:: The Journal of the Institute of Internet, Broadcasting and Communication ::, Vol.18 No.2 | (2018) pp.81~88

Spectrum Sensing based on Support Vector Machine using Wavelet Packet Decomposition in Cognitive Radio Systems

Gyu-Hyung Lee

(준회원, 울산대학교 전기공학부)

Young-Doo Lee

(정회원, 울산대학교 전기공학부)

In-Soo Koo

(정회원, 울산대학교 전기공학부)

Abstract

부사용자가 주사용자의 주파수 사용 상태를 판별하기 위해 인지 무선 시스템의 핵심 기술인 스펙트럼 센싱을 사용한다. 스펙트럼 센싱 기법 중 에너지 검출법은 할당 된 채널 신호의 강도에 따라서 주사용자의 주파수 사용 유무 를 판별한다. 이 기법은 단순히 신호의 크기를 이용해 스펙트럼 센싱하기 때문에 SNR 대역이 낮아질수록 주사용자의 신호를 검출하기 어렵다는 단점이 있다. 본 논문은 낮은 SNR 대역에서의 성능 열화를 극복하기 위해 웨이블릿 패킷 분해를 사용한 서포트 벡터 머신을 스펙트럼 센싱과 융합하는 방식을 제안하였다. 이 방식은 센싱 신호를 웨이블릿 패 킷 분해를 기반으로 특징 추출하여 Support Vector Machine의 훈련과 실험용 데이터로 사용한다. 제안한 방식의 실 험 결과를 SNR대역에 대해 정확도와 ROC 커브 그래프의 AUC를 이용하여 에너지 검출법과 비교하였다. 실험 결과, 제안한 시스템은 낮은 SNR대역에서 에너지 검출법 보다 더 향상된 판별 성능을 보였다.
Spectrum sensing, the key technology of the cognitive radio networks, is used by a secondary user to determine the frequency state of a primary user. The energy detection in the spectrum sensing determines the presence or absence of a primary user according to the intensity of the allocated channel signal. Since this technique simply uses the strength of the signal for spectrum sensing, it is difficult to detect the signal of a primary user in the low SNR band. In this paper, we propose a way to combine spectrum sensing and support vector machine using wavelet packet decomposition to overcome performance degradation in low SNR band. In our proposed scheme, the sensing signals were extracted by wavelet packet decomposition and then used as training data and test data for support vector machine. The simulation results of the proposed scheme are compared with the energy detection using the AUC of the ROC curve and the accuracy according to the SNR band. With simulation results, we demonstrate that the proposed scheme show better determining performance than one of energy detection in the low SNR band.
  Cognitive radio networks, Spectrum sensing, Artificial intelligence, Machine learning, Support vector machine, Feature extraction, Wavelet packet decomposition

Download PDF List