DOUBLE THRESHOLD SPECTRUM SENSING WITH OPTIMIZATION OF SAMPLES IN COGNITIVE RADIO NETWORKS

Abstract

In cognitive radio networks spectrum sensing plays a vital role to identify the presence or absence of the primary user. In conventional spectrum sensing one secondary user will make a final decision regarding the availability of licensed spectrum. But Secondary user fail to make a correct detection about the presence of the primary user if he is in fading environment and it causes interference to the licensed users. Therefore to avoid interference to the licensed users and to make correct detection, number of samples is increased, Which increases the probability of detection. In this paper the optimization of samples is proposed to reduce the system overhead and also to increase the propagation time. Simulation results show the optimized value of samples for a given probability of false alarm and also the variation of probability of detection with optimized samples and false alarm is shown in the results. ABSTRAK: Dalam rangkaian radio kognitif, penginderaan spektrum memainkan peranan penting untuk mengenal pasti kehadiran atau ketiadaan pengguna utama. Dalam penginderaan spektrum konvensional, seorang pengguna sekunder akan membuat keputusan akhir mengenai ketersediaan spektrum berlesen. Tetapi pengguna Sekunder gagal membuat pengesanan yang betul mengenai kehadiran pengguna utama jika dia berada dalam persekitaran yang pudar dan menyebabkan gangguan kepada pengguna yang berlesen. Oleh itu untuk mengelakkan gangguan kepada pengguna berlesen dan membuat pengesanan yang betul, jumlah sampel meningkat, yang meningkatkan kemungkinan pengesanan. Dalam makalah ini pengoptimuman sampel dicadangkan untuk mengurangi overhead sistem dan juga untuk meningkatkan waktu penyebaran. Hasil simulasi menunjukkan nilai sampel yang dioptimumkan untuk kebarangkalian penggera palsu dan juga variasi kebarangkalian pengesanan dengan sampel yang dioptimumkan dan penggera palsu ditunjukkan dalam hasil.