Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

| Crea un account

Emiliano, Dall'Anese (2011) Spatio-Temporal Spectrum Reuse based on Channel Gain Cartography. [Tesi di dottorato]

Full text disponibile come:

[img]
Anteprima
Documento PDF (PhD thesis Emiliano Dall'Anese - 2011) - Versione accettata
2177Kb

Abstract (inglese)

During the last decade, the perceived scarcity of spectrum resources along with the proliferation of new wireless technologies have motivated a substantial research effort on dynamic spectrum management. Although a fixed frequency assignment policy has guiltily led to an alarming spectrum crowding belief, a noticeable underutilization of the allocated frequency bands has been revealed by extensive spectrum occupancy measurements. Therefore, a dynamic re-utilization of the licensed frequencies would be a breakthrough toward a mitigation of the troublesome inefficiency in the spectrum management, aggressively answering to the unceasing demand of resources for new wireless services.

Prominent in this context is the hierarchical spectrum access, an emerging model that envisages secondary users (a.k.a. cognitive radios) aiming to access to the frequency bands of the licensed systems (a.k.a. primary users) in a dynamical and nonintrusive manner. Envisioned as autonomous entities endowed with learning and decisional capabilities, secondary devices accomplish spectrum sensing and dynamical radio resource allocation tasks, thus enabling an opportunistic access to portions of the spectrum under the primary-secondary hierarchy.

The consequent continuous need for a concrete situational awareness required by the cognitive radios demands for innovative signal processing algorithms for high-resolution primary users' activity monitoring, efficient transmission opportunity exploitation and, most importantly, accurate characterization of the surrounding RF propagation environment. Due to the lack of explicit coordination between the two networks, as envisaged in the cognitive radio paradigm, learning the features of the propagation environment is conceivably critical for adaptation of operational system parameters and obligatory protection of the licensed primary system.

To strike the foregoing sensing and control objectives reliably, a significant departure from a one-dimensional view of the RF environment, conventionally attained by point-to-point feedback strategies to acquire channel coefficients as well as interference levels on a per-link basis, is advocated. Toward this direction the present Thesis introduces the concept of channel gain cartography, a groundbreaking geostatistics-inspired application that enables a portrayal of the RF environment impinging upon arbitrary locations in space. The most appealing feature of the proposed tool consists in the non-trivial capability of inferring the channel gain between arbitrary transmitter-receiver locations, based on the only measurements taken among collaborating cognitive radios. Such ability in estimating any-to-any channel gains may open the door to aggressive resource allocation techniques, thus leading to markedly higher spectral efficiency - and finds well-motivated applications not only in the cognitive radio context.

With an accurate RF environment description close at hand, the Thesis presents a primary system's state tracker based on a parsimonious model accounting for the reasonable sparse activity of the primary sources - due to well-known mutual interference concerns - in the monitored geographical area. Motivated by recent advances in sparse linear regression, where the $\ell_1$-norm places itself as a cornerstone for lassoing the non-zero support of the estimand, a sparsity-cognizant state tracker is developed in both centralized and distributed formats. As a byproduct ensued from the parsimonious model, the tracker possesses localization and primary transmission power estimation abilities, which lead to a capability of estimating the actual power spectral density map of the primary system, a continuously-updated portrayal of the aggregate primary power impinging upon the whole monitored geographical region. Detection of the so called spectrum spatial holes is efficiently attainable, thus enhancing the spatial re-use of the primary frequency bands.

Due to the aforementioned lack of explicit support from the primary system, sensing algorithms often face difficulty in acquiring secondary-to-primary users channels. Moreover, the sensing algorithms cannot detect silent licensed receivers, which nevertheless have to be obligatorily protected.
Based on primary coverage map and channel gain cartography, the approach pursued here is to exploit statistical knowledge of the secondary-to-primary channels, where the combined effect of shadow fading as well as small-scale fading is accounted for, to maximize a given secondary network utility function under chance constraints that ensure protection to any potential licensed user. Albeit a non-convex interference-constrained network utility maximization problem is derived, Karush-Kuhn-Tucker solutions are provably obtained by the proposed algorithms.

Error-corrupted measurements and missing and/or outdated channel gain estimates may undoubtedly compromise the accomplishment of the power control task. To overcome this issue, a novel probabilistic approach encompassing channel knowledge uncertainty on both secondary-to-secondary and secondary-to-primary links is also presented.

The foregoing technical findings are fully corroborated by numerical tests.

