Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   10 ,  No.   4 ,  A ugus t   2020 ,   pp. 360 5 ~3 614   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v10 i 4 . pp3605 - 36 14          3605       Journ al h om e page :  http: // ij ece.i aesc or e.c om/i nd ex .ph p/IJ ECE   Adaptiv e quanti zation fo r s p ec t ru m exch ange inf or m atio n in   mobil e c og niti ve radi o networks       Arief  M arwan to 1 ,  Shari f ah  Ka mi la h Syed  Y us of 2 , Muh am mad H aika l  Sa t ri a 3   1 Depa rtment of  El e ct ri ca l   Eng in ee ring ,   Univ ersitas Isla m   Sulta n   Agung (UNIS S ULA),  Indone si a   2 Depa rtment of  El e ct ri ca l   Eng in ee ring ,   Fa cul t y   o f  Engi n ee ring ,   Univer sit y   Te kno l ogi  Mal a y s ia,  M al a y si a   3 Depa rtment of  Biom edi cal  Eng i nee ring ,   Univ ersity   Te knolog i  M al a y si a, Ma lay si a       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   N ov  6,   2018   Re vised Ja n 1 6, 20 20   Accepte d  Ja n 2 9,   2020     To  red uce   th e   det ection  failu re  of  the   exc h angi ng  signal   power  onto    the   OF DM   sub ca rri er  signal   a t   uniform  quant iz ation,   d y namic   subca rrier   m appi ng  is  appl ie d.   Moreov er,   t o  addr essing  low  SN R’ s  wall   le ss   tha n  pre - det ermine   thre s hold,   non - unifor m   quant iz a ti on  or  ada pt ive   qu a nti z at ion  fo r   the   signal   quan ti z at ion  siz e  pa ramet e r  is  proposed.   μ - la w  is  adopt ed  for   ada pt ive   quan tization  subca rri e r  m appi ng  which  is  depl o y e d   in  m obil i t y   envi ronm ent ,   su ch  as  Doppler   Eff ect  and  Ra yle igh  Fading  pr opaga t ion.    In  thi s  works ,   sensing  node  rec ei v ed  signa l  power  the n  sam ple d  int o    a  diffe ren t  pola r ity   posi ti ve  and  nega t ive   in  μ - law   quant iz a ti on  and  divi de d   int o  seve r al   seg m ent at ion  le v el s .   E ac h  segm enta ti on  l eve ls  are   d ivi ded  int o   seve ral   sub - seg m ent   has  rep re senti ng  one  ton e  signal   subc ar rie r  num ber   OF DM   which  has  the  num ber   of  quantization   le ve l  and   th e  w idt h  power .     The   resul ts  show   tha t  b y   usin g  both  m et hods,  a  signi ficant   diffe ren ce   is   obta in ed  aro u nd  8  dB  compar ed  t o  those  no t  using   the a d apt iv e  m e thod.   Ke yw or d s :   Ad a ptive  quant iz at ion   Cognit ive ra di o   Dynam ic  su bc arr ie r  m app ing   Mu - la w   Sp ect r um  ex ch ang e  in form at i on   Copyright   ©   202 0   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Ar ie f  Mar wan t o,     Dep a rtm ent o f El ect rical  En gi neer i ng,    Un i ver sit y Isla m  Su lt an  Agu ng  (UNISS ULA),   Kali gaw e  Stree t,   KM  04, Sem arang,  Central  Java,  Indo nesi a .   Em a il :  arief@u niss ula.ac.i d       1.   INTROD U CTION   Mob il it y  m akes CR no de dete ct s the p ower c hange at any ti m e b ecause eve ry  m ov em ent  fo ll owe d  in   the  tra vel  dist ance.  A cc ordi ng  to  [1 – 3]   c onduct ing  a  r andom   m ov e m ent  act ivit y  in  the  CR N  will   do   the  un - co ndit ion al   unif or m   quantiz at ion .  W he rein  t he  le vel o f   qua ntiza ti on  an d  width  is  t he  sam e,  j us t  powe r s   in  detect io n  ar e  cha ng e d  to  t he   distance.  As  sta te d  in  [ 4]   qu antiz ing   t he  lo cal   energy  us i ng  num ero us  sym bo ls  reg i on al   s ensi ng  dete rm inatio n.  T he  m eth od  has   inte nd e d  f or   l ow  SN R   sig nal  detect io n  p r ob le m s.   An   i nteresti ng   propose d  m et hod  has  s how n  in   [5 - 12] ,  the  local   dec isi on  sta ti sti cs   in  the  fo rm   of   log - li kelihoo d  rati o  (LLR)   from   ind ivid ua l  detect or s   ar e  quanti zed   a nd  s ent  t o  the   fusio n  ce n tre   (F C) .   T he  sta ti sti cal  prop e rtie s  of  the  decisi on  sta ti sti cs  in  the  pr ese nce   o f  qu a ntiza ti on   a re  est abl ished .   The  qu a ntize d  decisi on  sta ti sti cs  are  sent  t hro ugh  a  c hannel  that  m ay   c ause  er r or s .  T he  ef fect  of  c hannel  error s  is  inco rpor at e d  in  the  analy sis  through  Bi t  Err or   P robab il it y  (BEP).  The  decisi on  of   hy po t hesis  te sti ng   from  ind ividu a l sensin g  no de dete ct or s i n  the  f orm  o f  log - li kelihoo d  rati o are qua ntize d  a nd  se nt to  t he m ast er  node.  T he  re sul t  of   quantiz ed   decisi on  will   be  se nt  via   cha nn el   m igh t  cau ses  er ror  on  re cepti on  at   the  m ast e r   node. T he  er r ors  on the c ha nnel  can be a naly sis t hro ugh bit   error p roba bili ty  ( BEP) .    To  op ti m iz e  s econda ry  trans m it   po wer  al locat ion  sp ect r um   sh arin g,   A cco r ding  to  [13 – 18]   ha s   inv est igate s   th e  ge ner al iz e d  Lloyds - t ype  al gorithm   (G L A )  [19 – 22]   that   util iz ing   qua ntize d  c ha nn el   sta te  inf or m at ion   (C SI ) .  A  m od ifie d  GL A  is  co ns t ru ct e d  for  obt ai nin g  m axi m al   powe r  c od e bo ok,  t hat  pr ov e n  to  be   gen e rall y  m er ged  an d  factua ll y  ste ady.  Th e  res ults  desc r ibe  that  by  us i ng  3 - 4  bits  of  com pen sat io n,  f ully   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  4 ,  A ugus t  2020  :   3 6 0 5   -   3 6 1 4   3606   channel  sta te   i nfor m at ion   c ould  ac hie ve  by  m od ifie d  GL A  al go rithm   it  m akes  ergo dic  capaci ty   ve r y  cl os e  and  use s  on ly   4  bits  of  feedb ack.  