Estratégias para Aumentar a Acurácia do Sensoriamento de Espectro Baseado em Sensor de Energia

Transcrição

1 UNIVERSIDADE FEDERAL DE GOIÁS INSTITUTO DE INFORMÁTICA ANDRÉ LAUAR SAMPAIO MEIRELLES Estratégias para Aumentar a Acurácia do Sensoriamento de Espectro Baseado em Sensor de Energia Goiânia 2012

2 UNIVERSIDADE FEDERAL DE GOIÁS INSTITUTO DE INFORMÁTICA AUTORIZAÇÃO PARA PUBLICAÇÃO DE DISSERTAÇÃO EM FORMATO ELETRÔNICO Na qualidade de titular dos direitos de autor, AUTORIZO o Instituto de Informática da Universidade Federal de Goiás UFG a reproduzir, inclusive em outro formato ou mídia e através de armazenamento permanente ou temporário, bem como a publicar na rede mundial de computadores (Internet) e na biblioteca virtual da UFG, entendendo-se os termos reproduzir e publicar conforme definições dos incisos VI e I, respectivamente, do artigo 5 o da Lei n o 9610/98 de 10/02/1998, a obra abaixo especificada, sem que me seja devido pagamento a título de direitos autorais, desde que a reprodução e/ou publicação tenham a finalidade exclusiva de uso por quem a consulta, e a título de divulgação da produção acadêmica gerada pela Universidade, a partir desta data. Título: Estratégias para Aumentar a Acurácia do Sensoriamento de Espectro Baseado em Sensor de Energia Autor(a): André Lauar Sampaio Meirelles Goiânia, 03 de Julho de André Lauar Sampaio Meirelles Autor Dr. Kleber Vieira Cardoso Orientador Dr. José Ferreira de Rezende Co-Orientador

3 ANDRÉ LAUAR SAMPAIO MEIRELLES Estratégias para Aumentar a Acurácia do Sensoriamento de Espectro Baseado em Sensor de Energia Dissertação apresentada ao Programa de Pós Graduação do Instituto de Informática da Universidade Federal de Goiás, como requisito parcial para obtenção do título de Mestre em Computação. Área de concentração: Redes de Computadores. Orientador: Prof. Dr. Kleber Vieira Cardoso Co-Orientador: Prof. Dr. José Ferreira de Rezende Goiânia 2012

4 ANDRÉ LAUAR SAMPAIO MEIRELLES Estratégias para Aumentar a Acurácia do Sensoriamento de Espectro Baseado em Sensor de Energia Dissertação defendida no Programa de Pós Graduação do Instituto de Informática da Universidade Federal de Goiás como requisito parcial para obtenção do título de Mestre em Computação, aprovada em 03 de Julho de 2012, pela Banca Examinadora constituída pelos professores: Prof. Dr. Kleber Vieira Cardoso Instituto de Informática UFG Presidente da Banca Prof. Dr. José Ferreira de Rezende COPPE UFRJ Prof. Dr. Paulo Cardieri Faculdade de Engenharia Elétrica e de Computação UNICAMP Prof. Dr. Rodrigo Pinto Lemos Escola de Engenharia Elétrica e de Computação UFG Prof. Dr. Wellington Santos Martins Instituto de Informática UFG

5 Todos os direitos reservados. É proibida a reprodução total ou parcial do trabalho sem autorização da universidade, do autor e do orientador(a). André Lauar Sampaio Meirelles Graduou-se em Engenharia da Computação pela Unicamp - Universidade Estadual de Campinas. Durante sua graduação, foi pesquisador da Funcamp em projeto de pesquisa no Instituto de Computação, no Laboratório de Administração e Segurança (LAS). No período do mestrado, atuou como gerente de desenvolvimento do Projeto FIBRE desenvolvido no INF/UFG em parceria com outras instituições nacionais e estrangeiras. Atualmente desenvolve soluções para problemas em redes sem fio.

6 todo esse tempo. À minha família, por prover as condições, ambiente e apoio necessários durante

7 Agradecimentos A Deus pelo tempo de vida que me foi concedido, com saúde e alegria. Aos meus pais, Luiz Fernando e Marisa, por todo o amor e dedicação que me oferecem diariamente. À Marianna, minha noiva e futura esposa, por todo amor, carinho e atenção. À minha avó, Niclair, por toda uma vida de exemplo de dedicação e amor. Aos meus irmãos, Humberto e Fernanda, pela amizade e atenção. Ao Prof. Kleber V. Cardoso, por sua orientação, amizade e paciência. Ao Prof. José F. Rezende, por sua orientação e apoio. Aos Profs. Paulo Cardieri, Rodrigo P. Lemos e Wellington S. Martins, pela presença na banca e contribuições à dissertação. Aos Profs. Sand Luz, Bruno Silvestre e Rogério Salvini, por seu apoio. Aos colegas do grupo de pesquisa Labora: Camila, Diego, Micael, Pedro e todos os demais; pela amizade e apoio. À equipe da secretaria: Edir, Mirian e Ricardo e todos os demais; pela atenção e suporte operacional. Ao INF/UFG, pelas instalações e equipamentos utilizados. Agradeço à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e à Fundação de Amparo à Pesquisa do Estado de Goiás (Fapeg), pelo suporte financeiro.

8 Um pessimista vê dificuldades em cada oportunidade; um otimista vê oportunidade em cada dificuldade Sir Winston Churchill ( ), Citação atribuída..