Abstract (italiano)

Durante l'ultimo decennio, la proliferazione di nuove tecnologie wireless, unitamente all'apparente scarsita' di risorse spettrali disponibili, ha motivato una considerevole attivita' di ricerca rivolta a tecniche di gestione dinamica dello spettro.
Sebbene una allocazione statica dello spettro abbia colpevolmente indotto alla percezione di un preoccupante sovraffollamento delle bande disponibili, un sostanziale sottoutilizzo di tali frequenze e' stato rilevato durante campagne di misurazione dell'occupazione effettiva di bande di frequenza ad uso esclusivo. Un riutilizzo dinamico di tali frequenze potrebbe essere un passo in avanti fondamentale per risolvere l'attuale sistematica inefficienza nella gestione dello spettro e, quindi, rispondere alla continua richiesta di risorse spettrali per nuovi sistemi wireless.

In questo contesto si posiziona in maniera prominente il modello ad accesso gerarchico, modello che prevede utenti secondari (chiamati anche cognitive radio) che accedono alle bande di frequenza allocate agli utenti licenziatari (chiamati comunemente utenti primari) in maniera dinamica e non intrusiva. Immaginati come entita' autonome con capacita' decisionali e di apprendimento dell'ambiente di propagazione, gli utenti secondari sono in grado di riutilizzare porzioni dello spettro in maniera opportunistica, rispettando la gerarchia tra sistemi licenziatari e sistemi secondari. Operazioni necessarie per tale accesso opportunistico sono il sensing dello spettro e l'allocazione dinamica delle risorse radio disponibili.

Il conseguente bisogno di una continua cognizione situazionale da parte degli utenti secondari richiede soluzioni algoritmiche innovative per monitorare l'attivita' degli utenti primari in maniera affidabile, utilizzare efficientemente le porzioni di spettro quando libere, e acquisizione di un'accurata caratterizzazione dell'ambiente di propagazione. Infatti, data la mancanza di una cooperazione esplicita tra sistemi primario e secondario, il continuo apprendimento delle caratteristiche dell'ambiente di propagazione e' di fondamentale importanza per l'adattamento dei parametri di sistema e la protezione obbligatoria del sistema primario.

Per compiere in maniera affidabile sensing e allocazione dinamica delle risorse disponibili e' richiesto un significativo scostamento dalla visione uni-dimensionale dell'ambiente di propagazione, la quale si basa sulle tecniche classiche di stima di canale e acquisizione dei livelli di interferenza via feedback su collegamenti punto-punto. In questa direzione, la presente tesi introduce il concetto di cartografia del guadagno di canale, una tecnica innovativa con origini dalla geostatistica che permette l'acquisizione di una descrizione completa dell'ambiente di propagazione percepito in punti arbitrari di una regione geografica. La caratteristica principale di tale tecnica consiste nella capacita' di stimare il guadagno di canale tra coppie arbitrarie trasmettitore-ricevitore, partendo da delle misurazioni effettuate sui soli link tra cognitive radio cooperanti.

Con un'accurata descrizione dell'ambiente di propagazione a portata di mano, nella tesi viene introdotto un algoritmo per la stima della potenza trasmissiva degli utenti licenziatari attivi e la loro localizzazione. L'algoritmo e' basato su un modello di sistema parsimonioso che tiene in considerazione la sparsita' nel dominio spaziale di utenti primari attivi, sparsita' che e' strettamente legata a fenomeni ben noti di interferenza mutua. La stima della potenza trasmissiva degli utenti primari, della loro posizione geografica e, infine, del loro atlante del guadagno di canale, permettono la ricostruzione dell'area di copertura del sistema primario e, conseguentemente, la rivelazione delle aree geografiche in cui le frequenze primarie sono inutilizzate. In questo caso, l'atlante del guadagno di canale permette si superare la classica semplificazione circolare e tempo invariante dell'area di copertura.

Data la mancanza di una cooperazione esplicita tra i due sistemi, la stima dei canali di comunicazione tra utenti primari e secondari non puo' essere effettuata; inoltre, gli algoritmi di sensing classici possono rivelare la presenza di trasmettitori primari ma non dei ricevitori primari, i quali devono essere obbligatoriamente protetti. Per superare tali ostacoli, e garantire la protezione degli utenti primari da interferenza causata dai trasmettitori secondari, l'approccio seguito nella tesi prevede l'utilizzo della stima dell'area di copertura e della descrizione statistica dei canali tra utenti primari e secondari, in modo tale da garantire che la probabilita' di interferenza sia tenuta sotto una certa soglia in tutte le posizioni geografiche in cui ricevitori primari possono risiedere. Anche se il problema di massimizzazione della funzione di utilita' della rete secondaria, sotto vincoli probabilistici che limitano l'interferenza causata al sistema primario, risulta essere non convesso, l'algoritmo proposto nella tesi dimostra una sicura convergenza a un punto di minimo (almeno) locale. Inoltre, in un contesto come quello ad accesso gerarchico, anche i canali tra gli utenti secondari possono non essere stimati correttamente. Un nuovo approccio comprendente vincoli probabilistici sia sull'interferenza arrecata al sistema primario che sugli eventi di outage sui collegamenti tra utenti secondari e' quindi proposto.