H ow e ve r,   in  [ 23]   has   sho wn  that  a   go od - co ns e r ve   qua nt ise d  w hich   di m inish   m ean  squar e  e rror  of  in div i dual   obse rv at i on  data' s  LLR  a t  qu a ntised   out com e  is  gaine d  by  de pl oyin g  Ll oyd   schem e.  The  quantise d  is  des ign e d  by  util izing   P DF   of   LL R  of   the  se ns i ng  inf orm ation .  Nu m erical   ou t com e   sh ows   that  t he   GL A   al gorith m   giv en  e qu al   sensi ng  ac hievem ent  against   the  i niti al   LLR  te st  by  us in g  a   f e w   qu a ntiza ti on  bi ts.  To   a ddressi ng  ba ndwi dth  const raints,   [23 – 25]   has   in ve st igate d  op ti m i zi ng   quantiz at ion  of  LLR  sensing  data  in  cy cl os ta ti on ary  sig na l  detect ion   us i ng   Ll oyd - Ma x  al go rithm .  The  num erical   resu lt s  pr ese nt  that  re com m end ed   de sign   us es   only   le ss  quantiz at ion  bits  wh ic h  perform   relat ively   the  sam e  s ensin g  perform ance  w it h  coarse   se nsi ng   obser vatio n,   it ’s  e xcee de d  the  a rr a ngem ents  with   unif orm   qu antise d.  Since  un i form   qu ant iz at ion   ad opte d  by  [2 ,  23 ,   26]   a n  in div i dual   sen sin g  does n’ t  im pact  to  re duce  ba ndwi dth  const raints  a nd  rem ai ns   in   ov e r head   i n  con t ro l  c hannel.  Wh e reas,   [23]   has  s how n  the  re duct ion   of   qu a ntiza ti on   bi ts  fo r  sa ving  the  ba ndwidt h.  Those  are  propose d  m et ho ds   is  not  co nsi der in g  non - un ifor m   qu a ntiza ti on   wh ic h  le ads  t o  ada ptive  t o  t he  cha ng e  of   si gn al   fluc tuati on   receiv ed  f or   i nd i vidual  SN.   More ov e r,   m os t  of   the  pr opose d  m et ho ds   ar e  no t  co ns i der i ng   sam pling   si gn al   a nd   proce ed  in  sta ti c  m ob il it y,   this is bec om e a ch al le nge  w he n  se ns in g n ode is g oing t o  m ob il e.       2.   RESEA R CH  SY STE M MO DEL    Ex plainin g  r es earch   ch ron ologica l,  incl ud i ng  r esearc h  des ign ,   resea rc h  proce dure  (in  the  f or m   of  al gorithm s,  Pseu doc od e  or  ot her),  how  to  te st  and   data  acq uisit ion   [1 ,  3 ,  27] .  T he  descr i ption   of  the  co ur se  of   researc h  sho uld   be  sup port ed  ref e ren ce s,  s o  the  exp la nat ion   can  be  acc epted  sci entifi cal ly   [4 ,  27] .  I n  this  works,  a  sec ondar y  m ob il e  w irel ess  netw orks  ( SN)  re pr e s ent  a  sensi ng   node  wh ic h  se ns e d  the  P U  s pectral   ho le s .  At  the  SN ,  the  detect ed  powe r  le ve l  is  exch anged   (q ua ntize d)  in to  on e  sel ect e d  subcar rier  num ber   wh ic h rep rese nt s the  P U  s pect ru m  inf orm at io n on S N.     As  s how n  in  Figure  1 ,   a   ce ntrali zed  net w ork  is   ass um e d  util iz ed  on   the  c ogniti ve  r adio   net wor k  topolo gy.  The  nodes  a re  m ov ed  in  ra ndom   sp ee d  w hich  t he  vel ocity   is  360  km /h  aver aged.  The  node s  al s o  m ov e  in  ran do m   path;  theref or e ,  the  ph a se  ang le   is  def i ne d  to  be  ra ndom.  The  distance  is  set   to  0. 1  km   to  10   km   wh ic h  the   SN   nodes  m oving   from   the  ori gin   place  to wards  t he  P U  locat ion   a s  a  de sti nation.  The   PU   is   sta ti on ary.  Sin ce  the  m ob il it y,  path ,  a nd  phase  a ngle   is  r andom ,  the  di r ect ion al   c ou l d  be  rand om l y  m ov ing   towa rd  the  PU  or  f arthe r  fro m   PU .  Like wise,  S N  nodes   t rav el le d  ove r  t he  distances   ca n  be  cl os er   or  far the r   from  MN lo cat ion ,  whe re th e   MN is stat io na ry.        M o b i l e   S N 1 D i s t a n c e 1   ( d 1 - P U ) D i s t a n c e 2   ( d 2 - P U ) M o v i n g   P a t h   o f   S N 1 D i s t a n c e m   ( d m - P U ) D i s t a n c e n   ( d n - P U ) M o v i n g   P a t h   o f   S N x M o b i l e   S N 1 M o b i l e   S N x M o b i l e   S N x v = m / s v = m / s v = m / s D i s t a n c e n   ( d n - P U ) D i s t a n c e z   ( d z - P U ) D i s t a n c e n - M N   ( d n - M N ) D i s t a n c e 2   ( d 2 - M N ) D i s t a n c e 1 - M N   ( d 1 - M N ) P r i m a r y   U s e r M a s t e r   N o d e N L o S N o n   L i n e - o f   S i g h t   ( N L o S ) L o S     Figure  1 .  A sce nar i o of  t he  m ob il e  sp ect r um  ex cha nge in f orm at ion   [ 28 ]   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Ad ap ti ve  quanti za ti on for spe ct ru m  exch ange  infor m ation …    ( Arie f Mar wan t o )   3607   3.   μ - L AW ADA PTIVE Q U A NTIZ ATION   ALGO RITH M MO DEL   To  perform   quantiz at ion   of   t he  detect ion   pow e r  le vel ,  ea ch  S N  nee ds   t o  sam ple  the  r ecei ved   sig nal  of   t he  ra dio  w a velen gth   e nerg y  into  a  disc rete - tim e  sign al . Mo re ov e r,   a se qu e nce o f  sam pling  could d e plo y  to   sam ple  the  el ect ro m agn et ic   wav e s.  The   m ai n  f unct ion  of  se quence   sa m ple  is  to  re duct ion  of  co n t inuous   sign al   w hich  va lue  is  set   at   a   po i nt  in   tim e  and / or  sp ace   in vo l ves  ti m e  per io dical ly   sensing  withi n  it   sa m pler.     An   e xtracti on  of   co ntin uous   sign al   is  prov i ding  a  qu a ntiza ti on   le vel  an d  quantiz at ion  interval  in  sensing   process .  T her e fore,  i n  one  pa rtic ular  se ns i ng  proce ss,  t he   sam pling   is  de pendin g  on   the  sam ple  rate  of    the  sig nal.  Mor eov e r,   t he  sam pling   fr e quenc y  or   sam pling   rate,  f s ,  is  the  aver a ge  nu m ber  of   sam ples  obta ine d  in one  seco nd (sam ples p er s e cond ).   