طیف سنجی و ارسال داده به طور همزمان با در نظر گرفتن حذف ناقص سیگنال در شبکه های رادیوشناختگر

زراعتکارمقدم, جواد; سروری, محمد; صادقیان, محمد

doi:10.47176/ECDJ.2025.1607

طیف سنجی و ارسال داده به طور همزمان با در نظر گرفتن حذف ناقص سیگنال در شبکه های رادیوشناختگر

نوع مقاله : مقاله پژوهشی

نویسندگان

جواد زراعتکارمقدم ¹

محمد سروری ²

محمد صادقیان ³

¹ استادیار ، دانشگاه بیرجند، بیرجند، ایران

² پژوهشگر، دانشگاه بیرجند، بیرجند ، ایران

³ پژوهشگر،دانشگاه صنعتی مالک اشتر، اصفهان، ایران

10.47176/ECDJ.2025.1607

چکیده

امروزه، هوشمند‌سازی جنگ الکترونیک با استفاده از فناوری رادیوشناختگر می‌تواند بسیار مفید باشد. از نتایج کاربرد این فناوری، توانایی درک محیط اطراف شامل تشخیص خودکار سیگنال‌های دوست از دشمن، شناسایی تهدیدات جمینگ و عملیات انتقال به فرکانس‌های مختلف به‌منظور جلوگیری از حمله جمینگ است. در سامانه‌های رادیوشناختگر رایج، کاربر ثانویه قبل از شروع گفتگو، با استفاده از الگوهای طیفسنجی مناسب، حضور یا عدم حضور سیگنال کاربر اولیه را تشخیص میدهد. بااین‌حال، از چالشهای این روش، کاهش گذردهی کاربر ثانویه است، زیرا هیچ ارسال داده‌ای در بازه زمانی طیفسنجی انجام نمیشود. در این مقاله، با درنظرگرفتن همکاری بین فرستنده و گیرنده ثانویه، شبکهای شامل طیفسنجی توأم با ارسال اطلاعات مدنظر قرار گرفته است. ابتدا، سیگنال فرستنده ثانویه توسط گیرنده ثانویه کدگشایی می‌شود. سپس، آن را از مجموع سیگنال دریافتی کم می‌کند و در نهایت تشخیص حضور یا عدم حضور کاربر اولیه، از سیگنال باقیمانده انجام می‌شود. برخلاف روش‏های متداول، در این مقاله، حذف ناقص سیگنال و تأثیر خطاهای کدگشایی بر قابلیت اطمینان طیفسنجی ارزیابی و عبارت‌های تحلیلی برای احتمال هشدار خطا حاصل میشود. نتایج شبیهسازی نشان میدهد که ایده‌ی پیشنهادی باعث بهبود بهرهوری طیفی سامانه رادیوشناختگر میشود. مقایسه روش پیشنهادی با روش متداول طیفسنجی و همچنین روشهای تقسیم آنتنی، تقسیم توانی و تقسیم آنتنی توأم با برداشت انرژی، نشان میدهد که در زمانهای طیفسنجی مختلف، گذردهی بیشتری نسبت به سایر روشهای ذکر شده حاصل میگردد؛ لذا حداکثر گذردهی b/s/Hz 2 به طور مستقل از زمان طیفسنجی قابل‌دستیابی است.

کلیدواژه‌ها

رادیوشناختگر طیف

سنجی حذف ناقص سیگنال گذردهی

20.1001.1.23224347.1404.13.4.9.0

موضوعات

امنیت اطلاعات، رمزنگاری، پنهان نگاری، پروتکل ها و استانداردها

عنوان مقاله English

Joint Sensing and Transmission Strategy Considering Imperfect Signal Cancellation in Cognitive Radio Communications

