KR100970757B1

KR100970757B1 - 무선 인지 시스템에서 멀티 유저들을 위한 에너지 검출기반의 협력 채널 센싱 방법

Info

Publication number: KR100970757B1
Application number: KR1020080068667A
Authority: KR
Inventors: 전화숙; 정상수; 정동근
Original assignee: 재단법인서울대학교산학협력재단
Priority date: 2008-07-15
Filing date: 2008-07-15
Publication date: 2010-07-16
Also published as: KR20100008211A

Abstract

본 발명은 무선 인지 시스템에 관한 것으로서, 특히 선순위 사용자에 의해 채널이 사용되고 있는지를 판단하는 채널 센싱 기법에 있어서, 복수 개의 노드들이 동시에 채널 센싱을 수행하고 그 센싱 결과를 결합함으로써 선순위 사용자 검출의 정확도를 높일 수 있는 에너지 검출 기반의 협력 채널 센싱 방법에 관한 것이다.

본 발명의 일 실시 예에 따른 에너지 검출 기반의 협력 채널 센싱 방법은, 후순위 사용자들 각각의 후순위 단말들이 선순위 사용자의 선순위 단말로부터 수신되는 에너지를 검출하고, 그 검출 결과들을 종합하여 해당 스펙트럼의 점유 여부를 판단하는 에너지 검출 기반의 협력 채널 센싱 방법에 있어서, (a) 상기 선순위 단말과 상기 후순위 단말들 사이의 각각의 상대 거리에 관한 확률 분포와 다중 경로 페이딩 게인에 관한 확률 분포를 바탕으로 수신 에너지에 관한 확률 분포를 산출하는 단계 및 (b)상기 산출한 수신 에너지에 관한 확률 분포를 바탕으로 우도비를 산출하고, 상기 산출한 우도비를 임계치와 비교하여 스펙트럼의 점유 여부를 판단하는 단계를 포함하는 것을 특징으로 한다.

이로 인해, 후순위 사용자들이 이동중이거나 선순위 사용자가 다양한 위치에서 감지되는 경우에도 채널 센싱에 대한 신뢰성을 확보할 수 있다.

무선 인지, 에너지 검출, 채널 센싱, 협력 센싱, 확률 분포

Description

무선 인지 시스템에서 멀티 유저들을 위한 에너지 검출 기반의 협력 채널 센싱 방법{A collaborative channel sensing method based on the energy detection for multi-users in cognitive radio systems}

또한, 본 발명은 지식경제부의 IT 신성장 동력 기술 개발 사업의 일환으로 수행한 연구로부터 도출된 것이다[고유번호:2007-F-038-01, 연구과제명:미래 인터넷 핵심 기술 연구]

무선 응용 기술들의 비약적인 증가에 따라 엄청난 주파수 자원 수요가 발생하였고 이로 인해 현재 모든 주파수 대역에서 할당 경쟁이 심한 실정이다. 따라서 주파수 할당 문제는 통신 사업자들 사이에 있어 매우 중요한 문제가 되고 있다. 한편, 특정 보고서에 따르면, 이미 할당된 주파수 대역들은 위치나 시간에 따라 평균적으로 30% 이하만 사용되고 있다고 한다. 이로 인해, 기존에 할당된 주파수 대역 들의 사용 효율을 높이는 방안이 점차 중요한 문제로 인식되고 있다.

최근에 기존 주파수의 사용 효율을 높이는 방안으로 무선 인지(Cognitive Radio) 기술이 제안되었다. 무선 인지 기술은 선순위 사용자(예를 들어, TV 방송 사업자)에게 할당된 주파수 대역 중 시공간적으로 사용되지 않고 있는 주파수 대역(예를 들어, TV 방송 대역)을 찾아내어 후순위 사용자가 사용하는 기술로서, 동적 주파수 자원 관리 개념을 기반으로 선순위 사용자의 권한을 침해하지 않고 후순위 사용자가 유휴 주파수 부분을 공유함으로써 주파수 사용 효율을 높이는 기술이다.

무선 인지 기술을 활용하기 위해서는 주기적으로 채널 센싱을 수행해야 하는데, 그 방법으로는 정합 필터 검출 방식, 신호 형태 검출 방식, 및 에너지 검출 방식이 알려져 있다. 정합 필터 검출 방식은 수신 신호에 대한 잡음 비율을 최대화하여 원래의 신호를 복조하는 방식이고, 신호 형태 검출 방식은 수신된 신호의 상관관계 값을 이용하여 신호의 존재 유무를 검출하는 방식이며, 에너지 검출 방식은 특정 대역의 에너지를 레벨을 측정하여 신호의 존재 유무를 판별하는 방식이다.