Tutti i risultati ricavati nella tesi sono corroborati via simulazioni numeriche.

Statistiche Download - Aggiungi a RefWorks
Tipo di EPrint:Tesi di dottorato
Relatore:Pupolin, Silvano
Dottorato (corsi e scuole):Ciclo 23 > Scuole per il 23simo ciclo > INGEGNERIA DELL'INFORMAZIONE > SCIENZA E TECNOLOGIA DELL'INFORMAZIONE
Data di deposito della tesi:NON SPECIFICATO
Anno di Pubblicazione:31 Gennaio 2011
Parole chiave (italiano / inglese):Cognitive radio, spectrum sensing, power control, channel gain cartography, Kriging Kalman filtering, sparse regression, channel uncertainty, geometric programming.
Settori scientifico-disciplinari MIUR:Area 09 - Ingegneria industriale e dell'informazione > ING-INF/03 Telecomunicazioni
Struttura di riferimento:Dipartimenti > Dipartimento di Ingegneria dell'Informazione
Codice ID:3333
Depositato il:19 Lug 2011 17:14
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

[1] Report of the spectrum efficiency working group, FCC Spectrum Policy Task Force, 2002. [Online]. Available: http://www.fcc.gov/sptf/reports.htm Vai! Cerca con Google

[2] M. A. McHenry, P. A. Tenhula, D. McCloskey, D. A. Roberson, and C. S. Hood, \Chicago spectrum occupancy measurements & analysis and a long-term studies proposal," in Proceedings of the rst interna- Cerca con Google

tional workshop on Technology and policy for accessing spectrum, ser. TAPAS '06, 2006. Cerca con Google

[3] C. Ghosh, S. Roy, M. B. Rao, and D. P. Agrawal, \Spectrum occupancy validation and modeling using real-time measurements," in Proceedings of the 2010 ACM workshop on Cognitive radio networks, ser. CoRoNet '10, 2010, pp. 25-30. Cerca con Google

[4] C. Schiphorst, R. Slump, "Evaluation of spectrum occupancy in Amsterdam using mobile monitoring vehicles," in Proceedings of the IEEE 71st Vehicular Technology Conference (VTC 2010-Spring), May 2010. Cerca con Google

[5] M. Lòpez-Benìtez, A. Umbert, and F. Casadevall, \Evaluation of spectrum occupancy in Spain for cognitive radio applications," in Proceedings of the IEEE 69th Vehicular Technology Conference (VTC 2010- Cerca con Google

Spring), Sep. 2009. Cerca con Google

[6] Q. Zhao and B. Sadler, "A survey of dynamic spectrum access," IEEE Sig. Proc. Mag., vol. 24, no. 3, pp. 79{89, May 2007. Cerca con Google

[7] J. M. Peha, "Approaches to spectrum sharing," IEEE Commun. Mag., vol. 43, no. 2, pp. 10-12, Feb. 2005. Cerca con Google

[8] R. Coase, "The federal communications commission," J. Law and Economics, pp. 1-40, 1959. Cerca con Google

[9] D. Hateld and P. Weiser, "Property rights in spectrum: Taking the next step," in Proceedings of the 1st IEEE Symp. New Frontiers Dynamic Spectrum Access Networks, Nov. 2005, pp. 43-55. Cerca con Google

[10] R. T. L. Xu, T. Paila, W. Hansmann, M. Frank, and M. Albrecht, "DRiVE-ing to the internet: Dynamic radio for ip services in vehicular environments," in Proceedings of the 25th Annual IEEE Conf. Local Cerca con Google

Computer Networks, Nov. 2000, pp. 281-289. Cerca con Google

[11] W. Lehr and J. Crowcroft, "Managing shared access to a spectrum commons," in Proceedings of the 1st IEEE Symp. New Frontiers Dynamic Spectrum Access Networks, Nov. 2005, pp. 420-444. Cerca con Google