Pr e vious  m et ho d  has   s how n  un - co ndit i onal   unif or m   qu a ntiza ti on   of  the  sp ect rum   exch ang e   inf or m at ion .  N ow,  to   ad dressi ng  the  li m it a tio n  in  previ ou s   works  has  s ho wn  the  dynam i c  subcar rier  m app i ng  wh ic h  able  t o  m anag e  intel li gen tl y  subcar ri er  wi dth   acc ordan ce  with  t he   conditi ons  of  the  detect io n   powe r  le vel.  The refo r e,  the  qu a ntiza ti on   res ults  ha ve  a  diff e ren t  width   i n  acc ordan ce  with  t he   powe r  detect ion   f or   each  node .  Fig ur e  2  s hows  th e  m echan ism s   of   ada ptive  qu antiz at ion   f or   sp ect r um   qu an ti zat ion   inform at ion  into  O FD M  s ub ca rr ie r  num ber.  μ - la w  i s  adopted  f or   a dap ti ve  quanti zat ion   s ub ca rr i er  m app ing   ba sed  on     the d et ect e d power  level.       D e t e r m i n e d   I n p u t   S i g n a l   P a r a m e t e r s P o w e r   M a x P o w e r   M i n M a x   I n t e r v a l   R a n g e   o f   I n p u t   S i g n a l I n t e r v a l   L e n g t h   ( N c ) R a n g e   o f   B o u n d a r i e s   S i g n a l O b s e r v e d   P U   S i g n a l S N R D o p p l e r   S h i f t e d V e l o c i t y / M o b i l i t y F r e q u e n c y D i s t a n c e W a v e l e n g t h ,   λ   ( i ) S a m p l i n g   S i g n a l s ,   M ( i ) i t h ,   S e n s i n g   N o d e s D e t e c t e d   P o w e r   L e v e l     P r   ( i ) E a c h   p o l a r i t y   d i v i d e d   i n t o   s e v e r a l     s e g m e n t   l e v e l   o f   s i g n a l   E a c h   s e g m e n t   d i v i d e d   i n t o   s e v e r a l   s u b   s e g m e n t   o f   i n t e r v a l   s i g n a l   S i g n a l   L e v e l   &   I n t e r v a l   o f   P r   ( i ) S i g n a l   Q u a n t i z a t i o n   S i z e   ( μ ) S i g n a l   P o l a r i t y   ( s g n   ( P r   ( i ) ) A s s i g n e d   b i t s   f o r     S e g m e n t   S i g n a l   L e v e l A s s i g n e d   b i t s   f o r   S u b - S e g m e n t   S i g n a l     I n t e r v a l D e t e r m i n e d   A d a p t i v e   Q u a n t i z a t i o n   P a r a m e t e r s P r   ≠   γ C a l c u l a t e   f o r   C o m p r e s s   a n d   E x p a n d e r   o f S e g m e n t   L e v e l   a n d   S u b - S e g m e n t   I n t e r v a l S e n d   t o   M N C o o p e r a t i v e   D e c i s i o n D e t e r m i n e d   S i g n a l   P o l a r i t y   P r   ( i )     Figure  2. A da pt ive quan ti zat ion al gorithm  sp ect r um  ex cha ng e  in form at io n   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  4 ,  A ugus t  2020  :   3 6 0 5   -   3 6 1 4   3608   At  the  first  st age,  in put  sig nal  par am et ers  sh ould  be  det erm i ned .  Thes e  par am et ers  i nclu ding  of     the  m axi m u m   m ini m u m   ran ge  of   the  detect ion   powe r  le vel   ( P max   and   P min ),   m axi m u m   n um ber   of   the  i nter val  le ng th   ( IL ) ,  quantiz at ion   inte rv al s  range  ( I ) ,  an d  t he  ra ng e  of  the  quant iz at ion   inter va ls  range  of  the   input   sign al .   In   t his   work,  the  pr i nciple  of  qu a nt iz at ion   requir es  −∞  =  P 0   ≤   P 1   ≤  ...  ≤  P +1   ≤  P   =  ∞  wh ic h  determ ined  ra nges  of  detect ion   powe r  le vel  in  on e   pa rtic ul ar  se ns in g  pro cess.  T he   ra nge  of  detect ion  powe r   le vel is g i ven by :      = 10 − 5       = 10 − 2   (1)          is  the  pr e - de te rm ined  m ini m u m   of   the  detect ion   pow er  ra nge  of   t he  in put  sig na l  and     is     the m axi m u m   of  t he  detect io n  po wer   range  of  t he  in pu t si gnal . T he  segm entat ion   of  eac h si gn al  is re quired by   determ ined  th e  m agn it ud e  of the inte rv al  le ngth  (IL) i n  a dvance. The  num ber o f  inte rv al   le ng th  is  giv e n by:      = 512   (2)     In   t his  te rm ,  the  interval  le vel   is  rep r esente d  as  subcar rier num ber   OFDM.   The  inter val  le ng t h  ( IL)   is    al so   util iz ed  to  perform   the  quantiz at io n   interval  ( I )  for  se gm entat ion   of   t he  rece ived  sig nal  powe r,    wh ic h give n b y:     = (  +  )    (3)       =   ( 10 − 5 + 10 − 2 ) 512 = 1 . 9551 − 5   (4)     Ther e f or e,   the   inter val  ( I )   ra ng e   that  giv e   for  bounda ries   valu e  am on g  qu a ntiza ti on  re s olu ti on  i nter va l  of   the  detect io n  s ign al   powe r.   The  range  of  the  in put  sig na l  is  segm ented  by  the  quanti zat ion   inte rv al   valu e   wh ic h give n b y:       ∶   ∶     (5)     At  the  sec ond  sta ges,   the  sen sing   res ul t  is  m easur ed  base d  on  the  a ve ra ge  po wer   of   e ach  S N  no de   us in g wh ic h  is  sam pled  into  non u nif or m  v ar ia ble coder . T he  r ecei ve d p ower is  giv e n by:     −  ( ) =   +     +   ( ) − 20  10 ( 4 ∗ ∗  ( ) ∆ ) ) +   ( ) ( )   (6)     The  m axi m u m   detect ion   pow er  le vel  is  sam pled  base d  on  t he  qua ntiza ti on   res olu ti on   i nterv al   sig na l   value  ba sed  on  the  inter val  le ng th  (I L )  va lue.  Eve ry  bit  the  resu lt s  of  the  sa m pling  sign al   is  placed  on    the  po sit ive  a nd   ne gative  pola rity .  Ever y  pola rity   bits  are  div ide d  into  512  se gm ents  or   qu a ntiza ti on   sign al   le vel, which  is  giv e n by:        (  ) =  =   ⌊ (  − min   ) ⌋   (7)        = ⌊ ( 10 − 2 − 10 − 5 ) 1 . 9551 − 5 ⌋ ≅ 512   (8)     A  segm entat ion   of  the  input   sign al   is  def i ned   as  the  value  does  not  overla p  in  the  set   of   real   nu m ber s.  T o  m ake  the  segm entat ion   as  t he   crit erion   sta nd ard,  the  li st  of   end   point  has  diff e re nt  res olu ti on   i n  the v ect or .  