نویسندگان English

Javad Zeraatkar Moghaddam ¹

Mohammad Soruri ²

Mohammad Sadeghian ³

¹ assistant professor., University of Birjand, Birjand.Iran

² researcher.University of Birjand- Birjand- Iran

³ researcher.Malek-Ashtar University of Technology- Isfahan- Iran

چکیده English

Recently, the smartening of electronic warfare using cognitive radio technology can be very useful. Among the results of the application of this technology, the ability to understand the surrounding environment includes the automatic detection of friendly signals from the enemy, identification of jamming threats and transmission operations to different frequencies in order to prevent jamming attacks. In common cognitive radio systems, the secondary user detects the presence or absence of the primary user's signal by using suitable spectrometric patterns before starting the conversation. However, one of the challenges of this method is the reduction of the secondary user throughput, because no data is sent in the spectrum sensing time frame. In this paper, the idea of joint spectrum sensing and information transmission is studied, which is achieved with the cooperation of the secondary transmitter and receiver. First, the secondary transmitter signal is decoded by the secondary receiver. Then, it is subtracted from the total received signal and finally the presence or absence of the primary user is detected from the remaining signal. Contrary to common methods, in this work, Imperfect Decoding of the signal and the effect of decoding errors on the spectrum sensing reliability is evaluated. Then, analytical expressions for the probability of false alarm are obtained. The simulation results show that the proposed method improves the spectral efficiency of the cognitive radio system. Comparing the proposed method with the conventional sensing method, as well as with the antenna splitting, power splitting, and joint antenna splitting and energy harvesting methods, shows that at different sensing times, the proposed method achieves higher throughput than the other mentioned methods, and a maximum throughput of 2 b/s/Hz can be achieved which is independent of the sensing time

کلیدواژه‌ها English

Cognitive radio

Spectrum Sensing

Imperfect Decoding

Throughput

[1] S. Z. Majidian, “Reducing the Destructive Effect of Misbehaving Users in Cooperative Spectrum Sensing using Reinforcement Learning,” Scientific Journal of Electronical & Cyber Defence, vol. 10, no. 4. pp. 1-9, 2023, (DOR: https://dor.isc.ac/dor/20.1001.1.23224347.1401.10.4.1.1), (In Persian).

[2] H. R. Khodadadi and S. Falsafi, “Improvement of Security in Wireless Communication Networks with Directional Modulation and Artificial Noise,” Scientific Journal of Electronical & Cyber Defence, vol. 10, no. 4, pp. 11-18, 2023, (DOR: https://dor.isc.ac/dor/20.1001.1.23224347.1401.10.4.2.2), (In Persian).

[3] R. Janani and R. Fatemi Mofrad, “A New Method in Wide Band Adaptive Beam Forming By Deep Learning Method In An Array System,” Scientific Journal of Electronical & Cyber Defence, vol. 11, no. 3, pp. 35-47, 2023, (DOR: https://dor.isc.ac/dor/20.1001.1.23224347.1402.11.3.4.9), (In Persian).

[4] J. Ge, YC. Liang, S. Wang, and C. Sun, “RIS-Assisted Cooperative Spectrum Sensing for Cognitive Radio Networks,” IEEE Transactions on Wireless Communications,vol. 23, no.9, pp. 12547-12562, 2024, (DOI: 10.1109/TWC.2024.3393516).

[5] B. Zhang, J. Wu, M. Su, M. He, C. Wang, Z. Zhang, M. Dai, and W. Cao, “An efficient cooperative spectrum sensing for cognitive wireless sensor networks,” IEEE Access, vol. 11, pp. 132544-132556, 2023, (DOI: 10.1109/ACCESS.2023.3336654).

[6] A. Kumar, P. Thakur, S. Pandit, and G. Singh, “Analysis of optimal threshold selection for spectrum sensing in a cognitive radio network: an energy detection approach,” Wireless Networks, vol. 25, no. 7, pp. 3917-3931, 2019, (DOI: https://doi.org/10.1007/s11276-018-01927-y).

[7] W. Wu, Z. Wang, Y. Wu, F. Zhou, B. Wang, Q. Wu, and D.W. Ng, “Joint sensing and transmission optimization for IRS-assisted cognitive radio networks,” IEEE Transactions on Wireless Communications, vol. 22, no. 9, pp. 5941-5956, 2023, (DOI: 10.1109/TWC.2023.3238684).

[8] M. Meena, and V. Rajendran, “Spectrum sensing and resource allocation for proficient transmission in cognitive radio with 5G,” IETE Journal of Research, vol. 68, no.3, pp. 1772--1788, 2019, (DOI: https://doi.org/10.1080/03772063.2019.1672585).