[12] R. Etkin, A. Parekh, and D. Tse, "Spectrum sharing for unlicensed bands," in Proceedings of the 1st IEEE Symp. New Frontiers Dynamic Spectrum Access Networks, Nov. 2005, pp. 251-258. Cerca con Google

[13] J. I. Mitola and G. J. Maguire, "Cognitive radio: Making software radios more personal," IEEE Personal Communications, no. 4, pp.13-18, Aug. 2002. Cerca con Google

[14] S. Haykin, "Cognitive radio: Brain-empowered wireless communications," IEEE J. Sel. Areas Commun., no. 2, pp. 201-220, Feb. 2007. Cerca con Google

[15] X. Hong, C. Wang, H. Chen, and Y. Zhang, "Secondary spectrum access networks," IEEE Veh. Technol. Mag., vol. 4, no. 2, pp. 36-43, Jun. 2009. Cerca con Google

[16] U. Berthold and F. Jondral, "Guidelines for designing ofdm overlay systems," in Proceedings of the 1st IEEE Symp. New Frontiers Dynamic Spectrum Access Networks, Nov. 2005, pp. 626-629. Cerca con Google

[17] M. Abdallah, A. Salem, M.-S. Alouini, and K. Qaraqe, Discrete rate and variable power adaptation for underlay cognitive networks," in Proceedings of the 2010 European Wireless Conference, Lucca, Italy, Cerca con Google

Apr. 2010, pp. 733-737. Cerca con Google

[18] W. Q. Malik and D. J. Edwards, "Cognitive techniques for ultrawideband communications," in Proceedings of IET Seminar on Ultra Wideband Systems, Technologies and Applications, London, UK, Apr. 2006, pp. 81-86. Cerca con Google

[19] Y. Zhao, L. Morales, J. Gaeddert, K. K. Bae, J.-S. Um, and J. H. Reed, "Applying radio environment maps to cognitive wireless regional area networks," in Proc. of the DySPAN Conf., Dublin, Ireland, Apr. 2007, Cerca con Google

pp. 115-118. Cerca con Google

[20] A. B. MacKenzie, J. H. Reed, P. Athanas, C. W. Bostian, R. M. Buehrer, L. A. DaSilva, S. W. Ellingson, Y. T. Hou, J.-M. Park, C. Patterson, S. Raman, C. R. C. M. da Silva, and M. Hsiao, "Cognitive radio and networking research at Virginia Tech," Proc. IEEE, Cerca con Google

vol. 97, no. 4, pp. 660-688, Apr. 2009. Cerca con Google

[21] A. Fette, Cognitive Radio Technology. Communications Engineering Series, Newnes, 2006. Cerca con Google

[22] T. S. Rappaport, Wireless Communications: Principles & Practice. Prentice Hall, 1996. Cerca con Google

[23] M. Gudmundson, "Correlation model for shadow fading in mobile radio systems," Elec. Lett., vol. 27, no. 23, pp. 2145-2146, Nov. 1991. Cerca con Google

[24] F. Graziosi and F. Santucci, "A general correlation model for shadow fading in mobile radio systems," IEEE Commun. Lett., vol. 6, no. 3, pp. 102-104, Mar. 2002. Cerca con Google

[25] Z. Wang, E. K. Tameh, and A. Nix, "Simulating correlated shadowing in mobile multihop relay/ad hoc networks," IEEE 802.16 Broadband Wireless Access Working Group, Tech. Rep. IEEE C802.16j-06/060, Cerca con Google

Jul. 2006. Cerca con Google

[26] P. Agrawal and N. Patwari, "Correlated link shadow fading in multihop wireless networks," IEEE Trans. Wireless Commun., vol. 8, no. 9, pp. 4024-4036, Aug. 2009. Cerca con Google

[27] C. Oestges, N. Czink, B. Bandemer, P. Castiglione, F. Kaltenberger, and A. J. Paulraj, "Experimental characterization and modeling of Cerca con Google

outdoor-to-indoor and indoor-to-indoor distributed channels," IEEE Trans. Veh. Technol., vol. 59, pp. 2253-2265, Jun. 2010. Cerca con Google

[28] K. S. Butterworth, K. W. Sowerby, and A. G. Williamson, "Base station placement for in-building mobile communication systems to yield high capacity and efficiency," IEEE Trans. Commun., vol. 48, no. 4, pp. 658-669, Apr. 2000. Cerca con Google

[29] K. Kumaran, S. E. Golowich, and S. Borst, "Correlated shadow-fading in wireless networks and its eect on call dropping," Wireless Net-works, vol. 8, no. 1, pp. 61.71, Jan. 2002. Cerca con Google

