Record #292017 - GSI Repository

DFG project 280558790

Ein vereinheitlichendes Rahmenwerk zur Detektion von Zyklostationarität mit Anwendungen auf Interweave Cognitive Radio

Coordinator	Professor Peter Schreier, Ph.D.
Grant period	2015 - 2020
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)280558790

Note: Zyklostationäre (ZS) Signale können periodische Phänomena modellieren, die in vielen Gebieten in Wissenschaft und Technik vorkommen, beispielsweise in der Nachrichtentechnik, Meteorologie, Ozeanographie, Klimatologie, Astronomie und in den Wirtschaftswissenschaften. Die Detektion von ZS Signalen ist besonders wichtig. Erstens sollte man Zyklostationarität in der Verarbeitung von ZS Signalen ausnützen, um die bestmögliche Performance zu erreichen; allerdings nur, wenn die Signale auch tatsächlich ZS sind. Zweitens kann die An- oder Abwesenheit von ZS Signalen andere Prozesse auslösen. Zum Beispiel ist die Detektion von ZS Signalen ein wichtiger Schritt in der dynamischen Verwaltung von Bandbreite im Interweave Cognitive Radio (CR), wo kognitive Benutzer auf unbenutzte lizensierte Frequenzbänder zugreifen dürfen. Dazu benötigt man Tests für die Anwesenheit von lizensierten Nutzern, die ZS Signale übertragen.Nachdem die Detektion von Zyklostationarität so wichtig ist, sind bereits viele Detektoren vorgeschlagen worden. Jedoch zeigt eine genaue Analyse dieser Detektoren, dass die meisten vorgeschlagenen Techniken nicht auf sauberer statistischer Theorie basieren. Sie bieten daher keine Optimalität, auch wenn sie durchaus sinnvolle ad-hoc Detektoren sein mögen. Darüber hinaus machen viele dieser Detektoren unrealistische Annahmen wie beispielsweise bekannte zyklische Periode oder sie berücksichtigen nicht, dass abgetastete ZS Signale im Allgemeinen nur fast-ZS sind. Schließlich testen sie ZS nur gegen die Alternative von stationären Signalen, aber nicht gegen nicht-stationäre Signale. Unser Hauptziel in diesem Projekt ist die Entwicklung von Detektoren für ZS, die auf klaren statistischen Argumenten basieren, ohne unrealistische vereinfachende Annahmen machen zu müssen.Genauer gesagt werden wir Detektoren für ZS vs. nichtstationäre und stationäre Signale entwickeln. Diese Detektoren werden auf wohlbekannten statistischen Techniken basieren, wie z.B. dem Generalized Likelihood Ratio Test, dem Locally Most Powerful Invariant Test und -- falls er existiert -- dem Uniformly Most Powerful Invariant Test. All diese Detektoren werden wir auf multivariate Zeitreihen verallgemeinern. Wir werden auch den Fall unbekannter zyklischer Periode untersuchen. Anstatt dieses Problem vom Detektionsproblem zu entkoppeln, indem man zuerst die zyklische Periode schätzt, werden wir diese zusammen mit dem Detektionsproblem schätzen. Nachdem die Abtastung von ZS Signalen im Allgemeinen ein fast-ZS Signal erzeugt, werden wir auch Tests für fast-ZS Signale entwickeln. Wir werden dann unsere Techniken auf ausgewählte Problem in Interweave CR und passivem Radar anwenden. Um die Performance unserer Schätzer in einer realistischen CR Umgebung zu bewerten, werden wir diese auf einem Hardware Testbed implementieren, das uns von unserem spanischen Kollaborationspartner GTAS an der Unviersität Kantabrien zur Verfügung gestellt wird.

Recent Publications

There are no publications

Record created 2023-01-31, last modified 2023-01-31

Similar records

Add to personal basket
Export as Author List with IDs BibTeX (UTF-8), EndNote XML, EndNote Text, RIS, MARC, Print MARC, MARCXML, DC,
Request correction
Submit fulltext

GSI Homepage \| GSI Library \| English Deutsch \| guest :: login GSI Repository
Search	Submit	Personalize Your alerts Your baskets Your searches	Help