Cognitive Radio Survey

  • May 2020
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Cognitive Radio Survey as PDF for free.

More details

  • Words: 9,420
  • Pages: 29
DOCTORAL QUALIFICATION EXAM ‐ II

Cognitive Radios  Spectrum Sensing and Allocation Techniques   

Farrukh Javed  7/28/2008        F‐05‐020/07‐UET_PHD‐CASE‐CP‐40, Electrical and Computer Engineering Department  Centre for Advanced Studies in Engineering, Islamabad, Pakistan  Advisor: Dr Riaz Inayat        Abstract   The  un‐precedented  and  exponential  expansion  in  field  of  telecommunications  is  yet  to  face  a  challenge  that  cannot be amicably resolved. But the lightning pace of development itself poses a question which if not effectively  addressed  will  bring  this  development  to  a  dead  halt.  The  ultimate  human  limitation  in  the  field  of  telecommunication: “The available spectrum is but finite”. Latest advancements in research have offered various  solutions  but  definitely  none  as  viable  as  “Cognitive  Radios”.  The  term  next  generation  Radios  Networks  or  dynamic spectrum access is also used for the same paradigm. This paper is formulated to fulfill the requirements of  doctoral qualification exam and encompasses, “the introduction to the spectrum sensing and allocation techniques  used in cognitive radios”. 



Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

Contents  Section I – Cognitive Radios  1. 

Introduction .......................................................................................................................................... 4 

2. 

Next Generation (xG) networks ............................................................................................................ 5 

3. 

Cognitive Radio ..................................................................................................................................... 6  3.1 

Cognitive Capability ...................................................................................................................... 7 

3.1.1 

Spectrum Sensing .................................................................................................................. 7 

3.1.2 

Spectrum allocation .............................................................................................................. 7 

3.2 

Re‐Configurability ......................................................................................................................... 8 

Section II ‐ Spectrum Sensing  4. 

Transmitter detection ......................................................................................................................... 10  4.1 

4.1.1 

Opportunities ...................................................................................................................... 11 

4.1.2 

Challenges ........................................................................................................................... 11 

4.2 

6. 

7. 

Energy detection ......................................................................................................................... 11 

4.2.1 

Opportunities ...................................................................................................................... 11 

4.2.2 

Challenges ........................................................................................................................... 12 

4.3 

5. 

Matched filler detection ............................................................................................................. 11 

Cyclo‐Stationary feature detection ............................................................................................. 12 

4.3.1 

Opportunities ...................................................................................................................... 13 

4.3.2 

Challenges ........................................................................................................................... 13 

Cooperative detection ........................................................................................................................ 13  5.1 

Opportunities .............................................................................................................................. 14 

5.2 

Challenges ................................................................................................................................... 14 

Interference based detection ............................................................................................................. 14  6.1 

Opportunities .............................................................................................................................. 15 

6.2 

Challenges ................................................................................................................................... 15 

Spectrum Sensing Challenges ............................................................................................................. 15  7.1 

Interference Temperature .......................................................................................................... 15 

7.2 

Spectrum Sensing In Multi‐User Networks ................................................................................. 16 

7.3 

Speed of detection ...................................................................................................................... 16 

 

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 



Section III ‐ Spectrum Allocation  8. 

Spectrum Analysis ............................................................................................................................... 17  8.1 

Channel capacity ......................................................................................................................... 17 

8.2 

Primary and xG network user info .............................................................................................. 17 

8.3 

Channel Capacity ......................................................................................................................... 19 

8.4 

Spectrum analysis Challenges ..................................................................................................... 19 

8.4.1  9. 

Opportunities ...................................................................................................................... 20 

Spectrum Decision .............................................................................................................................. 20  9.1 

Spectrum Mgmt: ......................................................................................................................... 21 

9.2 

Spectrum Mobility....................................................................................................................... 21 

9.2.1 

Spectrum mobility challenges ............................................................................................. 22 

9.2.2 

Opportunities for spectrum mobility .................................................................................. 23 

9.3 

9.3.1 

Architecture based classification ........................................................................................ 24 

9.3.2 

Challenges and Opportunities ............................................................................................. 24 

9.3.3 

Spectrum Sharing based on the access behaviour ............................................................. 24 

9.3.4 

Challenges and Opportunities ............................................................................................. 25 

9.3.5 

Spectrum sharing based on access technology .................................................................. 25 

9.3.6 

Challenges and Opportunities ............................................................................................. 25 

9.4  10. 

Spectrum Sharing ........................................................................................................................ 24 

Spectrum Sharing Challenges ...................................................................................................... 26  Conclusion ....................................................................................................................................... 27 

 

   

 

Section I – Cognitive Radios  1.

Introduction 

The  finite  nature  of  available  spectrum  is  undoubtedly  the  biggest  question  mark  on  the  phenomenal expansion in the field of telecommunication. The question that “Are we headed for a dead  stop?” has been answered in negative in very mean ways but none is apparently more suitable than the  idea of cognitive radios. The human limitation of finites is answered by human nature to cognitivity. The  term “Cognitive” as elaborated in encyclopaedia Encarta as the ability of acquiring knowledge by the use  of  reasoning,  intuition  or  perception.  The  concept  of  cognitive  radios  is  based  on  humanising  the  communication networks by giving them ability to sense, analyse, decide and adjust. Though the barrier  of  finite  nature  of  spectrum  cannot  be  crossed  but  it  sure  can  be  bypassed  by  the  most  optimum  utilization of available spectrum.     Presently  the  spectrum  is  accessed  using  fixed  spectrum  access  techniques  FSA.  Government  agencies  allocate  spectrum  bands  to  different  users  and  vendors  based  on  policies  and  monetary  agreements. The fixed allocation, due to it’s convenience of use has survived for so many years and is  sure  to  last  for  many  more.  But  the  biggest  drawback  of  the  technique  is  its  non‐flexibility.  The  mass  variations  in  spectrum  concentration  at  diff  time,  space  and  freq  bands  results  in  wastage  of  major  portion of spectrum at most of the time instances. Federal communication commission (FCC) [1] places  the spectrum usage between the ranges 15% ‐ 85% at all times. This implies that if some means can be  adopted to effectively utilize, unused spectrum slots in different freq bands the spectrum can be used  much more efficiently and economically. 

  Fig. 1. Spectrum Utilisation [1] 

 

 

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 



Measured Spectrum Occupancy Averaged over Six Locations PLM, Amateur, others: 30-54 MHz TV 2-6, RC: 54-88 MHz Air traffic Control, Aero Nav: 108-138 MHz Fixed Mobile, Amateur, others:138-174 MHz TV 7-13: 174-216 MHz Maritime Mobile, Amateur, others: 216-225 MHz Fixed Mobile, Aero, others: 225-406 MHz Amateur, Fixed, Mobile, Radiolocation, 406-470 MHz TV 14-20: 470-512 MHz TV 21-36: 512-608 MHz TV 37-51: 608-698 MHz TV 52-69: 698-806 MHz Cell phone and SMR: 806-902 MHz Unlicensed: 902-928 MHz Paging, SMS, Fixed, BX Aux, and FMS: 928-906 MHz IFF, TACAN, GPS, others: 960-1240 MHz Amateur: 1240-1300 MHz Aero Radar, Military: 1300-1400 MHz Space/Satellite, Fixed Mobile, Telemetry: 1400-1525 MHz Mobile Satellite, GPS, Meteorologicial: 1525-1710 MHz Fixed, Fixed Mobile: 1710-1850 MHz PCS, Asyn, Iso: 1850-1990 MHz TV Aux: 1990-2110 MHz Common Carriers, Private, MDS: 2110-2200 MHz Space Operation, Fixed: 2200-2300 MHz Amateur, WCS, DARS: 2300-2360 MHz Telemetry: 2360-2390 MHz U-PCS, ISM (Unlicensed): 2390-2500 MHz ITFS, MMDS: 2500-2686 MHz Surveillance Radar: 2686-2900 MHz 0.0%

25.0%

50.0%

75.0%

100.0%

Spectrum Occupancy

Fig. 2. Spectrum Concentration [2]

Another  estimation  of  spectrum  concentration  is  given  by  Jean‐Pierre  Hubaux  in  [2].  He  has  observed spectrum allocation and usage at six locations(Locations: New York city; Riverbend Park, Great  Falls, VA; Tysons Corner, VANSF Roof, Arlington, VA; NRAO, Greenbank, WV; SSC Roof, Vienna, VA). He  has come up with the results shown in fig. 2. He goes on to comment that in Europe, cellular operators  have spent nearly 100 billion Euros to buy spectrum for the 3rd generation.   2.