정합 필터 검출 방식과 신호 형태 검출 방식은 비교적 강인한 검출 성능을 보인다. 그러나, 이들 방식들은 송신 신호에 대한 정보를 미리 알고 있어야 하므로 복잡하고 다양한 환경에서 신호를 검출하기에는 어려움이 있다. 에너지 검출 방식은 이들 방식들에 비해 간단하게 신호를 검출할 수 있다. 그러나, 이 방식은 신호의 존재 유무를 판단하는 임계치의 크기를 결정하는데 어려움이 있고, 간섭 신호에 대한 대비책이 없어 정확한 신호를 검출하기 힘든 문제점이 있다.

특히, 에너지 검출 방식은 채널 상태에 종속되기 때문에 페이딩(Fading)이나 쉐도잉(Shadowing)과 같은 채널 간섭이 존재하는 경우에 스펙트럼 검출 성능이 급격히 떨어진다. 즉, 선순위 사용자가 존재하지만 존재하지 않은 것으로 판단한 경우 선순위 사용자에게 간섭을 주게 되고, 선순위 사용자가 존재하지 않지만 존재하는 것으로 판단한 경우 스펙트럼을 유휴하게 되어 비효율적인 동작을 하게 된다. 따라서, 에너지 검출 방식의 신뢰성을 향상시키기 위한 방법이 필요하다.

종래의 에너지 검출 방식의 신뢰성을 향상시키기 위해 동일한 서비스 지역에 분포되어 있는 여러 명의 후순위 사용자들(Multi-users)이 동시에 해당 채널이 선순위 사용자에 의해 사용되고 있는지를 센싱하고, 그 센싱 결과를 결합하여 해당 스펙트럼을 검출하는 협력 센싱(Collaborative Sensing) 기법이 제안되었다. 이는 후순위 사용자들이 독립적으로 스펙트럼을 검출하는 것보다 더욱 정확한 결과를 가져올 수 있다는 점에서 종래의 방식에 비해 매우 효율적인 방법이다.

그러나, 종래의 협력 센싱 기법은 후순위 사용자들이 위치하는 각각의 로컬 지역(=노드)에서 측정한 채널 센싱 결과에 대해 동일한 가중치를 부여한다는 점에서 문제점을 일으킨다. 왜냐하면, 채널 센싱 결과의 신뢰성은 각각의 로컬 지역에 따라 달라질 수 있기 때문이다. 따라서, 정확한 무선 인지를 수행하기 위해서는, 각각의 로컬 센싱에 대한 신뢰성을 산출하고, 그에 비례하여 각각의 로컬 센싱 결과에 대해 서로 다른 가중치를 부여하는 것이 바람직하다.

신뢰성 산출은 선순위 사용자와 여러 명의 후순위 사용자들 사이의 상대 거리를 바탕으로 이루어질 수 있다. 즉, 상대 거리에 따라 채널 센싱의 신뢰성을 서 로 다르게 평가할 수 있다. 그러나, 이와 같은 신뢰성 산출은 추가적인 시간을 요구한다는 점에서 매 채널 센싱이 이루어질 때마다 이를 적용하기에 부적합한 측면이 있다. 특히, 모바일 시스템과 같이 로컬 지역(=노드)의 위치가 수시로 변하고 이로 인해 신뢰성이 변동하는 경우에는 적용하기에 부적합한 측면이 있다.

본 발명이 해결하고자 하는 기술적 과제는 1차 사용자와 2차 사용자들 사이의 상대 거리 및 페이딩 게인이 에너지 검출에 미치는 영향을 확률적으로 모델링하여 각각의 2차 사용자에 대해 서로 다른 가중치를 부여함으로써 채널 센싱의 정확성을 높일 수 있는 에너지 검출 기반의 협력 채널 센싱 방법을 제공하는 데 있다.

상기 기술적 과제를 해결하기 위한 본 발명의 일 실시 예에 따른 에너지 검출 기반의 협력 채널 센싱 방법은,

후순위 사용자들 각각의 후순위 단말들이 선순위 사용자의 선순위 단말로부터 수신되는 에너지를 검출하고, 그 검출 결과들을 종합하여 해당 스펙트럼의 점유 여부를 판단하는 에너지 검출 기반의 협력 채널 센싱 방법에 있어서, (a) 상기 선순위 단말과 상기 후순위 단말들 사이의 각각의 상대 거리에 관한 확률 분포와 다중 경로 페이딩 게인에 관한 확률 분포를 바탕으로 수신 에너지에 관한 확률 분포를 산출하는 단계, 및 (b)상기 산출한 수신 에너지에 관한 확률 분포를 바탕으로 우도비를 산출하고, 상기 산출한 우도비를 임계치와 비교하여 스펙트럼의 점유 여부를 판단하는 단계를 포함하는 것을 특징으로 한다.

