Compressive Covariance Sampling für Spectrum Sensing (CoCoSa)

• Antragsteller: Professor Dr. Rudolf Mathar; Professor Dr. Holger Rauhut
• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik ; Mathematik
• Förderung: Förderung von 2014 bis 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 260738363

Obwohl große Teile der lizenzierten spektralen Bänder ungenutzt brachliegen, ist verfügbares Radiospektrum ein knappes Gut geworden. Ein Lösungsansatz zur effizienteren Nutzung findet sich im Forschungsgebiet Cognitive Radio. Dieser besteht darin, unlizenzierte Nutzer freie spektrale Ressourcen verfügbar zu machen, solange diese sicherstellen, die lizenzierte Nutzung nicht zu stören. Ermöglicht wird die zuverlässige Detektion von lizenzierten Nutzern und dadurch die sichere sekundäre Nutzung des Spektrums durch sogenanntes Spectrum Sensing. Das zu behandelnde Problem ist die Detektion von Signalen in Umgebungen mit sehr niedrigen Signal-Rauschverhältnissen (SNR). In der Literatur finden sich verschiedene Ansätze. Ein Zugang basiert auf inhärent vorliegenden stochastischen Merkmalen in Kommunikationssignalen, wie zum Beispiel Eigenschaften der Kovarianzmatrix eines Signals. Um jedoch die stochastischen Merkmale klar genug sichtbar zu machen und um sie zuverlässig detektieren zu können, ist eine große Menge an Messdaten nötig. Im vorliegenden Projekt zielen wir auf die Entwicklung von Methoden und Algorithmen zur Detektion lizenzierter Nutzer aus einer drastisch reduzierten Anzahl von Abtastwerten. Verschiedene Arten der Kovarianzschätzung sollen bezüglich ihrer Schätzfehler analysiert und neue Detektoren sollen entwickelt werden. Insbesondere werden wir eine rigorose mathematische Analyse der minimalen Anzahl von Abtastwerten, die für eine akkurate Kovarianzschätzung unter realistischen Annahmen über deren Struktur notwendig sind, durchführen. Typischerweise wird die Kovarianzschätzung und die Wahl einer Teststatistik für den binären Hypothesentest (Kanal frei oder belegt) unabhängig voneinander ausgeführt. Durch die Verzahnung von Schätzung und Detektion sowie dem Entwurf einer Teststatistik erwarten wir neue Einsichten durch die geplante Kooperation. Unsere konkreten Ziele sind wie folgt. Wir planen die Entwicklung von speziell auf verschiedene Signaltypen angepasste Sparse Rulers für die verlustfreie Wiederherstellung von Kovarianzmatrizen. Außerdem werden wir die notwendige Anzahl von Abtastwerten zur Kovarianzschätzung unter verschiedenen Fehlergarantien theoretisch analysieren. Einen minimalen Sparse Ruler zu finden, erfordert eine vollständige Durchsuchung des Parameterraums. Um die Suche realzeitfähig zu machen, werden wir intelligente Suchheuristiken entwickeln. Des Weiteren sollen neue, verbesserte Teststatistiken gefunden werden. Da eine bessere Schätzung der Teststatistik gewöhnlich mit einer besseren Detektionsleistung einhergeht, wird dies einen Hauptbestandteil der Kooperation bilden. Fehlergrenzen für die Schätzung von kovarianzbasierten Teststatistiken werden hergeleitet. Diese werden die Suche nach neuen, effektiveren Teststatistiken unterstützen. Als letzten Schritt werden die neuen Methoden auf einem Software Defined Radio (SDR) Testbett implementiert, um sie in einem realen System zu evaluieren.

• DFG-Verfahren: Sachbeihilfen