Next Generation (xG) networks 

  The xG Networks are heterogeneous networks which provide dynamic spectrum access by using  cognitive radios as nodal points in the network. The xG Networks can be used in parallel to licensed user  networks  and  can  opportunistically  utilize  the  under‐utilised  spectrum  without  disturbing  the  licensed  user network.  The inherent flexibility and adaptability in the xG networks necessitates elaborate protocols that  can  address  a  multitude  of  situation  that  are  un‐encountered  in  fixed  spectrum  access  scenarios.  The  situation is further complicated by the fact that the xG network will almost work not only in parallel to  the licensed user network but also subservient in the regards that it will always be the xG  network that  has to adept to the changing needs of the licensed user band. There might also be situations in which  various xG networks are to work in conjunction with each other.     Though  the  protocols  defining  xG  networks  are  still  a  popular  area  for  study  and  have  not  evolved  into  a  very  refined  form  however  the  generally  suggested  architecture  are  of  multiple  cross 



Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

Fig. 3. xG Network Functionalities [3]

layers.  Akyildiz  in  [7]  suggested  a  cross‐layer  architecture  which  is  shown  in  fig.  3.  The  architecture  exhibits the cooperative and complex functionalities of xG Network.   3.

Cognitive Radio 

Joseph Mitolla and Gerald Maguire [4] in their ground breaking work described the novel idea as  the  situation  in  which  wireless  nodes  and  the  related  networks  are  sufficiently  computationally  intelligent about radio resources and related computer to computer communication to detect the user  communication needs as a function of use context and to provide resources and wireless resources most  required. In simpler words, a cognitive radio is a radio that can interact with its radio environments by  sensing  its  parameters  and  adapting  to  them.  The  definition  indicates  two  basis  characteristics  of  cognitive radios.   •



Cognitive capability:  Interaction  with  environment  in  order  to  detect  the  spectrum  parameters.  The  spectrum  needs  to  be  analysed  for  spectrum  concentration,  power  level,  extent and nature of temporal and spatial variations, modulation scheme and existence of any  other xG network operating in the neighbourhood.     Reconfigurability:  The  beauty  of  cognitive  radio  is  its  flexibility.  The  radio  is  capable  to  adopt  itself  so  as  to  meet  the  spectrum  needs  in  the  most  optional  method.  This  flexibility  in  design has been rendered only recently due to the advancements in concept of software radios  DSP techniques, antenna technology etc.  

The paper is restricted to the spectrum sensing and allocation of cognitive radios which constitute  the  cognitive  capability  of  a  radio.  Hence  the  re‐configurability  is  only  briefly  discussed  and  then  the  spectrum sensing and allocation techniques and concepts have been discussed in detail.   

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

3.1



Cognitive Capability 

Cognitive capability of a radio enables it to interact with its radio environment. The interaction is  a closed loop function called as cognitive cycle. The spectrum is analysed for its various parameters and  decisions  made  on  the  basis  of  this  analysis  are  used  for  reconfiguration  of  cognitive  radio.  This  is  a  continual  process  and  the  spectrum  sensing  and  analysis  is  not  ceased  at  any  instant.  The  cycle  is  depicted as in fig. 4 in [3]  The  implementation  of  this  cycle  is  still  an  open  area  for  research  and  multiple  options  have  been suggested. However, a broad categorization can be made as under:  • •

3.1.1

Spectrum Sensing  Spectrum allocation  o Spectrum analysis  o Spectrum decision  Spectrum Sensing 

Spectrum  sensing  implies  the  data  collection  from  the  radio  neighbourhood  not  only  for  the  identification  of  temporally  unused  slots  in  the  spectrum  but  also  for  all  other  relevant  details.  These  unused slots are called as spectrum holes or white space [5]. The monitoring is continuous and over the  complete spectrum. 

Fig. 4. Cognitive cycle [3]

3.1.2

Spectrum allocation 

Spectrum  allocation  is  made  based  not  only  on  the  sensed  spectrum  parameters  but  various  other functions. The spectrum allocation follows two steps.  3.1.2.1 Spectrum analysis  The analysis of spectrum parameters and identifying the spectrum holes is carried out in order  to determine various parameters that are required to choose a suitable band for transmission.   



Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

3.1.2.2 Spectrum decision  The  decision  about  the  selection  of  a  suitable  band  for  transmission  is  not  only  depending  on  the spectrum information acquired by spectrum analysis but also by various other consideration equally  important such as:‐  • • • •

3.2

Transmission characteristics  Spectrum management  Spectrum mobility  Spectrum sharing    Re‐Configurability 

After selection of a suitable band and transmission parameters for transmission the next biggest  design challenge is to reconfigure or adapt the radio to suit these parameters. The recent technological  breakthroughs  in  software  radios  can  be  best  utilised  for  giving  this  flexibility.  There  are  various  parameters that can be considered for reconfiguration. Incorporation of each factor adds to the design  flexibility.  •









Operating frequency:  This is the ability to transmit at different operating frequencies in order  to use a spectrum hole. This is the primal requirement for a dynamic spectrum access network.     Modulation Scheme:  A cognitive radio should reconfigure for adaptation to the channel and  user  requirements.  For,  example  for  a  delay  sensitive  transmission  the  modulation  scheme  should  be  chosen  whose  delay  characteristic  are  better  than  the  error  rate.  Conversely,  a  low  sensitive transmission would be more suited to a low error rate channel. Another example can  be the use of CDMA for security sensitive transmissions.     Transmission Power:  The cognitive nature of a cognitive radio enables it to use a transmission  most  suited  to  the  requirement.  The  transmission  power  level  can  be  adjusted  based  on  the  information of the intended receiver. The adjustment of transmission power to minimum gives  two big advantages. Firstly, it enables reduced power consumption and secondly it enhances the  numbers of users linked to the network by decreasing interference.    Communication  Technology:  The  inherent  design  flexibility  enables  a  cognitive  radio  to  be  interoperable between different communication systems.     Directivity of transmission: The directivity of transmission gives another dimension of expansion  to  cognitive  radios.  The  spectrum  holes  cannot  only  be  in  temporal  sense  but  also  spatial  distribution of holes can be considered and put to optimum utilisation.  

 

Farrukh Ja aved F‐05‐020. Spectrum Sensing and Alloca ation in Cognittive Radios (DQ QE ‐ II) 



Power

Th he  reconfigurable  parameeters  of  the  cognitive  c radio  are  changging  continuously  based  on  o the  prevailingg spectrum co onditions. Thee discussion ffrom here on is focused on n the cognitivve capability o of the  cognitive radio conside ering the topiic under discu ussion. 

