Cảm nhận phổ trong vô tuyến nhận thức cho tín hiệu ghép kênh phân chia theo tần số trực giao qua kênh truyền nhiễu trắng

Science & Technology Development, Vol 20, No.T4-2017 
Trang 180 
Cảm nhận phổ trong vô tuyến nhận thức cho 
tín hiệu ghép kênh phân chia theo tần số 
trực giao qua kênh truyền nhiễu trắng 
• Nguyễn Minh Trí 
• Nguyễn Thanh Tú 
• Nguyễn Hữu Phương 
Trường Đại học Khoa học Tự nhiên, ĐHQG-HCM 
(Bài nhận ngày 26 tháng 12 năm 2016, nhận đăng ngày 30 tháng 10 năm 2017) 
TÓM TẮT 
Hệ thống vô tuyến nhận thức (CR) đang là 
một trong những đề tài được quan tâm trong 
những năm gần đây. Chúng giúp cho việc sử 
dụng băng tần hiệu quả hơn. Vấn đề chính của hệ 
thống vô tuyến nhận thức là phải xác định chính 
xác được việc sử dụng băng tần của người dùng 
chính. Hiện nay có nhiều phương pháp được sử 
dụng để thực hiện điều này như dựa trên năng 
lượng (ED), cửa sổ trượt, Axell’s detector. Trong 
đó, phương pháp dựa trên đặc điểm tín hiệu 
(cyclostationarity - CS) luôn thu hút nhiều sự 
quan tâm do hiệu quả của nó ở miền SNR thấp. 
Với cyclic prefix lặp lại, tín hiệu ghép kênh phân 
chia theo tần số trực giao (OFDM) cho kết quả 
phát hiện tốt theo phương pháp này. Bài báo này 
đề xuất một phương pháp dựa trên đặc tính tự 
tương quan của tín hiệu OFDM trong môi trường 
nhiễu trắng (AWGN). 
Từ khóa: vô tuyến nhận thức (CR), cyclostationary (CS), OFDM, AWGN 
MỞ ĐẦU 
Trong những thập kỷ gần đây, nhiều nghiên 
cứu trên thế giới và ở Việt Nam chỉ ra rằng trong 
rất nhiều khoảng băng tần được cấp phép không 
được sử dụng hiệu quả [1, 2]. Điều này gây ra sự 
thiếu hụt nghiêm trọng về phổ tần vô tuyến và để 
giải quyết vấn đề trên, mạng vô tuyến nhận thức 
(CR) được đề xuất. Dựa trên ý tưởng sử dụng lại 
những vùng tần số không được sử dụng bởi 
người sử dụng chính (Primary user – PU) để cấp 
cho người sử dụng thứ cấp (Secondary user – 
SU). Hiện nay, CR được xem là một giải pháp 
hiệu quả trong việc tăng khả năng sử dụng phổ 
tần của mạng không dây và thu hút được nhiều sự 
quan tâm [3-5]. Trong mạng vô tuyến nhận thức, 
các người sử dụng thứ cấp SU sẽ được phép sử 
dụng tạm thời những phổ tần của người sử dụng 
chính PU mà không gây can nhiễu đến PU. Vì 
vậy, các SU phải có khả năng nhận thức được khi 
nào PU đang sử dụng và khi nào các SU có thể sử 
dụng phổ tần được cấp cho PU. Có thể thấy được, 
việc cảm nhận phổ tần đóng vai trò quyết định 
trong hệ thống vô tuyến nhận thức và vì thế đã có 
nhiều phương pháp được nghiên cứu và đề xuất. 
Trong đó, được quan tâm nhiều nhất là các 
phương pháp dựa trên năng lượng (ED) [6], dựa 
trên dạng sóng hay lọc phối hợp, dựa trên đặc 
trưng tín hiệu (cyclostationarity detection - CS) 
[7], dựa trên wavelet hay eigenvalue [8]. Những 
phương pháp này có những ưu điểm và nhược 
điểm riêng về khả năng cảm nhận, độ phức tạp, 
thời gian cảm nhận và yêu cầu đối với tín hiệu 
PU. Thí dụ, phương pháp cảm nhận phổ dựa trên 
năng lượng có ưu điểm là đơn giản, không có yêu 
cầu về thông tin tín hiệu của PU tuy nhiên 
phương pháp này lại không hiệu quả trong môi 
trường nhiễu lớn. Các thuật toán cảm nhận dựa 
trên dạng sóng hay lọc phối hợp đòi hỏi các điều 
kiện rõ ràng về dạng sóng pilot biết trước hay tín 
TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 20, SOÁ T4- 2017 
 Trang 181 
hiệu truyền làm ảnh hưởng đến bảo mật trong 
truyền thông. Với phương pháp cảm nhận dựa 
trên đặc điểm tín hiệu chỉ sử dụng cấu trúc và đặc 
điểm thống kê của tín hiệu PU. Đối với tín hiệu 
ghép kênh phân chi theo tần số trực giao 
(OFDM), dựa trên đặc điểm tự tương quan tuần 
hoàn của cyclic prefix khi có tín hiệu OFDM sẽ 
cho giá trị khác không và bằng không khi không 
có tín hiệu để cảm nhận sự hiện diện của tín hiệu. 
Kỹ thuật này có ưu điểm là đơn giản và cảm nhận 
được tín hiệu ở vùng tỉ số tín hiệu trên nhiễu 
(SNR) thấp. 
THUẬT TOÁN CẢM NHẬN PHỔ TÍN HIỆU 
OFDM 
Tổng quan cảm nhận phổ tín hiệu OFDM 
Trong mô hình truyền OFDM, người sử dụng 