본 발명이 해결하고 하는 다른 기술적 과제는 모바일 무선 인지 시스템과 같이 후순위 사용자들이 이동중이거나 선순위 사용자가 다양한 위치에서 감지되는 경우에도 임의 순간에서의 채널 센싱에 대한 신뢰성을 확보할 수 있는 에너지 검출 기반의 협력 채널 센싱 방법을 제공하는 데 있다.

본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는, 본 발명의 바람직한 실시 예를 나타내는 첨부 도면 및 도면에 기재된 내용을 참조하여야 한다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지의 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.

도 1은 일반적인 채널 센싱 방법을 개략적으로 설명하기 위한 도면이다.

도 1을 참조하면, 2차 사용자(SU:Secondary User)는 주파수 면허를 갖고 있는 1차 사용자(PU:Primary User)로부터 수신되는 에너지를 바탕으로 채널 점유 여부를 판단한다. 채널 센싱은 일정한 주기마다 이루어지며, 2차 사용자는 수신한 에너지와 임계치를 비교하여 채널의 점유 여부를 판단한다. 1차 사용자가 검출가능한 2차 사용자의 최소거리는 Dmin이고 최대거리는 Dmax이다. 2차 사용자는 각각 노드로 취급될 수 있으며 하나의 검출 영역에 복수 개가 존재할 수 있다.

한편, 2차 사용자는 특정 주파수 대역을 사용하고 있는 경우에도 1차 사용자의 출현 여부를 지속적으로 센싱하여 1차 사용자가 해당 주파수 대역에 등장하는 경우 해당 주파수 대역을 비워줘야 한다. 즉, 1차 사용자에 대한 서비스 품질을 보장해주기 위해 2차 사용자는 지속적인 채널 센싱을 수행해야 한다. 한편, 단일 2차 사용자의 의한 채널 센싱은 순간적인 채널 상태에 따라 크게 달라지기 때문에 부정확할 수 있다. 따라서, 신뢰성 확보를 위해 협력 채널 센싱 방법이 필요하다.

도 2는 종래 기술에 따른 협력 채널 센싱 방법을 설명하기 위한 도면이다.

도 2를 참조하면, 제2 사용자들(SU1,SU2,SU3)를 포함하는 제1 그룹과 제2 사용자들(SU4,SU5,SU6)을 포함하는 제2 그룹은 주파수 면허를 갖는 제1 사용자(PU)에 대한 주기적인 채널 센싱을 각각 수행한다. 제1 그룹과 제2 그룹은 집중형 시스템 또는 분산형 시스템일 수 있다. 집중형 시스템은 하나의 2차 사용자(A main SU)가 채널 센싱 결과를 취합하여 판단하는 방식이며, 분산형 시스템은 각각의 2차 사용자(SUs)가 채널 센싱 결과를 교환하여 판단하는 방식이다.

종래의 협력 채널 센싱 방법에는 두 가지가 있는데, 그 중 하나는 강건한 결합(Hard Combining) 방식이고, 다른 하나는 균등 게인 결합(Equal Gain Combining) 방식이다. 강건한 결합 방식은, 2차 사용자들이 수신한 에너지들 중 어느 하나가 임계치 이상인 경우, 해당 주파수 대역이 점유된 상태라고 판단하는 방식이고, 균등 게인 결합 방식은, 2차 사용자들이 수신한 에너지들의 평균이 임계치 이상인 경우, 해당 주파수 대역이 점유된 상태라고 판단하는 방식이다.

일반적으로 하나의 그룹에 속하는 2차 사용자들 사이의 거리가 멀지 않는 경우, 즉 그룹의 반경이 작은 경우(제2 그룹), 각각의 노드에서 수신한 에너지는 비슷하므로 균등 게인 결합 방식은 강건한 결합 방식에 비해 우수한 성능을 낸다. 이에 반해, 하나의 그룹에 속하는 2차 사용자들 사이의 거리가 먼 경우, 즉 그룹의 반경이 큰 경우(제1 그룹), 각각의 노드에서 수신한 에너지는 달라지므로 강건한 결합 방식은 균등 게인 결합 방식에 비해 우수한 성능을 낸다.

