão do sinal recebido com um sinal piloto, previamente conhecido. Este método de sensoriamento é o´timo, mas sua implementa¸caõ é inviável em virtude de requerer ciência acerca de várias caracter´ısticas dos sinais a serem sensoreados. O sensoriamento por cicloestacionaridade identifica padrões nos sinais recebidos utilizandose de momentos estat´ısticos dos mesmos (FARIAS; MELO; DIAS, 2010). Dentre os métodos de sensoriamento citados, este se configura como sendo o mais interessante para detectar sinais em ambientes com baixa SNR, além de não requerer nenhum conhecimento prévio dos sinais processados (COSTA, 1996).. 1.1. ESTADO DA ARTE Após o trabalho seminal de Tzannes (TZANNES; TZANNES, 1992), outros trabalhos. já avaliaram a robustez da codifica¸caõ wavelet aos efeitos dos canais sem fio, tanto em canais com desvanecimento plano como em canais seletivos em frequência, considerando erros de estima¸caõ de canal e esquemas de modula¸caõ projetados por algoritmos genéticos (SILVEIRA et al., 2001; SILVEIRA; ASSIS; PINTO, 2003; SILVEIRA; ASSIS; PINTO, 2004; FERREIRA, 2009). Em (SILVEIRA et al., 2001) os autores propõem o uso de uma técnica de modula¸caõ não convecional para a transmissão dos s´ımbolos wavelets, em que investiga-se a taxa de erro de bit em canais sobre o efeito do ru´ıdo brando Gaussiano aditivo e desvanecimento plano Rayleigh. Por sua vez, em (SILVEIRA, 2002) discute-se a utiliza¸cão de código.

(24) ˜ CAPÍTULO 1. INTRODUC ¸ AO. 5. de Hamming em um estágio posterior a codifica¸caõ wavelet. Neste caso, o objetivo do trabalho consiste em superar os surtos de erros ocasionados por um tipo de canal que apresenta uma varia¸caõ mais lenta em seu perfil de desvanecimento. Observando que o esquema de modula¸caõ adotado influencia diretamente o desempenho do sistema com codifica¸caõ wavelet, em (SILVEIRA; ASSIS; PINTO, 2003) propõem-se a utiliza¸caõ de uma constela¸caõ de modula¸caõ PSK modificada, obtida de forma sub-ótima com o objetivo de minimizar a taxa de erro de bit do sistema. O sistema é avaliado assumindo-se o perfeito conhecimento do estado do canal. Uma análise do impacto dos erros de estima¸caõ do canal, ocorridos com o uso do algoritmo LMS (Least Mean Square), sobre o desempenho do sistema, é realizado em (SILVEIRA; ASSIS; PINTO, 2004). Em (SILVEIRA, 2006) apresenta-se ferramentas matemáticas para a otimiza¸caõ das constela¸co˜es utilizadas na modula¸caõ dos s´ımbolos wavelets, apresentando uma metodologia de projeto por meio de algoritmo genético, conceito estendido em (FERREIRA, 2009; SILVEIRA et al., 2009) para a obten¸caõ de constela¸co˜es para matrizes wavelets de grandes dimensões. Ainda no contexto do efeito dos esquemas de modula¸cão, trabalhos recentes investigaram estratégias de transmissão que permitam o aumento da eficiência espectral, a ˜ partir de altera¸cões na técnica de modula¸cão (SANTOS; GURJAO; ASSIS, 2011) e de modifica¸co˜es no modo de processamento dos dados pelas matrizes wavelets (SILVEIRA; ´ JUNIOR; ASSIS, 2015). Os trabalhos anteriormente citados são importantes para o desenvolvimento das técnicas de sensoriamento espectral de sinais codificados com matrizes wavelet desenvolvidas neste texto por particularmente subsidiar a (i) descri¸caõ da técnica de codifica¸caõ wavelet e a (ii) descri¸cão formal de ferramentas matemática para otimiza¸caõ de constela¸cões utilizadas para a transmissão de s´ımbolos wavelet. Em rela¸caõ aos métodos de sensoriamento espectral, diversos trabalhos presentes na literatura descrevem métodos e sistemas que utilizam cicloestacionaridade ou deteçcaõ de energia para realizar sensoriamento espectral. Muitas técnicas de sensoriamento encontrados na literatura evolu´ıram a partir dos métodos introduzidos originalmente por Gardner (GARDNER, 1994; GARDNER, 1986b; GARDNER, 1991; GARDNER, 1986a) ou por Urkowitz (URKOWITZ, 1967). Em (SOUZA; SILVEIRA, 2013) o autor deste trabalho propõe uma técnica de sensoriamento que utiliza fun¸cões resultantes de um processo de análise cicloestacionária dos.

