Luận án Phát triển giải pháp cảm biến phổ cho hệ thống vô tuyến nhận thức

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG 
HỌC VIỆN KỸ THUẬT QUÂN SỰ 
----------------- 
NGUYỄN VIẾT TUYẾN 
PHÁT TRIỂN GIẢI PHÁP CẢM BIẾN PHỔ CHO HỆ THỐNG 
VÔ TUYẾN NHẬN THỨC 
LUẬN ÁN TIẾN SĨ KỸ THUẬT 
Chuyên ngành: KỸ THUẬT ĐIỆN TỬ 
Mã số : 9 52 02 03 
HÀ NỘI - 2018
BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG 
HỌC VIỆN KỸ THUẬT QUÂN SỰ 
----------------- 
NGUYỄN VIẾT TUYẾN 
PHÁT TRIỂN GIẢI PHÁP CẢM BIẾN PHỔ CHO HỆ THỐNG 
VÔ TUYẾN NHẬN THỨC 
LUẬN ÁN TIẾN SĨ KỸ THUẬT 
Chuyên ngành: KỸ THUẬT ĐIỆN TỬ 
Mã số : 9 52 02 03 
NGƯỜI HƯỚNG DẪN KHOA HỌC: 
 1. PGS-TS VÕ KIM 
 2. TS NGUYỄN HẢI DƯƠNG 
HÀ NỘI - 2018
LỜI CAM ĐOAN 
Tôi xin cam đoan các kết quả trình bày trong luận án là công trình 
nghiên cứu của tôi dưới sự hướng dẫn của các cán bộ hướng dẫn. Các số liệu, 
kết quả trình bày trong luận án là hoàn toàn trung thực, một phần đã được công 
bố trên các tạp chí khoa học chuyên ngành, kỷ yếu hội nghị khoa học trong 
nước và quốc tế. Phần còn lại chưa được công bố trong bất kỳ công trình nghiên 
cứu nào. Các kết quả sử dụng tham khảo đều đã được trích đầy đủ và theo đúng 
quy định. 
Hà Nội, ngày 15 tháng 12 năm 2018 
 NGHIÊN CỨU SINH 
 Nguyễn Viết Tuyến 
LỜI CẢM ƠN 
Trong quá trình nghiên cứu và hoàn thành luận án này, tác giả đã nhận 
được nhiều sự giúp đỡ và đóng góp quý báu. 
Đầu tiên, tác giả xin bày tỏ lòng biết ơn sâu sắc tới PGS.TS. Võ Kim, 
TS. Nguyễn Hải Dương đã tận tình hướng dẫn và giúp đỡ tác giả trong quá 
trình nghiên cứu. 
Xin trân trọng cảm ơn TS. Hoàng Mạnh Kha đã có những góp ý quan 
trọng trong quá trình thực hiện luận án. 
Tác giả xin chân thành cảm ơn Bộ môn Xung số - Vi xử lý Khoa Vô 
tuyến Điện tử, Phòng Sau Đại học Học viện Kỹ thuật Quân sự đã tạo điều kiện 
thuận lợi để tác giả hoàn thành luận án. Tác giả cũng xin cảm Trường Đại học 
Công nghiệp Hà Nội, là đơn vị chủ quản, đã tạo điều kiện cho phép tác giả có 
thể tham gia nghiên cứu trong các năm làm nghiên cứu sinh. 
Cuối cùng, tác giả xin bày tỏ lòng biết ơn đến gia đình, bạn bè, đồng 
nghiệp đã luôn động viên, giúp đỡ tác giả vượt qua các khó khăn để đạt được 
những kết quả nghiên cứu như ngày hôm nay. 