그러나 하나의 그룹에 속하는 2차 사용자들(=후순위 사용자들)과 1차 사용자(=선순위 사용자)의 상대 거리는 시간 및 공간에 따라 변화할 수 있으며, 1차 사용자도 시간 및 공간에 무관하게 출현할 수 있다. 또한, 에너지는 다양한 경로를 통해 2차 사용자(=노드)에 수신되므로 동일한 거리에 있어도 간섭 정도에 따라 수신되는 에너지가 달라질 수 있다. 따라서, 모바일 통신 환경에서는 종래의 강건한 결합 방식과 균등 게인 결합 방식은 더 이상 효율적인 방식이 될 수 없다.

도 3은 종래 기술에 따른 협력 채널 센싱 방법을 나타내는 흐름도이다.

N개의 후순위 사용자들(=2차 사용자들)로 구성된 무선 인지 시스템을 가정한다. 일정한 주기마다 선순위 사용자로부터 도달하는 입력신호를 필터링하여 검출신호 y(t)를 획득한다(S310). 예를 들어, B의 대역폭을 갖는 필터를 이용하여 입력신호를 필터링한다. 한편, 검출신호 y(t)는 선순위 사용자로부터 전송된 신호뿐만 아니라 백색 가우스 잡음을 포함한다. 여기서, 다음의 두 가지 상황을 가정한다.

◈ 가정 1(H1) = 선순위 사용자(Primary User)가 부존재

y(t)=n(t)(여기서, n(t)는 부가된 백색 가우스 잡음을 나타낸다)

◈ 가정 2(H2) = 선순위 사용자(Primary User)가 존재

y(t)=s(t)+n(t)(여기서, s(t)는 선순위 사용자의 신호를 나타낸다)

검출신호 y(t)의 제곱을 센싱 주기 Ts 동안 적분하고, 이를 잡음 밀도 No로 나누어 결정 통계치(Decision Statistic)를 산출한다(S320). 가정 1 및 2에 따른 검출신호 y(t)는 다르므로 가정 1 및 2에 따른 결정 통계치를 모두 산출한다. 가정 1 및 2는 모두 임의적인 잡음에 의한 영향을 고려하므로 결정 통계치는 확률 변수로 볼 수 있다. 결정 통계치는 다음과 같이 표현될 수 있다.

(여기서, X는 결정 통계치, y(t)는 검출 신호, No는 잡음 밀도, Ts는 센싱 주기를 나타낸다)

한편, 가정 1에 따른 결정 통계치는 자유도 K=2BTs의 중심형 카이 스퀘어 분포(Central Chi-square Distribution)을 갖으며, 가정 2에 따른 결정 통계치는 자유도 K=2BTs의 비중심형 카이 스퀘어 분포(Noncentral Chi-square Distribution)을 갖는다. 따라서, 가정 1에 따른 결정 통계치의 확률 분포 함수(g(x))와 가정 2에 따른 결정 통계치의 확률 분포 함수(f(x))는 다음과 같이 표현될 수 있다.

(여기서, g(x)는 가정 1에 따른 결정 통계치의 확률 분포 함수, K는 자유도, x는 가정 1에 따른 결정 통계치를 나타낸다)

(여기서, f(x)는 가정 2에 따른 결정 통계치의 확률 분포 함수, K는 자유도, x는 가정 2에 따른 결정 통계치, λ는 비중심형 파라미터로서 E/No, E는 수신 에너지, No은 잡음 밀도,

는 감마함수를 나타낸다).

가정 1에 따른 결정 통계치의 확률 분포 함수(g(x))와 가정 2에 따른 결정 통계치의 확률 분포 함수(f(x))를 이용하여 선순위 사용자의 채널 점유 가능성을 나타내는 우도비(Likehihood ratio)를 산출한다(S360). 우도비 L(x)는 아래와 같은 수학식을 이용하여 산출할 수 있으며, 이는 당해 기술 분야에서 최적의 방법으로 알려진 Neyman-Pearson 기준에 따른 것이다.

(여기서, L(x)는 우도비, f(x_n)은 가정 1에 따른 결정 통계치의 확률 분포들의 집합, g(x_n)은 가정 2에 따른 결정 통계치의 확률 분포들의 집합)

확률 분포 함수(g(x))에 가정 1에 따른 결정 통계치 X1,X2,…,Xn을 대입하는 방식으로 가정 1에 따른 결정 통계치의 확률 분포의 집합을 산출하고(S330), 확률 분포 함수(f(x))에 가정 2에 따른 결정 통계치 X1,X2,…,Xn를 대입하는 방식으로 가정 2에 따른 결정 통계치의 확률 분포의 집합을 산출한다(S350).