(25) ˜ CAPÍTULO 1. INTRODUC ¸ AO. 6. sinais monitorados. Resultados numéricos, obtidos para modula¸co˜es AM, BPSK e QPSK demonstram a eficiência do método proposto. A arquitetura de sensoriamento descrita em (KANDEEPAN; BALDINI; PIESIEWICZ, 2009) utiliza uma Rede Neural Artificial (RNA) para, a partir de caracter´ısticas cicicloestacionárias obtidas, sensoriar os sinais modulados e classificar a modula¸caõ de sinais monitorados. Em (KIM, 2007), os autores utilizam Cadeias de Markov para classificar caracter´ısticas levantadas a partir de medidas de cicloestacionaridade realizadas sobre sinais modulados. Em (MAALI et al., 2009) é proposto um método adaptativo de cálculo do limiar por sensoriamento de energia, com abordagem TOA (Time-of-Arrival ) em sinais em ultra banda-larga. Por sua vez, (XUPING; JIANGUO, 2007) cita um método de sensoriamento por energia M -cooperativo, com o objetivo de reduzir o efeito do sombreamento de usuário primários. Em (OH; LEE, 2009) o autor propõe a investiga¸cão da otimiza¸cão do limar de deteçcão com o objetivo de melhorar o desempenho do detector de energia, estipulando um limiar adaptativo ideal. O autor deste trabalho apresenta em (SOUZA; SOUZA; SILVEIRA, 2016) um método de sensoriamento espectral utilizando comitê de máquinas MLP (Multilayer Perceptron) com o objetivo de aumentar as taxas de deteçcão de usuários primários que utilizem a modula¸caõ QPSK. Neste contexto, cada um dos especialistas do comitê de máquinas é treinado de forma a se adaptar a um subconjunto de poss´ıveis condi¸cões do canal de comunica¸co˜es. Já em (LIMA, 2014) propõe-se arquiteturas eficientes de obten¸caõ de caracter´ısticas cicloestacionárias para serem empregadas no sensoriamento espectral e na classifica¸caõ de modula¸co˜es. No aˆmbito de classifica¸caõ de modula¸caõ, propõe-se a utiliza¸cão do perfil-alfa reduzido como uma assinatura para cada modula¸caõ. A arquitetura de sensoriamento é avaliada para um cenário de modula¸co˜es AM, BPSK, QPSK, MSK e FSK. Em (FONTES, 2015) o autor propõe a utiliza¸caõ da correntropia para a generaliza¸cão de fun¸co˜es cicloestacionárias e aplica¸cões para a extra¸caõ de caracter´ısticas de sinais modulados. Neste trabalho é proposto uma nova ferramenta matemática para a análise cicloestacionária de ordem superior baseada na fun¸caõ de correntropia. O desempenho dessas novas fun¸co˜es, na extra¸caõ de caracter´ısticas cicloestacionárias de ordem superior, é analisado em um cenário de comunica¸caõ sem fio com ru´ıdo não-gaussiano..

(26) ˜ CAPÍTULO 1. INTRODUC ¸ AO. 7. Por sua vez, em (THAI et al., 2011), os autores propõem um sistema que inicialmente estima valores de fun¸cões cicloestacionárias sobre uma região de R2 , e utiliza tais valores para efetuar o sensoriamento de sinais transmitidos sobre por¸co˜es do espectro eletromagnético. O rádio cognitivo e o sensoriamento espectral são ferramentas avan¸cadas que permitem uma melhor utiliza¸caõ do espectro eletromagnético. Contudo, a maioria dos métodos de sensoriamento propostos na literatura põem seus interesses em detectar sinais de TV ou sinais de microfone sem fio (SOHN et al., 2007). Apenas recentemente pesquisas estão sendo desenvolvidas sobre o sensoriamento espectral de sinais codificados, com espalhamento espectral ou de sistemas MIMO. Dado que muitos sistemas de comunica¸co˜es utilizam técnicas de transmissão mais avan¸cadas, como OFDM ou técnicas de diversidade, o estudo do sensoriamento espectral em sinais com essas caracter´ısticas é importante para a viabilidade e mesmo a dissemina¸cão do uso de acesso dinâmico ao espectro em sistemas de comunica¸co˜es sem fio. Em (SOHN et al., 2007) os autores exploraram a análise cicloestacionária em subportadoras OFDM igualmente espa¸cadas. Neste caso, explorou-se a propriedade de repeti¸caõ da subportadora piloto, que é utilizada para reconhecer o sinal OFDM. O desempenho da arquitetura foi avaliada em canais AWGN com desvanecimento, obtendo resultados melhores do que quando comparados ao sensoriamento por deteçcaõ de Energia. Por sua vez, em (SAGGAR; MEHRA, 2012) os autores propõem a indu¸cão controlada de uma correla¸cão no sinal transmitido de forma a produzir caracter´ısticas de cicloestacionariedade, que podem auxiliar a deteçcaõ do espectro. Neste caso, os autores derivam uma estat´ıstica de teste de máxima verossimilhan¸ca ótima para a deteçcaõ de um sinal CPOFDM (Cyclic Prefix Orthogonal Frequency Division Multiplexing) com ciclostationaridade induzida. Existem ainda abordagens de sensoriamento baseadas em técnicas pouco usuais. Em (ZENG; LIANG, 2009) os autores utilizam os autovalores máximo e m´ınimo da matriz de covariância do sinal para determinar a presen¸ca ou ausência do usuário primário em sinais de microfone sem fio e de televisão digital. Outras técnicas de sensoriamento utilizam amostragem compressiva (LIU; YU; KONG, 2008) e sensoriamento baseado na transformada wavelet (ALMEIDA et al., 2008)..