Frequency 

Time

Fig. 5. SSpectrum Hole C Concept

   

 

10 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

Section II – Spectrum Sensing  As already introduced, the cognitive nature of a cognitive radio is manifested by its interaction  with  the  spectrum  and  the  very  first  step  in  this  regard  is  the  identification  of  spectrum  holes.  Actual  detection of a channel between the transmitter and receiver is very difficult. However, the recent work  utilises  the  interactive  nature  of  a  cognitive  radio  by  detecting  the  transmitter  based  observation  of  spectrum users. The broad classification of cognitive radio sensing is as follows 

Spectrum Sensing

Matched Filter  Detection

Transmitter  Detection

Cooperative  Detection

Interference Bssed  Detection

Energy Detection

Cyclostationary  Feature Detection

  4.

Transmitter detection 

Spectrum concentration in a spatial domain can be determined by receiving transmission from  all the perceived transmitters in that domain at any time instant. The approach depends on observation  of  signals  received  at  various  cognitive  radios  in  an  xG  network  and  analysing  the  context  for  the  transmission by the primary transmission in that vicinity the hypothesis mode would be        

,                              ,         

 

Or             

,                           ,        

 

  Where x(t)  is the signal received at the cognitive radio, n(t)is the AWGN noise present in the  channel  and  h(t)is  the  impulse  response  of  the  channel.  The  second  model  is  the  frequency  domain  translation  of  the  same  hypothetical  model.  Both  hypotheses  are  checked  for  correctness  based  on  probabilistic  models  and  if  hypothesis  H1  is  found  true  then  the  presence  of  transmitted  signal  is  concluded and further analyzed. 

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

11 

As indicated already, the techniques used for detection can be broadly categorized as matched  filter detection, energy detection and cyclo‐stationary feature detection.  4.1

Matched filler detection 

The common sense means to detect a transmission is to design an inverse filler to the impulse  response  of  the  primary  transmitter.  The  additional  requirement  would  be  to  make  a  precise  noise  model of the channel which can be used to decode the signal optimally.   4.1.1 • •

Matched  filter  detection  is  a  widely  used  technique  in  communication  and  not  much  effort  is  needed to adapt it to the requirements of a cognitive radio.  The filter takes very little time to achieve high processing gains. 

4.1.2 • •

Opportunities 

Challenges 

Even If inter symbol interference is completely eliminated from a transmission even than the best  performance of a matched filler is bounded by a theoretical bound known as matched filler bound.  The biggest challenge for a matched filter is that it requires apriory knowledge of the transmission in  order  to  decode  a  signal.  In  case  of  an  xG  network  this  information  can  only  be  obtained  if  the  licensed  spectrum  user  can  extend  the  leverage.  If  the  licensed  user  intends  to  transmit  to  a  matched  filter  detector  than  some  information  in  the  form  of  pilots,  preambles,  synchronization  work or spreading code will be transmitted by the transmitter which might be used by the cognitive  radio. Otherwise, the technique can only be used if licensed user intends   cooperating.  

4.2

Energy detection 

If  the  transmission  information  is  not  available  with  the  cognitive  radio  then  the  optimum  receiver is the energy detector. The detector is simply the integrated output Y of a band pass filter with  bandwidth W over a time period T.  The output is compared with a threshold λ to decide whether some  signal is present in the band or not. The threshold selection can be made as a fixed value or a flexible  choice, that is though complicated but more suitable for a cognitive radio.   In [6] it is deduced that the probability of detections Pd and probability of false alarm Pf is  Pd = P [Y > λ / H1] = Qm (√2γ, √λ),  Pf = P [Y > λ / H0] = Г (m, λ/2) / Г (m)  Where  λ  is  SNR,  n  =  TW  (time  bandwidth  product)  and  Г  (  .  )  ,  Г  (.  ,  .)  are  complete  and  incomplete Г (gamma) functions. Qm is generalized Marcum Q function.   4.2.1 •

Opportunities 

As it is the most easily implement‐able detector hence it is the most widely considered detector in  research. 

12 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

Fig. 6. (a) Receiver Uncertainty (b) Shadowing Uncertainty [3] 



  The  detector  has  been  sufficiently  studied  for  multi‐path  and  fading  channels  and  satisfactory  results  have  been  obtained.  In  [7]  it  is  given  that  Pf  in  this  case  is  independent  of  λ.  When  the  amplitude  gain  of  channel  h,  varies  due  to  the  shadowing    and  fading,  Pd  gives  the  probability  of  detection conditioned on instantaneous SNR as follows 

  Pd =

  Q

m (√2γ, √λ) fr(x) dx 

Where fr(x) is the probability distribution function of SNR under fading conditions.   4.2.2 •



• •

4.3

Challenges 

If the Pd is very low then the failure to detect a licensed primary user will erroneously create a false  hole. Consequently the interference for primary user will increase. Conversely, if the Pf is very high,  it  will  result  in  under‐utilized  spectrum.  This  necessitates  a  very  careful  selection  of  comparison  threshold λ.    Pilot  detector  is  susceptible  to  noise  power  variations.  A  pilot  tone  from  transmitter  can  be  considered  to  address  this  problem  but  again,  the  detectors  major  benefit  that  no  transmitter  information is required at the receiver is compromised.    An energy detector cannot differentiate communication types, hence is prone to false indication if  some un‐desirable signal is present in the considered band.   The  lack  of  information  about  the  type  of  transmission,  reduces  the  re‐configurable  parameters,  hence results in reduced flexibility of the cognitive radio.  Cyclo‐Stationary feature detection 

Cyclo‐stationary  detector  is  based  on  the  inherent  redundancy  in  the  transmission  signals.  Modulated  signals  in  general  are  associated  with  sine  wave  carriers,  digital  sequences  in  the  farm  of  pulse trains, repeating spreading or having cyclic prefixes. These all periodicities in these communication  signals  results  in  an  inherent  autocorrelation.  A  cyclo‐stationary  detector  detects  the  presence  of  a 

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

13 

signal on basis of presence of periodicity in the transmission by using a spectral correlation function. The  beauty  of  this  detector  is  that  it  can  differentiate  the  signal  easily  from  the  noise  because  the  noise  pattern in general, is wide‐sense stationary and indicates no periodicity.  4.3.1 •





A  cyclo‐stationary  feature  detector  can  perform  better  than  the  energy  detector  because  of  its  robustness in presence of uncertain noise powers.     No  transmitter  information  is  required  at  the  cognitive  radio  to  obtain  the  communication  information.    Neural network based cyclo‐stationary detectors are studied in [8] and are found extremely useful.   

4.3.2 • •



Opportunities   

Challenges  

Cyclo‐stationary detector is computationally very complex to implement.    Cyclo‐stationary  detectors  cannot  detect  type  of  communication  and  hence  is  prone  to  erroneous  detection from an un‐intended transmission source.    The  lack  of  information  about  communication  types  renders  reduced  flexibility  to  the  cognitive  radio. 

Though  the  challenges  of  each  transmission  detector  technique  are  discussed  separately  but  one  common  problem  that  transmitter  detection  has  to  face  is  its  frequent  isolation  from  primary  network. This isolation results in what are called as “receiver uncertainty” and “shadowing uncertainty”  [3].  Receiver  uncertainty  exists  when  the  receiver  is  unable  to  detect  a  primary  transmitter  due  to  weakness  of  its  signal  but  is  adversely  affecting  the  reception  of  primary  receiver.  Shadowing  un‐ certainty is similar to receiver uncertainty except that the cause of weak signal is some obstruction in  the transmission and not the distance involved.   5.

