سنجش طیف فرکانسی توسط الگوریتم چند مرحله ای وفقی با روش غیر همکارانه بهینه در رادیو شناختگر به همراه پیاده سازی روی سخت افزار

حسگرهای طیفی، به‌عنوان اصلی ترین بخش یک سامانه رادیو شناختگر، ابزاری هستند که با تشخیص حفره های طیفی، موجب استفاده بهینه از پهنای باند فرکانسی محیط شده و از تداخل بین کاربران مجاز ممانعت می کنند. عملکرد این حسگرها به دلایلی مانند اثرات نویز محیطی، سطح پایین سیگنال، محوشدگی، چند مسیرگی و حساسیت گیرنده، همواره با مشکل مواجه می شود. در این مقاله، ابتدا با استفاده از روش چند آنتنه در گیرنده با اخذ سیگنال های محیطی و استفاده از روش آشکارساز انرژی، آستانه آشکارسازی به‌صورت وفقی با روش cfar تعیین ‌شده و سنجش اولیه طیف محیطی انجام می گیرد. محدوده ای از طیف که سیگنال در آن تشخیص داده نشده جهت تصمیم گیری به مرحله نهایی وارد می گردد. در این مرحله، سنجش نهایی طیف با یافتن مقادیر ویژه ‌ماتریس کوواریانس سیگنال توسط روش mme  به‌صورت کاملاً کور و غیر همکارانه صورت می‌گیرد که باعث افزایش قابلیت اطمینان در تصمیم گیری و افزایش احتمال آشکارسازی صحیح حفره های طیفی و جلوگیری از تداخل کاربران مجاز می شود. نتایج شبیه سازی ها حاکی از احتمال آشکارسازی 75درصدی درsnr محیطی         db25 می‌باشد که در مقایسه با مراجع بهبود db15را داشته است. همچنین نتایج شبیه سازی این مقاله بعد از پیاده سازی روی برد سخت‌افزاری با نتایج حاصل از آزمون عملی در محیط واقعی مقایسه شده است.

Frequency Spectrum Sensing by MultiStage Adaptive Optimization Algorithm with the Efficient NonCooperative Technique in Cognitive radios with hardware implementation

Cognitive sensors, as the main part of cognitive radio systems, are the instruments which determine the spectral cavity, and thus provide optimal use of the bandwidth and prevent interference between permissible users. For reasons such as environmental noise effects, low levels of the signal, fading and multipath phenomena, and receiver  sensitivity, the functionality of these sensors encounters many problems. In this paper, by first applying the  multiantenna method in the receiver to obtain environmental signals and then applying the energy detector method, the detection threshold is adaptively determined with the CFAR method and the initial measurements of the environmental spectrum are achieved. The range of the spectrum where the signal is not detected is entered into the final step for decision making. In this stage, the final measurement of the spectrum is performed blindly and              noncooperatively by finding specific values of the signal covariance matrix by the MME method, to increase the reliability in decision making and also to increase the likelihood of correct detection of the spectral cavity, in addition to preventing interference between authorized users. Simulation results show the probability of detection in the 25dB environmental SNR to be 75 %, which has improved by 15 dB compared to the benchmarks. After hardware  implementation, the simulation results are compared with the results obtained by experimental tests in the real environment.