Детектор енергії стохастичних сигналів в шумовій невизначеності
DOI:
https://doi.org/10.20535/RADAP.2023.94.32-40Ключові слова:
стохастичний сигнал, енергетичний детектор, часові параметри, частотний канал, рівень шуму, поріг, інтервал інтегруванняАнотація
Метою даної статті є автоматизація процесів детектування стохастичних сигналів та оцінки часових параметрів за умов невідомої частотно-часової структури сигналів та потужності шуму. Суть запропонованого методу полягає у виявленні та відстеженні усереднених за L відліками сигналу часових змін енергії прийнятого сигналу в обраному частотному каналі. Порогове значення для заданої ймовірності помилкової тривоги розраховується з використанням поточних оцінок потужності сигналу. Цей поріг є динамічним і уточнюється лише у вільних від сигналів інтервалах часу. У тих часових вікнах, де енергія перевищує поріг, приймається рішення про наявність сигналу. Запропоновано алгоритм детектування стохастичних сигналів. Якщо сигнал присутній у початковий момент часу, запропонований алгоритм може виявити лише його кінець за різким зменшенням енергії сигналу. Після цього оцінюється новий рівень шуму та уточнюється порогове значення. Отримано криві виявлення стохастичного сигналу з використанням запропонованого алгоритму. Показано, що при збільшенні кількості відліків L на порядок виграш у відношенні сигнал/шум при виявленні сигналу становить близько 4 дБ. Максимальне значення вірогідності правильного виявлення імпульсного сигналу досягається при однаковій тривалості імпульсу та довжині інтервалу інтегрування. Запропонований метод має меншу обчислювальну складність порівняно з методом згладжування сигналу з ковзним середнім вікном, спрощує пошук часових границь сигналу та дає менші похибки в оцінках тривалості сигналу. Сформульовано рекомендації щодо впровадження розробленого алгоритму.
Посилання
References
Captain K. M., Joshi M. V. (2022). Spectrum Sensing for Cognitive Radio. Fundamentals and Applications. CRC Press, 256 p. doi: 10.1201/9781003088554.
Elmasry F. G. (2021). Dynamic Spectrum Access Decisions: Local, Distributed, Centralized, and Hybrid Designs. Wiley, 728 p.
Liang Y.-C. (2020). Dynamic Spectrum Management. From Cognitive Radio to Blockchain and Artificial Intelligence. Springer, 180 р. DOI: 10.1007/978-981-15-0776-2.
Kailath T., Poor H. V. (1998). Detection of stochastic processes. IEEE Transactions on Information Theory, Vol. 44, Iss. 6, pp. 2230-2231. doi: 10.1109/18.720538.
Luo J., Zhang G., Yan C. (2022). An Energy Detection-Based Spectrum-Sensing Method for Cognitive Radio. Wireless Communications and Mobile Computing, Article ID 3933336, 10 p. doi: 10.1155/2022/3933336.
Savaux V. (2019). Detector based on the energy of filtered noise. IET Signal Processing, Vol. 13, Iss. 1, pp. 36-45. doi: 10.1049/iet-spr.2018.5099.
Yar E., Kocamis M. B., Orduyilmaz A., Serin M., Efe M. (2019). A Complete Framework of Radar Pulse Detection and Modulation Classification for Cognitive EW. 27th European Signal Processing Conference (EUSIPCO), pp. 1-5. doi: 10.23919/EUSIPCO.2019.8903045.
Licursi de Mello R. G., Rangel de Sousa F. (2018). Precise techniques to detect superimposed radar pulses on ESM systems. IET Radar, Sonar & Navigation, Vol. 12, Iss. 7, pp. 735-741. doi: 10.1049/iet-rsn.2017.0563.
Albaker B. M., Rahim N. A. (2011). Detection and parameters interception of a radar pulse signal based on interrupt driven algorithm. Scientific Research and Essays, Vol. 6 (6), pp. 1380-1387.
Nikonowicz J., Mahmood A., Gidlund M. (2020). A Blind Signal Separation Algorithm for Energy Detection of Dynamic PU Signals. Cornell University, 5 р. doi: 10.48550/arXiv.2003.09057.
Li H., Hu Y., Wang S. (2021). A Novel Blind Signal Detector Based on the Entropy of the Power Spectrum Subband Energy Ratio. Entropy, Vol. 23, Iss. 4, 448, 28 р. doi: 10.3390/e23040448.
Buhaiov M. V. (2023). Stochastic signals detector. Seventeenth International Scientific and Technical Conference ``MODERN CHALLENGES IN TELECOMMUNICATIONS'', 18-21 April 2023. Kyiv: NTUU KPI, pp. 278-280.
Zar J. H. (1978). Approximations for the Percentage Points of the Chi-Squared Distribution. Journal of the Royal Statistical Society. Series C (Applied Statistics), Vol. 27, No. 3, pp. 280-290. doi: 10.2307/2347163.
Buhaiov M. V. (2023). Method of Complex Envelope Processing for Signal Edges Detection. Visnyk NTUU KPI Seriia - Radiotekhnika Radioaparatobuduvannia, Iss. 92, pp. 54-59. doi: 10.20535/RADAP.2023.92.54-59.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Микола Вікторович Бугайов
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