9 Resumo Meirelles, André Lauar Sampaio. Estratégias para Aumentar a Acurácia do Sensoriamento de Espectro Baseado em Sensor de Energia. Goiânia, p. Dissertação de Mestrado. Instituto de Informática, Universidade Federal de Goiás. Sensoriamento de espectro é um componente fundamental no paradigma de acesso dinâmico ao espectro, contribuindo para a proteção de usuários primários, ou seja, evita-se que estes sofram interferência. Adicionalmente, o sensoriamento de espectro possibilita a descoberta de oportunidades para transmissões de forma a permitir o estabelecimento de um meio de comunicação entre rádios cognitivos. A detecção de energia é uma técnica de sensoriamento de espectro com algumas importantes vantagens: simplicidade, baixo tempo de resposta e custo computacional. Entretanto, essa técnica possui baixa acurácia em comparação com outras abordagens. Este trabalho apresenta e avalia diferentes propostas para melhoria da acurácia do sensoriamento de espectro baseado em um sensor de energia. Além da melhoria de acurácia, é abordado e avaliado também o aproveitamento das oportunidades descobertas com relação ao tamanho (no tempo) das mesmas. Uma das abordagens utiliza o modelo de Markov oculto (Hidden Markov Model) para distinguir sinais originários de usuários licenciados ou primários. Outra abordagem empregada foi uma rede neural sem peso (Weightless Neural Network) como alternativa para proceder na distinção de sinais. Foram feitas avaliações de desempenho utilizando-se do simulador ns-3 (Network Simulator). Essas avaliações mostram que a solução proposta traz ganhos consistentes na descoberta de oportunidades de transmissão em comparação com o sensor de energia. Palavras chave Sensor de Energia, HMM, WNN, Rádios Cognitivos

10 Abstract Meirelles, André Lauar Sampaio. <Work title>. Goiânia, p. MSc. Dissertation. Instituto de Informática, Universidade Federal de Goiás. Spectrum sensing is a key component in the dynamic spectrum access paradigm, contributing for the protection of licensed users, i.e. avoiding harmful interference on them. In addition, spectrum sensing enables the discovery of opportunities that allow communication between cognitive radio devices to take place. Energy detection is a spectrum sensing technique with some important advantages: simplicity, low response time and computational cost. However, this technique has very low accuracy in comparison to other approaches. This work presents and evaluates different proposals to improve the accuracy of spectrum sensing based on energy detection. In addition to the accuracy obtained, an analysis of the usefulness of the discovered white spaces is presented, based on their size (in time). One of the approaches employs hidden Markov model (HMM) to distinguish signals from licensed devices. Besides the HMM approach, a Weightless Neural Network (WNN) proposal is also presented. Performance evaluation using ns-3 simulator have shown that our proposal improves the discovery of usable transmission opportunities and the accuracy of energy detection. Keywords Energy Sensor, HMM, WNN, Cognitive Radio

11 Sumário Lista de Figuras 11 Lista de Tabelas 13 Lista de Algoritmos 14 Lista de Códigos de Programas 15 1 Introdução Motivação Objetivos Organização da Dissertação 21 2 Sensoriamento de Espectro Rádio Cognitivo Camada Física Arquitetura Física Técnicas de Camada Física 28 Reconhecimento de Assinatura 29 Detector por Energia 29 Reconhecimento Cicloestacionário Camada MAC Gerência de Sensoriamento Acesso ao Espectro Conclusão 34 3 Modelos de Reconhecimento de Padrões Reconhecimento de Padrões e Inteligência Artificial Redes Neurais sem Peso Modelo de Markov Oculto (MMO) Conclusão 43 4 Propostas e Modelos Descrição e Caracterização do UP Modelo de Detecção por Energia Métricas de Avaliação Soluções Propostas Complete Forward-Backward (CFB) Transmission Word Detection (TWD) 56

12 4.4.3 Simplified Transmission Word Detection (stwd) Redes Neurais sem Peso Algoritmos de Treinamento Operação de Reconhecimento Conclusão 67 5 Avaliação das Propostas de Sensoriamento de Espectro Ambiente de Simulação Avaliação de Redes Neurais sem Peso Avaliação de Tamanho de Janelas Avaliação do Número de USs Avaliação da Ocupação da Janela no EWD Comparativo de Detecção entre TWD e stwd Avaliação do Algoritmo de Normalização Avaliação de OL Avaliação de Tamanho de Oportunidades Avaliação de KL-Distance Definição Resultados Conclusão 97 6 Conclusões 99 Referências Bibliográficas 102

13 Lista de Figuras 2.1 Ciclo Cognitivo Arquitetura básica de um Rádio Cognitivo Esquemático de Detector de Energia Projeto em camada MAC Representação de um neurônio Representação de uma RAM Processo de Markov de quatro estados Ocupação do meio por UP e US Nível médio de energia do slot Janela deslizante Janela de observações por amostragem MMO com durações de estados Esquema de um discriminador Coleta de exemplos de assinatura Treinamento de uma RAM Algoritmo de treinamento clássico. 74 (a) Alarme Falso 74 (b) Falha de Detecção Heurística check before train. 75 (a) Alarme Falso 75 (b) Falha de Detecção Influência do tamanho da janela. 78 (a) Alarme Falso, OL= (b) Falha de Detecção, OL= (c) Alarme Falso, OL= (d) Falha de Detecção,OL= (e) Alarme Falso, OL= (f) Falha de Detecção, OL= Influência do número de USs no meio. 82 (a) Alarme Falso, OL= (b) Falha de Detecção, OL= Avaliação de. 2 USs em competição. 84 (a) Alarme Falso 84 (b) Falha de Detecção Curva ROC, compreendendo 1 US Avaliação sem a presença de USs. 86

14 (a) Alarme Falso, OL= (b) Falha de Detecção, OL= Avaliação com 3 USs em competição. 87 (a) Alarme Falso, OL= (b) Falha de Detecção, OL= Avaliação sem a presença de USs. 88 (a) Alarme Falso 88 (b) Falha de Detecção Avaliação com 3 USs em competição. 89 (a) Alarme Falso 89 (b) Falha de Detecção Análise do tamanho de espaços em branco com 3 USs competindo. 91 (a) OL = (b) OL = (c) OL = SU1, Influência de KL-Distance. KL (a) Alarme Falso, OL= (b) Falha de Detecção,OL= (c) Alarme Falso, OL= (d) Falha de Detecção, OL= (e) Alarme Falso, OL= (f) Falha de Detecção, OL= SU5, Influência de KL-Distance. KL (a) Alarme Falso, OL= (b) Falha de Detecção,OL= (c) Alarme Falso, OL= (d) Falha de Detecção, OL= (e) Alarme Falso, OL= (f) Falha de Detecção, OL=

15 Lista de Tabelas 5.1 Parâmetros para LogDistance Parâmetros do padrão do UP Configurações inválidas. Treinamento clássico Configurações inválidas. Check Before Train. 76