(27) ˜ CAPÍTULO 1. INTRODUC ¸ AO. 8. Os trabalhos anteriormente citados são importantes no desenvolvimento deste texto por subsidiar a descri¸caõ dos métodos de sensoriamento que serão utilizados no sensoriamento do sinais codificados com Matrizes Wavelet.. 1.2. ˜ MOTIVA¸ COES A codifica¸cão wavelet possui baixa complexidade computacional e boa capacidade de. corre¸caõ de erros, quando comparada a outros codificadores de canais, como codificadores convolucionais (CAVALCANTE, 2014) e Space Time Block Coding (SILVEIRA, 2006). Apesar de apresentar elementos que indiquem sua adequa¸cão a ambientes de comunica¸co˜es móveis, até o momento essa técnica de codifica¸cão de canal ainda não havia sido investigada em ambientes de rádio cognitivo e acesso dinâmico do espectro. A possibilidade de detectar usuários que utilizem codifica¸caõ com matrizes wavelet é de fundamental importância para a aplica¸caõ desta técnica de codifica¸cão em sistemas de rádio cognitivo. De fato, a utiliza¸cão de alguns subsistemas de transmissão, como codifica¸cão de canal e transmissão em m´ ultiplas portadoras, podem gerar dificuldades relacionadas ao sensoriamento espectral (ARSLAN, 2007). Por sua vez, a maioria dos métodos de sensoriamento propostos na literatura foram avaliados em sinais modulados e com distribui¸caõ de s´ımbolos equiprovável, não analisando o impacto das técnicas de codifica¸caõ de canal sobre o desempenho do sensoriamento espectral. Conforme será demonstrado neste trabalho, existem dificuldades práticas para a aplica¸caõ de técnicas clássicas de sensoriamento espectral por cicloestacionariedades em sinais codificados por wavelet. Essas dificuldades surgem devido a forma como os s´ımbolos codificados são modulados e transmitidos pelo canal de comunica¸co˜es.. 1.3. OBJETIVOS A fim de adequar a codifica¸caõ wavelet a um cenário de comunica¸caõ caracterizado pelo. acesso dinâmico ao espectro e sensoriamento espectral por análise de cicloestacionariedades, pretende-se, neste trabalho, buscar um compromisso entre capacidade de deteçcaõ de sinais com codifica¸cão wavelet e ganho de robustez dos sinais codificados aos efeitos do desvanecimento variante no tempo..

(28) ˜ CAPÍTULO 1. INTRODUC ¸ AO. 9. A adequa¸cão da codifica¸cão wavelet para este cenário é poss´ıvel a partir do ajuste da forma como os s´ımbolos gerados pela codifica¸cão wavelet são modulados. Neste trabalho os s´ımbolos wavelet são modulados a partir de uma constela¸caõ PSK (Phase Shift Keying) otimizada via um algoritmo genético de forma a atender os cr´ıtérios de facilidade de deteçcão do usuário primário e a robustez aos efeitos do desvanecimento, avaliada em termos de taxa de erro de bit (Bit Error Rate - BER) do sistema. A otimiza¸caõ adotada neste trabalho é semelhante a`quela utilizada em (FERREIRA, 2009), porém alterando-se alguns parâmetros da fun¸cão objetivo a ser otimizada. As técnicas de sensoriamento espectral por cicloestacionariedades utilizadas neste trabalho foram propostas em (GARDNER, 1994) e em (SOUZA; SILVEIRA, 2013). Conforme será detalhado, apesar da constela¸cão PSK (Phase Shift Keying) ser otimizada para um cenário de sensoriamento espectral por cicloestacionariedades, o desempenho de outras técnicas de sensoriamento, como por estima¸caõ de energia, não é afetado.. 1.4. METODOLOGIA Avalia-se, neste trabalho, um sistema de comunica¸caõ digital com codifica¸caõ wavelet em. um contexto de rádio definido por software com acesso dinâmico ao espectro. A codifica¸caõ é investigada com matrizes de dimensões 2×128 em associa¸caõ a técnicas de modula¸cão não convencionais, cujas constela¸cões são projetadas via algoritmos genéticos com otimiza¸caõ multiobjetivo. O desempenho do sistema é avaliado em fun¸caõ de sua taxa de erro de bit (BER) e probabilidades de deteçcaõ e falso alarme do processo de sensoriamento espectral, em que utiliza-se técnicas de sensoriamento por análise de cicloestacionariedades e por energia. As curvas de desempenho foram simuladas via Monte-Carlo, em que garantiu-se uma quantidade de simula¸cões consideravelmente altas de forma a refletir as caracter´ısticas estocásticas do sistema. As técnicas de codifica¸caõ e sensoriamento foram analisadas sobre canais com desvanecimento variante no tempo, modelados via Algoritmo de Jakes, e considerando que o estado do canal é perfeitamente conhecido no receptor..

