Bộ cảm nhận phổ thích nghi cho hệ thống vô tuyến thông minh

Kü thuËt ®iÖn tö & Khoa häc m¸y tÝnh Vò Lª Hµ, "Bé c¶m nhËn phæ thÝch nghi cho hÖ thèng v« tuyÕn th«ng minh." 46 Bé c¶m nhËn phæ thÝch nghi cho hÖ thèng v« tuyÕn th«ng minh VŨ LÊ HÀ Tóm tắt: Bài báo đề xuất một mô hình bộ cảm nhận phổ thích nghi cho hệ thống vô tuyến thông minh (cognitive radio - CR), gồm có 3 khối chức năng chính: (1) Khối cảm nhận băng rộng; (2) Khối cảm nhận đơn kênh băng hẹp; và (3) Cơ sở dữ liệu (CSDL) phổ tần số. Khối cảm nhận băng rộng có chức năng quét, đánh giá kênh trong toàn dải tần và cập nhật cơ sở dữ liệu tần số. Cơ sở dữ liệu này sau đó được sử dụng bởi khối cảm nhận đơn kênh băng hẹp làm tham số đầu vào cho thuật toán thích nghi với điều kiện thực tế hiện tại của môi trường vô tuyến, với mục tiêu cải thiện thời gian cảm nhận. Từ khóa: Vam nhận phổ, Vô tuyến thông minh, Vô tuyến định dạng mềm 1. MỞ ĐẦU Công nghệ vô tuyến thông minh (Cognitive Radio - CR) đang là một trong những xu hướng phát triển đầy hứa hẹn trong lĩnh vực thông tin liên lạc vô tuyến thông minh thế hệ mới. Một trong những đặc điểm chính của CR đó là khả năng thích nghi với môi trường xung quanh. Nơi mà các tham số vô tuyến (bao gồm tần số, công suất phát, phương thức điều chế, băng thông,) có thể thay đổi phụ thuộc vào môi trường, tình huống của người dùng, điều kiện mạng, vị trí địa lý,[[14]].Vô tuyến định dạng mềm (Software Defined Radio - SDR) là công nghệ có thể cung cấp các chức năng vô tuyến rất mềm dẻo bằng phần mềm xử lý tín hiệu số với việc hạn chế tối đa sử dụng các mạch điện và linh kiện tương tự (analog). Vì thế CR cần phải được thiết kế trên nền tảng SDR [[9]]. Trong mô hình đơn giản nhất, CR bao bọc xung quanh SDR, ở đó, sự kết hợp giữa bộ máy nhận thức (Cognitve Engine - CE), SDR và các khối chức năng hỗ trợ khác (ví dụ: cảm nhận môi trường) tạo nên CR. CE hoạt động theo một chu trình khép kín thích nghi gọi là chu kỳ nhận thức (cognitive cycle) [[22]]. Trong chu kỳ nhận thức này, cảm nhận phổ (spectrum sensing) là một trong những chức năng quan trọng. Bài toán cảm nhận phổ cũng là một trong các bài toán quan trọng đang được các nhà khoa học trên thế giới quan tâm giải quyết. Bài báo đề xuất một mô hình bộ cảm nhận phổ thích nghi thực thi bằng công nghệ FPGA. Mô hình bộ cảm nhận phổ gồm có 3 khối chức năng chính: (1) Bộ thu băng rộng; (2) Bộ thu đơn kênh băng hẹp; và (3) Cơ sở dữ liệu (CSDL) phổ tần số. Nội dung các phần tiếp theo của bài báo được tổ chức như sau: Mục 2 trình bày tổng quan về các thuật toán và mô hình cảm nhận phổ, trong đó đi sâu phân tích bộ cảm nhận phổ sử dụng phương pháp phát hiện năng lượng. Mục 3 sẽ đề xuất mô hình bộ cảm nhận phổ thích nghi, xây dựng mối liên hệ giữa tham số số mẫu tín hiệu cần phân tích và khả năng phát hiện tín hiệu ở một mức tỉ số SNR tối thiểu, mô tả chức năng và thuật toán thực thi của các khối thu băng rộng và băng hẹp. Mục 4 trình bày các kết quả mô phỏng. Các kết luận được đưa ra trong mục 5. 