16 Lista de Algoritmos 4.1 Médias móveis. 61

17 Lista de Códigos de Programas

18 Introdução CAPÍTULO Motivação O uso do espectro de frequências eletromagnéticas para transmissão de informações foi uma revolução em seu tempo. A possibilidade de se comunicar a longas distâncias sem a utilização de fios trouxe novos paradigmas, mercados e até estilos de vida. A aplicação imediata da tecnologia foi na transmissão da voz, em que o rádio é seu expoente. Em consonância com esses desenvolvimentos científicos, o Brasil produziu suas primeiras experiências de transmissão da voz humana sem o uso de fios metálicos, em posição de pioneirismo, com o padre Roberto Landell de Moura, no ano de 1899 [88]. O sucesso na transmissão da voz humana logo possibilitaria o surgimento da radiodifusão e o princípio das transmissões por estações comerciais. Foi precisamente na era da radiodifusão que, nos Estados Unidos da América, foi criada a Federal Radio Commission, em 1926, para regular o uso do rádio [15]. Os princípios aplicados nesse contexto foram sendo moldados para acomodar um crescente número de estações e tecnologias (TV, radar e outras), até que se chegou ao modelo de alocação hoje presente na maioria dos países. Esse modelo é comumente conhecido como alocação estática de faixas de espectro. O paradigma atual de uso do espectro é baseado em concessões de uso de determinadas faixas de frequência, dentro de parâmetros fixados para delimitação da área coberta. As concessões são contratos entre o Estado e entidades, normalmente privadas, para a exploração desse recurso de forma exclusiva, logo, a proteção e a regulação do uso de radiofrequência é tão importante que sua utilização é baseada em preceitos constitucionais, como no caso brasileiro, governado pelo artigo 21, incisos XI e XII, alínea a. Dessa forma, o proprietário da concessão (concessionário) tem o direito de uso e de proteção contra transmissões não autorizadas na faixa a ele concedida. Esse modelo, vigente há décadas em muitos países, embora tenha sido de vital importância para o desenvolvimento de uma vasta gama de tecnologias e serviços, contribuiu para uma situação em que há praticamente o esgotamento de faixas ainda não atribuídas.

19 1.1 Motivação 17 As propriedades físicas de cada faixa do espectro não permitem que simplesmente se utilize novas faixas com frequências cada vez mais altas para novas tecnologias. Quanto mais altas as frequências mais suscetíveis elas são a fenômenos prejudiciais à transmissão como a inabilidade de desviar de objetos ou atravessá-los e perda de energia por absorção pela umidade. Baixas frequências, por outro lado, tem capacidade de transmissão limitada, devido à queda acentuada de potência com relação à distância da origem quando o meio é o ar. Esse fenômeno, somado à limitação natural sobre a frequência inferior do canal (que deve ser maior que zero), restringem a largura de banda disponível e tem como consequência uma menor taxa máxima de dados, como demonstrado pelos teoremas de Shannon e de Nyquist [98]. Em face dessas limitações físicas impostas pelo meio sem fio para a utilização do espectro na transmissão de dados, as faixas realmente aproveitáveis são confinadas entre alguns kilohertz a aproximadamente poucas dezenas de gigahertz [98]. Essa região é justamente aquela regulamentada dentro do modelo de alocações estáticas, que atribui serviços específicos a cada faixa. A única exceção a esse modelo de atribuições é a banda ISM (Industrial, Scientific and Medical), na qual qualquer transmissor pode operar, desde que dentro de restrições de potência estabelecidas pelos órgãos reguladores. No caso brasileiro, a Anatel, em sua resolução 506, de 1 de julho de 2008, estabelece as potências máximas para cada faixa da banda ISM, definidas como ,5 MHz, MHz, ,5 MHz, MHz e 24,00-24,25 GHz. A necessidade por mais faixas de frequência, ao contrário da disponibilidade das mesmas, tem apresentado crescimento consistente nos últimos anos graças ao rápido progresso de uma série de tecnologias sem fio. Esse crescimento é esperado ainda por muitos anos, mas se vê ameaçado pela escassez de recursos e as limitações provocadas pela alocação estática do espectro [75, 104]. Outra abordagem para a utilização dessas faixas se faz necessária para permitir a continuidade da evolução das tecnologias sem fio. O acesso dinâmico ao espectro, ou Dynamic Spectrum Access (DSA), é um novo paradigma para a utilização desse escasso recurso, de forma eficiente. Sua principal característica é o uso de uma alocação dinâmica do espectro, ao contrário da alocação estática de canais e serviços adotada no modelo clássico. Inicialmente, o DSA não foi planejado para ser um substituto ao modelo tradicional, adotado hoje, mas funcionar de forma complementar, permitindo maior eficiência na utilização do meio sem fio por usuários não concessionários, ou secundários (US) ou oportunistas. O uso desse paradigma é o foco para o desenvolvimento de novos equipamentos de transmissão sem fio, como o rádio cognitivo (RC) [55]. O funcionamento do DSA se baseia na existência de lacunas, ou espaços em branco (white spaces) nos canais em uso atualmente. Essas lacunas são períodos em que não ocorrem transmissões dos dispositivos concessionários e em que o canal fica livre.