(29) ˜ CAPÍTULO 1. INTRODUC ¸ AO 1.5. 10. ˜ DO TEXTO ORGANIZA¸ CAO Este trabalho está organizado em seis cap´ıtulos e três anexos. No Cap´ıtulo 2 apresenta-. se os principais conceitos sobre o rádio definido por software e sensoriamento espectral. Também são introduzidas as técnicas de sensoriamento espectral utilizadas neste trabalho. No Cap´ıtulo 3 apresenta-se as matrizes wavelets e suas propriedades, os procedimentos de codifica¸cão e decodifica¸cão bem como os aspectos práticos dos processos de codifica¸caõ e decodifica¸cão. Também apresenta-se os esquemas de modula¸caõ utilizados nas transmissão de s´ımbolos wavelet. No Capitulo 4 apresenta-se o modelo do sistema avaliado, e detalha-se a metodologia utilizada para o projeto de constela¸co˜es otimizadas quanto ao compromisso entre facilidade de deteçcão do usuário primário que usa a codifica¸caõ wavelet robustez fornecida ao sinal codificado, avaliada em fun¸caõ da taxa de erro de bit. No Cap´ıtulo 5 apresenta-se as os resultados de simula¸co˜es da constela¸caõ proposta neste trabalho. Também são apresentados os resultados da taxa de erro de bit e do sensoriamento espectral por energia e por padrões cicloestacionários para a constela¸cão proposta. Por fim, o Cap´ıtulo 6 contém algumas considera¸cões finais acerca do trabalho, detalhando as principais contribui¸cões e poss´ıveis trabalhos futuros. O Anexo A detalha o modelo computacional de Jakes para a simula¸cão do canal de comunica¸cões com desvanecimento utilizado neste trabalho. O Anexo B explica como as fun¸cões de análise de cicloestacionariedade foram estimadas neste texto. Por fim, no Anexo C é detalhado uma implementa¸caõ da codifica¸cão e decodifica¸caõ wavelet em GNURadio Companion..

(30) CAPÍTULO 2. ´ RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. O desenvolvimento das comunica¸co˜es sem fio permitiu que novas funcionalidades fossem incorporadas aos sistemas de comunica¸co˜es (LATHI; DING, 2010). Tecnologias, que anteriormente eram implementadas com harware analógico, come¸caram a migrar para as tecnologias digitais, principalmente devido a populariza¸caõ e a redu¸cão dos custos dos microprocessadores no in´ıcio da década de 1980 (VAHID, 2010; STALLINGS, 2010). Todavia um grande n´ umero de padrões e dispositivos de comunica¸co˜es sem fio foram desenvolvidos ao redor do mundo. Muitos desses dispositivos não apresentam interoperabilidade, dificultando a comunica¸cão em escala global (ARSLAN, 2007). Em paralelo a isto, as ferramentas de projetos digitais permitiram a introdu¸cão de microprocessadores cada vez mais sofisticados. Este largo desenvolvimento, por sua vez, fomentaram o desenvolvimento dos sistemas de rádio definido por software (Software Defined Radio - SDR). Os dispositivos de SDR permitem que grande parte dos componentes de um sistema de rádio sejam implementados via software, em vez de usar componentes de hardware, que são dificilmente reconfiguráveis (SOUZA, 2014). O SDR foi inicialmente pensado como uma solu¸caõ para interoperabilidade entre sistemas de rádio, contudo, devido ao crescimento das comunica¸co˜es sem fio, o conceito de defini¸caõ por software estendeu-se para outras aplica¸cões, sendo atualmente tratado como o próximo passo na implementa¸caõ dos sistemas de comunica¸co˜es móveis (FITZEK; KATZ, 2007), em particular nos sistemas de rádio cognitivo. O objetivo deste cap´ıtulo é introduzir os principais conceitos sobre o rádio definido por software e de rádio cognitivo. Apresenta-se também no¸co˜es sobre sensoriamento espectral, um importante conceito em rádios cognitivos. O restante do cap´ıtulo está assim dividido: Na Se¸cão 2.1 define-se formalmente o conceito de rádio definido por software e de rádio cognitivo. Na Se¸cão 2.2 explica-se os conceitos de sensoriamento espectral. A Se¸cão 2.3 define-se o sensoriamento por energia. A Se¸cão 2.4 introduz um dos métodos de sensoriamento implementados neste trabalho - o sensoriamento por análise de.