Cooperative detection 

The cooperative detection is based on the cooperation between various xG users for contention  of  spectrum  by  sharing  information  about  their  radio  environment.  This  not  only  enhances  the  optimality of spectrum utilization but also reduces the chances of interference to primary uses. The two  approaches  to  implement  the  cooperative  detection  are  in  a  centralised  or  distributed  manner.  In  centralised approach a xG base station or hub is responsible for acquiring information from all xG users,  makes  a  broad  picture  of  primary  users  and  xG  users  in  the  complete  radio  environment  and  disseminate the information to xG users on as required basis. In distributed approach each xG users acts  as a node and shares its neighbourhood information with all others users of xG network.    

14 

5.1 •

• • 5.2 •





Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

Opportunities  Biggest  advantage  of  cooperative  detection  is  the  manifold  reduction  in  the  uncertainties  of  transmitter detection, due to sharing of information at various xG users.     Effects of degrading factors such as multiple paths fading and shadowing are mitigated.     Primary users’ interference is appreciably reduced.   Challenges  In  [9]  the  problems  created  due  to  co‐location  of  spectrum  sensing  (cooperative  method)  and  transmission functions are discussed and it is suggested that two separate networks for sensing and  transmission be adopted. Though problem might be resolved but at the cost of added complexity.     In  case  of  resource  constrained  network,  cooperative  detection  might  be  a  difficult  option  considering the additional operations and overhead traffic.    Primary receiver un‐certainty due to the passive nature of primary receiver is still un‐resolved.  

Fig. 7. Interference Temperature Model [10]

6.

Interference based detection 

All the detection techniques discussed thus far have focused on reducing the interference to the  primary  transmitter.  This  is  because  of  the  difficulty  to  detect  primary  receivers  due  to  their  passive  nature. However the aim remains to reduce the interference to the primary receiver irrespective of the  transmitter.   Interference based detection model has been recently proposed by FCC [10] which introduces  the  idea  of  interference  temperature.  The  fig  7  [10]  shows  an  interference  temp  model.  The  power  received at primary receiver reduces exponentially with distance, until it falls to the level of noise floor.  At  this  point  the  receiver  treats  this  communication  as  simply  noise  and  not  transmission.  The  noise 

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

15 

floor, though a theoretical threshold has spikes in it which are to be treated as noise by the receiver. If  an interference cap is introduced above the maximum noise level, all noise will be completely removed.  This  increase  in  threshold  results  in  slightly  reduced  range  for  transmitter  but  makes  a  very  useful  corridor  for  xG  networks  to  operate.  A  cognitive  radio  aware  of  the  existing  noise  level  can  use  the  spectrum of its choice unless the transmission power does not exceed the interference cap. Below this  level the primary receiver will treat this transmission as simply noise and no interference will occur.   The  interference  base  detection  is  a  new  concept  and  is  being  widely  researched.  Novel  approaches for its implementation are still being suggested. In [11] a direct receiver detection method is  presented  which  uses  the  leakage  power  of  LO  (local  oscillator)  by  the  RF  front‐end  of  a  primary  receiver.  The idea proposed is to have low cast sensor nodes which  detect  the leakages from primary  receiver  and  feed  to  the  cognitive  radios  in  the  xG  networks.  This  information  is  used  by  un‐licensed  users to deduce the spectrum band of choice.   6.1 •



6.2

Opportunities   The biggest advantage of interference temperature based detector is the shift of focus from primary  transmitter to primary receiver. It implies that no undue effort will be made to reduce interference  e.g.  If  no  primary  receiver  is  around,  a  cognitive  radio  may  use  any  frequency  band  of  its  choice  irrespective of primary transmitters in the vicinity.    If the transmission power of a cognitive radio remains below the interference cap, it may utilise any  frequency parameters of its choice.     Challenges 

The  proposal  is  still  in  embryonic  stage  of  research  but  is  sure  to  break  ground  for  a  vast  improvement. The biggest challenge is the receiver interference temperature detection. The complexity  of the problem is compounded considering multiple primary and xG users.  7.

Spectrum Sensing Challenges 

The  challenges  and  opportunities  offered  by  various  spectrum  sensing  techniques  have  been  discussed  above.  But  there  are  few  spectrum  sensing  challenges  that  are  not  specific  to  any  specific  technique but are an open area for research.  7.1

Interference Temperature 

As  already  discussed  the  major  research  done  so  far  is  to  reduce  interference  to  the  primary  transmitter rather than the primary receiver. This is due to the problems faced in finding interference  temperature  at  the  receiver  due  to  its  passive  nature.  A  cognitive  radio  is  generally  aware  of  its  own  transmission  power  levels,  its  location  and  surrounding  noise  level.  But  in  order  to  cause  minimum  disturbance  to  the  primary  users,  it  is  mandatory  to  gather  information  about  their  transmission  characteristics  and  parameters.  The  main  focus  in  this  regard  should  be  the  primary  receiver  but  currently there exists no feasible method of detecting the interference temp at the primary receivers. 

16 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

This is solely due to the passive nature of these receivers. Hence, major work till to date is focused on  reducing interference to primary transmitters. Furthermore, even if temp interference at a precise loc is  deduced, it’ll remain useless for a cognitive radio unless it can conclude the effect of its transmission on  all primary receivers.  7.2

Spectrum Sensing In Multi‐User Networks 

Most of the cognitive radios will have to operate in multi‐user environments, requiring not only  minimal interference to primary users but also competing with other xG users for the same spectrum.  Most  of  the  research  done  does  not  cater  for  multi‐user  scenarios.  However,  a  cooperative  scheme  which is subsequently discussed can be considered. This will greatly minimize the problems arising due  to multi‐user interactions.   7.3

Speed of detection 

The  complete  cycle  of  sensing,  analyzing  and  adapting  is  happening  in  real  time.  Hence  the  speed  of  acquiring  spectrum  information  is  extremely  essential  to  avoid  interference  and  /  or  missed  opportunities  for  spectrum  utilization.  This  is  greatly  dependent  on  the  modulation  scheme  of  the  transmission. In [12, 13, and 14] it has been deduced that OFDM is the most suited transmission scheme  for cognitive radios. Once a primary user is detected by a single carrier, detecting all other carriers is not  necessary. This at present is also another area open for reach. 

 

 

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

17 

Section III – Spectrum Allocation  Spectrum  sensing  gives  a  broad‐based  information  to  proceed  on  to  the  more  important  functionality of spectrum allocation. Spectrum allocation not only comprises of the process of spectrum  analysis and spectrum decision but encompasses a variety of issues such as spectrum mobility, spectrum  sharing,  spectrum  access  etc.  Whereas  the  spectrum  sensing  primarily  deals  with  physical  layer,  spectrum  allocation  deals  generally  with  the  higher  layers.  The  spectrum  allocation  is  a  widely  researched  topic  and  major  issues  need  to  be  compromised  as  yet.  A  broad  of  spectrum  allocation  functionality is as follows:  8.