[30] J. Cho and Z. J. Haas, "On the throughput enhancement of the downstream channel in cellular radio networks through multihop relaying," IEEE J. Sel. Areas Commun., vol. 22, no. 7, pp. 1206-1219, Sep. 2004. Cerca con Google

[31] S.-J. Kim, E. Dall'Anese, and G. Giannakis, "Cooperative spectrum sensing for cognitive radios using Kriged Kalman ltering," IEEE J. Cerca con Google

Sel. Topics Sig. Proc., Feb. 2011, to appear. Cerca con Google

[32] B. Mark and A. Nasif, "Estimation of maximum interference-free power level for opportunistic spectrum access," IEEE Trans. Commun., vol. 8, no. 5, pp. 2505-2513, May 2009. Cerca con Google

[33] A. B. H. Alaya-Feki, S. B. Jemaa, B. Sayrac, P. Houze, and E. Moulines, "Informed spectrum usage in cognitive radio networks: interference cartography," in Proc. of the PIMRC Conf., Cannes, France, Sep. 2008, pp. 1-5. Cerca con Google

[34] J. Riihijärvi, P. Mähönen, M. Wellens, and M. Gordziel, "Characterization and modelling of spectrum for dynamic spectrum access with spatial statistics and random elds," in Proc. of the PIMRC Conf., Cannes, France, Sep. 2008, pp. 1-6. Cerca con Google

[35] N. Cressie, "The origins of Kriging," Math. Geol., vol. 22, no. 3, pp.239-252, Apr. 1990. Cerca con Google

[36] S. K. Sahu and K. V. Mardia, "A Bayesian kriged Kalman model for short-term forecasting of air pollution levels," J. Royal Stat. Soc. Series C (Appl. Statist.), vol. 54, no. 1, pp. 223-244, Jan. 2005. Cerca con Google

[37] D. Avidor and S. Mukherjee, "Estimation and prediction of the local mean signal power in mobile systems," in Proc. of the Veh. Tech. Conf., vol. 4, Rhodes, Greece, May 2001, pp. 2751-2755. Cerca con Google

[38] S. Barbarossa, G. Scutari, and T. Battisti, "Cooperative sensing for cognitive radio using decentralized projection algorithms," in Proc. of Cerca con Google

the SPAWC Conf., Perugia, Italy, Jun. 2009, pp. 116-120. Cerca con Google

[39] J.-A. Bazerque and G. B. Giannakis, "Distributed spectrum sensing for cognitive radio networks by exploiting sparsity," IEEE Trans. Sig. Proc., vol. 58, no. 3, pp. 1847-1862, Mar. 2010. Cerca con Google

[40] G. Mateos, J.-A. Bazerque, and G. B. Giannakis, "Spline-based spectrum cartography for cognitive radios," in Proc. of 43nd Asilomar Conf. on Signals, Systems, and Computers, Pacic Grova, CA, Nov. Cerca con Google

2009. Cerca con Google

[41] E. Dall'Anese, S.-J. Kim, and G. Giannakis, "Global channel gain tracking using distributed Kriged Kalman ltering," IEEE Trans. Veh. Technol., Jun. 2010, submitted. Cerca con Google

[42] G. L. Stüber, Principles of Mobile Communication, 2nd ed. Boston, MA: Kluwer Academic Publishers, 2001. Cerca con Google

[43] M. Nakagami, "The m-distribution, a general formula of intensity of rapid fading," In William C. Homan, editor, Statistical Methods in Radio Wave Propagation: Proceedings of a Symposium, pp. 3-36, Jun. 1958, Permagon Press, 1960. Cerca con Google

[44] U. Charash, "Reception through nakagami fading multipath channels with random delays," IEEE Trans. Commun., vol. 27, pp. 657-670, Apr. 1979. Cerca con Google

[45] M.-J. Ho and G. L. Stüber, "Co-channel interference of microcellular systems on shadowed Nakagami fading channels," in Proc. of the IEEE Cerca con Google

Veh. Tech. Conf., Secaucus, NJ, May 1993, pp. 568-571. Cerca con Google

[46] R. Prasad and A. Kegel, "Improved assessment of interference limits in cellular radio performance," IEEE Trans. Veh. Technol., vol. 40, no. 2, pp. 412-419, May 1991. Cerca con Google

[47] X. Hong, C.-X. Wang, and J. Thompson, "Interference modeling of cognitive radio networks," in Proc. of the IEEE Veh. Tech. Conf., Singapore, May 2008, pp. 1851-1855. Cerca con Google