(31) ´ CAPÍTULO 2. RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. 12. cicloestacionariedades. Por fim, na Se¸caõ 2.5 são feitos alguns comentários finais sobre o cap´ıtulo.. 2.1. ´ RADIO COGNITIVO Formalmente define-se rádios cognitivos como dispositivos dotados de inteligência,. capazes de observar as condi¸cões do ambiente ao redor e ajustar os seus parâmetros da transmissão ou recep¸caõ afim de obter máxima vazão, qualidade de servi¸co e um melhor uso do espectro de frequências (III; JR., 1999; MITOLA, 1993). Uma das principais caracter´ısticas dos sistemas de rádio cognitivo é a sua reconfigurabilidade (FITZEK; KATZ, 2007). Os rádios definidos por software provêm as ferramentas necessárias para o desenvolvimento dos sistemas de rádio cognitivo, e desta forma os sistemas de rádio definido por software são o n´ ucleo dos rádios cognitivos. Entende-se por rádio definido por software um sistema de rádio no qual os componentes tipicamente constru´ıdos em hardware são implementados via algoritmos para um processador de propósito geral, ou seja, em software (SILVA et al., 2015; DILLINGER; MADANI; ALONISTIOTI, 2003). O conceito de rádio definido por software pode ser empregado em vários sistemas de comunica¸co˜es sem fio, como em Bluetooth, WLAN, GPS, WiMAX, LTE, entre outros (REIS et al., 2012). Os militares dos Estados Unidos foram os primeiros a empregar os rádios definidos por software com objetivo principal de prover interoperabilidade entre os rádios militares de diferentes agências governamentais (SILVA et al., 2015). O estudo de sistemas de rádio cognitivo ganhou enorme for¸ca no inicio dos anos 2000, quando o FCC publicou um relatório preparado pela Spectrum Policy Task Force, uma for¸ca-tarefa organizada para melhorar o gerenciamento do espectro nos Estados Unidos (SOUZA; SILVEIRA, 2013). Estudos realizados por essa for¸ca-tarefa conclu´ıram que o problema de acesso ao espectro é mais significativo do que a escassez f´ısica desse recurso. Diante desses fatos, a comunidade cient´ıfica, em conjunto com os o´rgãos reguladores, têm estudado uma pol´ıtica mais flex´ıvel de aloca¸caõ do espectro, chamada de Acesso Dinâmico ao Espectro (Dynamic Spectrum Access - DSA) (SOUZA, 2014). Neste novo modelo, o sistema de rádio deve ser capaz de detectar por¸co˜es livres do espectro eletromagnético e determinar se as mesmas podem ser utilizadas por usuários não licenciados, quando este procedimento interferir nas comunica¸co˜es dos usuários detentores da faixa de espectro.

(32) ´ CAPÍTULO 2. RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. 13. em questão. A implementa¸caõ de sistemas com acesso dinâmico ao espectro exige a implementa¸caõ de técnicas de sensoriamento de espectro e gerenciamento espectral. Existem várias topologias poss´ıveis para rádios cognitivos, porém a mais simples é apresentada na Figura 2.1. Neste modelo simples, o n´ ucleo do rádio cognitivo é um SDR, que utiliza informa¸co˜es do mecanismo de cogni¸caõ e de outras funcionalidades (e.g. sensoriamento espectral) para modificar seus parâmetros de transmissão ou recep¸caõ com o objetivo de otimizar determinado parâmetro na recep¸caõ (e.g. taxa de erro de bit). Como resultado, sistemas de rádio cognitivo podem suportar diversos sistemas de comunica¸cões1 e várias formas de m´ ultiplo acesso2 , bem como mudar os seus parâmetros3 . Figura 2.1 - Ilustra¸cão entre a rela¸caõ de um sistema de rádio cognitivo e SDR.. Rádio Cognitivo. Outras funcionalidades de camadas superiores. Rádio definido por software. Mecanismo de Cognição. Sensoriamento espectral Fonte: (FITZEK; KATZ, 2007). 2.2. SENSORIAMENTO ESPECTRAL Sensoriamento Espectral é a capacidade que um sistema de rádio possui de varrer um. faixa de frequências (espectro) e analisar a presen¸ca (ou ausência) de transmissões. Neste caso, o sistema de rádio cognitivo deverá ser capaz de distinguir entre duas situa¸co˜es: Presen¸ca do Usuário Primário, ou a sua ausência (COUTINHO, 2011). A ausência de um usuário primário é chamada de oportunidade de transmissão. 1. e.g. GSM, EDGE, WCDMA, CDMA2000, LTE, Wi-Fi, WiMAX e.g. TDMA, CDMA, FDMA, OFDMA e SDMA 3 e.g. frequência da portadora, modula¸cão, taxa de s´ımbolos, entre outros 2.