Spectrum Analysis 

The physical layer of spectrum sensing provides all the raw information to the spectrum analysis  functionality.  The  analysis  not  only  examines  the  time  varying  radio  environment  but  also  measures  various parameters of primary and co‐existing xG users of the spectrum. The information is collected on  basis of various matrices. Generally the spectrum is analysed for three things:  • • •

8.1

 Channel capacity  Primary user related information  xG user information     Channel capacity   

The following factors might be considered for channel capacity analysis.  •







8.2

Path Loss:  Path  loss  is  directly  proportional  to  the  operating  frequency.  Hence  it  is  a  major  consideration for transmission power. In order to avoid interference to other users the transmission  power  should  be  kept  to  the  minimum  but  it  should  remain  high  enough  to  be  of  use.  Hence  the  transmission power is to be adjusted as per operating freq.    Wireless Link Error:    The error rate of the channel changes with the transmission scheme and  interference level of the spectrum band. Hence related information is of importance.     Link Layer Delay:  Due to the inherent flexibility in the design all the proposed networks are multi‐ layer concepts. This brings into consideration the delay involved in various protocol layers.    Noise Info:    The noise existent in the neighbouring radio environment must be considered in  all analyses. Especially the interference temperature model which appears to be the most feasible  spectrum sensing option utilises the noise floor as the basis of all calculations.  Primary and xG network user info 

Similar  information  is  required  about  xG  and  primary  users.  The  following  information  will  be  feasible in this regard. 

18 







Farrukh Ja aved F‐05‐020. Spectrum Sensing and Alloca ation in Cognittive Radios (DQ QE ‐ II) 

Some  specctrum  bandss  are  more  congested  than  others.  The  spectru um  is  Interfference:  analyssed for inform mation aboutt the xG and p primary userss utilising the spectrum. Th his info is anaalysed  to dettect the specttrum holes.     Holding  tim Holdin ng Time:  me  is  the  esstimated  tim me  the  vacan nt  slot  can  be  b occupied  by  a  cognittive radio. Th he greater the holding tim me, the betteer is the perfo ormance of tthe cognitive  radio  becau use  it  will  red duce  the  han ndoffs  a  cognitive  radio  has  h to  underrgo  due  to  primary  p userss.  The  inform mation can be e acquired baased on statisstical models or a cooperaative networkk can also gen nerate  this in nformation fo or all the userrs.     User  transmission  Parameters::  The  transmission  characcteristics  of  the  t primary  and  a co‐existin ng  xG  odulation sch heme,  user aare useful to  decide the suitable specttrum for transmission. Datta such as mo error rate, entropyy etc are usefful for the coggnitive radio tto predict thee behaviour o of these userss.   

 

Fig . 9. Spectru um Sensing and Allocation

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

19 

  8.3

Channel Capacity 

Channel capacity though theoretically defined as mean average entropy but here it is considered  as a term encompassing all channel characteristics.  The spectrum characterised by channel capacity have generally made the SNR parameters as the  basis.  Various  models  have  been  considered  to  utilise  the  SNR  as  a  measure  of  channel  capacity  but  channel  characteristics  can  never  be  fully  encompassed  utilising  SNR  only.  All  the  above  mentioned  factors  form  matrices  that  must  be  considered  for  channel  analysis.  Various  models  have  been  suggested  in  this  regard  which  take  additional  factors  into  consideration  e.g.  in  [3]  the  interference  temperature model discussed in previous section is suggested for measures of channel capacity. In [14]  bandwidth  and  permissible  transmission  power  are  suggested  as  the  basis  of  system  capacity  measurement C.  C 



B  log ( 1 +    S/ (N+I) ) 

Where B is the bandwidth, S is the received signal power from cognitive radio, N is the cognitive radio  noise power and I is the interference power received at the cognitive radio due to primary users.  In [15]  OFDM based cognitive radio channel capacity is defined as   

1 log  1 2

 

Where Ω is the collection of unused spectrum segments, G (f) is the channel power gain at freq  f. So & No are the signal and noise power per unit frequency respectively.   8.4 •

  •



Spectrum analysis Challenges  Heterogeneous Spectrum Sensing:  All  un‐conventional  and  unconventional  analysis  methods  are  designed to operate on a limited frequency band. Even in software radios the general approach is to  follow a frequency filtration mechanism immediately after the RF front end and then the analogue  to  digital  conversion  stage.  However,  in  case  of  a  cognitive  radio  the  complete  spectrum  is  to  be  analysed  for  various  parameters.  The  more  elaborate  is  the  analysis  the  more  flexible  and  interference free performance will be acquired.   The  biggest  analytical  challenge  is  the  analysis  of  Non Cooperative Primary and xG users:  primary and co‐existing xG users. The data is extremely important for deciding a suitable band for  transmission. All decisions for switching from one spectrum hole to another are also based on the  same data. In a non‐cooperative xG network this poses to be a big design challenge.     Varying Transmission Parameters:    The  spectrum  holds  multiple  users  at  all  time  utilising  different modulation schemes, data, error rate etc. In order to accommodate the requisite flexibility  to the channel, cognitive radio should be able to adapt to all the varying conditions. 

20 





Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

   Real Time Analysis:    The Cognitive nature of a cognitive radio demands continuous real time  analysis.  The  broad  spectrum  time  varying  parameter  over  which  the  cognitive  radio  is  operating  make the real time analysis very difficult to accomplish.     Delays in Processing:  In  order  to  cause  minimum  disturbance  to  the  primary  network  (licensed  users)  and  have  better  spectrum  sharing  with  co‐existing  cognitive  radios  it  is  primal  to  undergo a handoff.  Another situation for handoff may arise, if the conditions in the occupied slot  deteriorate  below  an  acceptable  level.  Or  a  situation  in  which  a  more  feasible  slot  is  offered  for  occupation for which the handoff losses to performance are a worthy bargain. The handoffs cause  processing delays which might be very taxing for the cognitive radio performance.  Special  considerations  are  to  be  made  to  minimise  the  no  of  handoffs  and  the  performance  degradation  so  that  the  cognitive  radio  must  be  able  to  adapt  to  its  surroundings  in  minimum  possible time. This necessitates the minimisation of processing delays in the analysis stage. Though,  the advanced DSP techniques and processors have evolved to a level that makes this task possible  but still highly cumbersome.    

8.4.1

Opportunities 

As  discussed  spectrum  sensing  proves  to  be  a  design  challenge  at  physical  layer  but  the  spectrum analysis is a software design problem. The evolution of software radios has for the time made  it possible to visualise the existence a level of flexibility primal for a cognitive radio. This has rendered  many  discussions  to  describe  cognitive  radio  as  an  extension  of  software  radios.  In  any  case,  as  the  technology for a cognitive radio matures, the software radio concepts  have already evolved to a level  where they can be effectively utilised for spectrum analysis and decision.   9.

Spectrum Decision 

The  spectrum  once  analysed  for  all  relevant  parameters  is  chosen  for  transmission  at  a  particular  slot.  The  decision  also  includes  the  transmission  characteristics.  This  is  the  most  computationally  extensive  and  complex  block  of  cognitive  radio.  The  decision  not  only  caters  for  the  spectrum  characteristics  but  also  the  protocols  involved  for  spectrum  sharing  and  spectrum  mobility.  Based  on  this  information  few  holes  are  identified  for  transmission.  These  are  than  compared  with  transmission requirements to decide which slot will most suitably fulfil the user’s requirements of data  rate,  modulation  scheme,  bandwidth  etc.  A  suitable  slot  is  finally  selected  which  can  provide  the  required  QoS  for  the  transmission.  The  decision  is  made  in  real  time  and  has  to  be  changed  with  the  changing parameters. The complexity of decision block is evident from multifarious challengers it poses.  The research issues that need to be investigated to implementation of spectrum decision functionality  are:  • • •

Spectrum management  Spectrum mobility   Spectrum sharing 

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

21 

  9.1

Spectrum Mgmt:      

  The  term  is  being  utilised  to  indicate  those  functions  of  the  spectrum  decision  block  directly  related with spectrum characteristics. These include all the elements discussed in section 8.1. Based on  the discussed factors, conclusions about the spectrum utilisation are to be made. The challengers faced  in spectrum management functionality include.  •