I f  n  is t he  le ngth  of  the se gm entat i on ,  the n  t he  i nd ex  of  vecto r  k th  entry is:     0  if  sig ( k )  ≤  se gm e nta ti on   ( 1)      m   if  seg men t ation   (m )  < sig( k )  ≤   se gm e nta ti on   ( m+1 )     n  if   seg me nta ti on   ( n) < si g  ( k )       Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Ad ap ti ve  quanti za ti on for spe ct ru m  exch ange  infor m ation …    ( Arie f Mar wan t o )   3609   The  res olu ti on   intervals  of  the  segm entat i on   vecto r  are  on e  le ss  tha n  a m ou nt  of  the   qu a ntiza ti on   interval.  Com m on ly ,  an  - degree  qua ntize r  ( )  of   a n  input  value    i s  denoted  by  a  set   of   qu a nt iz at ion   degrees    =  { 1,   ...,  }  a nd   qu a ntiza ti on   bounda ry  P  =  {P0,   . ..,   P }.   At  the  thir d  sta ge,   the  se gm e ntati on  le vels are di vide d  int o 501 96 s ub - se gm ents.       −     ℎ =  = ( m ax powe r   ∗ ( 2 ∗ min power ) )   (9)        =   ( 10 − 2 ∗ ( 2 ∗ 10 − 5 ) ) 1 . 9551 − 5 = 0 . 0102   (10)     Ther e f or e,  in o ne parti cula r  se ns in g  cy cl e  of  t he dete ct ion p ower  level i s c om pr ise d  of:        = =          0 . 01 02   (11)   = 512 0 . 0102 = 50196   segments   (12)     In   s uch   a  wa y,  su b - segm en ts  interval  width   co uld   repr esent  subcar rier  m app ing   pa ram et er  and  lim it ed  by  se gm entat ion   le ve l  value   as  bounda ries.  Ba s ed   on  t he  s ub - se gm ents  interva l  width  cal cul at ion,     the  adap ti ve  quantiz at io n  for   the  detect ed  powe r  le vel  is  per f or m ed.   The  qu a ntiza ti on   of   the  detect ion   sign al   into s ubcar rier  nu m ber  is  giv e n by :         ( ) = ( ( ) ) .  . ∆ ⌊ | ( ) | ∆ + 1 2 ⌋   (13)     The  r esult  is  re tur ned   as   thir d  ou t pu t  p aram eter .  Qu a ntiz  f unct ion   gen e rates   qu a ntiza ti on   l evel  in de x  and  the  quanti zed  ou t pu t  val ue.   This  functi on  ex presse d  a s  ind e x  of  the   input  sig nal  pa ram et ers  to  r est or e    the  qu a ntiza ti on  le vels  in  real   vector   sig nal  (sig)  us in g  the   segm entat ion   par am et ers.   Wh il e,  segm entation   is    a  real  vecto r  si gn al   that ’s  ins erted  int o  sp ec ifie d  orde r.   Q ua ntiza ti on   is  done  t o  obta ine d  the  m app in g  sign al   y= f( x)  of  ar eal   sign al   int o  a  di screte  functi on  val ued.  T he  basic  pri nciple   is  to  m ake  the   reso l utions  ste ps   that   var y  a cco r ding  to  acce ptabl e  conditi ons  in  the  sig nal.  I n  this  w orks ,  each  sam pling  adopted  dif fe ren ce   reso l ution   t hat  m ai ntains  quantiz at ion   is  use d  to  perfor m   qu antiz in g  for  in div id ual  SN   us ers .  The   ind e x  qu a ntiza ti on fo r  se gm entat ion  level ( IQL) is   giv e n by :      = ( ( ) ) .  . ∆ ⌊ | ( ) | ∆ + 1 2 ⌋ ( ⌊ 10 ( 20 ) ⌋ ,  ,  )   (14)     w he re  SL   is se gm entat ion  lev el  ind e x,   SSW   i s sub - segm entat ion  inte rv al   sign al .   The  ne xt  sta ge  is  determ ined  adap ti ve   qua nt iz at ion   pa ram e te rs.   T he  par a m et e rs  are  qu a ntiza ti on   siz e   m app in g  pa ra m et ers  fo r  m easur em ent  val ue  of  the  i nd e x  sig nal  le vel  and   i nter val  w idth  of  rec ei ve d  po wer,  sign al   po la rity   of   receive d  power,  ass ign e d  bit  for   segm entat ion  le vel,  a nd  an  assi gn e d  bit  for   su b - se gm entat i on   le vel .  The  a i m ’s  is  to  m a ke  the  dy nam i c  range  ( diff e r ent  width   of   s egm entat ion   le vel  of    the sig nals)  of  the in pu t  sig na l powe r.     The  pro cess  of   com pan ding  ( com pr essio n  and   e xp a ndin g)   is  us ed  to  ov e r com e  po or   of   SN R  le vel  or   to  com pr ess   the  si gn al   m ore  tha n  pr e - det erm ined  thres ho l d.   The   co m pan din g  is  aim ed  to  disti ngui s h    the  de ns it y  of   the  qua ntiza ti on   sig nal  ada ptively ,  if  the  det ect ion   S NR  is  poor,  qu a ntiza ti on   le vels  at   lowe r   sign al   powe r  m us t  be  den se r  tha n  the   sig nal  po wer   at   a  higher   le vel.   If   sig nals  det ect ion   is  high er  tha n  thres ho l d,   the n  the  qua ntiza ti on   le vel  at   hig he r  le vel   sh ould  be  de ns er  tha n  lo w  le vel  sign a l  po we r .     The q uan ti zat ion o f  t he  se gme ntati on   sig nal  le vel and i nter val is a dap ti vel y chan ges  b y :         ( ) = ( ( ) ) =  ( ( ) ) ( ln ( 1 + | ( ) | ) ln ( 1 + ) )   (15)     w he re,  0 ≤ ( ) ≤ 1 ;   ( ( ) )   is  - 1  if  ( )   ne gative  a nd  1  ot herwise,  µ  is  512  bits  w hich  represe nt  as  qu a ntiza ti on   m easur em ent  siz e/ width   par am et er  for  eac h  s egm entat ion   le vel  an d    is  detect ed  powe r  le vel  each S N n od e .  The  c om pan di ng sig nal  value  ( CSV )  r e fer e nc e sig nal is g i ve n by:   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  4 ,  A ugus t  2020  :   3 6 0 5   -   3 6 1 4   3610      ( ) =  ( ( ) ) ( ln ( 1 + | ( ) | ) ln ( 1 + ) ) ( ⌊ 10 ( 20 ) ⌋ , ,  )   (16)     By   find i ng  no n - ze ro  el em ent   value   in  row  and  col um n  within  in de xing  value,  the  qua ntiza ti on   int o  su bc ar rier  nu m ber in dex g i ve n by:           = = ∑ = 1 = ( 1 +  )  2 >  ( ( ) )   (17)   ( ln ( 1 + | ( ) | ) ln ( 1 + ) ) ( ⌊ 10 ( 20 ) ⌋ , ,  )     w he re  Nc   is  th e  subca rr ie r   in dex  of  the  ref e ren ce   sig nal;  IL   is  inte rv al   le ng t h  by  giv e n  512;  P m ax   is   m axim u m   detect ion PU  pow e r,  10 - 2 .       