2. CÁC THUẬT TOÁN CẢM NHẬN PHỔ Khả năng cảm nhận phổ của CR dựa rất nhiều vào các kỹ thuật xử lý tín hiệu. Trong mô hình hoạt động của một mạng vô tuyến thông minh (CRN), CR là một thiết bị thông Hình 1.Chu kỳ hoạt động của CE. Nghiªn cøu khoa häc c«ng nghÖ T¹p chÝ Nghiªn cøu KH&CN qu©n sù, Sè 30, 04 - 2014 47 tin liên lạc cần thu giữ được bức tranh sử dụng tài nguyên phổ tần hiện tại trước khi thiết lập thông tin liên lạc của bản thân nó [[22]]. Hành vi này được xem như việc “phát hiện băng trống”, được mô tả như sau: Đối với một phép thử nhị phân, ta có:           0 1 : : . H r t n t H r t h s t n t      (1) trong đó, H0 là băng tần trống; H1 là băng tần đã bị chiếm dụng; n(t) là nhiễu; s(t) là tín hiệu, h là đáp ứng kênh. Phụ thuộc vào mức độ “hiểu biết” của thiết bị CR về các tín hiệu thông tin liên lạc được truyền qua băng W, nhiều kỹ thuật phát hiện có thể được cân nhắc sử dụng. Trong đó 3 kỹ thuật được biết đến nhiều nhất là: (1) Bộ lọc phối hợp [[1]],[[2]]; (2) Bộ phát hiện dừng vòng (Cyclostationary) [[11]],[[13]]; và (3) Bộ phát hiện năng lượng (energy detection) [[8]],[[20]],[[21]],[[19]],[[3]]. Các kỹ thuật khác ít được nghiên cứu hơn hoặc được coi như dẫn suất của các kỹ thuật trên, bao gồm: phát hiện nối tiếp, đa phân giải song song, wavelet, tự tương quan, hợp tác cảm nhận [[18]] Trong các phương pháp, phát hiện năng lượng được sử dụng nhiều nhất trong lĩnh vực vô tuyến. Lợi thế chính của bộ phát hiện năng lượng là nó không cần phải biết trước bất kỳ thông tin gì về tín hiệu cần phải phát hiện. Vì vậy bộ phát hiện năng lượng được phân loại như một bộ phát hiện mù. Một lợi thế khác của bộ phát hiện năng lượng đó là nó khá đơn giản, và vì thế dễ thực thi [[7]]. Trong một phép thử thống kê trên nguồn tín hiệu cần phân tích, khi giá trị “Thời gian- Băng thông” đủ lớn, nghiên cứu của Urkowitz [[12]] đã chứng minh phép thử sẽ tuân theo luật phân bố Gaussian với hai trạng thái: H0 khi chỉ có nhiễu, và H1 khi có tín hiệu cộng nhiễu. Các giá trị trung bình i và phương sai 2 i trong hai trạng thái được xác định như sau: 2 2 4 0 0 0 2 2 4 2 1 1 1 : , 2 : , 2 4 n n n s n n s H N N H N Np N N p                  (2) trong đó, 2 s s p N  là công suất trung bình của tín hiệu. N là số mẫu quan sát. Tỷ số tín/tạp (SNR) được định nghĩa là 2 2 2 s n n sp SNR N    . Khi N đủ lớn, theo lý thuyết giới hạn trung tâm, các xác suất báo sai (Pfa) và xác suất phát hiện (Pd) được xác định bằng các công thức [[23]]: 2 0 2 0 2 n fa n N P Q Q N                      ; 2 1 2 1 2 4 n s d n n s N Np P Q Q N Np                     (3) trong đó, 2 /21( ) 2 x Q x e d      . Gọi Pfa-des và Pd-des là các xác suất báo sai và xác suất phát hiện mong muốn cần đạt được. Theo thuật toán phát hiện CFAR (Constant False Alarm Rate), với một ràng buộc ban đầu về giá trị xác suất Pf-des mong muốn, ngưỡng