20 1.1 Motivação 18 Além da existência dessas oportunidades, o modelo também se baseia na hipótese de que tais oportunidades podem ser aproveitadas de alguma forma, respeitando as condições que forem impostas para seu uso. Pesquisas conduzidas em várias áreas do globo, representando diferentes concentrações populacionais, mostram que dentro do sistema de alocações estáticas, ainda há oportunidades de transmissão. Há casos de faixas que em algumas regiões não são utilizadas ou são subutilizadas, embora atribuídas para algum serviço ou tecnologia. Mesmo não sendo usadas em alguma localidade, pelo serviço específico previsto para uma faixa, esta continua protegida através de licenças de uso. Nestes casos, há uma oportunidade espacial de transmissão, pois em uma dada faixa, em uma região geográfica específica, essa faixa não é usada. Usufruir de oportunidades espaciais é mais simples e envolve, geralmente, apenas a manutenção de bases de dados [13] que cataloguem estas situações espalhadas dentro de uma região de interesse (país ou continente). No entanto, a quantidade mais notável de espectro disponível está no tempo. Mesmo em regiões onde a alocação do espectro licenciado é total, a ocupação média efetiva das faixas de frequências é inferior a 20% [50, 70, 97] e, em algumas localidades, aproximadamente 54% das faixas alocadas são subutilizadas [9, 64]. Isso significa que muitos canais concedidos para uso de determinadas tecnologias apresentam períodos de atividade e inatividade esparsos durante o dia. Em seus períodos de inatividade, as faixas atribuídas a essas tecnologias ficam ociosas e o tempo de ociosidade médio é em torno de 80%, fornecendo oportunidades para um uso mais eficiente do meio. Embora haja quantidade relevante de lacunas de transmissão e grandes disponibilidades tanto no tempo como no espaço, há certas diretrizes que devem ser observadas a fim de que se possa realmente tirar proveito das mesmas. A mais importante delas é a proteção aos usuários detentores do direito de uso (concessionários). Esses usuários, normalmente chamados de usuários primários (UP) ou legados, têm prioridade no uso das faixas que foram atribuídas a eles. Mais uma vez, a concessão da faixa de frequência garante seu uso exclusivo, e as tecnologias que operam dentro desse conceito normalmente não preveem a existência de transmissores desconhecidos dentro de sua área de cobertura. Uma das consequências desse paradigma é que os dispositivos legados costumam ter baixa tolerância a interferência. A presença de um transmissor não autorizado e desatento a esses dispositivos certamente causaria falhas de recepção, possivelmente levando até a uma situação de impedimento para a operação dos concessionários. Mesmo faixas não concedidas para uso são reservadas para um propósito e podem passar a ser usadas a qualquer momento. Qualquer tecnologia disposta a aproveitar as oportunidades de transmissão existentes, tanto no espaço quanto no tempo, deve ser capaz de perceber quando a faixa em que está operando passou a ser usada por um usuário primário e de responder prontamente para a preservação das transmissões dos UPs. A

21 1.1 Motivação 19 forma trivial de resposta a essa situação é abandonar o canal de imediato, mas outras medidas poderiam ser eficazes, como a reconfiguração de parâmetros de transmissão, a exemplo da potência. Para que se possa cumprir com os requisitos de proteção a usuários primários e manutenção dos serviços legados, os dispositivos que empregam o paradigma DSA devem ser capazes de perceber a situação em que se encontra o canal em uso a cada instante. Os usuários primários, como já mencionado, não esperam que terceiros utilizem as faixas alocadas a eles e simplesmente iniciam suas transmissões, sempre que há dados a transmitir, ou implementam algum protocolo de coordenação próprio para evitar colisões entre seus pares. Não há uma forma de aviso ou anúncio prévio por parte do UP que possa ser percebido pelos usuários secundários para que possam assim, imediatamente, abandonar a transmissão nesse canal ou se ajustar adequadamente de outras maneiras. Os usuários secundários devem utilizar técnicas para detectar a presença de sinal no meio e, se possível, ser capazes de identificar a provável origem do sinal quando o percebem. Essas técnicas são conhecidas de maneira geral como mecanismos de sensoriamento de espectro. A identificação de transmissões é importante para a proteção dos usuários primários, mas também define a eficiência no uso das oportunidades do espectro. Essa eficiência é definida pela de acurácia na identificação das fontes transmissoras, utilizandose de mecanismos de sensoriamento que tenham baixas taxas de erro, e também advém do tempo necessário para que o mecanismo possa produzir uma resposta. A maioria dos mecanismos necessita de informações a priori sobre certas características do transmissor a ser identificado para que possam fornecer uma resposta confiável, com alta acurácia, mas que demanda um alto custo de observação (alguns deles são mostrados na seção 2.2.2). Ao contrário desses mecanismos, a detecção por energia, em sua forma pura, apresenta um tempo de resposta muito curto, mas que não propicia a acurácia necessária na determinação da fonte transmissora. Em alguns trabalhos na área de sensoriamento de espectro [37, 73, 90, 92] são mostradas soluções para a identificação da fonte transmissora em cenários onde o sinal recebido é muito baixo com relação ao ruído (baixo Signal to Noise Rate - SNR), o que impõe sérias dificuldades aos mecanismos de sensoriamento mais comumente utilizados. Nesses trabalhos foram realizadas medições e propostas soluções utilizando a detecção de energia em comparação a outras técnicas mais complexas em camada física, como detecção baseada em filtro casado (matched filter) ou em aspectos cicloestacionários (cyclostationary feature) [9]. Outras abordagens apresentam soluções que tentam adicionar maior capacidade de identificação ao mecanismo de detecção de energia, através de modelos estatísticos [96]. Em todos os casos, apesar de serem apresentadas várias propostas para contornar os problemas decorrentes do baixo nível de sinal, o objetivo principal ainda

22 1.2 Objetivos 20 é o mesmo, ou seja, produzir uma solução que identifique o sinal do UP em meio ao ruído, quando ambos são comparáveis e próximos. Nesse cenário, a detecção por energia é susceptível a falso alarme (confundir ruído com transmissões do dispositivo legado) e falha de detecção (indicar apenas ruído, enquanto uma transmissão do legado está ocorrendo). Adicionalmente, nos trabalhos citados, raramente é tratado o problema da interferência gerada por múltiplos usuários secundários em uma determinada faixa do espectro. Mesmo quando o problema é abordado [62], os dispositivos secundários representam apenas interferência que é adicionada ao ruído, dificultando a detecção do primário. Um cenário diferente é descrito no presente trabalho. Os usuários primários devem ser resguardados contra interferência, uma vez que a tolerância à mesma não era um dos objetivos principais em sua concepção. O mesmo não se pode dizer dos usuários secundários. Estes irão competir entre si e são criados para funcionar em diversas situações de qualidade de canal. Também é previsto que implementem mecanismos cooperativos para evitar interferência uns nos outros, permitindo-os coexistir [65, 110] e melhorar os resultados de sensoriamento. Dessa forma, os USs não necessitam da mesma atenção que é devotada aos UPs e momentos em que transmissões entre USs ocorrem não são necessariamente obstáculos. Uma dificuldade para se implementar mecanismos que possam usufruir das oportunidades em um cenário de competição é diferenciar transmissões originadas de um UP das de USs que oportunamente utilizam os canais reservados a uma certa tecnologia legada. Neste trabalho, é mostrada a baixa acurácia da técnica de detecção por energia quando há múltiplos dispositivos tentando acessar de forma oportunista uma faixa licenciada e o nível de sinal é muito superior ao do ruído. Esse tipo de cenário tende a se tornar comum à medida que a regulamentação do acesso dinâmico ao espectro se consolide, tornando-se fundamental o desenvolvimento de soluções que consigam aproveitar os recursos disponíveis sem prejudicar os usuários primários. São apresentadas também estratégias baseadas em modelos matemáticos de comportamento dos usuários primários para melhorar a capacidade de identificação de suas transmissões e a distinção destas com aquelas oriundas de usuários secundários. Duas estratégias são baseadas em um modelo de Markov oculto, que é proposto e avaliado nesta dissertação. Uma terceira proposta é baseada em Redes Neurais sem Peso. 1.2 Objetivos A capacidade de diferenciar fontes de sinal tem o potencial de permitir o real aproveitamento de oportunidades de transmissão em um dado canal. Um usuário secundário monitorando o meio pode chegar à conclusão errônea de que uma dada faixa está