4.   MOBILE  S P ECTR UM E XC H ANGE I N FOR M A TIO N  BA SED  CO OPER ATIVE  SENSIN G   All  the  com po nen ts  par am et e r  has  be en  m od el ed  as  sta te d  in  pr e vious  subcha pter .  I n  this  par t,  e very   m ob il e SN ’s n od e s w il l recei ves  s om e d ist ribu te d powe r  f r om  p rim ary us ers (PU ), w hic h  is  giv e n by:     −  ( ) =   +     +   ( ) − 20  10 ( 4 ∗ ∗  ( ) ∆ ) ) +   ( ) ( )   (18)     w he re t he  ( )   is R ay le igh  f a ding  base d on su m m ing  sin usoids  w it h Jakes  m od el  [1 1].     ( ) = 1 √ ∑ cos ( 2  + ) = 1   (19)     a nd     ( ) = 1 √ ∑ sin ( 2  + ) = 1   (20)     a nd     ( ) = ( ) + ( )   (21)       is  the  D oppler   sh ift,  =     is  the  am pl it ud e  of  th e  sign al   a nd   N   is  m ulti path  co m po nen ts  wit h  ang le   of  a rr i va l    of   the  node s.   The   detect ed  pr im ary  sign al   po wer  the n  e xc hange d  i nto  s ub ca rr ie r  num ber  of  OFDM  know  as   qua ntiza ti on   powe r  pro cess.  T he  c on ven ti onal   quan ti zat ion   m app ing  of  t he  s pec trum  exch a nge in f orm at ion  at  ℎ   SN   giv e n by  [ 1] .      ( ) = ⌊ ( ) ∗ ⌋   (22)     k   is  ass um ed  is  the   f unct ion  of  po wer  qua ntiza ti on  at   the   f requ ency  car rier ,  .  I f  a ssu m ing  that   the  = ;    is t he fu nc ti on   of freq ue ncy in  D oppler  Effect  which  gi ven   by:     = + ∆   (23)     If   detect ed  power   is  a  func ti on   of  f re qu e ncy  then  t he  k   is  a  functi on  of  f re qu e nc y,  howe ver,     a  m ov em ent  and   im pairm ent   of   t he  cha nne l  cou l d  rise  duri ng  the  se ns in g  pr ocess,   t herefo re,  t he  rece ive d  fr e qu e ncy  of  new   s ubcar rier    1 ′   is  sh ifte d  duri ng   m ob il it y  in  ∆   sp eed ,  w hich  re su lt ed  i nto   ∆   area.   Ther e f or e,   ′   is g iven by:      ′ = ( + ∆ ) − = 1 ± [ ∆ ]   (24)   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Ad ap ti ve  quanti za ti on for spe ct ru m  exch ange  infor m ation …    ( Arie f Mar wan t o )   3611   w he re    is   sub carrier   width  fr e qu e ncy  i n  Her tz ;  H ow e ve r,   due  t o  sig nal  is  non - li ne ar  t her e fore    is  disti nction i n v aries,  hen ce:      ′ = [ 1 ± ∆ ] ∗    (25)     w he re    the m axi m u m  r ece ived  f re quency  D opple r  s hifted  at the  n th   se ns in g n od e s  [ 29] ,      if    ≫   ∆   then  ′ =   (26)     and     ∆ f R ( i ) = f R − f c   (27)       5.   RESU LT S  AND A N ALYSIS   In  this  te rm ,  m ob il e  sp ect rum   exch an ge  ( qu a ntiza ti on)  i s  eval uated   wi th  tw o  dif fer e nt  m et ho ds .     The  first  m et ho d  is  sp ect rum   exch ang e   inf or m at ion   in  m ob il i ty   en vir on m ent  base d  on  [ 1,  30]   pr opos e d  m et ho d.  The   s econd  m et ho d  is  m ob il e  sp ec trum   exch an ge   inf or m at ion   ut il iz ing   Dop pler  E f fect  pa ra m et er.   Th os e  m et ho ds  will   inv est igate   in  te rm   of   a da ptive  quantiz at io n  as   util iz ed.   The   aim s  are  to  exp l ore     the  pe rfor m ances  of  the  c ooper at ive  decisi on   pro ba bili ty  at   the  gath eri ng   i nfor m at ion  node.  I n  this  work,     the  s ub ca rr ie r  m app in g  par a m et er  in  te rm   is  fix ed ,  wh e re  the  s ub ca rr ie r  m app in g  is   gi ve n  by  α =2 .  T he refor e ,   the  equat ion   ( 22)  sho uld   util iz e  to  per f or m   the  qu a ntiza ti on   detect ion   powe r  le vel  into  subcar rier  num ber .    In   a ddit ion ,  t he   m et ho d  that   util iz ed  Dop pl er  Eff ect   is  ut il iz ed  in   (2 5),   wh e re  α   is  sta ti on ary.  In   te rm   of   adap ti ve  qu a nt iz at ion ,  the  subcar rier  pa ram et er  is  based   on  the  in  (22)   f or   co nventio na l  m e tho d;  an d  in  (25 )   for  the  m et ho d  that  util iz ed  D oppler  E ff ect .  Exce pt  at   the  la st  su b - cha pter ,  the  ada ptive  qu a ntiza ti on   m et hod   is  evaluated  by  us in g  dy nam i c  su bca rr ie r  m app i ng   for  c om par at ive  study   between   c on ven ti onal   m et h od s  t hat  util iz ed  dy nam ic  subcar rier m app i ng.     5.1.    An   analysis  of  spect r um e xc ha n ge  in f orm at i on  u sing  ad ap ti ve qu an tiz at i on   Figure  3   sho w s  the  pe rfor m ance  of   detect ion   pro ba bili ty   i n  m ob il e  sp ect ru m   exch a ng e  inf or m at ion .   In   this  sta ge,   two  m et ho ds   a r e  propose d  to  be  eval uated.   I n  [ 30 ]   m et ho d  is  assum ed  that  Dopp le r  E ffec t  is   zero   ( Ol d  K  O HT A )  an d  wh i le   the  oth e r  m et hod  is  bas ed   on   t he  perfor m ance  Oh ta   m od el   us in g  Dopp le r   Eff ect   ( D opple r  K ) .  Both  m e t hods   al s o  are  e valuated  by  usi ng   a dap ti ve  quantiz at io n  ( M u  Ol d  K  OHT A   and  Mu  D oppler  K ).   T her e fore,  f our  m et ho ds   a r e  analy sis  to  pe rfor m   cooper at ive  detect ion  in  MN.  T he  ve locit y  of the  nodes  is  set s for   360 k m /h w hic h  th e  directi onal  p at h  a nd m ov ing i s r a ndom iz ed.   Fr om   the  gr ap h  it   is  cl ear  tha t  the  evaluati on  analy sis  for  the  first  m et ho d  is  m ark ed  by  blu e  li ne  is   aver a ge d  at   the  po int  on   0.99.   Howe ver,  at   hig h  le vel  of   s ubcarrier  th res ho l d  val ue,   the  de te ct ion   is  decr e ase d  to  0.9 08.  Wh il e  util iz ing   D op pler  E ff ect   m eth ods  w hich  m ark e d  by  re d  c ircl e  li ne  are  a l m os t  the  sam e   with  the  pe rfor m ance  of   t he  m et ho d  that  unutil iz ed  D opple r  Ef fe ct .  