tín hiệu cần đặt trong bộ so sánh được xác định là [[24]]:  10 0 fa desQ P      (4) Từ cặp công thức (3) có thể xác định được N theo công thức [[23]]:     2 1 1 2 2 (1 ) F D Q P Q P S N R N S N R      (5) Kü thuËt ®iÖn tö & Khoa häc m¸y tÝnh Vò Lª Hµ, "Bé c¶m nhËn phæ thÝch nghi cho hÖ thèng v« tuyÕn th«ng minh." 48 trong đó, Q-1(.) là hàm Q nghịch đảo. Công thức trên chứng tỏ: nếu công suất của nhiễu được xác định trước, thì tín hiệu có thể được phát hiện với các ràng buộc về xác suất phát hiện và xác suất báo nhầm cho trước với một giá trị SNR bằng cách tăng thời gian cảm nhận (tương ứng với việc tăng N). Như vậy, khi SDR điều hưởng tại một kênh vô tuyến để thực hiện cảm nhận phổ, kết quả cảm nhận phụ thuộc vào các tham số trạng thái kênh vô tuyến, điển hình là mức nhiễu hay tỉ số SNR. Khi SNR lớn, kết quả cảm nhận có độ tin cậy cao thậm chí khi sử dụng thuật toán cảm nhận đơn giản trong khoảng thời gian ngắn. Tuy nhiên khi SNR nhỏ hoặc mức thay đổi nhiễu trong kênh là lớn, để thu được kết quả cảm nhận tốt, cần phải sử dụng các thuật toán cảm nhận phức tạp với thời gian tính toán lớn hơn. Một mô hình bộ cảm nhận thích nghi với từng điều kiện môi trường sẽ mang lại một hiệu quả cao trong quá trình cảm nhận phổ, đảm bảo các xác suất cảm nhận theo yêu cầu và có thể cải thiện thời gian tính toán, tài nguyên hệ thống. Nhiều mô hình bộ cảm nhận đã được đề xuất nhằm tối ưu thời gian và chất lượng cảm nhận: [[5]] đề xuất mô hình kết hợp bộ phát hiện năng lượng cho cảm nhận băng rộng làm việc nối tiếp với thuật toán phát hiện đặc trưng tín hiệu cho cảm nhận băng hẹp. [[16]] đề xuất mô hình cảm nhận phổ băng rộng bằng phương pháp cảm nhận song song nhiều kênh băng hẹp sử dụng một mạch điều hưởng đa tần số trên nền tảng bộ cảm nhận nhiều sensor. Một cơ sở dữ liệu lưu trữ được cập nhật và sử dụng cho mô hình hợp tác, tuy nhiên các tham số không được mô tả rõ. [[17]] đề xuất thuật toán cảm nhận hai bước, trong đó bước cảm nhận tinh sử dụng các kết quả cảm nhận của bước cảm nhận thô để ước lượng kênh tốt nhất cho chu kỳ sử dụng phổ kế tiếp. [[15]] đề xuất thuật toán cảm nhận đa phân giải song song. Khi trong cấu trúc tín hiệu phát xạ có tín hiệu pilot, thuật toán tìm kiếm tín hiệu pilot có thể được áp dụng. [[10]] chỉ ra rằng các thành phần tần số tín hiệu quanh tín hiệu pilot có một xác suất xuất hiện năng lượng pilot nào đó, vì vậy có thể gán trước một xác suất phát hiện tương ứng với thứ tự được kiểm tra tại các tần số đó, sau đó sử dụng thuật toán Goertzel phát hiện tuần tự để duyệt qua danh sách các tần số trên. [[4]] phát hiện tín hiệu pilot trong băng tần TV [[6]] phát hiện pilot sử dụng bộ lọc phối hợp. Một trong những nhược điểm của bộ phát hiện năng lượng là ngưỡng phát hiện rất nhạy cảm với nhiễu. Nhiều thuật toán cài đặt mức ngưỡng so sánh đã được đề xuất, tuy nhiên trong hầu hết các trường hợp, mức ngưỡng được tính toán trên cơ sở đo đạc được