chính sẽ truyền tín hiệu ghép kênh phân chia theo 
tần số trực giao (OFDM) với Nd sóng mang con. 
Đây cũng là số lượng mẫu dữ liệu trong một 
symbol OFDM và đồng thời cũng là kích thước 
bộ IFFT (Inverse fast Fourier transform). Sau bộ 
IFFT, để giảm hiệu ứng nhiễu liên ký tự (ISI), tín 
hiệu sẽ được chèn thêm một khoảng bảo vệ có 
chiều dài Nc. Khoảng bảo vệ được tạo bằng cách 
sao chép Nc mẫu cuối của symbol OFDM và chèn 
vào đầu symbol và được gọi là cyclic prefix (CP). 
Như vậy một symbol OFDM gồm Ns = Nc + Nd 
mẫu. Sử dụng cửa sổ quan sát có chiều dài 
dL N mẫu gồm K symbol OFDM và dN mẫu 
của symbol K + 1, L = K (Nc + Nd) được minh 
họa ở Hình 1. 
Trong môi trường nhiễu Guass (AWGN), tín 
hiệu nhận được tại người sử dụng thứ cấp là 
 y k s k n k , 0,1, , 1dk L N . (1) 
Hình 1. Cấu trúc tín hiệu OFDM với CP 
Về cơ bản, cảm nhận phổ là quá trình quyết 
định sự hiện diện của tín hiệu truyền dựa trên tín 
hiệu thu được tại đầu thu người sử dụng thứ cấp. 
Điều này có thể thể hiện dưới dạng phương trình 
như sau: 
1
0
H :
H :
y k s k n k
y k n k
, 
0,1, , 1
0,1, , 1
d
d
k L N
k L N
, (2) 
với H1 và H0 lần lượt là giả thuyết có tín hiệu 
OFDM và không có tín hiệu. Số lượng mẫu thu 
thập trong quá trình cảm nhận là L + Nd mẫu. 
Như vậy, sẽ có các trường hợp xảy ra khi cảm 
nhận phổ gồm: báo lỗi xảy ra khi kênh truyền 
trống mà quyết định có tín hiệu, phát hiện nhầm 
khi kênh truyền bận mà quyết định không có tín 
hiệu. Đây là hai trường hợp ảnh hưởng đến hiệu 
quả của việc cảm nhận phổ. Ngoài ra, xác xuất 
phát hiện tín hiệu xảy ra khi phát hiện đúng sự 
hiện diện của PU, Pd = 1 – Pmd = P(H1/H1) với 
Pmd là xác xuất phát hiện nhầm. Cuối cùng là xác 
suất phát hiện lỗ trống khi phát hiện đúng sự 
vắng mặt của tín hiệu người sử dụng chính. Để 
thiết kế một bộ cảm nhận tốt là xem xét việc cực 
đại xác suất phát hiện đúng với xác suất báo lỗi 
faP cho trước. 
Thuật toán cảm nhận phổ dựa trên CS 
Phần này trình bày thuật toán cảm nhận phổ 
dựa trên đặc điểm tuần hoàn của tín hiệu OFDM 
với các điều kiện giả định như sau: 
Science & Technology Development, Vol 20, No.T4-2017 
Trang 182 
Phương sai nhiễu 2
n và phương sai tín hiệu 
2
s là không biết. 
Các thông số Nd và Nc biết trước. 
Tại đầu thu, quan sát thấy K symbols OFDM. 
Gọi rn là tích của hai mẫu tín hiệu thu yn và 
yn+Nd với khoảng cách Nd trong toàn cửa sổ quan 
sát chiều dài L + Nd, sẽ có (3). 
ˆ
dn n n N
r y y , 0, , 1 .d cn K N N 
(3) 
Dựa vào sự tuần hoàn của hàm tự tương quan 
của tín hiệu OFDM với CP lấy từ data. Chu kỳ 
này bằng độ dài một symbol OFDM 
s c dN N N . Giả sử rằng các symbol OFDM 
độc lập và với K symbol OFDM, sẽ đo được độ 
tương quan giữa 2 mẫu có khoảng cách Nd trong 
một chu kỳ là (4). 
1
0
1ˆ ˆ
c d
K
k k l N N
l
R r
K
  , 0, , 1 .d ck N N (4) 
Hình 2. Ví dụ hàm tự tương quan của tín hiệu OFDM 
Với hai giả thuyết trong vấn đề cảm nhận tín 
hiệu, tất cả các giá trị ˆ
iR ở H0 được phân bố đều 
do tín hiệu nhận được chỉ có nhiễu. Trong khi ở 
giả thuyết H1 do có sự lặp lại Nc giá trị dữ liệu ở 
CP nên sẽ có Nc giá trị ˆiR có tương quan cao hơn 
Nd giá trị còn lại. Tại Hình 2, đặc điểm khi có tín 
hiệu OFDM được thể hiện rõ với các giá trị Nd = 
32 (kích thước khối IFFT), cyclic prefix Nc = 
Nd/4 = 8, số symbol OFDM là K = 500, tám mẫu 
tương ứng trong vùng CP của bất kỳ symbol 
OFDM sẽ có độ lớn giá trị tương quan cao hơn 
các giá trị còn lại do khi có tín hiệu OFDM, hàm 
tương quan đạt giá trị đỉnh tại vùng CP. Ngược 
lại, các mẫu tín hiệu hay nhiễu không có tương 
quan có giá trị nhỏ. 
Dựa vào đặc điểm trên, tín hiệu OFDM có 
thể được phát hiện mà không cần biết các thông 
tin về công suất tín hiệu 2
s và công suất nhiễu 
2
n . 
Vector tương quan được định nghĩa là 
0 1 1
ˆ ˆ ˆ ˆ
d c
T
N NR R R R
 và tính logarithm tự 
nhiên của tỷ số tương tự (LLRT) [9] 
2 2 1
1
0 0
2 2
2 2
ˆ 1 1ˆ 1, ,
2 2
ˆ ˆ0 0 0
ˆ ˆmax , , , ˆ :ˆ ˆ, , ,
ˆ ln max ln , ,
ˆ ˆ ˆˆmax , , :
n s
n sH gn sH
g
n n gH H
f H Hf H
f H f H H
  