As  ca n   be  s een  al so  on  the   gr a ph,  th e  m eth od s   wh ic h  are  util iz ing   both  the  Dop pler  Ef fect  and   the  ada ptive  quantiz at io n  m e tho d  hav e   per f or m ed  the  sa m e  le vel  of   detect ion   prob a bili ty .  It’s  s how n  by   the  gr ee n  li ne  an d  re d  ci r cl e  li ne  on   th e  gr a ph.  H ow ever,    us es  b ot h  m eth ods  wer e  sli ghtl y  bette r  pe r form ance  oth e r  tha n  un util ized   ada ptive  qu antiz at ion ,  w he nev e r     the d et ect io n o f  s ub ca rr ie r  th r esh old   value  gr eat er th a n 8 dB .    In   c om par ison  per f orm ance,  can  cl early   be  seen  betwee n  [1]   m et ho d  w hich  util iz ed  or  unutil iz e d    the  ada ptive  quantiz at io n,   th e  detect ion   prob a bili ty   was  sli gh tl y  lowe r  than  m et ho d  t hat  util iz ed  D opple r   Eff ect   a nd   a da ptive  qua ntiza ti on .  It  is  co rr es ponde nt  to   the  aver a ge  of   the  sel ect ed  subca rr ie r  powe r  thres ho l d,   the  m et ho d  that  util iz ed  the  Dop pler  E ff ect   an d  adap ti ve  quan ti zat ion   has  de te ct ed  belo w  the  pre - determ ined  the   detect ion   th re sh ol d  r ules.  T her e fore,  t he  pro ba bili ty   can  perform   bette r  than  unutil iz ed  both   m et ho ds.  As  il lustrate d  by   the  grap h,   F igure  4   s how s  the  pro ba bili ty   of   false  al arm   that  evaluate s     the  sp ect r um   e xch a nge  inf or m at ion   is  pr es ented.   As  ca n  be  seen  from   t he  grap h,   t he  conve ntion al   m et ho d  ( Ol d  K  O HT A )   has  the  sam e  pro bab il it y  of   f al se  al arm   per f or m ance  com par e  to   the  m et ho d  w hich  is  util iz ed  Dop pler  E ff ect .  H ow e ver,  at   the  high  le vel  su bc ar rier  dete ct ion   th reshold   value  sta rt  f r om   8  dB,  the  false   al arm   beco m e   r os e  to   0.0 92 .  O n  oth e r  ha nd,  the   m et ho d  that  util iz ed   the  Dop pler  Eff ect   a nd  a da ptive  qu a ntiza ti on   pe rfor m   lowest  oth e r  tha n  co nventio nal  m et ho ds.  T he  sam e   thing   is  s how n  in  the  grap h,  whe n  the  subca rr ie r  detect ion   t hr es ho l d  le vel  at   po sit io n  8  dB ,   it   was  increa sed  false  al a r m ,  bu t  s m al ler   tha n  conve ntion al   m et ho d, le ss th an 0. 08.     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  4 ,  A ugus t  2020  :   3 6 0 5   -   3 6 1 4   3612         Figure  3.  A n  a naly sis   of  detect ion   pro bab il it y from   the m ob il e sp e ct ru m  ex cha nge inform at ion  t hat  util iz e o r u nu ti li zed ad a ptive  qu a ntiza ti on     Figure  4 .  A co m par at ive an al ysi s stud y  of f a lse  alarm   pro bab il it y for  sp ect r um  ex ch ang e  in form at i on  util iz ing   or   un util iz ed  ada ptive  q ua ntiza ti on       6.   CONCL US I O N   It  can   be   s how n  that   the  pe rfo rm ance  of  ada ptive  quantiz at ion   f or  sp ect rum   exch an ge  in form ation   i n  OFDM  CR   networks  is  pr ese nted.   A  com par at ive  stud y  al so   prese nted  by   co m par e  the   per f orm ance  of   tw o  adap ti ve   m et ho ds  in  sp ect r um   ex chan ge   in form ation .  B ot h  of   a da ptive  m et ho ds  base d  on  the   detect ion  po wer  le vel  wh ic h  i s  aim   to  ob t ai n  dif fer e nt  width   of  qua ntiza ti on   sig na l  le vel.  As  pr e viously   m e ntion e d,    the  adap ti ve  quantiz at io n  is  able  to  perf orm   well   rather   than  co nventi onal   sp ect r um   e xch a nge  inf orm at ion .  W he reas,  util iz ing   dynam ic   su bc ar rier  m a pp i ng   ha ve  th e  sam e  per for m ance  with  a dap ti ve  qua ntiza ti on .   More ov e r,   the  com bin ing   of   dynam ic   su bcar rier  m app in g  and   a da ptive  quantiz at io n  ha ve  obta ine d  th e  best   perform ance  i n  sp ect r um   exch an ge  in form at ion   rathe r  th an  if  only   dynam ic  su bcarri er  m app ing   or   on ly   adap ti ve   qua ntiza ti on .  F or  th e  fu t ur e   w ork s,  the  c om bin ing  of  a dap ti ve   m e tho ds  co uld   be  de plo y ed  i n  com plexity   mo del  to  in vestigat ed  sync hro nizat ion   delay ,   tim e  delay   an d  subcar rier  bi t  synchron iz at ion   t o  com ba t  the  de la y  pr opa gatio n  ef fect  withi n  re portin g  c ha nn el .   I n  a  f ut ur e ,  an  e xperi m ent  and   te sti ng   a re  require d  to  obt ai n  the a ct ual  pe rfor m ance tha t can  be  a pp li e d  in  the  real  w or l d.         ACKN OWLE DGE MENTS     This  re searc h  was  s upporte d  by  Mi nistry  of   Highe r  E duc at ion   of   I ndonesi a  ( Kem enRist ekD ikti )   unde r  Wo rl d  Cl ass  Pr ofess or   (20 18)  P r ogram m e  20 18,   Un i ver sit y  Is lam   Su lt an  A gung  ( U NI S S ULA),   Un i ver sit y Te knol og i M al ay sia  (UTM).         REFERE NCE S   [1]   M.  Ohta,   T .   Fuji i,   K.  M ura ok a,   a nd  M.  Ari y oshi ,   “ An  O FD M  bas ed  sensing  infor m at ion  exc h ang e  for  coope r ativ e   sensing  in cogni t ive   r adi o   s y st ems , ”  Proc .   SD R20 08 ,   2008 .   [2]   M.  Ohta,  T .   Fuji i,   K.   Muraoka ,   a nd  M.  Ari y oshi,   “ A  Novel  Pow er  Controlled   Se nsing  Inform at io n  Gathe r ing  for   C ooper ative  Sen sing  on  Share d  Spect rum   with  Prim ar y   Spect ru m , ”  in  Proce ed i ngs  of  the   6th  Inte rnational   ICS T   Confe renc e  on   C ognit ive Radio   Or ie nte d  W irele ss   Net works and Com municat ions ,   pp .   