Estimação Espectral para Rádio Cognitivo pelo
Método Multitaper
Gabriel Teófilo Neves Guimarães1 , Fabrício Braga Soares de Carvalho2
Departamento de Engenharia Elétrica
Universidade Federal da Paraíba
João Pessoa, Brasil
Resumo—Sensoreamento espectral é uma tarefa fundamental
no desenvolvimento de um sistema de rádio cognitivo, sendo o
desafio mais importante na implementação de uma solução para
o problema de eficiência do espectro. Para isso é necessária uma
estimação espectral que detecte lacunas (i.e., faixas de frequência
do espectro de rádio subutilizadas), tenha alta resolução em
frequência e estime a potência média de radiação nessas faixas.
Este artigo revisa o método de estimação não paramétrica
multitaper (MTM) que tem como mérito executar as tarefas
mencionadas. O MTM pode ser expandido para uso em análise
espaço-temporal da frequência (como o espectro se altera ao
longo do tempo e do espaço), mais extensa e complexa.
Index Terms—Sensoreamento Espectral; Rádio Cognitivo; Mé-
todo Multitaper; Estimação Não-Paramétrica;
I. I NTRODUÇÃO
O espectro eletromagnético é um recurso finito que está
cada vez mais escasso. Além disso, a alocação espectral é
ineficiente [1], existindo espaço para a melhoria da eficiência
de seu uso. O Rádio Cognitivo é um paradigma novo em
comunicações sem fio e tem o potencial de se tornar a solução
para o problema de subutilização do espectro [2].
Um sistema de rádio cognitivo escaneia continuamente o
espectro à procura de frequências livres (lacunas), atribuídas
a um usuário primário mas que não estão ocupadas em
um instante de tempo ou localização específica, e por isso
podem ser acessadas oportunisticamente. Técnicas de detecção
de lacunas espectrais estão distribuídas em três categorias
principais [3].
A detecção de energia consiste na estimação de um sinal
desconhecido por de um periodograma. Periodogramas são o
método clássico de estimar a densidade espectral de potência
(DEP) de um sinal aleatório e a base de métodos com
janelamento como o de Welch, Bartlett e o Multitaper, descrito
nesse artigo [4]. No entanto o uso de periodogramas sem
janelamento não é adequado para uso em rádio cognitivo
devido ao compromisso entre polarização e variância [5]. Além
disso devido ao efeito de atenuação no canal, a detecção por
energia pode não ser capaz de detectar um usuário de rádio
primário, levando a uma interferência indesejada caso o rádio
comece a transmitir em uma banda já ocupada.
Outro método de detecção é por filtro casado ou cicloes-
tacionariedade. O primeiro pode ser usado para maximizar a
1 gabriel.guimaraes@outlook.com
2 fabricio@cear.ufpb.br
probabilidade de detecção quando a sinalização do usuário
primário é conhecida, e o segundo toma vantagem da ciclo-
estacionariedade que ocorre naturalmente em sinais digitais
modulados digitalmente [6]. Desta maneira, diferencia-se a
energia do sinal e do ruído por correlação.
Os métodos de detecção por energia ou cicloestacionaridade
têm seu uso restrito a espaços brancos (bandas ocupadas
somente por ruído branco). Para uma melhor detecção em
espaços brancos e em espaços cinzas (bandas que contêm
interferência de canais além do ruído), é necessária a utilização
de alguma técnica de estimação de espectro não-paramétrica
[5]. De fato, Haykin argumenta que a maioria das lacunas
espectrais disponíveis em redes de TV digital ATSC-DTV
(Advanced Television System Committee, padrão americano de
TV Digital) e redes de telefonia celular são espaços cinzas [5].
A partir disso é possível enunciar características desejáveis
para um estimador de espectro, sendo elas:
1) Detecção de lacunas espectrais e sua classificação con-
fiável em espaços brancos ou cinzas, requerendo uma
estimação precisa da DEP;
2) Alta resolução em frequência de lacunas espectrais, ne-
cessária para a utilização eficiente da lacuna;
3) Estimação da Direção de Incidência (DOA) da interfe-
rência;
4) Análise de Tempo-Frequência, usada para estudar a ci-
cloestacionariedade do sinal.
O método multitaper (MTM) para estimação do espectro é
uma opção para estimação de DEP em radio cognitvo. [2], [5]
pois não possui a relação de compromisso entre polarização
(erro sistemático) e variância como outros métodos. fator
essencial para o uso em um sistema de rádio cognitivo é que
o MTM proporciona uma baixa complexidade computacional,
o que torna possível a estimação de espectro em tempo real.
II. O MÉTODO multitaper PARA SENSOREAMENTO
ESPECTRAL
O problema de estimação de espectro de uma série tem-
poral é abordado sempre levando-se em conta o dilema entre
polarização e variância. Esse dilema surge do fato de que a
polarização de uma estimativa, que é resultado do efeito de
vazamento espectral, é reduzido pelo janelamento (tapering)
da série. O custo disso é um aumento da variância, dado que
o tamanho efetivo da amostra é reduzido. Por isso, é possivel
encontrar resistências à idéia de usar janelamento para reduzir
a polarização [8].
Esse problema foi solucionado por David Thompson. O
método, conhecido como multitaper, tem como ideia central
usar múltiplas janelas ortonormais [9]. Especificamente, a série
temporal é dividida em intervalos e cada parte é expandida
linearmente em uma banda que vai de f − W a f + W
(centrada em f ), fazendo o janelamento com um tipo especial
de sequência chamadas de Sequências de Slepian (também
conhecidas como discrete prolate spheroidal wave functions
[10], ou funções de ondas esféricas espalhadas e discretas),
que têm como propriedade o fato de suas transformadas de
Fourier possuírem máxima concentração de energia na banda
2W centrada em f mesmo com uma quantidade finita de
amostras.