(33) ´ CAPÍTULO 2. RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. 14. De forma geral, as arquiteturas de sensoriamento espectral trabalham com duas hipóteses: quando o usuário primário ocupa o espectro e transmite um sinal X(t) qualquer por um canal sujeito a uma interferência η(t), aditiva e Gaussiana. E quando o mesmo usuário primário está ausente (ou seja, existe uma oportunidade de transmissão), o espectro observado é composto apenas pela interferência η(t). Desta forma, sendo o sinal Y (t) resultante da observa¸cão do espectro, o sistema de rádio cognitivo deve decidir pelas seguintes hipóteses: Y (t) = η(t). caso Γ0. Y (t) = X(t) + η(t). caso Γ1 ,. (2.1). em que a hipótese Γ0 refere-se a ausência do usuário primário e Γ1 refere-se a presen¸ca do usuário primário. O conjunto de hipóteses definidas pela Equa¸caõ (2.1) é denominado teste binário de hipótese (LIMA, 2014). A eficiência da arquitetura de sensoriamento espectral pode ser avaliada em fun¸caõ das probabilidades de falso alarme (PF A ), de falha de deteçcaõ (PM ) e de correta deteçcão (PD ) (LIMA, 2014). Define-se probabilidade de falso alarme (ou erro tipo I) a probabilidade da arquitetura indicar a presen¸ca do usuário primário quando o canal está desocupado. Por probabilidade de falha de deteçcaõ (ou erro tipo II) a probabilidade da arquitetura identificar que o canal está desocupado, mas o usuário primário está presente. Em termos de probabilidades condicionais, pode-se definir as probabilidades de falso alarme (PF A ) e de falha de deteçcão (PM ) como: PF A = P (Γ1 | Γ0 ),. (2.2). PM = P (Γ0 | Γ1 ),. (2.3). por consequência, a probabilidade de correta deteçcaõ (PD ) (identificar corretamente que o canal está ocupado ou desocupado) por: PD = 1 − (PF A + PM ).. (2.4). Existem vários algoritmos que podem ser usados para se detectar oportunidades de transmissão em um sistema de rádio cognitivo, avaliados, basicamente, em fun¸caõ de três variáveis: processamento computacional, probabilidades de falso alarme e de deteçcão.

(34) ´ CAPÍTULO 2. RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. 15. e conhecimento prévio dos sinais a serem sensoriados. Os algoritmos de sensoriamento de espectro, quando eficazes, são capazes de perceber as oportunidades de transmissão com alta taxa de deteçcão, baixa taxa de falso alarme e com a menor quantidade poss´ıvel de informa¸co˜es prévias sobre os sinais a serem sensoriados. Além disso, estes algoritmos devem satisfazer algumas exigências, como rapidez, robustez e precisão (SOUZA, 2014). Dentre os algoritmos mais comuns de sensoriamento estão: sensoriamento por deteçcão de energia, por análise de cicloestacionariedades e filtros casados. A Tabela 2.1 ilustra, de forma resumida, a compara¸caõ entre os principais métodos de sensoriamento espectral. Tabela 2.1 - Compara¸caõ entre os Principais Métodos de Sensoriamento Espectral. Complexidade Sensibilidade a Precisão Erros de Sincronismo Energia Baixa Baixa Baixa Cicloestacionariedade Média Média Média Filtros Casados Alta Muito Alta Alta Fonte: (ALMEIDA, 2010). Neste trabalho implementou-se os métodos de sensoriamento por cicloestacionariedades e por energia. O objetivo é detectar a presen¸ca de usuários primários que utilizem a codifica¸cão wavelet. Nas próximas se¸co˜es são detalhados cada um destes métodos de sensoriamento espectral.. 2.3. ˜ DE ENERGIA SENSORIAMENTO POR DETECC ¸ AO O sensoriamento por deteçcão por energia tem como princ´ıpio medir a energia do sinal. e compará-la com um limiar de deteçcão. A métrica ε a ser comparada com o limiar é definido como: ε=. N −1 X. |Y (n)|2 ,. (2.5). n=0. em que N é o tamanho da janela de observa¸caõ. A decisão entre as hipóteses Γ0 (ausência do usuário primário) e Γ1 (usuário primário presente) é feita através da compara¸caõ da métrica ε com um limiar de deteçcão γ. Caso a métrica ε seja maior do que o limiar de deteçcão γ, a arquitetura decide que o usuário primário está presente. Por sua vez, se a métrica ε for menor do que o limiar de deteçcaõ γ, a arquitetura decide que o usuário primário está ausente. Supondo-se que os sinal modulado X(n) e de ru´ıdo η(n) são ambos Gaussianos, com.