các tham số đặc trưng cơ bản của mức nhiễu (kỳ vọng, phương sai). Để thực hiện các thuật toán, các giá trị khởi tạo được giả định ước lượng ở một giá trị nào đó. Chất lượng cảm nhận (có tính đến các yếu tố như Pd, Pfa, tốc độ cảm nhận,) bị ảnh hưởng trực tiếp bởi độ lớn của sai số ước lượng. Trong một số thuật toán, nếu sai số ước lượng ngưỡng so sánh lớn, sẽ ảnh hưởng trực tiếp đến Pd, Pfa. Trong trường hợp khác, sai số ước lượng SNR ảnh hưởng đến thời gian cảm nhận. Việc có một CSDL được cập nhật liên tục mang đến nhiều lợi điểm cho hoạt động của bộ cảm nhận băng hẹp nói riêng cũng như toàn hệ thống nói chung: (1) Việc đánh giá chính xác mức nhiễu nền cũng như tỉ số SNR trong kênh cho phép bộ cảm nhận băng hẹp làm việc được với các kênh có tỉ số SNR nhỏ, làm tăng cơ hội sử dụng phổ cho CR. (2) Đối với các kênh có SNR lớn, các tham số cài đặt cho bộ phát hiện băng hẹp cho phép thời gian cảm nhận nhanh hơn, sử dụng tài nguyên phần cứng ít hơn mà vẫn đảm bảo hiệu quả cảm nhận. (3) Một CSDL tần số chi tiết cho phép CE chọn lựa ra danh sách các tần số hoạt động tối ưu cho CR trên nhiều phương diện như mức nhiễu nền, tần số hoạt động tin cậy hay mức độ sử dụng băng thông, Qua đó, CE có thể chọn lựa các kênh có chất lượng đường truyền tốt, đảm bảo cho kết nối CRN bền vững. Nghiªn cøu khoa häc c«ng nghÖ T¹p chÝ Nghiªn cøu KH&CN qu©n sù, Sè 30, 04 - 2014 49 Để thực hiện mục tiêu này, một mô hình đề xuất cho bộ cảm nhận phổ thích nghi sử dụng bộ phát hiện năng lượng được trình bày trong phần tiếp theo. 3. MÔ HÌNH ĐỀ XUẤT BỘ CẢM NHẬN PHỔ THÍCH NGHI Mô hình bộ cảm nhận phổ thích nghi gồm có 3 khối chức năng chính: (1) Khối cảm nhận giải rộng; (2) Khối cảm nhận đơn kênh băng hẹp; và (3) Cơ sở dữ liệu (CSDL) phổ tần số. Khối cảm nhận giải rộng có nhiệm vụ liên tục quét toàn giải tần, đo đạc đánh giá các tham số về tín hiệu và nhiễu trong từng kênh. Các tham số này bao gồm: (1) Mức nhiễu nền; (2) Trạng thái băng trống hay đã bị chiếm; (3) Vị trí tín hiệu pilot (nếu có). Dữ liệu đánh giá được lưu trữ trong CSDL tần số. Khối cảm nhận đơn kênh băng hẹp sử dụng CSDL để cài đặt các tham số khởi tạo và thực hiện cảm nhận theo một thuật toán thích nghi. Tham số khởi tạo là số mẫu trung bình (Navg) để phát hiện tín hiệu với mức SNR đã được lưu trữ. Hình 3 mô tả mối quan hệ giữa giá trị Navg và SNR với ràng buộc các giá trị xác xuất Pd và Pfa cho trước theo công thức (5). Mô hình thuật toán hoạt động của bộ cảm nhận phổ băng hẹp như sau. Khi được yêu cầu thực hiện cảm nhận tại kênh tần xác định, bộ cảm nhận phổ băng hẹp thực hiện các bước sau: (1) Khởi tạo: Điều hưởng băng tần cần phân tích về băng gốc; Đọc các giá trị tham số khởi tạo trong kênh đã được đánh giá từ bộ cảm nhận phổ băng rộng (2) Kiểm tra trạng thái có tham số tín hiệu phát trong quá khứ: - Nếu cơ sở dữ liệu đã có thông tin trong quá khứ về tham số tín hiệu phát, thông tin về tín hiệu pilot sẽ được