@misc{
  author = {E. Beck},
  year = {2017},
  month = {May},
  title = {Compressed Spectrum Sensing for Cognitive Radio in Time and Space},
  school = {University of Bremen},
  keywords = {Compressed Spectrum Sensing, Cognitive Radio},
  address={Bremen, Germany},
  abstract={Mit dem Aufkommen von Smartphones im Jahr 2007 ¨anderte sich die Nutzung von Mobilfunkger¨atendramatisch: Neben der urspr¨unglichen Anwendung zur Sprachkommunikation war nun eine erleichterteNutzung des Internets m¨oglich, in dessen Folge auch Musik und Videos, welche hohe Anforderungenan die Datenrate stellen, ¨uberall zugriffsbereit wurden. Auch die Zahl der Smartphones hat sich seitdemstark erh¨oht. Im Gegensatz dazu steht die nat¨urliche Begrenzung des Frequenzspektrums vorallem bei niedrigen Frequenzen, das als wertvolle Ressource gehandelt wird: So wurden im Jahr 2000in Deutschland UMTS-Lizenzen im Wert von insgesamt 50 Mrd. Euro von den Mobilfunkunternehmenersteigert. Diese weisen die Spektralbereiche relativ statisch lizenzierten Nutzern zu, die nichtunabl¨assig aktiv sein m¨ussen. Daraus resultiert eine Unternutzung des Spektrums bei gleichzeitig steigendenDatenrateanforderungen und Nutzerzahlen, welche durch Messungen gut belegt ist [ALLP12].Um die Effizienz zu erh¨ohen und das Dilemma aufzul¨osen, wurde das Konzept des Cognitive Radio(CR) entwickelt. Hier wird Sekund¨arnutzern (engl. Secondary Users) gestattet, in lizenzierten B¨andernzu senden und zu empfangen, in denen h¨oher priorisierte Prim¨arnutzer (engl. Primary User, PU) keine¨Ubertragungen t¨atigen. Aus diesem Grund muss ein CR im ersten Schritt in der Lage sein dieelektromagnetische Umgebung zu erfassen und Entscheidungen bez¨uglich der Belegung durch PUs zutreffen; es muss also kognitive F¨ahigkeiten aufweisen. Im zweiten Schritt m¨ussen Transceiverparameter,wie die Tr¨agerfrequenz, flexibel angepasst werden k¨onnen, um ¨Ubertragungen ¨uber einen weitenBandbreitebereich zu erm¨oglichen.Als mit Abstand wichtigste Komponente von CR-Systemen stellt sich die Spektralsch¨atzung heraus,weil mit dieser die Belegung nach Frequenzen erfasst werden kann. Diese kommt dem Sinnesorgandes Systems gleich, f¨ur das ein Design in der Vorarbeit [Bec16] und im Rahmen des ProjektsKognitive Mediumszugangsalgorithmen f¨ur industrielle Funkanwendungen (KoMe), das unter anderemvom Bundesministerium f¨ur Wirtschaft und Energie gef¨ordert wird, erarbeitet wurde. Hier soll einbegrenztes Funkspektrum zur Kommunikation von verschiedenen Maschinen und Sensoren, die sich ineiner Industriehalle befinden, kollisionsfrei genutzt werden, womit als weitere Anwendungsfelder vonCR-Systemen Industrie 4.0 und das Internet der Dinge genannt werden k¨onnen.Bei der Spektralsch¨atzung ergeben sich große Herausforderungen: Es soll ein großer Bandbreitebereichauf ¨Ubertragungen hin untersucht werden, damit m¨oglichst viele ¨Ubertragungsm¨oglichkeiten, welchedie sogenannten White Spaces darstellen, entdeckt werden k¨onnen und der Datendurchsatz steigt.Zugleich sollen nicht zu viele Komponenten eingebaut werden, die den Leistungsverbrauch erh¨ohen.Dadurch wird ein Analog-Digital-Wandler (engl. Analog-to-Digital-Converter, ADC) mit einer sehrhohen Abtastfrequenz, die oberhalb von 100 MHz liegen kann, erforderlich. Die mittlere notwendigeAbtastrate und damit die hohen Anforderungen an den ADC k¨onnen aber mithilfe von CompressedSensing (CS) gesenkt werden, da das Frequenzspektrum unternutzt und daher d¨unn besetzt (engl.sparse) ist. Die hiermit verbundene Kompression f¨uhrt jedoch zu einer Verringerung des Dynamikbereiches(engl. Dynamic Range, DNR), der in CR-Systemen m¨oglichst hoch sein sollte, um m¨oglicheInterferenzen zum Prim¨arnutzer sofort zu erkennen.In der Vorarbeit wurde zus¨atzlich ausgenutzt, dass die Spektralleistungsdichte einer ¨Ubertragung ineinem Band als st¨uckweise konstant angesehen werden kann, und damit die resultierenden Kanten,deren Anzahl folglich noch geringer ist, eine noch h¨ohere Kompression selbst bei voller Belegung desSpektrums erm¨oglichen. An die Rekonstruktion des Spektrums aus den unterabgetasteten Messungenbei groben Frequenzaufl¨osungen, die eine schnelle Abtastung und Berechnungsdauer erm¨oglichen sollten,schließt sich im Design der Vorarbeit eine simple Mustererkennung an, um belegte Frequenzb¨anderzu erkennen. Erst werden mithilfe des Wavelet Edge Detector (WED) auf Basis der Kanten einzelneBandbreitebereiche zugewiesen, die dann vom Energy Detector (ED) hinsichtlich ihres Inhaltes alsbelegt oder leer klassifiziert werden. Die theoretischen Grundlagen aus der Vorarbeit sind nochmalsin Kapitel 2 zusammengefasst.In dieser