Made available in DSpace on 2015-04-14T13:56:34Z (GMT). No. of bitstreams: 1 464757.pdf: 15490985 bytes, checksum: 69a8a4405f520c0450487a75c04a1117 (MD5) Previous issue date: 2014-10-27 / This work proposes a channel allocation methodology in a cognitive radio network (CRN) that uses a predictive and adaptive channel database. A spectrummodeling algorithm, that allows simulating channel occupation in cellular technology bands, generates the prediction data. The use of prediction enables the identification of opportunities in the bands of interest, which allows prioritizing the use of those channels with greater probability of being idle. Thus, this work extends the scope of IEEE 802.22, in that proposes the use of prediction data, as well as the use of cellular technology bands, which are commonly used in urban areas. The adaptive nature of the developed system updates the channel list dynamically over the allocation cycles. This feature enables to prioritize the channels with greater success in the allocation process, since the channel list is updated according to the results of secondary users (SUs) allocation. The proposed methodology aims to allocate the SU with the minimum of channel sensing operations required. The adaptive feature of the channel database gives a major contribution to reducing the channel sensing operations in the CRN. The decrease in channel sensing operations reduces the exchange of information between the functions that comprise the cognitive plane of a CRN. Consequently, a reduction in the network signaling traffic is expected, as well as a reduction of delays resulting from the search of available channels. / O presente trabalho prop?e uma metodologia de gerenciamento de canais numa rede de r?dios cognitivos (CRN) que utiliza uma base de dados de canais preditiva e adaptativa. Os dados de predi??o s?o gerados por um algoritmo de modelagem de espectro que permite simular a ocupa??o dos canais em faixas de tecnologia celular. O uso de predi??o possibilita a identifica??o de oportunidades nas bandas de interesse, permitindo priorizar a utiliza??o dos canais com maior probabilidade de estarem livres. Dessa forma, este trabalho estende a abrang?ncia da IEEE 802.22, na medida em que prop?e o uso de dados de predi??o, bem como a utiliza??o de faixas de tecnologia celular que s?o comumente utilizadas em ?reas urbanas. O car?ter adaptativo do sistema desenvolvido atualiza a lista de canais de forma din?mica ao longo dos ciclos de aloca??o. Esta caracter?stica possibilita a prioriza??o dos canais com maior sucesso no processo de aloca??o, uma vez que a lista de canais ? atualizada de acordo com os resultados das aloca??es dos usu?rios secund?rios (SUs). A metodologia proposta busca realizar a aloca??o do SU com o m?nimo necess?rio de opera??es de detec??o de canal. A adaptabilidade da base de dados de canais ? o fator que possui maior contribui??o na redu??o das opera??es de detec??o de canal na CRN. A diminui??o das opera??es de detec??o de canal reduz a troca de informa??es entre as fun??es que comp?em o plano cognitivo de uma CRN. Consequentemente, uma redu??o no tr?fego de sinaliza??o da rede ? esperada, assim como uma diminui??o de atrasos resultantes da busca de canais dispon?veis.

Made available in DSpace on 2015-04-14T13:56:33Z (GMT). No. of bitstreams: 1 464756.pdf: 6294522 bytes, checksum: b41f6ce956ed25415a71e4211c6a3fad (MD5) Previous issue date: 2014-11-18 / The possibility of spectrum shortage and saturation, combined with the increasing demands for higher transmission rates are driving factors for research within cognitive radio networks. Spectrum sensing is one of the major challenges for the commercial development of cognitive radio systems, since the verification of a primary user presence is a complex task that requires high reliability. The proposal of this work is to develop a signal classifier capable of verifying the primary user presence on a particular channel of the radio spectrum. The proposed classifier performs subspace decomposition of the signal covariance matrix, in order to obtain characteristics that may indicate the presence of a primary user. The subspace decomposition enables the design of filter banks to which new signals are submitted. RBF neural networks are used to analyze the filtered signal characteristics and to decide about the presence of a particular type of primary user. Based on IEEE 802.22 regulations, the classification process is performed at the cognitive radio base station, which is responsible for controlling all users and channels in its coverage area. The results indicate that the computational cost of subspace decomposition, which is cyclically performed in similar methods, can be reduced through the proposed approach without jeopardizing the detection quality. / A possibilidade de escassez e satura??o do espectro, aliadas ?s demandas crescentes por maiores capacidades de transmiss?o, s?o fatores que impulsionam a pesquisa de solu??es no ?mbito das redes de r?dios cognitivos. O sensoriamento do espectro constitui um dos maiores desafios para o desenvolvimento comercial dos sistemas de r?dio cognitivo, pois a verifica??o da presen?a de um usu?rio prim?rio ? uma tarefa complexa que exige alta confiabilidade. A proposta deste trabalho ? elaborar um classificador de sinais capaz de verificar a presen?a de um usu?rio prim?rio num determinado canal do espectro de r?dio. O classificador proposto realiza a decomposi??o em subespa?os da matriz de covari?ncia do sinal, visando extra??o de caracter?sticas que possam indicar a presen?a de usu?rio prim?rio. A decomposi??o do sinal em subespa?os permite a determina??o de bancos de filtros aos quais novos sinais s?o submetidos. Redes neurais do tipo RBF s?o utilizadas para an?lise de caracter?sticas dos sinais filtrados e decis?o sobre a presen?a de um determinado tipo de usu?rio prim?rio. Com base na regulamenta??o IEEE 802.22, o processo de classifica??o ? executado na r?dio-base cognitiva, respons?vel pelo controle de todos os usu?rios e canais na sua ?rea de cobertura. Os resultados indicam que o custo computacional da decomposi??o em subespa?os, que ? executada de forma c?clica em m?todos similares, pode ser reduzido atrav?s da abordagem proposta, sem comprometimento da qualidade da detec??o.