Arquiteturas eficientes para sensoriamento espectral e classificação automática de modulações usando características cicloestacionárias

The increasing demand for high performance wireless communication systems has shown the inefficiency of the current model of fixed allocation of the radio spectrum. In this context, cognitive radio appears as a more efficient alternative, by providing opportunistic spectrum access, with the maximum bandwidth possible. To ensure these requirements, it is necessary that the transmitter identify opportunities for transmission and the receiver recognizes the parameters defined for the communication signal. The techniques that use cyclostationary analysis can be applied to problems in either spectrum sensing and modulation classification, even in low signal-to-noise ratio (SNR) environments. However, despite the robustness, one of the main disadvantages of cyclostationarity is the high computational cost for calculating its functions. This work proposes efficient architectures for obtaining cyclostationary features to be employed in either spectrum sensing and automatic modulation classification (AMC). In the context of spectrum sensing, a parallelized algorithm for extracting cyclostationary features of communication signals is presented. The performance of this features extractor parallelization is evaluated by speedup and parallel eficiency metrics. The architecture for spectrum sensing is analyzed for several configuration of false alarm probability, SNR levels and observation time for BPSK and QPSK modulations. In the context of AMC, the reduced alpha-profile is proposed as as a cyclostationary signature calculated for a reduced cyclic frequencies set. This signature is validated by a modulation classification architecture based on pattern matching. The architecture for AMC is investigated for correct classification rates of AM, BPSK, QPSK, MSK and FSK modulations, considering several scenarios of observation length and SNR levels. The numerical results of performance obtained in this work show the eficiency of the proposed architectures

O aumento da demanda por sistemas de comunicação sem fio de alto desempenho tem evidenciado a ineficiência do atual modelo de alocação fixa do espectro de rádio. Nesse contexto, o rádio cognitivo surge como uma alternativa mais eficiente, ao proporcionar o acesso oportunista ao espectro, com a maior largura de banda possível. Para garantir esses requisitos, é necessário que o transmissor identifique as oportunidades de transmissão e que o receptor reconheça os parâmetros definidos para o sinal de comunicação. As técnicas que utilizam a análise cicloestacionária podem ser aplicadas tanto em problemas de sensoriamento espectral, quanto na classificação de modulações, mesmo em ambientes de baixa relação sinal-ruído (SNR). Entretanto, apesar da robustez, uma das principais desvantagens da cicloestacionariedade está no elevado custo computacional para o cálculo das suas funções. Este trabalho propõe arquiteturas eficientes de obtenção de características cicloestacionárias para serem empregadas no sensoriamento espectral e na classificação automática de modulações (AMC). No contexto do sensoriamento espectral, um algoritmo paralelizado para extrair as características cicloestacionárias de sinais de comunicação é apresentado. O desempenho da paralelização desse extrator de características é avaliado através das métricas de speedup e eficiência paralela. A arquitetura de sensoriamento espectral é analisada para diversas configurações de probabilidades de falso alarme, níveis de SNR e tempo de observação das modulações BPSK e QPSK. No contexto da AMC, o perfil-alfa reduzido é proposto como uma assinatura cicloestacionária calculada para um conjunto reduzido de frequência cíclicas. Essa assinatura é validada por meio de uma arquitetura de classificação baseada no casamento de padrões. A arquitetura para AMC é investigada para as taxas de acerto obtidas para as modulações AM, BPSK, QPSK, MSK e FSK, considerando diversos cenários de tempo de observação e níveis de SNR. Os resultados numéricos de desempenho obtidos neste trabalho demonstram a eficiência das arquiteturas propostas