23 1.3 Organização da Dissertação 21 saturada se existem alguns poucos usuários secundários aproveitando as oportunidades presentes. Sem esse poder de diferenciação, esse usuário tenderia a procurar oportunidades em outras faixas, quando poderia iniciar um protocolo de cooperação a fim de compartilhar o meio com os demais. Partindo desse princípio, são propostas soluções para que um usuário secundário consiga concluir que uma dada transmissão é originada de um dispositivo legado prédefinido ou vem de outra fonte desconhecida. Retomando o que foi apresentado na seção 1.1, cada faixa do espectro foi licenciada para uso por uma tecnologia específica, com exclusividade. Parte-se do pressuposto de que essas tecnologias de transmissão sem fio possuem comportamentos estatísticos bem definidos, pressuposto este confirmado [48] e estudado em outros trabalhos [23]. Dessa forma, as soluções propostas buscam identificar transmissões que sejam estatisticamente semelhantes àquelas correspondentes às tecnologias licenciadas para cada faixa. As soluções propostas podem ser aplicadas ao problema apresentado anteriormente, em que vários rádios cognitivos que não se conhecem competem pelo uso da frequência e procuram coexistir. Também podem funcionar como um modelo de decisão para a resposta dada pelo usuário secundário no caso de detecção de um sinal captado no meio, ou seja, abandonar o canal caso o sinal seja considerado originário de um UP. Independente da aplicação, o objetivo das soluções apresentadas foi fornecer a menor taxa de erros possível, apresentando resultados em intervalos de tempo extremamente restritivos e permitindo a identificação das melhores oportunidades de transmissão, com relação à duração das mesmas. Assim, os seguintes objetivos foram estabelecidos para este trabalho: 1. Melhorar a acurácia do mecanismo de detecção por energia através de modelos que buscam reconhecer um UP e, dessa forma, possam diferenciar sinais provenientes de fontes distintas. 2. Trabalhar com intervalos restritos de medição, de forma que o aproveitamento de oportunidades não seja prejudicado pelo sensoriamento. 3. Buscar as oportunidades de maior duração, que permitem melhor aproveitamento do espectro. 1.3 Organização da Dissertação O restante desta dissertação está organizado da seguinte forma: No capítulo 2, são apresentadas as principais técnicas de sensoriamento de espectro e são comentados alguns importantes trabalhos dentro do contexto desta dissertação.

24 1.3 Organização da Dissertação 22 O capítulo 3 descreve alguns dos modelos mais usados para o reconhecimento de padrões, aplicados com objetivos diversos e empregando ferramentas matemáticas diferentes. O capítulo 4 descreve formalmente o tipo de cenário que será abordado neste trabalho, apresentando um modelo descritivo para o sinal característico de um usuário primário e as soluções propostas dentro do escopo apresentado. No capítulo 5, são apresentados resultados das estratégias de identificação de padrão de comportamento propostas, as quais foram implementadas no simulador ns-3. Por fim, o capítulo 6 encerra a dissertação e discute perspectivas para trabalhos futuros.

25 Sensoriamento de Espectro CAPÍTULO 2 Neste capítulo, é abordado em detalhes o sensoriamento de espectro e as diversas formas como este pode ser realizado. O objetivo é apresentar conceitos relacionados a essa funcionalidade e mostrar como ela se relaciona com os demais componentes de um rádio cognitivo. Inicialmente, o foco é voltado para as técnicas que serão empregadas nos demais capítulos deste trabalho e os motivos pelos quais foram escolhidas, assim como os motivos pelos quais as demais técnicas foram consideradas menos adequadas para o desenvolvimento das soluções propostas. Em seguinda, é feita uma breve apresentação dos principais componentes de um rádio cognitivo de forma que o papel desempenhado pelo sensoriamento de espectro seja bem definido. 2.1 Rádio Cognitivo O rádio cognitivo é definido como um dispositivo que demanda grandes avanços de software e cuja característica de cognitividade e inteligência para lidar com as adversidades e variações do meio é um de seus pilares conceituais. Apesar de ser a característica mais visível deste dispositivo, suas capacidades cognitivas devem ser amparadas com igual importância por uma série de avanços físicos dos componentes de processamento, captação e transmissão de sinais. É importante notar que o dispositivo necessário para se aproveitar das oportunidades de transmissão, pelo paradigma do DSA, deve ser dotado de grande flexibilidade de configuração em intervalos de tempo restritos. Tais requisitos são atendidos pelo Rádio Definido por Software (RDS) ou Software Defined Radio (SDR) [54]. O surgimento do RDS foi a base para o desenvolvimento das primeiras propostas de implementação do paradigma DSA, como é o caso do rádio cognitivo. Historicamente, Joseph Mitola III [52, 53, 55] é reconhecido como o precursor dessa ideia, como forma de se aproveitar das capacidades de reconfiguração do RDS, afim de se atingir uma maior eficiência no aproveitamento das faixas de espectro. A partir das ideias de Mitola, foram definidas duas características principais para o rádio cognitivo [9]:

26 2.1 Rádio Cognitivo 24 Capacidade cognitiva - se refere à capacidade do dispositivo de capturar informações do ambiente em que está inserido, de maneira contínua, e se adaptar às diversas situações. Capacidade de reconfiguração - é a capacidade do dispositivo de ser dinamicamente reprogramado. Dentro do que é reconhecido como capacidade cognitiva são listadas as seguintes funções: Sensoriamento de Espectro - envolve a sintonização de um receptor em um dado canal do espectro, alternando a frequência sintonizada dentro de um conjunto de frequências, captura das informações das transmissões e detecção dos espaços em branco. Análise de Espectro - são identificadas características atribuídas aos espaços em branco encontrados durante o sensoriamento. Decisão de Espectro - de acordo com os requisitos do usuário, concernentes à taxa de transmissão, vazão, jitter, entre outros, é escolhido qual o melhor canal para transmissão ou qual modulação e potência, baseadas nas características identificadas durante a análise de espectro As relações entre essas funcionalidades são ilustradas na figura 2.1. O sensoriamento de espectro costuma ser conduzido a intervalos pré-definidos de tempo, mas também pode ser acionado quando uma mudança de canal é requisitada pelo mecanismo de decisão. Durante sua operação, o sensoriamento de espectro, através das técnicas escolhidas para essa tarefa, faz uma leitura direta do meio e busca determinar se há um UP transmitindo. Os resultados da leitura realizada pelo rádio cognitivo são passados para o mecanismo de análise de espectro, que procura identificar as características do canal abordado pelo sensoriamento. Essas características se referem à duração média dos espaços em branco, à taxa de ocupação do canal pelo UP ou outras que se pretenda analisar, de forma que a partir das mesmas se possa estabelecer estimativas sobre as capacidades de QoS atribuídas ao canal. Por fim, dados os requisitos do usuário e as características estimadas pela análise, o mecanismo de decisão vai definir se o canal em questão ou os parâmetros de transmissão são adequados. Um detalhe importante é que as características reportadas na etapa anterior podem mudar enquanto o RC está usando o canal. Essas mudanças podem ser percebidas pelo mecanismo de decisão através de leituras indiretas do meio, por exemplo, a taxa de perda de pacotes, retransmissão e vazão média. Percebendo uma deterioração da qualidade do canal, o mecanismo de decisão pode requisitar o início de um novo ciclo de sensoriamento.

27 2.1 Rádio Cognitivo 25 Sensoriamento de Espectro Ambiente Decisão de Espectro Leitura Direta Leitura Indireta Análise de Espectro Figura 2.1: Ciclo Cognitivo. O sensoriamento de espectro, em sentido amplo, compreende atividades distintas, como definido anteriormente entre as funções da capacidade cognitiva do RC. A primeira atividade é a sintonização do receptor em um dado canal e a forma como este é analisado. Trabalhos nessa área procuram otimizar o tempo de sensoriamento ótimo em um conjunto de canais [60, 61, 79], a ordem de visita ótima entre um conjunto de canais [65] e o equilíbrio entre qualidade do sensoriamento e vazão da rede [47]. A segunda atividade, que será denominada Identificação de Espaços em Branco (IEB), promove o sensoriamento em sentido estrito e é o foco deste trabalho. O objetivo primário dessa atividade é basicamente a identificação dos espaços em branco, a partir de um fluxo de informações a respeito de cada canal sendo considerado. A definição exata do que constituem as informações integrantes do fluxo podem variar de acordo com a técnica utilizada para o sensoriamento, podendo ser respostas do próprio hardware ou de algum software intermediário entre o hardware e o mecanismo de identificação de espaços em branco. Outro ponto importante dessa atividade é que é fundamental para os mecanismos de IEB que os espaços em branco sejam identificados em tempo real, pois um espaço em branco passado não é aproveitável quando o objetivo é encontrar oportunidades de transmissão. Algumas estratégias de IEB se baseiam simplesmente na resposta do hardware à influência física dos níveis de energia do meio ou de características inerentes de protocolos da camada física utilizados pelas tecnologias de transmissão concessionárias das bandas sob análise. Essas estratégias formam um grupo de mecanismos baseados em Camada Física, e são descritos em mais detalhes na seção 2.2. Outras estratégias, por sua vez, adotam soluções conjuntas, em que o hardware fornece informações físicas sobre o meio, mas a identificação dos espaços em branco se baseia em algoritmos implementados em software nas camadas superiores da pilha de

28 2.2 Camada Física 26 referência OSI [111]. Normalmente, o tratamento das informações e a identificação dos espaços em branco ocorre na camada MAC (Medium Access Control). Essas abordagens são mais comentadas em mais detalhe na seção 2.3. Do ponto de vista de uma rede, o sensoriamento pode ser conduzido tanto individualmente como cooperativamente. Na primeira abordagem, cada nó implementa um pacote de soluções (em Camada Física ou Camada MAC) independente de outros nós, tirando conclusões individuais acerca de sua própria visão do meio. Não há uma coordenação entre os diversos nós da rede acerca dos momentos de sensoriamento e nem há a troca de informações de suas leituras. No caso do sensoriamento em conjunto, denominado sensoriamento cooperativo, são implementados protocolos de coordenação e troca de dados sobre a percepção que cada nó possui do meio. De uma forma geral, ambas as abordagens possuem vantagens e desvantagens e se mostram adequadas para cenários diferentes. O modelo de sensoriamento individual pode ser a melhor opção em cenários nos quais o consumo de energia é uma restrição importante, pois é eliminada a sobrecarga de coordenação. A avaliação individual sofre, porém, de efeitos indesejados, intrínsecos ao meio sem fio, como o problema do nó oculto, o multicaminho e o desvanecimento de sinal [11]. O sensoriamento cooperativo busca tratar esses problemas além de trazer ganhos de vazão e melhor acurácia [73, 102], melhorando a proteção aos UPs. As propostas apresentadas neste trabalho podem ser utilizadas por qualquer um dos modelos discutidos, podendo fazer parte tanto de um mecanismo individual quanto de um cooperativo, com vantagens em ambos os casos, já que a melhoria na acurácia de sensoriamento é benéfica em qualquer cenário. 2.2 Camada Física Dentro do modelo ISO/OSI para constituição de redes de computadores heterogêneas [111], à camada física compete encapsular as particularidades inerentes à mídia de transmissão e fornecer às camadas superiores funcionalidades de transmissão de dados de forma transparente. O avanço da eletrônica e das tecnologias de transmissão de dados tornou possível a materialização do conceito de um rádio cognitivo, através de equipamentos com alta flexibilidade de configuração e poder de processamento. Dada a importância que esses avanços tiveram para o RC, uma breve descrição das tecnologias e da arquitetura física de um RC será discutida na seção Em seguida, na seção 2.2.2, serão apresentados os mecanismos de sensoriamento que operam na camada física.