[48] A. J. Goldsmith, L. J. Greenstain, and G. J. Foschini, "Error statistics of real-time power measurements in cellular channels with multipath Cerca con Google

and shadowing," IEEE Trans. Veh. Technol., vol. 43, no. 3, pp. 439-446, Aug. 1994. Cerca con Google

[49] C. K. Wikle and N. Cressie, "A dimension-reduced approach to spacetime Kalman ltering," Biometrika, vol. 86, no. 4, pp. 815-829, 1999. Cerca con Google

[50] J. Cortés, "Distributed Kriged Kalman lter for spatial estimation," IEEE Trans. Auto. Control, vol. 54, no. 12, pp. 2816-2827, Dec. 2009. Cerca con Google

[51] B. D. Ripley, Spatial Statistics. John Wiley & Sons, 1981. Cerca con Google

[52] B. D. O. Anderson and J. B. Moore, Optimal Filtering. Prentice Hall, 1979. Cerca con Google

[53] B. Sinopoli, L. Schenato, M. Franceschetti, K. Poolla, M. I. Jordan, and S. S. Sastry, "Kalman ltering with intermittent observations," Cerca con Google

IEEE Trans. Auto. Contr., vol. 49, no. 9, pp. 1453-1464, Sep. 2004. Cerca con Google

[54] P. K. Suetin, Orthogonal Polynomials in Two Variables. CRC Press,1999. Cerca con Google

[55] R. Olfati-Saber, "Distributed Kalman ltering and sensor fusion in sensor networks," in Proc. of the 44th Conf. on Decision and Control, Sevilla, Spain, Dec. 2005, pp. 5492-5498. Cerca con Google

[56] I. D. Schizas, A. Ribeiro, and G. B. Giannakis, "Consensus in ad hoc WSNs with noisy links|part I: distributed estimation of deterministic signals," IEEE Trans. Sig. Proc., vol. 56, no. 1, pp. 350-364, Jan. 2008. Cerca con Google

[57] D. P. Bertsekas and J. N. Tsitsiklis, Parallel and Distributed Computation: Numerical Methods. Englewood Clis, NJ: Prentice Hall, 1989. Cerca con Google

[58] S. M. Kay, Fundamentals of Statistical Signal Processing, Estimation Theory. Prentice Hall, 1993. Cerca con Google

[59] Q. Zhao and B. M. Sadler, "A survey of dynamic spectrum access," IEEE Sig. Proc. Magazine, pp. 79-89, 2007. Cerca con Google

[60] H. Urkowitz, "Energy detection of unknown deterministic signals," Proc. IEEE, vol. 55, no. 4, pp. 523-531, Apr. 1967. Cerca con Google

[61] D. Cabric, A. Tkachenko, and R. W. Brodersen, "Spectrum sensing measurements of pilot, energy, and collaborative detection," in Proc. of the MILCOM Conf., Washington, D.C., Oct. 2006, pp. 1-7. Cerca con Google

[62] Z. Quan, S. Cui, H. V. Poor, and A. H. Sayed, "Collaborative wideband sensing for cognitive radios," IEEE Sig. Proc. Mag., vol. 25, no. 6, pp. 60-73, Nov. 2008. Cerca con Google

[63] S.-J. Kim and G. B. Giannakis, "Rate-optimal and reduced-complexity sequential sensing algorithms for cognitive ofdm radios," EURASIP J. Adv. Signal Process, vol. 2009, pp. 2:1-2:11, March 2009. Cerca con Google

[64] P. D. Sutton, K. E. Nolan, and L. E. Doyle, "Cyclostationary signature in practical cognitive radio applcations," IEEE J. Sel. Areas Commun., vol. 26, no. 1, pp. 13-24, Jan. 2008. Cerca con Google

[65] E. Visotsky, S. Kuner, and R. Peterson, "On collaborative detection of TV transmissions in support of dynamic spectrum sharing," in Proc. of the DySPAN Conf., Baltimore, MD, Nov. 2005, pp. 338-345. Cerca con Google

[66] G. Ganesan, Y. Li, B. Bing, and S. Li, "Spatio-temporal sensing in cognitive radio networks," IEEE J. Sel. Areas Commun., vol. 26, no. 1, pp. 5-12, Jan. 2008. Cerca con Google

[67] J. Unnikrishnan and V. V. Veeravalli, "Cooperative sensing for primary Cerca con Google

detection in cognitive radio," IEEE J. Sel. Topics Sig. Proc., vol. 2, no. 1, pp. 18-27, Feb. 2008. Cerca con Google