Hà Nội, ngày 18 tháng 12 năm 2018 
 NGHIÊN CỨU SINH 
 Nguyễn Viết Tuyến 
 i 
MỤC LỤC 
MỤC LỤC ......................................................................................................... i 
DANH MỤC CÁC TỪ VIẾT TẮT ............................................................... iii 
DANH MỤC HÌNH VẼ .................................................................................. v 
DANH MỤC BẢNG BIỀU, LƯỢC ĐỒ ...................................................... vii 
DANH MỤC KÝ HIỆU TOÁN HỌC ......................................................... viii 
MỞ ĐẦU.. ........................................................................................................ 1 
Chương 1: TỔNG QUAN KỸ THUẬT CẢM BIẾN PHỔ TRONG MẠNG 
VÔ TUYẾN NHẬN THỨC ............................................................................ 8 
1.1. Giới thiệu ............................................................................................ 8 
1.2. Vô tuyến nhận thức ............................................................................. 9 
1.3. Các kỹ thuật cảm biến phổ ................................................................ 12 
1.4. Cảm biến phổ hợp tác ....................................................................... 17 
1.5. Kỹ thuật ước lượng tham số .............................................................. 23 
1.6. Thuật toán tối ưu ............................................................................... 25 
1.7. Mô hình Markov ẩn .......................................................................... 29 
1.8. Tóm tắt chương ................................................................................. 31 
Chương 2: NÂNG CAO HIỆU QUẢ KỸ THUẬT CẢM BIẾN PHỔ TẠI 
NÚT RIÊNG LẺ ............................................................................................ 33 
2.1. Giới thiệu .......................................................................................... 33 
2.2. Mô hình hệ thống CED ..................................................................... 35 
2.3. Đề xuất hệ thống ED-EM ................................................................. 39 
 ii 
2.4. Đề xuất ước lượng công suất nhiễu dùng EM kết hợp với GA xác định 
ngưỡng tối ưu. ................................................................................................. 45 
2.5. Đề xuất sử dụng mô hình HMM để xác định trạng thái kênh .......... 52 
2.6. Tóm tắt chương ................................................................................. 61 
Chương 3: XÁC ĐỊNH BỘ TRỌNG SỐ TỐI ƯU TRONG CẢM BIẾN 
PHỔ HỢP TÁC QUYẾT ĐỊNH MỀM ....................................................... 63 
3.1. Giới thiệu .......................................................................................... 63 
3.2. Mô hình hệ thống CSS-SDF ............................................................. 64 
3.3. Đề xuất hệ thống CSS- SDF dùng GA (GA-SDF) kết hợp với ước 
lượng công suất nhiễu dùng EM (EMGA-SDF) ............................................. 66 
3.4. Đề xuất hệ thống CSS- SDF dùng thuật toán đàn dơi (BA-SDF) .... 73 
3.5. Tóm tắt chương ................................................................................. 82 
KẾT LUẬN .................................................................................................... 83 
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ ................................... 85 
TÀI LIỆU THAM KHẢO ............................................................................ 86 
 iii 
DANH MỤC CÁC TỪ VIẾT TẮT 
Từ viết 
tắt 
Nghĩa tiếng Anh Nghĩa Tiếng Việt 
ABA Adaptive Bat Algorithm Thuật toán đàn dơi thích nghi 
ADC Analog Digital Converter Bộ biến đổi tương tự - số 
AF Amplify and Forward Khuếch đại và chuyển tiếp 
AWGN Additive White Gauss Noise Tạp âm Gauss trắng cộng tính 
BA Bat Algorithm Thuật toán đàn dơi 
BPSK Binary Phase Shift Keying Khóa dịch pha nhị phân 
CED Conventional Energy 
Detection 
Kỹ thuật phát hiện năng lượng 
truyền thống 
CFD Cyclostationary Feature 
Detection 
Phát hiện đặc tính dừng của 
tín hiệu 
CP Cyclic Prefix Tiếp đầu tuần hoàn 
CRN Cognitve Radio Netwok Mạng vô tuyến nhận thức 
CFAR Constant False Alarm Rate Xác suất phát hiện nhầm 
không đổi 
CDR Constant Detection Rate Xác suất phát hiện đúng không 
đổi 