     
  
  
   
R
R
R R
R RR
R
R R R
 (5) 
TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 20, SOÁ T4- 2017 
 Trang 183 
với ln(.) là logarit tự nhiên, .

là giá trị ước 
lượng ML và λ là ngưỡng quyết định. Nói một 
cách đơn giản, giả sử rằng ˆ
iR là độc lập, vì thế 
hàm mật độ xác suất (pdf) của (5) được viết như 
(6). 
1
2 2 2 2
ˆ ˆ
0
ˆ ˆ, , , , , , ,
d c
i k i
N N
i n s k i n sH R H
k
f H f R H     
 R R
(6) 
với i = 0, 1. 
Do ˆ
kR , 0,1, , 1d ck N N là các biến 
ngẫu nhiên phức, chúng có thể xác định dưới 
dạng tổng của hai biến ngẫu nhiên thực ˆkR và 
ˆ
kR , nghĩa là 
ˆ ˆ ˆ
k k kR R jR , vì thế sẽ có (7) và 
(8). 
1
0
1ˆ ˆ
d c
K
k i l N N
l
R r
K
 
(7) 
1
0
1ˆ ˆ ,
d c
K
k i l N N
l
R r
K
 
(8) 
với 0,1, , 1d ck N N 
Hàm xác suất có điều kiện pdf cho bởi (6) có 
thể viết lại sử dụng (7), (8) như sau 
1
2 2 2 2
ˆ ˆ ˆ,
0
ˆ ˆ ˆ, , , , , .
d c
i k k i
N N
i n s k k i n sH R R H
k
f H f R R H   
 R R
(9) 
Vì thế cần xác định hàm mật độ xác suất 
kết hợp của ˆkR và 
ˆ
kR dưới điều kiện H0 và H1. 
Trong SNR thấp, ˆkR và 
ˆ
kR thì không tương quan. 
Vì thế, pdf của chúng dưới điều kiện H0 cho bởi 
0
2
0ˆ 2
00
ˆ
1ˆ exp
22k
k
kR H
R
f R H
 
