주기 주파수 영역 잡음의 극값 분포와 인지 라디오 감지 성능 분석

본 논문은 인지 라디오(Cognitive Radio) 시스템에서 스펙트럼 감지를 위한 사이클로스테이션리티 기반 특징 검출기의 이론적 성능 분석을 수행한다. 먼저, 스펙트럼 감지 문제를 가설 검정 형태로 모델링하고, 기존 에너지 검출이 시간 영역 Gaussian 잡음을 중앙·비중심 카이제곱 분포로 모델링해 임계값‑오탐률(Pf) 관계식을 제공하는 반면, 사이클로스테이션리티 검출은 사이클 주파수 영역에서 잡음의 통계 특성을 명확히 규정하지 못하고 있음을 지적한다. 이를 해결하기 위해, 제한된 길이 K(예: 4096)의 분석 윈도우를 사용해 시간 영역 잡음 n(t)를 사이클 주파수 영역으로 변환하고, 각 사이클 주파수 α0에 대해 변환된 스펙트럼 값 중 최대값 N_i = N_iK(α0)를 추출한다. 이러한 N_i 시퀀스는 독립적인 극값 샘플로 간주될 수 있으며, 극값 이론에 따라 Generalized Extreme Value(GEV) 분포로 모델링한다. GEV의 확률밀도함수는 형태 파라미터 κ, 위치 파라미터 µ, 스케일 파라미터 σ로 정의되며, 논문에서는 최대우도 추정(ML) 방법을 사용해 이 파라미터들을 추정한다. 구체적으로, 로그우도 함수를 µ와 σ에 대해 편미분하여 0이 되는 식을 풀어 µ와 σ를 구하고, κ는 비선형 방정식을 통해 추정한다. 대부분의 경우 κ≈0이므로 Gumbel 분포에 근접한다는 점을 활용한다. 이후, 추정된 GEV 파라미터를 이용해 누적분포함수(CDF) P_r(·)를 구하고, 사전 설정된 허위 경보 확률 Pf에 대해 임계값 λ_th를 λ_th = µ – σ·log(–log(1–Pf)) 형태로 직접 계산한다. 검출 단계에서는 수신 신호 y(t)를 사이클 스펙트럼 S_αy(f)로 변환하고, α0에서의 최대값을 λ_th와 비교해 H1(신호 존재) 혹은 H0(신호 부재)를 판정한다. 이때 검출 확률(Pd)과 오탐률(Pf)은 각각 GEV CDF를 이용해 이론적으로 표현된다. 시뮬레이션 부분에서는 주파수 스무딩 방법을 적용해 SCD를 추정하고, 10,000개의 N_i 샘플을 수집해 히스토그램을 그린 뒤 GEV 분포와의 적합성을 확인한다. Monte‑Carlo 실험을 통해 다양한 수신 신호 전력 수준에서 이론적 ROC 곡선과 시뮬레이션 ROC 곡선을 비교했으며, 두 곡선이 거의 일치함을 보여 GEV 모델이 사이클 주파수 영역 잡음의 통계적 특성을 정확히 포착함을 입증한다. 결론적으로, 본 연구는 사이클 주파수 영역에서 Gaussian 잡음이 나타내는 극값 특성을 GEV 분포로 모델링함으로써, 사이클로스테이션리티 기반 스펙트럼 감지기의 임계값 설계와 성능 예측을 위한 명확한 이론적 틀을 제공한다. 이는 저SNR 환경에서도 높은 검출 성능을 유지해야 하는 인지 라디오 시스템 설계에 실질적인 도움이 될 것으로 기대된다.