Abstract

Cognitive radios have emerged as a key enabler for opportunistic spectrum access, in order to tackle the wireless spectrum scarcity and under utilization problems over the past two decades. In this paper, we aim to enhance the secondary user (SU) performance while maintaining the desired average packet delay for the primary user (PU). In particular, we investigate the trade-off between delay-constrained primary and secondary users in cog- nitive radio systems. In the first part of this work, we use the hard-sensing scheme to make a decision on the PU activity and maximize the SU effective capacity subject to an average PU delay constraint. Second, we propose a soft-sensing scheme by dividing the PU energy interval where the PU is decided to be idle into multiple decision. We also maximize the SU effective capacity subject to an average primary user delay constraint; then, we present three modifications for the proposed soft-sensing scheme to allow for low complexity implementation that is comparable to the complexity of the hard-sensing scheme, but with better performance. The numerical results reveal interesting insights comparing our soft sensing to the hard-sensing models in terms of the optimal performance obtained from our optimization solution compared to the unconstrained PU delay baseline system studied earlier in the literature. For instance, the hard sensing system in Akin and Gursoy (IEEE Trans Wirel Commun 9(11):3354–3364, 2010) and Abdel-Malek et al. (CrownCom 156:30–42, 2015) yields a SU effective capacity of only 50 % of the ideal, perfect sensing system. On the other hand, we show that the soft sensing system yields almost 87 % of the perfect sensing performance (at a primary user arrival rate of \(\lambda _p = 0.1\)), which further increases for a larger number of decision sub-intervals.

中文翻译：

---

在主要QoS设置下有效地优化认知无线电网络的容量

摘要

认知无线电已成为机会频谱接入的关键推动力，以解决过去二十年来的无线频谱稀缺和利用率不足的问题。在本文中，我们旨在提高次要用户（SU）的性能，同时保持主要用户（PU）所需的平均数据包延迟。特别是，我们研究了认知无线电系统中受延迟限制的主要用户和次要用户之间的权衡。在这项工作的第一部分中，我们使用硬检测方案来决定PU的活动，并在平均PU延迟约束下最大化SU有效容量。其次，我们通过将决定PU空闲的PU能量间隔划分为多个决策来提出一种软传感方案。在平均主要用户延迟约束下，我们还将SU有效容量最大化；然后，我们对拟议的软传感方案进行了三种修改，以实现可与硬传感方案的复杂度相比但具有更好性能的低复杂度实现。数值结果揭示了有趣的见解，将我们的软感测模型与硬感测模型进行了比较，这些优缺点是从我们的优化解决方案获得的最佳性能，而与之前文献中研究的无约束PU延迟基线系统相比。例如，Akin和Gursoy中的硬感测系统（IEEE Trans Wirel Commun 9（11）：3354-3364，我们针对拟议的软传感方案提出了三种修改方案，以实现可与硬传感方案的复杂度相媲美但具有更好性能的低复杂度实现。数值结果揭示了有趣的见解，将我们的软感测模型与硬感测模型进行了比较，这些优缺点是从我们的优化解决方案获得的最佳性能，而与之前文献中研究的无约束PU延迟基线系统相比。例如，Akin和Gursoy中的硬传感系统（IEEE Trans Wirel Commun 9（11）：3354-3364，我们针对拟议的软传感方案提出了三种修改方案，以实现可与硬传感方案的复杂度相媲美但具有更好性能的低复杂度实现。数值结果揭示了有趣的见解，将我们的软感测模型与硬感测模型进行了比较，这些优缺点是从我们的优化解决方案获得的最佳性能，而与之前文献中研究的无约束PU延迟基线系统相比。例如，Akin和Gursoy中的硬感测系统（IEEE Trans Wirel Commun 9（11）：3354-3364，数值结果揭示了有趣的见解，将我们的软感测模型与硬感测模型进行了比较，这些优缺点是从我们的优化解决方案获得的最佳性能，而与之前文献中研究的无约束PU延迟基线系统相比。例如，Akin和Gursoy中的硬传感系统（IEEE Trans Wirel Commun 9（11）：3354-3364，数值结果揭示了有趣的见解，将我们的软感测模型与硬感测模型进行了比较，这些优缺点是从我们的优化解决方案获得的最佳性能，而与之前文献中研究的无约束PU延迟基线系统相比。例如，Akin和Gursoy中的硬感测系统（IEEE Trans Wirel Commun 9（11）：3354-3364，2010）和Abdel-Malek等。（CrownCom 156：30-42，2015年）得到的只有50％的理想的，完美的感测系统的SU有效容量。另一方面，我们显示软感测系统可产生近87％的完美感测性能（在主要用户到达率为\（\ lambda _p = 0.1 \）的情况下），随着更多的决策子项进一步增加-间隔。