Bøger af Ram Sewak Singh

The rapid advancement of communication technologies is connecting the world faster than ever before. However, this has resulted in a scarcity of frequency spectrum as the available communication bandwidth is limited. To maximize data transmission rates while using a fixed bandwidth, a mechanism is needed to improve spectral efficiency. Distributed massive multiple input multiple output (MIMO) systems involve deploying a large number of transmitting antennas around user equipment (UEs) to achieve this goal. However, in cellular massive MIMO, signal interference around cell edges can present a problem. To address interference issues around cell edges in cellular massive MIMO, cell-free massive MIMO was introduced, which incorporates both massive MIMO and distributed MIMO principles. Cell-free massive MIMO is advantageous as it places users closer to access points (APs), enabling higher spectral efficiency. While cell-free massive MIMO improves spectral efficiency, signal processing techniques such as precoding are needed to maximize it further.

A subutilização do espectro, juntamente com a crescente questão da escassez de espectro, promoveu uma reavaliação da forma como o espectro de radiofrequências é utilizado. A tecnologia de rádio cognitiva surge como uma solução que melhora a utilização do espectro com a utilização sistemática do escasso recurso através do acesso oportunista ao espectro. Entre muitos algoritmos de detecção de espectro disponíveis, o Detector de Energia (ED) é preferível, uma vez que não necessita da informação prévia sobre os sinais do utilizador primário e está a ter uma baixa complexidade computacional. No entanto, o desempenho do ED é directamente proporcional à relação sinal/ruído (SNR), o que leva a um mau desempenho no regime de SNR baixo. A fim de aliviar o problema de detecção no regime de SNR baixo, a Transformada Discreta de Ondas (DWT) baseada na denoising do sinal do utilizador primário é aplicada na extremidade frontal do ED. O efeito da denoising antes da DE é analisado através do emprego de seis ondulações-mãe diferentes como Haar, Daubechies, BiorSplines, ReverseBior, Coiflets e Fejer-Korovkin e, a métrica de desempenho da DE é analisada utilizando uma única fase de ED baseada em wavelet. Os resultados da simulação mostraram que a abordagem de ondulação-mãe Reverse Bior melhora todas as matrizes de desempenho.