9.2

Decision Model:  As mentioned in the previous section, the criterion for spectrum selection is not  restricted  to  SNR  parameters,  various  models  are  discussed  e.g.  [14]  and  [15]  included  additional  spectrum characteristics for choosing the optimum spectrum characteristics. However, no proposed  criterion as yet includes all relevant requirements for measuring true channel capacity.    Multiple Spectrum decision:   A very interesting opportunistic idea discussed in [3] and [16] is  to use multiple non‐contiguous spectrum bands for transmission. This has various advantages.  First,  the  limitation  on  bandwidth  to  transmission  is  lifted,  as  multiple  slots  are  simultaneously  being  utilized  for  transmission.    This  will  enable  to  use  wide  band  transmission  techniques  that  greatly  enhance the performance of the transmission. It is because of the fact that even if some of the slots  are  compromised  due  to  interference,  still  complete  data  will  not  be  lost.  The  temperature  interference model previously discussed is also suited for wide band transmission.    Reduced Transmission Power:  Another  major  advantage  is  that  transmission  power  required  for  each  slot  will  be  much  lesser.  How  to  determine  number  of  transmission  slots  and  the  set  of  appropriate bands are still open research issues in xG networks.     Cooperation with reconfiguration:    The  spectrum  allocation  stage  is  succeeded  by  the  re‐ configurability functionality of a cognitive radio. The decisions made must be able to consider the re‐ configurability  limitations  in  order  to  make  as  correct  decision  about  the  transmission  slot  and  parameters as possible.     Heterogeneous  Spectrum:  The  heterogeneity  of  spectrum  creates  un‐conventional  and  varying  problems. The spectrum contains primary users with licensed bands with greater priority use and xG  networks co‐existing and competing for spectrum resources. Spectrum sharing is accomplishing by  protocols  which  are  at  times  well  decided  or  in  some  cases  evolving  or  amorphous.  These  all  considerations make the spectrum management problems a complex one. So spectrum slots avail as  holes, still need to be prioritized for occupation.   Spectrum Mobility   

A  cognitive  radio  is  design  to  switch  its  operating  frequency  on  the  run  and  switch  from  are  white space  to another, all the time. The aim is to  always occupy the most suitable transmission slot.  This “Get the best channel” strategy results in spectrum mobility. The switching at a channel from one  hole to another is called “Spectrum Handoff” [3].  

22 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

       A spectrum handoff may be initiated in various situations. If a primary user appears, the cognitive  radio  has  to  undergo  a  handoff.  Another  situation  may  be,  if  the  conditions  in  the  occupied  slot  deteriorate  below  an  acceptable  level  or  a  situation  in  which  a  more  feasible  slot  is  available  for  occupation for which the handoff losses to performance are a worthy bargain.      Special  considerations  are  to  be  made  to  minimise  the  no  of  handoffs  and  the  performance  degradation that is involved in each hand off. Well defined network protocols are required for regulating  the  process  of  handoffs.  These  handoffs  should  be  smooth  and  arrangements  should  be  made  in  the  protocols to cater for the latency involved in each had off.   [7] Suggests a multi‐layered mobility management protocol required to accomplish the mobility  functionalities.  The  examples  suggested  include  use  of  “Wait  Status”  in  a  TCP  network  during  the  process of handoff. The switching of transmission parameters has to be accomplished during the same  period smoothly. For a data transmission e.g. in FTP the protocol is suggested to store some packets to  transmit in the handoff period. For a real time application this packets storage would not be practical.   9.2.1

Spectrum mobility challenges  There are many open research issues in spectrum mobility. A few may be: 











Latency:     The delay is one major problem. Reduction of this delay is a design challenge and refining  the process of handoff is a standardized protocol requirement. The process should be smooth and  arrangements for minimised performance degradation are to be made.    Suitable  Algorithms  for  mobility:          Sophisticate  algorithms  are  required  to  be  devised  to  decide  suitability  of  channels  for  mobility.  Thong  the  spectrum  management  functionality  decides  the  suitability of a slot but spectrum mobility block should indicate if the switch off is suitable in terms  of hand off losses.     Appearance of a primary user:  Appearance  of  a  primary  user  creates  a  situation  in  which  handoff is to be made immediately with minimum losses. Special algorithms are to be defined that  minimise the performance loss in this situation. An example is to keep a “Most suitable next slot(s)”  always pre‐decided and in case a handoff is to be made, it may be accomplished without delay.     Vertical and inter‐cell handoff schemes:  Inter‐cell  handoff  is  simply  a  switch  from  one  slot  to  another due to performance considerations while vertical handoffs are the switching at frequencies  between  two  different  networks.  In  such  a  diverse  environment  it  is  highly  necessary  to  devise  special procedures and mechanisms to implement these handoffs.     Suited threshold for inter‐cell handoffs:  As  a  handoff  may  be  carried  out  if  conditions  at  a  certain  freq  slot  have  deteriorated  below  an  acceptable  level  or  if  another  slot  promises  must  enhanced  performance.  Deciding  an  optimum  threshold  or  level  is  highly  important  for  both 

 





Farrukh Ja aved F‐05‐020. Spectrum Sensing and Alloca ation in Cognittive Radios (DQ QE ‐ II) 

23 

situattions.  The  th hresholds  sh hould  be  selected  to  make  m a  compromise  bettween  two  prime  p requirrements. Firstly the optimum performaance and seco ond, minimisiing number o of hand offs.   Spectrum  mobilityy  in  time  dom main:    The  mobility  m requiirements  are  continuouslyy  varying  and d  this  nts to sustain it.   flexibility renders aa complexity that needs veery elaboratee arrangemen   Spectrum mobility in space:     TThe  available  band  and  th he  user  requirements  also o  change  witth  the  moveement of the u users. This ad dds another d dimension thee spectrum m mobility challeenge.  

9.2.2

O Opportunities  for spectrum m mobility   

Th he spectrum mobility is an n open area for research aand not manyy algorithms aand protocolss have  been prop posed on the subject. Som me areas open n for research h are indicated below.  •



Prioritised white sp pace:  Instead of waiting for a situaation where aa handoff beccomes necesssary it  b considered d  to  allow  th he  spectrum  mobility  mod dule  to  makee  a  queue  off  suitable  slots  for  can  be  occup pation.  Similaar  queues  sh hould  be  maade  by  the  spectrum  s shaaring,  spectrrum  managem ment,  spectrum sharing aand user requ uirements blo ocks. The firstt intersection n of these queeues should b be the  mum slot read dy for occupation. Whenevver a situatio on arises that  necessitate aa handoff, the slot  optim may b be immediate ely occupied w without delayy. The spectrrum decision  block should also be carryying a  FIFO q queue of suittable slots eaach having a  “duration of  suitability” ttag with it aftter which it leaves  the  queues.  q The  sequence  s in  which  the  decision  d blockk  consults  itss  predecesso ors  should  alsso  be  flexible such that tthe block with maximum  rejections is aalways first cconsulted. This will reduceed the  proceessing delay.    Soft  and  a hard  speectrum  hando off:      The  terrm  handoff  iss  more  suited  to  cellular  networks  bu ut  the  adapttation to cogn nitive radio iss a useful onee because it b brings some reeadily made ssolutions with h it. A  soft h handoff would be the onee in which the next slot iss occupied beefore leaving  the previouss slot. 