111 – 115 ,   2 011 .   [3]   H.  Uchi y ama  et   al. ,   “ Stud y   on  soft  dec ision  b ase d   coope ra ti ve  sen sing  for  cogni ti v e  rad io  n et works , ”  IEI C E  Tr ans.   Comm un. ,   vol .   9 1,   no .   1 ,   pp .   95 – 101,   2008 .   [4]   L.   Chen ,   J.  W ang,   S.  Li,  “ Coopera ti v e  spec trum  sensing  with  m ult i - bi ts  loc a l  sen sing  dec isions  in   cogni ti v e  rad io   cont ex t, ”   in   Wir el ess Comm unic ati ons and  N et w orking  Conf ere n ce ,   2008.   WCNC   2008.   IEEE ,   pp.   570 – 575 ,   2008 .   [5]   A.  Marwant o,   S.  K.  S y ed  Y usof,  and  M.  H.  Satri a ,   “ Orthogonal   Freque nc y - Div ision  Multi pl exi ng - B ase d   Coopera t ive   Spect rum   Sensing  for  Cognit ive   Radi o  Networks,”   TEL KOMNIKA  ( Tele c omm unic ati on  Comput er   El e ct ron ic s and   Control ) ,   vol. 12 ,   no .   1 ,   p p .   143 - 152 ,   Mar .   2014 .   [6]   H.  A.  Surawe er a,   P.   J.   Sm it h,   a nd  M.  Shafi ,   “ C apa c ity   li m it s  a nd  per form ance   anal y s is  of  cog nit ive  rad io  wi th   imperfe ct c h ann el   knowl edge,”  I EE E   Tr ans.  Ve h .   Technol . ,   vol .   5 9,   no .   4 ,   pp .   181 1 – 1822,   2010 .   [7]   A.  Sahai ,   N.  Hoven,   and  R.   T andr a,   “ Som e  f undamenta l  l imits  on  cogni ti ve  rad io,”  in  Al l ert on  Confe renc e  on  Comm unic ati on,   Control, and  Co mputing ,   pp .   166 2 – 1671 ,   2004 .   [8]   Y.  Ta ni  and  T.   Saba,   “ Quanti z a ti on  sche m e   for  ene rg y   de te c tor  of  soft  dec ision  coope ra ti ve  spe c trum  sensing  in   cogni ti v e  r adi o , ”   in  2010   IE EE Globe com  Worksh ops ,   pp.   69 – 73 ,   2010 .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Ad ap ti ve  quanti za ti on for spe ct ru m  exch ange  infor m ation …    ( Arie f Mar wan t o )   3613   [9]   K.  Huang  and  R.   Zha ng,   “ Coope rat iv e  fee db ac k  for  m ult ia nte nn a   cogni ti v e  rad io  net works , ”  IE E E  Tr ans.  Signa l   Proce s s. ,   vol. 59 ,   no .   2 ,   pp .   747 – 758,   2010 .   [10]   Z.   T ia n ,   E. Bl asc h,   W .   Li,  G.  Che n,   X.  Li,  “ Perfor m anc e  ev al ua ti o n  of  distri but ed  c om pre ss ed  wideba nd  sensing  for   cogni ti v e  r adi o   n et works , ”   in  200 8  11th  In te rnatio nal  Conf ere nce  on  Information Fusion ,   pp .   1 – 8 ,   2 008 .   [11]   A.  Ta h erp our,  M.  Nasiri - Kena ri,   A.   Jam shidi,   “ Eff icien t  co oper ative  spe ct r um   sensing  in  cogni t ive   r adio   net works , ”  in  20 07  IEEE  18th   In te rnational   Sym posium  on  Pe rs onal,   Indoor  an d  Mobile  Rad io  Comm unic ati ons ,  pp.   1 – 6 ,   2007 .   [12]   S.  Chaudha r i  an d   V.  Koivunen ,   “ Eff ect  of  qu a nti z at ion   and  ch anne l   err ors  on   col l abor ative  sp ec trum  sensing , ”     in  2009  Confe r enc e  Record  of  the   Fort y - Thir d  Asil omar   Confe renc e  on  Si gnals,  Syste ms   and  Computers ,    pp.   528 – 533 ,   20 09 .   [13]   X.  W ang,   Z.   Li,  P.  Xu,  Y.  Xu,   X.  Gao,   and  H . - H.  Chen,   “ Spect rum   sharing  in  cogni ti ve  rad i o  net works — An  auc t ion - base d   ap proa ch,”  I EEE  T rans .   Syst. Man,  Cybe rn. Part  B ,   vol.   40 ,   no .   3 ,   pp .   587 – 596 ,   2009 .   [14]   D.  Ni y a to  and  E.   Hos sain,   “ A  game - the ore t ic  appr oac h  to  c om pet it ive   spe c trum  sharing  i n  cogni ti v e  rad i o  net works , ”   in  20 07  IEEE  W irel es s Comm unic ati o ns and  Net work i ng  Confe ren ce ,   pp.   16 – 20 ,   2007 .   [15]   X.  Kang,   Y. - C .   Li ang ,   H.  K.  Ga rg,   and  L.   Zha n g,   “ Sensing - base d  spec trum  shari ng  in  cognitive   r adi o  ne tworks,”   IEE E   Tr ans.  Ve h .   Techno l. ,   vo l.   5 8,   no .   8 ,   pp .   464 9 – 4654,   2009 .   [16]   D.  Ni y at o  and  E .   Hos sain,   “ Compe ti t ive   pri ci ng  f or  spec trum  sharing  in  cognitive   rad io  net works :  D y namic  g ame ,   ine ffi ci en c y   of   n ash  equilibri um ,   and  co ll usion, ”  I EE E   J .   Se l. area s Comm un. ,   vol .   26,   no .   1 ,   pp .   19 2 – 202,   2008 .   [17]   D.  Ni y at o  and  E .   Hos sain,   “ Compe ti t ive   spe ct ru m   sharing  in  cog nit ive  rad io   net w orks:  a  d y namic   game  appr oa ch,”   IEE E   Tr ans.  Wir el .   Comm un. ,   vo l.   7 ,   no .   7 ,   pp .   26 51 – 2660,   2008 .   [18]   R.   Zha ng  and  Y. - C.   Liang,   “ Expl oiting  m ult i - antenna s  for  opportun isti c  spe ct rum   sharing  in  cogni ti v e  rad i o   net works , ”   IEEE   J. Sel. Top.  S ign al  Proc ess. ,   vo l.  2,   no .   1 ,   pp .   88 – 102,   2008 .   [19]   C.   Senth amara i   and  N.  Ma lmurugan,   “ Optimal   Pow er  Allocati on   for  Outage  Anal y sis  Cogni ti ve   Full  Dupl ex  Mult i - Channe l  R el a y   Network  S y stems   Us ing  Multi ple  Objec t ive   Opti m iz at ion  Te chn i que, ”  J.   Comput .   Theor.  Nanosci . ,  vol.   15 ,   no .   3 ,   pp .   1004 – 1011 ,   20 18.   [20]   Y.  Y.  He,   “ Topi cs  in  resourc e  opti m iz ation  in  wire l ess   net works   with  li m it ed  feedbac k, ”  PhD   the sis,  Engi nee r ing ,   El e ct ri ca l   and   E l ec tron ic   Engi n eering,   The Unive r sit y   of  Me lbourn e ,   2011 .   [21]   J.  C.   F.   Li,  W .   Z hang,   and  J.  Yu a n,   “ Opportunistic  spec trum  shari ng  in  cogn it iv e  r adi o  n et works   b ase d  on  pr imar y   li m it ed   fee db ac k , ”  I EEE  Tr ans. Com mun. ,   vol .   5 9,   no .   12 ,   pp .   32 72 – 3277,   2011 .   [ 22]   Y.  