한편, 가정 2에 따른 결정 통계치의 확률 분포를 산출하기 위해서는 확률 분포 함수가 수신 에너지 E를 변수로 하므로, 수신 에너지 E를 산출해야 한다(S340). 수신 에너지 E는 선순위 사용자 신호 s(t)의 제곱을 센싱 주기 Ts 동안 적분하여 산출한다. 이는 다음과 같이 표현될 수 있다.

(여기서, E는 수신 에너지, s(t)는 사용자 신호를 나타낸다)

산출한 수신 에너지 E를 잡음 밀도 No로 나누어 비중심형 파라미터 λ를 산출하고, 산출한 비중심형 파라미터 λ을 가정 2에 따른 결정 통계치의 확률 분포 함수(f(x))에 대입한다. 최종적으로 우도비 L(x)가 산출되면 이를 비교 연산자인 임계치 ε와 비교한다(S370). 임계치 ε는 실험적으로 정해지며, 무선 인지 시스템의 종류에 따라 달라질 수 있다.

우도비 L(x)가 임계치 ε보다 큰 경우엔 선순위 사용자가 해당 채널을 점유한 것으로 판단하고(S380), 그렇치 않은 경우 선순위 사용자가 해당 채널을 비점유한 것으로 판단한다(S390). 협력 채널 센싱 방법은 이와 같은 일련의 단계들을 통해 선순위 사용자의 채널 점유 여부를 효과적으로 판단할 수 있는 이점을 제공한다.

한편, 채널 센싱의 정확도는 결정 통계치에 대한 확률 분포의 정확성에 의해 좌우된다. 그러나 종래의 협력 채널 센싱 방법은 상대 거리 및 경로 손실에 따라 매순간 변화하는 에너지의 특성을 각각의 2차 사용자에 대한 확률 분포 함수에 정확하게 반영하지 못하는 단점이 있다. 이로 인해, 모바일 무선 인지 시스템의 경우 채널 센싱에 대한 신뢰성이 저하될 수 있다.

도 4는 본 발명에 따른 협력 채널 센싱 방법을 나타내는 흐름도이다.

N개의 노드들(=모바일 장치들)로 구성된 하나의 모바일 무선 인지 시스템을 가정한다. 각각의 노드가 일정한 주기마다 선순위 사용자로부터 도달하는 입력신호를 필터링하여 검출신호 y(t)를 획득한다(S405). 무선 인지 시스템은 집중형 시스템 또는 분산형 시스템일 수 있으며, 필터링에 사용되는 필터는 대역 통과 필터일 수 있다. 한편, 검출신호 y(t)에는 백색 가우스 잡음이 포함될 수 있다. 여기서, 다음의 두 가지 상황을 가정한다.

◈ 가정 1(H1) = 선순위 사용자(Primary User)가 부존재

y(t)=n(t)(여기서, n(t)는 부가된 백색 가우스 잡음을 나타낸다)

◈ 가정 2(H2) = 선순위 사용자(Primary User)가 존재

검출신호 y(t)의 제곱을 센싱 주기 Ts 동안 적분하고, 이를 잡음 밀도 No로 나누어 결정 통계치 X를 산출한다(S410). 여기서, 가정 1 및 2에 따른 검출신호 y(t)는 다르므로 가정 1 및 2에 따른 결정 통계치를 모두 산출한다. 가정 1 및 2에 따른 결정 통계치는 수학식 1과 같이 표현될 수 있다. 한편, 가정 1 및 2는 임의적 인 잡음에 의한 영향을 고려하므로 결정 통계치는 확률 변수로 볼 수 있다.

한편, 가정 1에 따른 결정 통계치는 자유도 K=2BTs의 중심형 카이 스퀘어 분포(Central Chi-square Distribution)을 갖으며, 가정 2에 따른 결정 통계치 H2는 자유도 K=2BTs의 비중심형 카이 스퀘어 분포(Noncentral Chi-square Distribution)을 갖는다. 따라서, 가정 1에 따른 결정 통계치의 확률 분포 함수(g(x))와 가정 2에 따른 결정 통계치의 확률 분포 함수(f(x))는 상기와 같이 표현될 수 있다.

확률 분포 함수(g(x))에 가정 1에 따른 결정 통계치를 대입하고, 확률 분포 함수(f(x))에 가정 2에 따른 결정 통계치를 대입한다(415,435). 한편, 가정 2에 따른 결정 통계치의 확률 분포를 산출하기 위해서는 선순위 사용자로부터 해당 후순위 사용자에 도달한 수신 에너지 E를 산출해야 한다. 또한, 수학식 5에 따라 수신 에너지 E를 산출하기 위해서는 선순위 사용자의 신호 s(t)의 정확한 값을 알 수 있어야 한다.