Arbeit soll das Design des Spektralsch¨atzers um neue Aspekte erg¨anzt werden, die bishernoch nicht betrachtet wurden, und ¨uberpr¨uft werden, ob ein Einsatz unter realen und herausforderndenBedingungen m¨oglich erscheint:So werden in Kapitel 3 die Ergebnisse aus der Vorarbeit, die nicht auf eine hohe m¨ogliche Kompressionmithilfe der Kantenrekonstruktion hindeuten und das theoretisch vorhergesagte Verhaltennicht widerspiegeln, unter ver¨anderten Rahmenbedingungen auf den Pr¨ufstand gestellt. Weiterhinwird eine Analyse der Koh¨arenz der Abtastmatrizen vorgenommen, sodass die Frage beantwortetwerden kann, ob Rekonstruktionsgarantien eingesetzt werden k¨onnen, um WED und ED auch beiUnterabtastung optimal einzustellen. Auch das Rauschen bei Einsatz von Power Spectrum Sensing,das sich grundlegend von dem normalerweise betrachteten unterscheidet, wird hergeleitet, um eineAbsch¨atzung des Residuums des Standardgleichungssystems zu erm¨oglichen. Dieses kann genauso wiedie ¨Anderung des Residuums f¨ur die Definierung eines praktischen Abbruchkriteriums, welches bisdato noch nicht vorlag, verwendet werden. Daraufhin wird das Signalmodell anhand des 2.4GHz-ISMBandes(Industrial, Scientific and Medical) ¨uberpr¨uft und die Leistungsf¨ahigkeit der Algorithmenbei Anwendung auf reale Signale erfasst. Als große Herausforderung der Spektralsch¨atzung kann derEinfluss des ¨Ubertragungskanals eingesch¨atzt werden, der detailliert hergeleitet und in Simulationen¨uberpr¨uft wird, wobei die Idee des MIMO - Spectrum Sensing zur L¨osung der hier auftretenden Problemevorgeschlagen wird.Dem letzten Teil des Namens dieser Arbeit wird gerecht, dass der Kanal aus der Ausbreitung derelektromagnetischen Strahlung in Raum und Zeit hervorgeht und zwei Kapitel diesen Dimensionengewidmet sind:Dementsprechend wird in Kapitel 4 von der Annahme station¨arer Signale abger¨uckt und eine ¨Anderungvon ¨Ubertragungen in der Zeit betrachtet. Zyklostation¨are Merkmale, die durch periodische ¨Anderungenin der Signalmodulation bedingt sind, k¨onnen zur Verbesserung der Detektionsraten im Vergleichzur Energy Detection genutzt werden, machen aber eine Modifikation des Standardmodells notwendig.Deswegen soll die Anwendbarkeit des popul¨aren Ansatzes der Cyclostationary Feature Detection(CFD) untersucht werden. Dadurch, dass Kanten in der Realit¨at durch Anfang und Ende von ¨Ubertragungennat¨urlicherweise auch in der Zeitdimension auftreten, kann außerdem der neue Ansatz des2D - Power Spectrum Sensing begr¨undet und den st¨uckweise-station¨aren Signalen Rechnung getragenwerden. Das Potential zur nochmaligen Reduktion der Abtastrate wird mithilfe eines einfachen, aberrealistischen Zeitmodells ermittelt. Auch Gedanken hinsichtlich der notwendigen bzw. erreichbarenSchnelligkeit und Effizienz der Spektralsch¨atzung werden dargelegt.Mit der Dimension Raum besch¨aftigt sich Kapitel 5: Es werden ausf¨uhrlich durch die Umgebungauftretende Effekte, wie Selective Fading und Log-normal Shadow Fading, erl¨autert, um die Herausforderungenaufzuzeigen, die mithilfe von Cooperative Sensing bew¨altigt werden k¨onnen. Hier kooperierenmehrere Nutzer miteinander, die sich in einem r¨aumlich verteilten Netzwerk befinden, sodassr¨aumliche Diversit¨at nutzbar wird. Verschiedene neuartige Ans¨atze, die auf dem Standardmodell dieserArbeit basieren, werden erprobt und in einem herausfordernden ¨Ubertragungsmodell auf ihreAnwendbarkeit hin ¨uberpr¨uft. Da mit Cooperative Sensing Kommunikationskan¨ale umgesetzt werden,kann eine Nutzung dieser ebenfalls zum Zwecke einer Lokalisation und Sch¨atzung der Sendeleistungder Prim¨arnutzer vor dem Hintergrund einer Breitbandabtastung (engl. Wideband Sensing) erfolgen.Verschiedene Algorithmen zur Realisierung werden beschrieben und in Simulationen bez¨uglich desAnwendungspotentials, auch im Zusammenspiel mit der Spektralsch¨atzung, untersucht.In Kapitel 6 ist die Umsetzung der Spektralsch¨atzung in der Praxis mithilfe des Lyrtech-Hardware-Demonstrators beschrieben. Es werden Simulationen unter realem Hardware- und Kanaleinfluss vorgenommen,um die gemachten Annahmen in Bezug auf das Kanalmodell auf ihre G¨ultigkeit zu¨uberpr¨ufen. Damit eine generelle Aussage ¨uber die M¨oglichkeit der Anwendung des implementiertenDesigns zur Spektralsch¨atzung erm¨oglicht wird, kommt auch eine selbst erstellte Emulation einerBreitbandabtastung zum Einsatz. Mit der Demonstration Wideband Sensing ist ein Test auf realeSignale des 2.4GHz-ISM-Bandes, und damit bei Ber¨ucksichtigung jeglicher Nichtidealit¨aten, m¨oglich.Zuletzt sind die zentralen Ergebnisse dieser Arbeit in einem Fazit (Kapitel 7) zusammengefasst.}
}