kiểm tra. - Nếu có thông tin về vị trí tín hiệu pilot, bộ cảm nhận phổ sử dụng thuật toán Goertzel để thực hiện cảm nhận phát hiện tín hiệu pilot. Mức năng lượng được so sánh với mức ngưỡng tín hiệu pilot p  . - Nếu không có thông tin về tín hiệu pilot, thực hiện thuật toán cảm nhận phổ với thao tác với tín hiệu trong toàn kênh: Đọc mức SNR trong CSDL; Các xác suất Pd và Pfa yêu Hình 2. Mô hình bộ cảm nhận phổ thích nghi. Hình 3. Mối liên hệ giữa số mẫu trung bình và SNR. Kü thuËt ®iÖn tö & Khoa häc m¸y tÝnh Vò Lª Hµ, "Bé c¶m nhËn phæ thÝch nghi cho hÖ thèng v« tuyÕn th«ng minh." 50 cầu từ CE. Tính toán giá trị Navg tối ưu theo công thức (5), tính toán mức ngưỡng so sánh c  . Thực hiện cảm nhận. - Nếu cơ sở dữ liệu trong quá khứ không có thông tin về tín hiệu phát (nghĩa là băng trống), mức nhiễu nền được so sánh với thuật toán cảm nhận phổ tinh để phát hiện tín hiệu với mức SNR thấp nhất có thể: Đặt Navg về mức cảm nhận tinh và thực hiện cảm nhận với các tham số xác suất đặt trước. (3) Kết quả cảm nhận được gửi đến CE thông qua giao diện SDR-CE. Bảng tham chiếu mô tả mối liên hệ giữa Navg với SNR và các điều kiện ràng buộc về Pd và Pfa được lưu trữ sẵn và sẽ được bộ phát hiện năng lượng gọi ra khi cài đặt các tham số khởi tạo. 4. KẾT QUẢ MÔ PHỎNG MÔ HÌNH TRÊN NỀN FPGA Mô hình thực thi bộ cảm nhận phổ được xây dựng trên nền FPGA sử dụng công cụ System Generator của Xilinx. Cài đặt tham số đầu vào cho mô phỏng đánh giá tính toán số mẫu trung bình Navg: Nguồn tín hiệu mô phỏng gồm có các tín hiệu tại các tần số khác nhau được cài đặt với cường độ tín hiệu thay đổi từ -10dBm đến -18dBm, cho đi qua bộ mô phỏng kênh truyền với mức nhiễu nền 0dBm. Để khảo sát khả năng phát hiện của bộ phát hiện năng lượng với các hệ số Navg khác nhau và so sánh kết quả thực thi thực tế với kết quả tính toán lý thuyết, các tham số hệ thống được đặt bao gồm: Tần số clock hệ thống fs = 100 MHz; Băng tần B=50 MHz; Kênh C=5MHz; NFFT-coarse = 128; Navg-coarse = 1; SNR: AWGN=0dBm. Để giảm thiểu sai số do việc tính toán các hệ số fourier, các tần số tín hiệu thu được đặt tại đúng vị trí các khay tần số của bộ FFT. Với Nfft-coarse bằng 128, tần số cơ bản đầu ra của bộ FFT sẽ là f0=(100/128) MHz. Kết quả thực thi thực tế cho thấy kết quả thực tế phản ánh đúng so với kết quả tính toán lý thuyết. Đường thực tế tiệm cận đường lý thuyết khi số lượng mẫu trung bình tăng lên. Với số mẫu trung bình tính toán được. Bộ thu băng hẹp sẽ được cấu hình lại. Hình 6 mô tả hoạt động của bộ Hình 5. So sánh kết quả tính toán lí thuyết và mô phỏng thực tế. Hình 4. Thuật toán hoạt động bộ cảm nhận phổ băng hẹp. Nghiªn cøu khoa häc c«ng nghÖ T¹p chÝ Nghiªn cøu KH&CN qu©n sù, Sè 30, 04 - 2014 51 thu băng hẹp khi đánh giá các kênh có SNR khác nhau: Các mức SNR thay đổi từ -13dB, - 15dB và -17dB (trong đó: “fft signal source”: tín hiệu sau phân tích FFT; “frame cnt”: Số đếm tính trung bình; “fft avg”: phổ công suất tín hiệu). Hình 6. Hoạt động của bộ thu băng hẹp khi đánh giá các kênh có SNR khác nhau. Các đỉnh nhọn trong cửa sổ “fft_avg” là năng lượng tín hiệu được phát hiện. Với SNR càng lớn, thời gian xác định tín hiệu càng nhỏ. Với tỷ số SNR=-13dB, Tín hiệu được phát hiện tại Navg=75, tương tự như vậy, Navg=100 cho SNR=-15dB và Navg=260 cho SNR=- 17dB. Thời gian phát hiện tương ứng cho ba trường hợp là 0.1ms, 0.17ms và 0.3ms. 5. KẾT LUẬN Bài báo đã trình bày một mô hình bộ cảm nhận phổ bằng nguyên lý bộ phát hiện năng lượng thích nghi thực thi bằng công nghệ SDR trên nền FPGA. Bộ cảm nhận phổ bao gồm hai khối phát hiện năng lượng hoạt động song song nhau kết hợp với một CSDL phổ tần: Bộ cảm nhận băng rộng liên tục thực hiện đo đạc đánh giá bức tranh phổ tần trong toàn dải hoạt động của CR, bộ cảm nhận băng hẹp thực hiện cảm nhận phổ trên các kênh được yêu cầu bởi CE, với các tham số khởi tạo cho thuật toán cảm nhận lấy từ cơ sở dữ liệu phổ tần được cập nhật bởi bộ cảm nhận băng rộng. Bộ cảm nhận phổ hoạt động theo các thuật toán thích nghi với các tham số biến đổi của môi trường, tối ưu hóa về thời gian tính toán và độ chính xác cảm nhận. TÀI LIỆU THAM KHẢO [1]. A. Bouzegzi, P. Jallon, and P. Ciblat, “Matched filter based algorithm for blind recognition of OFDM systems” IEEE Vehicular Technology Conference, (2008). [2]. A. Gholamipour, “Reconfigurable Filter Implementation of a Matched-filter Based Spectrum Sensor for Cognitive Radio Systems”, 978-1-4244-9474-3/11/IEEE (2011) [3]. A. Kozal , “An Improved Energy Detection Scheme for Cognitive Radio Networks in Low SNR Region”, 978-1-4673-2713-8/12/ IEEE (2012). [4]. C. Carlos, “Spectrum sensing for dynamic spectrum access of TV band” in Proc.2th International Conference on Cognitive Radio Oriented Wireless Networks and Communications, Aug. (2007). [5]. Chang.S, “Analysis of Proposed Sensing Schemes”, IEEE 802.22-06/0032r0, (2006). [6]. D. Cabric, A. Tkachenko, R. Brodersen, “Spectrum sensing measurements of pilot, energy, and collaborative detection”, in Proc.IEEE Military Commun. Conf., Washington, D.C., USA,pp. 1-7, (2006). [7]. D. Cabric, M. Mishra, W. Brodersen, “Implementation issues in spectrum sensing for cognitive radios”, in Proc. Asilomar Conf. on Signals, Systems, and Computers, vol. 1, pp. 772-776, (2004) [8]. F. Digham, M. Alouini, M. Simon, “On the Energy Detection of Unknown signals over Fadings Channels”, in Proc. IEEE Int. Conf. on Commun. (ICC'03), (2003). Kü thuËt ®iÖn tö & Khoa häc m¸y tÝnh Vò Lª Hµ, "Bé c¶m nhËn phæ thÝch nghi cho hÖ thèng v« tuyÕn th«ng minh." 52 [9]. Huseyin Arslan, “Cognitive Radio, Software Defined Radio, and Adaptive Wireless Systems”, Springer, The Netherlands, (2007). [10]. H.Jung, “Novel Incremental Spectrum Sensing Method Based on Sequential Tone Detection”, 978-1-4577-1268-5/11/ IEEE (2011) [11]. Husheng Li, “Cyclostationary Feature Based