Sensoriamento Espectral de Canais com Acesso Múltiplo Não-Ortogonal no Domínio da Potência Utilizando Análise de Características Cicloestacionárias
Acesso Múltiplo Não-Ortogonal, Rádio Cognitivo, Sensoriamento Espectral, Análise Cicloestacionária, HDFT, Transformada Esparsa de Fourier.
A quinta geração de tecnologias móveis (5G) estabelece padrões que tentam antecipar e atender às expectativas de demanda por comunicações móveis para a década de 2020. Requisitos do 5G, como as altas taxas de transmissão, baixa latência e grande número de dispositivos conectados simultaneamente, buscam ser superados por novas tecnologias de acesso múltiplo que otimizam o uso tanto do espectro já disponível quanto de novas bandas que ainda venham a ser exploradas. Duas dessas tecnologias de acesso múltiplo, o Rádio Cognitivo (CR) e o Acesso Múltiplo Não-Ortogonal (NOMA), têm ganhado individualmente especial atenção pela academia e indústria. No NOMA no domínio de potência (PD-NOMA), diversos equipamentos usuários (UE) com níveis de potências pré-determinados ocupam o mesmo espectro ao mesmo tempo. Nesse contexto, técnicas baseadas em análise cicloestacionária podem indicar não apenas a ocupação do espectro quanto extrair características dos sinais modulados (assinaturas cicloestacionárias) com o objetivo de distinguir suas modulações. O sensoriamento espectral pode ser feito utilizando-se análise cicloestacionária de segunda ordem, por meio das Funções de Autocorrelação Cíclica (CAF) e Densidade Espectral Cíclica (SCD), ambas dependentes do cálculo de Transformadas de Fourier e apresentando elevado custo computacional. Este trabalho propõe uma arquitetura para extração de assinaturas cicloestacionárias de sinais PD-NOMA. Os sinais PD-NOMA são provenientes do processo de uplink de UE que utilizam modulações QPSK, 16QAM e 64QAM de acordo com níveis de potência pré-determinados. Pretende-se investigar o uso de FFT, HDFT (Hopping Discrete Fourier Transform) e Transformada Esparsa de Fourier com o objetivo de reduzir a complexidade computacional do cálculo das funções CAF e SCD. Além disso, pretende-se investigar uma extensão dessa arquitetura através do uso de análise cicloestacionária de ordem superior com o objetivo de distinguir os usuários do sistema a partir da identificação de suas modulações. Essa arquitetura utilizará redes neurais na etapa de classificação e será avaliada em canais com ruído aditivo gaussiano branco (AWGN).