23331

طراحي و پياده سازي سامانه حسگري فشرده

دكتري

مهندسي برق-الكترونيك ديجيتال

92

99/12/6

كريم محمدي

برق

حسگري فشرده اخيراً شاهد توجه زيادي در زمينه تقاضاي بالا براي الگوريتم‌هاي پردازش سيگنال سريع، كارآمد و ارزان در كاربردهاي مختلف بوده است. يكي از كاربردهاي به‌روز و مطرح در حسگري فشرده طيف‌سنجي در شبكه‌هاي راديو شناختي (CR) است. يكي از وظايف كليدي در راديو شناختي تشخيص باندهاي فركانسي آزاد در طيف راديويي است. معمولاً به‌منظور طيف‌سنجي در سيگنال‌هاي پهن باند از ADC هاي با سرعت‌بالا و توان مصرفي بسيار بالا استفاده مي‌شود. در بسياري از كاربردها طيف فركانس به‌صورت تنك توسط كاربران مختلف اشغال شده است. به‌عبارت‌ديگر تعداد باندهاي فركانسي فعال كمي در هر زمان موجود است. اين ويژگي طيف فركانس در كاربرد CR، طراح را قادر مي‌سازد تا با استفاده از روش‌هاي زير نمونه‌برداري، سيستمي طراحي كند كه منجر به كاهش هزينه و توان مصرفي و افزايش سرعت پردازش شود. در اين رساله يك الگوريتم (CR4S) بر مبناي حسگري فشرده ارائه شده است كه با استفاده از برخي ويژگي‌هاي طيف و سيگنال راديويي، با حداقل محاسبات به تشخيص باندهاي فركانسي آزاد مي‌پردازد. الگوريتم CR4S به‌منظور بهبود طيف‌سنجي در CR از روش‌هايي مانند تبديل فوريه تنك، پردازش سيگنال‌ها با مقدار-واقعي و طيف‌سنجي مشاركتي بهره مي‌برد. مقايسه با الگوريتم‌هاي ديگر نشان مي‌دهد كه در SNR هاي مختلف عملكرد الگوريتم طراحي‌شده (CR4S) بسيار مطلوب است. به‌عنوان مثال در SNR برابر با 0 dB كارآيي تشخيص بهتر از 95 درصد است. در اين رساله براي پياده‌سازي الگوريتم CR4S روي FPGA، يك معماري با حداقل به‌كارگيري منابع و گذردهي حداكثري ارائه شده است. تحليل كارآيي تشخيص و نتايج پياده‌سازي روي FPGA ارائه‌شده در اين تحقيق نشان مي‌دهد كه الگوريتم و معماري طراحي‌شده جهت پياده‌سازي در شبكه‌هاي CR، بهينه و مناسب است و نسبت به الگوريتم‌هاي پيشين كه مبتني بر روش‌هاي زيرنمونه‌برداري بودند, عملكرد بهتري دارد. نتايج سنتز و تحليل زماني نشان مي‌دهد گذردهي الگوريتم CR4S حدوداً 5/2 برابر الگوريتم CWSS و حدود 7/7 الگوريتم SPFFT مي‌باشد. علاوه‌براين زمان موردنياز براي پردازش الگوريتم CR4S حدود 75% الگوريتم CWSS و 11% الگوريتم SPFFT است كه نشان‌دهنده سرعت بالاي الگوريتم مذكور است. علاوه‌براين پارامترهاي مربوط به به‌كارگيري منابع سخت‌افزاري در الگوريتم CR4S كمتر از الگوريتم‌هاي ديگر است كه به معناي استفاده كمتر از منابع سخت‌افزاري FPGA نسبت به الگوريتم‌هاي CWSS، SPFFT، LDAC و DACS مي‌باشد. با توجه به معيار شايستگي تعريف‌شده مبتني بر بكار گيري منابع سخت‌افزاري و گذردهي، معماري CR4S در مقايسه با الگوريتم‌هاي CWSS، SPFFT، LDAC به ترتيب به ميزان 3، 55، 5/1 برابر بهبود در FoM را نشان مي‌دهد. مطابق نتايج ارائه‌شده در استفاده از الگوريتم CR4S بايد به دو محدوديت عملياتي اشاره كرد.1- عملكرد الگوريتم مانند ساير الگوريتم‌هاي بررسي‌شده براي SNR هاي كمتر از 0 dB افت مي‌كند.2- كارآيي تشخيص مثبت صحيح با افزايش مؤلفه‌هاي غير صفر كاهش مي‌يابد.

1400/01/22

Design and implementation of compressive sensing

2/24/2021 12:00:00 AM

Compressive sensing (CS) is a novel sampling paradigm that samples signals in a much more efficient way than the established Nyquist Sampling Theorem. CS has recently gained a lot of attention due to its exploitation of signal sparsity. Sparsity, an inherent characteristic of many natural signals, enables the signal to be stored in few samples and subsequently be recovered accurately, courtesy of compressive sensing. One of the most important applications of compressive sensing is spectrumsensing in radiological networks. One of the key functions of the cognitive radio (CR) is to detect free bandwidths in a radio frequency (RF) spectrum. High-speed and energy-inefficient analog-to-digital converters (ADCs) are generally employed for spectrum sensing in sideband signals. The high-rate ADCs provide a large volume of raw data for digital signal processing blocks, resulting in complex and energy-inefficient circuits and hardware resources in digital blocks. In many applications, the frequency spectrum is sparsely occupied by different users. In other words, only a few active frequency bands exist at the same time. This feature enables the CR application to employ sub-sampling approaches in order to design a system with a significant reduction in cost and power consumption and improvement processing speed. This thesis presents a novel real-valued sparse spread spectrum sensing algorithm (CR4S) based on a sub-sampling solution, which uses the sparsity of the frequency spectrum and the real-valued properties of the RF signal to detect free bandwidths with minimum computations. The CR4S algorithm utilizes techniques such as sparse fast Fourier transform (SFFT), real-valued FFT (RFFT), and collaborative spectrum sensing to improve spectrum sensing in the CR. The analysis and simulation of the proposed algorithm confirms its achieving above 95% detection performance. Furthermore, a high-throughput architecture with minimum resource utilization is suggested to implement the CR4S algorithm in the field programmable gate array (FPGA). According to result, the throughput for the proposed algorithm is approximately 41% of the CWSS and 13% of the BigBand algorithm. This significant drop in throughput implies that in identical situation, the CR4S algorithm is capable of performing the calculations in much less computing cycles. In addition, the Processing time for the CR4S algorithm is approximately 75% of the CWSS and 11% of the BigBand algorithm, which indicates the higher speed of the proposed algorithm. Furthermore, the number of Dedicated logic registers, Combinational ALUTs, and Total block memory bit parameters in the CR4S is considerably less than the other two algorithms, which indicates a significant drop in the use of the FPGA hardware resources. The capabilities of the CR4S algorithm in performance enhancement and low hardware resource utilization is an emerging approach, which would be fascinating in portable cognitive radio devices.

حسگري فشرده , زيرنمونه‌برداري , تبديل فوريه تنك , شبكه راديوشناختي , طيف‌سنجي پهن‌باند

Collaborative spectrum sensing , Cognitive radio , Sparse Fast Fourier Transform , Real-valued FFT , Wideband spectrum sensing , sub-sampling