CSS Cooperative Spectrum 
Sensing 
Cảm biến phổ hợp tác 
DSA Dynamic Spectrum Access Truy cập phổ động 
ED Energy Detection Phát hiện năng lượng 
EGC Equal Gain Combining Kết hợp đồng độ lợi 
 iv 
EM Expectation Maximization Cực đại hóa kì vọng 
FC Fussion Center Nút quyết định 
FSA Fixed Spectrum Allocation Phân bố phổ tần cố định 
GA Genetic Algorithm Thuật toán di truyền 
HDF Hard Decision Fusion Quyết định cứng 
HMM Hidden Markov Model Mô hình Markov ẩn 
HOS High Order Statistic Thống kê bậc cao 
MF Matched Filter Bộ lọc kết hợp 
ML Maximum Likelihood Hợp lý cực đại 
MRC Maximal Ratio Combination Kết hợp với tỉ lệ cực đại 
PDF Probability Density Function Hàm mật độ xác suất 
PSD Power Spectral Density Mật độ phổ công suất 
PU Primary User Người dùng chính 
ROC Receiver Operating 
Characteristic 
Đường cong đặc tính nhận 
RSSI Received Signal Strength 
Index 
Chỉ số cường độ tín hiệu nhận 
được 
SCD Spectral Correlation Density Mật độ phổ tương quan 
SDF Soft Decision Fusion Quyết định mềm 
SDR Software Defined Radio Vô tuyến định nghĩa mềm 
SS Spectrum Sensing Cảm biến phổ 
SU Secondary User Người dùng thứ cấp 
Wi-Fi Wireless Fidelity Mạng cục bộ vô tuyến 
 v 
DANH MỤC HÌNH VẼ 
Hình 1.1. Hố phổ và truy cập phổ động ............................................................ 9 
Hình 1.2. Phân loại kỹ thuật cảm biến phổ ..................................................... 14 
Hình 1.3. Năng lượng thu được tại SU, khi tín hiệu PU là BPSK, kênh Gauss, 
N=15, SNR=2dB ............................................................................. 14 
Hình 1.4. Phân loại cảm biến phổ hợp tác ...................................................... 19 
Hình 1.5. Mô hình Markov ẩn ......................................................................... 30 
Hình 2.1. Sơ đồ khối CED .............................................................................. 36 
Hình 2.2. Quan hệ giữa fP , 2nσ và λ ............................................................ 39 
Hình 2.3. Sơ đồ khối hệ thống đề xuất ED-EM .............................................. 39 
Hình 2.4. PDF của dữ liệu phân bố Gauss ...................................................... 40 
(a): Dữ liệu đầy đủ, (b): Dữ liệu bị cắt ............................................................ 40 
Hình 2.5. Ngưỡng quyết định khi công suất nhiễu thay đổi với Pf =0,1 ......... 43 
Hình 2.6. Ngưỡng quyết định khi ngưỡng cắt thay đổi .................................. 44 
Hình 2.7. Xác suất phát hiện Pd khi ngưỡng cắt Tc = 60, 2 0,8nσ = ................ 44 
Hình 2.8. Sơ đồ khối đề xuất ED-EMGA ....................................................... 46 
Hình 2.9. Lưu đồ thuật toán ED-GA ............................................................... 48 
Hình 2.10. Tốc độ hội tụ hàm mục tiêu dùng GA, SNR = -20dB .................. 49 
Hình 2.11. Ngưỡng tối ưu khi SNR = [-25,0] dB, α = 10%, 50%, 90% ......... 50 
Hình 2.12. Xác suất phát hiện dP , α = 50% .................................................... 51 
Hình 2.13. Xác suất lỗi phát hiện eP , α = 50% ................................................ 51 
Hình 2.14. Sự đánh đổi giữa mP và fP ........................................................... 52 
 vi 
Hình 2.15. Mô tả dự đoán trạng thái kênh ...................................................... 53 
Hình 2.16. Mô hình HMM trạng thái kênh của PU ........................................ 54 
Hình 2.17. Histogram của xt ............................................................................ 55 
Hình 2.18. Histogram của st trong trường hợp H0 .......................................... 58 
Hình 2.19. Histogram của st trong trường hợp H1 .......................................... 58 
Hình 2.20. Histogram của xt trong trường hợp H0 .......................................... 59 
Hình 2.21. Histogram của xt trong trường hợp H1 .......................................... 59 
Hình 2.22. PA với SNR=-5dB ......................................................................... 60 
Hình 2.23. PA khi SNR thay đổi ..................................................................... 60 
Hình 2.24. Xác suất phát hiện Pd sử dụng HMM ............................................ 61 
Hình 3.1. Mô hình hệ thống CSS – SDF ......................................................... 64 