He  and  S.  De y ,   “ Pow er  al loc a ti on  in  spe c trum  sharing  cogni ti ve  r adi o  n e tworks  with  quant i ze d  ch anne l   informati on, ”  I E EE   Tr ans.  Com mun. ,   vo l. 59, no .   6 ,   pp .   1644 – 16 56,   2011 .   [23]   N.  Ngu y en - Thanh  and  I.   Koo,   “ Log - li kelihoo d  rat io  opt imal   quant i ze r  for   coope ra ti ve  spe ct rum   sensing  in   cogni ti v e  r adi o , ”   IEEE  Comm un.   Lett . ,   vol .   15,   no .   3 ,   pp .   317 – 319 ,   2011.   [24]   S.  Bokharaie e ,   H.  H.  Ngu y en ,   and  E .   Shw ed y k ,   “ Bli nd  spe c trum  sensing  for  OF DM - base d   cogni t ive  rad i o   s y stems , ”  I EEE  Tr ans.  Ve h.   Tec hnol. ,   vol .   60 ,   no .   3 ,   pp .   858 – 871 ,   2011.   [25]   N.  Ngu y en - Tha n h  and  I.   Koo,  “ A  cl uster - b ase d  se le c ti ve  coope r at i ve  spec trum  sen sing  sche m e  in  c ognit ive   rad io , ”   EURA SIP   J .   W irel .   Comm un.   Ne t w. ,   vo l. 2013, no .   1 ,   pp .   1 – 9 ,   201 3.   [26]   S.  Chaudha ri ,   J.   Lundé n,   V.  Koi vunen,   and   H.  V.  Poor,  “ Coop era t ive   sensing  with  imperfe c t  rep orti ng  ch annel s:  Hard  de ci sions o r  soft  de ci sions ? , ”  IE EE Tr ans.  Si gnal  Proc ess. ,   2 012.   [27]   M.  Ohta,  T .   Fuji i,   K.   Muraoka ,   a nd  M.  Ari y oshi,   “ A  Novel  Pow er  Controlled   Se nsing  Inform at io n  Gathe r ing  for   Coo per ative  Sen sing  on  Share d  Spect rum   with  Prim ar y   Spect ru m , ”  2011  6th  Inte rnational   ICS T  Confe renc e  o n  Cognit ive Radio   Or ie nte d  W irele ss   Net works and Com municat ions ( CROWNCOM ) ,   pp .   111 – 115 ,   2 011.   [28]   A.  Marwant o,   S.K.  S y ed  Y usof,  and  M. H .   Satria,   “ Orthogon al   Frequ en c y - Div ision  M ult iplexing - B ase d   Coopera t ive   Spect rum   Sensing  for  Cognit ive   Radi o  Networks,”   TEL KO MNIKA  ( Tele communic ati on  Compute r   El e ct ron ic s and   Control ) ,   vol. 12 ,   no .   1 ,   p p .   143 ,   Mar.   2014 .   [29]   F.  Xiong  and  M .   Andro,  “ The   Eff ec t  of  Doppler   Fre quency   Shif t,   Freque nc y   Off set  of  the   Loc al   Os ci ll at o rs,  and  Phase  Noise  on   t he  Perform ance of Cohe ren t  OF DM   Rec ei v ers, ”   NASA   S ci .   Tech .   Inf. ,   vol .   2 ,   no .   2 ,   pp .   1 – 4 ,   2001 .   [30]   M.  Ohta,   T.   Fu ji i,   K.  Muraok a,  and  M.  Ari y oshi,   “ A  Coopera t ive   Sensing  Area   Ex pansion  Us ing  Orthogonal  Freque nc y   Base d  Inform at ion  Coll e ct ion  Metho d, ”  2009  4th  Int e rnational   Confe r enc e  on  Cogni ti v e  Radi o  Or ie nt e d   Wirel ess Networ ks  and  Comm uni cat ions ,   2009.       BIOGR AP H I ES   OF  A UTH ORS       Arie f  Ma r w ant o ,   recei ved  h is  Master   and  PhD   in  E le c tri c al   Engi ne eri ng  fro m   Univer siti   Te knologi  Mal a y sia   (UTM).   H e  be ca m e  L ec t ure r  a t  Depa r t m ent   of  Tele c o m m unic at ion   Engi ne eri ng,   Un ive rsit y   Islam  Sulta n   Agung  (UN ISS ULA)  Indo nesia   in  2001 .   Dr  Arief   h as  publi shed  over   50  art i cles  in  jo urna ls  and  conf ere nc e  pap ers   a nd  book  cha p te r .   His   rese arc h   int er est  in cl udes   the   areas  of  wir el ess  comm unicati ons,  in  p art i cu la r  are as  of   Cog nit ive  Radi o ,   Inte rne t  of  Thi n gs  (IoT ) ,   Software   Defi ned  Radio  (SD R),   Softw are   Defi ned  Net work  (SDN) ,  Biom edi cal  Eng i nee ring   and   Appli c at ion       Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  4 ,  A ugus t  2020  :   3 6 0 5   -   3 6 1 4   3614     Sh ari fah K .   Sy e d Y us of ,  rec ei ve d  her   BS c  in  El ec trica l  Eng ine er i ng  from   George   W ashingt on   Univer sit y ,   in  1 988.   She  becam e  As sistant   Lect ure r  at   the   Dep art m ent   of  Com m unic at ion   Engi ne eri ng,   Univer siti   T eknol o gi  Malay si a  (U TM)  where   she   pursued  her   Ma ster  and  PhD   degr ee s  at   UT M  respe ct ivel y .   Her  rese arc h   int ere st  in cl u des  the   are as   of  wire le ss  comm unic at ions ,   in  p articu l ar  a rea s  of  OF DM ,   Cognit iv e  Rad i o,   W ire l ess  Sensor  Network   (W SN ),   Networ k  Coding,   Software   Defi n ed  Rad io  (SD R),   Software   Defi n ed   Net work  (SD N)   and  Engi ne eri ng   Educ ation.   She   has  publi shed  over   150  art icle s  in  journa ls  and  conf ere nc e  pape rs.  She  is   a  co - ed it or  o f  a  book  entit le d  Outcome - B ase d  Scie n ce,  Te chno log y ,   Engi ne eri ng,   an d  Mathe m atics  E duca t ion:   Innov a ti ve   Prac t ices a n d  seve r a l  book   c hapt ers.         Muhammad   Hai kal  Satria ,   r e ce iv ed  his  Mast er  in  Com pute r  Engi ne eri ng  fro m   Univer sita et  Duisburg  Essen   Germ an y   and  PhD   in  in  El ec t ric a l  Engi n ee rin g  from   Univer siti   Te kno logi   Malay s ia   (UT M) .   His  rese ar ch  intere st  ar e as  of  Software   Engi ne eri ng ,  QoS   W ire le ss  Networks ,  Medi ca l  Inform atics ,  Hea lt h  Inform at i cs ,  Hea lt hc ar e  Inform at ic s ,  Te l emedic in e ,  Hea lt h  Inform ati on  Mana gement ,  Medic a l  Inform at i cs  Com puti ng .   He  has  publi sh ed  over   50  art i cl es  in  journ al s  and  conf erence   pape rs   and  book  cha pte r .   Curre ntly   he  joi n ed  as  Senior  Le c ture r  at   Dep art m ent   of  Cli n ic a l  Studie s  Facul t y   of  Biom edica l  Engi n ee r ing,  Univer siti   Te knologi Mal a y sia   (UTM).     Evaluation Warning : The document was created with Spire.PDF for Python.