그러나, 실제로 선순위 사용자의 신호 s(t)는 선순위 사용자와의 거리 또는 채널 상태에 따라 영향을 받으므로 이를 정확히 아는 것은 불가능하다. 따라서, 종래에는 수신 에너지 E를 일정한 상수로 대체하여 사용하거나 선순위 사용자의 전송 전력과 채널에 따른 페이딩을 일정한 값으로 둔 상태에서 수신 에너지 E를 예측하여 사용하였다. 그러나 이러한 방법은 채널 센싱의 정확도를 감소시킨다는 점에서, 정확한 채널 센싱을 위해서는 위의 요소들을 모두 고려해야 한다.

그러나, 무선 통신망은 동적으로 변화하고, 예를 들어, 모바일 무선 인지 시스템에서 노드들은 서로 다른 위치에 있으며, 선순위 사용자는 임의의 위치에서 나 타날 수 있기 때문에, 각각의 노드가 채널 센싱을 수행할 때마다 상대 거리와 페이딩 게인을 정확하고 신속하게 산출하는 것이 불가능하다. 본 발명은 이를 위해 상대 거리와 페이딩 게인에 관한 확률 분포를 각각 산출하고 이를 바탕으로 수신 에너지 E에 관한 확률 분포를 산출하는 방식을 이용한다(S420,425)

특히, 본 발명은 수신 에너지 E의 확률 분포를 산출함에 있어서, 상대 거리(d)와 페이딩 이득(ψ)을 확률 분포로 하고, 전송 파워 Pt와 경로 손실 단위 a와 센싱 주기 Ts를 상수로 하는 수학식을 이용한다. 특히, 상기 수학식은 선순위 사용자가 고정된 파워 Pt로 신호를 전송하는 것을 가정하는데, 이는 전송 파워가 면허 당국에 명기되어 있다는 점에서 유지될 수 있다. 새로운 형태의 수신 에너지 E의 확률 분포를 산출하기 위한 함수는 다음과 같다.

(여기서, E는 수신 에너지, e(d,ψ)는 E의 확률 분포 함수, Pt는 전송 파워, a는 경로 손실 상수, d는 상대 거리, v(d)는 d의 확률 분포 함수, Ψ는 페이딩 게인, q(ψ)는 ψ의 확률 분포 함수, Ts는 센싱 주기, r은 경로 손실 지수를 나타낸다)

전송 파워 Pt와 경로 손실 상수 a와 센싱 주기 Ts는 고정 상수이다. 그러나 상대 거리 d와 페이딩 게인 ψ는 무선 인지 시스템의 유형 및 환경에 따라 달라지는 확률 변수이다. 따라서 상대 거리 d와 페이딩 게인 ψ의 확률 분포를 산출하는 것이 바람직하다.

수신 에너지 E를 산출하면 이를 잡음 밀도 No로 나누어 비중심형 파라미터 λ를 산출하고, 산출한 비중심형 파라미터 λ를 가정 2에 따른 결정 통계치의 확률 분포 함수(f'(x))에 대입한다(S430). 상대 거리 d의 확률 분포 함수는 다음과 같다.

(여기서, v(d)는 상대 거리 d의 확률 분포 함수, Dmax는 최대 거리, Dmin은 최소 거리, △는 Dmax²-Dmin²을 나타낸다)

(여기서, z는 d^-r, p(z)는 상대 거리 Z의 확률 분포 함수, Dmax는 최대 거리, Dmin은 최소 거리, △는 Dmax²-Dmin²,r은 경로 손실 지수를 나타낸다)

한편, 특정 스펙트럼 대역으로부터 각각의 노드에 도달하는 선순위 사용자 신호 s(t)는 다양한 경로를 통해서 수신되기 때문에 전송 과정에서 서로 다른 페이딩 현상이 발생하고 그로 인해 페이딩 게인 Ψ도 달라진다. 따라서, 다양한 경로를 통해 전송되는 신호의 확률 분포를 알기 위해서는 도시 환경에서 합리적인 통계 모델로 널리 사용되는 Rayleigh 페이딩 확률 분포 함수를 이용하는 것이 바람직하다. Rayleih 페이딩 게인의 확률 분포 함수(q(ψ))는 다음과 같다.