29 2.2 Camada Física Arquitetura Física A transmissão de dados sem fio enfrenta uma série de adversidades impostas pelo meio. O rádio cognitivo, por suas peculiaridades, traz ainda diversas dificuldades adicionais. Todas essas particularidades refletem na arquitetura do hardware necessário para atender os requisitos dos usuários e da própria tecnologia (como por exemplo a proteção dos UPs, no caso do RC). Diferentes usuários primários trabalham em níveis de sensibilidade próprios, altamente variáveis, fazendo com que o rádio cognitivo deva captar sinais dentro de uma amplitude de dezenas de dbs, em uma ampla faixa de frequências, utilizando taxas de símbolos variáveis e com altas frequências. Adicionalmente, os componentes eletrônicos responsáveis pela sintonização de canal devem ser capazes de trabalhar sob condições de intensa interferência e, para proteção dos UPs, devem ser capazes de ajustar os parâmetros de sintonização rapidamente. A figura 2.2 ilustra uma organização genérica dos componentes integrantes de um rádio cognitivo e como se relacionam [19]. Alguns dos componentes que merecem destaque na arquitetura são a antena banda larga e os filtros e amplificadores adaptativos. Dada a larga faixa de frequências utilizáveis, a antena é capaz de captar sinais de vasta faixa de frequências simultaneamente, o que torna necessário o uso de filtros e amplificadores capazes de sintonizar faixas estreitas do espectro dentro dessa gama de recepção, de forma seletiva e dinâmica. Os requisitos apresentados impõem severas dificuldades de operação e exigem capacidades de difícil implementação pela interface de transmissão/recepção (RF frontend) do rádio cognitivo. A amplitude do sinal captado pela antena, partindo de transmissores operando a diferentes níveis de energia, com diferentes larguras de banda pode implicar em um conversor Analógico/Digital de velocidade multi-ghz e alta resolução, o que pode ter custo proibitivo [18, 19]. Como uma consequência, pode ser adotada uma arquitetura onde os sinais captados têm sua variabilidade reduzida, através de um notch ajustável [19]. O uso desse componente pode filtrar sinais de alta intensidade, facilmente detectáveis e focar naqueles mais fracos. Os modelos de IEB propostos neste trabalho, como já mencionado, se concentram nos sinais de alta intensidade quando comparados ao ruído (alto SNR) ou a sinais de outros transmissores na vizinhança. Ao se concentrar nesse tipo de sinal, os modelos propostos poderiam aliviar os requisitos do hardware ou facilitar sua operação, dado que a necessidade de percepção de sinais fracos ainda persistiria, mas não seria necessária em todas as ocasiões. O cenário tratado neste trabalho foi descrito como um caso que pode ser comum no futuro, no qual o sinal proveniente de usuários primários é facilmente percebido e a competição entre esses e os usuários legados é um desafio. Nesse caso, haveria o predomínio de sinais de alta intensidade, fazendo com que o tratamento de sinais

30 2.2 Camada Física 28 fracos seja necessário apenas em situações específicas de obstrução ou desvanecimento. Adicionalmente, com a filtragem dos sinais por intensidade, o hardware poderia se concentrar em sinais de baixa intensidade, passando os de maior intensidade diretamente aos modelos aqui propostos. Antena banda larga Filtro RF Notch ajustável LNA A/D LO de banda larga ajustável Figura 2.2: Arquitetura básica de um Rádio Cognitivo Técnicas de Camada Física Todos os dispositivos de transmissão sem fio realizam alguma forma de leitura do meio em que se encontram, seja para simplesmente detectar a presença de energia eletromagnética e disparar o circuito receptor ou mesmo para conseguir realizar alguma forma de distinção entre tipos de sinais percebidos. Essas formas de leitura são realizadas por hardware específico, seja um circuito físico ou uma microarquitetura, e a forma como é feita a leitura depende de qual tipo de hardware está presente. A forma mais elementar de leitura do meio é precisamente a medição do nível de energia eletromagnética percebida em um dado momento, na posição geográfica onde se encontra o aparelho medidor. Essa técnica, aqui referida como Detector de Energia (DE), é um circuito simples que consegue retornar um valor sobre o nível de energia percebido, em intervalos de leitura parametrizáveis, que podem ser tão curtos quanto a ordem de microsegundos. Existem também mecanismos mais sofisticados, que normalmente são focadas em objetivos bem definidos e tendem a ser otimizadas para as tarefas às quais foram concebidos. Nesse contexto, existem técnicas que são especialmente desenvolvidas para identificação de um sinal de TV, ou de rádio FM, telefones celulares GSM entre outras. Como uma consequência, dispositivos criados especialmente para identificar transmissões de uma dada tecnologia costumam apresentar baixas taxas de erros de detecção e falso alarme. As técnicas mais utilizadas, que se enquadram nessa categoria, são o Reconhecimento de Assinatura, através da técnica de filtro casado e o Reconhecimento Cicloestacionário, que utiliza aspectos cicloestacionários.