Hình 3.2. Mô hình hệ thống đề xuất EMGA – SDF ....................................... 67 
Hình 3.3. Lưu đồ thuật toán GA – SDF .......................................................... 68 
Hình 3.4. Toán tử lai ghép ............................................................................... 69 
Hình 3.5. ROC của hệ thống GA-SDF với số SU khác nhau ......................... 71 
Hình 3.6. So sánh hệ thống EMGA – SDF và GA-SDF ................................. 72 
Hình 3.7. Lưu đồ thuật toán BA- SDF ............................................................ 75 
Hình 3.8. ROC của GA-SDF và BA-SDF với 1000 vòng lặp ........................ 77 
Hình 3.9. Tốc độ hội tụ của BA-SDF và GA-SDF ......................................... 77 
Hình 3.10. So sánh ROC của BA-SDF và GA-SDF ....................................... 78 
Hình 3.11. ROC của BA-SDF với số lượng SU thay đổi ............................... 79 
Hình 3.12. Quan hệ giữa ψ và số lượng SU ................................................... 81 
Hình 3.13. So sánh tốc độ hội tụ giữa ABA-SDF và BA-SDF ....................... 82 
 vii 
DANH MỤC BẢNG BIỀU, LƯỢC ĐỒ 
Bảng 1.1. So sánh các kỹ thuật cảm biến phổ cơ bản ..................................... 18 
Lược đồ 1.1. Mã giả thuật toán GA ................................................................ 27 
Lược đồ 1.2. Mã giả thuật toán BA................................................................. 29 
Bảng 3.1. Các tham số GA .............................................................................. 70 
Bảng 3.2. Các tham số mô phỏng ................................................................... 76 
Bảng 3.3. Giá trị Pd với Pf ≤ 0.1 ...................................................................... 79 
Lược đồ 3.1. Thủ tục xác định tham số ψ ...................................................... 80 
 viii 
DANH MỤC KÝ HIỆU TOÁN HỌC 
Ý nghĩa Ký hiệu Ví dụ 
Biến số Chữ thường, chữ hoa, 
in nghiêng 
x 
Vec-tơ chứa các biến số Chữ thường, in 
nghiêng, đậm 
w 
Ma trận chứa các biến số Chữ hoa, in nghiêng, 
đậm 
A 
Giả thiết kênh truyền rỗi H0 
Giả thiết kênh truyền bận H1 
Số mẫu N 
Xác suất phát hiện dP 
Xác suất phát hiện nhầm fP 
Xác suất lỗi phát hiện 
eP 
Xác suất không phát hiện 
mP 
Hàm Marcum Q(.) 
2
21( )
2pi
∞
−
= 
t
x
Q x e dt 
Ma trận đường chéo diag (.) 
Phân bố Gauss với trung 
bình µ và phương sai σ 
2( , )nµ σN 
 1 
MỞ ĐẦU 
1. Mạng vô tuyến nhận thức 
Thông tin vô tuyến có nhiều ưu điểm nổi bật mà các phương thức truyền 
dẫn khác không có được, như có thể truy cập mọi lúc, mọi nơi, thiết lập mạng 
mềm dẻo, nhanh chóng, chi phí thấp. Chính vì vậy, thông tin vô tuyến đang 
là một trong các lĩnh vực có tốc độ phát triển nhanh nhất trong lĩnh vực viễn 
thông. Số lượng lớn các thiết bị không dây như: điện thoại thông minh, máy 
tính xách tay, máy tính bảng, thiết bị điều khiển từ xa và các công nghệ như 
điện thoại di động, Internet không dây, gia tăng chưa từng thấy về số lượng. 
Thuê bao di động đang tăng lên theo cấp số nhân từ chưa đầy một trăm triệu 
thuê bao năm 1996 đến 7,7 tỷ thuê bao vào tháng 7 năm 2017 [38]. Các ứng 
dụng mới như mạng cảm biến không dây, hệ thống gia đình thông minh, y tế từ 
xa, phương tiện tự động, các ứng dụng mới từ các ý tưởng nghiên cứu đến hệ 
thống cụ thể với nhu cầu liên tục tăng về tốc độ dữ liệu là lý do cho phổ tần số 
trở nên khan hiếm [24]. Trong thực tế, các dải tần có thể sử dụng trong khả 
năng kĩ thuật và công nghệ hiện nay đã được cấp phát hết vì thế đây là một 
thách thức đối với sự phát triển của truyền thông không dây. Tuy nhiên, theo 
khảo sát bởi FCC (Federal Communications Commission) [23] và SSC (Shared 
Spectrum Company ) [64] đã chỉ ra rằng hầu hết các phổ tần đã được phân bổ 
hoặc là không sử dụng hoặc ít sử dụng, hiệu suất sử dụng chỉ từ 15% - 85%, 
đặc biệt dải trên 3GHz rất ít sử dụng. 
Tại Việt Nam, công trình [68] khảo sát tình hình sử dụng phổ tần tại 
Thành phố Hồ Chí Minh và Long An trong dải từ 30Hz đến 3GHz, hiệu suất sử 
dụng phổ trung bình khoảng 13,74%. 
Các nghiên cứu trên chỉ ra ... 4, pp. 819–827. 
6. C. Ghosh, C. Cordeiro, D. Agrawal, and M. Rao (2009), "Markov chain 
existence and hidden markov models in spectrum sensing", in Pervasive 
Computing and Communications, PerCom 2009, IEEE International 
Conference on, pp. 1-6. 