(여기서, ψ는 페이딩 게인, q(ψ)는 ψ의 확률 분포 함수를 나타낸다)

한편, 전송 파워 Pt, 경로 손실 상수 a, 센싱 주기 Ts는 고정 상수이므로 Pt×a×Ts를 상수 C로 치환할 수 있다. 이로 인해, 수신 에너지 E는 C×d^-r(Z)×ψ로 간략하게 표현될 수 있다. 여기서, 수신 에너지 E의 확률 분포를 산출하기 위해서는 상대 거리 d^-r(Z)대신에 확률 분포 함수 p(z)를 대입하고, 페이딩 게인 ψ 대신에 확률 분포 함수 q(ψ)를 대입해야 한다.

그 후, 산출한 수신 에너지 E의 확률 분포를 잡음 밀도 No로 나누어 비중심형 파라미터 λ를 산출하고, 이를 가정 2에 따른 결정 통계치의 제2 확률 분포 함수(f'(x))에 대입한다. 그 수식 형태는 다음과 같다.

여기서, (Czψ/2No)를 β로 치환하고, 변수 z에 대해 적분하면 상기 수학식은 다음과 같다.

여기서, r()은 불완전 감마 함수를 나타낸다. 한편, 수학식 9를 수학식 13에 대입하면 다음과 같다.

,

(여기서, F()는 가우스 초기하 함수를 나타낸다)

이제까지, 상대 거리(d^-r)의 확률 분포 함수(p(z))에 관한 수학식 8과 페이딩 게인(ψ)의 확률 분포 함수(q(ψ))에 관한 수학식 9를 가정 H2에 따른 결정 통계치의 확률 분포 함수(f'(x))에 관한 수학식 10에 대입하여 새로운 확률 분포를 산출하는 과정을 나타내었다. 한편, 가정 1에 따른 결정 통계치의 확률 분포 함수(g(x))는 수신 에너지 E를 변수로 하지 않으므로, 수학식 2를 이용하여 종래와 같은 방식으로 산출할 수 있다(S415).

가정 1에 따른 결정 통계치의 확률 분포 함수(g(x))와 가정 2에 따른 결정 통계치의 확률 분포 함수(f'(x))를 이용하여 선순위 사용자의 채널 점유 가능성을 나타내는 우도비 L(x)를 산출한다(S440). 우도비 L(x)는 아래와 같은 수학식으로 표현될 수 있으며, 이는 기술 분야에서 최적의 방법으로 잘 알려진 Neyman-Pearson Criterion에 따른 것이다.

(여기서, L(x)는 우도비)

산출한 우도비 L(x)와 비교 연산자인 임계치 ε를 비교한다(S445). 임계치 ε는 실험적으로 정해지며, 무선 인지 시스템의 종류에 따라 달라질 수 있다. 우도비 L(x)가 임계치 ε보다 큰 경우엔 선순위 사용자가 해당 채널을 점유한 것으로 판단하고(S450), 그렇치 않은 경우 선순위 사용자가 해당 채널을 비점유한 것으로 판단한다(S455). 계산을 간단하게 하기 위해, 산출한 우도비 L^*(x)(=L(x)/I^N)을 ε^*(=ε/I^N)과 비교하여 채널의 점유 여부를 판단할 수도 있다.

한편, η(x)를 산출하기 위해서는 무한한 합산 연산이 필요하기 때문에 실제 무선 인지 시스템에서는 실행될 수 없다. 따라서, 상기 ∞ 대신에 유한 상수인 G를 사용하는 것이 바람직하다. 그 경우, 유한 상수 G의 크기가 증가할수록 계산이 복작해지고 연산 시간이 증가하지만 채널 센싱의 정확도도 증가한다. 한편, 무선 인지 시스템에서의 성능은 크게 검출 실패 가능성(Miss Detection Probability)과 알람 오류 가능성(False Alarm Probability)에 의해 평가될 수 있다.

알람 오류 가능성은 선순위 사용자가 존재하지 않음에도 불구하고 선순위 사용자가 존재하는 것으로 알람을 울릴 확률을 나타내며, 검출 실패 가능성은 선순위 사용자가 존재한다는 사실을 검출하지 못할 확률을 나타낸다. 한편, 무선 인지 시스템은 복수의 무선 인지 사용자들로부터 입력받은 센싱 결과를 종합하여 결정을 수행한다는 점에서, 알람 오류 가능성(FA)과 검출 실패 가능성(MD)은 하나의 무선 인지 노드의 관점보다는 시스템 전체의 관점에서 나타난다. 이를 수학식으로 나타내면 다음과 같다.

(여기서, P_FA는 알람 오류 가능성을 나타낸다)

(여기서, P_MD는 검출 실패 가능성을 나타낸다)

도 5는 본 발명과 종래 기술의 효과를 비교하는 제1 그래프이고, 도 6은 본 발명과 종래 기술의 효과를 비교하는 제2 그래프이다.