(35) ´ CAPÍTULO 2. RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. 16. 2 média nula e variância σX e ση2 , respectivamente, pode-se demonstrar (URKOWITZ, 1967;. XUPING; JIANGUO, 2007) que quando o usuário primário está presente, a métrica ε 2 2 segue uma distribui¸caõ Gaussiana com média N (σX + ση2 ) e variância 2N (σX + ση2 )2 e que. se o usuário primário está ausente, a métrica ε segue uma distribui¸caõ Gaussiana com média N ση2 e variância 2N ση4 , ou seja:   . N(N ση2 , 2N ση4 ). . 2 2 N(N (σX + ση2 ), 2N (σX + ση2 )2 ) caso Γ1 ,. ε∼. caso Γ0. (2.6). tal que N(µ, σ 2 ) é uma distribui¸cão Gaussiana com média µ e variância σ 2 , com fun¸caõ densidade de probabilidade definida por: !. 1 (x − µ)2 √ fX (x) = exp − . 2σ 2 2πσ 2. (2.7). Analisando as distribui¸cões de probabilidade para a métrica ε, as probabilidades de falso alarme e de deteçcaõ podem ser definidas como: PF A = P (ε > γ | Γ0 ). (2.8). PD = P (ε > γ | Γ1 ), que podem ser reescritas a partir da fun¸caõ Q(·): . γ − N ση2. . 2N ση4. . PF A = Q  q . 2 ) γ − N (ση2 + σX. . (2.9). , PD = Q  q 2 2N ((ση2 + σX ))2. em que a Fun¸caõ Q(·) é definida como: ! 1 Z∞ u2 exp − Q(x) = √ du. 2 2π x. (2.10). Observa-se que, a partir da Equa¸caõ (2.9), fixando-se uma probabilidade de falso alarme, a defini¸cão do limiar de deteçcão γ depende apenas do n´ umero de amostras N tomadas na janela de observa¸caõ e da variância do ru´ıdo do canal ση2 , que pode ser estimada a partir do conhecimento da rela¸caõ sinal-ru´ıdo do sistema de comunica¸co˜es..

(36) ´ CAPÍTULO 2. RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. 17. O limiar de deteçcaõ γ a ser comparado com a métrica pode ser escolhido de acordo com o critério de Probabilidade de Falso Alarme Constante (Constant False Alarm Rate ´ CFAR). Pode-se provar (URKOWITZ, 1967; PLATA; REATIGA, 2012) que este limiar por ser determinado como: s. γ = N ση2 . . 2 −1 Q (PF A ) + 1 . N. (2.11). Resumidamente o processo de sensoriamento por energia pode ser resumido nos seguintes passos: 1. Determinar a energia do sinal recebido a partir de uma quantidade N de amostras utilizando a Equa¸cão (2.5) ; 2. Estimar a rela¸caõ sinal-ru´ıdo do sistema de comunica¸co˜es e calcular a variância do ru´ıdo - ση2 ; 3. Utilizar a Equa¸caõ (2.11) de forma a calcular o limiar λ em fun¸caõ dos parâmetros ση2 e N . Neste caso deve-se estipular uma probabilidade de falso alarme fixa (geralmente adotada como 10%); 4. Utilizando o teste de hipótese, decidir pela presen¸ca ou ausência do usuário primário.. ´ SENSORIAMENTO POR ANALISE DE CICLOESTACIONARIEDADES. 2.4. Neste trabalho utiliza-se uma análise de cicloestacionariedades a fim de detectar a presen¸ca de usuários primários que estejam transmitindo sinais codificados com a codifica¸cão wavelet. Nesta se¸caõ descreve-se, de forma resumida, os aspectos teóricos relacionados a` análise de caracter´ısticas cicloestacionárias de sinais, bem como o processo de sensoriamento empregado neste trabalho.. 2.4.1. Processos Cicloestacion´ arios. Em processamento de sinais aleatórios geralmente adota-se um modelo no qual os sinal são estacionários no sentido amplo - Wide Sense Stationary (WSS), ou seja, a sua descri¸cão é feita, de forma completa, por sua média e sua fun¸cão de auto-correla¸cão (COSTA, 1996). Contudo, nos sinais encontrados em sistemas de comunica¸co˜es sem fio, os parâmetros.