7. Carl R. Stevenson, Carlos Cordeiro, Eli Sofer and Gerald Chouinard, 
(2005), "Functional Requirements for the 802.22 WRAN Standard", 
IEEE 802.22-05/0007r46. 
8. D. Cabric et al. (2006), "Spectrum Sensing Measurements of Pilot, 
Energy, and Collaborative Detection", in IEEE Military 
Communications Conference, pp. 1-7. 
 87 
9. D. Donoho (2006), "Compressed sensing", IEEE Transactions on 
Information Theory, vol. 52 (no. 4). 
10. D. Gesbert (2003), "From Theory to Practice: An Overview of MIMO 
Space–Time Coded Wireless Systems", IEEE Journal on Selected Areas 
in Communications, vol. 3(no. 3), pp. 85-97. 
11. D. Martinez and A. Andrade (2014), "On the reduction of the noise 
uncertainty effects in energy detection for spectrum sensing in cognitive 
radios", in IEEE Annual International Symposium on Personal, Indoor, 
and Mobile Radio Communication, pp. 1975–1979. 
12. Deepak R. Joshi, Dimitrie C. Popescu, Octavia A. Dobre, (2011), 
"Gradient-Based Threshold Adaptation for Energy Detector in Cognitive 
Radio Systems", IEEE Communication Letters, vol. 15 (no. 1), pp. 19-
21. 
13. Dempster, A.P, Laird, N.M. and Rubin, D.B. (1977), "Maximum 
Likelihood from Incomplete Data via the EM Algorithm", Journal of the 
Royal Statistical Society, Series B, Methodologica, pp. 1–38. 
14. E. Axell, G. Leus, E. Larsson, and H. Poor, (2012), "Spectrum Sensing 
for Cognitive Radio : State-of-the-Art and Recent Advances", IEEE 
Signal Processing Magazine, vol. 29 (no. 3), pp. 101–116. 
15. E. Chatziantoniou, B. Allen, and V. Velisavljevic (2015), "Threshold 
Optimization for Energy Detection-Based Spectrum Sensing Over Hyper 
Rayleigh Fading Channels", IEEE Communications Letters, vol. 19 (no. 
6), pp. 1077–1080. 
16. E. Hossain, and B. Bhargava (2007), "Cognitive Wireless 
Communication Networks", New York: Springer, p. 440. 
17. E. Peh and Y. Liang (2007), "Optimization for Cooperative Sensing in 
Cognitive Radio Networks", IEEE Wireless Communications and 
 88 
Networking Conference, Hong Kong,China, pp. 27–32. 
18. E. Rebeiz, A. Ghadam, M. Valkama, and D. Cabric (2015), "Spectrum 
Sensing Under RF Non-Linearities: Performance Analysis and DSP-
Enhanced Receivers", IEEE Transactions on Signal Processing, vol. 63 
(no. 8), pp. 1950–1964. 
19. E. Vistotsky, S. Kuffner, and R. Peterson (2005), "On Collaborative 
Detection of TV Transmissions in Support of Dynamic Spectrum 
Sharing", IEEE International Symposiumon New Frontiers in Dynamic 
Spectrum Access Networks, pp. 338–345. 
20. El-Saleh, A. A., M. Ismail, and M. A. M. Ali, (2011), "Genetic 
algorithm-assisted soft fusion-based linear cooperative spectrum 
sensing", IEICE Electronics Express, vol. 8, pp. 1527–1533. 
21. F. F. Digham et al. (2007), "On the Energy Detection of Unknown 
Signals over Fading Channels", IEEE Transactions on Communications, 
vol. 55 (no. 1), pp. 21-24. 
22. F. Xu, X. Zheng, and Z. Zhou (2009), "Accurate spectrum sensing based 
on high order statistical analyse", in Communications and Information 
Technology, 2009. ISCIT 2009. 9th International Symposium, pp. 643 –
647. 
23. FCC Spectrum Policy Task Force (2002), Report of the spectrum 
efficiency working group, Technical report. 
24. G. Yang et al (2016), "Cooperative Spectrum Sensing in Heterogeneous 
Cognitive Radio Networks Based on Normalized Energy Detection", 
IEEE Transactions on Vehicular Technology, vol. 65 (no. 3), pp. 1452-
1463. 
25. Ganesan, G. and Y. G. Li (2007), "Cooperative spectrum sensing in 
cognitive radio, Part II : Multiuser networks," IEEE Trans. on Wireless 
 89 
Communications, vol. 6 (no. 6). 
