Techniques de Spectrum Sensing

(« Détection de Spectre »)

I> Introduction

Le Spectrum Sensing est une fonctionnalité essentielle de la Radio Cognitive qui permettra
(et permet déjà) l’utilisation opportuniste du spectre, et par conséquent l’optimisation de
l’occupation en temps et en fréquence de cette dernière. Il s’agit dans ce cadre, de permettre à
des utilisateurs non-licenciés du spectre SU ( pour Secondary Users) d’utiliser les parties non-
utilisées du spectre par un utilisateur licencié (Primary User). Ces « trous spectraux » sont
détectés et utilisés de façon la plus précise et la plus rapide possible tout en respectant 2
principales conditions :

1- Maximiser l’utilisation par les SU des bandes de fréquences libérées par les PU.
2- Un SU ne doit en aucune façon interférer avec un PU (minimisation des
interférences PU-SU ).

Différentes techniques de Spectrum Sensing existent et peuvent être catégorisées dans des
classes différentes inhérentes à leurs caractéristiques.

Nous pouvons citer trois classes principales de méthodes à savoir :

• Les Détecteurs d’Énergie qui se basent sur le calcul de l’énergie du signal reçu pour en
déduire la présence ou non d’un utilisateur primaire. Ce type de détecteur est simple
mais nécessite la connaissance de la variance du bruit. De plus, le détecteur d’énergie
est prévu dans le standard IEEE802.22 comme technique de Spectrum Sensing.

• Le Détecteur « Filtre Adapté » est un détecteur cohérent optimal, qui grâce à la

minimisation du bruit permet le calcul du bruit sue différentes bandes du signal,
cependant il nécessite des connaissances à priori sur le signal et un filtre par bande de
fréquences (complexe).

• Les détecteurs basés sur un calcul des valeurs propres de la matrice de

variance/covariance du signal (EBD Eigen Values Based Detectors). Ils sont élégants et
efficaces mais nécessitent un calcul complexe de valeurs propres. Ils peuvent également
fournir une information sur le type de modulation en utilisant certaines de leurs
propriètés.

Exemple : Le Détecteur Cyclostationnaire utilise la

cyclostationnarité du signal OFDM due à l’ajout du préfixe cyclique.s l

Récemment, de nouvelles méthodes ont introduit l’usage de la Transformée en Ondelettes. La

possibilité de faire coopérer les SU suivant différentes stratégies (Games Theory) ainsi que
l’hybridation de méthodes pour améliorer la décision finale ont également été envisagé. Nous
 nous intéresserons dans ce cours principalement au détecteur d’énergie qui est le détecteur le
plus utilisé car peu complexe, rapide et cependant efficace.

I- Problématique :

Le détecteur d’énergie est basé sur une hypothèse binaire correspondant à deux cas possibles :
• Hypothèse H0 : absence de l’utilisateur primaire ( bande libre).
• Hypothèse H1 : présence de l’utilisateur primaire (bande occupée).

Ceci peut être formulé comme :

𝑛 𝑘 𝐻' (𝑠𝑖𝑔𝑛𝑎𝑙 𝑎𝑏𝑠𝑒𝑛𝑡

𝑥 𝑘 =
𝑠 𝑘 + 𝑛 𝑘 𝐻2 (𝑠𝑖𝑔𝑛𝑎𝑙 𝑝𝑟é𝑠𝑒𝑛𝑡)

Avec : x(k) le signal reçu, s(k) le signal du PU et n(k) le bruit. Le bruit est un bruit blanc
gaussien de moyenne nulle et variance 𝜎89 . Le signal du PU est aussi gaussien de moyenne nulle
et de variance 𝜎:9 . Le rapport Signal à Bruit SNR est défini comme :

;<=
SNR =
;>=

Ce type de détecteur dépend d’un seuil qui doit être déterminé de façon la plus précise possible.
Deux principes coexistent suivant les objectifs envisagés : le principe du détecteur à taux de
détection constant (CDR : Constant Detection Rate) et le principe du détecteur à taux de fausse
alarme constant (CFAR : Constant False Alarm Detector).
Ainsi, le CRD garantit aux utilisateurs primaires de la Radio Cognitive (RC) un faible niveau
d’interférence mais est toutefois sujet à une sous utilisation du spectre par les utilisateurs
secondaires pour un temps de latence (temps de réponse dit Sensing Time pour le SS) donné.
Par contre, le CFAR assure une utilisation maximale du spectre pour la latence exigée mais
tolère pour cela un niveau d’interférence plus élevé pour les PU.

II- Principe :
Le détecteur d’énergie pour le Spectrum Sensing mesure l’énergie moyenne du signal reçu
pendant une durée T. Il la compare ensuite à un seuil pré-calculé pour décider de la présence
ou non des PU.
Un schéma bloc d’un détecteur d’énergie est représenté par la figure N°1 :

Tapez une équation ici.

x(t) xk Calcul de ED > λ H1
BPF ADC L’énergie < λ H0

Figure N°1

Le calcul de l’énergie moyenne ED peut se faire de 2 façons différentes en utilisant

l’une des deux relations suivantes :
2 N 9
𝐸M = OP2 𝑥O (Domaine temporel )
N

où M est le nombre d’échantillons du signal.

Ou bien ( théorème de Parseval):

2 NV2 9
ED = . OP' 𝑋U (Domaine Fréquentiel avec NFFT>>>N)
QRRS .N

Sous les hypothèses H0 et H1, ED est une variable aléatoire qui suit une loi du Khi-2 avec M
degrés de liberté. Si M est suffisamment grand, cette loi du Khi-2 peut être approximée par une
loi normale. ED suivra donc une loi gaussienne différente pour chacune des hypothèses H0 et H1
avec fE densité de probabilité de ED définie comme :
D

𝑁(𝜎89 , 2. 𝜎8Z 𝑀)
fE (λ ) =
𝑁 (𝜎\9 , 2. 𝜎\Z 𝑀)
Dλ

où : 𝜎\9 = 1 + 𝑆𝑁𝑅 . 𝜎89

bc
Dans ce cas : Pfa (𝜆 ) = P(ED > λ / H0) = d
𝑓ED (u).du

dV;>=
Pfa (𝜆 ) = 𝑄( )
;>= N 9

Avec Q fonction complémentaire de la loi normale définie comme :

c 2 =
Q(x) = g
. 𝑒 V\ 9 𝑑𝑡 = 1 2. 𝐸𝑟𝑓𝑐 (𝑥)
9f

Où : Erfc (x) est la fonction d’erreur complémentaire

En pratique, pour les détecteurs CFAR, le PFA est fixé à une petite valeur sachant que la
probabilité de détection sera alors maximale (détecteur de Neymann Pearson). Le seuil λ est
alors calculé grâce à la relation :

𝑄V2 𝑃jk
𝜆jk = 𝜎89 . (1 + )
𝑀 2

La probabilité de détection est alors donnée par la relation suivante :

dV;p=
PD =𝑝𝑟𝑜𝑏(𝐸M > 𝜆 ∕ 𝐻2 ) = 𝑄( )
;p= N 9
 • Dans le cas du détecteur CDR, PD est fixée à une valeur élevée (0.95), on dérive le seuil
à partir de la même formule précédente puis on calcule PFA sachant que c’est le plus petit
possible.

ÉVALUATION DU DÉTECTEUR :

Elle se fait en utilisant des courbes ROC (Receiver Operating Curve). Ces courbes représentent
la Probabilité de détection en fonction de la Probabilité de Fausse Alarme) pour différents
rapports signal à bruit.