(10) 
0
2
0ˆ 2
00
ˆ
1ˆ exp ,
22k
k
kR H
R
f R H
 
(11) 
với 2 4
0 2n K  , 
2
n là công suất nhiễu và K là 
số symbol OFDM. 
Dưới điều kiện H1, sẽ có 2 trường hợp. 
Trường hợp 1, có tín hiệu OFDM và k nằm trong 
vùng CP như hình 2. Trong trường hợp này, pdf 
của ˆkR là 
1
2
2
1ˆ 2
00
ˆ
1ˆ exp , CP
22k
k s
kR H
R
f R H k

 
(12) 
với 2
s là công suất tín hiệu thu được. Trong 
trường hợp 2, có tín hiệu OFDM nhưng k không 
nằm trong vùng CP và có pdf là 
1
2
1ˆ 2
00
ˆ
1ˆ exp . CP
22k
k
kR H
R
f R H k
 
(13) 
Cần lưu ý rằng pdf của ˆkR dưới điều kiện H1 
không phụ thuộc k và được cho bởi 
1
2
1 2ˆ
00
ˆ
1ˆ exp .
22k
k
kR H
R
f R H
 
(14) 
Từ (11) và (14) thấy rằng các giá trị ˆkR có 
cùng hàm mật độ phân bố xác suất và không phụ 
thuộc vào điều kiện giả thiết. Chỉ có ˆkR phụ 
thuộc vào điều kiện H1 và H0. 
Do ˆkR và 
ˆ
kR là không tương quan, (9) trở thành 
1
2 2 2 2 2 2
ˆ ˆ ˆ
0
ˆ ˆ ˆ, , , , , ,
d c
i k i k i
N N
i n s k i n s k i n sH R H R H
k
f H f R H f R H     
 R R
 (15) 
Thay (15) vào (5), có LLRT 
1
0
1 2 2
1ˆ 10
1 2
00ˆ0
ˆ ˆˆ ˆ, , :
ˆ max ln ,
ˆˆ :ˆ,
d c
k
d c
k
N N
k n s gk R H
g N N
gk nk R H
f R H H
Hf R H

  

 
 
 


R
R
R
 (16) 
Science & Technology Development, Vol 20, No.T4-2017 
Trang 184 
Từ (16), nhận thấy rằng hàm kiểm tra chỉ phụ thuộc phần thực của ˆ
kR , trong khi đó phần ảo 
không đóng góp hoặc chứa bất kỳ thông tin nào về thống kê. 
Từ đó được hàm pdf của phần thực ˆkR dưới hai giả thuyết H1 và H0 như (17) và (18). 
0
1 1 2
2
0ˆ 2
00 0
0
1 1ˆ ˆ, , exp
22
d c d c
d ck
N N N N
k n kN NR H
kk
f R H R 
 
 (17) 
và 
1
22
2
1
2 2
1ˆ 2
0 0
0
ˆ ˆ
1ˆ , , , exp .
22
d c
d ck
N N k s lk CP l CP
k n s N NR H
k
R R
f R H

  
 
 
 (18) 
Ước lượng ML của phương sai tín hiệu 2
s
là 
2 1 ˆˆ .s k
k CPc
R
N

 
(19) 
Với ước lượng 2
0 , chỉ xem xét Nd biến 
ngẫu nhiên ˆkR không ở trong vùng CP và theo 
đó ước lượng ML của 2
0 dưới giả thuyết không 
có tín hiệu H0 và có tín hiệu H1 là giống nhau 
21
2 2
0 0 0 1
0
1 ˆˆ ˆ .
d cN N
k
kd
k CP
H H R
N
 
 
(20) 
Nhận thấy rằng việc chọn những mẫu dữ 
liệu 
dN (không chọn vùng CP) để ước lượng σ0
2 
là chính xác bởi vì do có cùng ước lượng cho các 
mẫu 
dN sẽ cho kết quả quyết định đơn giản ở 
(20). Thay thế 2
0 và
2
s , sê có quy luật quyết 
định như (21) [7]. 
 
