Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Wireless Personal Communications
Erschienen in: Wireless Personal Communications 3/2020

19.05.2020

UF0MC-IOTA Based Cognitive Radio Transceiver

verfasst von: R. Dayana, P. Malarvezhi, K. Vadivukkarasi, R. Kumar

Erschienen in: Wireless Personal Communications | Ausgabe 3/2020

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Express evolution in smart wireless communication address the issue of spectrum scarcity. Implementation of cognitive radio (CR) is one of the promising technologies for the effective utilization of spectrum. Sensing is the critical component of cognitive radio. Moreover, encouraged by the element of sensing is critical for consistently defining spectral opportunity and succeeding opportunity in spectrum access for the fifth generation (5G) wireless networks. Universal filtered multicarrier—Isotropic Orthogonal Transform Algorithm (UFMC-IOTA) is the excellent 5G waveform candidates. This article focuses on the performance of UFMC-IOTA based CR transceiver sensing challenges, downlink capacity of cognitive radio network (CRN). Simulation results also demonstrate that the proposed transceiver outperforms the capability of sensing than the conventional sensing methodologies in CRN. It also increases the detection probability of CRN at very low SNR level.
Vorheriger Artikel A Full Connectable and High Scalable Key Pre-distribution Scheme Based on Combinatorial Designs for Resource-Constrained Devices in IoT Network
Nächster Artikel A Comprehensive Survey on Autonomous Driving Cars: A Perspective View

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
Mitola, J., & Maguire, G. Q., Jr. (1999). Cognitive radio: Making software radios more personal. IEEE Personal Communication Magazines, 6(4), 13–18.CrossRef
2.
Ahmad, A., Ahmad, S., Rehmani, M. H., & Hassan, N. U. (2015). A survey on radio resource allocation in cognitive radio sensor networks. IEEE Communications Surveys & Tutorials, 17(2), 888–917.CrossRef
3.
Meshkova, E., et al. (2017). Designing a self-optimization system for cognitive wireless home networks. IEEE Transactions on Cognitive Communications and Networking, 3(4), 684–702.CrossRef
4.
Sutton, P. D., Nolan, K. E., & Doyle, L. E. (2008). Cyclostationary signatures in practical cognitive radio applications. IEEE Journal on Selected Areas in Communications, 26(1), 13–24.CrossRef
5.
Vitturi, S., Zunino, C., & Sauter, T. (2019). Industrial communication systems and their future challenges: Next-generation ethernet, IIoT, and 5G. Proceedings of the IEEE, 107(6), 944–961.CrossRef
6.
Guan, P., et al. (2017). 5G field trials: OFDM-based waveforms and mixed numerologies. IEEE Journal on Selected Areas in Communications, 35(6), 1234–1243.CrossRef
7.
Liu, Y., et al. (2017). Waveform design for 5G networks: Analysis and comparison. IEEE Access, 5, 19282–19292.CrossRef
8.
Chen, X., Wu, L., Zhang, Z., Dang, J., & Wang, J. (2018). Adaptive modulation and filter configuration in universal filtered multi-carrier systems. IEEE Transactions on Wireless Communications, 17(3), 1869–1881.CrossRef
9.
He, Z., Zhou, L., Yang, Y., Chen, Y., Ling, X., & Liu, C. (2019). Compressive sensing-based channel estimation for FBMC-OQAM system under doubly selective channels. IEEE Access, 7, 51150–51158.CrossRef
10.
Zhang, L., Ijaz, A., Xiao, P., Wang, K., Qiao, D., & Imran, M. A. (2019). Optimal filter length and zero padding length design for universal filtered multi-carrier (UFMC) system. IEEE Access, 7, 21687–21701.CrossRef
11.
Spooner, C. M., & Mody, A. N. (2018). Wideband cyclostationary signal processing using sparse subsets of narrowband subchannels. IEEE Transactions on Cognitive Communications and Networking, 4(2), 162–176.CrossRef
12.
Shen, J., & Alsusa, E. (2013). Joint cycle frequencies and lags utilization in cyclostationary feature spectrum sensing. IEEE Transactions on Signal Processing, 61(21), 5337–5346.CrossRef
13.
Dayana, R., & Kumar, R. (2016). Co-operative cyclo-stationary feature detection with universal filtered multi-carrier spectrum sensing for cognitive radio network. In: 2016 IEEE international conference on recent trends in electronics, information and communication technology (RTEICT), 2016.
14.
Men, H., Zhao, N., Jin, M., & Kim, J. M. (2015). Optimal transceiver design for interference alignment based cognitive radio networks. IEEE Communications Letters, 19(8), 1442–1445.CrossRef
15.
Heydari, K., Azmi, P., Arand, B. A., & Heydari, A. (2018). Detection of the chirp signal features caused by Doppler phenomenon in the presence of destructive agents based on cyclostationary and Hough transform methods. IET Signal Processing, 12(4), 394–402.CrossRef
16.
Nourshamsi, Neda, et al. (2019). Generalized extreme value distributions of fields in nested electromagnetic cavities. IEEE Transactions on Electromagnetic Compatibility, 61(4), 1337–1344.CrossRef
Metadaten
Titel
UF0MC-IOTA Based Cognitive Radio Transceiver
verfasst von
R. Dayana
P. Malarvezhi
K. Vadivukkarasi
R. Kumar
Publikationsdatum
19.05.2020
Verlag
Springer US
Erschienen in
Wireless Personal Communications / Ausgabe 3/2020
Print ISSN: 0929-6212
Elektronische ISSN: 1572-834X
DOI
https://doi.org/10.1007/s11277-020-07467-z

Weitere Artikel der Ausgabe 3/2020

Wireless Personal Communications 3/2020 Zur Ausgabe

OriginalPaper

SEPAR: A New Lightweight Hybrid Encryption Algorithm with a Novel Design Approach for IoT

ReviewPaper

A Comprehensive Survey on Autonomous Driving Cars: A Perspective View

OriginalPaper

Route Availability with QoE and QoS Metrics for Data Analysis of Video Stream Over a Mobile Ad Hoc Networks

OriginalPaper

Improving Throughput in Lossy Wired/Wireless Networks

OriginalPaper

Multi-Featured and Fuzzy Based Dual Analysis Approach to Optimize the Subspace Clustering for Images

ReviewPaper

Is Localization of Wireless Sensor Networks in Irregular Fields a Challenge?

Neuer Inhalt

    Bildnachweise