[9] G. P. Aswathy, K. Gopakumar, and T. P. Imthias Ahamed, “Joint sub-Nyquist wideband spectrum sensing and reliable data transmission for cognitive radio networks over white space,” Digital Signal Processing, vol. 101, pp. 102713, 2020, (DOI: https://doi.org/10.1016/j.dsp.2020.102713).

[10] Zhang, Deyu, Z. Chen, J. Ren, N. Zhang, M. K. Awad, H. Zhou, and X. S. Shen , "Energy-harvesting-aided spectrum sensing and data transmission in heterogeneous cognitive radio sensor network," IEEE Transactions on Vehicular Technology, vol. 66, no. 1, pp. 831-843, 2016, (DOI: 10.1109/TVT.2016.2551721).

[11] S. P. Thuraipandi and S. K. Nagarajan, “Cooperative spectrum sensing based hybrid machine learning technique for prediction of secondary user in cognitive radio networks,” Journal of Intelligent & Fuzzy Systems, vol. 44, no. 3, pp. 3959-3971, 2023, (DOI: 10.3233/JIFS-222983).

[12] W. Wu, Z. Wang, Y. Wu, F. Zhou, B. Wang, Q. Wu, and D. W. Ng, “Joint sensing and transmission optimization for IRS-assisted cognitive radio networks,” IEEE Transactions on Wireless Communications, vol. 22, no. 9, pp. 5941-5956, 2023, (DOI: 10.1109/TWC.2023.3238684).

[13] I. Bala, K. Ahuja, K. Arora, and D. Mandal, “A comprehensive survey on heterogeneous cognitive radio networks,” Comprehensive Guide to Heterogeneous Networks, pp. 149-178, 2023, (DOI: https://doi.org/10.1016/B978-0-323-90527-5.00010-1).

[14] M. Ranjbar, H. L. Nguyen, N. H. Tran, T. Karacolak, S. Sastry, and L. D. Nguyen, “Energy efficiency of full-duplex cognitive radio in low-power regimes under imperfect spectrum sensing,” Mobile Networks and Applications, vol. 26, no. 4, pp. 1750-1764, 2021, (DOI: https://doi.org/10.1007/s11036-021-01755-z).

[15] K. Guo, K. An, F. Zhou, T. A. Tsiftsis, G. Zheng, and S. Chatzinotas,”On the secrecy performance of NOMA-based integrated satellite multiple-terrestrial relay networks with hardware impairments,” IEEE Transactions on Vehicular Technology, vol. 70, no. 4, pp. 3661-3676, 2021, (DOI: 10.1109/TVT.2021.3068062).

[16] S. Stotas and A. Nallanathan, “On the Throughput and Spectrum Sensing Enhancement of Opportunistic Spectrum Access Cognitive Radio Networks,” IEEE Transactions on Wireless Communications, vol. 11, no. 1, pp. 97–107, 2012, (DOI: 10.1109/TWC.2011.111611.101716).

[17] E. Hossain, D. Niyato, and Z. Han, “Dynamic Spectrum Access and Management in Cognitive Radio Networks,” Cambridge university press, 2010, (DOI: https://doi.org/10.1017/CBO9780511609909).

[18] S. Zhiqun, Z. Zhang, X. Liu, Y. Liu, and L. Fan, "Simultaneous cooperative spectrum sensing and wireless power transfer in multi-antenna cognitive radio," Physical Communication, vol. 29, pp.78-85, 2018, (DOI: https://doi.org/10.1016/j.phycom.2018.04.022)

[19] X. Liu, K. Chen, J. Yan, and Z. Na, "Optimal energy harvesting-based weighed cooperative spectrum sensing in cognitive radio network," Mobile Netw. Appl., vol. 21, no. 6, pp. 908-919, 2016, (DOI: https://doi.org/10.1007/s11036-016-0711-y).

[20] M. Sadeghian Kerdabadi, R. Ghazizadeh, and H. Farrokhi, X. Liu, K. Chen, J. Yan, and Z. Na, " Joint Improvement of Spectral and Energy Efficiency in Energy Harvesting Based Cognitive Radio Networks," Journal of Electrical and Computer Engineering Innovations (JECEI), vol. 10, no. 1, pp. 1-16, 2022, (DOI: https://doi.org/10.22061/jecei.2021.7501.396).