26. Ghasemi, A.; Sousa, E.S. (2005), "Collaborative spectrum sensing for 
opportunistic access in fading environments", First IEEE International 
Symposium on New Frontiers in Dynamic Spectrum Access Networks, 
DySPAN, pp. 131-136. 
27. Giannakis, Z. Tian and G. (2007), "Compressed sensing for wideband 
cognitive radios", 2007 IEEE International Conference on Acoustics, 
Speech and Signal Processing - ICASSP '07, vol. 4, pp. 1357-1360. 
28. Giannakis, Z. Tian and G. B. (2006), "A wavelet approach to wideband 
spectrum sensing for cognitive radios ", in Cognitive Radio Oriented 
Wireless Networks and Communications 1st International Conference 
pp. 1 –5. 
29. Gyanendra Prasad Joshi, Seung Yeob Nam and Sung Won Kim (2013), 
"Cognitive Radio Wireless Sensor Networks: Applications, Challenges 
and Research Trends", Sensors 2013, pp. 11196-11228. 
30. H. Tang (2005), "Some Physical Layer Issues of Wide-band Cognitive 
Radio Systems", IEEE International Symposium on New Frontiers in 
Dynamic Spectrum Access Networks, pp. 151–159. 
31. H. Urkowitz (1967), "Energy Detection of Unknown Deterministic 
Signals", Proceedings of the IEEE, vol. 55(no. 4), pp. 523 - 531. 
32. H.H. Choi, K. Jang, and Y. Cheong (2008), "Adaptive sensing threshold 
control based on transmission power in cognitive radio systems", in 
Proc. 2008 International Conference on Cognitive Radio Oriented 
Wireless Networks and Communications, pp. 16-22. 
33. Hossain, Md Kamal, Ayman A. El-Saleh, and Mahamod IsmaiI (2011), 
"A comparison between binary and continuous genetic algorithm for 
collaborative spectrum optimization in cognitive radio network", 2011 
 90 
IEEE Student Conference on Research and Development. 
34. I. F. Akyildiz et al (2006), "Next Generation Dynamic Spectrum Access 
Cognitive Radio Wireless Networks: A Survey", Computer Networks 
Journal (Elsevier), vol. 50 (no. 13). 
35. I. F. Akyildiz et al. (2009), "Crahns: Cognitive Radio Ad Hoc 
Networks", Ad Hoc Networks, Special Issue on Social-Based Routing in 
Mobile and Delay-Tolerant Networks, vol.10(no. 8), pp. 1517-1646. 
36. I. F. Akyildiz et al. (2011), "Cooperative Spectrum Sensing in Cognitive 
Radio Networks: A Survey", Physical Communication, vol. 4(no. 1), pp. 
40-62. 
37. I. Sobron, P. Diniz, W. Martins, M. Velez (2015), "Energy Detection 
Technique for Adaptive Spectrum Sensing", IEEE Transactions on 
Communications, vol. 63 (no. 3), pp. 617–627. 
38. ITU World Telecommunication/ICT Indicators database (2017), "ICT 
Facts and Figures (2017)", International Telecommunication Union. 
39. J. Bobin, J.-L. Starck, and R. Ottensamer (2008), "Compressed sensing 
in astronomy", IEEE Journal of Selected Topics in Signal Processing., 
vol. 2 (no. 5), pp. 718 –726. 
40. J. Mitola (1999), "Cognitive radio for flexible mobile multimedia 
communications", IEEE International Workshop on Mobile Multimedia 
Communications, pp. 3-10. 
41. J. Mitola III (2000), "Cognitive Radio: An Integrated Agent Architecture 
for Software Defined Radio", Royal Institute of Technology (KTH), 
Stockholm, Sweden. 
42. J. Mitola III, and G. Q. Maguire, Jr. (1999), "Cognitive Radio: Making 
Software Radios More Personal", IEEE Personal Communications, vol. 
6(no. 4), pp. 13-18. 
 91 
43. K. Hoang and R. Haeb-Umbach (2013), "Parameter Estimation and 
Classification of Censored Gaussian Data with Application to WiFi 
Indoor Positioning", in Proc. ICASSP, Vancouver,. 
44. L. Khaled, and Z. Wei (2009), "Cooperative Communications for 
Cognitive Radio Networks", Proceedings of the IEEE, vol. 97 (no. 5,), 
pp. 878-893. 
45. Li, G. Ganesan and Y. (2005), "Agility improvement through 
cooperative diversity in cognitive radio", in proc. IEEE Global 
Telecomm. Conf. (Globecon). vol. 5 (St. Louis, Missouri, USA), pp. 
