Eigenvalue Based Detector in Finite and Asymptotic Multi-antenna Cognitive Radio Systems

par Hussein Kobeissi

Thèse de doctorat en Télécommunications (STIC)

Sous la direction de Yves Louët.

Le président du jury était Abed Ellatif Samhat.

Le jury était composé de Oussama Bazzi, Inbar Fijalkow, Maher Jridi, Chafic Mokbel, Amor Nafkha, Youssef Nasser.


  • Résumé

    La thèse aborde le problème de la détection d’un signal dans une bande de fréquences donnée sans aucune connaissance à priori sur la source (détection aveugle) dans le contexte de la radio intelligente. Le détecteur proposé dans la thèse est basé sur l’estimation des valeurs propres de la matrice de corrélation du signal reçu. A partir de ces valeurs propres, plusieurs critères ont été développés théoriquement (Standard Condition Number, Scaled Largest Eigenvalue, Largest Eigenvalue) en prenant pour hypothèse majeure un nombre fini d’éléments, contrairement aux hypothèses courantes de la théorie des matrices aléatoires qui considère un comportement asymptotique de ces critères. Les paramètres clés des détecteurs ont été formulés mathématiquement (probabilité de fausse alarme, densité de probabilité) et une correspondance avec la densité GEV a été explicitée. Enfin, ce travail a été étendu au cas multi-antennes (MIMO) pour les détecteurs SLE et SCN.

  • Titre traduit

    Détecteurs de bandes libres utilisant les valeurs propres pour la radio intelligente multi-antennes : comportement asymptotique et non-asymptotique


  • Résumé

    In Cognitive Radio, Spectrum Sensing (SS) is the task of obtaining awareness about the spectrum usage. Mainly it concerns two scenarios of detection: (i) detecting the absence of the Primary User (PU) in a licensed spectrum in order to use it and (ii) detecting the presence of the PU to avoid interference. Several SS techniques were proposed in the literature. Among these, Eigenvalue Based Detector (EBD) has been proposed as a precious totally-blind detector that exploits the spacial diversity, overcome noise uncertainty challenges and performs adequately even in low SNR conditions. The first part of this study concerns the Standard Condition Number (SCN) detector and the Scaled Largest Eigenvalue (SLE) detector. We derived exact expressions for the Probability Density Function (PDF) and the Cumulative Distribution Function (CDF) of the SCN using results from finite Random Matrix Theory; In addition, we derived exact expressions for the moments of the SCN and we proposed a new approximation based on the Generalized Extreme Value (GEV) distribution. Moreover, using results from the asymptotic RMT we further provided a simple forms for the central moments of the SCN and we end up with a simple and accurate expression for the CDF, PDF, Probability of False-Alarm, Probability of Detection, of Miss-Detection and the decision threshold that could be computed and hence provide a dynamic SCN detector that could dynamically change the threshold value depending on target performance and environmental conditions. The second part of this study concerns the massive MIMO technology and how to exploit the large number of antennas for SS and CRs. Two antenna exploitation scenarios are studied: (i) Full antenna exploitation and (ii) Partial antenna exploitation in which we have two options: (i) Fixed use or (ii) Dynamic use of the antennas. We considered the Largest Eigenvalue (LE) detector if noise power is perfectly known and the SCN and SLE detectors when noise uncertainty exists.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : CentraleSupélec. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.