[68] J. Ma, G. Zhao, and Y. Li, "Soft combination and detection for cooperative spectrum sensing in cognitive radio networks," IEEE Trans. Wireless Commun., vol. 7, no. 11, pp. 4502-4507, Nov. 2008. Cerca con Google

[69] N. Cressie, "The origin of Kriging," Mathematical Geology, vol. 22, no. 3, pp. 239-252, 1990. Cerca con Google

[70] M. Wellens, J. Riihijärvi, M. Gordziel, and P. Mähö nen, "Spatial statistics of spectrum usage: From measurements to spectrum models," in Proc. of the ICC Conf., Dresden, Germany, Jun. 2009, pp. 1-6. Cerca con Google

[71] R. Tibshirani, \Regression shrinkage and selection via the Lasso," J. Royal Stat. Soc., vol. 58, no. 1, pp. 267-288, 1996. Cerca con Google

[72] E. Candès and T. Tao, "Near optimal signal recovery from random projections: Universal encoding strategies?" IEEE Trans. Info. Theory, vol. 52, no. 12, pp. 5406-5425, 2006. Cerca con Google

[73] S. S. Chen, D. L. Donoho, and M. A. Saunders, "Atomic decomposition by basis pursuit," SIAM J. Sci. Comput., vol. 20, no. 1, pp. 33-61, 1998. Cerca con Google

[74] G. Taubock and F. Hlawatsch, "A compressed sensing technique for ofdm channel estimation in mobile environments: exploiting channel Cerca con Google

sparsity for reducing pilots," in Int. Conf. Acoust., Speech, Signal Process., Las Vegas, NV, Apr. 2008. Cerca con Google

[75] T. Hastie, R. Tibshirani, and J. Friedman, The Elements of Statistical Learning, 2nd ed. New York: Springer, 2009, 2009. Cerca con Google

[76] T. T. Wu and K. Lange, "Coordinate descent algorithms for lasso penalized regression," Ann. Appl. Statist., vol. 2, pp. 224-244, 2008. Cerca con Google

[77] P. Tseng, "Convergence of block coordinate descent method for nondierentiable minimization," J. Optimiz. Theory Appl., vol. 109, pp. 475-494, Jun 2001. Cerca con Google

[78] J. Friedman, T. Hastie, H. Höfling, and R. Tibshirani, "Pathwise coordinate optimization," Ann. Appl. Statist., vol. 1, pp. 302-332, Dec 2007. Cerca con Google

[79] D. Angelosante, J.-A. Bazerque, and G. B. Giannakis, "Online adaptive estimation of sparse signals: Where RLS meets the `1-norm," Cerca con Google

IEEE Trans. Sig. Proc., vol. 58, no. 7, pp. 3436-3447, Jul. 2009. Cerca con Google

[80] M. F. Catedra and J. Perez, Cell Planning for Wireless Communications, 1st ed. Norwood, MA, USA: Artech House, Inc., 1999. Cerca con Google

[81] J.-A. Bazerque and G. B. Giannakis, \Distributed spectrum sensing for cognitive radio networks by exploiting sparsity," IEEE Trans. Sig. Proc., vol. 58, no. 3, pp. 1847-1862, Mar. 2010. Cerca con Google

[82] A. Goldsmith, Wireless Communications. Cambridge University Press, 2005. Cerca con Google

[83] T. ElBatt and A. Ephremides, "Joint scheduling and power control for wireless ad hoc networks," IEEE Trans. Wireless Commun., vol. 3, no. 1, pp. 74-85, 2004. Cerca con Google

[84] Z.-Q. Luo and S. Zhang, "Dynamic spectrum management: Complexity and duality," IEEE J. Sel. Topics Sig. Proc., vol. 2, no. 1, pp. 57-73, Feb. 2008. Cerca con Google

[85] M. Chiang, C. W. Tan, D. P. Palomar, D. O'Neill, and D. Julian, "Power control by geometric programming," IEEE Trans. Wireless Commun., vol. 6, no. 7, pp. 2640-2651, Jul. 2007. Cerca con Google

[86] J. Huang, R. Berry, and M. L. Honig, \Spectrum sharing with distributed interference," in Proc. of IEEE Symp. New Frontiers in Dynamic Spectrum Access Networks (DySPAN), Nov. 2005. Cerca con Google

[87] M. Charafeddine and A. Paulraj, "Sequential geometric programming for 22 interference channel power control," in Proc. CISS, Mar. 2007, pp. 185-189. Cerca con Google

[88] A. Ghasemi and E. S. Sousa, "Fundamental limits of spectrum-sharing in fading environments," IEEE Trans. Wireless Commun., vol. 6, no. 2, pp. 649-658, Feb. 2007. Cerca con Google