2505-2509. 
46. Liang, Y. Zeng and Y. C. ( 2009), "Spectrum sensing Algorithms for 
Cognitive Radio Based on Statistical Covariances", IEEE 
Transactions On Vehicular Technology, vol. 58 (no. 4). 
47. M. A. McHenry (2005), "NSF Spectrum Occupancy Measurements 
Project Summary", Shared Spectrum Company. 
48. M. Jun et al. (2009), "Signal Processing in Cognitive Radio", 
Proceedings of the IEEEE, vol. 97 (no. 5), pp. 805-823. 
49. M. Sherman et al. (2008), "IEEE Standards Supporting Cognitive Radio 
and Networks, Dynamic Spectrum Access, and Coexistence", IEEE 
Communications Magazine, vol. 46 (no. 7), pp. 72-79. 
50. M. Shehab El Din, M. El-Tarhuni, K. Assaleh, S. Kiranyaz, (2015), "An 
HMM-Based Spectrum Access Algorithm for Cognitive Radio 
Systems", International Conference on Information and Communication 
Technology Research (ICTRC2015). 
51. M. López-Benítez, F. Casadevall (2010), "Spatial Duty Cycle Model for 
Cognitive Radio", 21st Annual IEEE International Symposium on 
Personal, Indoor and Mobile Radio Communications, pp. 1631-1636. 
 92 
52. Munmun Sardar, K.V. Karthikeyan (2016), "Study on Sensing 
techniques for Cognitive Radio Network: A Survey ", 2016 International 
Conference on Circuit, Power and Computing Technologies [ICCPCT]. 
53. P. R. Nair, A. P. Vinod, and A. K. Krishna, (2010), "An adaptive 
threshold based energy detector for spectrum sensing in cognitive radios 
at low SNR", in Proc. 2010 IEEE International Conference on 
Communication Systems, pp. 574-578. 
54. Payal Mishra, Neelam Dewangan (2016), "Performance Analysis of 
Spectrum Sensing using GA and Bacteria Foraging Optimization in 
Cognitive Radio", IEEE WiSPNET conference. 
55. Q. Zhi et al. (2008), "Optimal Linear Cooperation for Spectrum Sensing 
in Cognitive Radio Networks", IEEE Journal of Selected Topics in 
Signal Processing, vol. 2 (no. 1), pp. 28-40. 
56. R. Vadivelu, K. Sankaranarayanan, T. Aswathy, (2012), "High 
Precision Spectrum Sensing for Cognitive Radio using Hidden Markov 
Model," International Journal of Computer Applications (0975 - 8887), 
vol. 51 (no.7). 
57. R. Tandra and A. Sahai, “Snr Walls for Signal Detection (2008), "Snr 
Walls for Signal Detection", IEEE Journal of Selected Topics in Signal 
Processing, vol. 2(no. 1), pp. 4–17. 
58. R. Umar, A. Sheikh, and M. Deriche (2014), "Unveiling the Hidden 
Assumptions of Energy Detector Based Spectrum Sensing for Cognitive 
Radios", IEEE Communications Surveys Tutorials, vol. 16 (no. 2), pp. 
713–728. 
59. S.-Q. Liu, B.-J. Hu and X.-Y. Wang (2012), "Hierarchical cooperative 
spectrum sensing based on double thresholds energy detection", IEEE 
Communications Letters, vol. 16 (no. 7), pp. 1096-1099. 
 93 
60. S. Atapattu, C. Tellambura and H. Jiang (2014), Energy Detection for 
Spectrum Sensing in Cognitive Radio, Springer Briefs in Computer 
Science, Springer New York. 
61. S. Dikmese, P. Sofotasios, M. Renfors, and M. Valkama (2016), 
"Subband Energy Based Reduced Complexity Spectrum Sensing Under 
Noise Uncertainty and Frequency-Selective Spectral Characteristics", 
IEEETransactions on Signal Processing, vol. 64 (no. 1), pp. 131–145. 
62. S. Haykin (2005), "Cognitive Radio: Brain-Empowered Wireless 
Communications", IEEE Journal on Selected Areas in Communications. 
vol. 23 (no. 2), pp. 201-220. 
63. S. K. Jayaweera (2014), Signal Processing for Cognitive Radios, John 
Wiley & Sons, Inc. 
64. Shared Spectrum Company (2010), General survey of radio frequency 
bands: 30 MHz to 3GHz, Technical report. 