Fig. 10. Spectru um Decision Fun nctionality

24 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

This results in almost no loss in performance. There might be a standby arrangement which is ready  to take over at any time having the next most feasible slot as its operating frequency. Whenever the  situation  arises  the  handoff  is  made  with  little  or  no  delay.  This  might  results  in  enhanced  complication and increase cell occupancy but major issues related to spectrum handoff performance  degradation might be resolved.   9.3

Spectrum Sharing 

The ultimate goal of a cognitive radio is to share the spectrum with the primary and co‐existing  xG users. The term “spectrum sharing” has  been variedly  used  in  different  works. In [7]  the spectrum  sharing is described as the complete process including spectrum sensing, spectrum allocation, spectrum  access, transmitter receiver hand‐shake and transmitter mobility. In this paper the terminology is used  to indicate the functionality of a cognitive radio that enables it contest with other xG users and interact  with primary users for sharing the spectrum.     The  spectrum  sharing  techniques  can  be  classified  on  the  basis  of  there  different  aspects  i.e.  According  to  their  architectural  assumption,  spectrums  allocation  behaviour  and/or  spectrum  access  techniques. Each approach must also elaborate the inter‐network or intra‐network sharing.  9.3.1 •



Architecture based classification 

Centralised spectrum sharing:   As indicated by the name, there is a central entity that controls the  spectrum sharing process. In order to aid the process a network of sensor nodes is suggested which  feed  the  controlling  central  entity.  Based  on  the  information  of  theses  sensors,  a  spectrum  allocation map is formulated.     Distributed spectrum sharing:    In distributed spectrum sharing each node is self sufficient with its  own sensing mechanism. The sharing is done on basis of local (or if possible global) policies. 

9.3.2

Challenges and Opportunities 

  Centralised  spectrum  sharing  is  by  far  the  better  option  as  it  accommodates  not  only  the  spectrum  sharing  but  also  as  a  hub  for  control  /  Coordination  of  various  cognitive  radios  in  the  xG  network. Sharing of interference information and spectrum concentration can also be communicated to  each user through the central hub. The implementation of protocols will be much easier and less delay  will be involved.  Distributed spectrum sharing is considered in situations where development of an infrastructure  is not possible due to limited resources. This results in reduced spectrum utilisation but economic use of  resources.   9.3.3

Spectrum Sharing based on the access behaviour 

The  spectrum  sharing  technique  may  also  be  classified  on  basis  of  access  behaviour.  The  spectrum access can be co‐operative or non‐cooperative.  

 





Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

25 

Cooperative Spectrum Sharing:  Cooperative  or  collaborative  spectrum  sharing  is  a  mutual  co‐ existing  scheme  in  which  each  node  shares  its  transmission  information  with  the  other.  The  information regarding the interference measured at each node is also shared among all users. This  results  in  a  much  more  elaborate  and  accurate  spectrum  concentration  map.  All  centralised  spectrum  sharing  networks  are  collaborative  while  distributive  networks  may  or  may  not  be  collaborative.     Non‐cooperative Spectrum sharing:    The  non‐cooperation  solutions  more  appropriately  called  as  selfish  solutions,  only  consider  the  node  at  hand.  This  results  in  reduced  spectrum  utilization  but  offers  a  trade  off  for  practical  solutions  due  to  the  minimal  communication  requirements. 

9.3.4

Challenges and Opportunities 

  The  compromise  like  previous  case  is  again  between  the  simplicity  and  performance.  A  co‐ operative scheme is of course more optimal than the non‐cooperative scheme. In [20] it is studied that  the  spectrum  utilization  in  case  of  a  cooperative  spectrum  sharing  is  much  higher  than  a  non‐ cooperative spectrum sharing scenario even approaching the global optimum. The study is carried at on  basis of spectrum utilization, fairness, throughput, channel allocation and potential neighbours.   Similar  results  are  obtained  in  [21].  However,  limitation  on  these  works  is  the  assumption  that  location  and  transmission  power  at  primary  users  is  known  which  may  not  generally  be  the  case.  The  non‐cooperative sharing can be considered in restrained resources situation where they are beneficial  due to the minimal communication requirements.   9.3.5

Spectrum sharing based on access technology  



Overlay spectrum sharing:  This  is  the  situation  where  a  cognitive  radio  occupies  only  the  vacant  slots  (holes)  in  the  spectrum  and  vacates  them  on  appearance  of  primary  users.  As  a  result  interference to primary system is minimised. 



Underlay Spectrum Sharing:     The  underlay  spectrum  access  techniques  utilises  the  spread  spectrum  techniques  developed  for  cellular  networks.  The  interference  temperature  model  previously discussed can be utilised for this purpose. The transmission is made on a broad band with  much  reduced  transmission  power.  This  renders  the  primary  user  to  treat  it  as  noise.  The  transmission  can  be  made  until  the  noise  plus  the  cognitive  radio  transmission  power  does  not  exceed  the  noise  threshold  of  the  receiver.  Though  this  technique  requires  sophisticated  spread  spectrum techniques but can utilise increased bandwidth compared to overlay techniques.  

9.3.6

Challenges and Opportunities 

Spectrum sharing requirement based on access technology are a direct dictate of the spectrum access  technique  being  utilized.  Only  from  a  spectrum  sharing  point  of  view,  the  underlay  technique  is  more  feasible as there is no requirement of information about the co‐existing primary and xG users. The only  consideration  is  the  noise  level.  However,  performance  improvement  can  be  acquired  by  having  a 

26 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

centralised or cooperative network which renders each node capable of differentiating between noise  and another xG user. Another advantage is the availability of much wider bandwidth which makes the  completion for bandwidth less fierce. An overlay spectrum sharing techniques has the primal advantage  of creating less interference for the primary network.   9.4

Spectrum Sharing Challenges 

Spectrum  sensing  challenges  because  of  the  type  of  technique  being  utilised  have  been  discussed but some well recognized common spectrum sharing challengers are discussed below:  •



Common control Channel:  Many  spectrum  sharing  solutions,  whether  centralised  or  distributed  consider a common control channel for spectrum sharing. A common control channel may be used  for  various  spectrum  sharing  functionalities,  such  as  sharing  interference  information,  transmitter  receiver  handshake  or  communication  with  a  central  entity.  The  challenge  is  that  like  all  other  cognitive channel the common control channel also cannot be a fixed channel. As soon as a primary  user appears, the control channel will have to switch to another hole. Moreover, a common channel  for  various  xG  users  is  highly  topology  dependent  and  may  need  to  change  itself  overtime.  [27]  Suggested that for protocols requiring common control channel, either a mitigation technique needs  to  be  devised  or  local  common  control  channel,  for  clusters  of  nodes  can  be  considered.  If  a  common control channel is not used transmitter receiver handshakes become a challenge. Receiver  driven techniques can be considered in this case.   Dynamic radio range:  As interference varies with the operating frequency due to attenuation  variation  hence  radio  range  is  a  function  of  the  operating  frequency.  Another  consequence  of  varying  operating  frequency  is  the  change  in  neighbouring  spectrum  users.  This  results  in  varying  interference  profile  as  well  as  routing  decisions.  Another  consideration  is  the  location  of  control  channels. The control channels are placed in lower portion of the spectrum to increase range and  data  channels  are  placed  in  higher  channel  where  a  localized  operation  can  be  utilized  with  minimum  interference.  There  is  much  room  for  research  in  operating  frequency  aware  spectrum  sharing techniques, which can cater for the direct inter‐dependence between interference and radio  range.  

Fig. 11. Spectrum Unit [3]

 



10.

