Geostatistics in cognitive radios

Cognitive radios constitute a very interesting application, even though still at a conceptual stage, they have the potential of making a difference in how the radio spectrum is accessed and are therefore been defined as a destructive, but not obtrusive technology. They represent a unique combination of multi-disciplinary and complex competences from fields such as communications, statistics, optimization, game theory, electronics and robotics In this thesis state of the art technology and the effects it will cause once commercialized are presented, even though most of the work is focused on Spatial Statistics. The aim is to study techniques for interpolation, prediction and classification that could be useful in this peculiar field, that results to be determinant because of the computational limitations. These are mostly caused by the constraints on the implementation area and on batteries life due to a fully distributed sensing approach. In the present work theoretical models of signal propagation are introduced and techniques for spectrum analysis are outlined, mostly focusing on the cyclostationary sensor that has been used in our measurement campaign around Helsinki (Finland). This allows to make distributional hypotheses on the measured signal, that are afterwards verified. Numerous are the interpolation and prediction techniques used in this work, from the most classical ones (Voronoi, Thiessen, Natural Neighbour, Inverse Weighted Distance, Trend Surfaces, Splines), until Kriging, always paying particular attention to computational costs and algorithmic robustness. Last but not least a Bayesian model has been fit not just for prediction itself, but to verify the correctness of theoretical models for signal transmission and consequently validate their usefulness in environments where not enough sample points are available to construct reliable prediction maps. A brief parenthesis has been dedicated to sampling optimization and its benefit to the quality of obtained data. Supervised classification techniques are developed, with very encouraging results, ideal in a completely decentralized approach to decisions. The aim of acquiring occupation data from multiple bands almost in real time and consequently building a dynamic network cartography, predicting and revealing anomalies, granting quality and stability of transmissions without overloading the network is a fundamental issue for technological development; for this reason parsimonious, but effective and robust algorithms are needed.

Le radio cognitive costituiscono un campo applicativo molto interessante sebbene ancora ad uno stato concettuale, in quanto portano in sé il potenziale di fare la differenza nei metodi di accesso dello spettro radio e sono pertanto state definite una tecnologia distruttiva, ma non invasiva. Esse rappresentano una combinazione unica di competenze davvero multidisciplinari e complesse da campi quali le comunicazioni, la statistica, l'ottimizzazione, la teoria dei giochi, l'elettronica e la robotica. In questa tesi è presentato uno scorcio sullo stato dell'arte della tecnologia e sugli effetti che questa comporterà una volta commercializzata, anche se la maggior parte del lavoro si concentra nell'ambito della Statistica Spaziale. L'obiettivo è studiare tecniche di interpolazione, predizione e classificazione utili in questo particolare campo applicativo. L'applicazione comporta infatti notevoli limitazioni computazionali dovute ad una ridotta area di implementazione e alla durata delle batterie, soprattutto in un'ottica di analisi del campo completamente distribuita. Nel presente lavoro vengono trattati i modelli teorici di propagazione del segnale e ci si sofferma sulle tecniche di analisi dello spettro, sui vari tipi di sensori a disposizione, in particolare su quello ciclostazionario utilizzato nelle campagne di misurazione nell'area di Helsinki (Finlandia). Questo permette di fare ipotesi distribuzionali sul segnale misurato che vengono puntualmente verificate. Numerose sono le tecniche di interpolazione e predizione utilizzate, dalle più classiche (Voronoi, Thiessen, Natural Neighbours, Distance Weighted Interpolation, Trend Surfaces, Splines), fino al Kriging, sempre prestando attenzione al costo computazionale e alla robustezza algoritmica. In ultimo un Modello Bayesiano è stato fittato, non a semplice fine predittivo, ma per verificare la correttezza di modelli teorici per la trasmissione e validarne l'utilizzo in ambienti in cui il numero di campionamenti non è sufficiente alla costruzione di mappe predittive. Una breve parentesi è dedicata all'ottimizzazione del campionamento e ai suoi benefici in termini di qualità dei dati raccolti. In ultimo sono sviluppate delle tecniche di classificazione supervisionata, con risultati decisamente incoraggianti, ideali nell'ipotesi di un approccio alle decisioni di tipo puramente decentralizzato. L'obiettivo di acquisire dati di occupazione delle varie bande quasi in tempo reale e conseguentemente costruire una cartografia dinamica, che riveli eventuali anomalie, permetta di fare previsioni, garantendo la qualità e la stabilità delle trasmissioni senza oberare la rete è di fondamentale importanza per lo sviluppo tecnologico; per questo algoritmi parsimoniosi, ma al contempo efficaci e robusti sono necessari allo sviluppo tecnologico.