65. Srinivas Nallagonda, Kumar Bandari, Sanjay Dhar Roy, Sumit Kundu, 
and (2013), "Performance of Cooperative Spectrum Sensing with Soft 
Data Fusion Schemes in Fading Channels", Annual IEEE India 
Conference (INDICON). 
66. Tareq M. Shami , Ayman A. El-Saleh, Aymen M. Kareem (2014), "On 
the detection performance of cooperative spectrum sensing using particle 
swarm optimization algorithms", 2014 IEEE 2nd International 
Symposium on Telecommunication Technologies (ISTT), Langkawi, 
Malaysia, pp. 110-114. 
67. Tevfik Yucek , Huseyin Arslan (2009), "A Survey of Spectrum Sensing 
Algorithms for Cognitive Radio Applications", IEEE communications 
surveys & tutorials, vol.11 (no.1). 
 94 
68. Vo Nguyen Quoc Bao, Le Quoc Cuong, Le Quang Phu, Tran Dinh Thuan 
Nguyen Thien Quy, Lam Minh Trung (2011), "Vietnam Spectrum 
Occupancy Measurements and Analysis for Cognitive Radio 
Applications", 2011 International Conference on Advanced 
Technologies for Communications. 
69. W. Zhang, R. Mallik and K. Letaief (2009), "Optimization of 
Cooperative Spectrum Sensing with Energy Detection in Cognitive 
Radio Networks", IEEE Trans. Wireless Comm, vol. 8 (no. 12), pp. 
5761-5766. 
70. X. Yang, S. Peng, K. Lei, and X. Cao (2009), "Spectrum sensing based 
on covariance matrix under noise uncertainty", in Wireless 
Communications, Networking and Mobile Computing, 2009. WiCom 
’09. 5th International Conference, pp. 1 –4. 
71. Xin-She Yang (2013), "Bat algorithm: literature review and 
applications", Int. J. Bio-Inspired Computation, vol. 5 (no. 3), pp. 141–
149. 
72. Xu-ping Zhai , Hai-gen He, Guo-xin Zheng (2011), "Optimization of 
threshold for local spectrum sensing with energy detector", Journal of 
Shanghai University (English Edition), pp. 132-136. 
73. Y. Zeng and Y. C. Liang (2009), "Eigenvalue-Based Spectrum 
Sensing Algorithms for Cognitive Radio", IEEE Transaction on 
Communication, vol. 57 (no. 6), pp. 1784-1793. 
74. Y. Alghorani, G. Kaddoum, S. Muhaidat, and S. Pierre (2015), "On the 
Approximate Analysis of Energy Detection Over - Rayleigh Fading 
Channels Through Cooperative Spectrum Sensing", IEEE Wireless 
Communications Letters, vol. 4 (no. 4), pp. 413–416. 
 95 
75. Y. Liang, Y. Zeng, E. C. Peh, and A. T. Hoang (2008), "Sensing-
Throughput Tradeoff for Cognitive Radio Networks,” IEEE 
Transactions on Wireless Communications", IEEE Transactions on 
Wireless Communications, vol. 7 (no. 4), pp. 1326–1337. 
76. Y. Zeng, Y. C. Liang and R. Zhang (2008), "Blindly combined energy 
detection for spectrum sensing in cognitive radio", IEEE Signal 
Processing Letters, vol. 15, pp. 649- 652. 
77. Y. Zhou and F. Tian (2010), "A spectrum sensing algorithm based on 
random matrix theory in cognitive radio networks", in Wireless 
Communication Systems (ISWCS), 2010 7th International Symposium 
pp. 971 –975 
78. Yang, Xin-She (2014), Nature-Inspired Optimization Algorithms, ed. 
edition, First, Elsevier, 32 Jamestown Road, London NW1 7BY. 
79. Z. Sun, G. Bradford, and J. Laneman (2011), "Sequence detection 
algorithms for phy-layer sensing in dynamic spectrum access networks", 
IEEE Journal of Selected Topics in Signal Processing, vol. 5 (no. 1), 
pp. 97–109. 
80. Zhang, W., R. K. Mallik, and K. Ben Letaief (2008), "Cooperative 
spectrum sensing optimization in cognitive radio networks", Proc. IEEE 
Int. Conf. Comm, pp. 3411–3415. 
81. Zhuan Ye, G Mernik, John Grosspietsch (2008), "Energy Detection 
using Estimated Noise Variance for Spectrum Sensing in Cognitive 
Radio Networks", In Proc. Wireless Communication and Networking 
Conference, pp. 711 - 716.