도 5 및 6은 노드의 수를 10, 대역 폭 B를 1MHz, 센싱 주기 Ts를 100μsec, 잡음 밀도 No를 -163dBm/Hz, 전송 전력 Pt를 25dBm/Hz, 경로 손실 상수 a를 -31.54dB, 경로 손실 지수 r을 3.75, 유한 상수 G를 170으로 설정한 후 실험한 결과를 나타내는 그래프이다. 특히, 도 5는 하나의 노드의 Dmax를 100m, 나머지 노드들의 Dmax를 δm로 설정한 후 실험한 결과를 나타내며, 도 6은 모든 노드들의 Dmax를 1000m로 설정한 후 실험한 결과를 나타낸다.

여기서, 도 5는 검출 실패 가능성을 나타내는 그래프이이고 도 6은 검출 실패 가능성과 알람 오류 가능성의 비율을 나타내는 그래프이다. 도 5와 도 6을 살펴보면, 본원 발명에 따른 채널 센싱 방법은 해당 시스템과 선순위 사용자의 거리에 상관없이 종래의 방법(강건한 결합 방법과 균등 게인 결합 방법)에 비해 검출 실패 가능성이 낮으며, 종래의 방법에 비해 알람 오류 가능성도 낮음을 알 수 있다.

한편, 본 발명에 따른 채널 센싱 방법은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치, 예를 들면, ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크를 포함한다. 또한, 컴퓨터로 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

이상 도면과 명세서에서 최적 실시 예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적으로 사용된 것이지 의미 한정이나 특허 청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다.

그러므로 본 기술 분야에서 통상의 지식을 가지는 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허 청구범위의 기술적 사상에 의해 정해져야 할 것이다.

도 5는 본 발명과 종래 기술의 효과를 비교하는 제1 그래프이다.

도 6은 본 발명과 종래 기술의 효과를 비교하는 제2 그래프이다.

Claims

후순위 사용자들 각각의 후순위 단말들이 선순위 사용자의 선순위 단말로부터 수신되는 에너지를 검출하고, 그 검출 결과들을 종합하여 해당 스펙트럼의 점유 여부를 판단하는 에너지 검출 기반의 협력 채널 센싱 방법에 있어서,

(a) 상기 선순위 단말과 상기 후순위 단말들 사이의 각각의 상대 거리에 관한 확률 분포와 다중 경로 페이딩 게인에 관한 확률 분포를 바탕으로 수신 에너지에 관한 확률 분포를 산출하는 단계; 및

(b)상기 산출한 수신 에너지에 관한 확률 분포를 바탕으로 우도비를 산출하고, 상기 산출한 우도비를 임계치와 비교하여 스펙트럼의 점유 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 에너지 검출 기반의 협력 채널 센싱 방법.
제1항에 있어서, 상기 상대 거리에 관한 확률 분포는,

(d는 상대 거리, v(d)는 d의 확률 분포 함수, Dmax는 최대 거리, Dmin은 최소 거리, △는 Dmax²-Dmin²을 나타낸다)의 확률 분포 함수를 이용하여 산출하는 것을 특징으로 하는 에너지 검출 기반의 협력 채널 센싱 방법.
제2항에 있어서, 상기 다중 경로 페이딩 게인에 관한 확률 분포는,

(ψ는 페이딩 게인, q(ψ)는 ψ의 확률 분포 함수를 나타낸다)의 확률 분포 함수를 이용하여 산출하는 것을 특징으로 하는 에너지 검출 기반의 협력 채널 센싱 방법.
제3항에 있어서, 상기 수신 에너지에 대한 확률 분포는,

(E는 수신 에너지, e(d,ψ)는 E의 확률 분포 함수, Pt는 전송 파워, a는 경로 손실 상수, d는 상대 거리, v(d)는 d의 확률 분포 함수, ψ는 페이딩 게인 q(ψ)는 ψ의 확률 분포 함수, Ts는 센싱 주기, r은 경로 손실 지수를 나타낸다)의 확률 분포 함수를 이용하여 산출하는 것을 특징으로 하는 에너지 검출 기반의 협력 채널 센싱 방법.
제1항에 있어서, 상기 협력 채널 센싱 방법은,

집중형 무선 인지 시스템 또는 분산형 무선 인지 시스템에 적용되는 것을 특징으로 하는 에너지 검출 기반의 협력 채널 센싱 방법.
제1항 내지 제5항 중 어느 한 항의 방법을 실행하기 위한 컴퓨터 프로그램 코드를 기록한 컴퓨터로 읽을 수 있는 기록 매체.