[89] J.-S. Pang, G. Scutari, D. P. Palomar, and F. Facchinei, "Design of cognitive radio systems under temperature-interference constraints: a variational inequality approach," in Proc. of IEEE ICASSP, Mar.2010. Cerca con Google

[90] I. Mitliagkas, N. Sidiropoulos, and A. Swami, "Convex approximationbased joint power and admission control for cognitive underlay networks," Cerca con Google

in Proc. of the IEEE IWCMC Conf., Crete, Greece, 2008, pp. 28-32. Cerca con Google

[91] R. Zhang, "Optimal power control over fading cognitive radio channel by exploiting primary user CSI," in Proc. of IEEE Globecom, Nov.-Dec. 2008. Cerca con Google

[92] R. Zhang and Y. C. Liang, "Exploiting multi-antennas for opportunistic spectrum sharing in cognitive radio networks," IEEE J. Sel. Topics Cerca con Google

Sig. Proc., vol. 2, no. 1, pp. 88-102, Feb. 2008. Cerca con Google

[93] A. G. Marques, X. Wang, and G. B. Giannakis, "Dynamic resource management for cognitive radios using limited-rate feedback," IEEE Trans. Sig. Proc., vol. 57, no. 9, pp. 3651-3666, Sep. 2009. Cerca con Google

[94] M. Biguesh, S. Shahbazpanahi, and A. B. Gershman, "Robust downlink power control in wireless cellular systems," EURASIP Journal on Wireless Communications and Networking, pp. 261-272, Dec. 2004. Cerca con Google

[95] H. A. Suraweera, P. J. Smith, and M. Sha, "Capacity limits and performance analysis of cognitive radio with imperfect channel knowledge," IEEE Trans. Veh. Technol., vol. 59, no. 4, pp. 1811-1822, May Cerca con Google

2010. Cerca con Google

[96] L. F. Fenton, "The sum of lognormal probability distributions in scatter transmission systems," IRE Trans. Commun. Syst., vol. 8, no. 1, pp. 57-67, Mar. 1960. Cerca con Google

[97] A. A. Abu-Dayya and N. C. Beaulieu, "Outage probabilities in the presence of correlated lognormal interferers," IEEE Trans. Veh. Technol., vol. 43, no. 1, pp. 164-173, Feb. 1994. Cerca con Google

[98] S. Boyd and L. Vandenberghe, Convex Optimization. Cambridge University Press, 2004. Cerca con Google

[99] A. Nasif and B. Mark, "Opportunistic spectrum sharing with multiple cochannel primary transmitters," IEEE Trans. Commun., vol. 8, no. 11, pp. 5702-5710, May 2009. Cerca con Google

[100] S. Kandukuri and S. Boyd, "Optimal power control in interferencelimited fading wireless channels with outage-probability specications," IEEE Trans. Wireless Commun., vol. 1, no. 1, pp. 46-55, Jan. Cerca con Google

2002. Cerca con Google

[101] S. Schwartz and Y. Yeh, "On the distribution function and moments of power sums with lognormal components," Bell Syst. Tech. J., vol. 61, no. 7, pp. 1441-1462, Sep. 1982. Cerca con Google

[102] D. C. Schleher, "Generalized Gram-Charlier series with application to the sum of log-normal variates," IEEE Trans. Info. Theory, vol. 23, Cerca con Google

no. 2, pp. 275-280, Mar. 1977. Cerca con Google

[103] N. B. Mehta, J. Wu, A. F. Molisch, and J. Zhang, "Approximating a sum of random variables with a lognormal," IEEE Trans. Wireless Commun., vol. 6, no. 7, pp. 2690-2699, Jul. 2007. Cerca con Google

[104] S. Boyd, S.-J. Kim, L. Vandenberghe, and A. Hassibi, "A tutorial on geometric programming," Optim. Eng., vol. 8, pp. 67-127, 2007. Cerca con Google

[105] B. R. Marks and G. P. Wright, \A general inner approximation algorithm for nonconvex mathematical programs," Oper. Res., vol. 26, no. 4, pp. 681-683, Jul.-Aug. 1978. Cerca con Google

[106] M. Avriel and A. C. Williams, "Complementary geometric programming," SIAM Journal on Applied Mathematics, vol. 19, no. 1, pp.125-141, Jul. 1970. Cerca con Google

[107] M. Avriel, R. Dembo, and U. Passy, "Solution of generalized geometric programs," International Journal for Numerical Methods in Engineering, vol. 9, pp. 149-168, 1975. Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record