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

27 

  Spectrum Unit:  The complete operation of xG networks focuses on switching of channel. Hence  the  definition  of  channel  or  spectrum  unit  is  highly  critical.  Different  modulation  schemes  use  different spectrum units. This aspect has not been discussed in detail in most work done so far. In  [28] a spectrum space is introduced for xG networks with power, freq, time, space and signal as its  possible  dimensions.  Although  not  orthogonal,  but  these  dimensions  can  be  used  to  distinguish  signals.  In  [3]  a  virtual  cube  model  is  discussed.  The  resource  is  modelled  in  a  3‐dimensional  resource space with time, rate and power/code as dimensions. The rate dimension models the data  rate of the network the time dimension models the time required to transfer information.   Conclusion 

It  is  not  an  over‐statement  to  declare  the  cognitive  radio  as  the  future  of  telecommunication  rather than the part of the future. An environment aware, intelligent network with cognitive radios as its  nodes  is  the  only  available  option  for  sustaining  the  enhanced  and  varying  needs  that  continue  to  appear with every passing day. In this paper cognitive radios are discussed with special emphasis on the  spectrum  sensing  and  allocation  functionalities.  Various  techniques  used  are  discussed  along  with  the  challenges  and  opportunities  offered  by  them.  The  sub‐functionalities  of  each  major  block  are  also  explained  in  detail.  The  discussion  on  spectrum  allocation  also  includes  the  discussion  on  spectrum  sharing,  spectrum  mobility  and  spectrum  management  as  part  of  spectrum  allocation.  The  paper  is  a  survey  of  latest  trends  in  spectrum  sensing  and  allocation  functionalities  of  cognitive  radios  and  also  highlights open areas for research.   

 

28 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

References  [1]  

FCC, ET Docket No 03‐222 Notice of proposed rule making and order, December 2003. 

[2]  Jean‐Pierre  Hubaux,  M.  H.  Manshaei,  M.  Felegyhazi,  J.  Freudiger,  and  P.  Marbach:  Spectrum  Sharing  Games of Network Operators and Cognitive Radios. EPFL, August 2005.  [3]  Ian F. Akyildiz, Won‐Yeol Lee, Mehmet C. Vuran, Shantidev Mohanty: NeXt generation/ dynamic spectrum  access  /  cognitive  radio  wireless  networks;  A  survey.  School  of  Electrical  and  Computer  Engineering,  Georgia  Institute of Technology, United States. January 2006.  [4]   J. Mitola III, Cognitive radio: an integrated agent architecture for software defined radio, Ph.D Thesis, KTH  Royal Institute of Technology, 2000.  [5]  S. Haykin, Cognitive radio: brain‐empowered wireless communications, IEEE Journal on Selected Areas in  Communications 23 (2) (2005) 201–220.  [6]  F. Digham, M.  Alouini,  M.  Simon,  On the  energy detection  of unknown signals  over  fading  channels,  in:  Proc. IEEE ICC 2005, vol. 5, May 2003, pp. 3575–3579.  A. Ghasemi, E.S. Sousa, Collaborative spectrum sensing for opportunistic access in fading environment, in:  [7]  Proc. IEEE DySPAN 2005, November 2005, pp. 131–136.  [8]  A. Fehske, J.D. Gaeddert, J.H. Reed, A new approach to signal classification using spectral correlation and  neural networks, in: Proc. IEEE DySPAN 2005, November 2005, pp. 144–150.  [9]  S.  Shankar,  Spectrum  agile  radios:  utilization  and  sensing  architecture,  in:  Proc.  IEEE  DySPAN  2005,  November 2005, pp. 160–169.  [10]  FCC,  ET  Docket  No  03‐237  Notice  of  inquiry  and  notice  of  proposed  Rulemaking,  November  2003.  ET  Docket No. 03‐ 237.  [11]  B.  Wild,  K.  Ramchandran,  Detecting  primary  receivers  for  cognitive  radio  applications,  in:  Proc.  IEEE  DySPAN 2005, November 2005, pp. 124–130.  [12]  I.F.  Akyildiz,  Y.  Li,  OCRA:  OFDM‐based  cognitive  radio  networks,  Broadband  and  Wireless  Networking  Laboratory Technical Report, March 2006.  [13]  H.  Tang,  Some  physical  layer  issues  of  wide‐band  cognitive  radio  system,  in:  Proc.  IEEE  DySPAN  2005,  November 2005, pp. 151–159.  [14]  T.A.  Weiss,  F.K.  Jondral,  Spectrum  pooling:  an  innovative  strategy  for  the  enhancement  of  spectrum  efficiency, IEEE Radio Communication Magazine 42 (March) (2004) 8–14.  [15]  H.  Tang,  Some  physical  layer  issues  of  wide‐band  cognitive  radio  system,  in:  Proc.  IEEE  DySPAN  2005,  November 2005, pp. 151–159.  [16]  I.F.  Akyildiz,  Y.  Li,  OCRA:  OFDM‐based  cognitive  radio  networks,  Broadband  and  Wireless  Networking  Laboratory Technical Report, March 2006. 

 

Farrukh Javed F‐05‐020. Spectrum Sensing and Allocation in Cognitive Radios (DQE ‐ II) 

29 

[17]  V. Brik, E. Rozner, S. Banarjee, P. Bahl, DSAP: a protocol for coordinated spectrum access, in: Proc. IEEE  DySPAN 2005, November 2005, pp. 611–614.  [18]  C. Raman, R.D. Yates, N.B. Mandayam, Scheduling variable rate links via a spectrum server, in: Proc. IEEE  DySPAN 2005, November 2005, pp. 110–118.  [19]  S.A.  Zekavat,  X.  Li,  User‐central  wireless  system:  ultimate  dynamic  channel  allocation,  in:  Proc.  IEEE  DySPAN 2005, November 2005, pp. 82–87.  [20]  C. Peng, H. Zheng, B.Y. Zhao, Utilization and fairness in spectrum assignment for opportunistic spectrum  access, in: ACM Mobile Networks and Applications (MONET), 2006.  [21]  H.  Zheng,  C.  Peng,  Collaboration  and  fairness  in  opportunistic  spectrum  access,  in:  Proc.  IEEE  ICC  2005,  vol. 5, May 2005, pp. 3132–3136.  [22]  V. Brik, E. Rozner, S. Banarjee, P. Bahl, DSAP: a protocol for coordinated spectrum access, in: Proc. IEEE  DySPAN 2005, November 2005, pp. 611–614.  [23]  L.  Cao,  H.  Zheng,  Distributed  spectrum  allocation  via  local  bargaining,  in:  Proc.  IEEE  Sensor  and  Ad  Hoc  Communications and Networks (SECON) 2005, September 2005, pp. 475–486.  [24]  L. Ma, X. Han, C.‐C. Shen, Dynamic open spectrum sharing MAC protocol for wireless ad hoc network, in:  Proc. IEEE DySPAN 2005, November 2005, pp. 203–213.  [25]  S. Sankaranarayanan, P. Papadimitratos, A. Mishra, S. ershey, A bandwidth sharing approach to improve  licensed spectrum utilization, in: Proc. IEEE DySPAN 2005, November 2005, pp. 279–288.  [26]  J. Zhao, H. Zheng, G.‐H. Yang, Distributed coordination in dynamic spectrum allocation networks, in: Proc.  IEEE DySPAN 2005, November 2005, pp. 259–268.  [27]  H. Zheng, L. Cao, Device‐centric spectrum management, in: Proc. IEEE DySPAN 2005, November 2005, pp.  56–65. 

Related Documents

Cognitive Radio Final
June 2020 10
Cognitive
November 2019 38
Cognitive
December 2019 36