(37) ´ CAPÍTULO 2. RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. 18. estat´ısticos variam com o tempo. Um método mais eficaz para modelar o comportamento estat´ıstico desses sinais é assumir que eles são cicloestacionários. Neste caso, as variáveis estat´ısticas variam com o tempo, porém de forma periódica. De forma geral, afirma-se que um sinal x(t) é cicloestacionário de ordem n (no sentido amplo) se houver uma transforma¸caõ não-linear f (·) de ordem n que fa¸ca o sinal resultante y(t) = f (x(t)) apresentar componentes senoidais de amplitude finita, ou seja, que fa¸ca o sinal y(t) ter pelo menos um coeficiente de Fourier, Myα , não nulo para algum valor de α 6= 0, sendo Myα definido por: D. E. Myα = y(t)e−j2παt ,. (2.12). em que o parâmetro α é chamado frequência c´ıclica ou ciclofrequência e o s´ımbolo h·i representa o operador média temporal: 1 Z T /2 (·)dt. h·i = lim T →∞ T −T /2. (2.13). No caso de n = 2, o sinal é dito cicloestacionário de segunda ordem, ou seja, existe uma transforma¸caõ quadrática capaz de produzir componentes senoidais de amplitude finita. Apesar de existir sinais com cicloestacionariedade de ordem superior, a maioria dos sinais de comunica¸co˜es apresentam cicloestacionariedade de segunda ordem (HAYKIN, 2002). De modo prático, sinais com essas caracter´ısticas apresentam Fun¸caõ de Auto Correla¸cão periódica: Rx (t + T, τ ) = Rx (t, τ ),. (2.14). em que T é o per´ıodo de repeti¸caõ e Rx (t, τ ) é a fun¸caõ de Auto-Correla¸caõ, definida como: τ τ x∗ t − Rx (t, τ ) = x t + 2 2 . 2.4.2. . . . .. (2.15). Medidas em An´ alise de Cicloestacionariedades de Segunda Ordem. Quando a teoria de processos cicloestacionários de segunda ordem é aplicada ao sensoriamento espectral, três medidas importantes são utilizadas: a Fun¸cão Auto-Correla¸caõ C´ıclica - Ciclic Autocorrelation Function (CAF), a Fun¸caõ de Densidade de Correla¸caõ Espectral - Spectral Correlation Density Function (SCD) e o Perfil Alfa..

(38) ´ CAPÍTULO 2. RADIO COGNITIVO E SENSORIAMENTO ESPECTRAL. 19. Em cicloestacionariedade de segunda ordem, a transforma¸caõ sobre o sinal x(t) que gera componentes senoidais de amplitude finita é definida por: τ τ y(t) = f (x(t)) = x t + x∗ t − , 2 2 . . . . (2.16). em que x∗ (t) é o conjugado complexo de x(t). Desta forma, o coeficiente complexo de Fourier, Myα , para Cicloestacionariedade de Segunda Ordem é dado por: . Myα = Rxα (τ ) = x t +. τ τ −j2παt x∗ t − e , 2 2 . . . . (2.17). o qual denomina-se de Fun¸cão Auto-Correla¸caõ C´ıclica - Ciclic Autocorrelation Function (CAF) de x(t). Dado que α representa um conjunto de harmônicas da frequência fundamental, é um n´ umero discreto. Dessa forma, um sinal possui cicloestacionariedade de segunda ordem (no sentido amplo) se para algum α 6= 0, a Fun¸cão de Auto-Correla¸caõ C´ıclica é diferente de zero, ou seja, o termo definido na Equa¸cão (2.16) apresente componentes senoidais de amplitude finita. O conjunto de frequências c´ıclicas no qual a CAF é diferente de zero é chamado de ciclo-espectro. Utilizando a rela¸cão c´ıclica de Wiener (KIM, 2007), pode-se definir a Fun¸caõ de Densidade de Correla¸caõ Espectral - Spectral Correlation Density Function (SCD), Sxα (f ), como a transformada de Fourier da CAF: Sxα (f ) = F[Rxα (τ )] =. Z ∞ −∞. Rxα (τ )e−j2πf τ dτ ,. (2.18). em que f é a frequência do sinal, expressa em Hz. A SCD também pode ser entendida como a correla¸caõ estat´ıstica entre componentes espectrais f + α/2 e f − α/2 de um sinal x(t) e pode ser determinada a partir do periodograma c´ıclico variante no tempo (GARDNER, 1994): . . Sxα (f ) = X t, f +. α α X ∗ t, f − 2 2 . . . ,. (2.19). em que: X (t, ν) =. Z t+T /2 t−T /2. x(u)e−j2πνu du,. (2.20).