Tradicionalmente el sensado de espectro se realiza detectando la presencia de se ˜nal canal por canal, lo cual implica alta complejidad, alta latencia y bajas tasas de ac- ceso a canales disponibles. Una alternativa a este enfoque es dividir una banda ancha de espectro (se ˜nal multibanda) en un gran n ´umero de canales o sub-bandas de banda angosta, los cuales son sensados simult ´aneamente, lo cual puede permitir disminuir la latencia y aumentar la velocidad de acceso a los canales disponibles.
Sin embargo, el sensado de espectro de banda ancha requiere altas tasas de muestreo (iguales o mayores a la tasa de Nyquist) para digitalizar la se ˜nal, lo que se traduce en procesar una gran cantidad de muestras que implican el incremento de la Complejidad Computacional (CC). Buscando reducir la CC, se han propuesto varios m ´etodos de sensado de espectro de banda ancha, Tian y Giannakis (2007) propo- nen un m ´etodo para reconstruir la Densidad Espectral de Potencia (PSD) de la se ˜nal recibida para detectar canales disponibles conociendo los l´ımites de cada canal de
3.2. Formulaci ´on del Problema 33
banda estrecha usando el concepto de Sensado Compresivo (CS) (Cand `es, et al., 2006; Astaiza, et al., 2015); Mishali y Eldar (2011) proponen un sistema de sensado de espectro de banda ancha basado en el Convertidor Modulador de Banda ancha (MWC), el cual muestrea la se ˜nal recibida a una tasa inferior a la tasa de Nyquist y no requiere conocimiento a priori de informaci ´on del canal o caracter´ısticas de la se ˜nal.
El sensado de espectro no es la ´unica alternativa de soluci ´on al problema de identificaci ´on de espacios en blanco en un entorno de radio de inter ´es, otra soluci ´on propuesta al problema de identificaci ´on de espacios en blanco adoptada en los sis- temas IEEE 802.22 dada la falta de madurez, eficiencia y confiablidad de los mecan- ismos de sensado de espectro, es el denominado Acceso Basado en Bases de Datos (FCC, 2011); este mecanismo hace uso de una base de datos centralizada, la cual es actualizada peri ´odicamente por los operadores primarios indicando las sub- bandas utilizadas en la regi ´on geogr ´afica de influencia del sistema, de esta forma, los usuarios cognitivos pueden consultar la base de datos obteniendo informaci ´on de los espacios en blanco existentes en su vecindad (FCC, 2011). Esta soluci ´on se vislumbra como transitoria de acuerdo a que proporciona informaci ´on sobre el espectro disponible en un ´area determinada mas no en tiempo real, implicando al- tas tasas de se ˜nalizaci ´on e involucrando actores adicionales en el escenario de CR como lo es el operador u operadores de las bases de datos y la infraestructura re- querida para la operaci ´on del mecanismo.
En el escenario de CR planteado anteriormente el sensado de espectro en los dispositivos de CR se realiza mediante la denominada funci ´on de sensado de espec- tro. Para el ´optimo desarrollo de esta funci ´on, se hace necesario definir un proceso sist ´emico metodol ´ogico que permita abordar de manera formal la formulaci ´on de algoritmos para la implementaci ´on del sensado de espectro y garanticen una res- puesta adecuada a la mayor cantidad posible de problemas o retos pr ´acticos que implica la implementaci ´on de esta funci ´on como son: 1.) Incertidumbre del canal, ya que el canal m ´ovil no necesariamente es Gausiano, el escenario com ´un es aquel en el cual el canal presenta desvanecimiento, lo cual implica que el CR debe estar en capacidad de distinguir entre un desvanecimiento de la se ˜nal del PU y una ausencia de se ˜nal para detectar una banda espectral candidata a ser utilizada (espacio en blanco). 2.) Incertidumbre del nivel de ruido, lo cual afecta el proceso de detecci ´on
de espacios en blanco cuando se utilizan t ´ecnicas basadas en umbrales de decisi ´on dependientes del piso de ruido. 3.) Incertidumbre de las caracter´ısticas de la se ˜nal del PU, aspecto que hace inviables m ´etodos de sensado basado en el conocimiento a priori de las caracter´ısticas de la se ˜nal presente en el canal. 4.) Sensado de banda ancha, lo cual implica un reto con respecto a las altas tasas de muestreo requeri- das y la complejidad computacional asociada a los diferentes m ´etodos de detecci ´on propuestos (Yucek y Arslan, 2009).
Actualmente, el desarrollo de algoritmos de sensado de espectro se realiza de forma libre, sin evidencia de seguir un proceso metodol ´ogico, y sin necesariamente considerar los retos pr ´acticos que implica el desarrollo de la funci ´on de sensado de espectro, buscando en algunos casos exclusivamente resolver el problema de detecci ´on de espacios en blanco como se estudia en (Sun, et al., 2013). Por lo an- terior, proponer y validar un marco metodol ´ogico formal que permita el desarrollo de algoritmos de sensado de espectro que propendan por cubrir los retos que implica la implementaci ´on de la funci ´on de sensado de espectro en CR, genera un valioso aporte que permitir ´a mejorar el proceso de desarrollo de los algoritmos de sensado de espectro garantizando coherencia con los requerimientos funcionales de CR con los retos y restricciones pr ´acticas del entorno de radio y del procesado de se ˜nal.
De acuerdo a lo anterior, en este cap´ıtulo se proponen y validan de manera conjunta, un marco metodol ´ogico para el desarrollo de algoritmos de sensado de espectro en CR y un marco metodol ´ogico para la aplicaci ´on de CS en el procesa- miento digital de se ˜nales. En los marcos metodol ´ogicos propuestos se aborda de forma sist ´emica las fases y etapas del proceso. Por lo tanto, la principal contribuci ´on del presente cap´ıtulo es por un lado, la propuesta de los marcos metodol ´ogico para el desarrollo de algoritmos de sensado de espectro en CR que propendan por cubrir los retos que implica la implementaci ´on de la funci ´on de sensado de espectro, de otro lado, la validaci ´on de las metodolog´ıas propuestas mediante el desarrollo un algoritmo de sensado de espectro de banda ancha basado en CS, haciendo que el usuario cognitivo tenga una conciencia m ´as amplia del espectro disponible y por lo tanto, pueda alcanzar mayores tasas de transferencia de informaci ´on o satisfacer las requeridas, reduciendo la complejidad computacional en t ´erminos de cantidad de muestras procesadas y superando la limitaci ´on inherente de los algoritmos de sensado basados en umbrales relacionados con el piso de ruido.