22
0 1
0, 1 2
0 0
ˆ ˆ :
ˆ ˆmax , ,
ˆ ˆ :c d
g
g k
N N
k CP
g
H
R
H


 
 
 
  

R
R
R
 (21) 
với  là hệ số nhân ngưỡng được xác định dựa 
vào xác suất báo lỗi 
faP cho trước. 
Nếu không quan tâm đến yêu cầu đồng bộ, 
có thể sắp xếp các phần tử ˆkR tăng dần và chỉ 
lấy Nc mẫu lớn nhất, sẽ có (22). 
22
1
0 1
os,
2
0 0
ˆ ˆ :
ˆ ˆ ,
ˆ ˆ :
d c
d
N N
g
g j
j N
g
H
R
H


 
 
 

R
R
R
 (22) 
Thuật toán để dò tìm tín hiệu OFDM đề xuất 
có thể toán tắt như sau: 
Sử dụng các mẫu quan sát trong cửa sổ K 
symbol OFDM, tính giá trị Nc + Nd của phần 
thực hàm tự tương quan trong thời gian 
dN . Gọi 
những giá trị này là correlation bins, tương ứng 
với một chu kỳ của hàm tự tương quan được định 
nghĩa ở (7) 
Ngõ ra của bộ tương quan, các correlation 
bins được gửi tuần tự vào một thanh ghi dịch có 
chiều dài 
c dN N . 
c dN N ô nhớ này được sắp xếp tăng dần 
theo độ lớn của chúng, các giá trị lớn để tính 
thống kê kiểm tra, trong khi các giá trị nhỏ được 
sử dụng để ước lượng mức nhiễu nền 2
0ˆ . Giá trị 
ước lượng này sau đó được nhân với hằng số η 
gọi là hệ số nhân ngưỡng, được chọn sao cho đạt 
được xác suất báo lỗi mong đợi. 
Cuối cùng, so sánh ˆg R được tính ở 
(22) với ngưỡng đạt được để quyết định có hay 
không tín hiệu OFDM. 
TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 20, SOÁ T4- 2017 
 Trang 185 
KẾT QUẢ MÔ PHỎNG 
Phần này trình bày kết quả mô phỏng bằng 
Matlab Simulink thể hiện hiệu quả của thuật toán 
thông qua xác suất phát hiện đúng Pd với các 
SNR khác nhau của tín hiệu người sử dụng chính. 
PU sẽ truyền tín hiệu OFDM có điều chế QPSK 
với Nd sóng mang con và cyclic prefix có chiều 
dài Nc. Biểu đồ Pd theo SNR của thuật toán được 
thực hiện với xác suất báo lỗi Pfa cố định, trong 
các mô phỏng xác suất này là 0.05faP . 
Hình 3. Xác suất phát hiện đúng với thời gian quan sát 
khác nhau 
Đầu tiên, thay đổi số lượng mẫu K symbol 
OFDM để đánh giá khả năng của thuật toán 
thông qua những thời gian quan sát khác nhau. 
Kích thước symbol OFDM gồm 32 mẫu với Nd = 
32 và cyclic prefix Nc = Nd/4 = 8, như Hình 3. Từ 
kết quả Hình 3, với K thay đổi từ 200-500, nhận 
thấy với cùng một SNR, xác suất phát hiện đúng 
tăng tương ứng với thời gian quan sát. Thí dụ, với 
SNR = -10dB, K = 500 symbol thì xác suất phát 
hiện đúng là 97 %, trong đó với K = 200 thì Pd 
chỉ là 65 %. Tuy nhiên, sẽ có sự đánh đổi giữa 
khả năng phát hiện tín hiệu và thời gian xử lý, tùy 
vào điều kiện khác nhau để có lựa chọn phù hợp. 
Hình 4. Xác suất phát hiện đúng với CP khác nhau 
Hình 4 thể hiện sự phụ thuộc của chất lượng 
cảm nhận vào số mẫu cyclic prefix tại đầu thu 
SU. Với cùng số mẫu dữ liệu Nd = 32, số mẫu CP 
càng lớn thì khả năng cảm nhận càng tăng. Điều 
này là do khi CP càng nhiều thì trong một symbol 
OFDM càng có nhiều thành phần tương quan, do 
đó việc quyết định sẽ dễ dàng hơn. Theo hình 4, 
với Nc = 1/2Nd = 16 cho kết quả tốt nhất. Tuy các 
hệ thống truyền thực tế sẽ có CP với tỉ lệ từ 1/4 
đến 1/8 nhưng kết quả này vẫn cho thấy ảnh 
hưởng của CP đến chất lượng cảm nhận. 
KẾT LUẬN 
Bài báo trình bày một thuật toán cảm nhận 
phổ nhanh cho tín hiệu OFDM với môi trường 
nhiễu AWGN. Dựa vào đặc trưng 
cyclostationarity của tín hiệu với CP, thuật toán 