Dessa forma, é possível trocar o dilema entre polarização e
variância por um entre polarização e resolução em frequência,
o que resolve o problema da variância. O método multitaper,
então, pode produzir uma estimação mais precisa da densidade
espectral de potência do que todos os outros estimadores [5].
Outra vantagem é que a resolução do estimador, definida como
2W , pode ser facilmente modificada alterando-se a sequência
Slepian usada, e este também possui uma relação facilmente
quantificavel entre resolução e polarização.
A. Desenvolvimento Matemático da estimação espectral Mul-
titaper
N −1
Seja t um tempo discreto. Seja a série temporal {x(t)}t=0
uma representação do sinal em radiofrequência centrado em 0
Hz (sinal demodulado). O MTM gera os seguintes parâmetros
através dessa série temporal [9]:
• Uma sequência de k tapers Slepian ortonormais denota-
(k) −1
das por {vt }N t=0
• O conjunto correspondente de transformadas de Fourier:
N −1
(k)
X
Xk (f ) = x(t)vt exp(−j2πf t) (1)
t=0
Onde k = 0, 1, ..., N − 1. A energia do autoespectro, defi-
nida por |Xk (f )|2 para k variando está quase completamente
concentrada dentro da resolução 2W , pela propriedade da
sequência.
O produto entre o número de amostras e a resolução em
frequência
C0 = N W (2)
delimita o numero de janelas da seguinte forma:
K ≤ b2N W c (3)
K define o grau de liberdade, que permite controlar a vari-
ância do estimador. A escolha dos parâmetros C0 e K define
a relação de compromisso entre bias, resolução e variância. A
energia total dos lóbulos laterais é definida assintoticamente
como: [9]
p [11] D. Percival and A. Walden, Spectral Analysis for Physical Applications.
1 − λ0 ≈ 4π C0 exp(−2πC0 ) (4)
Onde λ0 (N, W ) é o maior autovalor associado à sequên-
cia de autoespectros. A energia dos lóbulos laterais (e por
consequência o bias) decresce rapidamente com C0 . Uma
estimativa baseada nos primeiros autoespectros que exibem
o mínimo vazamento de frequência é dada por: [9] [11]
PK−1
λk |Xk (f )|2
Ŝ(f ) = k=0PK−1 (5)
k=0 λk
Xk (f ) é a transformada de Fourier definida em (1) e
λk é o autovalor associado com o k-ésimo autoespectro. A
estimativa em (5) é interessante, pois ela compensa o bias: à
medida que a quantidade de tapers é aumentada, o valor dos
autovalores decresce fazendo com que o espectro seja mais
contaminado por vazamentos dos lóbulos laterais (Expressão
(4)). A compensação é feita no denominador, que reduz o
peso dos espectros com maior vazamento. Existem formas de
compensar manualmente o bias introduzido pela utilização de
mais janelas; esses métodos definem pesos adaptativos para
cada autoespectro de forma a diminuir os de alta ordem [5].
III. C ONCLUSÃO
Nesse artigo foi apresentada uma revisão bibliográfica que
motiva o uso da estimação não-paramétrica de espectro em de-
tecção de lacunas espectrais e, mais especificamente, o método
multitaper. Foi apresentada a formulação de um estimador de
espectro pelo método multitaper usada por Haykin e Thomp-
son. A estimação do espectro é a tarefa mais fundamental do
rádio cognitivo, sobre o qual todas as outras são desenvolvidas.
A partir do estimador aqui detalhado, podem ser feitas outras
análises (análise espaço-temporal da frequência e análise de
componente principal) que não são descritas nesse artigo,
mas que conjuntamente constituem a primeira etapa do rádio
cognitivo, quando este se torna completamente consciente do
ambiente em que se encontra inserido.
R EFERÊNCIAS
[1] FCC, "Spectrum policy task force", Tech. Rep., Nov. 2002.
[2] S. Haykin "Cognitive radio: Brain-empowered wireless communications",
IEEE J. Sel. Areas Commun., vol. 23, pp.201 -220 2005
[3] I. F. Akyildiz, W.-Y. Lee, M. C. Vuran, and S. Mohantly, “Next Ge-
neration/dynamic spectrum access /cognitive radiowireless network: A
survey,” Elsevier Computer Networks, vol. 50, pp. 2127-2159, Septemper
2006.
[4] Schuster, A., "On the investigation of hidden periodicities with application
to a supposed 26 day period of meteorological phenomena,"Terrestrial
Magnetism, 3, 13-41, 1898.
[5] Haykin, Simon ; Thomson, D.J. ; Reed, J.H., Spectrum Sensing for Cog-
nitive Radio. Proceedings of the IEEE Volume: 97 , Issue: 5 Publication
Year: 2009 , Page(s): 849- 877
[6] R. Tandra and A. Sahai, B SNR walls for signal detection, IEEE J. Sel.
Topics Signal Process. , vol. 2, pp. 4–17, Feb. 2008.
[7] D.B.Pewival and A.T.Walden, Spectral Analysis for Physical Applicati-
ons. Cambridge University Press, 1993.
[8] J. P. Burg, B Maximum entropy spectral analysis, Ph.D. dissertation,
Stanford Univ., 1975.
[9] D. J. Thomson, B Spectrum estimation and harmonic analysis,[ Proc.
IEEE, vol. 70, pp. 1055–1096, Sep. 1982.
[10] D. Slepian, B Prolate spheroidal wave functions, fourier analysis, and
uncertainty v: The discrete case,[ Bell Syst. Tech. J. , vol. 57, pp.
1371–1429, Apr. 1989.
Cambridge, U.K.: Cambridge Univ. Press, 1993.