Quickest Spectrum Sensing in Cognitive Radio Systems”, 978-1-4244-3574-6/10/IEEE, (2010) [12]. H. Urkowitz, “Energy detection of unknown deterministic signals”, Proceeding of the IEEE, Vol. 55, No. 4, pp. 523-531, (1967). [13]. Mandana Norouzi, “Hybrid Smoothing Method (HSM) in Cyclostationary Signal Detection for Cognitive Radio”, 978-1-4244-8327-3/11/ IEEE, (2011) [14]. J. Mitola, "Cognitive Radio: An Integrated Agent Architecture for Software Defined Radio", Ph.D. dissertation, Royal Inst. of Tech., Sweden, May (2000). [15]. N.Neihart, S.Roy, D.Allstot, “A Parallel, Multi-Resolution Sensing Technique for Multiple Antenna Cognitive Radios “, (2007) [16]. O. Olabiyi and A. Annamalai, “Extending the Capability of Energy Detector for Sensing of Heterogeneous Wideband Spectrum”, 2nd IEEE International Workshop on Densely Connected Networks, (2012) [17]. S.Chen, “A Two-Phase and Two-Period Spectrum Sensing Scheme Using High-Layer Information for Cognitive Radio Networks”, 978-1-4577-1719 IEEE, (2012) [18]. S. Mishra, A. Sahai, R. Brodersen, “Cooperative sensing among cognitive radios” Proc. IEEE Int. Conf. Commun., vol. 2, Istanbul, Turkey, pp. 1658–1663. (2006) [19]. S.Srinu, “FPGA implementation of Spectrum Sensing based on Energy detection for Cognitive Radio”, 978-1-4244-7770-8/10/IEEE, (2010). [20]. V. I. Kostylev, “Energy detection of a Signal with Random Amplitude”, IEEE International Conference on Communications, Vol. 3, pp.1606-1610, ( 2002). [21]. Y.Yan and Y.Gong, “Energy Detection of Narrowband Signals in Cognitive Radio Systems”, 978-1-4244-7555-1/10, IEEE (2010) [22]. Yohannes ALEMSEGED DEMESSIE, “Sensing techniques for Cognitive Radio - State of the art and trends”, White paper, IEEE SCC 41, France, (2009). [23]. Zhi Quan, Shuguang Cui, H. Vincent Poor, Ali H. Sayed, “Collaborative Wideband Sensing for Cognitive Radios”, IEEE Signal Processing Magazine, (2008). [24]. Ziad Khalaf, Amor Nafkha, Jacques Palicot, Mohamed Ghozzi, “Low Complexity Enhanced Hybrid Spectrum Sensing Architectures for Cognitive Radio Equipment”, International Journal on Advances in Telecommunications, Vol 3 No 3 & 4, (2010). ABSTRACT ADAPTIVE SPECTRUM SENSING BLOCK FOR COGNITIVE RADIO The article proposes new model for adaptive spectrum sensing block applying in cognitive radio. The block contains 3 subblocks: (1) wideband spectrum sensing; (2) narrow channel sensing; and (3) spectrogram database. The wideband sensing block scans and estimates all the channel in the working frequency range and updates data to spectrogram database, which will be used by narrow channel sensing block with a adaptive algorithm for improving the sensing time. Keywords: Spectrum sensing, Cognitive radio, Software-defined radio. Nhận bài ngày 23 tháng 01 năm 2014 Hoàn thiện ngày 19 tháng 02 năm 2014 Chấp nhận đăng ngày 23 tháng 03 năm 2014 Địa chỉ: Viện Điện Tử / Viện KHCN Quân sự.