tính sự tương quan khi có tín hiệu OFDM từ đó 
quyết định sự hiện diện của tín hiệu. Kết quả mô 
phỏng cho thấy hiệu quả của thuật toán đối với 
môi trường nhiễu lớn và sự ảnh hưởng của thời 
gian quan sát và cấu trúc tín hiệu đến chất lượng 
cảm nhận. Hướng tiếp theo là nghiên cứu việc 
cảm nhận trong môi trường fading và ứng dụng 
thuật toán trên phần cứng của hệ thống vô tuyến 
nhận thức. 
Lời cảm ơn: Nghiên cứu được tài trợ bởi Đại 
học Quốc gia Thành phố Hồ Chí Minh (ĐHQG-
HCM) trong khuôn khổ Đề tài mã số C2015-18-
01. 
Science & Technology Development, Vol 20, No.T4-2017 
Trang 186 
Spectrum sensing in cognitive radio 
wireless networks for orthogonal freqnency 
division multiplexing in additive white 
Gaussian noise channel 
• Nguyen Minh Tri 
• Nguyen Thanh Tu 
• Nguyen Huu Phuong 
University of Science, VNU-HCM 
ABSTRACT 
Cognitive radio (CR) systems are one of the 
most interesting topics in recent years. They 
would enable more efficient use of the spectrum. 
The main problem of CR is how to dectect exactly 
the spectrum usage of primary users. There are 
many ways to do this, such as energy detector 
(ED), Axell’s detector, the sliding window 
detector, etc. Among them, cyclostationarity (CS) 
based dection methods attracted much attention 
because of their better results in low-SNR 
regimes. This paper will propose a method based 
on the autocorrelation property of orthogonal 
frequency division multiplexing (OFDM) signals 
in additive white Gaussian noise (AWGN). 
Từ khóa: cognitive radio (CR), cyclostationary (CS), OFDM, AWGN 
TÀI LIỆU THAM KHẢO 
[1]. I.F. Akyildiz, W.Y. Lee, M.C. Vuran, S. 
Mohanty, Next generation/dynamic spectrum 
access/cognitive radio wireless networks: A 
survey, Computer Networks, 50, 13, 2127–
2159 (2006). 
[2]. N.Q. B. Vo, Q.C. Le, Q.P. Le, D.T. Tran, 
T.Q. Nguyen, M.T. Lam, Vietnam spectrum 
occupancy measurements and analysis for 
cognitive radio applications, The 2011 
International Conference on Advanced 
Technologies for Communications (ATC 
2011), Atc, 135–143 (2011). 
[3]. E. Hossain, V.K. Bhargava, Cognitive 
Wireless Communication Networks, Springer 
(2007). 
[4]. J. Ma, G.Y. Li, B.H. Juang, Signal Processing 
in Cognitive Radio, Proceedings of the IEEE, 
97, 5, 805–823 (2009). 
[5]. E. Larsson, M. Skoglund, Cognitive radio in 
a frequency-planned environment: some 
basic limits, IEEE Transactions on Wireless 
Communications, 7, 12, 4800–4806 (2008). 
[6]. N.T. Tú, Đ.L. Khoa, N.T.H. Thư, N.H. 
Phương, Cảm biến phổ tần dựa vào năng 
lượng của tín hiệu không xác định trong kênh 
truyền fading, Tạp chí Phát triển KH&CN, 
17, 1, 17–31 (2014). 
[7]. E. Axell and E. G. Larsson, Optimal and sub-
optimal spectrum sensing of OFDM signals 
in known and unknown noise variance, IEEE 
Journal on Selected Areas in 
Communications, 29, 2, 290–304 (2011). 
[8]. Tevfik Yucek, and Huseyin Arslan, A survey 
of spectrum sensing algorithms for cognitive 
radio applications, IEEE Communications 
Surveys & Tutorials, 11, 1, 116–130 (2009). 
[9]. Kamel Berbra, Mourad Barkat, Fulvio Gini, 
Maria Greco, Pietro Stinco, A fast spectrum 
sensing for CP-OFDM cognitive radio based 
on adaptive thresholding, Signal Processing, 
128, 252–261 (2016).