Eigenvalue 기반 검출 성능 이론 분석
본 논문은 랜덤 매트릭스 이론(RMT)을 활용해 Eigenvalue 기반 스펙트럼 센싱(EBD)의 오류 확률을 정확히 분석한다. 기존 연구가 허위 경보 확률만 다루던 것에 반해, 스파이크드(population) 모델을 이용해 놓친 검출 확률도 도출하고, 다중 신호 상황과 신호 식별 가능 조건까지 포괄한다.
저자: Federico Penna, Roberto Garello
1. 서론
인지 라디오에서 2차 수신기가 1차 사용자의 존재 여부를 판단하기 위해 에너지 검출(ED) 대신 고유값 기반 검출(EBD)을 사용하면 노이즈 전력 불확실성에 강인하다는 장점이 있다. 그러나 기존 연구는 허위 경보 확률(P_fa)만 근사적으로 다루었고, 놓친 검출 확률(P_md)이나 다중 신호 상황에 대한 정확한 이론이 부족했다. 본 논문은 이러한 공백을 메우기 위해 랜덤 매트릭스 이론(RMT)과 스파이크드(population) 모델을 결합해 완전한 확률론적 프레임워크를 제시한다.
2. 시스템 모델
K개의 협업 수신기(또는 안테나)가 N개의 샘플을 수집한다. 신호가 없을 때(y|H₀) y=v, v는 복소 가우시안 잡음이며 공분산은 σ_v² I_K. 신호가 있을 때(y|H₁) y=Hs+v, 여기서 H∈ℂ^{K×P}는 채널 행렬, s∈ℂ^{P×1}는 P개의 독립 신호, Σ=diag(σ₁²,…,σ_P²)는 신호 전력 행렬이다. SNR은 ρ=tr(HΣH^H)/Kσ_v² 로 정의한다. P
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기