We propose a two-phase protocol based on cooperative decode-and-forward relaying for a secondary system to achieve spectrum access along with a primary system. The primary and secondary systems comprise of a transmitter-receiver pair, PT-PR and ST-SR, respectively. In the first transmission phase, PT transmits the primary signal to PR, which is also received by ST and SR, where it is decoded. At ST, the primary signal is regenerated and linearly combined with the secondary signal by assigning fractions alpha and (1 - alpha) of the available power to the primary and secondary signals respectively. This combined signal is then broadcasted by ST in the second transmission phase. We show that as long as ST is located within a critical radius from PT, there exists a threshold value for alpha above which the outage probability of the primary system will be equal to or lower than the case without spectrum sharing. We also determine the outage probability achieved by the secondary system. Theoretical and simulation results confirm the efficiency of the proposed spectrum sharing scheme.

Reliability and energy consumption in detection are key objectives for distributed spectrum sensing in cognitive sensor networks. In conventional distributed sensing approaches, although the detection performance improves with the number of radios, so does the network energy consumption. We consider a combined sleeping and censoring scheme as an energy efficient spectrum sensing technique for cognitive sensor networks. Our objective is to minimize the energy consumed in distributed sensing subject to constraints on the detection performance, by optimally choosing the sleeping and censoring design parameters. The constraint on the detection performance is given by a minimum target probability of detection and a maximum permissible probability of false alarm. Depending on the availability of prior knowledge about the probability of primary user presence, two cases are considered. The case where a priori knowledge is not available defines the blind setup; otherwise the setup is called knowledge-aided. By considering a sensor network based on IEEE 802.15.4/ZigBee radios, we show that significant energy savings can be achieved by the proposed scheme.

We consider an approach for realizing radar sensing in orthogonal frequency division multiplexing (OFDM)-based joint communication and sensing (JCAS) systems. In such JCAS systems, the performance of radar sensing is limited by the OFDM cyclic prefix (CP) length. We propose a sensing system that exploits OFDM communication symbols, which are known by the sensing transceiver. These symbols have a CP length originally designed for communication. In the proposed method, a matrix using the transmitted communication symbols is constructed for radar sensing, avoiding the need of reserving sensing symbols. The proposed method results in achieving the maximum achievable range without loss of data throughput. In the scenario of our simulations, we show that the proposed method achieves a measurable distance approximately 14 times higher than a conventional OFDM radar sensing approach when no modifications are made in the transmitted data. When sensing symbols are reserved in the conventional approach to increase its maximum unambiguous distance, the proposed method shows a throughput gain of approximately 7% with respect to the conventional method.

In order to achieve high-reliability transmission and high-fidelity reception of important semantics over long-distance or unfavorable channel conditions, a Reconfigurable Intelligent Surface (RIS)-assisted semantic communication system (RISSCS) is proposed in this letter. To enhance the performance of RIS-SCS, an optimization problem on maximizing the semantic fidelity is formulated. This requires a cross-layer design of the beamforming in the physical layer and the network training in the semantic layer, which is intractable due to the different mechanisms and mutually coupled variables. To provide insights, an efficient hierarchical optimization framework is proposed, in which the active pre-coding beamforming vector at the source and the passive phase shifts at the RIS are first jointly optimized to form favorable channels, based on which the corresponding semantic neural networks are trained in an end-to-end manner. Simulation results verify the performance gains achieved by the proposed RIS-SCS. Specifically, under unfavorable channel conditions with severe path-loss attenuations or in power constrained regime, the proposed RIS-SCS demonstrates superior performance and robustness compared to the case without RIS.