31 2.2 Camada Física 29 Por trabalharem na camada física, essas técnicas possuem forte dependência com a faixa de frequência que estão tratando e os fenômenos correspondentes, a forma de transmissão (modulação) e com o hardware receptor. A seguir será feita uma breve análise sobre cada uma dessas três técnicas, com destaque para o Detector de Energia, que é usado como base para as propostas do capítulo 4. Reconhecimento de Assinatura A técnica de reconhecimento de assinatura se baseia em identificar características próprias de uma tecnologia na onda eletromagnética captada. Em outras palavras, essa técnica precisa conhecer, a priori, a forma da onda, a modulação, o nível de energia e a frequência dos sinais piloto, se existirem. Como esses parâmetros são intrínsecos a cada tecnologia, é necessário implementar um mecanismo de reconhecimento para cada uma que se deseja identificar [19]. Atualmente não é factível implementar tantos mecanismos diferentes em um nó rádio cognitivo, o que limita o escopo de utilização dessa técnica. O reconhecimento de assinatura é um dos métodos de maior acurácia na identificação de um transmissor em particular, apresentando baixíssimas margens de erro, que podem ser parametrizadas através do número de amostras analisadas [87]. Apesar de ser uma poderosa ferramenta para identificação de sinais, o tempo de detecção pode ser muito alto, considerando que é necessária a demodulação do sinal sob análise, o que envolve a sincronização do sinal e da portadora. Detector por Energia Dentre as técnicas apresentadas, o detector por energia é o mais simples mecanismo de leitura do meio. Ao contrário do Reconhecimento de Assinatura, não requer conhecimento prévio dos detalhes do sinal enviado por um determinado transmissor e pode ser usado para detectar sinais de forma genérica, baseado em seu nível de energia. Uma distinção é feita em [90] com relação a um mecanismo detector de potência e detector de energia. O primeiro, ao contrário do que se disse anteriormente, usa alguma informação sobre o transmissor através de uma estimativa da potência do sinal no receptor, enquanto o último se basearia apenas na média de energia percebida durante a leitura do meio. Embora seja feita essa distinção, essencialmente, ambos são o mesmo dispositivo, diferindo apenas no limiar comparativo utilizado para a identificação de um sinal. A figura 2.3 traz uma possível arquitetura de um mecanismo detector por energia (ou detector de potência):

32 2.2 Camada Física 30 Limiar comparativo A/D FFT - N pontos Média em T Detector de Energia Figura 2.3: Esquemático de Detector de Energia. Essa arquitetura usa uma implementação para FFT (Fast Fourrier Transform), parametrizável em tamanho N (número de pontos de amostra), com média tomada sobre o intervalo de tempo T. O valor da média é simplesmente comparado a um limiar, definindo a presença de sinal se a leitura for superior ao limiar e considerando apenas ruído caso abaixo. Aumentar o valor de N traz benefícios para a identificação de um sinal em banda estreita, em contrapartida aumenta o tempo de processamento. O tempo T tem relação com a acurácia da leitura, que, por sua vez, tem relação com a probabilidade de detecção de sinal. Quanto maior o valor de T melhor a relação SNR resultante da leitura, em contrapartida, maior atraso na resposta do detector [19]. Apesar de ser fundamentalmente simples, o detector de energia sofre sérios problemas quando o objetivo é identificar sinais específicos. Sua capacidade de reconhecimento se limita a níveis de energia no meio, não diferenciando ruído de interferência ou de um sinal produzido por um transmissor. Adicionalmente, sinais provenientes de um UP devem ser tratados de maneira diferente dos provenientes de USs ou de interferência, mas, para isso, é necessário um mecanismo que possa distinguí-los. O detector de energia não busca informações características das ondas eletromagnéticas percebidas, mas pode fornecer dados importantes para se encontrar um padrão de transmissão oculto no sinal. Na seção 4.2, é exposto um mecanismo de sensoriamento que, a partir dos resultados emitidos pelo detector de energia, busca uma determinada fonte de transmissão com base em um padrão conhecido a priori. Reconhecimento Cicloestacionário A técnica de detecção cicloestacionária pode ser entendida como um método intermediário entre o Reconhecimento de Assinatura e o Detector de Energia. O primeiro busca por um sinal característico de uma determinada tecnologia transmissora, enquanto o último apenas busca identificar energia no meio. A detecção cicloestacionária, apesar de não focar um determinado transmissor, busca identificar algumas características comuns a sinais modulados, independentemente do transmissor. Com esta abordagem, a técnica possui maior acurácia na diferenciação entre um sinal e o ruído, mas não diferencia entre duas fontes transmissoras.

33 2.3 Camada MAC 31 Sinais modulados normalmente possuem portadoras, ondas em forma de pulsos, sequências de saltos em frequências, entre outras características, com periodicidade intrínseca a cada fenômeno. A propriedade cicloestacionária do sinal vem da periodicidade de seus parâmetros estatísticos: média e autocorrelação. Através de uma função de correlação espectral, a periodicidade característica dos sinais modulados pode ser identificada em meio a distúrbios, já que ruídos estacionários aleatórios e interferência não possuem correlação espectral [19, 22]. Além disso, diferentes tipos de modulação (BPSK, QPSK, SQPSK) podem ser diferenciados no meio. Apesar de poder diferenciar tipos de modulações diferentes, a técnica não contribui para a distinção entre UP e US, pois as tecnologias modernas utilizam técnicas de modulação em comum umas com as outras. A técnica cicloestacionária, como no reconhecimento de assinatura, possui também a desvantagem de possuir alta complexidade computacional e, normalmente, demandar um longo período de observação [9]. 2.3 Camada MAC A camada MAC é na verdade uma subcamada dentro da camada de enlace, pela definição da pilha de protocolos ISO/OSI [111]. O desenvolvimento de mecanismos de sensoriamento nesse nível é justificado pelas tarefas normalmente desempenhadas no mesmo. Tradicionalmente, é na camada MAC que são implementados protocolos que controlam como o dispositivo acessa o meio de transmissão, evitando uma série de efeitos indesejados, sobretudo colisões. O RC, embora também deva tratar os problemas tradicionais encontrados por outras tecnologias sem fio, deve abordar casos particulares ao seu propósito. Em dispositivos convencionais de redes CSMA (collision sense multiple access), a camada MAC costuma efetuar a leitura de portadora antes de qualquer transmissão, através da observação do nível de energia no meio. A presença de sinal acima de um limiar, para as implementações tradicionais, impede a transmissão por parte do dispositivo. Para o RC, a simples verificação do nível de energia no meio é uma informação incompleta, pois diferentes ações devem ser tomadas de acordo com a origem da transmissão: de UPs ou USs. No evento de uma colisão, um US pode retransmitir o pacote caso este tenha ocorrido com outro US, mas deve cessar suas tentativas se o evento ocorreu com um UP. Como já mencionado, o foco das propostas apresentadas neste trabalho é na funcionalidade de Identificação de Espaços em Branco, uma das funções atribuídas ao sensoriamento de espectro em sentido amplo. A rigor, como já mencionado, o mecanismo de IEB pode ser puramente físico ou pode trabalhar em conjunto com a camada física. As demais funções consideradas parte do sensoriamento são, todavia, exercidas exclusivamente na camada MAC.